- 異常測試用例 內(nèi)容精選 換一換
-
任務(wù)異常錯(cuò)誤信息描述 code String 任務(wù)異常錯(cuò)誤信息編碼 狀態(tài)碼: 408 表23 響應(yīng)Body參數(shù) 參數(shù) 參數(shù)類型 描述 error Error object 提交任務(wù)異常時(shí)返回的異常信息 表24 Error 參數(shù) 參數(shù)類型 描述 message String 任務(wù)異常錯(cuò)誤信息描述來自:百科;如何基于歷史數(shù)據(jù)學(xué)習(xí)與運(yùn)維經(jīng)驗(yàn)庫,對異常進(jìn)行智能分析并給出可能原因。 AOM 通過AI智能算法分析各類運(yùn)維指標(biāo)趨勢變化,提前預(yù)測潛在異常,包括指標(biāo)的增幅過高、規(guī)律變化等。 優(yōu)勢 場景智能識別:根據(jù)運(yùn)維指標(biāo)特征選擇算法匹配,如狀態(tài)跳變、周期異常等。 自適應(yīng)算法:當(dāng)出現(xiàn)過多告警時(shí),自動調(diào)整算法參數(shù)抑制告警。來自:百科
- 異常測試用例 相關(guān)內(nèi)容
-
提交任務(wù)異常時(shí)返回的異常信息 表32 Error 參數(shù) 參數(shù)類型 描述 message String 任務(wù)異常錯(cuò)誤信息描述 code String 任務(wù)異常錯(cuò)誤信息編碼 狀態(tài)碼: 503 表33 響應(yīng)Body參數(shù) 參數(shù) 參數(shù)類型 描述 error Error object 提交任務(wù)異常時(shí)返回的異常信息來自:百科提交任務(wù)異常時(shí)返回的異常信息 表28 Error 參數(shù) 參數(shù)類型 描述 message String 任務(wù)異常錯(cuò)誤信息描述 code String 任務(wù)異常錯(cuò)誤信息編碼 狀態(tài)碼: 502 表29 響應(yīng)Body參數(shù) 參數(shù) 參數(shù)類型 描述 error Error object 提交任務(wù)異常時(shí)返回的異常信息來自:百科
- 異常測試用例 更多內(nèi)容
-
圖例:環(huán)狀圖表示微服務(wù),環(huán)按照實(shí)例數(shù)量被拆分3段,每段的顏色表示每實(shí)例的狀態(tài),紅色表示異常,黃色表示警告,綠色表示正常。 跨應(yīng)用調(diào)用:拓?fù)鋱D支持在不同應(yīng)用服務(wù)間的調(diào)用關(guān)系,對于不同應(yīng)用之間有服務(wù)調(diào)用時(shí),可實(shí)現(xiàn)跨應(yīng)用調(diào)用關(guān)系的采集并展示應(yīng)用的性能數(shù)據(jù)。 異常SQL分析:拓?fù)鋱D可以統(tǒng)計(jì)并展示數(shù)據(jù)庫或SQL語句的關(guān)鍵來自:百科
Serverless 函數(shù)調(diào)用出現(xiàn)異常時(shí),華為云 APM 的分析能力能夠?qū)δ硞€(gè)請求進(jìn)行數(shù)據(jù)匯聚,實(shí)現(xiàn)請求級別的數(shù)據(jù)聚合與分析,開發(fā)者可以直觀地了解該請求在一段時(shí)間內(nèi)的耗時(shí)變化、請求結(jié)果等信息,快速找出異常請求。通過對異常請求的深入分析,包括異常調(diào)用信息、異常觸發(fā)時(shí)間點(diǎn)等,開發(fā)者可以精準(zhǔn)定來自:百科
在第一時(shí)間獲取到服務(wù)的異常狀況,進(jìn)而迅速處理故障,避免造成業(yè)務(wù)損失。 應(yīng)用性能管理 典型應(yīng)用場景 應(yīng)用異常診斷 APM提供大型分布式應(yīng)用異常診斷能力,當(dāng)應(yīng)用出現(xiàn)崩潰或請求失敗時(shí),通過應(yīng)用拓?fù)?調(diào)用鏈下鉆能力分鐘級完成問題定位。 可視化拓?fù)洌簯?yīng)用拓?fù)渥园l(fā)現(xiàn),異常應(yīng)用實(shí)例無處躲藏。 調(diào)來自:專題
析;如何基于歷史數(shù)據(jù)學(xué)習(xí)與運(yùn)維經(jīng)驗(yàn)庫,對異常事務(wù)智能分析給出可能原因。 業(yè)務(wù)實(shí)現(xiàn) APM提供故障智能診斷能力,基于機(jī)器學(xué)習(xí)算法自動檢測應(yīng)用故障。當(dāng)URL跟蹤出現(xiàn)異常時(shí),通過智能算法學(xué)習(xí)歷史指標(biāo)數(shù)據(jù),多維度關(guān)聯(lián)分析異常指標(biāo),提取業(yè)務(wù)正常與異常時(shí)上下文數(shù)據(jù)特征,如資源、參數(shù)、調(diào)用結(jié)構(gòu),通過聚類分析找到問題根因。來自:專題