CN102945256B - 海量sql语句合并归类的方法及装置 - Google Patents
海量sql语句合并归类的方法及装置 Download PDFInfo
- Publication number
- CN102945256B CN102945256B CN201210396613.2A CN201210396613A CN102945256B CN 102945256 B CN102945256 B CN 102945256B CN 201210396613 A CN201210396613 A CN 201210396613A CN 102945256 B CN102945256 B CN 102945256B
- Authority
- CN
- China
- Prior art keywords
- sql statement
- sql
- hash value
- statement
- similar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 4
- 230000003203 everyday effect Effects 0.000 abstract description 5
- 238000012550 audit Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种海量SQL语句合并归类的方法及装置，其中所述方法包括：S1、分析数据库环境，采集运行系统中所有的SQL语句；S2、对每条所述SQL语句进行解析，得到所述SQL语句中的变量值；并将所述变量值用常量替换，得到解析后SQL语句；S3、计算并得到所述解析后SQL语句的HASH值，根据所述HASH值将所述SQL语句归类合并，并将归类合并后的结果存储；其中，解析后SQL语句相同的SQL语句为相似SQL语句。通过本发明提供的技术方案，得到了相似SQL语句及其唯一的HASH值，实现了SQL语句的归类及合并；那么对于一个每天都重复着同样的操作的被审计监控的系统，被原始SQL语句占据的空间就大大减少，这样大大节省了存储空间，数据查询效率大幅度提升。
Description
技术领域
本发明涉及数据库，尤其涉及一种海量SQL语句合并归类的方法及装置。
背景技术
在目前很多大型企业如电子、金融、政府等都已经建立了符合自身需求的数据库及其管理系统，以加强对日益膨胀的数据仓库的管理。为了能够维持管理系统的稳定，要有专门的维护管理，日常管理中就少不了对数据库的监控分析。在目前的数据库监控分析中，对于SQL数据的分析挖掘，往往局限于操作方式及操作对象的分析，操作方式及操作对象的关联松散，会导致由于数据量庞大，数据繁杂，语义复杂，难以查找识别异常操作，工作量繁琐且巨大，浪费了大量的人力资源和时间。
通过对现有技术的分析，总结出了下述缺点。
缺点1：操作方式及操作对象的关联松散，仅有这两个值并不能确定语意。
缺点2：相似的SQL语句之间没有归类合并，导致数据量庞大，查找困难。
缺点3：没有具体的语意，导致匹配不准确，容易出现误报。
发明内容
本发明主要解决的技术问题是提供一种海量SQL语句合并归类的方法及装置，用以解决现有技术的诸多不足。
为解决上述问题，本发明采用的一种技术方案是：提供一种海量SQL语句合并归类的方法，包括：
S1、分析数据库环境，采集运行系统中所有的SQL语句；
S2、对每条所述SQL语句进行解析，得到所述SQL语句中的变量值；并将所述变量值用常量替换，得到解析后SQL语句；
S3、计算并得到所述解析后SQL语句的HASH值，根据所述HASH值将所述SQL语句归类合并，并将归类合并后的结果存储；其中，解析后SQL语句相同的SQL语句为相似SQL语句。
其中，所述S3中根据所述HASH值将所述SQL语句归类合并包括：检测所述运行系统中是否已存储所述HASH值，并检测到没有存储所述HASH值的情况下存储所述HASH值，且将所述HASH值对应的解析后SQL语句存储至运行系统预置的相似语句表中。
其中，所述S3中还包括：统计所述HASH值的出现次数。
其中，所述S3之后还包括：S4、获取S3统计的所述HASH值的出现次数，并根据获取到的HASH值的出现次数生成相似SQL语句的出现频率图。
为解决上述问题，本发明采用的另一种技术方案是：提供一种海量SQL语句合并归类的装置，包括：
采集模块，用于分析数据库环境，采集运行系统中所有的SQL语句；
解析模块，用于对每条所述SQL语句进行解析，得到所述SQL语句中的变量值；并将所述变量值用常量替换，得到解析后SQL语句；
归类模块，用于计算并得到所述解析后SQL语句的HASH值，根据所述HASH值将所述SQL语句归类合并，并将归类合并后的结果存储；其中，解析后SQL语句相同的SQL语句为相似SQL语句。
其中，所述归类模块包括：检测子单元，用于检测所述运行系统中是否已存储所述HASH值，并检测到没有存储所述HASH值的情况下存储所述HASH值，且将所述HASH值对应的解析后SQL语句存储至运行系统预置的相似语句表中。
其中，所述归类模块还包括：统计子单元，用于统计所述HASH值的出现次数。
其中，获取模块，用于获取归类模块统计的所述HASH值的出现次数，并根据获取到的HASH值的出现次数生成相似SQL语句的出现频率图。
本发明的有益效果是：区别于现有技术的诸多不足，本发明提供一种海量SQL语句合并归类的方法及装置，通过本发明提供的技术方案，得到了相似SQL语句及其唯一的HASH值，实现了SQL语句的归类及合并；那么对于一个每天都重复着同样的操作的被审计监控的系统，其系统中有了大量的相似语句，被原始SQL语句占据的空间就大大减少，这样大大节省了存储空间，并且由于数据量的急剧减少，数据查询效率大幅度提升。进一步可以理解的是，在一个稳定的被审计监控的系统中，相似语句数量是会处于一个稳定的状态，并且随着审计系统的运行，数量将慢慢地不再增加。
附图说明
图1为一实施方式中海量SQL语句合并归类的方法的流程图；
图2为上述实施方式中S3的具体流程图；
图3为另一实施方式中海量SQL语句合并归类的方法的流程图；
图4为一实施方式中海量SQL语句合并归类的装置的功能模块图；
图5为上述实施方式中归类模块的功能模块图；
图6为另一实施方式中海量SQL语句合并归类的装置的功能模块图。
标号说明：
10-采集模块，
20-解析模块，
30-归类模块，
301-计算子单元，
302-检测子单元，
303-统计子单元。
40-获取模块。
具体实施方式
为详细说明本发明的技术内容、构造特征、所实现目的及效果，以下结合实施方式并配合附图详予说明。
请参阅图1至图3，图1所示的实施方式提供一种海量SQL语句合并归类的方法，包括：
S1、分析数据库环境，采集运行系统中所有的SQL语句。
S2、对每条所述SQL语句进行解析，得到所述SQL语句中的变量值。然后并将所述变量值用常量替换，得到解析后SQL语句。在本实施方式中，把变量值用“:1”，“:2”等数字常量按顺序替换，使得到每条SQL语句都变成这种形式的新的SQL语句。在其他实施方式中，把变量用“a”“b”等字母常量顺序替换。
S3、计算并得到所述解析后SQL语句的HASH值，根据所述HASH值将所述SQL语句归类合并，并将归类合并后的结果存储；其中，解析后SQL语句相同的SQL语句为相似SQL语句。通过上述S2解析后SQL语句，由于把变量值都替换了，相似SQL语句经过解析后是完全一样的，因此解析后相同的SQL语句在系统中会出现很多相同的。对这些SQL语句分别计算每条的HASH值，由于这HASH值对于相同的SQL语句是相同的，因此相似SQL语句的HASH值是一样的，非相似SQL的HASH值是不同的。应当理解的是，解析后SQL语句相同的SQL语句为相似SQL语句，也就意味着相似SQL语句的原始SQL语句只有变量值不同。例如下面每组都为相似语句：
语句select*fromtab1wheref1=123与语句select*fromtab1wheref1=456；
语句updatetab1setf1＝1wheref2=a与语句updatetab1setf1=2wheref2=b；
语句inserttab1(f1,f2,f3)values(1,2,3)与语句inserttab1(f1,f2,f3)values(a,b,c)。
在具体如图2所示的某些实施例中，所述S3中根据所述HASH值将所述SQL语句归类合并包括S301、S302，具体如下文所示：
S301、检测所述运行系统中是否已存储所述HASH值；
S302、检测到没有存储所述HASH值的情况下存储所述HASH值，且将所述HASH值对应的解析后SQL语句存储至运行系统预置的相似语句表中。
通过上述过程，得到了相似SQL语句及其唯一的HASH值，实现了SQL语句的归类及合并。传统技术原来在存储时，在每条操作明细中，都要存储原始SQL语句，通过本方法只要存储计算出来的HASH值及原始SQL语句的变量值，把相似语句存储在另外一张运行系统预置的相似语句表中。在本实施方式中，本系统专门建立一张存储表用于存储计算出来的HASH值及原始SQL语句的变量值。应当理解，存储表与相似语句表之间是通过HASH值进行关联的。那么对于一个每天都重复着同样的操作的被审计监控的系统，其系统中有了大量的相似语句，被原始SQL语句占据的空间就大大减少，这样大大节省了存储空间，并且由于数据量的急剧减少，数据查询效率大幅度提升。进一步可以理解的是，在一个稳定的被审计监控的系统中，相似语句数量是会处于一个稳定的状态，并且随着审计系统的运行，数量将慢慢地不再增加。
在如图3所示的优选实施方式中，所述S3中计算并得到所述解析后SQL语句的HASH值之后还包括：S3020、统计所述HASH值的出现次数。应当理解的是，对于一个系统而言，次数较少的操作往往属于高风险操作。通过本实施方式对相似SQL语句进行统计，统计任一SQL语句在某一时刻的出现次数，根据出现的次数，出现次数少的，属于风险等级高的语句，这样能够及时发现安全隐患，保证系统的稳定运行。在本实施方式中，S3020与S302可同时进行。在另一实施方式中，S3020可在S302执行完成之后再进行。
在上述实施方式中，所述S3之后还包括：S4、获取S3统计的所述HASH值的出现次数，并根据获取到的HASH值的出现次数生成相似SQL语句的出现频率图。在本实施方式中，继S4之后还会将得到的相似SQL语句的出现图发送至系统的显示模块显示，这样就能够直观地看到S3的统计结果，并能够更准确迅速地发现安全隐患，保证系统的稳定运行。在此，S4是在S3020之后执行的。在另一实施方式中，图3中S302、S3020执行完成之后再进行S4，此实施方式中S4可在S302之后执行。在其他实施方式中，3020在S302执行完成之后再进行，而S4在S3020之后执行。
请参阅图4，本实施方式提供一种海量SQL语句合并归类的装置，包括采集模块10、解析模块20及归类模块30。其中，
采集模块10，用于分析数据库环境，采集运行系统中所有的SQL语句。
解析模块20，用于对每条所述SQL语句进行解析，得到所述SQL语句中的变量值；并将所述变量值用常量替换，得到解析后SQL语句。在本实施方式中，把变量值用“:1”，“:2”等数字常量按顺序替换，使得到每条SQL语句都变成这种形式的新的SQL语句。在其他实施方式中，把变量用“a”“b”等字母常量按顺序替换。
归类模块30，用于计算并得到所述解析后SQL语句的HASH值，根据所述HASH值将所述SQL语句归类合并，并将归类合并后的结果存储；其中，解析后SQL语句相同的SQL语句为相似SQL语句。通过解析模块20解析后SQL语句，由于把变量值都替换了，相似SQL语句经过解析后是完全一样的，因此解析后相同的SQL语句在系统中会出现很多相同的。归类模块30对这些SQL语句分别计算每条的HASH值，由于这HASH值对于相同的SQL语句是相同的，因此相似SQL语句的HASH值是一样的，非相似SQL的HASH值是不同的。
应当理解的是，解析后SQL语句相同的SQL语句为相似SQL语句，也就意味着相似SQL语句的原始SQL语句只有变量值不同。例如下面每组都为相似语句：
语句select*fromtab1wheref1=123与语句select*fromtab1wheref1=456；
语句updatetab1setf1＝1wheref2=a与语句updatetab1setf1=2wheref2=b；
语句inserttab1(f1,f2,f3)values(1,2,3)与语句inserttab1(f1,f2,f3)values(a,b,c)。
请参阅图5，本实施方式中所述归类模块30包括：计算子单元301和检测子单元302。其中，计算子单元301，用于计算并得到所述解析后SQL语句的HASH值。检测子单元302，用于检测所述运行系统中是否已存储所述HASH值，并检测到没有存储所述HASH值的情况下存储所述HASH值，且将所述HASH值对应的解析后SQL语句存储至运行系统预置的相似语句表中。
通过上述装置，得到了相似SQL语句及其唯一的HASH值，实现了SQL语句的归类及合并。传统技术原来在存储时，在每条操作明细中，都要存储原始SQL语句，通过本方法只要存储计算出来的HASH值及原始SQL语句的变量值，把相似语句存储在另外一张运行系统预置的相似语句表中。在本实施方式中，本系统专门建立一张存储表用于存储计算出来的HASH值及原始SQL语句的变量值。应当理解，存储表与相似语句表之间是通过HASH值进行关联的。那么对于一个每天都重复着同样的操作的被审计监控的系统，其系统中有了大量的相似语句，被原始SQL语句占据的空间就大大减少，这样大大节省了存储空间，并且由于数据量的急剧减少，数据查询效率大幅度提升。进一步可以理解的是，在一个稳定的被审计监控的系统中，相似语句数量是会处于一个稳定的状态，并且随着审计系统的运行，数量将慢慢地不再增加。
在上述优选的实施方式中，所述装置还包括统计子单元303，用于统计所述HASH值的出现次数。应当理解的是，对于一个系统而言，次数较少的操作往往属于高风险操作。通过本实施方式对相似SQL语句进行统计，统计任一SQL语句在某一时刻的出现次数，根据出现的次数，出现次数少的，属于风险等级高的语句，这样能够及时发现安全隐患，保证系统的稳定运行。
请参阅图6，上述实施方式中，所述装置还包括获取模块40，用于获取归类模块30统计的所述HASH值的出现次数，并根据获取到的HASH值的出现次数生成相似SQL语句的出现频率图。在本实施方式优选的实施例中，获取模块40将得到的相似SQL语句的出现图发送至系统的显示模块显示，这样就能够直观地看到S3的统计结果，并能够更准确迅速地发现安全隐患，保证系统的稳定运行。
综上所述，区别于现有技术的诸多不足，本发明提供一种海量SQL语句合并归类的方法及装置，通过本发明提供的技术方案，得到了相似SQL语句及其唯一的HASH值，实现了SQL语句的归类及合并；那么对于一个每天都重复着同样的操作的被审计监控的系统，其系统中有了大量的相似语句，被原始SQL语句占据的空间就大大减少，这样大大节省了存储空间，并且由于数据量的急剧减少，数据查询效率大幅度提升。进一步可以理解的是，在一个稳定的被审计监控的系统中，相似语句数量是会处于一个稳定的状态，并且随着审计系统的运行，数量将慢慢地不再增加。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (2)
1.一种海量SQL语句合并归类的方法，其特征在于，包括：
S1、分析数据库环境，采集运行系统中所有的SQL语句；
S2、对每条所述SQL语句进行解析，得到所述SQL语句中的变量值；并将所述变量值用常量替换，得到解析后SQL语句；
S3、计算并得到所述解析后SQL语句的HASH值，根据所述HASH值将所述SQL语句归类合并，并将归类合并后的结果存储；其中，解析后SQL语句相同的SQL语句为相似SQL语句；
所述S3中根据所述HASH值将所述SQL语句归类合并包括：
检测所述运行系统中是否已存储所述HASH值，并检测到没有存储所述HASH值的情况下存储所述HASH值，且将所述HASH值对应的解析后SQL语句存储至运行系统预置的相似语句表中；
所述S3中还包括：统计所述HASH值的出现次数；
所述S3之后还包括：S4、获取S3统计的所述HASH值的出现次数，并根据获取到的HASH值的出现次数生成相似SQL语句的出现频率图。
2.一种海量SQL语句合并归类的装置，其特征在于包括：
采集模块，用于分析数据库环境，采集运行系统中所有的SQL语句；
解析模块，用于对每条所述SQL语句进行解析，得到所述SQL语句中的变量值；并将所述变量值用常量替换，得到解析后SQL语句；
归类模块，用于计算并得到所述解析后SQL语句的HASH值，根据所述HASH值将所述SQL语句归类合并，并将归类合并后的结果存储；其中，解析后SQL语句相同的SQL语句为相似SQL语句；
所述归类模块包括：检测子单元，用于检测所述运行系统中是否已存储所述HASH值，并检测到没有存储所述HASH值的情况下存储所述HASH值，且将所述HASH值对应的解析后SQL语句存储至运行系统预置的相似语句表中；
所述归类模块还包括：统计子单元，用于统计所述HASH值的出现次数；
所述装置还包括：获取模块，用于获取归类模块统计的所述HASH值的出现次数，并根据获取到的HASH值的出现次数生成相似SQL语句的出现频率图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210396613.2A CN102945256B (zh) | 2012-10-18 | 2012-10-18 | 海量sql语句合并归类的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210396613.2A CN102945256B (zh) | 2012-10-18 | 2012-10-18 | 海量sql语句合并归类的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102945256A CN102945256A (zh) | 2013-02-27 |
| CN102945256B true CN102945256B (zh) | 2016-02-03 |
Family
ID=47728200
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210396613.2A Active CN102945256B (zh) | 2012-10-18 | 2012-10-18 | 海量sql语句合并归类的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102945256B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103488715B (zh) * | 2013-09-11 | 2017-01-18 | 北京思特奇信息技术股份有限公司 | 一种基于全局设置的预解析管理方法及系统 |
| CN105373607B (zh) * | 2015-11-13 | 2020-04-24 | 国网智能电网研究院 | 一种电力业务系统sql访问日志压缩方法 |
| CN106919612B (zh) * | 2015-12-25 | 2020-10-16 | 中国移动通信集团浙江有限公司 | 一种上线结构化查询语言脚本的处理方法及装置 |
| CN105740344A (zh) * | 2016-01-25 | 2016-07-06 | 中国科学院计算技术研究所 | 一种独立于数据库的sql语句合并方法及系统 |
| CN105912594B (zh) * | 2016-04-05 | 2020-01-07 | 深信服科技股份有限公司 | Sql语句处理方法和系统 |
| CN105868078B (zh) * | 2016-04-14 | 2019-03-08 | 国家电网公司 | 基于动态视图监控的Oracle RAC数据库SQL流捕获方法及系统 |
| CN106599139B (zh) * | 2016-12-05 | 2021-02-26 | 金蝶软件（中国）有限公司 | 一种基于MyBatis框架的SQL处理方法及装置 |
| CN110121704B (zh) * | 2016-12-30 | 2021-09-21 | 华为技术有限公司 | 一种用于存储过程的执行方法、设备以及系统 |
| CN107025263A (zh) * | 2017-01-16 | 2017-08-08 | 中国银联股份有限公司 | 用于数据库语句的语句解析方法 |
| CN107562790B (zh) * | 2017-07-31 | 2020-05-01 | 北京北信源软件股份有限公司 | 一种实现数据处理批量入库的方法和系统 |
| CN107506450A (zh) * | 2017-08-28 | 2017-12-22 | 深圳市华傲数据技术有限公司 | 一种用于解决数据高并发访问的方法及装置 |
| CN108052394B (zh) * | 2017-12-27 | 2021-11-30 | 福建星瑞格软件有限公司 | 基于sql语句运行时间的资源分配的方法及计算机设备 |
| CN109542868A (zh) * | 2018-09-28 | 2019-03-29 | 中国平安人寿保险股份有限公司 | 定位异常sql语句的方法、装置、电子设备及存储介质 |
| CN109800240B (zh) * | 2018-12-13 | 2024-03-22 | 平安科技（深圳）有限公司 | Sql语句归类方法、装置、计算机设备和存储介质 |
| CN112527815A (zh) * | 2020-12-02 | 2021-03-19 | 平安医疗健康管理股份有限公司 | 数据库的脚本迁移方法、装置、计算机设备和存储介质 |
| CN112966101B (zh) * | 2021-02-07 | 2024-06-18 | 白腊梅 | 语句聚类方法、事务聚类方法、语句聚类装置与事务聚类装置 |
| CN115114374B (zh) * | 2022-06-27 | 2023-03-31 | 腾讯科技（深圳）有限公司 | 事务执行方法、装置、计算设备及存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100403308C (zh) * | 2005-10-31 | 2008-07-16 | 北京神舟航天软件技术有限公司 | 基于sql负载挖掘的物理数据库自动设计方法 |
| CN100550019C (zh) * | 2007-03-22 | 2009-10-14 | 金蝶软件（中国）有限公司 | 面向对象的数据库访问方法及系统 |
| JP4722195B2 (ja) * | 2009-04-13 | 2011-07-13 | 富士通株式会社 | データベース・メッセージ分析支援プログラム、方法及び装置 |
-
2012
- 2012-10-18 CN CN201210396613.2A patent/CN102945256B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN102945256A (zh) | 2013-02-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102945256B (zh) | 海量sql语句合并归类的方法及装置 | |
| CN107577588B (zh) | 一种海量日志数据智能运维系统 | |
| CN109684352B (zh) | 数据分析系统、方法、存储介质及电子设备 | |
| Nagappan et al. | Abstracting log lines to log event types for mining software system logs | |
| KR101611166B1 (ko) | 빅데이터 분석 기반의 위크시그널 도출 시스템 및 그 방법 | |
| CN107391598B (zh) | 一种威胁情报自动生成方法及系统 | |
| CN111190876A (zh) | 日志管理系统及其运行方法 | |
| CN107908550B (zh) | 一种软件缺陷统计处理方法及装置 | |
| CN102540944B (zh) | 嵌入式多功能统计过程控制装置及方法 | |
| AU2012236577A1 (en) | Processing data in a mapreduce framework | |
| CN106530121B (zh) | 电力监控系统安全防护合规性检测方法和系统 | |
| US10810225B2 (en) | System and method for large scale data processing of source data | |
| CN108304382B (zh) | 基于制造过程文本数据挖掘的质量分析方法与系统 | |
| CN111224843B (zh) | 资源链路监控方法、装置、设备和存储介质 | |
| CN114461644A (zh) | 一种数据采集方法、装置、电子设备及存储介质 | |
| CN113010484A (zh) | 日志文件管理方法及装置 | |
| KR101510647B1 (ko) | 이슈 템플릿 추출 기반의 웹 동향 분석 방법 및 장치 | |
| CN102831174B (zh) | 结构化信息快速检索方法及系统 | |
| Jing et al. | A microservice fault identification method based on LightGBM | |
| CN102193859B (zh) | 一种代码分析方法及系统 | |
| US20160239264A1 (en) | Re-streaming time series data for historical data analysis | |
| CN117035563B (zh) | 产品质量安全风险监测方法、设备、监测系统及介质 | |
| CN110580170B (zh) | 软件性能风险的识别方法及装置 | |
| KR20170078038A (ko) | 유사성 분석을 통한 시공 계측 센서 데이터 이상 감지 방법 및 시스템 | |
| US20200242121A1 (en) | Method and apparatus for analyzing data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |