用计算机视觉来分析数据的制作方法
【专利摘要】用计算机视觉来分析数据包括用计算机视觉来获取示意性地表示系统的度量的象形图中的符号的测量结果并基于该测量结果来确定关于度量的差异。
【专利说明】用计算机视觉来分析数据
【背景技术】
[0001]诸如网络之类的信息技术系统可包括相互通信的数百个或数千个物理和虚拟机及外围设备。虚拟机可以是在至少一个物理机器上托管的网络的物理部件的程序实现。常常对虚拟机的主机进行切换以满足资源分配需要。并且，在网络上运行应用程序可以利用多个网络资源。因此，该网络资源彼此高度互连。
【专利附图】
【附图说明】
[0002]附图图示出本文所述原理的各种示例且是本说明书的一部分。所图示的示例仅仅是示例且不限制权利要求的范围。
[0003]图1是根据本文所述原理的创建象形图的示例的图。
[0004]图2是根据本文所述原理的象形图的示例的图。
[0005]图3是根据本文所述原理的创建相关象形图的示例的图。
[0006]图4是根据本文所述原理的相关象形图的示例的图。
[0007]图5是根据本文所述原理的创建基线象形图堆栈的示例的图。
[0008]图6是根据本文所述原理的基线象形图堆栈的示例的图。
[0009]图7是根据本文所述原理的将基线象形图堆栈与实时象形图相比较的示例的图。
[0010]图8是根据本文所述原理的用计算机视觉针对实时象形图来比较基线象形图的示例的图。
[0011]图9是根据本文所述原理的象形图的示例的图。
[0012]图10是根据本文所述原理的象形图的示例的图。
[0013]图11是根据本文所述原理的用于用计算机视觉来分析数据的方法的示例的图。
[0014]图12是根据本文所述原理的处理器的示例的图。
[0015]图13是根据本文所述原理的用于用计算机视觉来分析数据的方法的示例的图。
[0016]图14是根据本文所述原理的用于用计算机视觉来分析数据的过程的流程图的示例的图。
【具体实施方式】
[0017]信息技术系统的问题可起因于任何数目的部件。由于信息技术系统中的硬件和软件部件的复杂的相互作用，当一个部件展示出在可接受操作参数之外的特性时，在网络中可发生多个下游症状。处理网络问题的症状将不会解决问题，因为其并不是问题的根源。理解问题的症状与根源之间的关系可减少解决系统的问题的时间。在某些情况下，网络中的多个条件可共同地是问题的根源，即使每个条件单独地可在可接受操作参数内。由于系统的复杂性，发现操作参数之间的这些关系可能发现起来具有挑战性。
[0018]本文所述的原理包括一种用于用计算机视觉来分析数据的方法。这种方法可包括创建具有示意性地表示关于系统的度量的符号的象形图、用计算机视觉来获取象形图的符号的测量结果以及基于该测量结果来确定关于度量的差异。该方法还可包括测量并收集关于系统的数据以及检测度量之间的事件和关系。
[0019]这种方法发现导致识别问题并且还发现其根源的系统的复杂操作条件之间的关系。虽然下面具体参考信息技术系统来描述该方法的示例，但根据本文所述的原理可使用任何系统，尤其是复杂系统。例如，系统可以是信息技术系统、人体健康系统、社交网络系统、企业系统、生态系统、环境系统、政治系统、经济系统、货币系统、信息系统、其他系统或其组合。
[0020]在以下描述中，出于说明的目的，阐述了许多特定细节以便提供本系统和方法的透彻理解。然而，对于本领域的技术人员而言将显而易见的是可在没有这些特定细节的情况下实施本设备、系统和方法。在本说明书中对“示例”或类似语言的参考意味着所述的特定特征、结构或特性被包括在至少那个示例中，但在其他示例中不一定。
[0021]图1是根据本文所述原理的创建象形图(100)的示例的图。在本示例中，系统
(102)具有多个部件，包括中央处理单元(CPU) (104)、随机存取存储器(RAM) (106)、磁盘(108)、网络连接(110)、操作系统(112)、应用程序(114)、监视工具(115)及其他设备
(116)。虽然已参考特定系统部件描述了图1的示例，但根据本文所述原理可使用部件的任何群组或部件的布置。用监视工具(115)来收集关于这些部件中的每一个的度量并将原始数据发送到收集器(118)。在某些示例中，通过多个源来收集度量。
[0022]使用视觉聚合器(120)来创建具有示意性地表示系统的原始数据的符号的象形图
(100)，并且该象形图(100)被与原始数据一起存储在数据库(122)中。在某些示例中，视觉聚合器(120)将数据组织成二维格式。
[0023]可收集并在象形图(100)中直观地描述关于系统(102)的任何度量。在某些示例中，所收集的度量包括环境度量、输入/输出度量、存储器度量、网络度量、处理度量、其他度量或其组合。环境度量可包括CPU( 104)、磁盘(108)、现场可编程门阵列、图形处理单元、系统板、监视工具、另一部件或其组合的温度和/或电压。
[0024]输入/输出响应度量可包括关于用网络部件实现的消息和/或交易的参数，诸如交易或消息的尺寸、交易时间以及交易类型。可使这些度量与被加载到应用程序(114)中的外部数据输入、诸如数据馈送或读文件相关联。还可使这些度量与由应用程序(114)产生的外部数据输出、诸如日志文件和输出文件相关联。在其中应用程序具有同时用户的示例中，输入/输出响应度量可包括用户发起的交易类型和响应时间。
[0025]与存储器相关联的度量可包括高速缓存未中、磁盘读时间、磁盘写时间、分页、其他存储器度量或其组合。这些度量可来自系统(102)的不同存储器单元或其子系统，诸如寄存器、LI高速缓存器、L2高速缓存器、主存储器、磁盘或存储器单元或其组合。这些度量还可包括追踪常驻于存储器中的所选对象，诸如java探针。
[0026]该网络度量可包括与网络子系统相关联的那些度量，因为其与该应用程序(114)有关。这些度量可包括所建立网络连接的类型、所建立网络连接的数目以及分组冲突。
[0027]处理度量可包括与程序计数器有关的度量。程序计数器可允许追踪处理相关事件，诸如应用程序启动/关闭、上下文切换、浮点运算、自旋锁、系统中断、线程、其他处理相关事件或其组合。
[0028]图2是根据本文所述原理的象形图(200)的示例的图。在本示例中，象形图(200)具有圆形形状(202)，其具有多个馅饼段(204)。每个馅饼段(204)是显示填充字段的一部分的符号(206)的字段。尺寸、色彩(208)、长度(210)、宽度(212)、其他符号尺寸或其组合可示意性地表示系统的测量度量的参数。
[0029]用收集器收集的数据被聚合成象形图(200)以提供在特定时刻的系统的各种条件的唯一标识符。每个馅饼段(204)专用于群组度量的特定度量或特性。在某些示例中，馅饼段(204)中的符号(206)的长度(210)不意性地表不度量的量值，而符号的色彩(208)指示具有彼此具有数学关系的概率的那些度量。可使元数据与每个馅饼段(204)相关联。可用计算机视觉来测量的其他特征包括宽度、位置、纹理、线粗、轮廓、其他特征或其组合。元数据允许从数据库进行快速检索。
[0030]虽然图2的示例参考特定形状和样式来描述象形图，但可使用表示系统的度量的任何类型的象形图。例如，与本文所述原理相容的其他类型的象形图包括馅饼图、条形图、线图、直方图、时间线、树形图、流程图、区域图、统计图、谱系图、泡式图、树形映射图、瀑布图、雷达图、流图、其他象形图类型或其组合。
[0031]图3是根据本文所述原理的创建相关象形图(300)的示例的图。在本示例中，用概率确定机制(304)来分析原始数据象形图(302)，其确定在原始数据象形图(302)中显示的哪些度量具有关系意义。在某些示例中，关系意义是至少两个度量之间的数学关系。该关系意义可以是正关系、负关系、互反关系、指数关系、导数、其他类型的关系或其组合。为了具有关系意义，正在讨论中的度量彼此充分地相关而超过概率关系阈值。基于用户输入、关系意义策略、其他因素或其组合来确定该概率关系阈值。
[0032]概率确定机制(304)在单个时间点分析原始数据象形图(302)，跨多个象形图随时间推移而分析度量或其组合。如果概率确定机制确定度量的子集可能相对于彼此改变，则视觉聚合器(306)创建相关象形图(300)，其包括被认为可能具有关系的度量的子集。因此，相关象形图(300)具有在原始数据象形图(302)中表示的度量的子集。相关象形图(300)被存储在数据库(308)中。数据库(308)可一起存储系统的原始数据和原始数据象形图。
[0033]概率确定机制(304)可以是统计模型、隐式马尔可夫模型、推理引擎、神经网络机制、其他概率确定机制或其组合。在某些示例中，认为度量的多个子集具有关系意义。因此，创建多组相关象形图(302)。在某些示例中，度量的子集包括两个度量。在其他示例中，该子集包括具有关系意义的三个或更多度量。
[0034]图4是根据本文所述原理的相关象形图(400)的示例的图。在本示例中，相关象形图(400 )包括第一度量类型(402 )和第二度量类型(404 )，其仅仅是包括在具有关系意义的子集中的度量。以不同的符号色彩、纹理、位置、长度、宽度、线粗、其他特征或其组合用馅饼段(405)中的符号来示意性地表示每个度量。用色彩(406)将度量分组在一起以表示相互具有关系意义的那些度量。相关象形图(400)表示在特定时刻的度量的子集。虽然图4的示例描述了在子集中具有特定数目的度量的相关象形图(400)，但在子集中可包括任何数目的度量。
[0035]图5是根据本文所述原理的创建基线象形图堆栈(500)的示例的图。在本示例中，用预测建模机制(504)来分析相关象形图(502)。预测建模机制(504)分析所选相关象形图以根据所提供的相关象形图(502)来确定子集中的度量的数学关系。预测建模机制包括用计算机视觉来确定相关象形图的坐标。
[0036]用计算机视觉来生成象形图的符号的坐标提供比可能用人眼更精确的用于每个象形图的坐标测量结果。因此，用计算机视觉识别的数学关系是高度准确的，并且为预测建模机制的能力提供更多可靠性。
[0037]计算机视觉可包括收集具有至少一个图像传感器的象形图的数字图像。可使用与本文所述原理相容的任何图像传感器。图像传感器的非穷举列表可包括飞行时间传感器、范围传感器、断层成像设备、雷达设备、超声照相机、光敏照相机、机器视觉设备、图像处理设备、其他设备或其组合。在某些示例中，可获取每个象形图的多个计算机视觉测量结果以确保准确度。可从象形图提取诸如长度、宽度、色彩、取向、位置或其他特征之类的象形图特征以用于分析。在某些示例中，象形图是用处理器测量的计算机生成图像。
[0038]基于由预测建模机制定义的数学关系，创建一堆相关象形图。堆栈中的每个象形图示意性地表示时间单位。创建遵循该数学关系并示意性地表示早先并未提供的时间单位的附加相关象形图。因此，预测建模机制(504)基于该数学关系来填充用于并未提供的那些时间单位的间隙。
[0039]相关象形图(502)的堆栈是基线象形图堆栈(500)，其指示子集中的度量在可接受操作条件期间如何彼此相关。将实时数据的象形图与此基线象形图堆栈(500)相比较以确定系统中的问题存在的时间。
[0040]基线象形图堆栈(500)被存储在数据库(506)中。在某些示例中，数据库(506)还存储系统的原始数据和原始数据象形图。在某些示例中，相对于时间获取系统的样本，并更新与系统相关联的原始数据。随着原始数据被更新，还更新基线象形图堆栈(500)以反映该变化。
[0041]在某些示例中，创建多个基线象形图堆栈(500)，并且每个基线象形图堆栈(500)示意性地表示不同的数学关系。在其他示例中，在单个基线象形图堆栈(500)中示意性地描述多个数学关系。
[0042]图6是根据本文所述原理的基线象形图堆栈(600)的示例的图。在本示例中，第一相关象形图(602)示意性地表示第一时间单位，并且第二相关象形图(604)示意性地表不第二时间单位。在图6的不例中，仅仅用所显不度量的第一符号(608)和第二符号(610)来举例说明第三相关象形图(606)。
[0043]在第一符号(608)的第一末端(612)处，第一图表线(614)开始，并且在第二符号(610)的第二末端(616)处，第二图表线(618)开始。图表线(614、618)示意性地表示基线象形图堆栈(600)中的每个相关象形图的第一和第二符号(608、610)的末端(612、616)。例如，在时间(X)的相关象形图上，第一和第二符号(608、610)的末端(612、616)与第一和第二图表线(614、618)的位置相关。
[0044]在图6的不例中，图表线(614、618)相对于彼此移动。由于第一和第二符号(608、610)远离基线象形图堆栈(600)的中心轴(620)延伸，所以用图表线(614、618)示意性地表示的度量的量值在相反方向上移动，即使用图表线(614、618)示意性地表示的度量彼此具有正关系。因此，随着用第一图表线(614)示意性地表示的第一度量的量值的增加，用第二图表线(618)示意性地表示的度量也是如此。在此类示例中，如果将实时象形图堆栈与基线象形图堆栈(600)相比较且实时数据象形图堆栈展示出其中第一和第二度量具有在相反方向上移动的量值的特性，则此差异可指示在系统中存在实时问题。
[0045]在某些示例中，象形图以三维方式示意性地表示两个或更多度量之间的关系意义。在创建基线象形图堆栈(600 )之后，可使用计算机视觉来向下看堆栈的中心轴(620 )并看到度量之间的关系。在此类示例中，诸如符号(608、610)和没有符号的象形图区域(622)之类的象形图特征可具有至少一定量的计算机视觉透明度，使得计算机视觉可理解来自堆栈中的每个象形图的每个度量。在某些示例中，计算机视觉透明度包括光学透明度、红外透明度、可见光透明度、超声透明度、听觉透明度、其他形式的透明度或其组合。该计算机视觉可用来对符号、边缘、对比度、密度、色彩、像素位置、图像分段、象形图的其他特征或其组合进行定位。此外，在某些示例中，提取来自堆栈的单独象形图以用于分析和/或与实时象形图进行比较。
[0046]在图6的示例中，堆栈中的每个相关象形图具有圆形形状。在某些示例中，象形图的符号(608、610)的末端(612、616)形成象形图的外缘。在此类示例中，计算机视觉可从侧面或除沿着堆栈的中心轴笔直向下之外的另一角度用计算机视觉来分析象形图堆栈。此夕卜，在其中没有符号的单独相关象形图的区域(622)具有至少一定程度的计算机视觉透明度的其他示例中，计算机视觉还可从侧面或除沿着堆栈的中心轴(620)向下之外的方向确定基线象形图堆栈(600)和/或堆栈(600)中的每个相关象形图的特性。
[0047]图7是根据本文所述原理的将来自基线堆栈(700)的象形图与实时象形图(702)相比较的示例的图。在本示例中，收集器(704)通过监视工具来收集关于系统(706)的每个部件的实时信息。在某些示例中，关于系统(706)收集的度量来自不同的源。在图7的示例中，部件包括应用程序(708 )、操作系统(710 )、中央处理单元(CPU) (712 )、随机存取存储器(RAM) (714)、磁盘(716)、网络连接(718)、监视工具(719)及其他设备(720)。
[0048]视觉聚合器(722)编译所收集的度量并创建至少一个实时象形图(702)。在某些示例中，编译实时象形图以形成实时象形图堆栈。在其他示例中，将度量编译成示意性地表示在所选时间的度量的某些象形图。此外，所收集度量可包括收集器能够收集的所有度量。然而，实时象形图可仅包括所选度量。例如，所选度量可以仅仅是被认为具有关系意义的那些度量。
[0049]实时象形图(702 )被发送到计算机视觉机制(726 )。并且，还可从数据库(730 )检索基线象形图堆栈(700)并发送到计算机视觉机制(726)。计算机视觉机制(726)将基线象形图堆栈(700)与实时象形图(702)相比较以确定系统(706)的实时操作条件是否在可接受操作参数内。计算机视觉机制(726)用示意性地表示具有与所选基线象形图相同时刻的度量的实时象形图(702)覆盖来自基线象形图堆栈(700)的单独象形图。在其他示例中，计算机视觉机制(726)从侧面分析基线象形图堆栈(700)以确定可接受实时参数。在其他示例中，用计算机视觉从除沿着中心轴向下之外的角度分析实时象形图堆栈(700)并与在相同角度下获取的基线象形图堆栈(700)的测量结果相比较。
[0050]图8是根据本文所述原理的用计算机视觉针对实时象形图(802)来比较基线象形图(800)的示例的图。在本示例中，用基线象形图(800)来覆盖实时象形图(802)。以每个时间单位针对每个度量用预测建模机制来预先确定最小误差阈值(804)和最大误差阈值(806)。计算机视觉记录每个感兴趣度量的末端(808、810)在实时象形图(802)内位于哪里的准确测量结果以确定实时度量是否在最小和最大误差阈值(804、806)内。在图8的示例中，实时象形图(802)的度量看起来在可接受阈值范围内，因此这些度量并不指示系统存在冋题。
[0051]在某些示例中，在多种情况下获取基线测量结果。例如，在系统处于空闲、正在处理特定类型的请求、启动、发送消息、实现更新、执行例行维护、磁盘碎片整理、执行其他任务或其组合的同时获取基线测量结果。基线测量结果可结合来自不同源的测量结果。此外，基线测量结果可包括多个测量结果的平均值和/或界外测量结果的去除。在某些示例中，制造商促使在将系统出售给用户之前完成基线测量。在某些示例中，每当发生可以潜在地改变基线测量结果的事件时更新基线测量结果。例如，响应于新的程序或硬件被安装到系统中，基线测量结果改变。随着基线测量结果随时间推移而改变，更新所收集的度量，并更新或重新创建基线象形图堆栈以反映该变化。
[0052]虽然参考用计算机视觉来分析象形图的特定方式来描述图8的示例，但根据本文所述原理可使用用于将实时象形图与基线象形图相比较的其他机制。例如，计算机视觉分析技术可不限于观看覆盖象形图并从侧面观看它们。可将由实时象形图堆栈和/或基线堆栈形成的三维形状用于比较。
[0053]具有圆形形状和馅饼段的象形图非常适合于比较数据的复杂集合。虽然大多数数据比较机制尝试简化数据，但本文所述原理允许在仍保持其复杂性的同时分析数据集。在此类示例中，像复杂事件处理或信号检测，通过减少简化过程来节省时间，而且还增加预测的准确度。例如，在数百个度量相互影响并且因此具有关系意义的情形下，一种机制考虑每个有影响的度量以进行关于系统健康的确定。此外，可使用本文所述原理来唯一地识别过程在处理事件期间如何受影响。还可使用其他象形图格式并用计算机视觉来分析以确定系统的健康。
[0054]图9是根据本文所述原理的象形图(900)的示例的图。在本示例中，在矩形象形图(900)中用线(902、904、906、908、910、912、914)来示意性地表示七个度量。用线起始点(916)和线终止点(918)之间的高度的变化来确定每个度量的量值。在图9的示例中，象形图示意性地表示空闲事件期间的系统度量。
[0055]将度量聚合成单个象形图以在同一时刻显示每个度量。每个度量与允许用数据库搜索快速地找到度量的元数据相关联。
[0056]图10是根据本文所述原理的象形图(1000)的示例的图。在本示例中，象形图示意性地表示处理事件期间的在图9中示意性地描述的系统。在图10的示例中，线(1002、1004、1006、1008、1010、1012、1014)示意性地表示与在图9中示意性地描述的相同的度量，但是其具有示意性地表示处理事件期间的用于每个度量的不同值的不同形式。在这里，用象形图(1000)来覆盖象形图(900)并使用计算机视觉来测量度量之间的差异。该差异可包括原始参考线与在处理事件期间描述的线之间的面积差异。还可识别线的位置、长度、厚度、距离、其他特征或其组合方面的差异。
[0057]可使用计算机视觉来将纵贯系统的整个处理事件的每个度量的变化编成文档。在此类示例中，可在处理事件的各种时刻收集度量。计算机视觉可以区别覆盖象形图的线之间的小的差异，并允许预测建模机制确定度量之间的准确数学关系。对于测量时间间隔之间的那些时刻而言，预测建模机制通过内插或其他形式的预测建模来创建象形图以基于所确定的数学关系来示意性地表示那些时间段。预测建模机制还可确定在系统中测量的界外值。因此，预测建模机制随时间推移而使曲线平滑并对数据进行内插以创建一系列基线象形图。
[0058]用基线象形图来覆盖包含关于系统的实时信息的实时象形图以确定该实时度量是否在可接受操作参数内。计算机视觉可以测量实时象形图与基线象形图之间的小的差异以用于准确的比较，其对于其中小的差异指示系统的问题的情况下有用。
[0059]计算机视觉可以确定系统的状态而不仅仅是问题。例如，根据本文所述原理所使用的计算机视觉可以确定系统是否正在可接受条件、退化条件、空闲条件、其他条件和事件或其组合下操作。本文所述原理可以用来确定系统是否正在可接受处理条件、峰值处理条件、应力处理条件、其他处理条件或其组合下操作。
[0060]图11是根据本文所述原理的用于用计算机视觉来分析数据的方法(1100)的示例的图。在本示例中，该方法(1100 )包括用计算机视觉来获取(1102 )示意性地表示系统度量的象形图中的符号的测量结果，并基于该测量结果来确定(1104)关于度量的差异。
[0061]可从多个源收集关于系统的数据。在某些示例中，从系统的多个监视工具收集数据。该监视工具收集关于系统的不同和/或重叠信息。在其中关于系统的数据被确定为矛盾的示例中，重新测量矛盾数据。在某些示例中，数据选择策略控制矛盾数据之中的哪个数据是准确的。
[0062]在某些示例中，该方法包括随时间推移而实现关于系统的多个象形图，并随时间推移而展示出关于度量的关系。此类象形图被堆叠在一起以随时间推移而创建用于每个度量的唯一签名。象形图以时间序列排序。
[0063]该方法可包括创建显示度量的子集的相关象形图。所显示度量是具有关系意义的度量，其基于度量超过概率关系阈值。基于概率策略来确定度量的概率，该概率策略基于因素(诸如，相关度量值增加和减小、度量之间的度量值变化之间的时间推移、度量值的变化相对于其他度量的值变化的持续一致性)，其他因素或其组合。在某些示例中，用概率确定机制来确定是否存在子集的度量之间的关系。此类概率确定机制可包括神经网络、推理引擎、统计模型、隐式马尔可夫模型、其他机制或其组合。
[0064]该方法可包括通过用计算机视觉来分析相关象形图来确定用于超过概率关系阈值的子集中的那些度量的数学参数。该方法还可包括随时间推移而创建示意性地表示关系的数学参数的相关象形图的基线堆栈。预测建模机制可以对在测量之间关于系统的未提供的度量进行内插。
[0065]在某些示例中，该方法包括将相关基线堆栈与关于系统的实时数据相比较。这包括创建实时数据的实时象形图，其可变成实时象形图堆栈的一部分。用计算机视觉将实时象形图与基线象形图的相关象形图相比较。此外，该方法可包括用修正动作对用计算机视觉识别的系统问题进行响应。
[0066]图12是根据本文所述原理的分析系统(1200)的示例的图。在本示例中，分析系统(1200)具有与存储器(1204)进行通信的处理器(1202)。存储器(1204) —般地表示能够存储数据的任何存储器，该数据诸如被分析系统所使用的程序指令或数据结构。分析系统(1204)可与计算机视觉传感器、其他处理器、计算机可读存储介质、要分析的系统、监视工具、物理设备、虚拟设备、其他设备或其组合进行通信。存储在存储器(1204)中的所示程序指令包括度量收集器(1206)、视觉聚合器(1208)、象形图储存器(1210)、概率确定器(1212)、关系限定器(1214)、测量规范器(1216)、象形图堆叠器(1218)、计算机视觉执行器(1220)、差测量器(1222)、事件检测器(1226)以及事件通知器(1228)。存储器(1204)还包括包含用于事件检测策略(1224)的规则的数据结构。
[0067]存储器(1204)是包含计算机可读程序代码以促使由处理器(1202)执行任务的计算机可读存储介质。计算机可读存储介质可以是有形和/或非临时存储介质。计算机可读存储介质类型的非穷举列表包括非易失性存储器、易失性存储器、随机存取存储器、基于忆阻器的存储器、只写存储器、闪速存储器、电可擦程序只读存储器或各类型的存储器或其组入口 ο
[0068]度量收集器(1206)表示在被执行时促使处理器(1202)至处理器(1200)收集关于系统的度量数据的程序指令。视觉聚合器(1208)表示在被执行时促使处理器(1202)分析数据并创建象形图以示意性地表示度量的程序指令。可将象形图存储在象形图储存器(1210)中并随着系统中的基线条件改变而被更新。
[0069]概率确定器(1212)表示在被执行时促使处理器(1202)用计算机视觉来分析象形图上的数据或分析关于系统的原始数据的程序指令。如果概率确定器(1212)识别到数据的子集具有关系意义，则执行关系限定器(1214)。关系限定器(1214)表示在被执行时促使处理器(1202)用计算机视觉来分析象形图以确定度量子集的数学关系/参数的程序指令。测量规范器(1216)表示在被执行时促使处理器(1202)将象形图中的数据归一化以反映数学关系的程序指令。在某些示例中，归一化的象形图仅仅包括具有数学关系的度量。象形图堆叠器(1218)表示在被执行时促使处理器(1202)将归一化的象形图堆叠在一起以创建基线象形图堆栈的程序指令。
[0070]计算机视觉执行器(1220)表示在被执行时促使处理器(1202)促使计算机视觉传感器分析象形图以确定关系意义，确定数学关系，针对基线象形图堆栈来比较实时象形图，执行分析任务或者其组合的程序指令。差测量器(1222)表示在被执行时促使处理器(1202)确定用计算机视觉传感器获取的测量结果的差异的程序指令。事件检测器(1224)表示在被执行时促使处理器(1202)基于测量的差异和事件检测策略(1226)来确定是否发生事件的程序指令。事件检测策略(1226)是包含在确定事件的发生时要考虑的规则和加权因数的数据结构。该规则和因数可包括最小误差阈值、最大误差阈值、其他因数或其组合。该规则和因数还可表征事件对系统是否具有负面影响，像其中需要某个补偿动作的问题或其他方面。如果检测到事件，则执行事件通知器(1228)。事件通知器(1228)表示在本执行时促使处理器(1202)向适当的源发送事件已发生的消息的程序指令。在某些示例中，采取自动修正或补偿动作以解决事件的影响。在其他示例中，用户采取修正动作来解决事件的影响。
[0071]此外，存储器(1204)可以是安装封装的一部分。响应于安装该安装封装，可从安装封装的源下载存储器(1204)的编程指令，该安装封装的源诸如是可插入介质、服务器、远程网络位置、另一位置或其组合。与本文所述原理相容的可插入存储器介质包括DVD、CD、闪速存储器、可插入磁盘、磁盘、其他形式的可插入存储器或其组合。
[0072]在某些示例中，处理器(1202)和存储器(1204)位于同一物理部件内，诸如服务器或网络部件。存储器可以是物理部件的主存储器的一部分、高速缓存器、寄存器、非易失性存储器或在物理部件的存储器分级结构中的别处。替换地，存储器(1204)可通过网络与处理器(1202)进行通信。此外，可在编程指令被本地定位的同时通过网络连接从远程位置访问数据结构，诸如库。
[0073]图12的分析系统(1200)可以是通用计算机的一部分。然而，在替换示例中，分析系统(1200)是专用集成电路的一部分。
[0074]图13是根据本文所述原理的用于用计算机视觉来分析数据的方法(1300)的示例的图。在本示例中，方法(1300)包括通过监视到收集器中的馈送来收集(1302)关于系统的度量，用视觉聚合器对原始数据进行归一化(1304)和组织，并以特定时间单位生成(1306)原始数据的象形图。方法(1300)还包括将要使用的象形图的度量标记(1308)为元数据并将象形图存储(1310)在数据库中。此外，该方法(1300)包括用概率关系确定器来扫描(1312)多个象形图以发现随时间推移而在数据度量的子集之间存在数学关系的概率，并用被视为具有含有数学关系的高概率的度量子集来生成(1314)—系列相关象形图。
[0075]在图13的示例中，该方法(1300)包括将相关象形图存储(1316)在数据库中，分析(1318)相关象形图以确定数学关系，确定(1320)相关象形图是否包括用户定义事件，并用视觉聚合器来创建(1322)随时间推移而展示出归一化数学关系的基线象形图堆栈。该方法(1300)还包括通过监视到收集器中的馈送来接收(1324)关于系统的实时数据并基于该实时数据来创建(1326 )实时象形图。此外，该方法(1300 )包括随时间推移而用实时象形图来创建(1328)实时象形图堆栈。
[0076]此外，该方法(1300)包括用计算机视觉将实时象形图堆栈与基线象形图堆栈相比较(1330)并识别(1332)其中基线象形图堆栈与实时象形图堆栈之间的差异超过预定义差异阈值的问题。如果确实存在问题，则该方法包括将该问题通知(1334)系统。该方法(1300)包括更新(1336)由于系统问题的补救动作而引起的系统操作的任何持久性变化的数据库中的象形图。
[0077]图14是根据本文所述原理的用于用计算机视觉来分析数据的过程的流程图(1400)的示例的图。在本示例中，该过程包括收集(1402)关于系统的度量并创建(1404)示意性地表示度量的象形图。该过程还包括确定(1406)是否存在随时间推移在度量的子集之间存在数学关系的概率。如果几乎没有存在关系的概率，则该过程包括继续收集(1402)关于系统的度量。
[0078]如果有存在关系的显著概率，则该过程包括随时间推移而创建(1408)—系列相关象形图，并用计算机视觉随时间推移而分析(1410)相关象形图以确定数学关系的存在。该过程还包括确定(1412)是否存在数学关系。如果不存在数学关系，则该过程包括继续收集(1402)关于系统的度量。
[0079]如果确实存在数学关系，则该过程包括创建(1414)展示出数学关系的归一化象形图的基线象形图堆栈，创建(1416)实时象形图堆栈，并用计算机视觉针对基线堆栈比较(1418)实时象形图堆栈。该方法还包括确定(1420)在实时和基线象形图堆栈之间是否存在超过预定问题阈值的差异。如果该差异不超过阈值，则该过程包括通知(1422)系统存在问题并采取(1424)补救动作以解决该问题。
[0080]该过程包括确定(1426)系统是否响应于补救动作而展示出新的基线度量。如果系统确实响应于补救动作而展示出新的基线度量，则该过程可包括更新(1428)数据库中的度量并相应地调整基线堆栈。
[0081]虽然已参考特定象形图格式描述了以上示例，但根据本文所述原理可使用任何象形图格式。并且，虽然已参考特定类型的计算机视觉描述了以上示例，但可使用与本文所述原理相容的任何类型的计算机视觉。此外，虽然已参考用以比较象形图中的实时数据的特定方式描述了以上示例，但可使用根据本文所述原理的任何比较机制。
[0082]并且，虽然已参考用以确定关系意义和数学参数的存在的特定方式描述了以上示例，但根据本文所述原理可实现用于确定关系意义和数学参数的任何机制。并且，已参考计算机/信息技术系统描述了以上示例，然而，可将本文所述原理应用于社交网络行业、保健行业、运输行业、科学行业、商业行业以及政府组织中的其他系统。例如，可在其中监视关于人的健康的度量的医学行业中使用本文所述原理。本文所述原理可使来自人的血压的度量、医药类型、医药剂量、睡眠时间、血液氧合作用、其他因数及其组合相关以帮助识别人的健康或健康问题的根源。
[0083]此外，用本文所述原理来使用计算机视觉的优点是快速响应时间。计算机视觉与实时地确定系统问题的目标相容，因为计算机视觉能够实时地工作。
[0084]提出前面的描述仅仅是为了举例说明和描述所述原理的示例。本描述并不意图是穷举的或使这些原理局限于公开的任何精确形式。根据以上的教导，许多修改和变化是可能的。
【权利要求】
1.一种用于用计算机视觉来分析数据的方法，包括: 用计算机视觉来获取象形图中的符号的测量结果，其示意性地表示关于系统的度量；以及 基于所述测量结果来确定关于所述度量的差异。
2.权利要求1的方法，还包括创建所述象形图。
3.权利要求3的方法，其中，创建所述象形图包括从不同的源收集关于所述系统的所述度量。
4.权利要求1的方法，还包括创建相关象形图，其显示彼此具有关系意义的所述度量的子集。
5.权利要求5的系统，其中，创建显示所述度量的所述子集的所述相关象形图包括用概率确定机制来确定是否存在所述子集的所述度量之间的关系。
6.权利要求5的方法，还包括通过用所述计算机视觉来分析所述相关象形图而确定所述子集的所示度量之间的关系的数学参数。
7.权利要求7的方法，还包括随时间推移而创建示意性地表示所述关系的所述数学参数的相关象形图的基线堆栈。
8.权利要求8的方法，其中，用计算机视觉来获取示意性地表示关于系统的度量的象形图中的符号的测量结果包括将来自所述基线堆栈的基线象形图与表示关于所述系统的实时数据的象形图相比较。
9.权利要求1的方法，还包括用修正动作对用所述计算机视觉识别的系统问题进行响应。
10.一种用于用计算机视觉来分析数据的设备，包括: 处理器和存储器，所述存储器包括程序指令，其在被执行时促使处理器来: 随时间推移而创建基线象形图堆栈，其示意性地表示关于系统度量的子集的数学关系; 创建示意性地表示关于所述系统的实时数据的实时象形图；以及 用计算机视觉将所述基线象形图堆栈与所述实时象形图相比较。
11.权利要求10的设备，其中，所述基线象形图堆栈包括一系列相关象形图，其中，每个相关象形图表示在特定时刻的系统度量。
12.权利要求11的设备，其中，所述程序指令促使所述处理器针对表示与所述相关象形图相同的时刻的所述实时象形图而比较来自所述基线象形图堆栈的相关象形图。
13.权利要求10的设备，其中，所述基线象形图堆栈表示可从原始数据象形图获得的度量的子集。
14.权利要求10的设备，还包括基于所述基线象形图堆栈与所述实时象形图之间的差异来确定所述系统的健康。
15.一种用于用计算机视觉来分析数据的计算机程序产品，包括: 有形计算机可读存储介质，所述有形计算机可读存储介质包括用其体现的计算机可读程序代码，所述计算机可读程序代码包括代码，该代码在被执行时促使处理器来: 从多个源收集关于系统的度量； 随时间推移而创建基线象形图堆栈，其示意性地表示关于系统的所述度量的子集的数学关系； 创建示意性地表示关于所述系统的实时数据的实时象形图；以及 用计算机视觉将所述基线象形图堆栈与所述实时象形图相比较。
【文档编号】G06F17/00GK104487961SQ201280075006
【公开日】2015年4月1日 申请日期:2012年10月30日 优先权日:2012年10月30日
【发明者】乔 J. 申请人:惠普发展公司，有限责任合伙企业