CN111339062A - 数据监控方法、装置、电子设备及存储介质 - Google Patents
数据监控方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111339062A CN111339062A CN202010111912.1A CN202010111912A CN111339062A CN 111339062 A CN111339062 A CN 111339062A CN 202010111912 A CN202010111912 A CN 202010111912A CN 111339062 A CN111339062 A CN 111339062A
- Authority
- CN
- China
- Prior art keywords
- data
- time period
- monitored
- query time
- alarm
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 149
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012806 monitoring device Methods 0.000 claims abstract description 3
- 238000001914 filtration Methods 0.000 claims description 20
- 230000002776 aggregation Effects 0.000 claims description 15
- 238000004220 aggregation Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 11
- 238000006116 polymerization reaction Methods 0.000 claims description 5
- 230000004931 aggregating effect Effects 0.000 claims description 4
- 230000000379 polymerizing effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002688 persistence Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/219—Managing data history or versioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
- G06F16/244—Grouping and aggregation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Debugging And Monitoring (AREA)
Abstract
本公开关于一种数据监控方法、装置、电子设备及存储介质。所述方法包括:获取与报警触发条件对应的历史数据的初次查询时间段和时间偏移信息,初次查询时间段是对待监控数据的原始时间段进行一次偏移后得到的查询时间段;根据时间偏移信息对初次查询时间段进行二次偏移,生成目标查询时间段;从数据源中查询得到目标查询时间段内的历史数据;根据目标查询时间段内的历史数据以及预先配置的对比规则对待监控数据进行数据监控,输出数据监控结果。该方法通过使用户能够依实际需求调整查询数据的时间段,从而提高数据监控的灵活性,减少错误报警的发生。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及一种数据监控方法、装置、电子设备及存储介质。
背景技术
随着信息技术的发展,无论是服务端还是客户端,在运行过程中都会产生大量的数据,例如,日志文件、采样收集的数据等。这些数据中通常存在一些关注的指标,例如,用户数量、活跃设备数量等,在监控这些指标时,需要工程师们在海量数据中找到对应的数据,并实时判断指标趋势是否正常。
在实际生活中,由于人的生活基本遵循一定的规律,因此采用同环比等方式进行数据监控可以发现很多问题。但是,由于采用同环比方式在时间上具有局限性,当在监控时间段内的数据产生偏差,例如,某运营商每天晚上8点到10点总有一次抖动,会导致业务触发报警,从而容易产生误报,存在使用不够灵活的问题。
发明内容
本公开提供一种数据监控方法、装置、电子设备及存储介质,以至少解决相关技术中在数据监控时查询数据的时间段的不够灵活的问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种数据监控方法,包括:
获取与报警触发条件对应的历史数据的初次查询时间段和时间偏移信息,初次查询时间段是对待监控数据的原始时间段进行一次偏移后得到的查询时间段;
根据时间偏移信息对初次查询时间段进行二次偏移,生成目标查询时间段;
从数据源中查询得到目标查询时间段内的历史数据;
根据目标查询时间段内的历史数据以及预先配置的对比规则对待监控数据进行数据监控,输出数据监控结果。
在其中一个实施例中,获取与报警触发条件对应的历史数据的初次查询时间段,包括:
调用预先生成的报警规则,报警规则中包括数据粒度和监控点数;
根据数据粒度和监控点数,确定待监控数据的原始时间段;
根据报警触发条件,对待监控数据的原始时间段进行一次偏移,生成历史数据的初次查询时间段。
在其中一个实施例中,报警规则的生成方式,包括:
获取报警规则的模板信息,模板信息包括数据源信息、待监控指标、指标维度及监控触发条件;
当满足监控触发条件时,从数据源中加载与数据源信息对应的待监控数据;
从待监控数据中查询得到指标维度的枚举值;
生成与待监控指标以及各指标维度的枚举值对应的报警规则。
在其中一个实施例中,模板信息还包括与指标维度的枚举值对应的数据的排序模型;从待监控数据中查询得到指标维度的枚举值之后,还包括:
通过排序模型对与各指标维度的枚举值对应的数据进行排序;
生成与待监控指标以及各指标维度的枚举值对应的报警规则,包括:
生成与待监控指标以及排序后的各指标维度的枚举值对应的报警规则。
在其中一个实施例中,模板信息还包括数据过滤信息;从待监控数据中查询得到指标维度的枚举值之后,还包括:
过滤待监控数据中与数据过滤信息对应的数据,得到过滤后的指标维度的枚举值;
生成与待监控指标以及各指标维度的枚举值对应的报警规则,包括:
生成与待监控指标以及过滤后的各指标维度的枚举值对应的报警规则。
在其中一个实施例中,从数据源中查询得到查询时间段内的历史数据之后,还包括:
获取对历史数据进行聚合的聚合方式;
根据聚合方式对历史数据进行聚合得到对比数据;
根据目标查询时间段内的历史数据以及预先配置的对比规则对待监控数据进行数据监控,输出数据监控结果,包括:
根据对比数据以及预先配置的对比规则对待监控数据进行数据监控,输出数据监控结果。
在其中一个实施例中,报警触发条件包括多个;根据时间偏移信息以及对应的原始查询时间段,生成查询时间段,包括:
根据与同一报警触发条件对应的时间偏移信息以及初次查询时间段,生成与同一报警触发条件对应的目标查询时间段。
根据本公开实施例的第二方面,提供一种数据监控装置,包括:
获取模块,被配置为执行获取与报警触发条件对应的历史数据的初次查询时间段和时间偏移信息,初次查询时间段是对待监控数据的原始时间段进行一次偏移后得到的查询时间段;
时间段生成模块,被配置为执行根据时间偏移信息以及初次查询时间段,生成目标查询时间段;
查询模块,被配置为执行从数据源中查询得到目标查询时间段内的历史数据;
数据监控模块,被配置为执行根据目标查询时间段内的历史数据以及预先配置的对比规则对待监控数据进行数据监控,输出数据监控结果。
在其中一个实施例中,所述装置还包括:
调用模块,被配置为执行调用预先生成的报警规则,报警规则中包括数据粒度和监控点数;
待监控数据的时间段确定模块,被配置为执行根据数据粒度和监控点数,确定待监控数据的原始时间段;
初次查询时间段生成模块,被配置为执行根据报警触发条件,对待监控数据的原始时间段进行一次偏移,生成历史数据的初次查询时间段。
在其中一个实施例中,获取模块,被配置为执行获取报警规则的模板信息,模板信息包括数据源信息、待监控指标、指标维度及监控触发条件;
查询模块,被配置为执行当满足监控触发条件时,从数据源中加载与数据源信息对应的待监控数据;
所述装置还包括:
维度查询模块,被配置为执行从待监控数据中查询得到指标维度的枚举值;
报警规则生成模块,被配置为执行生成与待监控指标以及各指标维度的枚举值对应的报警规则。
在其中一个实施例中,模板信息还包括与指标维度的枚举值对应的数据的排序模型;所述装置还包括:
排序模块,被配置为执行通过排序模型对与各指标维度的枚举值对应的数据进行排序;
报警规则生成模块,被配置为执行生成与待监控指标以及排序后的各指标维度的枚举值对应的报警规则。
在其中一个实施例中,模板信息还包括数据过滤信息;所述装置还包括:
数据过滤模块,被配置为执行过滤待监控数据中与数据过滤信息对应的数据,得到过滤后的指标维度的枚举值;
报警规则生成模块,被配置为执行生成与待监控指标以及过滤后的各指标维度的枚举值对应的报警规则。
在其中一个实施例中,获取模块,被配置为执行获取对历史数据进行聚合的聚合方式;
所述装置还包括:计算模块,被配置为执行根据聚合方式对历史数据进行聚合得到对比数据;
数据监控模块,被配置为执行根据对比数据以及预先配置的对比规则对待监控数据进行数据监控,输出数据监控结果。
在其中一个实施例中,报警触发条件包括多个;时间段生成模块,被配置为执行根据与同一报警触发条件对应的时间偏移信息以及初次查询时间段,生成与同一报警触发条件对应的目标查询时间段。
根据本公开实施例的第三方面,提供一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如上述第一方面任一项实施例中所述的数据监控方法。
根据本公开实施例的第四方面,提供一种存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如上述第一方面任一项实施例中所述的数据监控方法。
根据本公开实施例的第五方面,提供一种计算机程序产品,所述程序产品包括计算机程序,所述计算机程序存储在可读存储介质中,设备的至少一个处理器从所述可读存储介质读取并执行所述计算机程序,使得设备执行第一方面的任一项实施例中所述的数据监控方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
通过获取与报警触发条件对应的历史数据的初次查询时间段,以及预先配置的和二次时间偏移信息;然后,根据该二次时间偏移信息对初次查询时间段进行二次偏移,生成目标查询时间段;最后,从数据源中查询得到目标查询时间段内的历史数据,并使用该历史数据以及预先配置的对比规则对待监控数据进行数据监控,输出数据监控结果。通过上述方案使用户可以依实际需求调整查询数据的时间段,从而提高数据监控的灵活性,减少错误报警的发生。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种数据监控方法的应用环境图。
图2是根据一示例性实施例示出的一种数据监控方法的流程图。
图3是根据一示例性实施例示出的一种生成初次查询时间段的流程图。
图4是根据一示例性实施例示出的一种报警规则的生成方法的流程图。
图5是根据一示例性实施例示出的一种数据监控方法的流程图。
图6是根据一示例性实施例示出的一种数据监控方法的流程图。
图7是根据一示例性实施例示出的一种数据监控装置的框图。
图8是根据一示例性实施例示出的一种数据监控系统的框图。
图9是根据一示例性实施例示出的一种电子设备的内部结构图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开所提供的数据监控方法,可以应用于如图1所示的应用环境中。其中,终端110通过网络与服务器120进行交互。服务器120中部署有数据监控系统,可以用于监控用户关心的数据以及数据的指标趋势等是否正常。终端110具有显示装置,用于将报警规则、用户关心的指标数据通过可视化界面展示出来。用户可以通过终端110展示出的可视化界面进行配置时间偏移信息、分析数据等操作。具体地,服务器120获取与报警触发条件对应的历史数据的初次查询时间段和时间偏移信息,初次查询时间段是对待监控数据的原始时间段进行一次偏移后得到的查询时间段;根据时间偏移信息对初次查询时间段进行二次偏移,生成目标查询时间段;从数据源中查询得到目标查询时间段内的历史数据;根据目标查询时间段内的历史数据以及预先配置的对比规则对待监控数据进行数据监控,输出数据监控结果。其中,终端110可以是但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务端120可以用独立的服务器或者多个服务器组成的服务器集群来实现。
图2是根据一示例性实施例示出的一种数据监控方法的流程图,如图2所示,数据监控方法用于服务器120中,包括以下步骤。
在步骤S210中,获取与报警触发条件对应的历史数据的初次查询时间段和时间偏移信息,初次查询时间段是对待监控数据的原始时间段进行一次偏移后得到的查询时间段。
其中,在进行数据监控时,通常需要指定相应地一个或者多个指标,监控该指标下的数据的是否正常。指标是衡量事务发展程度的参数,是指预期中打算达到的指数、规格、标准等,例如,用户数量、覆盖率、活跃的设备数量等。指标通常需要经过加和、平均等聚合统计才能得到,报警触发条件是指判断指标数据异常时触发报警的条件,例如,与1年前的增长率同比增加30%时触发报警。历史数据是指已发生过的数据,根据数据监控的对比要求,历史数据不限于包括与待监控数据在同样的条件下产生的已经发生过得数据,例如,在同一个指标维度的枚举值下对应的数据;或者大盘数据,即所有维度下的所有数据。指标维度是事物或现象的某种特征,如性别、地区、时间等都是维度。指标维度的枚举值是指与指标维度对应的所有值。示例性地,待监控数据的指标为用户数量,该待监控数据的指标维度包括职业、城市、性别、应用版本。以指标维度是应用版本为例,应用版本包括版本1、版本2、版本3,则该版本1、版本2、版本3则为指标维度版本的枚举值。
待监控数据是指待进行监控数据的指标波动是否正常的数据。待监控数据的原始时间段是指待监控数据发生时的时间段。初次查询时间段是指根据与报警触发条件对应的初次时间偏移信息对待监控数据的原始时间段进行初次时间偏移后的时间段。时间偏移信息是指在对待监控数据的原始时间段做初次时间偏移后的二次时间偏移信息,时间偏移信息不限于包括时间偏移值和时间单位。时间偏移值可以为正数,也可以为负数。
具体地,在对数据监控的过程中,通常需要将待监控数据与历史数据等进行对比,分析待监控数据中用户关心的指标是否发生异常波动。而指标的波动可以采用指标的变化率,例如同比或环比等表示。同比是指跟以往同一时期相比,例如与上一年同一时期相比;环比是指表示连续2个统计周期(比如连续两月)内的量的变化比。因此,可以理解的是,想要获取指标的变化率,需要根据配置的指标变化率的计算标准,对待监控数据的原始时间段做一次时间偏移,得到历史数据的初次查询时间段。进而从数据源中查询得到与该初次查询时间段对应的历史数据,与待监控数据进行对比得到指标变化率。在本实施例中,由于在一些场景下,采用同环比等方式得到的初次查询时间段对应的数据存在不够准确的现象,因此,本实施例中通过预先配置与报警触发条件对应的二次时间偏移信息对初次查询时间段做二次偏移,从而提高查询得到的数据的准确性。
在步骤S220中,根据时间偏移信息对初次查询时间段进行二次偏移,生成目标查询时间段。
其中,目标查询时间段是指最终从数据源中查询需要的数据的时间段。具体地,服务器在获取初次查询时间段以及时间偏移信息后,自动根据初次查询时间段以及时间偏移信息,计算生成目标查询时间段。
在步骤S230中,从数据源中查询得到目标查询时间段内的历史数据。
其中,数据源,顾名思义,是指数据的来源,是提供所需要数据的器件或原始媒体。在数据源中存储了所有建立数据库连接的信息。就像通过指定文件名称可以在文件系统中找到文件一样,通过提供正确的数据源信息,可以找到相应的数据库连接,从而加载到需要的数据。具体地,在得到目标查询时间段后,服务器可以根据预先配置的数据源信息(例如,数据表名称),从数据源中查询得到目标时间段内的历史数据。
在步骤S240中,根据目标查询时间段内的历史数据以及预先配置的对比规则对待监控数据进行数据监控,输出数据监控结果。
可以理解的是,数据监控系统中预先配置有对比规则,该对比规则依实际需求而定。在服务器在查询到目标查询时间段内的历史数据后,通过调用预先配置的对比规则,将该历史数据与待监控数据进行对比,生成对比结果。然后,将该对比结果与报警触发条件进行比较,若该对比结果满足报警触发条件,则判断待监控数据异常,发出报警提示;否则,则判断待监控数据正常。
上述数据监控方法,通过获取预先配置的和二次时间偏移信息;然后,根据该二次时间偏移信息对初次查询时间段进行二次偏移,生成目标查询时间段;最后,从数据源中查询得到目标查询时间段内的历史数据,并使用该历史数据以及预先配置的对比规则对待监控数据进行数据监控,输出数据监控结果。通过上述方案使用户能够依实际需求调整查询数据的时间段,从而提高数据监控的灵活性,减少错误报警的发生。
在一示例性实施例中,如图3所示,在步骤S210中,获取与报警触发条件对应的历史数据的初次查询时间段具体可以通过以下步骤实现:
在步骤211中,调用预先生成的报警规则,报警规则中包括数据粒度和监控点数。
在步骤212中,根据数据粒度和监控点数,确定待监控数据的原始时间段。
其中,报警规则可以是用户预先配置好的,也可以是根据待监控数据动态生成的。数据粒度是指数据仓库的数据单位中保存数据的细化或综合程度的级别。根据数据粒度细化标准:细化程度越高,粒度越小;细化程度越低,粒度越大。在本实施例中,数据粒度可以指时间粒度,时间粒度是指数据源中检测数据的频率。例如,对于用户数量,可以是每分钟检测一次,也可以是每十分钟检测一次。监控点数是指需要监控的时间点的个数,例如,想要监控3个时间点的个数。具体地,用户在配置监控数据的报警规则时,可以输入数据粒度和需要监控的监控点数。服务器获取该数据粒度和监控点数,根据该数据粒度和监控点数,计算每次查询待监控数据的原始时间段。示例性地,若数据粒度为15分钟,监控点数为3,加载待监控数据的时间范围则为45分钟。若数据的监控触发条件为2020年1月2日,15:00,则可以加载2020年1月2日,14:15-15:00期间的数据作为待监控数据。进一步地,为了提高数据监控的准确性,在计算待监控数据的时间范围时,还可以对原始时间段做一定比例的扩张,增加待监控数据的查询范围。
在步骤213中,根据报警触发条件,对待监控数据的原始时间段进行一次偏移,生成历史数据的初次查询时间段。
具体地,在确定代监控数据的原始时间后,服务器根据与报警触发条件对应的初次偏移时间,对待监控数据的原始时间段做初次时间偏移,得到查询历史数据的初次查询时间段。示例性地,报警触发条件为增长率与1年前同比增加30%,原始时间段为2020年1月2日,14:15-15:00,则初次查询时间段则为2019年1月2日,14:15-15:00。
本实施例中,通过在报警规则中配置数据粒度和监控点数,使服务器能够在开始监控数据时,自动加载需要监控的时间范围内的待监控数据,从而提高数据监控的自动化程度,减少时间成本和人力成本。
图4是根据一示例性实施例示出的一种报警规则的生成方法的流程图,在本实施例中,可以通过预先配置的报警规则的模板信息动态自动化生成报警规则。如图4所示,报警规则的监控方法用于服务器120中,包括以下步骤。
在步骤S410中,获取报警规则的模板信息,模板信息包括数据源信息、待监控指标、指标维度及监控触发条件。
其中,模板信息是指生成报警规则的标准化信息。模板信息中可以但不限于包括报警规则的基本信息、待监控数据相关的数据信息、监控触发条件以及对待监控数据进行监控的对比规则等。其中,报警规则的基本信息可以但不限于包括报警标题、报警方式等。与待监控数据相关的数据信息可以但不限于包括数据源信息,数据粒度,指标以及与指标对应的维度等。具体地,用户可以通过终端展示的可视化界面预先配置好模板信息。当需要生成报警规则时,服务器获取预先配置好的该模板信息。
在步骤S420中,当满足监控触发条件时,从数据源中加载与数据源信息对应的待监控数据。
其中,监控触发条件是指触发生成报警规则的条件,例如,设定监控触发条件为满足一定的时间,例如,每天晚上的十点,那么当监测到时间到达晚上十点时,则判断满足监控触发条件,触发生成报警规则。具体地,服务器实时监控当前是否满足监控触发条件,当判断当前满足监控触发条件时,则根据所获取的模板信息中的数据源信息加载得到对应的待监控数据。
在步骤S430中,从待监控数据中查询得到指标维度的枚举值。
具体地,指标维度的枚举值可以是动态变化的,例如,当发布新的版本-版本4后,与指标维度版本对应的枚举值则会相应的变成版本1、版本2、版本3、版本4。在加载得到待监控数据后,从该待监控数据中查询得到关心的指标维度对应的枚举值。由于报警规则的生成是动态的,因此可以得到待监控数据中的最新的维度枚举值,从而不需要用户在指标维度发生变化时手动更新报警规则。
在步骤S440中,生成与待监控指标以及各指标维度的枚举值对应的报警规则。
具体地,在查询得到待监控数据中的指标维度的枚举值后,可以根据指标、指标维度的各个枚举值以及模板信息中的其他信息(报警规则基本信息、对比规则、报警触发条件等)创建与维度的枚举值对应的报警规则,并使用该报警规则对待监控数据进行监控。
上述报警规则的生成方法中,通过获取预先配置的报警规则的模板信息,根据该模板信息动态生成报警规则,实现只需配置一次模板信息,便可在需要执行数据监控任务的时候从待监控数据中查询得到指标维度的最新枚举值,从而生成与待监控指标以及各指标维度的枚举值对应的报警规则。不需要因为指标维度的变化而重新配置报警规则,使用灵活,且可以节省时间成本和人力成本。
在一个示例性实施例中,模板信息还包括与指标维度的枚举值对应的数据的排序模型;从待监控数据中查询得到指标维度的枚举值之后,还包括:通过排序模型对与各指标维度的枚举值对应的数据进行排序。在本实施例中,步骤S440,生成与待监控指标以及各指标维度的枚举值对应的报警规则,具体可以包括:生成与待监控指标以及排序后的各指标维度的枚举值对应的报警规则。
具体地,由于从待监控数据中查询到的指标维度的枚举值可能包含很多个,为了进一步便于用户了解待监控数据的发展趋势,生成与待监控数据的发展趋势相应的报警规则。在本实施例中,模板信息还可以包括排序模型,使用户可以在配置模板信息时,根据实际的数据监控需求配置与指标维度的枚举值对应的数据的排序规则。进一步地,用户还可以通过可视化界面选择指标维度的枚举值的数量。示例性地,指标为用户数量的增长率,维度为城市,若想监控增长率最高的前10个城市的数据,则可以预先配置排序模型为增长率从高至低排序,数量为前10。本实施例中,通过在模板信息中增加排序模型,便于有针对性地监控数据,从而使用户可以清晰的了解数据的变化趋势,且加快了系统的运行效率。
在一个示例性实施例中,模板信息还包括数据过滤信息;从待监控数据中查询得到指标维度的枚举值之后,还包括:过滤待监控数据中与数据过滤信息对应的数据,得到过滤后的指标维度的枚举值。在本实施例中,步骤S440,生成与待监控指标以及各指标维度的枚举值对应的报警规则,具体可以包括:生成与待监控指标以及过滤后的各指标维度的枚举值对应的报警规则。
具体地,在一些场景下,加载得到的待监控数据中会存在一些不需要关注的数据。本实施例中,通过在模板信息中增加数据过滤信息,可以使服务器在从待监控数据中查询指标维度对应的枚举值时,自动过滤与数据过滤信息对应的数据,从而使生成的报警规则不再针对与数据过滤信息对应的数据。示例性地,若不需要监控A地区对应的用户增长率,则可以预先在模板信息的数据过滤信息中配置“A地区”,从而过滤A地区对应的数据。
在一个示例性实施例中,从数据源中查询得到查询时间段内的历史数据之后,还包括:
获取对历史数据进行聚合的聚合方式;根据聚合方式对历史数据进行聚合得到对比数据。在本实施例中,步骤S240中,根据目标查询时间段内的历史数据以及预先配置的对比规则对待监控数据进行数据监控,输出数据监控结果,具体可以包括:根据对比数据以及预先配置的对比规则对待监控数据进行数据监控,输出数据监控结果。
其中,聚合方式主要有以下几种:All,指所有数据不进行运算,都参与比较;Sum,求和;Avg,求数据的平均值;Max,求数据的最大值;Min,求数据的最小值。对比数据是指最终用于与待监控数据进行对比的数据。聚合方式是指将所查询得到的历史数据进行运算,例如,求最大、最小、平均等运算。具体地,根据目标查询时间段查询得到的历史数据可能不适于直接用于数据对比,因此可以通过对历史数据进行聚合运算得到需要的对比数据,并使用该对比数据与待监控数据进行对比。例如,根据经验,当前每分钟的待监控数据,只要不比前一天同点前后三小时这个范围内每分钟的最大值大就认为是正常的,否则认为是异常。这种情况下,在得到历史数据后,可以对历史数据做Max聚合运算,得到历史数据的最大值,进而使用该最大值与当前的待监控数据进行对比得到数据监控结果。本实施例中,通过配置对历史数据进行聚合的聚合方式,可以提高数据监控的准确性、灵活性以及使用的便捷性。
在一个示例性实施例中,报警触发条件包括多个;根据时间偏移信息以及对应的原始查询时间段,生成查询时间段,包括:根据与同一报警触发条件对应的时间偏移信息以及初次查询时间段,生成与同一报警触发条件对应的目标查询时间段。
具体地,若报警触发条件配置有多个,则可以为其中的一个或者多个报警触发条件分别配置相应的二次时间偏移信息。服务器获取与同一报警触发条件对应的初次查询时间段和二次时间偏移信息后,可以根据与该同一报警触发条件对应的初次查询时间段和二次时间偏移信息,生成与该同一报警触发条件对应的目标查询时间段。本实施例中,在报警触发条件为多个时,为其中的一个或者多个配置二次偏移时间,可以使数据监控灵活性更高。
图5是根据一示例性实施例提供的一种数据监控方法的流程图,如图5所示,包括以下步骤。
在步骤501中,获取预先配置的报警规则,所述报警规则中不限于包括数据源信息、待检测指标、与指标维度对应的枚举值、数据粒度、监控点数、报警触发条件、初次时间偏移信息以及二次时间偏移信息。
在步骤502中,持久化报警规则。持久化可以使报警规则能够被调用;同时,可以使报警规则能够供终端使用,使用户能够通过可视化界面查看具体的报警规则和数据。
在步骤503中,定时利用调度器调用报警规则。
在步骤504中,将报警规则写入消息队列中。
在步骤505中,调用消息队列中的报警规则。
在步骤506中,确定初次查询时间段。具体地,首先,根据报警规则中的数据粒度和监控点数,确定待监控数据的原始时间段。然后,根据配置的一次时间偏移信息,对待监控数据的原始时间段进行初次偏移,生成初次查询时间段。
在步骤507中,确定目标查询时间段。具体地,首先,获取报警规则中的二次时间偏移信息。然后,根据二次时间偏移信息对初次查询时间段进行二次偏移,生成目标查询时间段。
在步骤508中,从数据源中查询到目标查询时间段内的历史数据。进一步地,可以对历史数据进行聚合运算,生成最终用于与待监控数据进行对比的对比数据。
在步骤509中,对所获取到的数据进行数据处理。具体地,数据处理可以是指根据实际需求对获取的数据进行格式转换,使格式转换的数据能够被直接用于数据对比。
在步骤510中,按照预先配置的对比规则将待监控数据和对比数据进行对比,输出对比结果。
在步骤511中,判断对比结果是否满足报警触发条件。若满足,则执行步骤512,根据预先设置的报警方式触发报警,并在报警后执行步骤513,结束本次数据监控任务;否则直接执行步骤513,结束本次数据监控任务。
在步骤512中,根据预先设置的报警方式触发报警。
在步骤513中,结束数据监控任务。
图6是根据一示例性实施例提供的一种数据监控方法的流程图,在本实施例中,报警规则是根据预先配置的模板信息动态自动化生成的。如图6所示,包括以下步骤。
在步骤601中,获取报警规则的模板信息,模板信息中不限于包括数据源信息、待检测指标、指标维度、数据粒度、监控点数、报警触发条件、初次时间偏移信息以及二次时间偏移信息。
在步骤602中,当满足监控任务触发条件时,则利用调度器调用报警规则生成任务。其中,满足监控任务触发条件不限于是监控时间间隔到达时。
在步骤603中,根据所获取的模板信息,生成与各维度指标的枚举值对应的报警规则。其中,生成报警规则的具体步骤参照上述报警规则的生成方法,在此不做进一步阐述。
在步骤604中,将所生成的报警规则持久化。持久化可以使所生成的规则能够被调用;同时,可以使所生成的报警规则能够供终端使用,使用户能够通过可视化界面查看具体的报警规则和数据。
在步骤605中,定时利用调度器调用所生成的报警规则。
在步骤606中,将报警规则写入消息队列中。
在步骤607中,调用消息队列中的报警规则。
在步骤608中,确定初次查询时间段。具体地,首先,根据报警规则中的数据粒度和监控点数,确定待监控数据的原始时间段。然后,根据初次时间偏移信息,对待监控数据的原始时间段进行初次偏移,生成初次查询时间段。
在步骤609中,确定目标查询时间段。具体地,首先,获取报警规则中的二次时间偏移信息。然后,根据二次时间偏移信息对初次查询时间段进行二次偏移,生成目标查询时间段。
在步骤610中,从数据源中查询到目标时间段内的历史数据。进一步地,可以对历史数据进行聚合运算,生成最终用于与待监控数据进行对比的对比数据。
在步骤611中,对所获取到的数据进行数据处理。具体地,数据处理可以是指根据实际需求对所获取的数据进行格式转换,使格式转换的数据能够被直接用于数据对比。
在步骤612中,数据对比。按照预先配置的对比规则将待监控数据和查询得到的历史数据进行对比,输出对比结果。
在步骤613中,判断对比结果是否满足报警触发条件。若满足,则执行步骤614,根据预先设置的报警方式触发报警,并在报警后执行步骤615,结束本次数据监控任务;否则直接执行步骤615,结束本次数据监控任务。
在步骤614中,根据预先设置的报警方式触发报警。
在步骤615中,结束数据监控任务。
应该理解的是,虽然图1-6的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-6中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
图7是根据一示例性实施例示出的一种数据监控装置700框图。参照图7,该装置包括获取模块701、时间段生成模块702、查询模块703和数据监控模块704。
获取模块701,被配置为执行获取与报警触发条件对应的历史数据的初次查询时间段和时间偏移信息,初次查询时间段是对待监控数据的原始时间段进行一次偏移后得到的查询时间段;
时间段生成模块702,被配置为执行根据时间偏移信息以及初次查询时间段,生成目标查询时间段;
查询模块703,被配置为执行从数据源中查询得到目标查询时间段内的历史数据;
数据监控模块704,被配置为执行根据目标查询时间段内的历史数据以及预先配置的对比规则对待监控数据进行数据监控,输出数据监控结果。
在一示例性实施例中,所述数据监控装置700还包括:
调用模块(图7中未示出),被配置为执行调用预先生成的报警规则,报警规则中包括数据粒度和监控点数;待监控数据的时间段确定模块,被配置为执行根据数据粒度和监控点数,确定待监控数据的原始时间段;初次查询时间段生成模块,被配置为执行根据报警触发条件,对待监控数据的原始时间段进行一次偏移,生成历史数据的初次查询时间段。
在一示例性实施例中,获取模块701,被配置为执行获取报警规则的模板信息,模板信息包括数据源信息、待监控指标、指标维度及监控触发条件;查询模块703,被配置为执行当满足监控触发条件时,从数据源中加载与数据源信息对应的待监控数据;所述数据监控装置700还包括:维度查询模块(图7中未示出),被配置为执行从待监控数据中查询得到指标维度的枚举值;报警规则生成模块(图7中未示出),被配置为执行生成与待监控指标以及各指标维度的枚举值对应的报警规则。
在一示例性实施例中,模板信息还包括与指标维度的枚举值对应的数据的排序模型;所述数据监控装置700还包括:排序模块(图7中未示出),被配置为执行通过排序模型对与各指标维度的枚举值对应的数据进行排序;报警规则生成模块,被配置为执行生成与待监控指标以及排序后的各指标维度的枚举值对应的报警规则。
在一示例性实施例中,模板信息还包括数据过滤信息;所述数据监控装置700还包括:数据过滤模块(图7中未示出),被配置为执行过滤待监控数据中与数据过滤信息对应的数据,得到过滤后的指标维度的枚举值;报警规则生成模块,被配置为执行生成与待监控指标以及过滤后的各指标维度的枚举值对应的报警规则。
在一示例性实施例中,获取模块701,被配置为执行获取对历史数据进行聚合的聚合方式;所述数据监控装置700还包括:计算模块(图7中未示出),被配置为执行根据聚合方式对历史数据进行聚合得到对比数据;数据监控模块704,被配置为执行根据对比数据以及预先配置的对比规则对待监控数据进行数据监控,输出数据监控结果。
在一示例性实施例中,报警触发条件包括多个;时间段生成模块702,被配置为执行根据与同一报警触发条件对应的时间偏移信息以及初次查询时间段,生成与同一报警触发条件对应的目标查询时间段。
图8是根据一示例性实施例示出的一种报数据监控系统的框图。参照图8,其中:
可视化界面(WEB UI,Website User Interface),用于给提供用户配置查看界面,使用户能够简单便捷的配置报警规则的模型信息。
规则生成器,被配置为执行根据模板信息动态生成报警规则,根据数据的变化及时更新报警规则。
定时模块,被配置为执行按照配置的监控触发条件生成报警规则,并定时将报警规则写入消息队列。
调用模块,被配置为执行实时调用消息队列中的报警规则。
查询模块(参照图7中的查询模块703),被配置为执行根据时间段等信息从数据源中查询需要的数据。进一步地,查询模块还可以对查询到的数据做数据处理,按照一定的格式将处理后的数据输出至对比模块。
对比模块,被配置为执行根据配置的对比规则,对比待监控数据和查询到的数据。
报警模块,被配置为执行在对比结果满足报警条件时,发送报警通知、跟进报警提醒、恢复报警通知及报警事件跟踪等。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图9是根据一示例性实施例示出的一种用于数据监控的设备900的框图。例如,设备900可以为一服务器。参照图9,设备900包括处理组件920,其进一步包括一个或多个处理器,以及由存储器922所代表的存储器资源,用于存储可由处理组件920的执行的指令,例如应用程序。存储器8922中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件920被配置为执行指令,以执行上述数据监控的方法。
设备900还可以包括一个电源组件924被配置为执行设备900的电源管理,一个有线或无线网络接口926被配置为将设备900连接到网络,和一个输入输出(I/O)接口928。设备900可以操作基于存储在存储器922的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种包括指令的存储介质,例如包括指令的存储器822,上述指令可由设备800的处理器执行以完成上述方法。存储介质可以是非临时性计算机可读存储介质,例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种数据监控方法,其特征在于,包括:
获取与报警触发条件对应的历史数据的初次查询时间段和时间偏移信息,所述初次查询时间段是对待监控数据的原始时间段进行一次偏移后得到的查询时间段;
根据所述时间偏移信息对所述初次查询时间段进行二次偏移,生成目标查询时间段;
从数据源中查询得到所述目标查询时间段内的历史数据;
根据所述目标查询时间段内的历史数据以及预先配置的对比规则对所述待监控数据进行数据监控,输出数据监控结果。
2.根据权利要求1所述的数据监控方法,其特征在于,所述获取与报警触发条件对应的历史数据的初次查询时间段,包括:
调用预先生成的报警规则,所述报警规则中包括数据粒度和监控点数;
根据所述数据粒度和所述监控点数,确定所述待监控数据的原始时间段;
根据所述报警触发条件,对所述待监控数据的原始时间段进行一次偏移,生成所述历史数据的初次查询时间段。
3.根据权利要求2所述的数据监控方法,其特征在于,所述报警规则的生成方式,包括:
获取报警规则的模板信息,所述模板信息包括数据源信息、待监控指标、指标维度及监控触发条件;
当满足所述监控触发条件时,从所述数据源中加载与所述数据源信息对应的所述待监控数据;
从所述待监控数据中查询得到所述指标维度的枚举值;
生成与所述待监控指标以及各指标维度的枚举值对应的报警规则。
4.根据权利要求3所述的数据监控方法,其特征在于,所述模板信息还包括与所述指标维度的枚举值对应的数据的排序模型;所述从所述待监控数据中查询得到所述指标维度的枚举值之后,还包括:
通过所述排序模型对与所述各指标维度的枚举值对应的数据进行排序;
所述生成与所述待监控指标以及各指标维度的枚举值对应的报警规则,包括:
生成与所述待监控指标以及排序后的所述各指标维度的枚举值对应的报警规则。
5.根据权利要求3所述的数据监控方法,其特征在于,所述模板信息还包括数据过滤信息;所述从所述待监控数据中查询得到所述指标维度的枚举值之后,还包括:
过滤所述待监控数据中与所述数据过滤信息对应的数据,得到过滤后的指标维度的枚举值;
所述生成与所述待监控指标以及各指标维度的枚举值对应的报警规则,包括:
生成与所述待监控指标以及过滤后的各指标维度的枚举值对应的报警规则。
6.根据权利要求1所述的数据监控方法,其特征在于,所述从数据源中查询得到所述查询时间段内的历史数据之后,还包括:
获取对所述历史数据进行聚合的聚合方式;
根据所述聚合方式对所述历史数据进行聚合得到对比数据;
所述根据所述目标查询时间段内的历史数据以及预先配置的对比规则对所述待监控数据进行数据监控,输出数据监控结果,包括:
根据所述对比数据以及预先配置的对比规则对所述待监控数据进行数据监控,输出数据监控结果。
7.根据权利要求1所述的数据监控方法,其特征在于,所述报警触发条件包括多个;所述根据所述时间偏移信息以及对应的所述原始查询时间段,生成查询时间段,包括:
根据与同一报警触发条件对应的所述时间偏移信息以及所述初次查询时间段,生成与所述同一报警触发条件对应的所述目标查询时间段。
8.一种数据监控装置,其特征在于,包括:
获取模块,被配置为执行获取与报警触发条件对应的历史数据的初次查询时间段和时间偏移信息,所述初次查询时间段是对待监控数据的原始时间段进行一次偏移后得到的查询时间段;
时间段生成模块,被配置为执行根据所述时间偏移信息以及所述初次查询时间段,生成目标查询时间段;
查询模块,被配置为执行从数据源中查询得到所述目标查询时间段内的历史数据;
数据监控模块,被配置为执行根据所述目标查询时间段内的历史数据以及预先配置的对比规则对所述待监控数据进行数据监控,输出数据监控结果。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至7中任一项所述的数据监控方法。
10.一种存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如权利要求1至7中任一项所述的数据监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010111912.1A CN111339062B (zh) | 2020-02-24 | 2020-02-24 | 数据监控方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010111912.1A CN111339062B (zh) | 2020-02-24 | 2020-02-24 | 数据监控方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111339062A true CN111339062A (zh) | 2020-06-26 |
CN111339062B CN111339062B (zh) | 2024-03-19 |
Family
ID=71179657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010111912.1A Active CN111339062B (zh) | 2020-02-24 | 2020-02-24 | 数据监控方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111339062B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112416896A (zh) * | 2020-11-17 | 2021-02-26 | 珠海格力电器股份有限公司 | 数据异常的报警方法和装置、存储介质、电子装置 |
CN113010373A (zh) * | 2021-01-25 | 2021-06-22 | 腾讯科技(深圳)有限公司 | 数据监控方法、装置、电子设备及存储介质 |
CN114077696A (zh) * | 2021-11-24 | 2022-02-22 | 南京理工大学 | 基于时空数据的信息级联控制方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060190473A1 (en) * | 2005-02-23 | 2006-08-24 | Microsoft Corporation | End user defined event rules for ERP applications |
US20060217623A1 (en) * | 2001-11-20 | 2006-09-28 | Eresearch Technology, Inc. | Method and system for processing electrocardiograms |
US20070250920A1 (en) * | 2006-04-24 | 2007-10-25 | Jeffrey Dean Lindsay | Security Systems for Protecting an Asset |
CN105653425A (zh) * | 2015-12-28 | 2016-06-08 | 中国民航信息网络股份有限公司 | 基于复杂事件处理引擎的监控系统 |
CN107168847A (zh) * | 2017-04-21 | 2017-09-15 | 国家电网公司 | 一种支撑分布式架构的全链路应用监控方法与装置 |
CN107220301A (zh) * | 2017-05-10 | 2017-09-29 | 北京小度信息科技有限公司 | 一种可配置化的数据监控方法及装置 |
-
2020
- 2020-02-24 CN CN202010111912.1A patent/CN111339062B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060217623A1 (en) * | 2001-11-20 | 2006-09-28 | Eresearch Technology, Inc. | Method and system for processing electrocardiograms |
US20060190473A1 (en) * | 2005-02-23 | 2006-08-24 | Microsoft Corporation | End user defined event rules for ERP applications |
US20070250920A1 (en) * | 2006-04-24 | 2007-10-25 | Jeffrey Dean Lindsay | Security Systems for Protecting an Asset |
CN105653425A (zh) * | 2015-12-28 | 2016-06-08 | 中国民航信息网络股份有限公司 | 基于复杂事件处理引擎的监控系统 |
CN107168847A (zh) * | 2017-04-21 | 2017-09-15 | 国家电网公司 | 一种支撑分布式架构的全链路应用监控方法与装置 |
CN107220301A (zh) * | 2017-05-10 | 2017-09-29 | 北京小度信息科技有限公司 | 一种可配置化的数据监控方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112416896A (zh) * | 2020-11-17 | 2021-02-26 | 珠海格力电器股份有限公司 | 数据异常的报警方法和装置、存储介质、电子装置 |
CN113010373A (zh) * | 2021-01-25 | 2021-06-22 | 腾讯科技(深圳)有限公司 | 数据监控方法、装置、电子设备及存储介质 |
CN113010373B (zh) * | 2021-01-25 | 2023-08-22 | 腾讯科技(深圳)有限公司 | 数据监测方法、装置、电子设备及存储介质 |
CN114077696A (zh) * | 2021-11-24 | 2022-02-22 | 南京理工大学 | 基于时空数据的信息级联控制方法及系统 |
CN114077696B (zh) * | 2021-11-24 | 2022-06-28 | 南京理工大学 | 基于时空数据的信息级联控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111339062B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111324511B (zh) | 报警规则的生成方法、装置、电子设备及存储介质 | |
CN111339062B (zh) | 数据监控方法、装置、电子设备及存储介质 | |
CN112311617A (zh) | 一种配置化数据监控告警方法及系统 | |
US9992090B2 (en) | Data metrics analytics | |
CN112463543B (zh) | 业务数据的监控方法、规则数据生成方法、装置及系统 | |
CN113505042A (zh) | 服务器内存动态监控方法、装置、设备及存储介质 | |
CN112948223B (zh) | 一种监测运行情况的方法和装置 | |
CN105471938B (zh) | 服务器负载管理方法及装置 | |
CN113641567B (zh) | 一种数据库巡检方法、装置、电子设备及存储介质 | |
CN111597091A (zh) | 数据监控方法及系统、电子设备、计算机存储介质 | |
CN110941639B (zh) | 数据处理、数据查询方法、装置以及设备 | |
CN110633165B (zh) | 故障处理方法、装置、系统服务器及计算机可读存储介质 | |
CN112612679A (zh) | 系统运行状态监控方法、装置、计算机设备和存储介质 | |
CN116974869A (zh) | 指标数据监控方法、装置、电子设备和存储介质 | |
CN109218062B (zh) | 基于置信区间的互联网业务报警方法和装置 | |
CN107357703B (zh) | 一种终端应用耗电检测方法及服务器 | |
CN115223344A (zh) | 表具设备的监控报警方法和装置、电子设备和存储介质 | |
CN106357481B (zh) | 一种用电安全管理方法及系统 | |
CN114861909A (zh) | 模型质量监控方法、装置、电子设备以及存储介质 | |
CN111935289B (zh) | 基于区块链的动态监控方法和装置 | |
CN114531361A (zh) | 一种分布式系统的服务拓扑分析方法、装置及存储介质 | |
CN109508356B (zh) | 数据异常预警方法、装置、计算机设备及存储介质 | |
CN113835916A (zh) | 一种基于Ambari大数据平台的告警方法、系统及设备 | |
CN113391983A (zh) | 报警信息的生成方法、装置、服务器及存储介质 | |
CN113760882B (zh) | 数据异常报警方法、装置、电子设备和计算机可读介质 |
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 |