CN110928255B - 数据异常统计报警方法、装置、存储介质及电子设备 - Google Patents
数据异常统计报警方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN110928255B CN110928255B CN201911142964.9A CN201911142964A CN110928255B CN 110928255 B CN110928255 B CN 110928255B CN 201911142964 A CN201911142964 A CN 201911142964A CN 110928255 B CN110928255 B CN 110928255B
- Authority
- CN
- China
- Prior art keywords
- data
- time
- level
- time window
- current 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000001514 detection method Methods 0.000 claims abstract description 77
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/55—Detecting local intrusion or implementing counter-measures
- G06F21/552—Detecting local intrusion or implementing counter-measures involving long-term monitoring or reporting
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31088—Network communication between supervisor and cell, machine group
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Maintenance And Management Of Digital Transmission (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及数据异常检测报警技术领域，具体涉及一种数据异常统计报警方法、装置及电子设备，有效缓解现有技术中存在的告警缺漏的问题，从而有效避免企业因告警缺漏造成损失的情况，方法包括：获取对多个数据分别进行检测得到的每个数据的检测时刻和检测结果，统计当前时间窗口内的目标数据的数量，并在统计得到的目标数据的数量大于与数据的质量等级对应的预设数量阈值时，生成报警信号以进行提示，根据获得的与数据的质量等级对应的步进时长设置规则中包括的步进时长将所述当前时间窗口后移，并将后移后的当前时间窗口作为新的当前时间窗口。
Description
技术领域
本发明涉及数据异常检测报警技术领域，特别地涉及一种数据异常统计报警方法、装置、存储介质及电子设备。
背景技术
目前，在制造业中不同零部件或器件的信息或者在信息交互中交互的信息等 (在本发明中称之为“数据”)的质量对产品或数据交互的结果的整体质量会产生不同的影响，对于关键数据和容易引起事故的数据的质量要求必须最为严格，而对于一些次要数据，则质量要求可以适当的降低。
且对数据的质量评价，传统的做法是按照每个自然天、每周、每月等时间段统计出结果，再根据结果给出评价。而供应商数据质量告警则通过定时统计和评价供应商数据质量，并与预设的阈值做比较，如果统计结果达到或超出阈值则触发告警。例如：系统事先设置某供应商提供的数据A，每周抽检合格率小于98％则触发告警；或者每日抽检不合格个数大于5个则触发告警等等。具体的，当以上一周的周日00:00:00至下周日00:00:00前为一周来统计供应商数据抽检合格率，或者以00:00:00至下一天00:00:00前为一天来统计供应商数据抽检不合格数时，就会根据每周日的00:00:00或者每天的00:00:00为前后周期分界线对数据进行分割，然后再分别进行汇总统计。
经发明人研究发现，以每天不合格总数告警为例，如果我们按自然天的周期来统计并告警都会存在以下问题：在跨前后两个时间段界线附近持续发生了某一供应商的数据A不合格品检出数之和足以达到触发告警条件，但由于在前后两个时间段界线附近，统计时会拆分成两部分分别计入前后两个时间段，这就有可能造成在前后两天的不合格数均达不到告警条件，而没有触发告警，从而被忽略，给企业造成一定的损失。
发明内容
针对上述问题，本发明提供一种数据异常统计报警方法、装置、存储介质及电子设备，通过采用时间窗口的方式统计异常数据的数量，并根据异常数据的数量及质量类型产生告警信息以进行告警，有效缓解现有技术中存在的告警缺漏的问题，从而有效避免企业因告警缺漏造成损失的情况。
第一方面，本申请提供了一种数据异常统计报警方法，所述方法包括：
步骤a：获取对多个数据分别进行检测得到的每个所述数据的检测时刻和检测结果；
步骤b：统计当前时间窗口内的目标数据的数量，并在统计得到的目标数据的数量大于与所述数据的质量等级对应的预设数量阈值时生成报警信号以进行提示，其中，所述目标数据为检测结果为异常的数据；
步骤c：根据获得的与所述数据的质量等级对应的步进时长设置规则将所述当前时间窗口的后移，将后移后的当前时间窗口作为新的当前时间窗口，并返回执行步骤a。
根据本申请的实施例，可选的，上述数据异常统计报警方法中，所述方法还包括：
获得预设时长内生成报警信号的次数；
根据获得的与所述数据的质量等级对应的步进时长设置规则将所述当前时间窗口的后移的步骤包括：
从与所述数据的质量等级对应步进时长规则中获取与所述次数对应的目标步进时长，其中，所述步进时长设置规则中包括预设时长内生成报警信号的多个预设次数和与每个所述预设次数分别对应的步进时长；
根据所述目标步进时长将所述当前时间窗口的后移。
根据本申请的实施例，可选的，上述数据异常统计报警方法中，获取对多个数据分别进行检测得到的每个所述数据的检测时刻和检测结果，包括：
获取当前时刻之前设定时长阈值内对多个数据分别进行检测得到的每个所述数据的检测时刻和检测结果，其中，所述设定时长阈值大于所述当前时间窗口的时间窗口长度，且所述当前时间窗口的起始时间位于当前时刻之前设定时长阈值内。
根据本申请的实施例，可选的，上述数据异常统计报警方法中，所述数据的质量等级包括第一等级、第二等级以及第三等级，且所述第一等级优于第二等级，所述第二等级优于第三等级。。
根据本申请的实施例，可选的，与所述第一等级的数据对应的步进时长小于与所述第二等级的数据对应的步进时长，与所述第二等级的数据对应的步进时长小于与所述第三等级的数据对应的步进时长。
根据本申请的实施例，可选的，上述数据异常统计报警方法中，所述当前时间窗口的时间窗口长度为一天或两天，与所述第一等级的数据对应的步进时长为十分钟、二十分钟或一小时，与所述第二等级的数据对应的步进时长为四小时或半天，与所述第三等级的数据对应的步进时长为一天或两天。
根据本申请的实施例，可选的，上述数据异常统计报警方法中，与所述第一等级的数据对应预设数量阈值小于与所述第二等级的数据对应的预设数量阈值，与所述第二等级的数据对应的预设数量阈值小于与所述第三等级的数据对应的预设数量阈值。
根据本申请的实施例，可选的，上述数据异常统计报警方法中，
获取对多个数据分别进行检测得到的每个所述数据的检测时刻和检测结果，包括：
每间隔设定时长获取对多个数据分别进行检测得到的每个所述数据的检测时刻和检测结果，其中，所述设定时长小于或等于所述步进时长。
第二方面，本申请提供了一种数据异常统计报警装置，包括处理器，其中，所述处理器用于执行存储在存储器中的以下程序模块：
信息获得模块，用于获取对多个数据分别进行检测得到的每个所述数据的检测时刻和检测结果；
异常统计报警模块，用于统计当前时间窗口内的目标数据的数量，并在统计得到的目标数据的数量大于与所述数据的质量等级对应的预设数量阈值时生成报警信号以进行提示，其中，所述目标数据为检测结果为异常的数据；
时间窗口设置模块，用于根据获得的与所述数据的质量等级对应的步进时长设置规则将所述当前时间窗口的后移，将后移后的当前时间窗口作为新的当前时间窗口。
第三方面，本申请提供了一种存储介质，该存储介质存储的计算机程序，可被一个或多个处理器执行，可用来实现如上述的数据异常统计报警方法。
第四方面，本申请提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行上述应用于第一终端中的数据异常统计报警方法。
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
本发明提供的一种数据异常统计报警方法、装置、存储介质及电子设备，方法包括：获取对多个数据分别进行检测得到的每个所述数据的检测时刻和检测结果，统计当前时间窗口内的目标数据的数量，并在统计得到的目标数据的数量大于与所述数据的质量等级对应的预设数量阈值时，生成报警信号以进行提示，其中，所述目标数据为检测结果为异常的数据，根据获得的与所述数据的质量等级对应的步进时长规则中的步进时长将所述当前时间窗口后移，并将后移后的当前时间窗口作为新的当前时间窗口以再次对异常目标数据进行统计预警，通过上述方法，实现了采用时间窗口的方式统计异常数据的数量，并根据异常数据的数量及质量类型产生告警信息以进行告警，有效缓解现有技术中存在的告警缺漏的问题，从而有效避免企业因告警缺漏造成损失的情况。
附图说明
在下文中将基于实施例并参考附图来对本发明进行更详细的描述。
图1为本发明实施例一提供的一种数据异常统计方法的流程示意图。
图2为本发明实施例二提供的对第一类型的数据进行异常统计时的时间窗口统计示意图。
图3为本发明实施例二提供的对第二类型的数据进行异常统计时的时间窗口统计示意图。
图4为本发明实施例二提供的对第三类型的数据进行异常统计时的时间窗口统计示意图。
在附图中，相同的部件使用相同的附图标记，附图并未按照实际的比例绘制。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本发明的保护范围之内。
实施例一
本申请提供的一种数据异常统计报警方法，通过采用滑动时间窗口的方式，统计出不同时间窗口内的检测到的多个数据中检测结果为异常的目标数据的数量，并在该目标数据的数量大于该数据的质量等级对应的预设阈值时，生成报警信号，以提示用户，从而有效缓解现有技术中的数据异常统计不准确的问题。
请参阅图1，本发明提供一种数据异常统计报警方法，该方法可以应用于电脑、服务器或平板等具有数据处理能力的电子设备，在所述数据异常统计报警方法应用于所述电子设备时，可以执行步骤S110至步骤S140。
步骤S110：获取对多个数据分别进行检测得到的每个所述数据的检测时刻和检测结果。
步骤S120：统计当前时间窗口内的目标数据的数量，并在统计得到的目标数据的数量大于与所述数据的质量等级对应的预设数量阈值时生成报警信号以进行提示，其中，所述目标数据为检测结果为异常的数据。
步骤S130：根据获得的与所述数据的质量等级对应的步进时长设置规则将所述当前时间窗口的后移，将后移后的当前时间窗口作为新的当前时间窗口，并返回执行步骤S110。
在上述步骤S110中，获取检测时刻和检测结果的方式可以是接收用户输入的检测时刻和检测结果，也可以是获取检测数据的设备中存储的检测时刻和检测结果，在次不做具体限定，根据实际需求进行设置即可。
当采用获取数据设备中存储的检测时刻和检测结果的方式时，其获取方式可以是实时获取数据的检测时刻和检测结果，也可以是每间隔设定时长获取数据的检测时刻和检测结果，还可以是获取当前时刻之前设定时长阈值范围内的数据的检测结果。
在本实施例中，上述步骤S110可以是每间隔设定时长获取对多个数据分别进行检测得到的每个所述数据的检测时刻和检测结果，其中，所述设定时长小于或等于所述步进时长。
在本实施例中，上述步骤S110也可以是获取当前时刻之前设定时长阈值内对多个数据分别进行检测得到的每个所述数据的检测时刻和检测结果，其中，所述设定时长阈值大于所述当前时间窗口的时间窗口长度，且所述当前时间窗口的起始时间位于当前时刻之前设定时长阈值内。
所述设定时长可以是一周、一个月、几个月或者一年，在此不作具体限定。
步骤S120中，所述当前时间窗口的时间窗口长度可以是一小时、几小时、一天、两天或一周在此不做具体限定，根据实际需求将进行设置即可，所述预设数量阈值可以是几个，几十个或几百个，再次不做具体限定，根据实际需求进行设置即可，所述当前时间窗口的起始时间可以是一天内的。
在本实施例中，所述当前时间窗口的时间窗口长度可以是一天或两天。
可以理解的是，生成报警信号以进行提示的方式也可以是在目标数据的数量与当前时间窗口的时间窗口长度检测的所有数据的数量的比值大于预设值时生成报警信号。
所述数据的质量等级可以包括多个，且不同的质量等级的优劣程度不同，例如，所述数据的质量等级可以包括最优的质量等级(第一等级)、优的质量等级 (第二等级)、次优的质量等级(第三等级)以及一般的质量等级(第四等级)，可以理解，所述数据的质量等级还可以包括更多或更少的等级，在此不作具体限定。
可选的，在本实施例中，所述数据的质量等级包括第一等级、第二等级以及第三等级，且所述第一等级的数据的质量优于第二等级的数据的质量，所述第二等级的数据的质量优于第三等级的数据的质量。
可以理解，通常情况下进行数据检测时，数据检测的设备的检测效率应当相同，在数据的质量等级越高的情况下，在相同时间段内(相同时间窗口内)检测到的目标数据的数量应当越少。
可选的，在本实施例中，与所述第一等级的数据对应预设数量阈值小于与所述第二等级的数据对应的预设数量阈值，与所述第二等级的数据对应的预设数量阈值小于与所述第三等级的数据对应的预设数量阈值。
步骤S130中，所述步进时长设置规则中可以包括步进时长，该步进时长可以是但不限于五分钟、十分钟、几十分钟、几小时、几十小时、一天或几天。所述步进时长设置规则中也可以包括在对应质量等级下不同统计次数对应的步进时长，也可以包括在对应质量等级下不同时间段内对应的不同步进时长，还可以包括在对应质量等级下预设时长内生成的不同报警次数对应的步进时长。可以理解，不同的数据的质量等级的预警要求不同，因此，不同的质量等级对应的步进时长不同，可以理解，质量等级越高的数据，其质量等级通常要求越高，因此，在本实施例中，与所述第一等级的数据对应的步进时长小于与所述第二等级的数据对应的步进时长，与所述第二等级的数据对应的步进时长小于与所述第三等级的数据对应的步进时长。
在本实施例中，与所述第一等级的数据对应的步进时长为十分钟、二十分钟或一小时，与所述第二等级的数据对应的步进时长为四小时或半天，与所述第三等级的数据对应的步进时长为一天或两天。
通过将后移后的当前时间窗口作为新的当前时间窗口，并返回步骤S110，以实现进行时间窗口高精度的数据异常统计报警。
为便于在不同时间段内按照不同的步进时进行数据异常统计，在本实施例中，所述预设统计规则中存储有在对应质量等级下的多个时间段和与各所述时间段内分别对应的步进时长，所述根据获得的与所述数据的质量等级对应的步进时长设置规则将所述当前时间窗口的后移的步骤包括：从所述数据的质量等级对应的步进时长设置规则中确定当前时间窗口的起始时刻所属的目标时间段，及该目标时间段对应的目标步进时长，按照该目标步进时长将所述当前时间窗口后移。
为便于在不同的统计次数下执行按照不同的步进时长进行数据异常统计，通过在执行统计当前时间窗口内的目标数据的数量时，或者执行上述步骤之后，获得统计当前时间窗口内目标数据的质量的统计次数，步骤S130中：根据获得的与所述数据的质量等级对应的步进时长设置规则将所述当前时间窗口的后移，包括：从与所述数据的质量等级对应步进时长规则中获取与所述统计次数对应的目标步进时长，其中，所述步进时长设置规则中包括多个统计次数和与每个所述统计次数分别对应的步进时长，根据所述目标步进时长将所述当前时间窗口的后移。
为便于根据在预设时长内产生的报警次数确定对应的步进时长进行数据异常统计，在本实施例中，所述预设统计规则中包括预设时长内的不同预设报警次数对应的预设步进时长，通过在执行统计当前时间窗口内的目标数据的数量时，或者执行上述步骤之后，获得预设时长内生成报警信号的次数，从与所述数据的质量等级对应步进时长规则中获取与所述次数对应的目标步进时长，其中，所述步进时长设置规则中包括预设时长内生成报警信号的多个预设次数和与每个所述预设次数分别对应的步进时长，根据所述目标步进时长将所述当前时间窗口的后移。
可以理解，在预设时长内产生的预设报警次数越多，其对应的预设步进时长应当越短，进而能及时提醒用户数据异常，以便于用户进行处理。
本申请通过执行上述步骤S110-S130，以实现根据不同的数据的质量等级进行采用不同的步进时长设置规则在不同时间窗口内进行异常数据统计预警，以有效缓解现有技术中采用自然天或自然周内数据异常统计预警时存在的告警缺漏的问题，同时能够有效提高报警的实时性，以便于用户能够及时根据报警信息作出应对处理，从而有效避免企业因告警缺漏造成损失的情况。
实施例二
请结合参阅图2、图3和图4，在本实施例中，以所述当前时间窗口的时间窗口长度为一天，所述质量等级包括第一等级、第二等级以及第三等级，且与所述质量等级对应的步进时长包括与所述第一等级对应的步进时长为一小时、与所述第二等级对应的步进时长为半天以及与所述第三等级步进时长为一天为例进行说明。
请参阅图2，当所述质量等级为第一等级时，获取自然天内对多个数据分别检测得到的每个数据的检测时刻和检测结果，统计当前时间内的起始时间为自然天中前一天的00:00:00时刻之后二十四小时内的目标数据的数量，在该目标数据的数量大于该第一质量等级对应的预设数量阈值时，生成报警信号，并根据该数据的质量等级对应的步进时长设置规则中包括的步进时长(一小时)所述当前时间窗口的起始时间后移，且后移时长为所述步进时长(一小时)，并将后移后的起始时间(自然天中前一天的00:01:00)作为新的当前时间窗口的起始时间，并返回执行再次获取自然天内对多个数据分别检测得到的每个数据的检测时刻和检测结果的步骤，以实现分时统计24小时内目标数据的数量，且分时时长为一小时，从而有效避免企业因告警缺漏造成损失的情况。
请参阅图3，当所述质量等级为第二等级时，获取自然天内对多个数据分别检测得到的每个数据的检测时刻和检测结果，统计当前时间内的起始时间为自然天中前一天的00:00:00时刻之后二十四小时内的目标数据的数量，在该目标数据的数量大于该第一质量等级对应的预设数量阈值时，生成报警信号，并根据该数据的质量等级对应的步进时长设置规则中包括的步进时长(十二小时)所述当前时间窗口的起始时间后移，且后移时长为所述步进时长(十二小时)，并将后移后的起始时间(自然天中前一天的00:12:00)作为新的当前时间窗口的起始时间，并返回执行再次获取自然天内对多个数据分别检测得到的每个数据的检测时刻和检测结果的步骤，以实现错位重叠的方式统计24小时内目标数据的数量，且分时时长为十二小时，从而有效避免企业因告警缺漏造成损失的情况。
请参阅图4，当所述质量等级为第三等级时，获取自然天内对多个数据分别检测得到的每个数据的检测时刻和检测结果，统计当前时间内的起始时间为自然天中前一天的00:00:00时刻之后二十四小时内的目标数据的数量，在该目标数据的数量大于该第一质量等级对应的预设数量阈值时，生成报警信号，并根据该数据的质量等级对应的步进时长设置规则中包括的步进时长(一天)所述当前时间窗口的起始时间后移，且后移时长为所述步进时长(一天)，并将后移后的起始时间(自然天中后一天的00:00:00)作为新的当前时间窗口的起始时间，并返回执行再次获取自然天内对多个数据分别检测得到的每个数据的检测时刻和检测结果的步骤，以实现分时间段统计目标数据的数量，且分时时长为一天，从而有效避免企业因告警缺漏造成损失的情况。
实施例三
本申请实施例还提供了一种数据异常统计报警装置，包括处理器，其中，所述处理器用于执行存储在存储器中的以下程序模块：
信息获得模块，用于获取对多个数据分别进行检测得到的每个所述数据的检测时刻和检测结果。
由于信息获得模块和图1中步骤S110的实现原理类似，因而在此不作更多说明。
异常统计报警模块，用于统计当前时间窗口内的目标数据的数量，并在统计得到的目标数据的数量大于与所述数据的质量等级对应的预设数量阈值时生成报警信号以进行提示，其中，所述目标数据为检测结果为异常的数据。
由于异常统计报警模块和图1中步骤S120，步骤S120的实现原理类似，因而在此不作更多说明。
时间窗口设置模块，根据获得的与所述数据的质量等级对应的步进时长将所述当前时间窗口的后移，将后移后的当前时间窗口作为新的当前时间窗口。
由于时间窗口设置模块和图1中步骤S130和S140的实现原理类似，因而在此不作更多说明。
实施例三
本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，所述计算机程序被处理器执行时可以实现如上述实施例一中的方法步骤。
上述方法步骤的具体实施例过程可参见实施例一，本实施例在此不再重复赘述。
实施例四
本发明实施例提供了一种电子设备，包括存储器和处理器，其中，所述存储器中存储的计算机程序被所述处理器执行时，实现如实施例一中的数据异常统计预警方法。关于上述方法步骤的具体实施例过程可参见实施例一，本实施例在此不再重复赘述。
综上，本发明提供的一种数据异常统计报警方法、装置及电子设备，通过获取对多个数据分别进行检测得到的每个所述数据的检测时刻和检测结果，统计当前时间窗口内的目标数据的数量，并在统计得到的目标数据的数量大于与所述数据的质量等级对应的预设数量阈值时生成报警信号以进行提示，其中，所述目标数据为检测结果为异常的数据，根据获得的与所述数据的质量等级对应的步进时长设置规则中的步进时长将所述当前时间窗口后移，并将后移后的当前时间窗口作为新的当前时间窗口，实现了采用时间窗口的方式统计异常数据的数量，并根据异常数据的数量及质量类型产生告警信息以进行告警，有效缓解现有技术中存在的告警缺漏的问题，从而有效避免企业因告警缺漏造成损失的情况。
在本发明实施例所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统和方法实施例仅仅是示意性的。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种数据异常统计报警方法，其特征在于，所述方法包括：
步骤a：获取对多个数据分别进行检测得到的每个所述数据的检测时刻和检测结果；
步骤b：统计当前时间窗口内的目标数据的数量，并在统计得到的目标数据的数量大于与所述数据的质量等级对应的预设数量阈值时生成报警信号，以进行提示，其中，所述目标数据为检测结果为异常的数据；
步骤c：获得预设时长内生成报警信号的次数，从与所述数据的质量等级对应步进时长规则中获取与所述次数对应的目标步进时长，根据所述目标步进时长将所述当前时间窗口后移，将后移后的当前时间窗口作为新的当前时间窗口，并返回执行步骤a，其中，所述步进时长设置规则中包括预设时长内生成报警信号的多个预设次数和与每个所述预设次数分别对应的步进时长。
2.根据权利要求1所述的数据异常统计报警方法，其特征在于，获取对多个数据分别进行检测得到的每个所述数据的检测时刻和检测结果，包括：
获取当前时刻之前设定时长阈值内对多个数据分别进行检测得到的每个所述数据的检测时刻和检测结果，其中，所述设定时长阈值大于所述当前时间窗口的时间窗口长度，且所述当前时间窗口的起始时间位于当前时刻之前设定时长阈值内。
3.根据权利要求1所述的数据异常统计报警方法，其特征在于，所述数据的质量等级包括第一等级、第二等级以及第三等级，且所述第一等级优于第二等级，所述第二等级优于第三等级。
4.根据权利要求3所述的数据异常统计报警方法，其特征在于，与所述第一等级的数据对应的步进时长小于与所述第二等级的数据对应的步进时长，与所述第二等级的数据对应的步进时长小于与所述第三等级的数据对应的步进时长。
5.根据权利要求3所述的数据异常统计报警方法，其特征在于，所述当前时间窗口的时间窗口长度为一天或两天，与所述第一等级的数据对应的步进时长为十分钟、二十分钟或一小时，与所述第二等级的数据对应的步进时长为四小时或半天，与所述第三等级的数据对应的步进时长为一天或两天。
6.根据权利要求3所述的数据异常统计报警方法，其特征在于，与所述第一等级的数据对应预设数量阈值小于与所述第二等级的数据对应的预设数量阈值，与所述第二等级的数据对应的预设数量阈值小于与所述第三等级的数据对应的预设数量阈值。
7.根据权利要求1所述的数据异常统计报警方法，其特征在于，获取对多个数据分别进行检测得到的每个所述数据的检测时刻和检测结果，包括：
每间隔设定时长获取对多个数据分别进行检测得到的每个所述数据的检测时刻和检测结果，其中，所述设定时长小于或等于所述步进时长。
8.一种数据异常统计报警装置，其特征在于，包括处理器，其中，所述处理器用于执行存储在存储器中的以下程序模块：
信息获得模块，用于获取对多个数据分别进行检测得到的每个所述数据的检测时刻和检测结果；
异常统计报警模块，用于统计当前时间窗口内的目标数据的数量，并在统计得到的目标数据的数量大于与所述数据的质量等级对应的预设数量阈值时生成报警信号以进行提示，其中，所述目标数据为检测结果为异常的数据；
时间窗口设置模块，用于获得预设时长内生成报警信号的次数，从与所述数据的质量等级对应步进时长规则中获取与所述次数对应的目标步进时长，根据所述目标步进时长将所述当前时间窗口后移，将后移后的当前时间窗口作为新的当前时间窗口，其中，所述步进时长设置规则中包括预设时长内生成报警信号的多个预设次数和与每个所述预设次数分别对应的步进时长。
9.一种存储介质，其特征在于，该存储介质存储的计算机程序，被一个或多个处理器执行时，用来实现如权利要求1-7中任意一项所述的数据异常统计报警方法。
10.一种电子设备，其特征在于，包括存储器和控制器，所述存储器上存储有计算机程序，该计算机程序被所述控制器执行时，执行如权利要求1-7任意一项所述的数据异常统计报警方法。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911142964.9A CN110928255B (zh) | 2019-11-20 | 2019-11-20 | 数据异常统计报警方法、装置、存储介质及电子设备 |
| US17/771,726 US20220391497A1 (en) | 2019-11-20 | 2019-12-31 | Data anomaly statistical alarm method and device, and electronic equipment |
| PCT/CN2019/130341 WO2021098021A1 (zh) | 2019-11-20 | 2019-12-31 | 数据异常统计报警方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911142964.9A CN110928255B (zh) | 2019-11-20 | 2019-11-20 | 数据异常统计报警方法、装置、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110928255A CN110928255A (zh) | 2020-03-27 |
| CN110928255B true CN110928255B (zh) | 2021-02-05 |
Family
ID=69851372
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911142964.9A Active CN110928255B (zh) | 2019-11-20 | 2019-11-20 | 数据异常统计报警方法、装置、存储介质及电子设备 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20220391497A1 (zh) |
| CN (1) | CN110928255B (zh) |
| WO (1) | WO2021098021A1 (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111259317B (zh) * | 2020-05-06 | 2020-09-25 | 广东电网有限责任公司佛山供电局 | 一种基于熵值法的配电变压器运行动态评估方法 |
| CN113758608B (zh) * | 2020-07-30 | 2023-11-07 | 北京京东振世信息技术有限公司 | 一种报警处理方法和装置 |
| CN112199348A (zh) * | 2020-08-21 | 2021-01-08 | 李苗 | 基于大数据的消防监控方法、装置、计算机设备及存储介质 |
| CN112231475A (zh) * | 2020-10-14 | 2021-01-15 | 宁夏回族自治区教育信息化管理中心 | 一种基于动态分布函数的数据检测预警方法 |
| CN112286951A (zh) * | 2020-11-26 | 2021-01-29 | 杭州数梦工场科技有限公司 | 数据检测方法及装置 |
| CN113179423A (zh) * | 2021-04-23 | 2021-07-27 | 深圳市商汤科技有限公司 | 事件的检测输出方法及装置、电子设备和存储介质 |
| CN113297183B (zh) * | 2021-07-21 | 2022-02-15 | 国网汇通金财（北京）信息科技有限公司 | 一种时间窗口的告警分析方法及装置 |
| CN113612309B (zh) * | 2021-09-30 | 2022-01-07 | 北京志翔科技股份有限公司 | 异常用电数据识别方法及设备 |
| CN113704186B (zh) * | 2021-11-01 | 2022-02-08 | 云账户技术(天津)有限公司 | 告警事件生成方法、装置、电子设备和可读存储介质 |
| CN114726589A (zh) * | 2022-03-17 | 2022-07-08 | 南京科技职业学院 | 一种报警数据融合方法 |
| CN115242462A (zh) * | 2022-06-30 | 2022-10-25 | 北京华顺信安科技有限公司 | 一种数据泄露检测方法 |
| CN115473789B (zh) * | 2022-09-16 | 2024-02-27 | 深信服科技股份有限公司 | 告警处理方法以及相关设备 |
| CN115842708A (zh) * | 2022-10-14 | 2023-03-24 | 广州安思创信息技术有限公司 | 基于时间滑动窗口的业务监控方法、系统、设备及介质 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101741991A (zh) * | 2008-11-18 | 2010-06-16 | 华为技术有限公司 | 告警处理方法、装置及系统 |
| CN102820995A (zh) * | 2008-11-18 | 2012-12-12 | 华为技术有限公司 | 告警处理方法、装置及系统 |
| CN105205568B (zh) * | 2015-10-14 | 2017-03-08 | 广东电网有限责任公司电力调度控制中心 | 告警事务提取方法及系统 |
| CN106656590B (zh) * | 2016-12-14 | 2019-09-27 | 北京亿阳信通科技有限公司 | 一种网络设备告警消息风暴的处理方法和装置 |
| JP6661559B2 (ja) * | 2017-02-03 | 2020-03-11 | 株式会社東芝 | 異常検出装置、異常検出方法およびプログラム |
| US10085683B1 (en) * | 2017-08-11 | 2018-10-02 | Wellen Sham | Vehicle fatigue monitoring system |
| CN110399347B (zh) * | 2018-04-23 | 2021-05-18 | 华为技术有限公司 | 告警日志压缩方法、装置及系统、存储介质 |
| CN109493573B (zh) * | 2018-11-21 | 2021-04-23 | 杭州安恒信息技术股份有限公司 | 基于时间滑动窗口的用户自定义事件报警方法及系统 |
| CN109739720B (zh) * | 2018-12-04 | 2022-08-02 | 东软集团股份有限公司 | 异常检测方法、装置、存储介质和电子设备 |
| CN109697247B (zh) * | 2018-12-30 | 2021-05-18 | 北京奇艺世纪科技有限公司 | 一种数据准确性的检测方法及装置 |
-
2019
- 2019-11-20 CN CN201911142964.9A patent/CN110928255B/zh active Active
- 2019-12-31 US US17/771,726 patent/US20220391497A1/en active Pending
- 2019-12-31 WO PCT/CN2019/130341 patent/WO2021098021A1/zh active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021098021A1 (zh) | 2021-05-27 |
| CN110928255A (zh) | 2020-03-27 |
| US20220391497A1 (en) | 2022-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110928255B (zh) | 数据异常统计报警方法、装置、存储介质及电子设备 | |
| US11645293B2 (en) | Anomaly detection in big data time series analysis | |
| US10860453B2 (en) | Index anomaly detection method and apparatus, and electronic device | |
| US8468161B2 (en) | Determining a seasonal effect in temporal data | |
| JP6708219B2 (ja) | ログ分析システム、方法およびプログラム | |
| US10834213B2 (en) | System and method for measuring user engagement | |
| EP3401798A1 (en) | Push information rough selection sorting method, device and computer storage medium | |
| CN110781372B (zh) | 一种优化网站的方法、装置、计算机设备及存储介质 | |
| US11416504B2 (en) | Detection, characterization, and prediction of real-time events occurring approximately periodically | |
| CN113992340B (zh) | 用户异常行为识别方法、装置、设备和存储介质 | |
| CN105429792B (zh) | 用户行为流量获取方法及装置、用户行为分析方法及系统 | |
| CN112835776A (zh) | 页面事件复现方法、采集方法、装置及电子设备 | |
| CN111949511A (zh) | 应用程序的卡顿处理方法、装置、终端及存储介质 | |
| CN112988521A (zh) | 一种告警方法、装置、设备及存储介质 | |
| CN108664550B (zh) | 一种对用户行为数据进行漏斗分析方法及装置 | |
| CN110322391A (zh) | 基于多线程的视频告警事件分析方法 | |
| CN110941608B (zh) | 一种埋点分析和漏斗分析报表生成方法、装置及设备 | |
| CN114201031A (zh) | 针对眼动跟踪的时间统计方法及装置 | |
| CN113609190A (zh) | 基于大数据和温度监测的产品生产异常监测方法及设备 | |
| WO2019205382A1 (zh) | 电子装置、采集征信数据的方法及存储介质 | |
| CN107846612B (zh) | 收视分析方法及装置 | |
| CN112148764B (zh) | 特征的筛选方法、装置、设备和存储介质 | |
| CN109634945A (zh) | 一种报表系统中数据检测的方法和装置 | |
| CN116955081A (zh) | 一种数据处理方法及装置 | |
| CN116935510A (zh) | 车辆行程信息获取方法、装置、设备、介质及车辆 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |