978 lines
84 KiB
JSON
978 lines
84 KiB
JSON
|
{
|
|||
|
|
"query": "什么是RAG系统？",
|
|||
|
|
"answer": "RAG系统通常指的是在IT运维管理和数据运营领域中出现的一系列技术、平台或方法论，旨在提升系统的稳定性、性能和数据的有效利用。以下是对原始查询及其衍生子查询的回答：\n\n### 1. RAG系统是什么？\n\nRAG系统并非一个特定的通用术语，而是多个不同领域的缩写或简称。例如，在IT运维领域，RAG可能指代“监控（R）-分析（A）-告警（G）”系统，即一套完整的监控、分析和告警流程。在数据运营领域，RAG可能指的是“资源（R）-访问（A）-治理（G）”框架，关注的是数据资源的授权、访问和管理。\n\n### 2. RAG系统的工作原理是什么？\n\n- **监控与分析**：在IT运维中，RAG系统通过实时监控整个软件技术栈与业务状态，收集相关数据，运用AI和机器学习技术进行分析，以预测潜在问题，优化性能，确保系统稳定运行。\n- **资源授权与访问控制**：在数据运营中，RAG系统负责对数据资源进行授权管理，确保数据的安全访问。它通过权限隔离、最小权限原则和爆炸半径最小化策略来实现资源的高效安全使用。\n- **故障注入与混沌工程**：RAG系统支持故障场景随机能力和部署单元双随机成熟度评估，通过模拟各种故障场景，检验系统在异常情况下的表现，提高系统的韧性和稳定性。混沌工程在此过程中扮演关键角色，通过引入可控的故障来测试系统的弹性。\n\n### 3. RAG系统在哪些实际应用场景中被使用？\n\n- **云原生时代的技术平台**：如蚂蚁集团推出的HoloInsight，以及云杉网络的DeepFlow，这些平台集数据采集、洞察分析、智能告警等功能于一体，适用于大规模云原生环境的运维监控。\n- **业务连续性管理**：在BCM（Business Continuity Management）中，RA（Risk Assessment）风险评估方法被用来识别和分析业务连续性管理过程中的风险，以制定有效的风险处置策略。\n- **故障树分析**：FTA（Fault Tree Analysis）作为一种故障分析工具，用于评估系统的潜在故障点，帮助企业理解风险，制定预防措施。\n- **数据运营**：在数据运营中，RAG系统通过资源授权、访问控制和数据治理，支持数据的合规使用和高效流通，如公共数据授权运营实践。\n\n### 4. RAG系统的具体应用实例\n\n- **蚂蚁集团的HoloInsight**：作为云原生时代的轻量化、全功能的智能可观测性技术平台，HoloInsight提供了一站式可观测综合解决方案，适用于软件技术栈与业务状态的全面监控。\n- **云杉网络的DeepFlow**：基于eBPF技术，DeepFlow实现了零插桩、全覆盖的指标、追踪、日志采集，同时通过智能标签技术实现了高效的数据关联与存储，提升了数据处理的效率和安全性。\n- **滴滴的夜莺Nightingale**：集数据采集、可视化、监控告警、数据分析于一体的系统，与云原生生态紧密集成，适用于互联网公司的可观测性管理。\n- **公共数据授权运营**：在政府层面，通过确权授权机制，将公共数据资源的加工使用权或产品经营权授予具备技术与能力的运营机构，促进数据的开发利用，如北京市、上海市等地的实践探索。\n\n通过上述分析，我们可以看到RAG系统在IT运维、数据运营、业务连续性管理等多个领域有着广泛的应用，通过不同的技术手段和管理策略，提高系统的可靠性、性能和数据的利用效率。",
|
|||
|
|
"query_complexity": {
|
|||
|
|
"is_complex": true,
|
|||
|
|
"complexity_level": "complex",
|
|||
|
|
"confidence": 0.95,
|
|||
|
|
"reason": "这是一个复杂查询，因为用户询问的是关于RAG系统的定义。虽然这个问题相对具体且聚焦于一个主题（RAG系统），但可能需要查阅多种资源和解释来全面理解RAG系统的概念、构成、应用等领域。这可能涉及到系统设计、数据管理、应用场景等多个方面，因此需要生成多方面的多个子查询来深入解析并提供详尽的答案。"
|
|||
|
|
},
|
|||
|
|
"is_complex_query": true,
|
|||
|
|
"iterations": 1,
|
|||
|
|
"total_passages": 47,
|
|||
|
|
"sub_queries": [
|
|||
|
|
"RAG系统是什么？",
|
|||
|
|
"RAG系统的工作原理是什么？",
|
|||
|
|
"RAG系统的工作原理是什么？",
|
|||
|
|
"RAG系统在哪些实际应用场景中被使用？能举几个例子吗？"
|
|||
|
|
],
|
|||
|
|
"decomposed_sub_queries": [
|
|||
|
|
"RAG系统是什么？",
|
|||
|
|
"RAG系统的工作原理是什么？"
|
|||
|
|
],
|
|||
|
|
"sufficiency_check": {
|
|||
|
|
"is_sufficient": false,
|
|||
|
|
"confidence": 0.5,
|
|||
|
|
"reason": "检索信息中未包含关于RAG系统本身定义的详细描述，以及RAG系统工作原理的具体解释。",
|
|||
|
|
"iteration": 1
|
|||
|
|
},
|
|||
|
|
"is_sufficient": false,
|
|||
|
|
"supporting_facts": [
|
|||
|
|
[
|
|||
|
|
"Fact_1",
|
|||
|
|
"蚂蚁集团推出了 HoloInsight，作为云原生时代的轻量化、全功能的智能可观测性技术平台。HoloInsight作为集数据采集、洞察分析、智能告警的一站式可观测综合解决方案，可帮助用户清晰观测整个软件技术栈与业务的状态"
|
|||
|
|
],
|
|||
|
|
[
|
|||
|
|
"Fact_2",
|
|||
|
|
"进行测试评估模型验证。"
|
|||
|
|
],
|
|||
|
|
[
|
|||
|
|
"Fact_3",
|
|||
|
|
"云杉网络发布了 DeepFlow，该产品基于eBPF实现了零插桩（Zero Code）、全覆盖（FullStack）的指标、追踪、日志采集，并通过智能标签技术实现了所有观测数据的全关联(Universal Tagging)和高效存取"
|
|||
|
|
],
|
|||
|
|
[
|
|||
|
|
"Fact_4",
|
|||
|
|
"滴滴推出了夜莺Nightingale，该系统采用All-in-One的设计理念，集数据采集、可视化、监控告警、数据分析于一体，与云原生生态紧密集成，融入了顶级互联网公司可观测性最佳实践，沉淀了众多社区专家经验，开箱即用"
|
|||
|
|
],
|
|||
|
|
[
|
|||
|
|
"Fact_5",
|
|||
|
|
"Analysys 发布了 DolphinScheduler，一个支持复杂任务调度和依赖管理的分布式任务调度系统，提供了可观测性的监控和告警功能，帮助用户实现任务的可靠执行和故障排查"
|
|||
|
|
],
|
|||
|
|
[
|
|||
|
|
"Fact_6",
|
|||
|
|
"东营市人民政府办公室于2023年5月发布《东营市公共数据授权运营暂行管理办法（征求意见稿）》。"
|
|||
|
|
],
|
|||
|
|
[
|
|||
|
|
"Fact_7",
|
|||
|
|
"进行模型训练。"
|
|||
|
|
],
|
|||
|
|
[
|
|||
|
|
"Fact_8",
|
|||
|
|
"平台运维功能需求。"
|
|||
|
|
],
|
|||
|
|
[
|
|||
|
|
"Fact_9",
|
|||
|
|
"完善测试评估方法与规则。"
|
|||
|
|
],
|
|||
|
|
[
|
|||
|
|
"Fact_10",
|
|||
|
|
"制定分布实施计划"
|
|||
|
|
]
|
|||
|
|
],
|
|||
|
|
"supporting_events": [],
|
|||
|
|
"debug_info": {
|
|||
|
|
"total_time": 0,
|
|||
|
|
"retrieval_calls": 2,
|
|||
|
|
"llm_calls": 7,
|
|||
|
|
"token_usage": {
|
|||
|
|
"has_llm": true,
|
|||
|
|
"has_generator": true,
|
|||
|
|
"last_call": {
|
|||
|
|
"prompt_tokens": 5437,
|
|||
|
|
"completion_tokens": 771,
|
|||
|
|
"total_tokens": 6208
|
|||
|
|
},
|
|||
|
|
"total_usage": {
|
|||
|
|
"prompt_tokens": 16553,
|
|||
|
|
"completion_tokens": 1153,
|
|||
|
|
"total_tokens": 17706,
|
|||
|
|
"call_count": 6
|
|||
|
|
},
|
|||
|
|
"model_name": "qwen2-7b-instruct",
|
|||
|
|
"has_last_usage": true,
|
|||
|
|
"has_total_usage": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
"all_documents": [
|
|||
|
|
{
|
|||
|
|
"page_content": "蚂蚁集团推出了 HoloInsight，作为云原生时代的轻量化、全功能的智能可观测性技术平台。HoloInsight作为集数据采集、洞察分析、智能告警的一站式可观测综合解决方案，可帮助用户清晰观测整个软件技术栈与业务的状态",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "837914fd192ce24405e505d00bacfc4e7d67581c480a792eab1735ae40034a53",
|
|||
|
|
"graph_node_id": "837914fd192ce24405e505d00bacfc4e7d67581c480a792eab1735ae40034a53",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 1.078856637985766e-06,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 1,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['833310a7d4dc0e345e4e7cde890f7d84f2cf03a07c5e53671fce351e8f941781']",
|
|||
|
|
"evidence": "可观测性技术发展研究报告.md",
|
|||
|
|
"query": "什么是RAG系统？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "进行测试评估模型验证。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "fa2178eade20caa6435d7969d7e4fc292ae8594fd60266456e076d560770721e",
|
|||
|
|
"graph_node_id": "fa2178eade20caa6435d7969d7e4fc292ae8594fd60266456e076d560770721e",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 6.400781511681461e-07,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 2,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['4fd368909a072e07e3ec76006abdb20ce37ec52f4d0e3ebf69ea1474d3b6862f']",
|
|||
|
|
"evidence": "PPT_20240326下午-医疗健康行业大模型评价体系研究及测试评估工具研发（E部门-工程技术课题）(1).md",
|
|||
|
|
"query": "什么是RAG系统？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "云杉网络发布了 DeepFlow，该产品基于eBPF实现了零插桩（Zero Code）、全覆盖（FullStack）的指标、追踪、日志采集，并通过智能标签技术实现了所有观测数据的全关联(Universal Tagging)和高效存取",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "52d7ba687569c10025742eed85ffc69d28886cb9a8c5c4403180d85ab77267b2",
|
|||
|
|
"graph_node_id": "52d7ba687569c10025742eed85ffc69d28886cb9a8c5c4403180d85ab77267b2",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 4.3418035922489897e-07,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 3,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['833310a7d4dc0e345e4e7cde890f7d84f2cf03a07c5e53671fce351e8f941781']",
|
|||
|
|
"evidence": "可观测性技术发展研究报告.md",
|
|||
|
|
"query": "什么是RAG系统？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "滴滴推出了夜莺Nightingale，该系统采用All-in-One的设计理念，集数据采集、可视化、监控告警、数据分析于一体，与云原生生态紧密集成，融入了顶级互联网公司可观测性最佳实践，沉淀了众多社区专家经验，开箱即用",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "8fadaeeb758ccced65c64b80e2315c1af34ebbbc0b03fcd7535828960b29b20c",
|
|||
|
|
"graph_node_id": "8fadaeeb758ccced65c64b80e2315c1af34ebbbc0b03fcd7535828960b29b20c",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 4.1870812039794013e-07,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 4,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['833310a7d4dc0e345e4e7cde890f7d84f2cf03a07c5e53671fce351e8f941781']",
|
|||
|
|
"evidence": "可观测性技术发展研究报告.md",
|
|||
|
|
"query": "什么是RAG系统？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "Analysys 发布了 DolphinScheduler，一个支持复杂任务调度和依赖管理的分布式任务调度系统，提供了可观测性的监控和告警功能，帮助用户实现任务的可靠执行和故障排查",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "ccefc8edd9ac190647aaade05325e68f3773c8575a58f689512b7661524ca029",
|
|||
|
|
"graph_node_id": "ccefc8edd9ac190647aaade05325e68f3773c8575a58f689512b7661524ca029",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 3.7074606527733825e-07,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 5,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['833310a7d4dc0e345e4e7cde890f7d84f2cf03a07c5e53671fce351e8f941781']",
|
|||
|
|
"evidence": "可观测性技术发展研究报告.md",
|
|||
|
|
"query": "什么是RAG系统？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "东营市人民政府办公室于2023年5月发布《东营市公共数据授权运营暂行管理办法（征求意见稿）》。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "71c47e73feef6d66dc478cad69c4ad58a0b3ecfd04f09a1b00fa42decb9e9294",
|
|||
|
|
"graph_node_id": "71c47e73feef6d66dc478cad69c4ad58a0b3ecfd04f09a1b00fa42decb9e9294",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 3.694064809279057e-07,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 6,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['8b1e94cfe88e0fe9aa73611eca98b04567db8253ed068692a2deb64af2c5107e']",
|
|||
|
|
"evidence": "88-《公共数据授权运营发展洞察（2023）》定稿印刷0102.md",
|
|||
|
|
"query": "什么是RAG系统？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "进行模型训练。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "df605b303a0d8bb54f4aeac641c0dcf0c128e34c544e0193d9c8bfa9e7719d9f",
|
|||
|
|
"graph_node_id": "df605b303a0d8bb54f4aeac641c0dcf0c128e34c544e0193d9c8bfa9e7719d9f",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 3.2003907558407303e-07,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 7,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['4fd368909a072e07e3ec76006abdb20ce37ec52f4d0e3ebf69ea1474d3b6862f']",
|
|||
|
|
"evidence": "PPT_20240326下午-医疗健康行业大模型评价体系研究及测试评估工具研发（E部门-工程技术课题）(1).md",
|
|||
|
|
"query": "什么是RAG系统？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "平台运维功能需求。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "3bf8041501694e4cb799bdd944dc7cdb9d70423f7339d81cb2bfee76e1de7052",
|
|||
|
|
"graph_node_id": "3bf8041501694e4cb799bdd944dc7cdb9d70423f7339d81cb2bfee76e1de7052",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 3.2003907558407303e-07,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 8,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['4fd368909a072e07e3ec76006abdb20ce37ec52f4d0e3ebf69ea1474d3b6862f']",
|
|||
|
|
"evidence": "PPT_20240326下午-医疗健康行业大模型评价体系研究及测试评估工具研发（E部门-工程技术课题）(1).md",
|
|||
|
|
"query": "什么是RAG系统？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "完善测试评估方法与规则。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "4f7f0c1c613764a8dccb6df4fb8a4cdd531c5145f8f981b32a705780630a9e76",
|
|||
|
|
"graph_node_id": "4f7f0c1c613764a8dccb6df4fb8a4cdd531c5145f8f981b32a705780630a9e76",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 3.2003907558407303e-07,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 9,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['4fd368909a072e07e3ec76006abdb20ce37ec52f4d0e3ebf69ea1474d3b6862f']",
|
|||
|
|
"evidence": "PPT_20240326下午-医疗健康行业大模型评价体系研究及测试评估工具研发（E部门-工程技术课题）(1).md",
|
|||
|
|
"query": "什么是RAG系统？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "制定分布实施计划",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "e37fe0b847647fbfb6116faa77736c145ab7584878ae380318c88685999901cc",
|
|||
|
|
"graph_node_id": "e37fe0b847647fbfb6116faa77736c145ab7584878ae380318c88685999901cc",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 2.887736961847779e-07,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 10,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['7e6068f850e4a480cb84c8e397497cddc83e55dc19995b00d3dac9e347c33f8e']",
|
|||
|
|
"evidence": "PPT_吴倩琳-2023云和软件安全大会-零信任分论坛-零信任成熟度.md",
|
|||
|
|
"query": "什么是RAG系统？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "故障场景随机能力。故障场景随机能力 RA_FS（Random Ability of Fault Scenario），用于衡量应用对特定故障场景的时间随机能力的支持程度，从任意时间随机到不支持随机能力分为 4 个等级，如果系统不涉及该故障场景，则不计算得分，计算公式详情如下: RA_FS = { 100: 任意时间随机； 60: 交易日特定时间随机； 30: 非交易日随机； 0: 不支持； NA: 不涉及； } 部署单元双随机成熟度。部署单元双随机成熟度 DRD_DU( Dual Random Degree of Deployment Unit )：用于衡量系统下特定部署单元 的双随机能力，计算公式详情如下： $$ \\begin{array} { r } { \\mathrm { D R D \\_ D U } = \\frac { 1 } { n } \\Sigma _ { i = 1 } ^ { n } W _ { i } * \\mathrm { D R A \\_ F S P } _ { i } } nd{array} $$ 注：$W_{i}$为部署单元第i个故障场景的权重。 系统双随机成熟度。系统双随机成熟度 DRD_AS（Dual Random Degree of Application System）用于衡量应用系统整体的双随机能力， 评估应用系统的整体风险防控能力，计算公式详情如下： $$ \\begin{array} { r } { \\mathrm { D R D \\_ A S } = \\frac { 1 } { m } \\Sigma _ { i = 1 } ^ { m } W _ { i } * \\mathrm { D R D \\_ D U } _ { i } } nd{array} $$ 注： $W_{i}$ 为第 $\\mathrm{i}$ 个部署单元在整个应用系统中所占的权重。 评估双随机能力。针对每个故障场景组织业务各个角色一起评估 时间随机能力等级，如果不能支持任意时间随机，则需要业务进行改 进，待改进完毕之后，进入检验环节。 检验双随机能力。对于双随机场景矩阵中每个故障场景的评估结论，需要通过故障演练进行检验，确保评估结论与实际效果一致，如果检验结论与实际效果有偏差，则需要进行业务改进和重新评估。 例行检验能力。双随机能力检验通过之后，需要配置定期例行检 验任务，确保双随机能力持续有效。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "dd5197f51f6021ef9044b96b2fa07a0729111c6e048f0c24449cbf6be6369ec5",
|
|||
|
|
"node_type": "text",
|
|||
|
|
"ppr_score": 0.051251718658492394,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.076101035,
|
|||
|
|
"rank": 11,
|
|||
|
|
"source": "hipporag2_langchain_text",
|
|||
|
|
"evidence": "《混沌工程技术实践指南》.md",
|
|||
|
|
"query": "什么是RAG系统？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "数字越大， 表明风险越大，越值得优先重视和积极改善。RPN 的数值由三个参数 相乘得到，分别是严重度(Severity)、发生频率/可能性(Occurrence/ Probability )、识别难易程度(Detection)。在评估后，要综合考虑，严 重度和发生度矩阵，严重度和可识别度矩阵，发生频率和可识别度矩 阵。还需评估风险和故障对系统的可用性、数据丢失、财务成本和业 务中断有什么影响。 确定应用程序响应和恢复程序。对于每种故障模式，确定应用程 序将如何响应和恢复。考虑在成本与应用程序复杂程度之间作出折衷。 评估后，企业应优先考虑高等级故障并定义缓解措施，并不断更新和 审查。 ### 2.BCM RA 风险评估是业务连续性管理工作中的重要环节，是对各方面风险 进行辨识和分析的过程，是对威胁、资源、脆弱性及三者相互作用的 结果进行评估。评估关键资源所面临的风险及风险等级，并针对高风 险等级事项提出风险处置建议。 在进行混沌工程前可以利用RA风险评估方法对资源和业务系统 进行风险分析，利用风险评估模型提早识别出威胁和脆弱性，计量出 风险分值之后，按照分值从高到底排序，在混沌工程开展时，风险分 值比较高的资源和业务系统作为重点实验对象。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "7ddb41a16d2c78b1aa5d3524ba9b717ee8a0f32b54947624fa1785987747b161",
|
|||
|
|
"node_type": "text",
|
|||
|
|
"ppr_score": 0.05099583892777976,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.075718905,
|
|||
|
|
"rank": 12,
|
|||
|
|
"source": "hipporag2_langchain_text",
|
|||
|
|
"evidence": "《混沌工程技术实践指南》.md",
|
|||
|
|
"query": "什么是RAG系统？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "评估关键资源所面临的风险及风险等级，并针对高风 险等级事项提出风险处置建议。 在进行混沌工程前可以利用RA风险评估方法对资源和业务系统 进行风险分析，利用风险评估模型提早识别出威胁和脆弱性，计量出 风险分值之后，按照分值从高到底排序，在混沌工程开展时，风险分 值比较高的资源和业务系统作为重点实验对象。混沌工程前利用BCM 中的RA 方法进行自检的价值：建立对业 务运行环境的整体认识，了解业务连续运行所面临的各类潜在风险因 素，识别影响业务大范围中断的关键风险场景；分析各业务系统运行 所面临的首要风险场景，识别风险发生的可能性，并定性描述可能造 成的损失；根据风险评估结果，对关键风险场景提出风险管控措施， 对于处置后仍在不可接受范围内的残余风险提出进一步处置策略，可 围绕评估出的关键风险场景，在专项预案编制过程中有针对性的进行 应急处置流程设计，同时可以作为混沌工程实验的重点。 ### 3.FTA 故障树是一种特殊的倒立树状的逻辑因果关系图。故障树分析（Fault Tree Analysis, FTA）是以一个不希望发生的产品故障事件或灾害性危险事件即顶事件作为分析的对象，通过由上向下的严格按层次 的故障因果逻辑分析，逐层找出故障事件的必要而充分的直接原因，画出故障树，最终找出导致顶事件发生的所有可能原因和原因组合，在有基础数据时可计算出顶事件发生的概率和底事件重要度。  1961 年, FTA 由美国贝尔电话研究室的华特先生首先提出的。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "28bc0692b60ed668688fd58d9c5163a6e923a177125a5782164888844e061a2e",
|
|||
|
|
"node_type": "text",
|
|||
|
|
"ppr_score": 0.05063678893756968,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.07518748,
|
|||
|
|
"rank": 13,
|
|||
|
|
"source": "hipporag2_langchain_text",
|
|||
|
|
"evidence": "《混沌工程技术实践指南》.md",
|
|||
|
|
"query": "什么是RAG系统？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "青岛市大数据发展管理局于2023年6月发布《青岛市公共数据运营试点管理暂行办法》。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "0d3d869ec37f825c33eefbbeb73d0a25e100c5e9a1e1ec06e086f286057943ea",
|
|||
|
|
"graph_node_id": "0d3d869ec37f825c33eefbbeb73d0a25e100c5e9a1e1ec06e086f286057943ea",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 1.0564743243185571e-08,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 2,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['8b1e94cfe88e0fe9aa73611eca98b04567db8253ed068692a2deb64af2c5107e']",
|
|||
|
|
"evidence": "88-《公共数据授权运营发展洞察（2023）》定稿印刷0102.md",
|
|||
|
|
"query": "RAG系统的工作原理是什么？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "按计划部署",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "597cef3ac2af04dbf4532f5f5a2bc5bfa762a06ab0f90626fddac7f0aaeecdb3",
|
|||
|
|
"graph_node_id": "597cef3ac2af04dbf4532f5f5a2bc5bfa762a06ab0f90626fddac7f0aaeecdb3",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 5.833311202196603e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 5,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['7e6068f850e4a480cb84c8e397497cddc83e55dc19995b00d3dac9e347c33f8e']",
|
|||
|
|
"evidence": "PPT_吴倩琳-2023云和软件安全大会-零信任分论坛-零信任成熟度.md",
|
|||
|
|
"query": "RAG系统的工作原理是什么？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "1998年，组建信产部。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "006db96629b2e82ec2fc7a652f775df4173c1c31dfde02e96a72a55f3be91d91",
|
|||
|
|
"graph_node_id": "006db96629b2e82ec2fc7a652f775df4173c1c31dfde02e96a72a55f3be91d91",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 5.813227407106867e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 6,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['05575614c0a56ca752a2c4a4f94512b223eb0672171d3ab6c797bcc7e9dc9e33']",
|
|||
|
|
"evidence": "PPT_ICPMM-行业云平台运营管理能力成熟度标准解读.md",
|
|||
|
|
"query": "RAG系统的工作原理是什么？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "贵州省人民政府办公厅于2023年6月发布《贵州省政务数据资源管理办法》。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "71324bbe38be7dc2f579536f22143c3d8f0deadec318e634492f597d7d0badfd",
|
|||
|
|
"graph_node_id": "71324bbe38be7dc2f579536f22143c3d8f0deadec318e634492f597d7d0badfd",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 5.355534664475652e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 7,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['8b1e94cfe88e0fe9aa73611eca98b04567db8253ed068692a2deb64af2c5107e']",
|
|||
|
|
"evidence": "88-《公共数据授权运营发展洞察（2023）》定稿印刷0102.md",
|
|||
|
|
"query": "RAG系统的工作原理是什么？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "1994年，邮电部实行邮电分营。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "a4bfec0430a945b451f4d2a4d56638ad0d75304d4f47c9441f745cf3b1a268b1",
|
|||
|
|
"graph_node_id": "a4bfec0430a945b451f4d2a4d56638ad0d75304d4f47c9441f745cf3b1a268b1",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 4.82914480107628e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 8,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['05575614c0a56ca752a2c4a4f94512b223eb0672171d3ab6c797bcc7e9dc9e33']",
|
|||
|
|
"evidence": "PPT_ICPMM-行业云平台运营管理能力成熟度标准解读.md",
|
|||
|
|
"query": "RAG系统的工作原理是什么？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "2022年5月，黑龙江省人大常委会发布《黑龙江省促进大数据发展应用条例》。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "0f5d8bb9a91217c45c257bc473f63cb729fe03b41c4573d523459fa2af6dc7bd",
|
|||
|
|
"graph_node_id": "0f5d8bb9a91217c45c257bc473f63cb729fe03b41c4573d523459fa2af6dc7bd",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 4.714749078577141e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 9,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['fa5dd0b6f3b57d07d08ba0730a4540c59b6d99d05153b35f1f3cd5227ea07907']",
|
|||
|
|
"evidence": "88-《公共数据授权运营发展洞察（2023）》定稿印刷0102.md",
|
|||
|
|
"query": "RAG系统的工作原理是什么？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "2008年，组建工信部。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "4c975a923b633c445c92b3b66acf1719602314d1ef6cf8dedd1aab5f28c3ce04",
|
|||
|
|
"graph_node_id": "4c975a923b633c445c92b3b66acf1719602314d1ef6cf8dedd1aab5f28c3ce04",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 4.668835571500824e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 10,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['05575614c0a56ca752a2c4a4f94512b223eb0672171d3ab6c797bcc7e9dc9e33']",
|
|||
|
|
"evidence": "PPT_ICPMM-行业云平台运营管理能力成熟度标准解读.md",
|
|||
|
|
"query": "RAG系统的工作原理是什么？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "jpg) 包括：DNS服务器、负载均衡器、交换机等 该平台具有以下几个特点： （1）适配全栈式异构金融云基础设施 完成了跨平台及“一体多芯”式的混编架构中故障注入体系的建 设，提供云上资源自助、自动构建、自动发布、自动运维、快速扩容、 多环境一致等场景，实现流程自动化，使开发人员能够更多地专注在 业务功能的实现和创新上，大幅提高了应用的交付效率，提升了业务 产品推出效率和竞争力。（2）引入“一隔离，两最小化”，实现权限隔离和管控 通过 RBAC 实现不同应用系统间沙箱容器的混沌故障隔离；引入 k8s Operator 机制，根据演练需求为沙箱容器进行权限控制，实现 权限最小化，同时通过集群调度限制混沌环境的范围，实现爆炸半径 最小化。分布式系统及微服务架构下，实现更细粒度的权限控制，有 效避免了不同应用系统同时实施混沌工程造成“环境污染”的风险， 同时也保障了不同应用系统间故障注入的原子能力。 (3) 混淆工具链与异构环境相融合 将四类主流混沌工具引入到异构金融云环境中，全栈式适配底层 复杂基础设施，解决了工具集合的离线部署、内核及版本不兼容、混 淀工具与多种操作系统及容器云运行时适配等疑难问题。同时将混沌 工具链融合在异构环境中，提供更多样化的故障类型，能够针对不同 的故障类型，推荐使用适配的注入工具，使故障注入更加精准化。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "5f593c4a4c8b89a95644375ee4952d1a4acc08146262cb3a56d5376db5ee1713",
|
|||
|
|
"node_type": "text",
|
|||
|
|
"ppr_score": 0.04462080921944727,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.07549548,
|
|||
|
|
"rank": 11,
|
|||
|
|
"source": "hipporag2_langchain_text",
|
|||
|
|
"evidence": "《混沌工程技术实践指南》.md",
|
|||
|
|
"query": "RAG系统的工作原理是什么？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "东营市人民政府办公室于2023年5月发布《东营市公共数据授权运营暂行管理办法（征求意见稿）》。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "71c47e73feef6d66dc478cad69c4ad58a0b3ecfd04f09a1b00fa42decb9e9294",
|
|||
|
|
"graph_node_id": "71c47e73feef6d66dc478cad69c4ad58a0b3ecfd04f09a1b00fa42decb9e9294",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 1.3924205044200936e-08,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 1,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['8b1e94cfe88e0fe9aa73611eca98b04567db8253ed068692a2deb64af2c5107e']",
|
|||
|
|
"evidence": "88-《公共数据授权运营发展洞察（2023）》定稿印刷0102.md",
|
|||
|
|
"query": "RAG系统在哪些实际应用场景中被使用？能举几个例子吗？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "青岛市大数据发展管理局于2023年6月发布《青岛市公共数据运营试点管理暂行办法》。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "0d3d869ec37f825c33eefbbeb73d0a25e100c5e9a1e1ec06e086f286057943ea",
|
|||
|
|
"graph_node_id": "0d3d869ec37f825c33eefbbeb73d0a25e100c5e9a1e1ec06e086f286057943ea",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 1.0564743243185571e-08,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 2,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['8b1e94cfe88e0fe9aa73611eca98b04567db8253ed068692a2deb64af2c5107e']",
|
|||
|
|
"evidence": "88-《公共数据授权运营发展洞察（2023）》定稿印刷0102.md",
|
|||
|
|
"query": "RAG系统在哪些实际应用场景中被使用？能举几个例子吗？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "蚂蚁集团推出了 HoloInsight，作为云原生时代的轻量化、全功能的智能可观测性技术平台。HoloInsight作为集数据采集、洞察分析、智能告警的一站式可观测综合解决方案，可帮助用户清晰观测整个软件技术栈与业务的状态",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "837914fd192ce24405e505d00bacfc4e7d67581c480a792eab1735ae40034a53",
|
|||
|
|
"graph_node_id": "837914fd192ce24405e505d00bacfc4e7d67581c480a792eab1735ae40034a53",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 9.10248791126777e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 3,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['833310a7d4dc0e345e4e7cde890f7d84f2cf03a07c5e53671fce351e8f941781']",
|
|||
|
|
"evidence": "可观测性技术发展研究报告.md",
|
|||
|
|
"query": "RAG系统在哪些实际应用场景中被使用？能举几个例子吗？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "云杉网络发布了 DeepFlow，该产品基于eBPF实现了零插桩（Zero Code）、全覆盖（FullStack）的指标、追踪、日志采集，并通过智能标签技术实现了所有观测数据的全关联(Universal Tagging)和高效存取",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "52d7ba687569c10025742eed85ffc69d28886cb9a8c5c4403180d85ab77267b2",
|
|||
|
|
"graph_node_id": "52d7ba687569c10025742eed85ffc69d28886cb9a8c5c4403180d85ab77267b2",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 7.678002157579536e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 4,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['833310a7d4dc0e345e4e7cde890f7d84f2cf03a07c5e53671fce351e8f941781']",
|
|||
|
|
"evidence": "可观测性技术发展研究报告.md",
|
|||
|
|
"query": "RAG系统在哪些实际应用场景中被使用？能举几个例子吗？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "按计划部署",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "597cef3ac2af04dbf4532f5f5a2bc5bfa762a06ab0f90626fddac7f0aaeecdb3",
|
|||
|
|
"graph_node_id": "597cef3ac2af04dbf4532f5f5a2bc5bfa762a06ab0f90626fddac7f0aaeecdb3",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 5.833311202196603e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 5,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['7e6068f850e4a480cb84c8e397497cddc83e55dc19995b00d3dac9e347c33f8e']",
|
|||
|
|
"evidence": "PPT_吴倩琳-2023云和软件安全大会-零信任分论坛-零信任成熟度.md",
|
|||
|
|
"query": "RAG系统在哪些实际应用场景中被使用？能举几个例子吗？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "1998年，组建信产部。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "006db96629b2e82ec2fc7a652f775df4173c1c31dfde02e96a72a55f3be91d91",
|
|||
|
|
"graph_node_id": "006db96629b2e82ec2fc7a652f775df4173c1c31dfde02e96a72a55f3be91d91",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 5.813227407106867e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 6,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['05575614c0a56ca752a2c4a4f94512b223eb0672171d3ab6c797bcc7e9dc9e33']",
|
|||
|
|
"evidence": "PPT_ICPMM-行业云平台运营管理能力成熟度标准解读.md",
|
|||
|
|
"query": "RAG系统在哪些实际应用场景中被使用？能举几个例子吗？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "贵州省人民政府办公厅于2023年6月发布《贵州省政务数据资源管理办法》。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "71324bbe38be7dc2f579536f22143c3d8f0deadec318e634492f597d7d0badfd",
|
|||
|
|
"graph_node_id": "71324bbe38be7dc2f579536f22143c3d8f0deadec318e634492f597d7d0badfd",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 5.355534664475652e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 7,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['8b1e94cfe88e0fe9aa73611eca98b04567db8253ed068692a2deb64af2c5107e']",
|
|||
|
|
"evidence": "88-《公共数据授权运营发展洞察（2023）》定稿印刷0102.md",
|
|||
|
|
"query": "RAG系统在哪些实际应用场景中被使用？能举几个例子吗？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "1994年，邮电部实行邮电分营。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "a4bfec0430a945b451f4d2a4d56638ad0d75304d4f47c9441f745cf3b1a268b1",
|
|||
|
|
"graph_node_id": "a4bfec0430a945b451f4d2a4d56638ad0d75304d4f47c9441f745cf3b1a268b1",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 4.82914480107628e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 8,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['05575614c0a56ca752a2c4a4f94512b223eb0672171d3ab6c797bcc7e9dc9e33']",
|
|||
|
|
"evidence": "PPT_ICPMM-行业云平台运营管理能力成熟度标准解读.md",
|
|||
|
|
"query": "RAG系统在哪些实际应用场景中被使用？能举几个例子吗？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "2022年5月，黑龙江省人大常委会发布《黑龙江省促进大数据发展应用条例》。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "0f5d8bb9a91217c45c257bc473f63cb729fe03b41c4573d523459fa2af6dc7bd",
|
|||
|
|
"graph_node_id": "0f5d8bb9a91217c45c257bc473f63cb729fe03b41c4573d523459fa2af6dc7bd",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 4.714749078577141e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 9,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['fa5dd0b6f3b57d07d08ba0730a4540c59b6d99d05153b35f1f3cd5227ea07907']",
|
|||
|
|
"evidence": "88-《公共数据授权运营发展洞察（2023）》定稿印刷0102.md",
|
|||
|
|
"query": "RAG系统在哪些实际应用场景中被使用？能举几个例子吗？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "2008年，组建工信部。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "4c975a923b633c445c92b3b66acf1719602314d1ef6cf8dedd1aab5f28c3ce04",
|
|||
|
|
"graph_node_id": "4c975a923b633c445c92b3b66acf1719602314d1ef6cf8dedd1aab5f28c3ce04",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 4.668835571500824e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 10,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['05575614c0a56ca752a2c4a4f94512b223eb0672171d3ab6c797bcc7e9dc9e33']",
|
|||
|
|
"evidence": "PPT_ICPMM-行业云平台运营管理能力成熟度标准解读.md",
|
|||
|
|
"query": "RAG系统在哪些实际应用场景中被使用？能举几个例子吗？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "“公共数据资源持有权”对应的客体是公共数据资源，随着政府 或公共部门履行公共职责或提供公共服务而产生，持有权一般归属于 数源部门。在实际情况中，往往会由数源部门直属的信息中心或数据 中心“代持”公共数据资源。“公共数据加工使用权”对应的客体是 公共数据，可视为经初步清洗处理后的数据，“加工使用权”同样归 属于数源部门，同时数源部门也相应地承担数据采集、清洗、处理、 存储、管理、开发利用、安全保障等责任。而“公共数据产品经营权” 对应客体是数据产品，“经营权”因产品的产生而形成，且产品经营 行为具有市场属性，不在政府和公共部门的职责范围中，则“经营权” 归属于生产或加工数据产品的主体，也相应地承担数据产品的合规使 用、安全保障等责任。 在此基础上，公共数据授权运营即是将“加工使用权”或“产品 经营权”授予经合法合规方式筛选出来的具备相应技术与能力的运营 机构，加工形成公共数据产品后并进行市场化经营。尽管“三权分置” 还处在倡导与探索阶段，需要通过法律法规明确其效力，但由确权授 权机制的探讨可见，开展公共数据授权运营具备明确的理论基础，其 中的数据价值流转具备充分的正当性与合理性。 当前，从中央、部委到地方都在全力推进公共数据授权运营的实 践，相比对理论问题刨根究底以明确个中细节，实际推动公共数据通 过授权运营实现具体场景的应用具有更高的探索价值，以公共数据的 开发利用撬动数据要素市场的活跃与创新。 ## （三）公共数据授权运营已具大量实践基础 在“数据二十条”出台以前，各地各行业就已经在积极探索公共 数据授权运营，北京、上海、广东、海南、贵州、成都等国内先进地 区通过制度模式建设、平台搭建运营、应用场景创新等试点举措，探 索开展授权运营，以促进公共数据的社会化开发利用。 部分地区通过政策明确授权开展实践。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "e8d05b237806137b5a98c5335adf9a7d414b02e23384fc724a1304ece3e35572",
|
|||
|
|
"node_type": "text",
|
|||
|
|
"ppr_score": 0.03523165549184958,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.070705115,
|
|||
|
|
"rank": 11,
|
|||
|
|
"source": "hipporag2_langchain_text",
|
|||
|
|
"evidence": "88-《公共数据授权运营发展洞察（2023）》定稿印刷0102.md",
|
|||
|
|
"query": "RAG系统在哪些实际应用场景中被使用？能举几个例子吗？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "故障场景随机能力。故障场景随机能力 RA_FS（Random Ability of Fault Scenario），用于衡量应用对特定故障场景的时间随机能力的支持程度，从任意时间随机到不支持随机能力分为 4 个等级，如果系统不涉及该故障场景，则不计算得分，计算公式详情如下: RA_FS = { 100: 任意时间随机； 60: 交易日特定时间随机； 30: 非交易日随机； 0: 不支持； NA: 不涉及； } 部署单元双随机成熟度。部署单元双随机成熟度 DRD_DU( Dual Random Degree of Deployment Unit )：用于衡量系统下特定部署单元 的双随机能力，计算公式详情如下： $$ \\begin{array} { r } { \\mathrm { D R D \\_ D U } = \\frac { 1 } { n } \\Sigma _ { i = 1 } ^ { n } W _ { i } * \\mathrm { D R A \\_ F S P } _ { i } } nd{array} $$ 注：$W_{i}$为部署单元第i个故障场景的权重。 系统双随机成熟度。系统双随机成熟度 DRD_AS（Dual Random Degree of Application System）用于衡量应用系统整体的双随机能力， 评估应用系统的整体风险防控能力，计算公式详情如下： $$ \\begin{array} { r } { \\mathrm { D R D \\_ A S } = \\frac { 1 } { m } \\Sigma _ { i = 1 } ^ { m } W _ { i } * \\mathrm { D R D \\_ D U } _ { i } } nd{array} $$ 注： $W_{i}$ 为第 $\\mathrm{i}$ 个部署单元在整个应用系统中所占的权重。 评估双随机能力。针对每个故障场景组织业务各个角色一起评估 时间随机能力等级，如果不能支持任意时间随机，则需要业务进行改 进，待改进完毕之后，进入检验环节。 检验双随机能力。对于双随机场景矩阵中每个故障场景的评估结论，需要通过故障演练进行检验，确保评估结论与实际效果一致，如果检验结论与实际效果有偏差，则需要进行业务改进和重新评估。 例行检验能力。双随机能力检验通过之后，需要配置定期例行检 验任务，确保双随机能力持续有效。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "dd5197f51f6021ef9044b96b2fa07a0729111c6e048f0c24449cbf6be6369ec5",
|
|||
|
|
"node_type": "text",
|
|||
|
|
"ppr_score": 0.008714916195611929,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.07820378500000001,
|
|||
|
|
"rank": 12,
|
|||
|
|
"source": "hipporag2_langchain_text",
|
|||
|
|
"evidence": "《混沌工程技术实践指南》.md",
|
|||
|
|
"query": "RAG系统在哪些实际应用场景中被使用？能举几个例子吗？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "数字越大， 表明风险越大，越值得优先重视和积极改善。RPN 的数值由三个参数 相乘得到，分别是严重度(Severity)、发生频率/可能性(Occurrence/ Probability )、识别难易程度(Detection)。在评估后，要综合考虑，严 重度和发生度矩阵，严重度和可识别度矩阵，发生频率和可识别度矩 阵。还需评估风险和故障对系统的可用性、数据丢失、财务成本和业 务中断有什么影响。 确定应用程序响应和恢复程序。对于每种故障模式，确定应用程 序将如何响应和恢复。考虑在成本与应用程序复杂程度之间作出折衷。 评估后，企业应优先考虑高等级故障并定义缓解措施，并不断更新和 审查。 ### 2.BCM RA 风险评估是业务连续性管理工作中的重要环节，是对各方面风险 进行辨识和分析的过程，是对威胁、资源、脆弱性及三者相互作用的 结果进行评估。评估关键资源所面临的风险及风险等级，并针对高风 险等级事项提出风险处置建议。 在进行混沌工程前可以利用RA风险评估方法对资源和业务系统 进行风险分析，利用风险评估模型提早识别出威胁和脆弱性，计量出 风险分值之后，按照分值从高到底排序，在混沌工程开展时，风险分 值比较高的资源和业务系统作为重点实验对象。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "7ddb41a16d2c78b1aa5d3524ba9b717ee8a0f32b54947624fa1785987747b161",
|
|||
|
|
"node_type": "text",
|
|||
|
|
"ppr_score": 0.008647170196944852,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.07759575,
|
|||
|
|
"rank": 13,
|
|||
|
|
"source": "hipporag2_langchain_text",
|
|||
|
|
"evidence": "《混沌工程技术实践指南》.md",
|
|||
|
|
"query": "RAG系统在哪些实际应用场景中被使用？能举几个例子吗？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "东营市人民政府办公室于2023年5月发布《东营市公共数据授权运营暂行管理办法（征求意见稿）》。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "71c47e73feef6d66dc478cad69c4ad58a0b3ecfd04f09a1b00fa42decb9e9294",
|
|||
|
|
"graph_node_id": "71c47e73feef6d66dc478cad69c4ad58a0b3ecfd04f09a1b00fa42decb9e9294",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 1.3924205044200936e-08,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 1,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['8b1e94cfe88e0fe9aa73611eca98b04567db8253ed068692a2deb64af2c5107e']",
|
|||
|
|
"evidence": "88-《公共数据授权运营发展洞察（2023）》定稿印刷0102.md",
|
|||
|
|
"query": "RAG系统的工作原理是什么？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "青岛市大数据发展管理局于2023年6月发布《青岛市公共数据运营试点管理暂行办法》。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "0d3d869ec37f825c33eefbbeb73d0a25e100c5e9a1e1ec06e086f286057943ea",
|
|||
|
|
"graph_node_id": "0d3d869ec37f825c33eefbbeb73d0a25e100c5e9a1e1ec06e086f286057943ea",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 1.0564743243185571e-08,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 2,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['8b1e94cfe88e0fe9aa73611eca98b04567db8253ed068692a2deb64af2c5107e']",
|
|||
|
|
"evidence": "88-《公共数据授权运营发展洞察（2023）》定稿印刷0102.md",
|
|||
|
|
"query": "RAG系统的工作原理是什么？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "蚂蚁集团推出了 HoloInsight，作为云原生时代的轻量化、全功能的智能可观测性技术平台。HoloInsight作为集数据采集、洞察分析、智能告警的一站式可观测综合解决方案，可帮助用户清晰观测整个软件技术栈与业务的状态",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "837914fd192ce24405e505d00bacfc4e7d67581c480a792eab1735ae40034a53",
|
|||
|
|
"graph_node_id": "837914fd192ce24405e505d00bacfc4e7d67581c480a792eab1735ae40034a53",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 9.10248791126777e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 3,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['833310a7d4dc0e345e4e7cde890f7d84f2cf03a07c5e53671fce351e8f941781']",
|
|||
|
|
"evidence": "可观测性技术发展研究报告.md",
|
|||
|
|
"query": "RAG系统的工作原理是什么？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "云杉网络发布了 DeepFlow，该产品基于eBPF实现了零插桩（Zero Code）、全覆盖（FullStack）的指标、追踪、日志采集，并通过智能标签技术实现了所有观测数据的全关联(Universal Tagging)和高效存取",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "52d7ba687569c10025742eed85ffc69d28886cb9a8c5c4403180d85ab77267b2",
|
|||
|
|
"graph_node_id": "52d7ba687569c10025742eed85ffc69d28886cb9a8c5c4403180d85ab77267b2",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 7.678002157579536e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 4,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['833310a7d4dc0e345e4e7cde890f7d84f2cf03a07c5e53671fce351e8f941781']",
|
|||
|
|
"evidence": "可观测性技术发展研究报告.md",
|
|||
|
|
"query": "RAG系统的工作原理是什么？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "按计划部署",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "597cef3ac2af04dbf4532f5f5a2bc5bfa762a06ab0f90626fddac7f0aaeecdb3",
|
|||
|
|
"graph_node_id": "597cef3ac2af04dbf4532f5f5a2bc5bfa762a06ab0f90626fddac7f0aaeecdb3",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 5.833311202196603e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 5,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['7e6068f850e4a480cb84c8e397497cddc83e55dc19995b00d3dac9e347c33f8e']",
|
|||
|
|
"evidence": "PPT_吴倩琳-2023云和软件安全大会-零信任分论坛-零信任成熟度.md",
|
|||
|
|
"query": "RAG系统的工作原理是什么？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "1998年，组建信产部。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "006db96629b2e82ec2fc7a652f775df4173c1c31dfde02e96a72a55f3be91d91",
|
|||
|
|
"graph_node_id": "006db96629b2e82ec2fc7a652f775df4173c1c31dfde02e96a72a55f3be91d91",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 5.813227407106867e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 6,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['05575614c0a56ca752a2c4a4f94512b223eb0672171d3ab6c797bcc7e9dc9e33']",
|
|||
|
|
"evidence": "PPT_ICPMM-行业云平台运营管理能力成熟度标准解读.md",
|
|||
|
|
"query": "RAG系统的工作原理是什么？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "贵州省人民政府办公厅于2023年6月发布《贵州省政务数据资源管理办法》。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "71324bbe38be7dc2f579536f22143c3d8f0deadec318e634492f597d7d0badfd",
|
|||
|
|
"graph_node_id": "71324bbe38be7dc2f579536f22143c3d8f0deadec318e634492f597d7d0badfd",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 5.355534664475652e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 7,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['8b1e94cfe88e0fe9aa73611eca98b04567db8253ed068692a2deb64af2c5107e']",
|
|||
|
|
"evidence": "88-《公共数据授权运营发展洞察（2023）》定稿印刷0102.md",
|
|||
|
|
"query": "RAG系统的工作原理是什么？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "1994年，邮电部实行邮电分营。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "a4bfec0430a945b451f4d2a4d56638ad0d75304d4f47c9441f745cf3b1a268b1",
|
|||
|
|
"graph_node_id": "a4bfec0430a945b451f4d2a4d56638ad0d75304d4f47c9441f745cf3b1a268b1",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 4.82914480107628e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 8,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['05575614c0a56ca752a2c4a4f94512b223eb0672171d3ab6c797bcc7e9dc9e33']",
|
|||
|
|
"evidence": "PPT_ICPMM-行业云平台运营管理能力成熟度标准解读.md",
|
|||
|
|
"query": "RAG系统的工作原理是什么？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "2022年5月，黑龙江省人大常委会发布《黑龙江省促进大数据发展应用条例》。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "0f5d8bb9a91217c45c257bc473f63cb729fe03b41c4573d523459fa2af6dc7bd",
|
|||
|
|
"graph_node_id": "0f5d8bb9a91217c45c257bc473f63cb729fe03b41c4573d523459fa2af6dc7bd",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 4.714749078577141e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 9,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['fa5dd0b6f3b57d07d08ba0730a4540c59b6d99d05153b35f1f3cd5227ea07907']",
|
|||
|
|
"evidence": "88-《公共数据授权运营发展洞察（2023）》定稿印刷0102.md",
|
|||
|
|
"query": "RAG系统的工作原理是什么？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "2008年，组建工信部。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "4c975a923b633c445c92b3b66acf1719602314d1ef6cf8dedd1aab5f28c3ce04",
|
|||
|
|
"graph_node_id": "4c975a923b633c445c92b3b66acf1719602314d1ef6cf8dedd1aab5f28c3ce04",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 4.668835571500824e-09,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 10,
|
|||
|
|
"source": "hipporag2_langchain_event",
|
|||
|
|
"source_text_id": "['05575614c0a56ca752a2c4a4f94512b223eb0672171d3ab6c797bcc7e9dc9e33']",
|
|||
|
|
"evidence": "PPT_ICPMM-行业云平台运营管理能力成熟度标准解读.md",
|
|||
|
|
"query": "RAG系统的工作原理是什么？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "jpg) 包括：DNS服务器、负载均衡器、交换机等 该平台具有以下几个特点： （1）适配全栈式异构金融云基础设施 完成了跨平台及“一体多芯”式的混编架构中故障注入体系的建 设，提供云上资源自助、自动构建、自动发布、自动运维、快速扩容、 多环境一致等场景，实现流程自动化，使开发人员能够更多地专注在 业务功能的实现和创新上，大幅提高了应用的交付效率，提升了业务 产品推出效率和竞争力。（2）引入“一隔离，两最小化”，实现权限隔离和管控 通过 RBAC 实现不同应用系统间沙箱容器的混沌故障隔离；引入 k8s Operator 机制，根据演练需求为沙箱容器进行权限控制，实现 权限最小化，同时通过集群调度限制混沌环境的范围，实现爆炸半径 最小化。分布式系统及微服务架构下，实现更细粒度的权限控制，有 效避免了不同应用系统同时实施混沌工程造成“环境污染”的风险， 同时也保障了不同应用系统间故障注入的原子能力。 (3) 混淆工具链与异构环境相融合 将四类主流混沌工具引入到异构金融云环境中，全栈式适配底层 复杂基础设施，解决了工具集合的离线部署、内核及版本不兼容、混 淀工具与多种操作系统及容器云运行时适配等疑难问题。同时将混沌 工具链融合在异构环境中，提供更多样化的故障类型，能够针对不同 的故障类型，推荐使用适配的注入工具，使故障注入更加精准化。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "5f593c4a4c8b89a95644375ee4952d1a4acc08146262cb3a56d5376db5ee1713",
|
|||
|
|
"node_type": "text",
|
|||
|
|
"ppr_score": 0.04462080921944727,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.07549548,
|
|||
|
|
"rank": 11,
|
|||
|
|
"source": "hipporag2_langchain_text",
|
|||
|
|
"evidence": "《混沌工程技术实践指南》.md",
|
|||
|
|
"query": "RAG系统的工作原理是什么？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "故障场景随机能力。故障场景随机能力 RA_FS（Random Ability of Fault Scenario），用于衡量应用对特定故障场景的时间随机能力的支持程度，从任意时间随机到不支持随机能力分为 4 个等级，如果系统不涉及该故障场景，则不计算得分，计算公式详情如下: RA_FS = { 100: 任意时间随机； 60: 交易日特定时间随机； 30: 非交易日随机； 0: 不支持； NA: 不涉及； } 部署单元双随机成熟度。部署单元双随机成熟度 DRD_DU( Dual Random Degree of Deployment Unit )：用于衡量系统下特定部署单元 的双随机能力，计算公式详情如下： $$ \\begin{array} { r } { \\mathrm { D R D \\_ D U } = \\frac { 1 } { n } \\Sigma _ { i = 1 } ^ { n } W _ { i } * \\mathrm { D R A \\_ F S P } _ { i } } nd{array} $$ 注：$W_{i}$为部署单元第i个故障场景的权重。 系统双随机成熟度。系统双随机成熟度 DRD_AS（Dual Random Degree of Application System）用于衡量应用系统整体的双随机能力， 评估应用系统的整体风险防控能力，计算公式详情如下： $$ \\begin{array} { r } { \\mathrm { D R D \\_ A S } = \\frac { 1 } { m } \\Sigma _ { i = 1 } ^ { m } W _ { i } * \\mathrm { D R D \\_ D U } _ { i } } nd{array} $$ 注： $W_{i}$ 为第 $\\mathrm{i}$ 个部署单元在整个应用系统中所占的权重。 评估双随机能力。针对每个故障场景组织业务各个角色一起评估 时间随机能力等级，如果不能支持任意时间随机，则需要业务进行改 进，待改进完毕之后，进入检验环节。 检验双随机能力。对于双随机场景矩阵中每个故障场景的评估结论，需要通过故障演练进行检验，确保评估结论与实际效果一致，如果检验结论与实际效果有偏差，则需要进行业务改进和重新评估。 例行检验能力。双随机能力检验通过之后，需要配置定期例行检 验任务，确保双随机能力持续有效。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "dd5197f51f6021ef9044b96b2fa07a0729111c6e048f0c24449cbf6be6369ec5",
|
|||
|
|
"node_type": "text",
|
|||
|
|
"ppr_score": 0.009497035982135044,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.07776218000000001,
|
|||
|
|
"rank": 12,
|
|||
|
|
"source": "hipporag2_langchain_text",
|
|||
|
|
"evidence": "《混沌工程技术实践指南》.md",
|
|||
|
|
"query": "RAG系统的工作原理是什么？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "数字越大， 表明风险越大，越值得优先重视和积极改善。RPN 的数值由三个参数 相乘得到，分别是严重度(Severity)、发生频率/可能性(Occurrence/ Probability )、识别难易程度(Detection)。在评估后，要综合考虑，严 重度和发生度矩阵，严重度和可识别度矩阵，发生频率和可识别度矩 阵。还需评估风险和故障对系统的可用性、数据丢失、财务成本和业 务中断有什么影响。 确定应用程序响应和恢复程序。对于每种故障模式，确定应用程 序将如何响应和恢复。考虑在成本与应用程序复杂程度之间作出折衷。 评估后，企业应优先考虑高等级故障并定义缓解措施，并不断更新和 审查。 ### 2.BCM RA 风险评估是业务连续性管理工作中的重要环节，是对各方面风险 进行辨识和分析的过程，是对威胁、资源、脆弱性及三者相互作用的 结果进行评估。评估关键资源所面临的风险及风险等级，并针对高风 险等级事项提出风险处置建议。 在进行混沌工程前可以利用RA风险评估方法对资源和业务系统 进行风险分析，利用风险评估模型提早识别出威胁和脆弱性，计量出 风险分值之后，按照分值从高到底排序，在混沌工程开展时，风险分 值比较高的资源和业务系统作为重点实验对象。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "7ddb41a16d2c78b1aa5d3524ba9b717ee8a0f32b54947624fa1785987747b161",
|
|||
|
|
"node_type": "text",
|
|||
|
|
"ppr_score": 0.009440596720889129,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.07729995,
|
|||
|
|
"rank": 13,
|
|||
|
|
"source": "hipporag2_langchain_text",
|
|||
|
|
"evidence": "《混沌工程技术实践指南》.md",
|
|||
|
|
"query": "RAG系统的工作原理是什么？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
}
|
|||
|
|
],
|
|||
|
|
"all_passages": [
|
|||
|
|
"蚂蚁集团推出了 HoloInsight，作为云原生时代的轻量化、全功能的智能可观测性技术平台。HoloInsight作为集数据采集、洞察分析、智能告警的一站式可观测综合解决方案，可帮助用户清晰观测整个软件技术栈与业务的状态",
|
|||
|
|
"进行测试评估模型验证。",
|
|||
|
|
"云杉网络发布了 DeepFlow，该产品基于eBPF实现了零插桩（Zero Code）、全覆盖（FullStack）的指标、追踪、日志采集，并通过智能标签技术实现了所有观测数据的全关联(Universal Tagging)和高效存取",
|
|||
|
|
"滴滴推出了夜莺Nightingale，该系统采用All-in-One的设计理念，集数据采集、可视化、监控告警、数据分析于一体，与云原生生态紧密集成，融入了顶级互联网公司可观测性最佳实践，沉淀了众多社区专家经验，开箱即用",
|
|||
|
|
"Analysys 发布了 DolphinScheduler，一个支持复杂任务调度和依赖管理的分布式任务调度系统，提供了可观测性的监控和告警功能，帮助用户实现任务的可靠执行和故障排查",
|
|||
|
|
"东营市人民政府办公室于2023年5月发布《东营市公共数据授权运营暂行管理办法（征求意见稿）》。",
|
|||
|
|
"进行模型训练。",
|
|||
|
|
"平台运维功能需求。",
|
|||
|
|
"完善测试评估方法与规则。",
|
|||
|
|
"制定分布实施计划",
|
|||
|
|
"故障场景随机能力。故障场景随机能力 RA_FS（Random Ability of Fault Scenario），用于衡量应用对特定故障场景的时间随机能力的支持程度，从任意时间随机到不支持随机能力分为 4 个等级，如果系统不涉及该故障场景，则不计算得分，计算公式详情如下: RA_FS = { 100: 任意时间随机； 60: 交易日特定时间随机； 30: 非交易日随机； 0: 不支持； NA: 不涉及； } 部署单元双随机成熟度。部署单元双随机成熟度 DRD_DU( Dual Random Degree of Deployment Unit )：用于衡量系统下特定部署单元 的双随机能力，计算公式详情如下： $$ \\begin{array} { r } { \\mathrm { D R D \\_ D U } = \\frac { 1 } { n } \\Sigma _ { i = 1 } ^ { n } W _ { i } * \\mathrm { D R A \\_ F S P } _ { i } } nd{array} $$ 注：$W_{i}$为部署单元第i个故障场景的权重。 系统双随机成熟度。系统双随机成熟度 DRD_AS（Dual Random Degree of Application System）用于衡量应用系统整体的双随机能力， 评估应用系统的整体风险防控能力，计算公式详情如下： $$ \\begin{array} { r } { \\mathrm { D R D \\_ A S } = \\frac { 1 } { m } \\Sigma _ { i = 1 } ^ { m } W _ { i } * \\mathrm { D R D \\_ D U } _ { i } } nd{array} $$ 注： $W_{i}$ 为第 $\\mathrm{i}$ 个部署单元在整个应用系统中所占的权重。 评估双随机能力。针对每个故障场景组织业务各个角色一起评估 时间随机能力等级，如果不能支持任意时间随机，则需要业务进行改 进，待改进完毕之后，进入检验环节。 检验双随机能力。对于双随机场景矩阵中每个故障场景的评估结论，需要通过故障演练进行检验，确保评估结论与实际效果一致，如果检验结论与实际效果有偏差，则需要进行业务改进和重新评估。 例行检验能力。双随机能力检验通过之后，需要配置定期例行检 验任务，确保双随机能力持续有效。",
|
|||
|
|
"数字越大， 表明风险越大，越值得优先重视和积极改善。RPN 的数值由三个参数 相乘得到，分别是严重度(Severity)、发生频率/可能性(Occurrence/ Probability )、识别难易程度(Detection)。在评估后，要综合考虑，严 重度和发生度矩阵，严重度和可识别度矩阵，发生频率和可识别度矩 阵。还需评估风险和故障对系统的可用性、数据丢失、财务成本和业 务中断有什么影响。 确定应用程序响应和恢复程序。对于每种故障模式，确定应用程 序将如何响应和恢复。考虑在成本与应用程序复杂程度之间作出折衷。 评估后，企业应优先考虑高等级故障并定义缓解措施，并不断更新和 审查。 ### 2.BCM RA 风险评估是业务连续性管理工作中的重要环节，是对各方面风险 进行辨识和分析的过程，是对威胁、资源、脆弱性及三者相互作用的 结果进行评估。评估关键资源所面临的风险及风险等级，并针对高风 险等级事项提出风险处置建议。 在进行混沌工程前可以利用RA风险评估方法对资源和业务系统 进行风险分析，利用风险评估模型提早识别出威胁和脆弱性，计量出 风险分值之后，按照分值从高到底排序，在混沌工程开展时，风险分 值比较高的资源和业务系统作为重点实验对象。",
|
|||
|
|
"评估关键资源所面临的风险及风险等级，并针对高风 险等级事项提出风险处置建议。 在进行混沌工程前可以利用RA风险评估方法对资源和业务系统 进行风险分析，利用风险评估模型提早识别出威胁和脆弱性，计量出 风险分值之后，按照分值从高到底排序，在混沌工程开展时，风险分 值比较高的资源和业务系统作为重点实验对象。混沌工程前利用BCM 中的RA 方法进行自检的价值：建立对业 务运行环境的整体认识，了解业务连续运行所面临的各类潜在风险因 素，识别影响业务大范围中断的关键风险场景；分析各业务系统运行 所面临的首要风险场景，识别风险发生的可能性，并定性描述可能造 成的损失；根据风险评估结果，对关键风险场景提出风险管控措施， 对于处置后仍在不可接受范围内的残余风险提出进一步处置策略，可 围绕评估出的关键风险场景，在专项预案编制过程中有针对性的进行 应急处置流程设计，同时可以作为混沌工程实验的重点。 ### 3.FTA 故障树是一种特殊的倒立树状的逻辑因果关系图。故障树分析（Fault Tree Analysis, FTA）是以一个不希望发生的产品故障事件或灾害性危险事件即顶事件作为分析的对象，通过由上向下的严格按层次 的故障因果逻辑分析，逐层找出故障事件的必要而充分的直接原因，画出故障树，最终找出导致顶事件发生的所有可能原因和原因组合，在有基础数据时可计算出顶事件发生的概率和底事件重要度。  1961 年, FTA 由美国贝尔电话研究室的华特先生首先提出的。",
|
|||
|
|
"青岛市大数据发展管理局于2023年6月发布《青岛市公共数据运营试点管理暂行办法》。",
|
|||
|
|
"按计划部署",
|
|||
|
|
"1998年，组建信产部。",
|
|||
|
|
"贵州省人民政府办公厅于2023年6月发布《贵州省政务数据资源管理办法》。",
|
|||
|
|
"1994年，邮电部实行邮电分营。",
|
|||
|
|
"2022年5月，黑龙江省人大常委会发布《黑龙江省促进大数据发展应用条例》。",
|
|||
|
|
"2008年，组建工信部。",
|
|||
|
|
"jpg) 包括：DNS服务器、负载均衡器、交换机等 该平台具有以下几个特点： （1）适配全栈式异构金融云基础设施 完成了跨平台及“一体多芯”式的混编架构中故障注入体系的建 设，提供云上资源自助、自动构建、自动发布、自动运维、快速扩容、 多环境一致等场景，实现流程自动化，使开发人员能够更多地专注在 业务功能的实现和创新上，大幅提高了应用的交付效率，提升了业务 产品推出效率和竞争力。（2）引入“一隔离，两最小化”，实现权限隔离和管控 通过 RBAC 实现不同应用系统间沙箱容器的混沌故障隔离；引入 k8s Operator 机制，根据演练需求为沙箱容器进行权限控制，实现 权限最小化，同时通过集群调度限制混沌环境的范围，实现爆炸半径 最小化。分布式系统及微服务架构下，实现更细粒度的权限控制，有 效避免了不同应用系统同时实施混沌工程造成“环境污染”的风险， 同时也保障了不同应用系统间故障注入的原子能力。 (3) 混淆工具链与异构环境相融合 将四类主流混沌工具引入到异构金融云环境中，全栈式适配底层 复杂基础设施，解决了工具集合的离线部署、内核及版本不兼容、混 淀工具与多种操作系统及容器云运行时适配等疑难问题。同时将混沌 工具链融合在异构环境中，提供更多样化的故障类型，能够针对不同 的故障类型，推荐使用适配的注入工具，使故障注入更加精准化。",
|
|||
|
|
"东营市人民政府办公室于2023年5月发布《东营市公共数据授权运营暂行管理办法（征求意见稿）》。",
|
|||
|
|
"青岛市大数据发展管理局于2023年6月发布《青岛市公共数据运营试点管理暂行办法》。",
|
|||
|
|
"蚂蚁集团推出了 HoloInsight，作为云原生时代的轻量化、全功能的智能可观测性技术平台。HoloInsight作为集数据采集、洞察分析、智能告警的一站式可观测综合解决方案，可帮助用户清晰观测整个软件技术栈与业务的状态",
|
|||
|
|
"云杉网络发布了 DeepFlow，该产品基于eBPF实现了零插桩（Zero Code）、全覆盖（FullStack）的指标、追踪、日志采集，并通过智能标签技术实现了所有观测数据的全关联(Universal Tagging)和高效存取",
|
|||
|
|
"按计划部署",
|
|||
|
|
"1998年，组建信产部。",
|
|||
|
|
"贵州省人民政府办公厅于2023年6月发布《贵州省政务数据资源管理办法》。",
|
|||
|
|
"1994年，邮电部实行邮电分营。",
|
|||
|
|
"2022年5月，黑龙江省人大常委会发布《黑龙江省促进大数据发展应用条例》。",
|
|||
|
|
"2008年，组建工信部。",
|
|||
|
|
"“公共数据资源持有权”对应的客体是公共数据资源，随着政府 或公共部门履行公共职责或提供公共服务而产生，持有权一般归属于 数源部门。在实际情况中，往往会由数源部门直属的信息中心或数据 中心“代持”公共数据资源。“公共数据加工使用权”对应的客体是 公共数据，可视为经初步清洗处理后的数据，“加工使用权”同样归 属于数源部门，同时数源部门也相应地承担数据采集、清洗、处理、 存储、管理、开发利用、安全保障等责任。而“公共数据产品经营权” 对应客体是数据产品，“经营权”因产品的产生而形成，且产品经营 行为具有市场属性，不在政府和公共部门的职责范围中，则“经营权” 归属于生产或加工数据产品的主体，也相应地承担数据产品的合规使 用、安全保障等责任。 在此基础上，公共数据授权运营即是将“加工使用权”或“产品 经营权”授予经合法合规方式筛选出来的具备相应技术与能力的运营 机构，加工形成公共数据产品后并进行市场化经营。尽管“三权分置” 还处在倡导与探索阶段，需要通过法律法规明确其效力，但由确权授 权机制的探讨可见，开展公共数据授权运营具备明确的理论基础，其 中的数据价值流转具备充分的正当性与合理性。 当前，从中央、部委到地方都在全力推进公共数据授权运营的实 践，相比对理论问题刨根究底以明确个中细节，实际推动公共数据通 过授权运营实现具体场景的应用具有更高的探索价值，以公共数据的 开发利用撬动数据要素市场的活跃与创新。 ## （三）公共数据授权运营已具大量实践基础 在“数据二十条”出台以前，各地各行业就已经在积极探索公共 数据授权运营，北京、上海、广东、海南、贵州、成都等国内先进地 区通过制度模式建设、平台搭建运营、应用场景创新等试点举措，探 索开展授权运营，以促进公共数据的社会化开发利用。 部分地区通过政策明确授权开展实践。",
|
|||
|
|
"故障场景随机能力。故障场景随机能力 RA_FS（Random Ability of Fault Scenario），用于衡量应用对特定故障场景的时间随机能力的支持程度，从任意时间随机到不支持随机能力分为 4 个等级，如果系统不涉及该故障场景，则不计算得分，计算公式详情如下: RA_FS = { 100: 任意时间随机； 60: 交易日特定时间随机； 30: 非交易日随机； 0: 不支持； NA: 不涉及； } 部署单元双随机成熟度。部署单元双随机成熟度 DRD_DU( Dual Random Degree of Deployment Unit )：用于衡量系统下特定部署单元 的双随机能力，计算公式详情如下： $$ \\begin{array} { r } { \\mathrm { D R D \\_ D U } = \\frac { 1 } { n } \\Sigma _ { i = 1 } ^ { n } W _ { i } * \\mathrm { D R A \\_ F S P } _ { i } } nd{array} $$ 注：$W_{i}$为部署单元第i个故障场景的权重。 系统双随机成熟度。系统双随机成熟度 DRD_AS（Dual Random Degree of Application System）用于衡量应用系统整体的双随机能力， 评估应用系统的整体风险防控能力，计算公式详情如下： $$ \\begin{array} { r } { \\mathrm { D R D \\_ A S } = \\frac { 1 } { m } \\Sigma _ { i = 1 } ^ { m } W _ { i } * \\mathrm { D R D \\_ D U } _ { i } } nd{array} $$ 注： $W_{i}$ 为第 $\\mathrm{i}$ 个部署单元在整个应用系统中所占的权重。 评估双随机能力。针对每个故障场景组织业务各个角色一起评估 时间随机能力等级，如果不能支持任意时间随机，则需要业务进行改 进，待改进完毕之后，进入检验环节。 检验双随机能力。对于双随机场景矩阵中每个故障场景的评估结论，需要通过故障演练进行检验，确保评估结论与实际效果一致，如果检验结论与实际效果有偏差，则需要进行业务改进和重新评估。 例行检验能力。双随机能力检验通过之后，需要配置定期例行检 验任务，确保双随机能力持续有效。",
|
|||
|
|
"数字越大， 表明风险越大，越值得优先重视和积极改善。RPN 的数值由三个参数 相乘得到，分别是严重度(Severity)、发生频率/可能性(Occurrence/ Probability )、识别难易程度(Detection)。在评估后，要综合考虑，严 重度和发生度矩阵，严重度和可识别度矩阵，发生频率和可识别度矩 阵。还需评估风险和故障对系统的可用性、数据丢失、财务成本和业 务中断有什么影响。 确定应用程序响应和恢复程序。对于每种故障模式，确定应用程 序将如何响应和恢复。考虑在成本与应用程序复杂程度之间作出折衷。 评估后，企业应优先考虑高等级故障并定义缓解措施，并不断更新和 审查。 ### 2.BCM RA 风险评估是业务连续性管理工作中的重要环节，是对各方面风险 进行辨识和分析的过程，是对威胁、资源、脆弱性及三者相互作用的 结果进行评估。评估关键资源所面临的风险及风险等级，并针对高风 险等级事项提出风险处置建议。 在进行混沌工程前可以利用RA风险评估方法对资源和业务系统 进行风险分析，利用风险评估模型提早识别出威胁和脆弱性，计量出 风险分值之后，按照分值从高到底排序，在混沌工程开展时，风险分 值比较高的资源和业务系统作为重点实验对象。",
|
|||
|
|
"东营市人民政府办公室于2023年5月发布《东营市公共数据授权运营暂行管理办法（征求意见稿）》。",
|
|||
|
|
"青岛市大数据发展管理局于2023年6月发布《青岛市公共数据运营试点管理暂行办法》。",
|
|||
|
|
"蚂蚁集团推出了 HoloInsight，作为云原生时代的轻量化、全功能的智能可观测性技术平台。HoloInsight作为集数据采集、洞察分析、智能告警的一站式可观测综合解决方案，可帮助用户清晰观测整个软件技术栈与业务的状态",
|
|||
|
|
"云杉网络发布了 DeepFlow，该产品基于eBPF实现了零插桩（Zero Code）、全覆盖（FullStack）的指标、追踪、日志采集，并通过智能标签技术实现了所有观测数据的全关联(Universal Tagging)和高效存取",
|
|||
|
|
"按计划部署",
|
|||
|
|
"1998年，组建信产部。",
|
|||
|
|
"贵州省人民政府办公厅于2023年6月发布《贵州省政务数据资源管理办法》。",
|
|||
|
|
"1994年，邮电部实行邮电分营。",
|
|||
|
|
"2022年5月，黑龙江省人大常委会发布《黑龙江省促进大数据发展应用条例》。",
|
|||
|
|
"2008年，组建工信部。",
|
|||
|
|
"jpg) 包括：DNS服务器、负载均衡器、交换机等 该平台具有以下几个特点： （1）适配全栈式异构金融云基础设施 完成了跨平台及“一体多芯”式的混编架构中故障注入体系的建 设，提供云上资源自助、自动构建、自动发布、自动运维、快速扩容、 多环境一致等场景，实现流程自动化，使开发人员能够更多地专注在 业务功能的实现和创新上，大幅提高了应用的交付效率，提升了业务 产品推出效率和竞争力。（2）引入“一隔离，两最小化”，实现权限隔离和管控 通过 RBAC 实现不同应用系统间沙箱容器的混沌故障隔离；引入 k8s Operator 机制，根据演练需求为沙箱容器进行权限控制，实现 权限最小化，同时通过集群调度限制混沌环境的范围，实现爆炸半径 最小化。分布式系统及微服务架构下，实现更细粒度的权限控制，有 效避免了不同应用系统同时实施混沌工程造成“环境污染”的风险， 同时也保障了不同应用系统间故障注入的原子能力。 (3) 混淆工具链与异构环境相融合 将四类主流混沌工具引入到异构金融云环境中，全栈式适配底层 复杂基础设施，解决了工具集合的离线部署、内核及版本不兼容、混 淀工具与多种操作系统及容器云运行时适配等疑难问题。同时将混沌 工具链融合在异构环境中，提供更多样化的故障类型，能够针对不同 的故障类型，推荐使用适配的注入工具，使故障注入更加精准化。",
|
|||
|
|
"故障场景随机能力。故障场景随机能力 RA_FS（Random Ability of Fault Scenario），用于衡量应用对特定故障场景的时间随机能力的支持程度，从任意时间随机到不支持随机能力分为 4 个等级，如果系统不涉及该故障场景，则不计算得分，计算公式详情如下: RA_FS = { 100: 任意时间随机； 60: 交易日特定时间随机； 30: 非交易日随机； 0: 不支持； NA: 不涉及； } 部署单元双随机成熟度。部署单元双随机成熟度 DRD_DU( Dual Random Degree of Deployment Unit )：用于衡量系统下特定部署单元 的双随机能力，计算公式详情如下： $$ \\begin{array} { r } { \\mathrm { D R D \\_ D U } = \\frac { 1 } { n } \\Sigma _ { i = 1 } ^ { n } W _ { i } * \\mathrm { D R A \\_ F S P } _ { i } } nd{array} $$ 注：$W_{i}$为部署单元第i个故障场景的权重。 系统双随机成熟度。系统双随机成熟度 DRD_AS（Dual Random Degree of Application System）用于衡量应用系统整体的双随机能力， 评估应用系统的整体风险防控能力，计算公式详情如下： $$ \\begin{array} { r } { \\mathrm { D R D \\_ A S } = \\frac { 1 } { m } \\Sigma _ { i = 1 } ^ { m } W _ { i } * \\mathrm { D R D \\_ D U } _ { i } } nd{array} $$ 注： $W_{i}$ 为第 $\\mathrm{i}$ 个部署单元在整个应用系统中所占的权重。 评估双随机能力。针对每个故障场景组织业务各个角色一起评估 时间随机能力等级，如果不能支持任意时间随机，则需要业务进行改 进，待改进完毕之后，进入检验环节。 检验双随机能力。对于双随机场景矩阵中每个故障场景的评估结论，需要通过故障演练进行检验，确保评估结论与实际效果一致，如果检验结论与实际效果有偏差，则需要进行业务改进和重新评估。 例行检验能力。双随机能力检验通过之后，需要配置定期例行检 验任务，确保双随机能力持续有效。",
|
|||
|
|
"数字越大， 表明风险越大，越值得优先重视和积极改善。RPN 的数值由三个参数 相乘得到，分别是严重度(Severity)、发生频率/可能性(Occurrence/ Probability )、识别难易程度(Detection)。在评估后，要综合考虑，严 重度和发生度矩阵，严重度和可识别度矩阵，发生频率和可识别度矩 阵。还需评估风险和故障对系统的可用性、数据丢失、财务成本和业 务中断有什么影响。 确定应用程序响应和恢复程序。对于每种故障模式，确定应用程 序将如何响应和恢复。考虑在成本与应用程序复杂程度之间作出折衷。 评估后，企业应优先考虑高等级故障并定义缓解措施，并不断更新和 审查。 ### 2.BCM RA 风险评估是业务连续性管理工作中的重要环节，是对各方面风险 进行辨识和分析的过程，是对威胁、资源、脆弱性及三者相互作用的 结果进行评估。评估关键资源所面临的风险及风险等级，并针对高风 险等级事项提出风险处置建议。 在进行混沌工程前可以利用RA风险评估方法对资源和业务系统 进行风险分析，利用风险评估模型提早识别出威胁和脆弱性，计量出 风险分值之后，按照分值从高到底排序，在混沌工程开展时，风险分 值比较高的资源和业务系统作为重点实验对象。"
|
|||
|
|
],
|
|||
|
|
"passage_sources": [
|
|||
|
|
"原始查询-event-837914fd192ce24405e505d00bacfc4e7d67581c480a792eab1735ae40034a53",
|
|||
|
|
"原始查询-event-fa2178eade20caa6435d7969d7e4fc292ae8594fd60266456e076d560770721e",
|
|||
|
|
"原始查询-event-52d7ba687569c10025742eed85ffc69d28886cb9a8c5c4403180d85ab77267b2",
|
|||
|
|
"原始查询-event-8fadaeeb758ccced65c64b80e2315c1af34ebbbc0b03fcd7535828960b29b20c",
|
|||
|
|
"原始查询-event-ccefc8edd9ac190647aaade05325e68f3773c8575a58f689512b7661524ca029",
|
|||
|
|
"原始查询-event-71c47e73feef6d66dc478cad69c4ad58a0b3ecfd04f09a1b00fa42decb9e9294",
|
|||
|
|
"原始查询-event-df605b303a0d8bb54f4aeac641c0dcf0c128e34c544e0193d9c8bfa9e7719d9f",
|
|||
|
|
"原始查询-event-3bf8041501694e4cb799bdd944dc7cdb9d70423f7339d81cb2bfee76e1de7052",
|
|||
|
|
"原始查询-event-4f7f0c1c613764a8dccb6df4fb8a4cdd531c5145f8f981b32a705780630a9e76",
|
|||
|
|
"原始查询-event-e37fe0b847647fbfb6116faa77736c145ab7584878ae380318c88685999901cc",
|
|||
|
|
"原始查询-text-dd5197f51f6021ef9044b96b2fa07a0729111c6e048f0c24449cbf6be6369ec5",
|
|||
|
|
"原始查询-text-7ddb41a16d2c78b1aa5d3524ba9b717ee8a0f32b54947624fa1785987747b161",
|
|||
|
|
"原始查询-text-28bc0692b60ed668688fd58d9c5163a6e923a177125a5782164888844e061a2e",
|
|||
|
|
"子查询2-event-0d3d869ec37f825c33eefbbeb73d0a25e100c5e9a1e1ec06e086f286057943ea",
|
|||
|
|
"子查询2-event-597cef3ac2af04dbf4532f5f5a2bc5bfa762a06ab0f90626fddac7f0aaeecdb3",
|
|||
|
|
"子查询2-event-006db96629b2e82ec2fc7a652f775df4173c1c31dfde02e96a72a55f3be91d91",
|
|||
|
|
"子查询2-event-71324bbe38be7dc2f579536f22143c3d8f0deadec318e634492f597d7d0badfd",
|
|||
|
|
"子查询2-event-a4bfec0430a945b451f4d2a4d56638ad0d75304d4f47c9441f745cf3b1a268b1",
|
|||
|
|
"子查询2-event-0f5d8bb9a91217c45c257bc473f63cb729fe03b41c4573d523459fa2af6dc7bd",
|
|||
|
|
"子查询2-event-4c975a923b633c445c92b3b66acf1719602314d1ef6cf8dedd1aab5f28c3ce04",
|
|||
|
|
"子查询2-text-5f593c4a4c8b89a95644375ee4952d1a4acc08146262cb3a56d5376db5ee1713",
|
|||
|
|
"子查询2-unknown",
|
|||
|
|
"子查询2-unknown",
|
|||
|
|
"子查询2-unknown",
|
|||
|
|
"子查询2-unknown",
|
|||
|
|
"子查询2-unknown",
|
|||
|
|
"子查询2-unknown",
|
|||
|
|
"子查询2-unknown",
|
|||
|
|
"子查询2-unknown",
|
|||
|
|
"子查询2-unknown",
|
|||
|
|
"子查询2-unknown",
|
|||
|
|
"子查询2-unknown",
|
|||
|
|
"子查询2-unknown",
|
|||
|
|
"子查询2-unknown",
|
|||
|
|
"子查询1-unknown",
|
|||
|
|
"子查询1-unknown",
|
|||
|
|
"子查询1-unknown",
|
|||
|
|
"子查询1-unknown",
|
|||
|
|
"子查询1-unknown",
|
|||
|
|
"子查询1-unknown",
|
|||
|
|
"子查询1-unknown",
|
|||
|
|
"子查询1-unknown",
|
|||
|
|
"子查询1-unknown",
|
|||
|
|
"子查询1-unknown",
|
|||
|
|
"子查询1-unknown",
|
|||
|
|
"子查询1-unknown",
|
|||
|
|
"子查询1-unknown"
|
|||
|
|
],
|
|||
|
|
"retrieval_path": "unknown",
|
|||
|
|
"initial_retrieval_details": {},
|
|||
|
|
"current_sub_queries": []
|
|||
|
|
}
|