专用设备信息管理模块的研究与设计

信息管理功能是专用设备软件系统的重要组成部分,在记录设备运行状态、调测和软件故障定位中发挥了重要的作用。针对专用设备软件系统的信息管理功能,分析了在设计过程中碰到的问题,设计出一种高效实用的专用设备信息管理系统。     

SQLite数据库在雷达日志管理中的应用

SQLite数据库作为一种嵌入式实时内存数据库,具有简洁、高效等特点。在雷达日志管理这一特定需求背景中,基于SQLite的雷达嵌入式日志管理系统能够按不同日志类别实时记录每一部雷达的工作过程及完整的状态信息,并根据权限提供检索和统计功能,为装备的维护保障提供完整的信息服务。工程实践表明,使用SQLite数据库作为数据存储方案能够很好满足实际使用需求。     

基于模糊场景关联分析的技术研究与实践

文章针对海量多源异构安全日志分析问题,提出了一种基于模糊场景的关联分析方法。这种方法打破传统安全告警日志关联分析技术中常采用的构建固定攻击场景的方式。它采用聚类算法对多源异构告警日志进行聚合,综合考虑告警事件的数据来源、数量和事件等级,对每部分进行权重的累加,计算出与源IP对应的事件疑似度。文章介绍了模糊场景关联分析方法的架构原理、技术实现,并通过实例加以说明,对所提出的方法进行验证。结果表明该方法和应用是可行和有效的。     

基于日志分析的虚拟化环境故障定位系统

在云平台的运行维护中,虚拟化环境的故障定位对容错极其重要。针对虚拟化环境的空间拓扑时变性,提出了一种基于时变的节点间依赖关系的日志分析方法,为决策树故障定位提供支持。节点间依赖关系能够帮助压缩日志,只提供故障时间窗口内的有效信息作为挖掘来源,从而更快更准确地完成故障定位。实验表明,能够在较大系统规模的多变的虚拟化环境下实现有效和高效的故障定位。     

基于开发者协作关系和信息检索的需求跟踪系统

目前自动化需求跟踪的研究广泛使用文本信息检索技术。然而信息检索会遗漏一些文本不相似但是实际相关的软件制品,导致自动化跟踪的精度不高。针对上述问题,提出利用开发者协作关系来进行优化,研发了基于开发者协作关系和信息检索的需求跟踪系统。该系统在进行需求跟踪时,首先用信息检索推荐与需求文本上相似的代码,然后从代码提交日志中挖掘开发者协作关系,根据开发者协作关系再推荐相关代码,用户根据两次推荐的结果确定正确的需求代码跟踪关系。试验结果表明该系统能够找到信息检索遗漏的需求跟踪关系,能够提高自动化跟踪的准确性,节省跟踪时间。     

基于Web日志的数据挖掘聚类算法研究及应用

针对FCM算法主要应用于点数据聚类,不能直接处理关系型数据的缺点。本文提出了一种基于Web日志的数据挖掘聚类算法,首先对FCM算法进行改进使其能够处理关系型数据,并对算法进行了健壮性改进。然后针对传统FCM算法需要在没有先验知识的基础上,事先确定聚类类别数的缺点,引入了竞争凝聚算法(CA),与FCM算法相结合,形成了CAFCM算法,使之能够自动确定最佳分类类别数。实验表明,CA-FCM算法的挖掘结果与FCM算法的结果相近,在用户访问会话数量不太大时性能优于FCM算法。     

天津市地震局值班日志管理系统的设计与实现

本文采用J2EE技术和B/S架构,以Tomcat作为Web容器,以MySQL为数据库设计与开发了一个震情值班日志管理系统,提高了值班员的值班工作效率,推动了我局的无纸化办公,节省了大量人力、物力资源。将我局震情值班的管理工作推进了一大步。     

数据库日志信息源监测方法的研究与实现以SQL Server数据库为例

随着信息时代的到来,数据集成技术发挥着越来越重要的作用。一般情况下,数据集成系统的组成部分包括监视智能代理与集成器两个方面,其中监视智能代理最为重要的作用就是对信息源的数据变化进行有效监测。监测方法多种多样,本文针对基于SQL Server数据库日志的信息源监测方法进行了研究,指出了通过对SQL Server数据库日志的分析与研究,实现对数据库的更新检测。     

基于Hadoop的分布式日志分析系统设计与实现

网络日志解析是确保监控系统稳定运行和检测故障的重要任务之一。然而,日志文件的数据量庞大,数据格式也相对复杂,难以手动处理。在此背景下,对基于Hadoop分布式计算框架的网络日志分析系统的设计和实现进行了研究,通过将数据分解成块,并通过多台计算机并行处理数据块来提高数据处理速度和效率。系统使用了Hadoop的MapReduce编程模型来实现网络日志数据的解析和处理。实验结果表明,相比传统方法,该系统具有更高的数据处理速度和可伸缩性,证明其有效性和实用性。     

基于相关性反馈的开源系统跨层需求追踪方法

大型复杂软件系统的需求分析与生成是一个由上而下逐层分解的过程,跨层需求间追踪关系的构建对于项目的管理、开发与演化都至关重要.开源系统的松耦合贡献方式需要每位参与者能便捷地理解需求的来龙去脉及需求状态,这依赖跨层需求间的追踪.问题描述日志是开源系统中需求的常见呈现方式,其无固定模板要求,内容多样(含文本、代码、调试信息等),术语使用自由,跨层需求间抽象层次大,给自动追踪带来极大的挑战.提出一种面向关键特征维度的相关性反馈方法,通过静态分析项目代码结构,抽取代码相关术语及其间的关联强度,构建代码词汇库,以缓解跨层需求的抽象层次差距及用语不统一的问题;通过度量词汇对需求描述的重要性并基于此筛选关键特征维度,以对查询语句进行针对性的优化,有效减少需求描述长度、内容形式等方面的噪音.通过在3个开源系统需求集上针对两个场景的实验,表明所提方法相比基线方法在跨层需求追踪方面的优越性,相比VSM、Standard Rocchio和Trace BERT, F2值的最大提升分别可达29.01%、7.45%和59.21%.