CN112559295A - 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 PDF

Info

Publication number
CN112559295A
CN112559295A CN202011528795.5A CN202011528795A CN112559295A CN 112559295 A CN112559295 A CN 112559295A CN 202011528795 A CN202011528795 A CN 202011528795A CN 112559295 A CN112559295 A CN 112559295A
Authority
CN
China
Prior art keywords
real
abnormal
time data
data set
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
Application number
CN202011528795.5A
Other languages
English (en)
Inventor
叶文清
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Bank Co Ltd
Original Assignee
Ping An Bank Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Bank Co Ltd filed Critical Ping An Bank Co Ltd
Priority to CN202011528795.5A priority Critical patent/CN112559295A/zh
Publication of CN112559295A publication Critical patent/CN112559295A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3051—Monitoring arrangements for monitoring the configuration of the computing system or of the computing system component, e.g. monitoring the presence of processing resources, peripherals, I/O links, software programs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
    • G06F2201/835—Timestamp

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明涉及大数据领域，揭露了一种数据监控方法，包括：获取历史数据集及实时数据集，从实时数据集中筛选出异常数据，得到异常实时数据集和正常实时数据集；基于预设的时间戳，采集历史数据集的异常历史数据变化量，根据异常历史数据变化量，配置历史数据集的异常历史数据传输幅度值；基于时间戳，采集异常实时数据集的异常实时数据变化量，根据异常实时数据变化量，配置异常实时数据集的异常实时数据传输幅度值，根据异常实时数据传输幅度值和异常历史数据传输幅度值，执行正常实时数据集在业务系统中的传输。此外，本发明还涉及区块链技术，所述数据监控任务可存储于区块链中。本发明可以提高数据监控的准确性。

Description

数据监控方法、装置、电子设备及存储介质
技术领域
本发明涉及大数据领域，尤其涉及一种数据监控方法、装置、电子设备及计算机可读存储介质。
背景技术
在业务系统中，业务系统数据是通过每天大数据跑批来更新业务系统中的历史数据，数据监控用于监控大数据跑批的过程中一些标准及规范不够严格的数据，以防止这些标准及规范不够严格的数据流入业务系统中，造成业务系统无法正常运行。
目前，数据监控通常采用数据字段级规则来监控并设置阻断数据流入业务系统中，由于现有数据字段级粒度粗以及数据字段格式随意性，会有可能把正常可用数据一起阻断，从而影响数据监控的准确性。
发明内容
本发明提供一种数据监控方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高数据监控的准确性。
为实现上述目的，本发明提供的一种数据监控方法，包括：
获取历史数据集及实时数据集，从所述实时数据集中筛选出异常数据，得到异常实时数据集和正常实时数据集；
基于预设的时间戳，采集所述历史数据集的异常历史数据变化量，根据所述异常历史数据变化量，配置所述历史数据集的异常历史数据传输幅度值；
基于所述时间戳，采集所述异常实时数据集的异常实时数据变化量，根据所述异常实时数据变化量，配置所述异常实时数据集的异常实时数据传输幅度值；
判断所述异常实时数据传输幅度值是否大于所述异常历史数据传输幅度值；
若所述异常实时数据传输幅度值大于所述异常历史数据传输幅度值，则对所述正常实时数据集进行阻断；
若所述异常实时数据传输幅度值不大于所述异常历史数据传输幅度值，则将所述正常实时数据集传输至业务系统中。
可选地，所述从所述实时数据集中筛选出异常数据，得到异常实时数据集和正常实时数据集，包括：
筛选出所述实时数据集中的重复数据，得到第一异常实时数据集；
筛选出所述实时数据集中的异常值数据，得到第二异常实时数据集；
将所述第一异常实时数据集和所述第二异常实时数据集进行汇总，得到所述异常实时数据集；
从所述实时数据集中剔除所述异常实时数据集，得到正常实时数据集。
可选地，所述筛选出所述实时数据集中的重复数据，得到第一异常实时数据集，包括：
计算所述实时数据集中任意两个实时数据的距离值，在所述实时数据集中任意两个实时数据的距离值小于预设阈值时，筛选出任意一个实时数据作为第一异常实时数据，根据所述第一异常实时数据，得到所述第一异常实时数据集。
可选地，所述计算所述实时数据集中任意两个实时数据的距离值包括：
利用下述方法计算所述实时数据集中任意两个实时数据的距离值：
Figure BDA0002851475470000021
其中，d表示实时数据集中任意两个实时数据的距离值，w1j和w2j表示实时数据集中任意两个实时数据。
可选地，所述基于预设的时间戳，采集所述历史数据集的异常历史数据变化量，包括：
在所述时间戳内计算所述历史数据集中异常数据的环比数据变化量，将所述环比数据变化量进行相加，得到所述异常历史数据变化量。
可选地，所述根据所述异常历史数据变化量，配置所述历史数据集的异常历史数据传输幅度值，包括：
计算所述异常历史数据变化量的数据变化幅度均值；
识别所述异常历史数据变化量的最大数据变化量和最小数据变化量，计算所述最大数据变化量和所述最小数据变化量的差值数据变化幅度值；
将所述数据变化幅度均值与所述差值数据变化幅度值进行相加，得到所述异常历史数据传输幅度值。
可选地，所述计算所述异常历史数据变化量的数据变化幅度均值，包括：
利用下述方法计算所述异常历史数据变化量的数据变化幅度均值：
J＝s/t
其中，J表示数据变化幅度均值，s表示异常历史数据变化量，t表示时间戳的时间总数。
为了解决上述问题，本发明还提供一种数据监控装置，所述装置包括：
筛选模块，用于获取历史数据集及实时数据集，从所述实时数据集中筛选出异常数据，得到异常实时数据集和正常实时数据集；
配置模块，用于获取历史数据集及实时数据集，从所述实时数据集中筛选出异常数据，得到异常实时数据集和正常实时数据集；
所述配置模块，还用于基于所述时间戳，采集所述异常实时数据集的异常实时数据变化量，根据所述异常实时数据变化量，配置所述异常实时数据集的异常实时数据传输幅度值；
判断模块，用于判断所述异常实时数据传输幅度值是否大于所述异常历史数据传输幅度值；
阻断模块，用于在所述异常实时数据传输幅度值大于所述异常历史数据传输幅度值时，对所述正常实时数据集进行阻断；
传输模块，用于在所述异常实时数据传输幅度值不大于所述异常历史数据传输幅度值时，将所述正常实时数据集传输至业务系统中。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以实现上述所述的数据监控方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的数据监控方法。
本发明实施例首先获取历史数据集及实时数据集，从实时数据集中筛选出异常数据，得到异常实时数据集和正常实时数据集，实现了数据监控的前提；其次，本发明实施例基于预设的时间戳，采集历史数据集的异常历史数据变化量，根据异常历史数据变化量，配置历史数据集的异常历史数据传输幅度值，及基于时间戳，采集异常实时数据集的异常实时数据变化量，根据异常实时数据变化量，配置异常实时数据集的异常实时数据传输幅度值，可以对超出幅度值的异常数据进行有效阻断，从而可以提高数据监控的准确率，保证业务系统不受影响；进一步的，本发明实施例根据异常实时数据传输幅度值和异常历史数据传输幅度值，执行正常实时数据集在业务系统中的传输。因此，本发明提出的一种数据监控方法、装置、电子设备以及存储介质可以提高数据监控的准确性。
附图说明
图1为本发明一实施例提供的数据监控方法的流程示意图；
图2为本发明第一实施例中图1提供的数据监控方法其中一个步骤的详细流程示意图；
图3为本发明一实施例提供的数据监控装置的模块示意图；
图4为本发明一实施例提供的实现数据监控方法的电子设备的内部结构示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种数据监控方法。所述数据监控方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述数据监控方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明一实施例提供的数据监控方法的流程示意图。在本发明实施例中，所述数据监控方法包括：
S1、获取历史数据集及实时数据集，从所述实时数据集中筛选出异常数据，得到异常实时数据集和正常实时数据集。
本发明实施例中，所述历史数据集指的是已经存在与业务系统中的数据，其包括手机号码和座机号码等，所述实时数据集指的是将要存储于业务系统中的数据，其也包括手机号码和座机号码等，所述业务系统可以为银行的应用系统，用于帮助用户更加高效的处理业务。
进一步的，本发明实施例中，所述历史数据集通过sql查询语句从对应业务系统的数据库中查询，所述实时数据集基于在实际业务场景中采集得到，比如某用户在银行办理银行卡时所填写的实时数据。其中，所述sql查询语句包括select语句。
进一步的，由于在实际业务场景中，会出现许多采集的实时数据异常，比如用户填写的手机号码长度不对、采集的实时数据重复等问题，若直接将采集的实时数据存入业务系统中，会造成业务系统的存储压力以及业务系统存储资源的浪费，因此，本发明实施例从所述实时数据集中筛选出异常数据，以较低后续业务系统的数据存储压力。
详细地，所述从所述实时数据集中筛选出异常数据，得到异常实时数据集和正常实时数据集，包括：筛选出所述实时数据集中的重复数据，得到第一异常实时数据集；筛选出所述实时数据集中的异常值数据，得到第二异常实时数据集；将所述第一异常实时数据集和所述第二异常实时数据集进行汇总，得到所述异常实时数据集；从所述实时数据集中剔除所述异常实时数据集，得到正常实时数据集。
其中，所述筛选出所述实时数据集中的重复数据，得到第一异常实时数据集，包括：计算所述实时数据集中任意两个实时数据的距离值，在所述实时数据集中任意两个实时数据的距离值小于预设阈值时，则表示所述两个实时数据为重复数据，筛选出任意一个实时数据作为第一异常实时数据，根据所述第一异常实时数据，得到所述第一异常实时数据集。可选地，所述预设阈值为0.1。
一个可选实施例中，利用下述方法计算所述实时数据集中任意两个实时数据的距离值：
Figure BDA0002851475470000051
其中，d表示实时数据集中任意两个实时数据的距离值，w1j和w2j表示实时数据集中任意两个实时数据。
进一步地，所述异常值数据利用正则表达式判断所述实时数据集中实时数据是否合法，若所述实时数据集中实时数据合法，则表示对应的实时数据不是异常数据，若述实时数据集中实时数据不合法，则表示对应的实时数据是异常数据。例如，所述实时数据集中实时数据的字符长度超过标准的字符长度，则筛选出对应的实时数据为第二异常实时数据。
其中，所述正则表达式基于用户需求设置，例如，设置手机号码的正则表达式为：^[1][3,4,5][0-9]{11}$/，其中所述[1]表示手机号码开头数字为1，所述[3,4,5,7,8]表示手机号码第二位数字至第四位数字为3、4、5，所述[0-9]表示手机号码中第五位至第十一位数字为0-9中的任意数字，所述{11}表示手机号码为十一位数字。
进一步地，为保障所述正常实时数据集的隐私性和可用性，所述正常实时数据集还可存储于一区块链节点中。
S2、基于预设的时间戳，采集所述历史数据集的异常历史数据变化量，根据所述异常历史数据变化量，配置所述历史数据集的异常历史数据传输幅度值。
应该了解，所述历史数据集在不同时间段存入业务系统中的数据量不同，比如第一天存入业务系统中的数据量为一千万，第二天存入业务系统中的数据量为五百万，因此，本发明实施例根据预设的时间戳，采集所述历史数据集的异常历史数据变化量，以识别出在对应时间戳内业务系统可接受的数据存储量，从而保证后续实时数据的正常存储。其中，所述预设的时间戳基于不同用户需求进行设置，本发明实施例中，所述预设的时间戳为一个星期。
进一步地，所述基于预设的时间戳，采集所述历史数据集的异常历史数据变化量，包括：在所述时间戳内计算所述历史数据集中异常数据的环比数据变化量，将所述环比数据变化量进行相加，得到所述异常历史数据变化量。
一个可选实施例中，利用下述方法在所述时间戳内计算所述历史数据集中异常数据的环比数据变化量：
C＝d-f
其中，C表示环比数据变化量，d表示在所述时间戳内第T时间的历史数据数量，f表示在所述时间戳内第T-1时间的历史数据数量。
进一步的，由于所述历史数据集已经存储至业务系统中，则表示所述历史数据集的异常历史数据变化量是所述业务系统可以接受的范围，因此，本发明实施例根据所述异常历史数据变化量，配置所述历史数据集的异常历史数据传输幅度值，以判断出后续实时数据中的正常实时数据是否可以存储至业务系统中。
详细地，参阅图2所示，所述根据所述异常历史数据变化量，配置所述历史数据集的异常历史数据传输幅度值，包括：
S20、计算所述异常历史数据变化量的数据变化幅度均值；
S21、识别所述异常历史数据变化量的最大数据变化量和最小数据变化量，计算所述最大数据变化量和所述最小数据变化量的差值数据变化幅度值；
S22、将所述数据变化幅度均值与所述差值数据变化幅度值进行相加，得到所述异常历史数据传输幅度值。
一个可选实施例中，利用下述方法计算所述异常历史数据变化量的数据变化幅度均值：
J＝s/t
其中，J表示数据变化幅度均值，s表示异常历史数据变化量，t表示时间戳的时间总数。
S3、基于所述时间戳，采集所述异常实时数据集的异常实时数据变化量，根据所述异常实时数据变化量，配置所述异常实时数据集的异常实时数据传输幅度值。
本发明实施例中，所述基于所述时间戳，采集所述异常实时数据集的异常实时数据变化量，包括：在所述时间戳内计算所述异常实时数据集的环比数据变化量，将所述异常实时数据集的环比数据变化量进行相加，得到所述异常实时数据变化量。
一个可选实施例中，利用下述方法在所述时间戳内计算所述异常实时数据集的环比数据变化量：
Y＝X-Z
其中，Y表示历史数据集的环比数据变化量，X表示在所述时间戳内第T时间的异常实时数据数量，Z表示在所述时间戳内第T-1时间的异常实时数据数量。
进一步的，本发明实施例根据所述异常实时数据变化量，配置所述异常实时数据集的异常实时数据传输幅度值，以识别出所述异常实时数据传输幅度值与异常历史数据传输幅度值的代销，从而判断出所述实时数据集中的正常实时数据集是否可以传输至业务系统中。其中，所述根据所述异常实时数据变化量，配置所述异常实时数据集的异常实时数据传输幅度值的方法可参阅上述历史数据传输幅度值的计算方法，在此不做进一步阐述。
S4、判断所述异常实时数据传输幅度值是否大于所述异常历史数据传输幅度值。
若所述异常实时数据传输幅度值大于所述异常历史数据传输幅度值，则执行S5、对所述正常实时数据集进行阻断。
若所述异常实时数据传输幅度值大于所述异常历史数据传输幅度值，则表示业务系统无法满足所述异常实时数据传输幅度值对应正常实时数据的正常存储，因此，本发明实施例对所述正常实时数据集进行阻断，以保障所述业务系统的正常运行。
若所述异常实时数据传输幅度值不大于所述异常历史数据传输幅度值，则执行S6、将所述正常实时数据集传输至业务系统中。
若所述异常实时数据传输幅度值不大于所述异常历史数据传输幅度值，则表示业务系统可以满足所述异常实时数据传输幅度值对应正常实时数据的正常存储，因此，本发明实施例将所述正常实时数据集传输至业务系统中。
本发明实施例首先获取历史数据集及实时数据集，从实时数据集中筛选出异常数据，得到异常实时数据集和正常实时数据集，实现了数据监控的前提；其次，本发明实施例基于预设的时间戳，采集历史数据集的异常历史数据变化量，根据异常历史数据变化量，配置历史数据集的异常历史数据传输幅度值，及基于时间戳，采集异常实时数据集的异常实时数据变化量，根据异常实时数据变化量，配置异常实时数据集的异常实时数据传输幅度值，可以对超出幅度值的异常数据进行有效阻断，从而可以提高数据监控的准确率，保证业务系统不受影响；进一步的，本发明实施例根据异常实时数据传输幅度值和异常历史数据传输幅度值，执行正常实时数据集在业务系统中的传输。因此，本发明可以提高数据监控的准确性。
如图3所示，是本发明数据监控装置的功能模块图。
本发明所述数据监控装置100可以安装于电子设备中。根据实现的功能，所述数据监控装置可以包括筛选模块101、配置模块102、判断模块103、阻断模块104以及传输模块105。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述筛选模块101，用于获取历史数据集及实时数据集，从所述实时数据集中筛选出异常数据，得到异常实时数据集和正常实时数据集；
所述配置模块102，用于获取历史数据集及实时数据集，从所述实时数据集中筛选出异常数据，得到异常实时数据集和正常实时数据集；
所述配置模块102，还用于基于所述时间戳，采集所述异常实时数据集的异常实时数据变化量，根据所述异常实时数据变化量，配置所述异常实时数据集的异常实时数据传输幅度值；
所述判断模块103，用于判断所述异常实时数据传输幅度值是否大于所述异常历史数据传输幅度值；
所述阻断模块104，用于在所述异常实时数据传输幅度值大于所述异常历史数据传输幅度值时，对所述正常实时数据集进行阻断；
所述传输模块105，用于在所述异常实时数据传输幅度值不大于所述异常历史数据传输幅度值时，将所述正常实时数据集传输至业务系统中。
详细地，本发明实施例中所述数据监控装置100中的所述各模块在使用时采用与上述的图1和图2中所述的数据监控方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图4所示，是本发明实现数据监控方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如数据监控程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如数据监控的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行数据监控等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的数据监控12是多个计算机程序的组合，在所述处理器10中运行时，可以实现：
获取历史数据集及实时数据集，从所述实时数据集中筛选出异常数据，得到异常实时数据集和正常实时数据集；
基于预设的时间戳，采集所述历史数据集的异常历史数据变化量，根据所述异常历史数据变化量，配置所述历史数据集的异常历史数据传输幅度值；
基于所述时间戳，采集所述异常实时数据集的异常实时数据变化量，根据所述异常实时数据变化量，配置所述异常实时数据集的异常实时数据传输幅度值；
判断所述异常实时数据传输幅度值是否大于所述异常历史数据传输幅度值；
若所述异常实时数据传输幅度值大于所述异常历史数据传输幅度值，则对所述正常实时数据集进行阻断；
若所述异常实时数据传输幅度值不大于所述异常历史数据传输幅度值，则将所述正常实时数据集传输至业务系统中。
具体地，所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1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，可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，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)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取历史数据集及实时数据集，从所述实时数据集中筛选出异常数据，得到异常实时数据集和正常实时数据集；
基于预设的时间戳，采集所述历史数据集的异常历史数据变化量，根据所述异常历史数据变化量，配置所述历史数据集的异常历史数据传输幅度值；
基于所述时间戳，采集所述异常实时数据集的异常实时数据变化量，根据所述异常实时数据变化量，配置所述异常实时数据集的异常实时数据传输幅度值；
判断所述异常实时数据传输幅度值是否大于所述异常历史数据传输幅度值；
若所述异常实时数据传输幅度值大于所述异常历史数据传输幅度值，则对所述正常实时数据集进行阻断；
若所述异常实时数据传输幅度值不大于所述异常历史数据传输幅度值，则将所述正常实时数据集传输至业务系统中。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块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，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种数据监控方法，其特征在于，所述方法包括：
获取历史数据集及实时数据集，从所述实时数据集中筛选出异常数据，得到异常实时数据集和正常实时数据集；
基于预设的时间戳，采集所述历史数据集的异常历史数据变化量，根据所述异常历史数据变化量，配置所述历史数据集的异常历史数据传输幅度值；
基于所述时间戳，采集所述异常实时数据集的异常实时数据变化量，根据所述异常实时数据变化量，配置所述异常实时数据集的异常实时数据传输幅度值；
判断所述异常实时数据传输幅度值是否大于所述异常历史数据传输幅度值；
若所述异常实时数据传输幅度值大于所述异常历史数据传输幅度值，则对所述正常实时数据集进行阻断；
若所述异常实时数据传输幅度值不大于所述异常历史数据传输幅度值，则将所述正常实时数据集传输至业务系统中。
2.如权利要求1所述的数据监控方法，其特征在于，所述从所述实时数据集中筛选出异常数据，得到异常实时数据集和正常实时数据集，包括：
筛选出所述实时数据集中的重复数据，得到第一异常实时数据集；
筛选出所述实时数据集中的异常值数据，得到第二异常实时数据集；
将所述第一异常实时数据集和所述第二异常实时数据集进行汇总，得到所述异常实时数据集；
从所述实时数据集中剔除所述异常实时数据集，得到正常实时数据集。
3.如权利要求2所述的数据监控方法，其特征在于，所述筛选出所述实时数据集中的重复数据，得到第一异常实时数据集，包括：
计算所述实时数据集中任意两个实时数据的距离值，在所述实时数据集中任意两个实时数据的距离值小于预设阈值时，筛选出任意一个实时数据作为第一异常实时数据，根据所述第一异常实时数据，得到所述第一异常实时数据集。
4.如权利要求3所述的数据监控方法，其特征在于，所述计算所述实时数据集中任意两个实时数据的距离值包括：
利用下述方法计算所述实时数据集中任意两个实时数据的距离值：
Figure FDA0002851475460000011
其中，d表示实时数据集中任意两个实时数据的距离值，w1j和w2j表示实时数据集中任意两个实时数据。
5.如权利要求1中所述的数据监控方法，其特征在于，所述基于预设的时间戳，采集所述历史数据集的异常历史数据变化量，包括：
在所述时间戳内计算所述历史数据集中异常数据的环比数据变化量，将所述环比数据变化量进行相加，得到所述异常历史数据变化量。
6.如权利要求1至5中任意一项所述的数据监控方法，其特征在于，所述根据所述异常历史数据变化量，配置所述历史数据集的异常历史数据传输幅度值，包括：
计算所述异常历史数据变化量的数据变化幅度均值；
识别所述异常历史数据变化量的最大数据变化量和最小数据变化量，计算所述最大数据变化量和所述最小数据变化量的差值数据变化幅度值；
将所述数据变化幅度均值与所述差值数据变化幅度值进行相加，得到所述异常历史数据传输幅度值。
7.如权利要求6所述的数据监控方法，其特征在于，所述计算所述异常历史数据变化量的数据变化幅度均值，包括：
利用下述方法计算所述异常历史数据变化量的数据变化幅度均值：
J＝s/t
其中，J表示数据变化幅度均值，s表示异常历史数据变化量，t表示时间戳的时间总数。
8.一种数据监控装置，其特征在于，所述装置包括：
筛选模块，用于获取历史数据集及实时数据集，从所述实时数据集中筛选出异常数据，得到异常实时数据集和正常实时数据集；
配置模块，用于获取历史数据集及实时数据集，从所述实时数据集中筛选出异常数据，得到异常实时数据集和正常实时数据集；
所述配置模块，还用于基于所述时间戳，采集所述异常实时数据集的异常实时数据变化量，根据所述异常实时数据变化量，配置所述异常实时数据集的异常实时数据传输幅度值；
判断模块，用于判断所述异常实时数据传输幅度值是否大于所述异常历史数据传输幅度值；
阻断模块，用于在所述异常实时数据传输幅度值大于所述异常历史数据传输幅度值时，对所述正常实时数据集进行阻断；
传输模块，用于在所述异常实时数据传输幅度值不大于所述异常历史数据传输幅度值时，将所述正常实时数据集传输至业务系统中。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的数据监控方法。
10.一种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7中任意一项所述的数据监控方法。
CN202011528795.5A 2020-12-22 2020-12-22 数据监控方法、装置、电子设备及存储介质 Pending CN112559295A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011528795.5A CN112559295A (zh) 2020-12-22 2020-12-22 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
CN202011528795.5A CN112559295A (zh) 2020-12-22 2020-12-22 数据监控方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN112559295A true CN112559295A (zh) 2021-03-26

Family

ID=75031296

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011528795.5A Pending CN112559295A (zh) 2020-12-22 2020-12-22 数据监控方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112559295A (zh)

Similar Documents

Publication Publication Date Title
CN112541745B (zh) 用户行为数据分析方法、装置、电子设备及可读存储介质
CN112148577A (zh) 数据异常检测方法、装置、电子设备及存储介质
CN112347214A (zh) 目标区域划分方法、装置、电子设备及存储介质
CN112052370A (zh) 报文生成方法、装置、电子设备及计算机可读存储介质
CN112115145A (zh) 数据采集方法、装置、电子设备及存储介质
CN111651439A (zh) 数据稽核方法、装置及计算机可读存储介质
CN114881616A (zh) 业务流程执行方法、装置、电子设备及存储介质
CN113139743A (zh) 污水排放指标分析方法、装置、电子设备及存储介质
CN112580079A (zh) 权限配置方法、装置、电子设备及可读存储介质
CN113032403A (zh) 数据洞察方法、装置、电子设备及存储介质
CN113868529A (zh) 知识推荐方法、装置、电子设备及可读存储介质
CN112949278A (zh) 数据核对方法、装置、电子设备及可读存储介质
CN113868528A (zh) 资讯推荐方法、装置、电子设备及可读存储介质
CN113259446A (zh) 基于用户忠诚度的app消息发送方法、装置、设备及介质
CN112463530A (zh) 微服务系统的异常检测方法、装置、电子设备及存储介质
CN111639857A (zh) 订单智能审核方法、装置、电子设备及存储介质
CN113360321B (zh) 微服务重试调用方法、装置、电子设备及存储介质
CN112733531A (zh) 虚拟资源分配方法、装置、电子设备及计算机存储介质
CN112085611A (zh) 数据异步核验方法、装置、电子设备及存储介质
CN111985194A (zh) 数据存储方法、装置、电子设备及存储介质
CN112559295A (zh) 数据监控方法、装置、电子设备及存储介质
CN114897624A (zh) 保单数据合并方法、装置、设备及存储介质
CN115221171A (zh) 异常数据智能监控方法、装置、电子设备及存储介质
CN114817408A (zh) 调度资源识别方法、装置、电子设备及存储介质
CN114911479A (zh) 基于配置化的界面生成方法、装置、设备及存储介质

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