828 lines
73 KiB
JSON
828 lines
73 KiB
JSON
{
|
||
"query": "什么是RAG系统？",
|
||
"answer": "RAG系统通常指的是在云计算和数据中心管理领域中，用于提升系统可观测性和管理能力的一系列技术和工具。在当前信息中，我们发现RAG系统在多个不同的上下文中出现，包括但不限于HoloInsight、DeepFlow、Nightingale、DolphinScheduler等，它们分别代表了不同公司的智能可观测性技术平台或产品。\n\n### RAG系统定义：\nRAG系统通常集成了数据采集、洞察分析、智能告警等功能，旨在帮助用户清晰地观测整个软件技术栈与业务的状态。这些系统在云原生时代背景下，通过轻量化设计，提供全功能的智能可观测性解决方案，从而提升系统的运行效率、稳定性以及故障诊断能力。\n\n### 实际应用场景：\nRAG系统广泛应用于各种云计算、数据中心管理和运维场景中，帮助开发者和运维人员实时监控系统性能，快速定位和解决问题。例如，HoloInsight、DeepFlow、Nightingale和DolphinScheduler等产品在不同的业务环境中发挥作用，如滴滴的夜莺Nightingale系统在云原生生态中集成了数据采集、可视化、监控告警等功能，提供了一站式的解决方案。\n\n### 推广与实践：\n在实践中，RAG系统不仅受到互联网大厂的青睐，也逐渐在政府部门的政策制定、公共数据管理等方面发挥作用。例如，东营市和青岛市发布的公共数据授权运营管理办法，以及《山东省政务数据资源管理办法》和《贵州省政务数据资源管理办法》等法规文件，都提到了在公共数据管理中引入RAG系统的重要性，以提升数据治理和数据价值的挖掘能力。\n\n### 总结：\nRAG系统作为现代云计算和数据中心管理的重要组成部分，通过集成的数据采集、分析和告警功能，显著提升了系统的可观测性和管理效率。它们在多个行业中得到了广泛应用，不仅在企业内部支持高效的运维工作，也在政策制定层面推动了公共数据的合理利用和管理。",
|
||
"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，这可能涉及到多个方面的知识，包括RAG系统在不同领域的应用、组成、工作原理等。为了全面回答这个问题，可能需要生成多个子查询来收集相关信息并整合成一个完整的答案。"
|
||
},
|
||
"is_complex_query": true,
|
||
"iterations": 1,
|
||
"total_passages": 39,
|
||
"sub_queries": [
|
||
"什么是RAG系统？",
|
||
"什么是RAG系统？",
|
||
"RAG系统是如何定义的？",
|
||
"RAG系统在哪些实际应用场景中被广泛应用？"
|
||
],
|
||
"decomposed_sub_queries": [
|
||
"什么是RAG系统？",
|
||
"什么是RAG系统？"
|
||
],
|
||
"sufficiency_check": {
|
||
"is_sufficient": false,
|
||
"confidence": 0.5,
|
||
"reason": "检索信息缺少某些关键内容，具体包括：1) 缺少关于RAG系统本身的详细定义；2) 缺少RAG系统在实际应用中的例子；3) 缺少RAG系统与其他技术或概念的关系等...",
|
||
"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": 5016,
|
||
"completion_tokens": 404,
|
||
"total_tokens": 5420
|
||
},
|
||
"total_usage": {
|
||
"prompt_tokens": 14709,
|
||
"completion_tokens": 720,
|
||
"total_tokens": 15429,
|
||
"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": "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": "RAG系统是如何定义的？",
|
||
"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": "RAG系统是如何定义的？",
|
||
"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": "RAG系统是如何定义的？",
|
||
"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": "RAG系统是如何定义的？",
|
||
"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": "RAG系统是如何定义的？",
|
||
"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": "RAG系统是如何定义的？",
|
||
"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": "RAG系统是如何定义的？",
|
||
"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": "RAG系统是如何定义的？",
|
||
"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": "RAG系统是如何定义的？",
|
||
"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": "RAG系统是如何定义的？",
|
||
"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": 0.051129852702481896,
|
||
"edge_score": 0.0,
|
||
"passage_score": 0.07746226,
|
||
"rank": 11,
|
||
"source": "hipporag2_langchain_text",
|
||
"evidence": "《混沌工程技术实践指南》.md",
|
||
"query": "RAG系统是如何定义的？",
|
||
"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": 0.05099032975590796,
|
||
"edge_score": 0.0,
|
||
"passage_score": 0.07724865,
|
||
"rank": 12,
|
||
"source": "hipporag2_langchain_text",
|
||
"evidence": "《混沌工程技术实践指南》.md",
|
||
"query": "RAG系统是如何定义的？",
|
||
"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": 0.050440007686612644,
|
||
"edge_score": 0.0,
|
||
"passage_score": 0.07641665,
|
||
"rank": 13,
|
||
"source": "hipporag2_langchain_text",
|
||
"evidence": "《混沌工程技术实践指南》.md",
|
||
"query": "RAG系统是如何定义的？",
|
||
"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广泛应用？",
|
||
"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广泛应用？",
|
||
"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广泛应用？",
|
||
"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广泛应用？",
|
||
"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广泛应用？",
|
||
"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广泛应用？",
|
||
"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广泛应用？",
|
||
"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广泛应用？",
|
||
"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广泛应用？",
|
||
"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广泛应用？",
|
||
"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": 0.03527425550611563,
|
||
"edge_score": 0.0,
|
||
"passage_score": 0.07081699500000001,
|
||
"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广泛应用？",
|
||
"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": 0.008695420387748343,
|
||
"edge_score": 0.0,
|
||
"passage_score": 0.07786295500000001,
|
||
"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广泛应用？",
|
||
"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": 0.008643900052755206,
|
||
"edge_score": 0.0,
|
||
"passage_score": 0.07740150500000001,
|
||
"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广泛应用？",
|
||
"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。",
|
||
"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。",
|
||
"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。"
|
||
],
|
||
"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",
|
||
"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"
|
||
],
|
||
"retrieval_path": "unknown",
|
||
"initial_retrieval_details": {},
|
||
"current_sub_queries": []
|
||
} |