978 lines
84 KiB
JSON
978 lines
84 KiB
JSON
|
{
|
|||
|
|
"query": "什么是rag系统",
|
|||
|
|
"answer": "RAG系统是指在特定领域中，通过集成数据采集、洞察分析、智能告警等功能的一站式可观测综合解决方案，旨在帮助用户清晰观测整个软件技术栈与业务状态。RAG系统通常包括以下几个核心组成部分：\n\n1. **数据采集**：收集系统运行过程中的各种指标、追踪信息以及日志数据。\n2. **洞察分析**：通过对采集的数据进行深度分析，揭示系统性能、稳定性、安全性等方面的潜在问题。\n3. **智能告警**：基于分析结果，设置智能告警机制，当系统状态偏离正常范围时，及时通知相关人员进行处理。\n\n### RAG系统的工作原理与实现：\n\n- **数据集成**：RAG系统通过集成各种数据源，如日志、监控指标、API调用记录等，形成全面的系统视图。\n- **实时分析**：运用实时分析技术，对数据进行快速处理和分析，以实时反映系统状态。\n- **智能算法**：借助机器学习和人工智能算法，预测潜在问题，实现故障的早期发现和预防。\n- **可视化展示**：通过图表、仪表盘等形式，直观展示系统状态和分析结果，方便用户理解与操作。\n\n### RAG系统在哪些领域或行业中的应用：\n\nRAG系统广泛应用于云计算、金融科技、互联网服务、物联网等多个领域。具体包括但不限于：\n\n- **云计算**：帮助云服务提供商监控和管理基础设施、应用和服务的健康状况。\n- **金融科技**：金融机构利用RAG系统监测交易系统、支付系统等关键业务的稳定性和安全性。\n- **互联网服务**：互联网公司通过RAG系统优化用户体验，提升服务质量和可靠性。\n- **物联网**：物联网设备和系统的监控与管理，确保设备的正常运行和数据的实时传输。\n\n### 如何帮助用户观测软件技术栈与业务状态：\n\n- **全面监控**：提供对软件技术栈（包括硬件、操作系统、中间件、应用等）和业务层面的全方位监控。\n- **实时反馈**：通过实时监控和智能告警，迅速响应系统异常，减少停机时间和数据损失。\n- **深度分析**：利用洞察分析功能，挖掘深层次的系统性能瓶颈和安全风险，指导优化决策。\n- **预测与预防**：基于历史数据和趋势分析，预测系统可能出现的问题，提前采取预防措施。\n\n### 总结：\n\nRAG系统作为一种先进的可观测性解决方案，通过集成的数据采集、深入的分析以及实时的告警机制，显著提升了用户对软件技术栈和业务状态的监控与管理能力。其在云计算、金融科技、互联网服务、物联网等领域的广泛应用，不仅提升了系统的稳定性和安全性，也为业务的持续增长提供了坚实的技术支撑。",
|
|||
|
|
"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。RAG系统可能涉及多个方面，包括其原理、应用领域、技术构成等。因此，需要生成多个子查询来全面回答这个问题，例如询问RAG系统的具体工作原理、在哪些行业应用、主要技术组件等。"
|
|||
|
|
},
|
|||
|
|
"is_complex_query": true,
|
|||
|
|
"iterations": 1,
|
|||
|
|
"total_passages": 47,
|
|||
|
|
"sub_queries": [
|
|||
|
|
"什么是RAG系统？",
|
|||
|
|
"RAG系统的工作原理是什么？",
|
|||
|
|
"RAG系统定义是什么？它在哪些领域或行业中被广泛应用？",
|
|||
|
|
"RAG系统的工作原理是如何实现的？它如何帮助用户观测软件技术栈与业务状态？"
|
|||
|
|
],
|
|||
|
|
"decomposed_sub_queries": [
|
|||
|
|
"什么是RAG系统？",
|
|||
|
|
"RAG系统的工作原理是什么？"
|
|||
|
|
],
|
|||
|
|
"sufficiency_check": {
|
|||
|
|
"is_sufficient": false,
|
|||
|
|
"confidence": 0.5,
|
|||
|
|
"reason": "检索信息中未明确提及RAG系统的具体定义、工作原理、应用场景等关键信息，因此不足以完整回答用户关于RAG系统的查询。",
|
|||
|
|
"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": 5476,
|
|||
|
|
"completion_tokens": 566,
|
|||
|
|
"total_tokens": 6042
|
|||
|
|
},
|
|||
|
|
"total_usage": {
|
|||
|
|
"prompt_tokens": 66856,
|
|||
|
|
"completion_tokens": 3755,
|
|||
|
|
"total_tokens": 70611,
|
|||
|
|
"call_count": 24
|
|||
|
|
},
|
|||
|
|
"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": "什么是rag系统",
|
|||
|
|
"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": "什么是rag系统",
|
|||
|
|
"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": "什么是rag系统",
|
|||
|
|
"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": "什么是rag系统",
|
|||
|
|
"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": "什么是rag系统",
|
|||
|
|
"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": "什么是rag系统",
|
|||
|
|
"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": "什么是rag系统",
|
|||
|
|
"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": 0.04457818584077626,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.073382085,
|
|||
|
|
"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": "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系统定义是什么？它在哪些领域或行业中被广泛应用？",
|
|||
|
|
"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系统定义是什么？它在哪些领域或行业中被广泛应用？",
|
|||
|
|
"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": 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系统定义是什么？它在哪些领域或行业中被广泛应用？",
|
|||
|
|
"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系统定义是什么？它在哪些领域或行业中被广泛应用？",
|
|||
|
|
"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系统定义是什么？它在哪些领域或行业中被广泛应用？",
|
|||
|
|
"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系统定义是什么？它在哪些领域或行业中被广泛应用？",
|
|||
|
|
"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系统定义是什么？它在哪些领域或行业中被广泛应用？",
|
|||
|
|
"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系统定义是什么？它在哪些领域或行业中被广泛应用？",
|
|||
|
|
"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系统定义是什么？它在哪些领域或行业中被广泛应用？",
|
|||
|
|
"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系统定义是什么？它在哪些领域或行业中被广泛应用？",
|
|||
|
|
"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": 0.05062161977576201,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.07722758,
|
|||
|
|
"rank": 11,
|
|||
|
|
"source": "hipporag2_langchain_text",
|
|||
|
|
"evidence": "《混沌工程技术实践指南》.md",
|
|||
|
|
"query": "RAG系统定义是什么？它在哪些领域或行业中被广泛应用？",
|
|||
|
|
"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": 0.05030949861696896,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.07674916500000001,
|
|||
|
|
"rank": 12,
|
|||
|
|
"source": "hipporag2_langchain_text",
|
|||
|
|
"evidence": "《混沌工程技术实践指南》.md",
|
|||
|
|
"query": "RAG系统定义是什么？它在哪些领域或行业中被广泛应用？",
|
|||
|
|
"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": 0.050220301375908,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.076614845,
|
|||
|
|
"rank": 13,
|
|||
|
|
"source": "hipporag2_langchain_text",
|
|||
|
|
"evidence": "《混沌工程技术实践指南》.md",
|
|||
|
|
"query": "RAG系统定义是什么？它在哪些领域或行业中被广泛应用？",
|
|||
|
|
"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": 9.677533661185788e-08,
|
|||
|
|
"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系统的工作原理是如何实现的？它如何帮助用户观测软件技术栈与业务状态？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "组织为顺利完成零信任战略实施需提供保障措施",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "a8025588f491624f93a05f3d00e9d8bc6bfabe27849d93c0a7e6d4af56a193b5",
|
|||
|
|
"graph_node_id": "a8025588f491624f93a05f3d00e9d8bc6bfabe27849d93c0a7e6d4af56a193b5",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 8.530278580732463e-08,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 2,
|
|||
|
|
"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系统的工作原理是如何实现的？它如何帮助用户观测软件技术栈与业务状态？",
|
|||
|
|
"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": 6.074736821040184e-08,
|
|||
|
|
"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系统的工作原理是如何实现的？它如何帮助用户观测软件技术栈与业务状态？",
|
|||
|
|
"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": 5.657475274005974e-08,
|
|||
|
|
"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系统的工作原理是如何实现的？它如何帮助用户观测软件技术栈与业务状态？",
|
|||
|
|
"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": 5.4951594498737656e-08,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 5,
|
|||
|
|
"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系统的工作原理是如何实现的？它如何帮助用户观测软件技术栈与业务状态？",
|
|||
|
|
"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": 4.5099239279794966e-08,
|
|||
|
|
"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系统的工作原理是如何实现的？它如何帮助用户观测软件技术栈与业务状态？",
|
|||
|
|
"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": 4.38670196101888e-08,
|
|||
|
|
"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系统的工作原理是如何实现的？它如何帮助用户观测软件技术栈与业务状态？",
|
|||
|
|
"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": 4.298229306881708e-08,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 8,
|
|||
|
|
"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系统的工作原理是如何实现的？它如何帮助用户观测软件技术栈与业务状态？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "按计划部署",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "597cef3ac2af04dbf4532f5f5a2bc5bfa762a06ab0f90626fddac7f0aaeecdb3",
|
|||
|
|
"graph_node_id": "597cef3ac2af04dbf4532f5f5a2bc5bfa762a06ab0f90626fddac7f0aaeecdb3",
|
|||
|
|
"node_type": "event",
|
|||
|
|
"ppr_score": 3.919071591079128e-08,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 9,
|
|||
|
|
"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系统的工作原理是如何实现的？它如何帮助用户观测软件技术栈与业务状态？",
|
|||
|
|
"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": 3.644673178069653e-08,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.0,
|
|||
|
|
"rank": 10,
|
|||
|
|
"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系统的工作原理是如何实现的？它如何帮助用户观测软件技术栈与业务状态？",
|
|||
|
|
"pagerank_available": true
|
|||
|
|
}
|
|||
|
|
},
|
|||
|
|
{
|
|||
|
|
"page_content": "### 2.定级时间随机能力 为了便于衡量应用系统对不同业务场景的时间随机水平，需要进 行时间随机能力定级，我们结合证券类应用的运行特点，将时间随机 能力定为如下4 个等级。 任意时间随机。指系统具有非常强的双随机能力，可以在任意时 间注入故障，业务可以确保无损或及时恢复； 交易日特定时间随机。指系统具有较强的双随机能力，考虑到故障的影响等因素，可以在交易日的特定时间段注入故障，业务可以确保无损或及时恢复。 非交易日随机。指系统具备双随机能力，考虑到故障的影响等因素，可以在非交易日注入故障，业务可以确保无损或及时恢复。 不支持随机。指系统不具备随机能力，一旦故障出现，会导致业 务异常或者无法快速恢复。 ### 3.构建成熟度模型 管理学大师德鲁克曾经说过,如果你无法度量它,就无法管理它, 进而无法进行有效的改进。双随机成熟度模型可以客观检验和评价业 务系统在时间、场景不固定情况下的风险防控能力。 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。",
|
|||
|
|
"metadata": {
|
|||
|
|
"node_id": "48315127d15ebfb940f8e9eb02efb44a8b024d1721c6f7c87a771f47d9471754",
|
|||
|
|
"node_type": "text",
|
|||
|
|
"ppr_score": 0.04834817534893351,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.076437845,
|
|||
|
|
"rank": 11,
|
|||
|
|
"source": "hipporag2_langchain_text",
|
|||
|
|
"evidence": "《混沌工程技术实践指南》.md",
|
|||
|
|
"query": "RAG系统的工作原理是如何实现的？它如何帮助用户观测软件技术栈与业务状态？",
|
|||
|
|
"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": 0.03848952173467357,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.07964992500000001,
|
|||
|
|
"rank": 12,
|
|||
|
|
"source": "hipporag2_langchain_text",
|
|||
|
|
"evidence": "《混沌工程技术实践指南》.md",
|
|||
|
|
"query": "RAG系统的工作原理是如何实现的？它如何帮助用户观测软件技术栈与业务状态？",
|
|||
|
|
"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": 0.010188984093074201,
|
|||
|
|
"edge_score": 0.0,
|
|||
|
|
"passage_score": 0.07920823500000002,
|
|||
|
|
"rank": 13,
|
|||
|
|
"source": "hipporag2_langchain_text",
|
|||
|
|
"evidence": "《混沌工程技术实践指南》.md",
|
|||
|
|
"query": "RAG系统的工作原理是如何实现的？它如何帮助用户观测软件技术栈与业务状态？",
|
|||
|
|
"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。",
|
|||
|
|
"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",
|
|||
|
|
"组织为顺利完成零信任战略实施需提供保障措施",
|
|||
|
|
"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",
|
|||
|
|
"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》。",
|
|||
|
|
"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）》。",
|
|||
|
|
"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》。",
|
|||
|
|
"制定分布实施计划",
|
|||
|
|
"按计划部署",
|
|||
|
|
"进行测试评估模型验证。",
|
|||
|
|
"### 2.定级时间随机能力 为了便于衡量应用系统对不同业务场景的时间随机水平，需要进 行时间随机能力定级，我们结合证券类应用的运行特点，将时间随机 能力定为如下4 个等级。 任意时间随机。指系统具有非常强的双随机能力，可以在任意时 间注入故障，业务可以确保无损或及时恢复； 交易日特定时间随机。指系统具有较强的双随机能力，考虑到故障的影响等因素，可以在交易日的特定时间段注入故障，业务可以确保无损或及时恢复。 非交易日随机。指系统具备双随机能力，考虑到故障的影响等因素，可以在非交易日注入故障，业务可以确保无损或及时恢复。 不支持随机。指系统不具备随机能力，一旦故障出现，会导致业 务异常或者无法快速恢复。 ### 3.构建成熟度模型 管理学大师德鲁克曾经说过,如果你无法度量它,就无法管理它, 进而无法进行有效的改进。双随机成熟度模型可以客观检验和评价业 务系统在时间、场景不固定情况下的风险防控能力。 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。",
|
|||
|
|
"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": [
|
|||
|
|
"子查询1-event-837914fd192ce24405e505d00bacfc4e7d67581c480a792eab1735ae40034a53",
|
|||
|
|
"子查询1-event-fa2178eade20caa6435d7969d7e4fc292ae8594fd60266456e076d560770721e",
|
|||
|
|
"子查询1-event-52d7ba687569c10025742eed85ffc69d28886cb9a8c5c4403180d85ab77267b2",
|
|||
|
|
"子查询1-event-8fadaeeb758ccced65c64b80e2315c1af34ebbbc0b03fcd7535828960b29b20c",
|
|||
|
|
"子查询1-event-ccefc8edd9ac190647aaade05325e68f3773c8575a58f689512b7661524ca029",
|
|||
|
|
"子查询1-event-71c47e73feef6d66dc478cad69c4ad58a0b3ecfd04f09a1b00fa42decb9e9294",
|
|||
|
|
"子查询1-event-df605b303a0d8bb54f4aeac641c0dcf0c128e34c544e0193d9c8bfa9e7719d9f",
|
|||
|
|
"子查询1-event-3bf8041501694e4cb799bdd944dc7cdb9d70423f7339d81cb2bfee76e1de7052",
|
|||
|
|
"子查询1-event-4f7f0c1c613764a8dccb6df4fb8a4cdd531c5145f8f981b32a705780630a9e76",
|
|||
|
|
"子查询1-event-e37fe0b847647fbfb6116faa77736c145ab7584878ae380318c88685999901cc",
|
|||
|
|
"子查询1-text-dd5197f51f6021ef9044b96b2fa07a0729111c6e048f0c24449cbf6be6369ec5",
|
|||
|
|
"子查询1-text-7ddb41a16d2c78b1aa5d3524ba9b717ee8a0f32b54947624fa1785987747b161",
|
|||
|
|
"子查询1-text-28bc0692b60ed668688fd58d9c5163a6e923a177125a5782164888844e061a2e",
|
|||
|
|
"原始查询-event-0d3d869ec37f825c33eefbbeb73d0a25e100c5e9a1e1ec06e086f286057943ea",
|
|||
|
|
"原始查询-event-597cef3ac2af04dbf4532f5f5a2bc5bfa762a06ab0f90626fddac7f0aaeecdb3",
|
|||
|
|
"原始查询-event-006db96629b2e82ec2fc7a652f775df4173c1c31dfde02e96a72a55f3be91d91",
|
|||
|
|
"原始查询-event-71324bbe38be7dc2f579536f22143c3d8f0deadec318e634492f597d7d0badfd",
|
|||
|
|
"原始查询-event-a4bfec0430a945b451f4d2a4d56638ad0d75304d4f47c9441f745cf3b1a268b1",
|
|||
|
|
"原始查询-event-0f5d8bb9a91217c45c257bc473f63cb729fe03b41c4573d523459fa2af6dc7bd",
|
|||
|
|
"原始查询-event-4c975a923b633c445c92b3b66acf1719602314d1ef6cf8dedd1aab5f28c3ce04",
|
|||
|
|
"原始查询-text-5f593c4a4c8b89a95644375ee4952d1a4acc08146262cb3a56d5376db5ee1713",
|
|||
|
|
"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": []
|
|||
|
|
}
|