CN107705149A - 数据实时监控方法、装置、终端设备及存储介质 - Google Patents
数据实时监控方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN107705149A CN107705149A CN201710865962.7A CN201710865962A CN107705149A CN 107705149 A CN107705149 A CN 107705149A CN 201710865962 A CN201710865962 A CN 201710865962A CN 107705149 A CN107705149 A CN 107705149A
- Authority
- CN
- China
- Prior art keywords
- data
- business datum
- standard deviation
- service data
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
Abstract
本发明公开了一种数据实时监控方法、装置、设备及存储介质。该数据实时监控方法,包括:获取数据监控指令,所述数据监控指令包括当前时间、预设期限和监控指标;基于所述数据监控指令获取参考业务数据,所述参考业务数据具体为当前时间以前所述预设期限内的与所述监控指标相对应的历史业务数据;基于所述参考业务数据获取历史基线值;获取与所述监控指标相对应的当前业务数据;基于所述当前业务数据和所述历史基线值,获取监控结果。该数据实时监控方法能够对数据进行实时监控,提高系统可靠性和异常数据预警能力。
Description
技术领域
本发明涉及数据监控领域,尤其涉及一种数据实时监控方法、装置、终端设备及存储介质。
背景技术
随着市场经济的发展,企业之间的竞争也越来越激烈,为了提高企业的竞争力,企业通过对历史业务数据进行大数据分析,以便对企业实时采集的当前业务数据进行比较,从而分析企业的业务发展趋势。当前数据监控过程中,采集企业在任一预设时间段的当前业务数据与往年相应相间段的历史业务数据进行同比比较,以判断当前业务数据是否存在异常;或者采用企业在任一预设时间段的当前业务数据与相邻时间段的历史业务数据进行环比比较,以判断当前业务数据是否存在异常。当前数据监控过程中,需采集一时间段的历史业务数据和当前业务数据,使得数据监控过程中存在滞后性,无法实现对任一天的当前业务数据进行实时监控。
发明内容
本发明实施例提供一种数据实时监控方法、装置、终端设备及存储介质,以解决无法实现对业务数据进行实时监控的问题。
第一方面,本发明实施例提供一种数据实时监控方法,包括:
获取数据监控指令,所述数据监控指令包括当前时间、预设期限和监控指标;
基于所述数据监控指令获取参考业务数据,所述参考业务数据具体为当前时间以前所述预设期限内的与所述监控指标相对应的历史业务数据;
基于所述参考业务数据获取历史基线值;
获取与所述监控指标相对应的当前业务数据;
基于所述当前业务数据和所述历史基线值,获取监控结果。
第二方面,本发明实施例提供一种数据实时监控装置,包括:
数据监控指令获取模块,用于获取数据监控指令,所述数据监控指令包括当前时间、预设期限和监控指标;
参考业务数据获取模块,用于基于所述数据监控指令获取参考业务数据,所述参考业务数据具体为当前时间以前所述预设期限内的与所述监控指标相对应的历史业务数据;
历史基线值获取模块,用于基于所述参考业务数据获取历史基线值;
当前业务数据获取模块,用于获取与所述监控指标相对应的当前业务数据;
监控结果获取模块,用于基于所述当前业务数据和所述历史基线值,获取监控结果。
第三方面,本发明实施例提供一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述数据实时监控方法的步骤。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述数据实时监控方法的步骤。
本发明实施例提供的数据实时监控方法、装置、设备及存储介质中,通过数据监控指令获取参考业务数据,该参考业务数据包括时间标注并按照预设期限进行限定的携带时序状态的历史业务数据,从而增加获取的参考业务数据的时序性,提高数据监控的实时性。基于参考业务数据获取历史基线值,以使获取到的作为参考依据的历史基线值更具有客观性。再基于历史基线值和当前业务数据获取监控结果,从而实现对当前业务数据的实时、客观的监控,保证监控结果的客观性和实时性,提高数据监控的准确率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例1中数据实时监控方法的一流程图。
图2是图1中步骤S20的一具体流程图。
图3是图1中步骤S30的一具体流程图。
图4是图3中步骤S32的一具体流程图。
图5是图1中步骤S50的一具体流程图。
图6是本发明实施例2中数据实时监控装置的一原理框图。
图7是本发明实施例4中终端设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
图1示出本实施例中数据实时监控方法的流程图。该数据实时监控方法应用在银行、证券、保险等金融机构或者其他机构配置的终端设备上,用于对银行、证券、保险等金融机构或者其他机构在生产经营过程中形成的数据进行实时监控,以判断该数据是否异常。如图1所示,该数据实时监控方法包括如下步骤:
S10:获取数据监控指令,数据监控指令包括当前时间、预设期限和监控指标。
其中,数据监控指令是指用于控制终端执行数据监控的指令。当前时间是终端设备的系统时间。预设期限是预先设定好的用于划分带有时序状态的业务数据的期限,该预设期限可以是1个月、2个月、半年或者其他期限值。监控指标是指所要监控的业务数据的指标,该监控指标可对应一具体业务数据,该具体业务数据包括但不限于数据库连接池、交易金额、交易笔数和交易响应时间等数据。终端设备在获取数据监控指令后,可针对性地对具体业务数据进行监控。
S20:基于数据监控指令获取参考业务数据,参考业务数据具体为当前时间以前预设期限内的与监控指标相对应的历史业务数据。
其中,历史业务数据是金融机构或其他机构在生产经营过程中形成的业务数据。本实施例中,该历史业务数据包括但不限于存储在Oracle、Hive、Hadoop、Hbase等数据库的数据库连接池、交易金额、交易笔数和交易响应时间等业务数据。终端设备在获取数据监控指令后,可基于该数据监控指令获取当前时间以前预设期限内的与监控指标相对应的历史业务数据,作为参考业务数据。
具体地,参考业务数据具体为当前时间以前预设期限内的与监控指标相对应的历史业务数据,说明本实施例中采用时序方式确定参考业务数据。即若预设期限为T,当前时间为预测的第一天,则将预测的第一天以前过去T时间内的历史业务数据作为参考业务数据;若当前时间为预测的第二天,则将预测的第一天以及过去T-1天内的历史业务数据作为参考业务数据。如预设期限为1个月,当前时间为7月15日,以7月15日当日为预测的第一天,则其参考业务数据为6月15日-7月14日这1个月的历史业务数据。这种“滚动”方式确定参考业务数据,可使得参考业务数据的时序性更强,使其参考意义更强,更接近当前市场行情,有利增加监控结果的准确率。
在一具体实施方式中,步骤S20中,基于数据监控指令获取参考业务数据具体包括如下步骤:
S21:基于数据监控指令,获取与监控指标相对应的所有历史业务数据。
每一数据监控指令中对应的监控指标包括一个或多个,该监控指标对应于数据库连接池、交易金额、交易笔数和交易响应时间等具体业务数据。历史业务数据是金融机构或其他机构在生产经营过程中形成的数据库连接池、交易金额、交易笔数和交易响应时间等业务数据,该历史业务数据按形成时间依序存储在Oracle、Hive、Hadoop、Hbase等数据库。在步骤S21中,终端设备接收到数据监控指令后,会基于数据监控指令中的监控指标,采用数据库查询指令,以监控指标为查询字段,获取与监控指标相对应的所有历史业务数据。若数据监控指令中的监控指标为交易金额,则步骤S21中获取的与监控指标相对应的所有历史业务数据为与交易金额相对应的所有交易金额数据,以从数据库海量的交易金额中选取出所要监控的交易金额数据,以保证数据监控的针对性,并提高数据监控的处理效率。
S22:从所有历史业务数据中提取当前时间以前并与预设期限相对应的历史业务数据,以获得参考业务数据。
其中,当前时间为终端设备的系统时间,预设期限是预先设定好的用于划分带时序状态的业务数据的期限,可根据当前时间和预设期限确定从所有历史业务数据中选取部分的历史业务数据作为参考业务数据。以上述获取的所有交易金额数据为例,若当前时间为7月15日,预设期限为1个月,则获取到的参考业务数据就是6月15日到7月14日这一个月内的交易金额数据。
进一步地,该数据实时监控方法中,步骤S20之前,还包括对历史业务数据进行加工处理,以减少步骤S22中获取的参考业务数据中的数据量,有利于提高后续进行数据监控的监控效率。具体地,对历史业务数据进行加工处理是指将历史业务数据依据单位时间进行分组,获取多个数据组;再计算获取各个数据组的数据平均值,并将获取到的数据平均值存储在Oracle、Hive、Hadoop、Hbase等数据库中,作为相应的历史业务数据。以交易金额为例,金融机构或其他机构在生产经营过程中每分每秒均可能形成一与交易金额相关的历史业务数据,在对历史业务数据进行加工处理时,将历史业务数据按预设的单位时间(如10min)划分成多个数据组,再计算每一数据组的数据平均值,将该数据平均值更新为新的历史业务数据,有利于后续利用该历史业务数据进行数据监控时节省计算量,提高处理效率。
在一具体实施例中,若当前时间是7月15日10点20分,取交易时间段为前后12小时,以7月15日为预测的第一天,采集预设时间段为1个月(6月15日10点20分-7月14日10点20分)的历史业务数据,监控指标为交易金额,按单位时间为5min对历史交易金额数据进行分组,形成多个数据组,则30天内获得的原始交易金额数据为30*24*60=43200,43200表示交易金额这个指标当前这分钟所需要的历史业务数据,43200/5=8640为历史交易金额数据按单位时间为5min进行分组后得到的数据组,通过对每组数据组中的历史业务数据的平均值进行计算,并将该平均值作为该数据组对应的历史业务数据,有利于节省后续基于历史业务数据进行计算的计算量。
本实施例中,历史业务数据可以为结构化数据、半结构化数据或非结构化数据数据。其中,结构化数据可以以二维表形式存储在关系型数据库和NoSQL数据库中任一数据库中,半结构化和非结构化数据可以日志文件形式存储在服务器中。本实施例中,日志文件包括但不限于交易报文,交易记录,响应时间,数据库连接池等日志文件,这些日志文件是用户通过终端设备(包括手机、PC和平板等)访问网站所形成的日志文件。存储在数据库中的数据可以使用开放数据库连接(Open Database Connectivity,简称ODBC)或java数据库连接(Java DataBase Connectivity,简称JDBC)中任一种方法来获取,日志文件可以采用任一个日志采集工具来获取,并采用日志采集工具将半结构化数据或非结构化数据转换为结构化数据,然后存储到关系型数据库和NoSQL数据库中任一数据库中,以便后续利用时可直接采用数据库查询语句进行获取,简化参考业务数据的获取过程。参考业务数据获取过程中选取当前时间以前与预设期限相对应的历史业务数据,简化了对所有历史业务数据处理的复杂性,同时确保了监控指标对应的历史数据的实时性。
S30:基于参考业务数据获取历史基线值。
其中,历史基线值是基于参考业务数据形成的数值范围,该数值范围是评价与监控指标对应的其他数据是否异常的参考依据。由于该历史基线值是基于金融机构或其他机构生产经营过程中形成的当前时间以前并与预设期限相对应的历史业务数据,具有一定的客观性和实时性,以该历史基线值作为参考依据,可更客观地了解金融机构或者其他机构的发展趋势,从而决定是否需要决策调整,优化生产经营活动。
参考业务数据包括但不限于包括数据库连接池、交易金额、交易笔数和交易响应时间等历史业务数据。基线历史值可以选取当前时间以前过去一个星期、半个月、一个月、一年甚至更久的预设期限内的历史业务数据进行计算。由于不同行业的正常交易时段不一致,因此不同行业确定参考业务数据的预设期限不相同。例如金融行业的股票交易时段为正常工作日;而服装行业的服装售卖交易时段则主要在非工作日;有的产品夏季交易量大;有的产品冬季交易量大,为了保证参考业务数据的实时性,一般选用最近半个月或者一个月的历史业务数据。
在一具体实施方式中,步骤S30中,基于参考业务数据获取历史基线值具体包括如下步骤:
S31:基于参考业务数据,获取参考业务数据对应的平均值和标准差。
其中,平均值具体为算数平均值,算数平均值为所有数据之和与数据总个数的商值,平均值可以集中呈现变量的整体状态。标准差具体为各数据偏离平均数的距离的平均数,是一组数据平均值分散程度的一种度量,一个较大的标准差,代表数据中大部分数值和数据的平均值之间差异较大;一个较小的标准差,代表数据中大部分数值较接近数据的平均值,标准差可以当作不确定性的一种测量。
在获得参考业务数据后,对参考业务数据进行平均值和标准差的计算,平均值μ的计算公式如下:其中,n为参考业务数据的个数,i的取值为1到n,xi为参考业务数据中的任一项数据。标准差σ的计算公式如下:其中,N为参考业务数据的个数,i的取值为1-N,xi为参考业务数据中的任一项数据,μ为参考业务数据的平均值。
S32:基于平均值和标准差,获取历史基线值。
具体地,历史基线值是基于参考业务数据对应的平均值和标准差形成的数值范围,该数值范围是评价与监控指标对应的其他数据是否异常的参考依据。本实施例中,历史基线值划分至少两个基线范围,每一基线范围对应一数据状态。其中,基线范围包括上限值和下限值,上限值为基线范围的最大值,下限值为基线范围的最小值。数据状态为数据对应的状态,根据数据可能出现的状态可划分为正常状态、普通告警状态、重要告警状态和严重告警状态等状态,用于评价数据是否正常或是否稳定。
在一具体实施方式中,步骤S32中,基于平均值和标准差,获取历史基线值具体包括如下步骤:
S321:获取标准差与标准差系数的标准差乘积。
其中,标准差系数为正数,可以为正整数,也可以是正分数。将标准差与标准差系数相乘,即可获取对应的标准差乘积。本实施例中,设标准差系数为k,则步骤S321中获取的标准差乘积为k*σ。
S322:基于平均值和标准差乘积的和值,确定一基线范围的上限值。
基线范围的上限值是基线范围的最大值,基线范围的上限值依赖于相应的历史业务数据的平均值和标准差,具体计算方法为平均值和标准差乘积之和。例如交易金额数据的平均值是μ、标准差是σ、标准差系数为k,则交易金额数据所对应的基线值的上限值为μ+k*σ。每一基线范围的上限值可将历史基线值划分成两个基线范围,对应不同的数据状态。
S323:基于平均值和标准差乘积的差值,确定一基线范围的下限值。
基线范围的下限值是基线范围的最小值,基线范围的下限值依赖于相应的历史业务数据的平均值和标准差,具体计算方法为平均值和标准差乘积之差。例如交易金额数据的平均值是μ、标准差是σ、标准差系数为k,则交易金额数据所对应的基线值的下限值为μ-k*σ。每一基线范围的下限值可将历史基线值划分成两个基线范围,对应不同的数据状态。
可以理解地,基线范围的上限值和下限值的计算过程中,标准差系数取值越大,基线范围越大。设基于参考业务数据计算出的平均值为μ、标准差为σ、标准差系数为k,则该参考业务数据对应的历史基线值中任一基线范围的上限值为μ+k*σ,下限值为μ-k*σ,由于标准差系数较大的基线范围包含标准差系数较小的基线范围,为更清楚展示不同基线范围对应的数据状态,需将标准差系数较小的基线范围从标准差较大的基线范围中删除,以确定任一基线范围为:[[μ-k*σ,μ-(k-1)*σ],[μ+(k-1)*σ,μ+k*σ]]。
本实施例中,若每一基线范围对应一数据状态,该数据状态包括但不限于正常状态、普通告警状态、重要告警状态和严重告警状态等状态。当k取1时,基线范围为:[[μ-σ,μ],[μ,μ+σ]],即[μ-σ,μ+σ],该基线范围最接近于参考业务数据对应的平均值,确定该基线范围对应的数据状态为正常状态。当k取2时,基线范围为:[[μ-2σ,μ-σ],[μ+σ,μ+2σ]],该基线范围接近正常状态,确定该基线范围对应的数据状态为普通告警状态。当k取3时,基线范围为:[[μ-3σ,μ-2σ],[μ+2σ,μ+3σ]],该基线范围接近普通状态,确定该基线范围对应的数据状态为重要告警状态,并定义K取3值获取到的基线范围以外的数据状态为严重警告状态。
S40:获取与监控指标相对应的当前业务数据。
具体地,监控指标是指所要监控的业务数据的指标,该监控指标可对应数据库连接池、交易金额、交易笔数、交易响应时间等具体业务数据。当前业务数据为需要进行监控的业务数据,可以表现为与监控指标相对的具体数值。如本实施例中确定的监控指标为交易金额,则与交易金额这一监控指标相对应的当前业务数据为该所要监控的交易金额的具体数值。
S50:基于当前业务数据和历史基线值,获取监控结果。
其中,监控结果是通过历史基线值对应当前业务数据进行监控分析后获得的结果。由于当前业务数据与监控指标相对应,而历史基线值是基于与监控指标相对应的历史业务数据进行计算后获取,使得当前业务数据与历史基线值具有可比性。本实施例中,历史基线值包括至少两个基线范围,且每一基线范围对应一数据状态,因此可基于当前业务数据与至少两个基线范围进行比较,根据比较结果确定该当前业务数据对应的数据状态,并将该数据状态作为监控结果数据。
在一具体实施方式中,步骤S50中,基于当前业务数据和历史基线值,获取监控结果具体包括如下步骤:
S51:基于当前业务数据,获取与当前业务数据相对应的目标基线范围。
其中,目标基线范围是包含当前业务数据的基线范围。由于基于各个监控指标的参考业务数据计算出的历史基线值不同,其对应的基线范围不同,在步骤S51中基于当前业务数据获取对应的目标基线范围时,需将当前业务数据与任一基线范围[[μ-k*σ,μ-(k-1)*σ],[μ+(k-1)*σ,μ+k*σ]]进行比较,确定当前业务数据所在的基线范围作为目标基线范围。
S52:基于目标基线范围对应的数据状态,获取监控结果。
具体地,在获取当前业务数据对应的目标基线范围后,将目标基线范围对应的数据状态作为所要获取的监控结果,以使监控结果可清楚展示当前业务数据对应数据状态,以便金融机构或者其他机构中管理人员可基于监控结果进行决策调整,有利于提高金融机构或者其他机构的经营效益。
步骤S52中,在基于当前业务数据确定对应的目标基线范围后,依据当前业务数据所处的目标基线范围的数据状态判断当前业务数据是否异常,还可进一步判断数据所处系统是否稳定。本实施例中,若数据状态包括但不限于正常状态、普通告警状态、重要告警状态和严重告警状态等状态,可以将除正常状态以外的数据状态认定为异常。若当前业务数据对应的目标基线范围的数据状态为正常状态,则认为当前业务数据正常,进而确定当前业务数据所处系统稳定。若当前业务数据对应的目标基线范围的数据状态为普通告警状态、重要告警状态和严重告警状态等状态,则判定当前业务数据异常,当前业务数据所处系统的稳定性较弱,使其形成的监控结果中包含相关内容。
对于庞大的参考业务数据,进行数据监控时采用Spark这一计算引擎进行历史基线值计算。Spark是一个通用引擎,可用来完成SQL查询、文本处理、机器学习等运算,适用于数据分析与机器学习等需要迭代的MapReduce的算法中。Spark启用了内存分布数据集,除了能够提供交互式查询外,Spark还可以优化迭代工作负载,实现秒级、可持续的故障智能预警功能,比如监控交易、数据库连接池、响应时间和系统稳定性等存在异常,即将获取的当前业务数据与计算出的历史基线值进行比较,得到对应的监控结果。
在一具体实施方式中,步骤S10中获取的数据监控指令可以是定时触发指令,使得该数据监控指令不仅包括当前时间、预设期限和监控指标,还包括触发时间点和监控邮箱。步骤S50中获取监控结果之后还包括:将监控结果发送给监控邮箱。
其中,触发时间点是用于触发终端设备执行该数据监控指令以对当前业务数据进行监控的时间点。触发时间点的设置,可使数据监控可按既定的时间执行,无需人为监控,有利于提高监控效率。监控邮箱是预先设置的用于获取监控结果的邮箱,以使监控邮箱对应的人员可离线获取监控邮箱中的监控结果,无需进行人工监控,有利于提高监控效率。
本实施例所提供的数据实时监控方法中,通过数据监控指令获取到参考业务数据,该参考业务数据包括时间标注并按照预设期限进行限定的携带时序状态的历史业务数据,从而增加获取的参考业务数据的时序性,提高数据监控的实时性。基于参考业务数据获取历史基线值,以使获取到的作为参考依据的历史基线值更具有客观性。再基于历史基线值和当前业务数据获取监控结果,从而实现对当前业务数据的实时、客观的监控,保证监控结果的客观性和实时性,提高数据监控的准确率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例2
图6示出与实施例1中数据实时监控方法一一对应的数据实时监控装置的原理框图。如图6所示,该数据实时监控装置包括数据监控指令获取模块10、参考业务数据获取模块20、历史基线值获取模块30、当前业务数据获取模块40和监控结果获取模块50。其中,数据监控指令获取模块10、参考业务数据获取模块20、历史基线值获取模块30、当前业务数据获取模块40和监控结果获取模块50的实现功能与实施例中数据监控方法对应的步骤一一对应,为避免赘述,本实施例不一一详述。
数据监控指令获取模块10,用于获取数据监控指令,数据监控指令包括当前时间、预设期限和监控指标。
参考业务数据获取模块20,用于基于数据监控指令获取参考业务数据,参考业务数据具体为当前时间以前预设期限内的与监控指标相对应的历史业务数据。
历史基线值获取模块30,用于基于参考业务数据获取历史基线值。
当前业务数据获取模块40,用于获取与监控指标相对应的当前业务数据。
监控结果获取模块50,用于基于当前业务数据和历史基线值,获取监控结果。
优选地,参考业务数据获取模块20包括历史业务数据获取单元21、参考业务数据获取单元22。
历史业务数据获取单元21,用于基于数据监控指令,获取与监控指标相对应的所有历史业务数据。
参考业务数据获取单元22,用于从所有历史业务数据中提取当前时间以前并与预设期限相对应的历史业务数据,以获得参考业务数据。
优选地,历史基线值获取模块30包括平均值和标准差获取单元31和历史基线值获取单元32。
平均值和标准差获取单元31,用于基于参考业务数据,获取参考业务数据对应的平均值和标准差。
历史基线值获取单元32,用于基于平均值和标准差,获取历史基线值。
优选地,平均值和标准差获取单元31包括标准差乘积获取子单元311、上限值确定子单元312和下限值确定子单元313。
标准差乘积获取子单元311,用于获取所述标准差与标准差系数的标准差乘积;
上限值确定子单元312,用于基于所述平均值和标准差乘积的和值,确定一所述基线范围的上限值;
下限值确定子单元313,用于基于所述平均值和标准差乘积的差值,确定一所述基线范围的下限值。
优选地,监控结果获取模块50包括目标基线范围获取单元51和监控结果获取单元52。
目标基线范围获取单元51,用于基于当前业务数据,获取与当前业务数据相对应的目标基线范围。
监控结果获取单元52,用于基于目标基线范围对应的数据状态,获取监控结果。
实施例3
本实施例提供一计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现实施例1中数据实时监控方法,为避免重复,这里不再赘述。或者,该计算机程序被处理器执行时实现实施例2中数据实时监控装置中各模块/单元的功能,为避免重复,这里不再赘述。
实施例4
图7是本实施例提供的终端设备的示意图。如图7所示,该实施例的终端设备70包括:处理器71、存储器72以及存储在存储器72中并可在处理器71上运行的计算机程序73。处理器71执行计算机程序73时实现实施例1中数据实时监控方法的各个步骤,例如图1所示的步骤S10、S20、S30、S40和S50。或者,处理器71执行计算机程序73时实现实施例2中数据实时监控装置各模块/单元的功能,例如图6所示数据监控指令获取模块10、参考业务数据获取模块20、历史基线值获取模块30、当前业务数据获取模块40和监控结果获取模块50的功能。
示例性的,计算机程序73可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器72中,并由处理器71执行,以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序73在终端设备70中的执行过程。例如,计算机程序73可以被分割成数据监控指令获取模块10、参考业务数据获取模块20、历史基线值获取模块30、当前业务数据获取模块40和监控结果获取模块50。
该终端设备70可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备可包括,但不仅限于,处理器71、存储器72。本领域技术人员可以理解,图7仅仅是终端设备70的示例,并不构成对终端设备70的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器71可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器72可以是终端设备70的内部存储单元,例如终端设备70的硬盘或内存。存储器72也可以是终端设备70的外部存储设备,例如终端设备70上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器72还可以既包括终端设备70的内部存储单元也包括外部存储设备。存储器72用于存储计算机程序以及终端设备所需的其他程序和数据。存储器72还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种数据实时监控方法,其特征在于,包括:
获取数据监控指令,所述数据监控指令包括当前时间、预设期限和监控指标;
基于所述数据监控指令获取参考业务数据,所述参考业务数据具体为当前时间以前所述预设期限内的与所述监控指标相对应的历史业务数据;
基于所述参考业务数据获取历史基线值;
获取与所述监控指标相对应的当前业务数据;
基于所述当前业务数据和所述历史基线值,获取监控结果。
2.如权利要求1所述的数据实时监控方法,其特征在于,所述基于所述数据监控指令获取参考业务数据,包括:
基于所述数据监控指令,获取与所述监控指标相对应的所有历史业务数据;
从所有历史业务数据中提取所述当前时间以前并与所述预设期限相对应的历史业务数据,以获得所述参考业务数据。
3.如权利要求1所述的数据实时监控方法,其特征在于,所述基于所述参考业务数据获取历史基线值,包括:
基于所述参考业务数据,获取所述参考业务数据对应的平均值和标准差;
基于所述平均值和所述标准差,获取所述历史基线值。
4.如权利要求3所述的数据实时监控方法,其特征在于,所述历史基线值包括至少两个基线范围;
所述基于所述平均值和所述标准差,获取所述历史基线值,包括:
获取所述标准差与标准差系数的标准差乘积;
基于所述平均值和标准差乘积的和值,确定一所述基线范围的上限值;
基于所述平均值和标准差乘积的差值,确定一所述基线范围的下限值。
5.如权利要求4所述的数据实时监控方法,其特征在于,每一所述基线范围对应一数据状态;
所述基于所述当前业务数据和所述历史基线值,获取监控结果,包括:
基于所述当前业务数据,获取与所述当前业务数据相对应的目标基线范围;
基于所述目标基线范围对应的数据状态,获取所述监控结果。
6.一种数据实时监控装置,其特征在于,包括:
数据监控指令获取模块,用于获取数据监控指令,所述数据监控指令包括当前时间、预设期限和监控指标;
参考业务数据获取模块,用于基于所述数据监控指令获取参考业务数据,所述参考业务数据具体为当前时间以前所述预设期限内的与所述监控指标相对应的历史业务数据;
历史基线值获取模块,用于基于所述参考业务数据获取历史基线值;
当前业务数据获取模块,用于获取与所述监控指标相对应的当前业务数据;
监控结果获取模块,用于基于所述当前业务数据和所述历史基线值,获取监控结果。
7.如权利要求6所述的数据实时监控装置,其特征在于,所述参考业务数据获取模块包括:
历史业务数据获取单元,基于所述数据监控指令,获取与所述监控指标相对应的所有历史业务数据;
参考业务数据获取单元,从所有历史业务数据中提取所述当前时间以前并与所述预设期限相对应的历史业务数据,以获得所述参考业务数据。
所述历史基线值获取模块包括:
平均值和标准差获取单元,基于所述参考业务数据,获取所述参考业务数据对应的平均值和标准差;
历史基线值获取单元,用于基于所述平均值和所述标准差,获取所述历史基线值;
所述监控结果获取模块包括:
目标基线范围获取单元,用于基于所述当前业务数据,获取与所述当前业务数据相对应的目标基线范围;
监控结果获取单元,用于基于所述目标基线范围对应的数据状态,获取所述监控结果。
8.如权利要求7所述的数据实时监控装置,其特征在于,所述平均值和标准差获取单元包括:
标准差乘积获取子单元,用于获取所述标准差与标准差系数的标准差乘积;
上限值确定子单元,用于基于所述平均值和标准差乘积的和值,确定一所述基线范围的上限值;
下限值确定子单元,用于基于所述平均值和标准差乘积的差值,确定一所述基线范围的下限值。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述数据实时监控方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述数据实时监控方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710865962.7A CN107705149A (zh) | 2017-09-22 | 2017-09-22 | 数据实时监控方法、装置、终端设备及存储介质 |
PCT/CN2018/073628 WO2019056681A1 (zh) | 2017-09-22 | 2018-01-22 | 数据实时监控方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710865962.7A CN107705149A (zh) | 2017-09-22 | 2017-09-22 | 数据实时监控方法、装置、终端设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107705149A true CN107705149A (zh) | 2018-02-16 |
Family
ID=61171860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710865962.7A Pending CN107705149A (zh) | 2017-09-22 | 2017-09-22 | 数据实时监控方法、装置、终端设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107705149A (zh) |
WO (1) | WO2019056681A1 (zh) |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108667688A (zh) * | 2018-04-19 | 2018-10-16 | 北京搜狐新媒体信息技术有限公司 | 一种数据监控方法及装置 |
CN108874642A (zh) * | 2018-05-25 | 2018-11-23 | 平安科技(深圳)有限公司 | Sql性能监控方法、装置、计算机设备及存储介质 |
CN108923996A (zh) * | 2018-05-11 | 2018-11-30 | 中国银联股份有限公司 | 一种容量分析方法及装置 |
CN109039833A (zh) * | 2018-09-30 | 2018-12-18 | 网宿科技股份有限公司 | 一种监控带宽状态的方法和装置 |
CN109509019A (zh) * | 2018-10-15 | 2019-03-22 | 佛山市顺德区碧桂园物业发展有限公司 | 房地产项目经营状况监控应用方法、系统及云应用系统 |
CN109614291A (zh) * | 2018-12-11 | 2019-04-12 | 上海连尚网络科技有限公司 | 报警方法和装置 |
CN109728979A (zh) * | 2019-03-01 | 2019-05-07 | 国网新疆电力有限公司信息通信公司 | 适用于信息运维综合监管平台的自动告警系统及方法 |
CN109947816A (zh) * | 2018-12-17 | 2019-06-28 | 阿里巴巴集团控股有限公司 | 模型参数计算方法、数据类型识别方法、装置和服务器 |
CN110070250A (zh) * | 2018-09-04 | 2019-07-30 | 中国平安人寿保险股份有限公司 | 指数型增长的业务指标监控方法及装置、电子设备、介质 |
CN110263033A (zh) * | 2019-05-14 | 2019-09-20 | 广州接点智能科技有限公司 | 管控对象画像生成方法、终端设备及介质 |
WO2019205382A1 (zh) * | 2018-04-28 | 2019-10-31 | 平安科技(深圳)有限公司 | 电子装置、采集征信数据的方法及存储介质 |
CN110400195A (zh) * | 2019-06-18 | 2019-11-01 | 平安科技(深圳)有限公司 | 订单数据处理方法、装置、计算机设备及存储介质 |
CN110659898A (zh) * | 2018-06-28 | 2020-01-07 | 腾讯科技(深圳)有限公司 | 一种数据控制方法、装置及存储介质 |
CN110795312A (zh) * | 2019-10-30 | 2020-02-14 | 邵忠 | 一种界面显示方法和装置 |
CN111047417A (zh) * | 2019-12-24 | 2020-04-21 | 北京每日优鲜电子商务有限公司 | 业务监控方法、装置、设备及存储介质 |
WO2020087829A1 (zh) * | 2018-10-31 | 2020-05-07 | 深圳壹账通智能科技有限公司 | 数据趋势分析方法、系统、计算机装置及可读存储介质 |
CN111147282A (zh) * | 2019-12-05 | 2020-05-12 | 中国建设银行股份有限公司 | 自动维护drcp连接池的装置、方法及存储介质 |
WO2020093637A1 (zh) * | 2018-11-09 | 2020-05-14 | 平安科技(深圳)有限公司 | 设备状态预测方法、系统、计算机装置及存储介质 |
CN111209165A (zh) * | 2020-01-05 | 2020-05-29 | 光大兴陇信托有限责任公司 | 一种基于通道的两级监控处理方法 |
CN111210225A (zh) * | 2020-01-14 | 2020-05-29 | 中国建设银行股份有限公司 | 交易系统的状态监控方法、装置、设备和存储介质 |
CN111338837A (zh) * | 2020-03-02 | 2020-06-26 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置、设备及介质 |
CN111597088A (zh) * | 2020-05-15 | 2020-08-28 | 广州探途网络技术有限公司 | 一种数据仓库数据监控方法、仓库系统和电子设备 |
CN111639011A (zh) * | 2020-06-11 | 2020-09-08 | 支付宝(杭州)信息技术有限公司 | 一种数据监控方法、装置及设备 |
CN112039856A (zh) * | 2020-08-14 | 2020-12-04 | 北京兰云科技有限公司 | 资产异常行为的检测方法和装置及计算机可读存储介质 |
CN112152868A (zh) * | 2019-06-28 | 2020-12-29 | 北京金山云网络技术有限公司 | 网络故障检测方法、装置、电子设备及存储介质 |
CN112152869A (zh) * | 2019-06-28 | 2020-12-29 | 北京金山云网络技术有限公司 | 网络检测方法、装置、电子设备及存储介质 |
CN112148779A (zh) * | 2019-06-28 | 2020-12-29 | 京东数字科技控股有限公司 | 确定业务指标的方法、装置及存储介质 |
CN112463783A (zh) * | 2020-12-04 | 2021-03-09 | 广州品唯软件有限公司 | 索引数据监控方法、装置、计算机设备和存储介质 |
CN112487064A (zh) * | 2020-12-10 | 2021-03-12 | 深圳微众信用科技股份有限公司 | 一种数据展示方法、装置及介质 |
CN113672446A (zh) * | 2020-05-14 | 2021-11-19 | 百度在线网络技术(北京)有限公司 | 监控参数确定方法、装置、设备以及存储介质 |
CN113992496A (zh) * | 2020-07-10 | 2022-01-28 | 中国移动通信集团湖北有限公司 | 基于四分位算法的异动告警方法、装置及计算设备 |
WO2023273520A1 (zh) * | 2021-06-30 | 2023-01-05 | 中国民航信息网络股份有限公司 | 一种监控指标的预警方法及相关设备 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111061615A (zh) * | 2019-12-25 | 2020-04-24 | 北京每日优鲜电子商务有限公司 | 数据仓库的数据监控方法、装置、服务器和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103200039A (zh) * | 2012-01-09 | 2013-07-10 | 阿里巴巴集团控股有限公司 | 数据监控方法及装置 |
CN105279226A (zh) * | 2015-09-09 | 2016-01-27 | 浪潮(北京)电子信息产业有限公司 | 一种基于大数据的数据监控方法和设备 |
CN105610647A (zh) * | 2015-12-30 | 2016-05-25 | 华为技术有限公司 | 一种探测业务异常的方法和服务器 |
CN106971254A (zh) * | 2017-02-13 | 2017-07-21 | 上海瀚之友信息技术服务有限公司 | 一种业务监控系统及方法 |
CN107104848A (zh) * | 2016-02-19 | 2017-08-29 | 中国移动通信集团浙江有限公司 | 信息技术系统监控方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105468885A (zh) * | 2014-09-04 | 2016-04-06 | 秦皇岛中科百捷电子信息科技有限公司 | 一种能耗数据的可视化分析方法 |
CN106856442A (zh) * | 2015-12-09 | 2017-06-16 | 北京神州泰岳软件股份有限公司 | 一种性能指标监控方法和装置 |
WO2017159784A1 (ja) * | 2016-03-17 | 2017-09-21 | Ntn株式会社 | 状態監視システムおよび風力発電装置 |
CN105956734B (zh) * | 2016-04-15 | 2020-01-21 | 广东轩辕网络科技股份有限公司 | 动态设置it设备的性能的指标阈值的方法及系统 |
-
2017
- 2017-09-22 CN CN201710865962.7A patent/CN107705149A/zh active Pending
-
2018
- 2018-01-22 WO PCT/CN2018/073628 patent/WO2019056681A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103200039A (zh) * | 2012-01-09 | 2013-07-10 | 阿里巴巴集团控股有限公司 | 数据监控方法及装置 |
CN105279226A (zh) * | 2015-09-09 | 2016-01-27 | 浪潮(北京)电子信息产业有限公司 | 一种基于大数据的数据监控方法和设备 |
CN105610647A (zh) * | 2015-12-30 | 2016-05-25 | 华为技术有限公司 | 一种探测业务异常的方法和服务器 |
CN107104848A (zh) * | 2016-02-19 | 2017-08-29 | 中国移动通信集团浙江有限公司 | 信息技术系统监控方法及装置 |
CN106971254A (zh) * | 2017-02-13 | 2017-07-21 | 上海瀚之友信息技术服务有限公司 | 一种业务监控系统及方法 |
Cited By (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108667688A (zh) * | 2018-04-19 | 2018-10-16 | 北京搜狐新媒体信息技术有限公司 | 一种数据监控方法及装置 |
WO2019205382A1 (zh) * | 2018-04-28 | 2019-10-31 | 平安科技(深圳)有限公司 | 电子装置、采集征信数据的方法及存储介质 |
CN108923996A (zh) * | 2018-05-11 | 2018-11-30 | 中国银联股份有限公司 | 一种容量分析方法及装置 |
CN108874642A (zh) * | 2018-05-25 | 2018-11-23 | 平安科技(深圳)有限公司 | Sql性能监控方法、装置、计算机设备及存储介质 |
CN110659898A (zh) * | 2018-06-28 | 2020-01-07 | 腾讯科技(深圳)有限公司 | 一种数据控制方法、装置及存储介质 |
CN110070250B (zh) * | 2018-09-04 | 2024-02-06 | 中国平安人寿保险股份有限公司 | 指数型增长的业务指标监控方法及装置、电子设备、介质 |
CN110070250A (zh) * | 2018-09-04 | 2019-07-30 | 中国平安人寿保险股份有限公司 | 指数型增长的业务指标监控方法及装置、电子设备、介质 |
CN109039833A (zh) * | 2018-09-30 | 2018-12-18 | 网宿科技股份有限公司 | 一种监控带宽状态的方法和装置 |
CN109509019A (zh) * | 2018-10-15 | 2019-03-22 | 佛山市顺德区碧桂园物业发展有限公司 | 房地产项目经营状况监控应用方法、系统及云应用系统 |
WO2020087829A1 (zh) * | 2018-10-31 | 2020-05-07 | 深圳壹账通智能科技有限公司 | 数据趋势分析方法、系统、计算机装置及可读存储介质 |
WO2020093637A1 (zh) * | 2018-11-09 | 2020-05-14 | 平安科技(深圳)有限公司 | 设备状态预测方法、系统、计算机装置及存储介质 |
CN109614291A (zh) * | 2018-12-11 | 2019-04-12 | 上海连尚网络科技有限公司 | 报警方法和装置 |
CN109947816A (zh) * | 2018-12-17 | 2019-06-28 | 阿里巴巴集团控股有限公司 | 模型参数计算方法、数据类型识别方法、装置和服务器 |
CN109728979A (zh) * | 2019-03-01 | 2019-05-07 | 国网新疆电力有限公司信息通信公司 | 适用于信息运维综合监管平台的自动告警系统及方法 |
CN110263033A (zh) * | 2019-05-14 | 2019-09-20 | 广州接点智能科技有限公司 | 管控对象画像生成方法、终端设备及介质 |
CN110400195A (zh) * | 2019-06-18 | 2019-11-01 | 平安科技(深圳)有限公司 | 订单数据处理方法、装置、计算机设备及存储介质 |
CN112152868B (zh) * | 2019-06-28 | 2022-05-06 | 北京金山云网络技术有限公司 | 网络故障检测方法、装置、电子设备及存储介质 |
CN112148779A (zh) * | 2019-06-28 | 2020-12-29 | 京东数字科技控股有限公司 | 确定业务指标的方法、装置及存储介质 |
CN112152869A (zh) * | 2019-06-28 | 2020-12-29 | 北京金山云网络技术有限公司 | 网络检测方法、装置、电子设备及存储介质 |
CN112152868A (zh) * | 2019-06-28 | 2020-12-29 | 北京金山云网络技术有限公司 | 网络故障检测方法、装置、电子设备及存储介质 |
CN112152869B (zh) * | 2019-06-28 | 2022-05-06 | 北京金山云网络技术有限公司 | 网络检测方法、装置、电子设备及存储介质 |
CN110795312A (zh) * | 2019-10-30 | 2020-02-14 | 邵忠 | 一种界面显示方法和装置 |
CN111147282B (zh) * | 2019-12-05 | 2022-09-20 | 中国建设银行股份有限公司 | 自动维护drcp连接池的装置、方法及存储介质 |
CN111147282A (zh) * | 2019-12-05 | 2020-05-12 | 中国建设银行股份有限公司 | 自动维护drcp连接池的装置、方法及存储介质 |
CN111047417A (zh) * | 2019-12-24 | 2020-04-21 | 北京每日优鲜电子商务有限公司 | 业务监控方法、装置、设备及存储介质 |
CN111209165B (zh) * | 2020-01-05 | 2021-03-16 | 光大兴陇信托有限责任公司 | 一种基于通道的两级监控处理方法 |
CN111209165A (zh) * | 2020-01-05 | 2020-05-29 | 光大兴陇信托有限责任公司 | 一种基于通道的两级监控处理方法 |
CN111210225A (zh) * | 2020-01-14 | 2020-05-29 | 中国建设银行股份有限公司 | 交易系统的状态监控方法、装置、设备和存储介质 |
CN111338837A (zh) * | 2020-03-02 | 2020-06-26 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置、设备及介质 |
CN111338837B (zh) * | 2020-03-02 | 2023-08-25 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置、设备及介质 |
CN113672446A (zh) * | 2020-05-14 | 2021-11-19 | 百度在线网络技术(北京)有限公司 | 监控参数确定方法、装置、设备以及存储介质 |
CN113672446B (zh) * | 2020-05-14 | 2023-09-15 | 百度在线网络技术(北京)有限公司 | 监控参数确定方法、装置、设备以及存储介质 |
CN111597088A (zh) * | 2020-05-15 | 2020-08-28 | 广州探途网络技术有限公司 | 一种数据仓库数据监控方法、仓库系统和电子设备 |
CN111639011A (zh) * | 2020-06-11 | 2020-09-08 | 支付宝(杭州)信息技术有限公司 | 一种数据监控方法、装置及设备 |
CN111639011B (zh) * | 2020-06-11 | 2023-05-12 | 支付宝(杭州)信息技术有限公司 | 一种数据监控方法、装置及设备 |
CN113992496A (zh) * | 2020-07-10 | 2022-01-28 | 中国移动通信集团湖北有限公司 | 基于四分位算法的异动告警方法、装置及计算设备 |
CN113992496B (zh) * | 2020-07-10 | 2023-11-17 | 中国移动通信集团湖北有限公司 | 基于四分位算法的异动告警方法、装置及计算设备 |
CN112039856A (zh) * | 2020-08-14 | 2020-12-04 | 北京兰云科技有限公司 | 资产异常行为的检测方法和装置及计算机可读存储介质 |
CN112463783A (zh) * | 2020-12-04 | 2021-03-09 | 广州品唯软件有限公司 | 索引数据监控方法、装置、计算机设备和存储介质 |
CN112487064A (zh) * | 2020-12-10 | 2021-03-12 | 深圳微众信用科技股份有限公司 | 一种数据展示方法、装置及介质 |
WO2023273520A1 (zh) * | 2021-06-30 | 2023-01-05 | 中国民航信息网络股份有限公司 | 一种监控指标的预警方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2019056681A1 (zh) | 2019-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107705149A (zh) | 数据实时监控方法、装置、终端设备及存储介质 | |
US10614073B2 (en) | System and method for using data incident based modeling and prediction | |
CN107688591B (zh) | 一种精算处理方法和装置 | |
CN104881783A (zh) | 电子银行账户欺诈行为及风险检测方法与系统 | |
US20210092160A1 (en) | Data set creation with crowd-based reinforcement | |
CN107608862A (zh) | 监控告警方法、监控告警装置及计算机可读存储介质 | |
US11875408B2 (en) | Techniques for accurate evaluation of a financial portfolio | |
CN102117459A (zh) | 风险控制系统及方法 | |
CN107330641A (zh) | 一种基于Storm流处理框架和规则引擎的金融衍生品实时风险控制系统及方法 | |
CN109816509A (zh) | 评分卡模型的生成方法、终端设备及介质 | |
CN110135711A (zh) | 一种情报管理方法及装置 | |
CN107784504A (zh) | 客户回访事件的生成方法及终端设备 | |
CN111583033A (zh) | 基于上市公司和股东之间联系的关联分析方法及装置 | |
CN102496126A (zh) | 一种托管资产交易数据监控设备 | |
CN108573348B (zh) | 金融指标分布式计算方法及其系统 | |
CN114170002A (zh) | 一种访问频次的预测方法及装置 | |
CN109359019A (zh) | 应用程序性能监控方法、装置、电子设备及存储介质 | |
CN115965237A (zh) | 一种电力市场风险防控方法、装置及存储介质 | |
Ho et al. | A network analysis of the cryptocurrency market | |
CN113835947B (zh) | 一种基于异常识别结果确定异常原因的方法和系统 | |
Wang et al. | On characterizing scale effect of Chinese mutual funds via text mining | |
CN114495137B (zh) | 票据异常检测模型生成方法与票据异常检测方法 | |
CN113642669B (zh) | 基于特征分析的防欺诈检测方法、装置、设备及存储介质 | |
Meligkotsidou et al. | Detecting structural breaks in multivariate financial time series: evidence from hedge fund investment strategies | |
Govindasamy et al. | Prediction of events based on complex event processing and probabilistic fuzzy logic |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180216 |