CN112506738A - 数据可视化处理方法及装置 - Google Patents

Abstract

本申请实施例提供了数据可视化处理方法及装置，其中，所述数据可视化处理方法包括：响应于针对目标监测指标的异常通知，提取所述目标监测指标的历史监测数据，其中，所述异常通知中包含所述目标监测指标的标识信息以及所述目标监测指标的异常信息，将所述异常信息以及所述历史监测数据作为源数据，按照所述源数据的属性与预先创建的可视化样式之间的关联关系，生成可视化配置数据，调用可视化渲染接口对所述可视化配置数据进行可视化渲染，并展示渲染生成的可视化结果。

Description

数据可视化处理方法及装置

技术领域

本申请实施例涉及计算机技术领域，特别涉及一种数据可视化处理方法。本申请一个或者多个实施例同时涉及一种数据可视化处理装置，一种计算设备，以及一种计算机可读存储介质。

背景技术

随着互联网技术的进一步发展，服务计算应用的普及，虚拟化资源池、弹性架构、服务可度量、灵活接入和按需服务等特性让计算资源(包括网络，服务器，服务等)变得随时、随地、随需可得，极大的优化了互联网的资源效率，但同时也对用户的应用系统安全性提出了新的挑战。服务的安全性、稳定性对用户来说至关重要，切实有效的保障服务系统安全需要强大的安全系统。

就目前安全系统的故障检测方法而言，为了保证服务器的正常运行，需要对服务器上的各种运行数据进行实时监测，由此，专用的服务器监测系统应运而生，其可以监测服务器上的多种运行数据，但就目前的监测系统而言，在监测到服务器存在异常时，为用户返回的异常信息中包含的可用信息较少，而使得用户根据这些异常信息无法快速定位异常原因。

发明内容

有鉴于此，本申请施例提供了一种数据可视化处理方法。本申请一个或者多个实施例同时涉及一种数据可视化处理装置，一种计算设备，以及一种计算机可读存储介质，以解决现有技术中仅展示一个时间点的异常信息而使得用户根据这个时间点的异常信息无法快速定位异常原因的技术缺陷。

根据本申请实施例的第一方面，提供了一种数据可视化处理方法，包括：

响应于针对目标监测指标的异常通知，提取所述目标监测指标的历史监测数据，其中，所述异常通知中包含所述目标监测指标的标识信息以及所述目标监测指标的异常信息；

将所述异常信息以及所述历史监测数据作为源数据，按照所述源数据的属性与预先创建的可视化样式之间的关联关系，生成可视化配置数据；

调用可视化渲染接口对所述可视化配置数据进行可视化渲染，并展示渲染生成的可视化结果。

根据本申请实施例的第二方面，提供了一种数据可视化处理装置，包括：

提取模块，被配置为响应于针对目标监测指标的异常通知，提取所述目标监测指标的历史监测数据，其中，所述异常通知中包含所述目标监测指标的标识信息以及所述目标监测指标的异常信息；

生成模块，被配置为将所述异常信息以及所述历史监测数据作为源数据，按照所述源数据的属性与预先创建的可视化样式之间的关联关系，生成可视化配置数据；

渲染模块，被配置为调用可视化渲染接口对所述可视化配置数据进行可视化渲染，并展示渲染生成的可视化结果。

根据本申请实施例的第三方面，提供了一种计算设备，包括：

存储器和处理器；

所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，其中，所述处理器执行所述计算机可执行指令时实现所述数据可视化处理方法的步骤。

根据本申请实施例的第四方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现所述数据可视化处理的步骤。

本申请一个实施例实现了一种数据可视化处理方法及装置，其中，所述数据可视化处理方法包括响应于针对目标监测指标的异常通知，提取所述目标监测指标的历史监测数据，其中，所述异常通知中包含所述目标监测指标的标识信息以及所述目标监测指标的异常信息，将所述异常信息以及所述历史监测数据作为源数据，按照所述源数据的属性与预先创建的可视化样式之间的关联关系，生成可视化配置数据，调用可视化渲染接口对所述可视化配置数据进行可视化渲染，并展示渲染生成的可视化结果。

本申请通过结合异常通知中包含的目标监测指标的异常信息以及所述目标监测指标的历史监测数据生成可视化图表，有利于为用户提供足够多的信息，以使得用户能够结合可视化图表中一定时间段内目标监测指标的监测值的变化趋势快速定位异常原因，从而提高异常处理效率。

附图说明

图1是本申请一个实施例提供的一种数据可视化处理方法的系统架构图；

图2是本申请一个实施例提供的一种数据可视化处理方法的流程图；

图3是本申请一个实施例提供的一种所述数据可视化处理方法应用于报警领域的处理过程流程图；

图4是本申请一个实施例提供的一种数据可视化处理装置的结构示意图；

图5是本申请一个实施例提供的一种计算设备的结构框图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。

在本申请一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请一个或多个实施例。在本申请一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本申请一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

首先，对本申请一个或多个实施例涉及的名词术语进行解释。

Prometheus：一种开源监控报警系统和时序列数据库(TSDB)。

报警：在系统发生异常的时候，通知工程人员的一种机制，可以引发关注，引导工程师修复系统。

可视化：代表指标的数字是一个一维的值，较为抽象，加上时间维度后可以得到一连串数字，但是人脑是不擅长分析一连串数字的，所以要按照一定的规律把数字渲染的图片上得到曲线，便于人分析。

Pagerduty：是一套监控报警系统，经常作为SRE/运维用户的监控报警工具。

Webhook被称为反向API，被广泛应用于微服务，即客户端提供一个接口(这里的客户端也是一个服务)而不主动请求，当服务端的数据发生变化时，主动推送给客户端。

Grafana：一个开源的时序性统计和监控平台。

在本申请中，提供了一种数据可视化处理方法。本申请一个或者多个实施例同时涉及一种数据可视化处理装置，一种计算设备，以及一种计算机可读存储介质，在下面的实施例中逐一进行详细说明。

参见图1，图1示出了根据本申请一个实施例提供的一种数据可视化处理方法的系统架构图。

图1中，Prometheus框架中的组件包括但不限于数据采集模块和警报处理模块，数据采集模块可通过Prometheus Server(监控服务节点)实现，所述警报处理模块可通过AlertManager(告警模块或告警插件)实现。

其中，Prometheus Server是Prometheus组件中的核心部分，负责实现对监控数据的获取，存储及查询。Prometheus Server可以通过静态配置管理监控目标，也可以配合使用Service Discovery(服务发现)的方式动态管理监控目标，并从这些监控目标中获取数据。其次Prometheus Sever需要对采集到的数据进行存储，Prometheus Server本身就是一个实时数据库，将采集到的监控数据按照时间序列的方式存储在本地磁盘当中。Prometheus Server对外提供了自定义的Prom QL(Prometheus内置的数据查询语言)，实现对数据的查询以及分析。另外Prometheus Server的联邦集群能力可以使其从其他的Prometheus Server实例中获取数据。

AlertManager在Prometheus Server中支持基于Prom QL创建告警规则，如果满足Prom QL定义的规则，则会产生一条告警。

当AlertManager从Prometheus server端接收到警报后，会进行去除重复数据、分组，并路由到对应的报警信息接收方式，发出报警，常见的接收方式有：电子邮件，pagerduty，webhook等。

实际应用中，Prometheus的工作流程大致为：

步骤一：Prometheus server定期拉取监测指标的指标值，或者从Pushgateway(中间网关)拉取监测指标的指标值，或者从其他的Prometheus server中拉取监测指标的指标值。

步骤二：Prometheus server在本地存储收集到的监测指标的指标值，并运行预定义的报警规则，通过一定规则进行清理和整理数据，并把得到的结果存储到新的时间序列中，记录新的时间序列或者向Alertmanager推送警报。

步骤三：Prometheus通过Prom QL和其他接口可视化地展示收集的数据。Prometheus支持很多方式的图表可视化，例如Grafana、自带的Promdash(主控面板构建器)以及自身提供的模版引擎等等。

本申请实施例选择通过Grafana进行可视化，Grafana是一款可视化工具，大多使用在时序数据的监控方面。对于Grafana而言，Prometheus就是一个用于存储监测数据的数据源(Data Source)，通过使用PromQL查询特定Prometheus实例中的数据并且在Panel(认识面板)中实现可视化。

具体的，本申请实施例如图1所示，数据采集模块通过从服务或者主机中拉取业务指标或系统指标的指标监测数据，并且可以通过运行预定义的报警规则对指标监测数据进行处理，并将处理结果进行存储，当指标预测数据大于预设指标阈值，表示配置的报警阈值被触发，则向警报处理模块推送警报，在存在警报并需要向用户发送报警信息的情况下，目前大多通过报警通道(例如，邮件或短消息)向用户发送报警信息，而本申请可通过调用Grafana，Grafana以Prometheus中存储的产生异常的目标监测指标在预设时间区间内的历史监测数据以及异常时间点的指标值作为源数据，并通过Panel(认识面板)即可视化处理模块对源数据进行可视化处理，以实现报警可视化。

参见图2，图2示出了根据本申请一个实施例提供的一种数据可视化处理方法的流程图，包括以下步骤。

步骤202，响应于针对目标监测指标的异常通知，提取所述目标监测指标的历史监测数据。

其中，所述异常通知中包含所述目标监测指标的标识信息以及所述目标监测指标的异常信息。

具体的，本申请实施例所述的数据可视化处理方法应用于Prometheus架构，Prometheus架构中的Prometheus server定期从主机或服务中拉取目标监测指标的指标值，并通过预先定义的报警规则以及指标阈值确定所述指标值是否大于预设指标阈值或是否满足报警规则，若满足，则向Alertmanager推送警报，即向Alertmanager发送异常通知，所述异常通知中包含目标监测指标的标识信息以及所述目标监测指标的异常信息，所述异常信息包括异常时间点以及异常监测指标的指标值。

例如，所述异常通知为：2020-10-03 12:53:27，1个报警，监测指标A异常，158>100；从所述异常通知中得出的信息包括：报警时间(异常时间)为2020-10-03 12:53:27、报警数量为1个报警，出现异常的监测指标为A，并且监测指标A的指标阈值为100，而报警时间所述监测指标A的监测值为158。

Alertmanager接收到所述异常通知后，可提取出现异常的目标监测指标的历史监测数据，以基于历史监测数据和异常信息进行可视化处理。

具体实施时，提取所述目标监测指标的历史监测数据，具体可通过以下方式实现：

确定所述异常信息中包含的异常时间点；

按照预设时长阈值以及所述异常时间点确定待提取的历史监测数据对应的时间区间；

提取所述目标检测指标在所述时间区间的历史监测数据。

具体的，在接收到异常通知后，为避免仅为用户展示异常时间点的异常信息，导致用户无法快速定位异常原因，本申请实施例可通过提取所述异常时间点之前一段时间内的所述目标监测指标的历史监测数据，以根据所述异常时间点的异常信息以及所述历史监测数据对所述目标监测指标进行可视化处理。

实际应用中，所述预设时长阈值可根据经验值确定，一般可选择48h、24h或6h，具体根据实际需求确定，在此不做任何限制。

例如，可根据经验值选取异常时间点之前48h内的所述监测指标A的监测值，并基于所述监测指标A在所述48h时间区间内的监测值以及所述异常时间点的异常信息进行对其进行可视化处理。

步骤204，将所述异常信息以及所述历史监测数据作为源数据，按照所述源数据的属性与预先创建的可视化样式之间的关联关系，生成可视化配置数据。

具体的，在进行可视化展示前，需确定展示的可视化样式(表格、曲线或柱状图等)，而这些不同的样式也即定义为可视化样式。

源数据和可视化样式可以为一对一、一对多或多对多的关联关系，每一个数据源可对应至少一个可视化样式，每一个可视化样式也可对应至少一个数据源。例如，分钟级统计的数据既可以展示为曲线图样式也可以展示为表格样式；而表格样式既可以展示分钟级统计数据又可以展示多笔业务状态机结果。

实际应用中，可根据源数据的属性(时间-指标值、时间-点击率或时间-分类占比等)相应地配置源数据与可视化样式之间的关联关系，从而在需要对数据进行可视化处理时，即可根据源数据确定与可视化样式之间的关联关系，选择目标可视化样式，并基于所述目标可视化样式与所述源数据生成可视化配置数据。

其中，所述可视化配置数据具体可根据源数据的属性，并结合目标可视化样式生成，以所述源数据中的属性为时间和指标值为例，所述目标可视化样式为曲线图，则可确定生成的可视化配置数据为：用目标可视化样式中的横轴代表时间，纵轴代表指标值，并且横轴的显示长度等于所述预设时长阈值。

生成所述可视化配置数据后，即可对所述可视化配置数据进行可视化处理。

步骤206，调用可视化渲染接口对所述可视化配置数据进行可视化渲染，并展示渲染生成的可视化结果。

具体的，本申请实施例可通过Grafana进行可视化处理，Grafana以Prometheus中存储的产生异常的目标监测指标在预设时长阈值(代替去的历史监测数据对应的时间区间)内的历史监测数据以及异常时间点的指标值作为源数据，并通过Panel(认识面板)对源数据进行可视化处理，以实现报警可视化，并通过电子邮件，短消息等形式将可视化结果展示给用户。

具体实施时，调用可视化渲染接口对所述可视化配置数据进行可视化渲染，具体可通过以下方式实现：

将所述历史监测数据对应的时间区间中的时间起点作为可视化配置数据的第一起始时间点，将所述异常时间点作为可视化配置数据的第一结束时间点；

调用可视化渲染接口按照所述目标检测指标在所述第一起始时间点以及第一结束时间点对应的时间区间内各时间点对应的监测值进行可视化渲染。

具体的，由于可视化样式中横轴代表的时间所对应的展示长度是固定的，若预设时长阈值为48h，则仅展示异常时间点前48h内的所述目标监测指标的监测值，因此，接收到异常通知后，可根据所述异常信息中包含的异常时间点以及所述预设时长阈值确定可视化结果中的起始时间点，具体即将历史监测数据对应的时间区间的时间起点作为可视化配置数据的第一起始时间点，并将异常时间点作为可视化配置数据的第一结束时间点。

仍以所述异常通知为：2020-10-03 12:53:27，1个报警，监测指标A异常，158>100为例，根据所述异常通知可确定异常时间点为2020-10-03 12:53:27，若预设时长阈值为48h，则可确定待提取的历史监测数据对应的时间区间即为2020-10-01 12:53:27至2020-10-03 12:53:26，因此，根据所述时间区间即可确定可视化配置数据的第一起始时间点(可视化结果的第一起始时间点)为2020-10-01 12:53:27，可视化配置数据的第一结束时间点(可视化结果的第一结束时间点)为2020-10-03 12:53:27。

确定起始以及结束时间点后，即可通过Grafana对可视化配置数据进行可视化处理。

通过结合异常时间点之前一段时间内目标监测指标的监测值，以及异常时间点的异常值生成可视化图表，有利于为用户提供足够多的异常信息，以使得用户能够结合可视化图表中一定时间段内目标监测指标的监测值的变化趋势快速定位异常原因，从而提高异常处理效率。

可选地，在展示渲染生成的可视化结果后，还可持续监测所述目标监测指标的监测值，并且，在所述目标监测指标的监测值持续异常的情况下，还可基于异常值对生成的可视化结果进行更新，具体即按照预设时间周期轮询监测所述目标监测指标在所述预设时间周期内的指标值，按照所述预设时间周期内的指标值对所述可视化结果进行更新。

进一步的，按照所述预设时间周期内的指标值对所述可视化结果进行更新，具体可通过以下方式实现：

根据所述可视化结果中的起始时间点以及所述预设时间周期确定第二起始时间点；

根据所述可视化结果中的结束时间点以及所述预设时间周期确定第二结束时间点；

根据所述第二起始时间点以及所述第二结束时间点对应的时间区间内所述目标监测指标的监测值，对所述可视化结果进行更新。

具体的，如前所述，可视化样式中横轴代表的时间所对应的展示长度是固定的，若预设时长阈值为48h，则仅展示异常时间点前48h内的所述目标监测指标的监测值，并且在实际应用中，可根据经验值选择轮询监测的预设时间周期，通常选择所述预设时间周期为5min。

因此，在每隔5min对所述目标监测指标进行异常监测的情况下，若根据监测确定这5min内所述目标监测指标的监测值持续大于预设监测阈值，则可根据所述预设时间周期以及可视化结果中的起始时间点和结束时间点分别确定待更新的可视化结果的第二起始时间点以及第二结束时间点，以根据所述第二起始时间点以及第二结束时间点对应的时间区间内所述目标监测指标的监测值，对所述可视化结果进行更新。

仍以所述异常通知为：2020-10-03 12:53:27，1个报警，监测指标A异常，158>100为例，确定可视化配置数据的第一起始时间点(可视化结果的第一起始时间点)为2020-10-01 12:53:27，第一结束时间点(可视化结果的第一结束时间点)为2020-10-03 12:53:27，若预设时间周期为5min，并且从异常时间点(2020-10-03 12:53:27)起，之后的5min内所述目标监测指标的监测值持续大于预设监测阈值，则可将可视化结果所展示的时间长度整体前移5min，即可视化结果的起始时间点改为2020-10-01 12:58:27，结束时间点改为2020-10-03 12:58:27，并根据改后的起始和结束时间点对可视化结果进行更新。

在接收到异常通知并根据异常信息以及历史监测数据进行可视化处理生成可视化结果后，在异常未解除之前，仍然按照预设时间周期持续对目标监测指标的监测值进行监测，并持续更新可视化结果，从而持续为用户提供一定时长内的异常信息，有利于用户根据所述异常信息快速定位异常原因，并有利于提高异常处理效率。

另外，本申请实施例可在监测到所述目标监测指标在所述预设时间周期内任一时间点的指标值低于预设指标阈值的情况下，停止对所述可视化结果进行更新。

具体实施时，展示渲染生成的可视化结果之后，还可根据用户针对异常信息的异常处理结果确定是否继续对可视化结果进行更新，具体可通过以下方式实现：

接收用户针对所述异常信息进行处理生成的异常处理结果，并按照预设时间周期轮询监测所述目标监测指标在所述预设时间周期内的指标值；

在监测到所述目标监测指标在所述预设时间周期内任一时间点的指标值低于预设指标阈值的情况下，停止对所述可视化结果进行更新。

具体的，在对异常数据和历史监测数据进行可视化处理并向用户展示可视化结果后，用户可根据可视化结果定位产生异常的原因，并对异常进行处理，因此，在用户针对异常进行处理生成处理结果后，可向Prometheus反馈所述处理结果，Prometheus接收到所述处理结果后，可继续按照预设时间周期轮询监测所述目标监测指标在所述预设时间周期内的指标值，并在监测到所述目标监测指标的指标值低于预设指标阈值的情况下，停止对所述可视化结果进行更新。

在接收到异常通知并根据异常信息以及历史监测数据进行可视化处理生成可视化结果后，在异常未解除之前，仍然按照预设时间周期持续对目标监测指标的监测值进行监测，并持续更新可视化结果，直至异常解除则停止生成可视化结果，有利于节省报警系统的处理资源。

本申请一个实施例实现了一种数据可视化处理方法及装置，其中，所述数据可视化处理方法包括响应于针对目标监测指标的异常通知，提取所述目标监测指标的历史监测数据，其中，所述异常通知中包含所述目标监测指标的标识信息以及所述目标监测指标的异常信息，将所述异常信息以及所述历史监测数据作为源数据，按照所述源数据的属性与预先创建的可视化样式之间的关联关系，生成可视化配置数据，调用可视化渲染接口对所述可视化配置数据进行可视化渲染，并展示渲染生成的可视化结果。

本申请通过结合异常时间点之前一段时间内目标监测指标的监测值，以及异常时间点的异常值生成可视化图表，有利于为用户提供足够多的异常信息，以使得用户能够结合可视化图表中一定时间段内目标监测指标的监测值的变化趋势快速定位异常原因，从而提高异常处理效率。

参见图3，以本申请实施例提供的所述数据可视化处理方法应用报警领域的应用为例，对所述数据可视化处理方法进行进一步说明。其中，图3示出了本申请一个实施例提供的一种数据可视化处理方法应用于报警领域的处理过程流程图，具体包括以下步骤：

步骤302，接收针对目标监测指标的报警通知。

其中，所述报警通知中包含所述目标监测指标的标识信息以及所述目标监测指标的报警信息。

步骤304，确定所述报警信息中包含的报警时间点。

步骤306，按照预设时长阈值以及所述报警时间点确定待提取的历史监测数据对应的时间区间。

步骤308，提取所述目标检测指标在所述时间区间的历史监测数据。

步骤310，将所述报警信息以及所述历史监测数据作为源数据，按照所述源数据的属性与预先创建的可视化样式之间的关联关系，生成可视化配置数据。

步骤312，将所述历史监测数据对应的时间区间中的时间起点作为可视化配置数据的第一起始时间点，将所述报警时间点作为可视化配置数据的第一结束时间点。

步骤314，调用可视化渲染接口按照所述目标检测指标在所述第一起始时间点以及第一结束时间点对应的时间区间内各时间点对应的监测值进行可视化渲染。

步骤316，按照预设时间周期轮询监测所述目标监测指标在所述预设时间周期内的指标值。

步骤318，按照所述预设时间周期内的指标值对所述可视化结果进行更新。

步骤320，在监测到所述目标监测指标在所述预设时间周期内任一时间点的指标值低于预设指标阈值的情况下，停止对所述可视化结果进行更新。

本申请通过结合报警时间点之前一段时间内目标监测指标的监测值，以及报警时间点的监测值生成可视化图表，有利于为用户提供足够多的信息，以使得用户能够结合可视化图表中一定时间段内目标监测指标的监测值的变化趋势快速定位异常原因，从而提高异常处理效率。

与上述方法实施例相对应，本申请还提供了数据可视化处理装置实施例，图4示出了本申请一个实施例提供的一种数据可视化处理装置的结构示意图。

如图4所示，该装置包括：

提取模块402，被配置为响应于针对目标监测指标的异常通知，提取所述目标监测指标的历史监测数据，其中，所述异常通知中包含所述目标监测指标的标识信息以及所述目标监测指标的异常信息；

生成模块404，被配置为将所述异常信息以及所述历史监测数据作为源数据，按照所述源数据的属性与预先创建的可视化样式之间的关联关系，生成可视化配置数据；

渲染模块406，被配置为调用可视化渲染接口对所述可视化配置数据进行可视化渲染，并展示渲染生成的可视化结果。

可选地，所述提取模块402，包括：

第一确定子模块，被配置为确定所述异常信息中包含的异常时间点；

第二确定子模块，被配置为按照预设时长阈值以及所述异常时间点确定待提取的历史监测数据对应的时间区间；

提取子模块，被配置为提取所述目标检测指标在所述时间区间的历史监测数据。

可选的，所述渲染模块406，包括：

时间点确定子模块，被配置为将所述历史监测数据对应的时间区间中的时间起点作为可视化配置数据的第一起始时间点，将所述异常时间点作为可视化配置数据的第一结束时间点；

渲染子模块，被配置为调用可视化渲染接口按照所述目标检测指标在所述第一起始时间点以及第一结束时间点对应的时间区间内各时间点对应的监测值进行可视化渲染。

可选地，所述数据可视化处理装置，还包括：

检测模块，被配置为按照预设时间周期轮询监测所述目标监测指标在所述预设时间周期内的指标值；

更新模块，被配置为按照所述预设时间周期内的指标值对所述可视化结果进行更新。

可选地，所述更新模块，包括：

第一处理子模块，被配置为根据所述可视化结果中的起始时间点以及所述预设时间周期确定第二起始时间点；

第二处理子模块，被配置为根据所述可视化结果中的结束时间点以及所述预设时间周期确定第二结束时间点；

更新子模块，被配置为根据所述第二起始时间点以及所述第二结束时间点对应的时间区间内所述目标监测指标的监测值，对所述可视化结果进行更新。

可选地，所述数据可视化处理装置，还包括：

第一停止更新模块，被配置为在监测到所述目标监测指标在所述预设时间周期内任一时间点的指标值低于预设指标阈值的情况下，停止对所述可视化结果进行更新。

可选地，所述数据可视化处理装置，还包括：

接收模块，被配置为接收用户针对所述异常信息进行处理生成的异常处理结果，并按照预设时间周期轮询监测所述目标监测指标在所述预设时间周期内的指标值；

第二停止更新模块，被配置为在监测到所述目标监测指标在所述预设时间周期内任一时间点的指标值低于预设指标阈值的情况下，停止对所述可视化结果进行更新。

上述为本实施例的一种数据可视化处理装置的示意性方案。需要说明的是，该数据可视化处理装置的技术方案与上述的数据可视化处理方法的技术方案属于同一构思，数据可视化处理装置的技术方案未详细描述的细节内容，均可以参见上述数据可视化处理方法的技术方案的描述。

图5示出了根据本申请一个实施例提供的一种计算设备500的结构框图。该计算设备500的部件包括但不限于存储器510和处理器520。处理器520与存储器510通过总线530相连接，数据库550用于保存数据。

计算设备500还包括接入设备540，接入设备540使得计算设备500能够经由一个或多个网络560通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备540可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(NIC))中的一个或多个，诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口，等等。

在本申请的一个实施例中，计算设备500的上述部件以及图5中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图5所示的计算设备结构框图仅仅是出于示例的目的，而不是对本申请范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。

计算设备500可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或PC的静止计算设备。计算设备500还可以是移动式或静止式的服务器。

其中，处理器520用于执行如下计算机可执行指令，所述处理器用于执行所述计算机可执行指令，其中，所述处理器执行所述计算机可执行指令时实现所述数据可视化处理方法的步骤。

上述为本实施例的一种计算设备的示意性方案。需要说明的是，该计算设备的技术方案与上述的数据可视化处理方法的技术方案属于同一构思，计算设备的技术方案未详细描述的细节内容，均可以参见上述数据可视化处理方法的技术方案的描述。

本申请一实施例还提供一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现所述数据可视化处理方法的步骤。

上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的数据可视化处理方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述数据可视化处理方法的技术方案的描述。

上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

所述计算机指令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电载波信号和电信信号。

需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本申请实施例所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。

以上公开的本申请优选实施例只是用于帮助阐述本申请。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本申请实施例的内容，可作很多的修改和变化。本申请选取并具体描述这些实施例，是为了更好地解释本申请实施例的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本申请。本申请仅受权利要求书及其全部范围和等效物的限制。

Claims (10)

1.一种数据可视化处理方法，其特征在于，包括：

响应于针对目标监测指标的异常通知，提取所述目标监测指标的历史监测数据，其中，所述异常通知中包含所述目标监测指标的标识信息以及所述目标监测指标的异常信息；

将所述异常信息以及所述历史监测数据作为源数据，按照所述源数据的属性与预先创建的可视化样式之间的关联关系，生成可视化配置数据；

调用可视化渲染接口对所述可视化配置数据进行可视化渲染，并展示渲染生成的可视化结果。

2.根据权利要求1所述的数据可视化处理方法，其特征在于，所述提取所述目标监测指标的历史监测数据，包括：

确定所述异常信息中包含的异常时间点；

按照预设时长阈值以及所述异常时间点确定待提取的历史监测数据对应的时间区间；

提取所述目标检测指标在所述时间区间的历史监测数据。

3.根据权利要求2所述的数据可视化处理方法，其特征在于，所述调用可视化渲染接口对所述可视化配置数据进行可视化渲染，包括：

将所述历史监测数据对应的时间区间中的时间起点作为可视化配置数据的第一起始时间点，将所述异常时间点作为可视化配置数据的第一结束时间点；

调用可视化渲染接口按照所述目标检测指标在所述第一起始时间点以及第一结束时间点对应的时间区间内各时间点对应的监测值进行可视化渲染。

4.根据权利要求1或3所述的数据可视化处理方法，其特征在于，还包括：

按照预设时间周期轮询监测所述目标监测指标在所述预设时间周期内的指标值；

按照所述预设时间周期内的指标值对所述可视化结果进行更新。

5.根据权利要求4所述的数据可视化处理方法，其特征在于，所述按照所述预设时间周期内的指标值对所述可视化结果进行更新，包括：

根据所述可视化结果中的起始时间点以及所述预设时间周期确定第二起始时间点；

根据所述可视化结果中的结束时间点以及所述预设时间周期确定第二结束时间点；

根据所述第二起始时间点以及所述第二结束时间点对应的时间区间内所述目标监测指标的监测值，对所述可视化结果进行更新。

6.根据权利要求4所述的数据可视化处理方法，其特征在于，还包括：

在监测到所述目标监测指标在所述预设时间周期内任一时间点的指标值低于预设指标阈值的情况下，停止对所述可视化结果进行更新。

7.根据权利要求1所述的数据可视化处理方法，所述展示渲染生成的可视化结果之后，还包括：

接收用户针对所述异常信息进行处理生成的异常处理结果，并按照预设时间周期轮询监测所述目标监测指标在所述预设时间周期内的指标值；

在监测到所述目标监测指标在所述预设时间周期内任一时间点的指标值低于预设指标阈值的情况下，停止对所述可视化结果进行更新。

8.一种数据可视化处理装置，其特征在于，包括：

提取模块，被配置为响应于针对目标监测指标的异常通知，提取所述目标监测指标的历史监测数据，其中，所述异常通知中包含所述目标监测指标的标识信息以及所述目标监测指标的异常信息；

生成模块，被配置为将所述异常信息以及所述历史监测数据作为源数据，按照所述源数据的属性与预先创建的可视化样式之间的关联关系，生成可视化配置数据；

渲染模块，被配置为调用可视化渲染接口对所述可视化配置数据进行可视化渲染，并展示渲染生成的可视化结果。

9.一种计算设备，其特征在于，包括：

存储器和处理器；

所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，其中，所述处理器执行所述计算机可执行指令时实现权利要求1-7的数据可视化处理方法的步骤。

10.一种计算机可读存储介质，其特征在于，其存储有计算机指令，该指令被处理器执行时实现权利要求1-7的数据可视化处理方法的步骤。

Images