本技術(shù)涉及計算機，特別涉及一種異常數(shù)據(jù)的處理方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、在用戶通過終端使用應(yīng)用程序的過程中，應(yīng)用程序可能會出現(xiàn)崩潰、卡頓等異常情況。用戶通常會等待應(yīng)用程序自行恢復(fù)，或者重啟應(yīng)用程序來解決問題。因此，若不能對應(yīng)用程序進行針對性的修復(fù)，應(yīng)用程序可能會頻繁出現(xiàn)異常情況，導(dǎo)致用戶只能被動等待或者手動重啟應(yīng)用程序，降低了人機交互效率和用戶的使用體驗。因此，如何對應(yīng)用程序在運行過程中產(chǎn)生的異常數(shù)據(jù)進行處理，以便運維人員根據(jù)處理結(jié)果對應(yīng)用程序進行針對性修復(fù)，是一個需要解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、本技術(shù)實施例提供了一種異常數(shù)據(jù)的處理方法、裝置、設(shè)備及存儲介質(zhì)，能夠在應(yīng)用程序運行過程中，根據(jù)應(yīng)用程序內(nèi)嵌入的攔截組件實時攔截應(yīng)用程序產(chǎn)生的異常數(shù)據(jù)，并通過大語言模型對異常數(shù)據(jù)進行處理，得到應(yīng)用程序的異常信息，以便運維人員根據(jù)該異常信息及時對應(yīng)用程序進行針對性修復(fù)。所述技術(shù)方案如下：

2、一方面，提供了一種異常數(shù)據(jù)的處理方法，所述方法包括：

3、響應(yīng)于對應(yīng)用程序的啟動操作，通過所述應(yīng)用程序中嵌入的攔截組件，實時攔截所述應(yīng)用程序產(chǎn)生的異常數(shù)據(jù)；

4、通過大語言模型對攔截到的異常數(shù)據(jù)進行處理，得到所述應(yīng)用程序的異常信息，所述異常信息用于反映所述應(yīng)用程序在運行過程中出現(xiàn)的異常情況，所述異常信息包括所述異常情況的類型、出現(xiàn)原因和處理策略中的至少一項，所述大語言模型用于基于異常數(shù)據(jù)輸出異常信息；

5、在所述異常情況的出現(xiàn)次數(shù)大于次數(shù)閾值的情況下，向所述應(yīng)用程序的維護對象發(fā)送所述異常信息，以指示所述維護對象根據(jù)所述異常信息對所述應(yīng)用程序進行修復(fù)。

6、另一方面，提供了一種異常數(shù)據(jù)的處理裝置，所述裝置包括：

7、攔截模塊，用于響應(yīng)于對應(yīng)用程序的啟動操作，通過所述應(yīng)用程序中嵌入的攔截組件，實時攔截所述應(yīng)用程序產(chǎn)生的異常數(shù)據(jù)；

8、生成模塊，用于通過大語言模型對攔截到的異常數(shù)據(jù)進行處理，得到所述應(yīng)用程序的異常信息，所述異常信息用于反映所述應(yīng)用程序在運行過程中出現(xiàn)的異常情況，所述異常信息包括所述異常情況的類型、出現(xiàn)原因和處理策略中的至少一項，所述大語言模型用于基于異常數(shù)據(jù)輸出異常信息；

9、發(fā)送模塊，用于在所述異常情況的出現(xiàn)次數(shù)大于次數(shù)閾值的情況下，向所述應(yīng)用程序的維護對象發(fā)送所述異常信息，以指示所述維護對象根據(jù)所述異常信息對所述應(yīng)用程序進行修復(fù)。

10、在一些實施例中，所述異常數(shù)據(jù)為卡頓數(shù)據(jù)；

11、所述生成模塊，用于在攔截到所述卡頓數(shù)據(jù)的情況下，獲取頁面標識和設(shè)備標識，所述頁面標識用于表示所述應(yīng)用程序中產(chǎn)生所述卡頓數(shù)據(jù)的頁面，所述設(shè)備標識用于表示運行所述應(yīng)用程序的設(shè)備；通過所述大語言模型，基于所述頁面標識和所述設(shè)備標識，對所述卡頓數(shù)據(jù)進行處理，得到所述異常信息，所述異常信息包括所述頁面的卡頓時長、發(fā)生卡頓的原因和卡頓的處理策略中的至少一項。

12、在一些實施例中，所述卡頓數(shù)據(jù)包括第一卡頓時長，所述異常信息還包括卡頓級別；所述生成模塊，包括：

13、獲取單元，用于基于所述頁面標識，獲取第二卡頓時長，所述第二卡頓時長為所述頁面的參考卡頓時長；

14、確定單元，用于通過所述大語言模型，基于所述第一卡頓時長和所述第二卡頓時長確定所述卡頓級別。

15、在一些實施例中，所述確定單元，用于通過所述大語言模型，基于所述第一卡頓時長和所述第二卡頓時長的差值，確定與所述差值所處的預(yù)設(shè)范圍對應(yīng)的卡頓級別；或者，通過所述大語言模型，基于所述第一卡頓時長和所述第二卡頓時長的比值，確定與所述比值所處的預(yù)設(shè)范圍對應(yīng)的卡頓級別。

16、在一些實施例中，所述生成模塊，還用于獲取所述頁面的多個卡頓數(shù)據(jù)，所述多個卡頓數(shù)據(jù)為所述攔截組件在第一時間段內(nèi)攔截到的卡頓數(shù)據(jù)；通過所述大語言模型，對所述多個卡頓數(shù)據(jù)進行處理，得到所述第二卡頓時長。

17、在一些實施例中，所述異常數(shù)據(jù)為異常堆棧數(shù)據(jù)，所述異常堆棧數(shù)據(jù)包括第二時間段內(nèi)的函數(shù)調(diào)用隊列，所述第二時間段為所述應(yīng)用程序出現(xiàn)崩潰情況的時間段；

18、所述生成模塊，用于通過所述大語言模型，從所述函數(shù)調(diào)用隊列中確定至少一個第一函數(shù)，所述第一函數(shù)為概率值大于概率閾值的函數(shù)，所述概率值用于表示函數(shù)導(dǎo)致所述崩潰情況的概率；通過所述大語言模型，對所述至少一個第一函數(shù)進行處理，得到所述應(yīng)用程序的異常信息，所述異常信息包括所述應(yīng)用程序出現(xiàn)的崩潰情況、所述崩潰情況的出現(xiàn)原因和所述崩潰情況的處理策略中的至少一項。

19、在一些實施例中，所述生成模塊，還用于在所述函數(shù)調(diào)用隊列中不存在第一函數(shù)的情況下，通過所述大語言模型，基于所述函數(shù)調(diào)用隊列中的函數(shù)，從函數(shù)庫確定至少一個第二函數(shù)，所述第二函數(shù)未在所述函數(shù)調(diào)用隊列中，所述第二函數(shù)的概率值大于所述概率閾值，所述第二函數(shù)與所述函數(shù)調(diào)用隊列中的任一函數(shù)之間的關(guān)聯(lián)度大于關(guān)聯(lián)度閾值；通過所述大語言模型，對所述至少一個第二函數(shù)進行處理，得到所述應(yīng)用程序的異常信息。

20、在一些實施例中，所述裝置還包括：

21、更新模塊，用于更新所述異常信息所反映的異常情況的出現(xiàn)次數(shù)；

22、上傳模塊，用于在所述異常情況的出現(xiàn)次數(shù)更新完成的情況下，上傳設(shè)備標識和所述異常情況的出現(xiàn)次數(shù)，所述設(shè)備標識用于表示運行所述應(yīng)用程序的設(shè)備。

23、在一些實施例中，所述裝置還包括：

24、第一顯示模塊，用于在得到所述異常信息的情況下，顯示提示信息，所述提示信息用于提示上報所述異常信息所反映的異常情況；

25、所述發(fā)送模塊，還用于響應(yīng)于對所述提示信息的確認操作，向所述應(yīng)用程序的維護對象發(fā)送所述異常信息。

26、在一些實施例中，所述應(yīng)用程序運行在測試端；

27、所述裝置還包括：

28、第二顯示模塊，用于響應(yīng)于對所述應(yīng)用程序的測試操作，顯示所述應(yīng)用程序的運行信息，所述運行信息包括所述應(yīng)用程序在多個設(shè)備中出現(xiàn)的多種異常情況和所述多種異常情況的出現(xiàn)次數(shù)，所述多個設(shè)備與所述測試端具有相同的設(shè)備標識；響應(yīng)于對所述運行信息中的任一異常情況的查看操作，顯示所述異常情況對應(yīng)的異常信息，所述異常信息包括所述異常情況的類型、出現(xiàn)原因和處理策略中的至少一項。

29、另一方面，提供了一種計算機設(shè)備，所述計算機設(shè)備包括處理器和存儲器，所述存儲器用于存儲至少一段計算機程序，所述至少一段計算機程序由所述處理器加載并執(zhí)行以實現(xiàn)本技術(shù)實施例中的異常數(shù)據(jù)的處理方法。

30、另一方面，提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)中存儲有至少一段計算機程序，所述至少一段計算機程序由處理器加載并執(zhí)行以實現(xiàn)本技術(shù)實施例中的異常數(shù)據(jù)的處理方法。

31、另一方面，提供了一種計算機程序產(chǎn)品，包括計算機程序，所述計算機程序被處理器執(zhí)行以實現(xiàn)本技術(shù)實施例中的異常數(shù)據(jù)的處理方法。

32、本技術(shù)實施例提供了一種異常數(shù)據(jù)的處理方案，能夠在應(yīng)用程序運行過程中，根據(jù)應(yīng)用程序內(nèi)嵌入的攔截組件實時攔截應(yīng)用程序的卡頓時長、異常堆棧等異常數(shù)據(jù)。上述異常數(shù)據(jù)能夠反映應(yīng)用程序出現(xiàn)的卡頓、崩潰等異常情況。然后，通過大語言模型對攔截到的異常數(shù)據(jù)進行處理，得到異常信息，也即異常情況的類型、出現(xiàn)原因或者解決措施等信息。通過生成異常信息，能夠便于運維人員根據(jù)異常信息對應(yīng)用程序進行針對性修復(fù)，進而避免應(yīng)用程序頻繁出現(xiàn)異常情況，減少了用戶等待的時間或者手動重啟應(yīng)用程序的次數(shù)，提升了人機交互效率和用戶的使用體驗。