1.本发明属于应用效能评估技术领域，具体涉及一种基于大数据的应用效能评估系统和一种基于大数据的应用效能评估方法。
背景技术：
2.现有的针对应用软件的评估方法基本上都是参照应用使用人员的个人感受，主观性较强，缺乏相对公正的客观评。同时，现有方法甚少依据数据来评估应用的效能，而实际上各个应用都存在大量可纳入参考范围的信息和数据，如何利用应用的各个数据进行一个客观全面的评估是当前所需。
3.因此，针对上述问题，予以进一步改进。
技术实现要素：
4.本发明的主要目的在于提供基于大数据的应用效能评估系统及其评估方法，以应用基础数据和应用运行数据为基础，从数据开放集约能力、用户认可度、平安运行能力和运维保障支持四个维度对应用数据进行评估，从而对应用的效能产生评估，进而获得量化评估应用的效能水平的总分数。
5.为达到以上目的，本发明提供一种基于大数据的应用效能评估方法，用于通过大数据量化评估应用数据(软件)的效能水平，包括以下步骤：
6.步骤s1：应用基础数据模块获得应用数据的应用基础数据，并且通过数据开放集约能力单元对应用基础数据包括的开放集约能力数据进行分析处理，进而获得包括开放集约能力分数的应用基础分数；
7.步骤s2：应用运行数据模块获得应用数据的应用运行数据，并且分别通过用户认可度单元、运行能力单元和运维保障支持单元对应用运行数据包括的用户认可度数据、运行能力数据和运维保障支持数据进行相对应分析处理，进而获得包括用户认可度分数、运行能力分数和运维保障支持分数的应用运行分数；
8.步骤s3：将应用基础分数的各个子分数和应用运行分数的各个子分数均根据预设比重对各个子数据进行权重分配，将各个子分数与对应的权重进行相乘，以获得子数据最终的获得分，将各个子数据最终的获得分进行依次相加，进而获得量化评估应用数据的效能水平的总分数；
9.步骤s4：应用运行数据模块对获得的应用数据的应用运行数据按照预设的周期进行更新，从而使得应用运行分数的各个子分数按照预设的周期进行更新，进而使得总分数按照预设的周期进行更新。
10.作为上述技术方案的进一步优选的技术方案，步骤s1具体实施为以下步骤：
11.步骤s1.1：数据开放集约能力单元通过第一评估模型对输入的开放集约能力数据进行第一评估，从而获得开放集约能力数据各个子数据对应的子分数并且根据预设比重对对各个子数据进行权重分配，将各个子分数与对应的权重进行相乘，以获得子数据最终的
获得分，将各个子数据最终的获得分进行依次相加，进而获得开放集约能力数据对应的开放集约能力分数。
12.作为上述技术方案的进一步优选的技术方案，步骤s2具体实施为以下步骤：
13.步骤s2.1：用户认可度单元通过第二评估模型对输入的用户认可度数据进行第二评估，从而获得用户认可度数据各个子数据对应的子分数并且根据预设比重对对各个子数据进行权重分配，将各个子分数与对应的权重进行相乘，以获得子数据最终的获得分，将各个子数据最终的获得分进行依次相加，进而获得用户认可度数据对应的用户认可度分数；
14.步骤s2.2：运行能力单元通过第三评估模型对输入的运行能力数据进行第三评估，从而获得运行能力数据各个子数据对应的子分数并且根据预设比重对对各个子数据进行权重分配，将各个子分数与对应的权重进行相乘，以获得子数据最终的获得分，将各个子数据最终的获得分进行依次相加，进而获得运行能力数据对应的运行能力分数；
15.步骤s2.3：运维保障支持单元通过第四评估模型对输入的运维保障支持数据进行第四评估，从而获得运维保障支持数据各个子数据对应的子分数并且根据预设比重对对各个子数据进行权重分配，将各个子分数与对应的权重进行相乘，以获得子数据最终的获得分，将各个子数据最终的获得分进行依次相加，进而获得运维保障支持数据对应的运维保障支持分数。
16.作为上述技术方案的进一步优选的技术方案，对于步骤s1：
17.开放集约能力数据各个子数据对应的子分数包括数据质量分、数据开放分、数据使用分、数据开放使用分、数据协同分和多跨场景分。
18.作为上述技术方案的进一步优选的技术方案，对于步骤s2：
19.用户认可度数据各个子数据对应的子分数包括pv分、应用uv分、用户评分和宣传推广分；
20.运行能力数据各个子数据对应的子分数包括应用等保测评分、应用安全运行时长分和应用安全问题数量分；
21.运维保障支持数据各个子数据对应的子分数包括系统运行问题数量分、运行工单及时处理率分、cpu合理利用分、内存合理利用分和存储合理利用分。
22.为达到以上目的，本发明提供一种基于大数据的应用效能评估系统，应用于所述的一种基于大数据的应用效能评估方法，包括应用基础数据模块和应用运行数据模块，其中：
23.应用基础数据模块获得应用数据的应用基础数据，并且通过数据开放集约能力单元对应用基础数据包括的开放集约能力数据进行分析处理，进而获得包括开放集约能力分数的应用基础分数；
24.应用运行数据模块获得应用数据的应用运行数据，并且分别通过用户认可度单元、运行能力单元和运维保障支持单元对应用运行数据包括的用户认可度数据、运行能力数据和运维保障支持数据进行相对应分析处理，进而获得包括用户认可度分数、运行能力分数和运维保障支持分数的应用运行分数；
25.将应用基础分数的各个子分数和应用运行分数的各个子分数均根据预设比重对各个子数据进行权重分配，将各个子分数与对应的权重进行相乘，以获得子数据最终的获得分，将各个子数据最终的获得分进行依次相加，进而获得量化评估应用数据的效能水平
的总分数；
26.应用运行数据模块对获得的应用数据的应用运行数据按照预设的周期进行更新，从而使得应用运行分数的各个子分数按照预设的周期进行更新，进而使得总分数按照预设的周期进行更新。
27.为达到以上目的，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述基于大数据的应用效能评估方法的步骤。
28.为达到以上目的，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述基于大数据的应用效能评估方法的步骤。
附图说明
29.图1是本发明的基于大数据的应用效能评估系统及其评估方法的示意图。
具体实施方式
30.以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
31.在本发明的优选实施例中，本领域技术人员应注意，本发明所涉及的应用数据和电子设备等可被视为现有技术。
32.优选实施例。
33.本发明公开了一种基于大数据的应用效能评估方法，用于通过大数据量化评估应用数据(软件)的效能水平，包括以下步骤：
34.步骤s1：应用基础数据模块获得应用数据的应用基础数据，并且通过数据开放集约能力单元对应用基础数据包括的开放集约能力数据进行分析处理，进而获得包括开放集约能力分数的应用基础分数；
35.步骤s2：应用运行数据模块获得应用数据的应用运行数据，并且分别通过用户认可度单元、运行能力单元和运维保障支持单元对应用运行数据包括的用户认可度数据、运行能力数据和运维保障支持数据进行相对应分析处理，进而获得包括用户认可度分数、运行能力分数和运维保障支持分数的应用运行分数；
36.步骤s3：将应用基础分数的各个子分数和应用运行分数的各个子分数均根据预设比重对各个子数据进行权重分配，将各个子分数与对应的权重进行相乘，以获得子数据最终的获得分，将各个子数据最终的获得分进行依次相加，进而获得量化评估应用数据的效能水平的总分数；
37.步骤s4：应用运行数据模块对获得的应用数据的应用运行数据按照预设的(计算)周期进行更新，从而使得应用运行分数的各个子分数按照预设的周期进行更新，进而使得总分数按照预设的周期进行更新。
38.值得一提的是，在一个计算的周期内，针对应用基础分数的各个子分数和应用运
行分数的各个子分数对各个子数据的权重分配，计算各个子数据的空值率，将空值率最高的子数据权重动态下调0.01，将空值率最低的子数据权重动态上调0.01，若存在有并列(包括1最高并列但最低不并列，2最低并列但最高不并列，3最高最低都有并列)的情况则不调整权重，从而将应用基础分数和应用运行分数构成的总分数不仅按照不同的计算周期进行变化，而且根据权重的动态改变进而在一个计算周期内进行改变，基于数据质量的权重动态调整旨在针对真实数据的数据质量使得评分更贴近实际情况，空值率＝数据中空值的个数/数据总个数。
39.具体的是，步骤s1具体实施为以下步骤：
40.步骤s1.1：数据开放集约能力单元通过第一评估模型对输入的开放集约能力数据进行第一评估，从而获得开放集约能力数据各个子数据对应的子分数并且根据预设比重对对各个子数据进行权重分配，将各个子分数与对应的权重进行相乘，以获得子数据最终的获得分，将各个子数据最终的获得分进行依次相加，进而获得开放集约能力数据对应的开放集约能力分数。
41.具体实施为：数据开放集约能力分数＝0.1数据质量分+0.2数据开放分+0.2数据使用分+0.2数据开放使用分+0.2数据协同分+0.1多跨场景分，其中数据质量分中，得分即100-应用数据空值比例，如应用数据空值比为100％，则得分为100-100＝0分；数据开放分中，计算应用提供开放数据的个数c，c处于[20,+],得100分；[15,20],得90分；[10,15],得80分；[5,10],得70分,(0,5),得60分,c为0时得0分；数据使用分中，计算应用使用的开放数据个数，并在所有计算对象应用内按照个数进行排名，第一名得100分，第二三名得95分，4-10名得90分，11-20名得85分，21-50得80分，51-100得75分，101之后得70分；数据开放使用分中，计算应用提供的开放数据被调用的次数，并在所有计算对象应用内按照次数进行排名，第一名得100分，第二三名得95分，4-10名得90分，11-20名得85分，21-50得80分，51-100得75分，101之后得70分；数据协同分中，计算应用产生数据被其他部门调用的次数和应用调用其他部门数据的次数，相加得到数据协同总次数，并在所有计算对象应用内按照数据协同总次数进行排名，第一名得100分，第二三名得95分，4-10名得90分，11-20名得85分，21-50得80分，51-100得75分，101之后得70分。多跨场景分中，判断应用是否属于协同应用和多跨场景应用，两项各占50分；数据开放集约能力分满分100分。
[0042]
更具体的是，步骤s2具体实施为以下步骤：
[0043]
步骤s2.1：用户认可度单元通过第二评估模型对输入的用户认可度数据进行第二评估，从而获得用户认可度数据各个子数据对应的子分数并且根据预设比重对对各个子数据进行权重分配，将各个子分数与对应的权重进行相乘，以获得子数据最终的获得分，将各个子数据最终的获得分进行依次相加，进而获得用户认可度数据对应的用户认可度分数；
[0044]
具体实施为：用户认可度分数＝0.3pv(网页浏览量)得分+0.3uv(网页独立用户访问量)得分+0.3用户评分+0.1宣传推广分，其中pv得分计算计算应用日均pv，pv处于[0,5]，得0分；若[5,20]，得20分；若[20,40]，得40分；若[40,80]，得60分；若[80,150]，得80分；若[150,+]，得100分；uv得分计算应用日均uv，uv处于[0,3]，得0分；若[3,10]，得20分；若[10,20]，得40分；若[20,40]，得60分；若[40,80]，得80分；若[80,+]，得100分；用户评分以用户评分为准：若评分不为百分制，则转化为百分制；宣传推广分判断是否有领导批示或是否有新闻报道，有则得100分。工作完成度分满分100分。
[0045]
步骤s2.2：运行能力单元通过第三评估模型对输入的运行能力数据进行第三评估，从而获得运行能力数据各个子数据对应的子分数并且根据预设比重对对各个子数据进行权重分配，将各个子分数与对应的权重进行相乘，以获得子数据最终的获得分，将各个子数据最终的获得分进行依次相加，进而获得运行能力数据对应的运行能力分数；
[0046]
具体实施为：运行能力分数＝0.2等保测评得分+0.4安全运行时长得分+0.4应用安全问题数量分，其中等保测评得分按照百分制等保评分直接赋分；安全运行时长得分，计算应用正常运行天数/(当前日期-应用上架日期)的比值，按照比值*100取整赋分，满分100分，安全问题数量分计算应用产生的安全问题数量，初始状态为满分100分，出现一个一般安全问题扣1分，出现一个中等安全问题扣5分，出现一个严重安全问题扣10分，以此类推，扣到0分为止。安全运行能力分满分100分。
[0047]
步骤s2.3：运维保障支持单元通过第四评估模型对输入的运维保障支持数据进行第四评估，从而获得运维保障支持数据各个子数据对应的子分数并且根据预设比重对对各个子数据进行权重分配，将各个子分数与对应的权重进行相乘，以获得子数据最终的获得分，将各个子数据最终的获得分进行依次相加，进而获得运维保障支持数据对应的运维保障支持分数。
[0048]
具体实施为：运维保障支持分数＝0.2系统运行问题数量分+0.2运行工单及时处理率分+0.2cpu合理利用分+0.2内存合理利用分+0.2存储合理利用分，其中系统运行问题数量得分，统计系统运行问题数量(包括应用中断次数、cpu过载、内存过载、存储过载)，初始状态为满分100分，出现一个应用中断问题扣0.5分，出现一个过载问题扣0.1分，以此类推，扣到0分为止；运行工单及时处理率得分，统计运维工单及时处理率，按照运行问题及时处理率的比值*100取整赋分，满分100分；cpu合理利用得分，统计近1日内cpu平均利用率，近1日内cpu利用率峰值，平均利用率处于(7-10)即得满分100分,处于[10,15]和(5,7)得80分,处于[3,5]和(15,20)得60分,处于[20,100]和[0,3]得40分，峰值处于[5,15],不扣分，峰值处于[3,5]和(15，20),扣10分，峰值处于[0,3]和(20，100),扣20分；内存合理利用得分，统计近1日内内存平均利用率、近1日内内存利用率峰值，平均利用率处于(30-60)即得满分100分,处于[60,75]和(10,30)得80分,处于[75,90]和(5,10)得60分,处于[90,100]和[0,5]得40分，峰值处于[10,75],不扣分，峰值处于[5,10]和(75，90),扣10分，峰值处于[0,5]和(90，100),扣20分；存储合理利用得分，统计近1日内存储平均利用率，近1日内存储利用率峰值，平均利用率处于(10-40)即得满分100分,处于[40,60]和(7,10)得80分,处于[60,80]和(5,7)得60分,处于[80,100]和[0,5]得40分，峰值处于[7,60],不扣分，峰值处于[5,7]和(60，80),扣10分，峰值处于[0,5]和(80，100),扣20分。运维保障支持满分100分。
[0049]
优选地，在得到4个子项的得分后，整合并计算最终的应用效能总分数，计算方法如下：
[0050]
总分数＝0.4数据开放集约能力分+0.4用户认可度分+0.1运行能力分+0.1运维保障支持分，由于应用运行数据部分的更新周期是日，总分数的更新周期也为日。
[0051]
进一步的是，对于步骤s1：
[0052]
开放集约能力数据各个子数据对应的子分数包括数据质量分、数据开放分、数据使用分、数据开放使用分、数据协同分和多跨场景分。
[0053]
更进一步的是，对于步骤s2：
[0054]
用户认可度数据各个子数据对应的子分数包括pv分、应用uv分、用户评分和宣传推广分；
[0055]
运行能力数据各个子数据对应的子分数包括应用等保测评分、应用安全运行时长分和应用安全问题数量分；
[0056]
运维保障支持数据各个子数据对应的子分数包括系统运行问题数量分、运行工单及时处理率分、cpu合理利用分、内存合理利用分和存储合理利用分。
[0057]
本发明还公开了一种基于大数据的应用效能评估系统，应用于所述的一种基于大数据的应用效能评估方法，包括应用基础数据模块和应用运行数据模块，其中：
[0058]
应用基础数据模块获得应用数据的应用基础数据，并且通过数据开放集约能力单元对应用基础数据包括的开放集约能力数据进行分析处理，进而获得包括开放集约能力分数的应用基础分数；
[0059]
应用运行数据模块获得应用数据的应用运行数据，并且分别通过用户认可度单元、运行能力单元和运维保障支持单元对应用运行数据包括的用户认可度数据、运行能力数据和运维保障支持数据进行相对应分析处理，进而获得包括用户认可度分数、运行能力分数和运维保障支持分数的应用运行分数；
[0060]
将应用基础分数的各个子分数和应用运行分数的各个子分数均根据预设比重对各个子数据进行权重分配，将各个子分数与对应的权重进行相乘，以获得子数据最终的获得分，将各个子数据最终的获得分进行依次相加，进而获得量化评估应用数据的效能水平的总分数；
[0061]
应用运行数据模块对获得的应用数据的应用运行数据按照预设的(计算)周期进行更新，从而使得应用运行分数的各个子分数按照预设的周期进行更新，进而使得总分数按照预设的周期进行更新。
[0062]
值得一提的是，在一个计算的周期内，针对应用基础分数的各个子分数和应用运行分数的各个子分数对各个子数据的权重分配，计算各个子数据的空值率，将空值率最高的子数据权重动态下调0.01，将空值率最低的子数据权重动态上调0.01，若存在有并列(包括1最高并列但最低不并列，2最低并列但最高不并列，3最高最低都有并列)的情况则不调整权重，从而将应用基础分数和应用运行分数构成的总分数不仅按照不同的计算周期进行变化，而且根据权重的动态改变进而在一个计算周期内进行改变，基于数据质量的权重动态调整旨在针对真实数据的数据质量使得评分更贴近实际情况，空值率＝数据中空值的个数/数据总个数。
[0063]
本发明还公开了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述基于大数据的应用效能评估方法的步骤。
[0064]
本发明还公开了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述基于大数据的应用效能评估方法的步骤。
[0065]
本发明将大数据引入到评估应用效能的模型之中，做到评价有数据可依。并从基础数据和应用运行数据两大方面，数据开放集约能力、用户认可度、平安运行能力、运维保障支持四个维度综合评估应用效能，通过基于大数据的方法科学地构造应用效能评价体系，对应用的效能水平进行全面的量化评估。
[0066]
值得一提的是，本发明专利申请涉及的应用数据和电子设备等技术特征应被视为现有技术，这些技术特征的具体结构、工作原理以及可能涉及到的控制方式、空间布置方式采用本领域的常规选择即可，不应被视为本发明专利的发明点所在，本发明专利不做进一步具体展开详述。
[0067]
对于本领域的技术人员而言，依然可以对前述各实施例所记载的技术方案进行修改，或对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围。