CN113111098B - 检测时序数据的查询的方法、装置及时序数据库系统 - Google Patents
检测时序数据的查询的方法、装置及时序数据库系统 Download PDFInfo
- Publication number
- CN113111098B CN113111098B CN202110656174.3A CN202110656174A CN113111098B CN 113111098 B CN113111098 B CN 113111098B CN 202110656174 A CN202110656174 A CN 202110656174A CN 113111098 B CN113111098 B CN 113111098B
- Authority
- CN
- China
- Prior art keywords
- query
- time
- scanning
- points
- label
- 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 62
- 230000005856 abnormality Effects 0.000 claims abstract description 59
- 230000002159 abnormal effect Effects 0.000 claims abstract description 40
- 230000015654 memory Effects 0.000 claims description 36
- 238000001514 detection method Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 21
- 238000012423 maintenance Methods 0.000 description 9
- 230000002547 anomalous effect Effects 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 3
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001788 irregular Effects 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
- 230000008447 perception Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned 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
- G06F16/23—Updating
- G06F16/2308—Concurrency control
- G06F16/2315—Optimistic concurrency control
- G06F16/2322—Optimistic concurrency control using timestamps
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)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本说明书实施例提供检测时序数据的查询的方法、装置及时序数据库系统，其中所述方法包括：获取针对时序数据的查询命令中的查询时间范围以及对象标签，所述对象标签，用于标识时序数据中的时间序列，所述时间序列中包括多个不同时间产生的数据点；计算出所述对象标签标识的时间序列在所述查询时间范围内的扫描点数；根据所述扫描点数判断所述查询命令的查询的异常性，由于该方法能够感知查询的扫描量，根据查询的扫描量有效检测出查询的异常性，从而能够进一步避免异常查询带来大范围资源消耗。
Description
技术领域
本说明书实施例涉及数据库技术领域，特别涉及一种检测时序数据的查询的方法。本说明书一个或者多个实施例同时涉及一种检测时序数据的查询的装置，一种时序数据库系统，一种计算设备，以及一种计算机可读存储介质。
背景技术
时序数据库，是提供高效存取时序数据和统计分析功能的数据管理系统。时序数据是基于某种频率持续产生的一系列指标数据。例如，监测某城市的空气质量时，每秒采集一个二氧化硫浓度的值而产生的一系列数据。
在时序查询场景下，经常会出现由于错误操作或合理需求而触发的大范围消耗系统资源的异常查询。异常查询是影响时序数据库稳定性的一大因素，影响到用户的正常使用，甚至引发系统的崩溃。如何检测出查询的异常性是时序数据库面临的重要问题。
发明内容
有鉴于此，本说明书实施例提供了一种检测时序数据的查询的方法。本说明书一个或者多个实施例同时涉及一种检测时序数据的查询的装置，一种计算设备，以及一种计算机可读存储介质，以解决现有技术中存在的技术缺陷。
根据本说明书实施例的第一方面，提供了一种检测时序数据的查询的方法，包括：获取针对时序数据的查询命令中的查询时间范围以及对象标签，所述对象标签，用于标识时序数据中的时间序列，所述时间序列中包括多个不同时间产生的数据点；计算出所述对象标签标识的时间序列在所述查询时间范围内的扫描点数；根据所述扫描点数判断所述查询命令的查询的异常性。
可选地，所述计算出所述对象标签标识的时间序列在所述查询时间范围内的扫描点数，包括：计算出所述对象标签标识的单条时间序列在所述查询时间范围内的扫描点数，得到单指标扫描点数；根据所述单指标扫描点数，判断所述查询命令的查询的异常性。
可选地，其中，所述对象标签，包括：标签键及对应的标签值；所述计算出所述对象标签标识的时间序列在所述查询时间范围内的扫描点数，包括：计算出所述对象标签标识的单条时间序列在所述查询时间范围内的扫描点数，得到单指标扫描点数；利用所述单指标扫描点数以及所述标签键对应的标签基数，计算出所述查询的总扫描量，其中，所述标签基数是根据后台存储的时序数据统计得到的、所述标签键对应的多个标签值的时间序列条数的中位数确定的；所述根据所述扫描点数判断所述查询命令的查询的异常性，包括：根据所述查询的总扫描量判断所述查询命令的查询的异常性。
可选地，在所述计算出所述查询的总扫描量之前，还包括：判断所述单指标扫描点数的异常性；如果异常，确定所述查询命令的查询为异常查询；如果正常，进入所述利用所述单指标扫描点数以及所述标签键对应的标签基数，计算出所述查询的总扫描量的步骤。
可选地，所述利用所述单指标扫描点数以及所述标签键对应的标签基数，计算出所述查询的总扫描量，包括：将所述单指标扫描点数乘以所述标签键对应标签基数，计算得到所述查询的总扫描量。
可选地，还包括：将后台存储的时序数据按标签键分组；统计按标签键分组的各个组别中，每个标签值标识的时间序列的条数；针对每个组别，根据该组别中的各个标签值标识的时间序列的条数，建立该组别的时间序列数量概率分布的直方图；根据系统工作负载要求，从所述直方图中选择对应概率区间的时间序列数量作为所述标签键对应的标签基数。
可选地，所述统计按标签键分组的各个组别中，每个标签值标识的时间序列的条数，包括：将后台存储的时序数据中的每条时间序列按对象标签构建时间序列的索引；通过统计按标签键分组的各个组别中每个标签值的索引数量，得到每个标签值标识的时间序列的条数。
可选地，所述计算出所述对象标签标识的单条时间序列在所述查询时间范围内的扫描点数，得到单指标扫描点数，包括：将所述查询时间范围对应的时间长度除以所述时序数据的数据点产生周期，计算得到所述对象标签标识的单条时间序列在所述查询时间范围内的扫描点数。
可选地，还包括：响应于接收到写入数据点的请求，将所述数据点写入内存数组，所述数据点具有对应的时间戳，所述时间戳用于表示数据点的产生时间；计算出所述内存数组中若干对相邻时间戳的数据点的时间戳差值；根据所述若干对相邻时间戳的时间戳差值确定数据点产生周期。
可选地，还包括：在所述内存数组写满的情况下，将所述内存数组中的数据点刷新到后台文件；在多个后台文件合并时，利用合并后的文件中的数据点的若干对相邻时间戳的时间戳差值，对所述数据点产生周期进行更新。
可选地，还包括：在确定所述查询命令的查询为异常查询的情况下，放弃执行所述查询命令并向用户返回查询异常信息；在确定所述查询命令的查询为正常查询的情况下，执行所述查询命令。
根据本说明书实施例的第二方面，提供了一种检测时序数据的查询的装置，包括：解析模块，被配置为获取针对时序数据的查询命令中的查询时间范围以及对象标签，所述对象标签，用于标识时序数据中的时间序列，所述时间序列中包括多个不同时间产生的数据点。计算模块，被配置为计算出所述对象标签标识的时间序列在所述查询时间范围内的扫描点数。检测判断模块，被配置为根据所述扫描点数判断所述查询命令的查询的异常性。
根据本说明书实施例的第三方面，提供了一种时序数据库系统，包括：客户端及服务端。所述客户端，被配置为向所述服务端发送查询命令。所述服务端，被配置为获取针对时序数据的查询命令中的查询时间范围以及对象标签，所述对象标签，用于标识时序数据中的时间序列，所述时间序列中包括多个不同时间产生的数据点；计算出所述对象标签标识的时间序列在所述查询时间范围内的扫描点数；根据所述扫描点数判断所述查询命令的查询的异常性。
根据本说明书实施例的第四方面，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：获取针对时序数据的查询命令中的查询时间范围以及对象标签，所述对象标签，用于标识时序数据中的时间序列，所述时间序列中包括多个不同时间产生的数据点；计算出所述对象标签标识的时间序列在所述查询时间范围内的扫描点数；根据所述扫描点数判断所述查询命令的查询的异常性。
根据本说明书实施例的第五方面，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，该计算机可执行指令被处理器执行时实现本说明书任意实施例所述检测时序数据的查询的方法的步骤。
本说明书一个实施例提供了一种检测时序数据的查询的方法，由于该方法获取针对时序数据的查询命令中的查询时间范围以及对象标签，计算出所述对象标签标识的时间序列在所述查询时间范围内的扫描点数，根据所述扫描点数判断所述查询命令的查询的异常性，因此，该方法能够准确感知查询的扫描量，根据查询的扫描量有效检测出查询的异常性，从而能够进一步避免异常查询带来大范围资源消耗。
附图说明
图1是本说明书一个实施例提供的一种检测时序数据的查询的方法的流程图；
图2是本说明书一个实施例提供的时间序列示意图；
图3是本说明书一个实施例提供的检测时序数据的查询的架构示意图；
图4a是本说明书一个实施例提供的数据点产生周期计算示意图；
图4b是本说明书一个实施例提供的统计表示意图；
图4c是本说明书一个实施例提供的直方图示意图；
图5是本说明书一个实施例提供的标签基数计算示意图；
图6是本说明书一个实施例提供的一种检测时序数据的查询的装置的结构示意图；
图7是本说明书另一个实施例提供的一种检测时序数据的查询的装置的结构示意图；
图8是本说明书一个实施例提供的一种时序数据库系统的结构示意图；
图9是本说明书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说明书。但是本说明书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说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。
在本说明书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，而非旨在限制本说明书一个或多个实施例。在本说明书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，本说明书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，尽管在本说明书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，在不脱离本说明书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，对本说明书一个或多个实施例涉及的名词术语进行解释。
对象标签（Tag）：用于标识时序数据中的时间序列，用于表明时序数据的指标项针对的具体对象。例如，对象标签可以是指定度量下的数据子类别。标签键与对应的标签值共同确定对象标签。例如，一个对象标签可以由一个标签键（TagKey）和一个对应的标签值（TagValue）组成，例如“城市（TagKey）= 杭州（TagValue）”是一个对象标签，再例如，“机房= A 、IP = 172.220.110.1”是一个对象标签。标签键与标签值是一对一或一对多的关系。当标签键和标签值都相同时，是同一个对象标签；标签键相同，标签值不同，则不是同一个对象标签。例如，在监测天气的时序数据中，指定度量可以是“气温”，对象标签是“城市 =杭州”，其中“城市”是标签键，“杭州”是标签值，在该时序数据中的监测对象是杭州市的气温。
标签键（TagKey）：用于与对应的标签值共同确定对象标签。标签键，可以用于表示监测指定的对象类型（与对应的标签值共同定义该对象类型下的具体对象），例如国家、省份、城市、机房、IP 等。
标签值（TagValue）：标签键对应的值。例如，当标签键是“国家”时，标签值可能为“中国”。
度量（Metric）：监测数据的指标，例如风力和温度。
度量值：度量对应的值，例如 15 级（风力）和 20 ℃（温度）。
时间戳（Timestamp）：数据点产生的时间点。
数据点 (Data Point)：针对对象的某项指标（例如，可以由度量和标签定义）按一定时间间隔（如连续的时间戳）采集的每个度量值就是一个数据点。即，“一个度量 + N 个对象标签（N >= 1）+ 一个时间戳 + 一个度量值”定义一个数据点。
时间序列（Time Series）：例如，时间序列如图2所示，包括多个不同时间产生的数据点。例如，时间序列可以是针对某个监测对象的某项指标（例如，由度量和标签定义）的描述。“一个度量 + N 个对象标签KV组合（N >= 1）”定义为一个时间序列，某个时间序列上产生的数据值的增加，不会导致时间序列的增加。例如，如图中所示，<Timestamp, Value>这些数值在不断的变化。 Floor，Room， DeviceID 没有变化。
在本说明书中，提供了一种检测时序数据的查询的方法，本说明书同时涉及一种检测时序数据的查询的装置，一种时序数据库系统，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。
图1示出了根据本说明书一个实施例提供的一种检测时序数据的查询的方法的流程图，包括步骤102至步骤106。
步骤102：获取针对时序数据的查询命令中的查询时间范围以及对象标签，所述对象标签，用于标识时序数据中的时间序列，所述时间序列中包括多个不同时间产生的数据点。
例如，如图3本说明书一个实施例提供的检测时序数据的查询的架构示意图所示，解析器可以从查询命令中提取出查询时间范围，例如，针对一个指标的查询的结束时间和起始时间之差。还可以提取出标签条件，进而从标签条件中提取出对象标签，例如提取出对象标签TagKey1=TagV1、TagKey2=TagV2等。
步骤104：计算出对象标签标识的时间序列在所述查询时间范围内的扫描点数。
步骤106：根据所述扫描点数判断所述查询命令的查询的异常性。
本说明书实施例对于计算对象标签标识的时间序列在所述查询时间范围内的扫描点数的具体方式不限。
例如，一个实施例中，可以计算出所述对象标签标识的单条时间序列在所述查询时间范围内的扫描点数，得到单指标扫描点数，进而根据所述单指标扫描点数，判断所述查询命令的查询的异常性。例如，所述单指标扫描点数，可以通过读取单条时间序列中所述查询时间范围内的数据点来计算扫描点数。再例如，为了避免I/O带来的资源消耗，提高计算准确度以及速度，本说明书一实施例中，可以将所述查询时间范围对应的时间长度除以所述时序数据的数据点产生周期，计算得到所述对象标签标识的单条时间序列在所述查询时间范围内的扫描点数。如图3所示的本说明书一实施例所示的检测时序数据的查询的架构示意图所示，可以预先计算出数据点产生周期并存储在评估器中。当需要检测查询异常时，评估器读取出数据点产生周期以便快速进行计算，以提高检测效率。
对象标签标识的单条时间序列在所述查询时间范围内的扫描点数能够一定程度上说明查询的异常性。例如，可以判断扫描点数是否达到预设单指标异常阈值范围，如果是，则可以确定查询为异常查询。再例如，可以将扫描点数与预设单指标异常阈值的比值，作为查询的异常度。又例如，可以将扫描点数所带来的资源消耗与时序数据库系统的正常资源消耗进行比较，如果严重超过，则说明查询为异常查询。
为了能够使检测结果更加准确，本说明书实施例提供的方法，还可以结合所述扫描点数从更多维度来对查询的异常性进行判断。例如，本说明书一个或多个实施例中，利用所述扫描点数与后台存储的时序数据统计得到的标签基数计算得到查询的总扫描，从查询的总扫描量来对查询的异常性进行判断。具体地，例如，另一个实施例中，所述对象标签，可以包括：标签键及对应的标签值。所述计算出所述对象标签标识的时间序列在所述查询时间范围内的扫描点数，可以包括：计算出所述对象标签标识的单条时间序列在所述查询时间范围内的扫描点数，得到单指标扫描点数；利用所述单指标扫描点数以及所述标签键对应的标签基数，计算出所述查询的总扫描量，其中，所述标签基数是根据后台存储的时序数据统计得到的、所述标签键对应的多个标签值的时间序列条数的中位数确定的。进而，所述根据所述扫描点数判断所述查询命令的查询的异常性，可以包括：根据所述查询的总扫描量判断所述查询命令的查询的异常性。
其中，利用所述单指标扫描点数以及所述标签键对应的标签基数计算查询的总扫描量的计算方式可以根据实施场景需要进行设置，本说明书实施例提供的方法对此并不进行限制。例如，可以将所述单指标扫描点数乘以所述标签键对应标签基数，计算得到所述查询的总扫描量。例如，如图3所示的本说明书一实施例所示的检测时序数据的查询的架构示意图所示，可以预先将计算出的标签基数存储在评估器中。当需要检测查询异常时，评估器读取出标签基数以便快速进行检测，以提高检测效率。再例如，可以根据实施场景中标签基数的误差情况，设置修正权重，将扫描点数乘以所述标签基数再乘以修正权重。
例如，如图3所示的检测时序数据的查询的架构示意图，本说明书实施例提供的方法从接收查询命令到计算总扫描量的流程可以包括：时序查询对应的查询命令传送到查询解析器，查询解析器从查询命令中提取指标的查询时间范围以及标签条件。评估器中预先存储了指标的数据点产生周期以及标签键对应的标签基数。根据查询时间范围除以时间点产生周期，可以获取对象标签标识的单条时间序列的扫描点数。评估器再根据标签基数计算出待扫描点数即总扫描量。一个或多个实施例中，评估器的构建可以在时序数据库系统的服务端完成，减少了数据库项目执行侧的感知，降低运维负担。
为了能够在提高检测准确度的同时，尽量减少计算量，提高效率，本说明书一个或多个实施例中，还可以先针对所述单指标扫描点数的异常性进行判断，在所述单指标扫描点数正常的情况下，再计算总扫描量。具体地，例如，在所述计算出所述查询的总扫描量之前，还包括：判断所述单指标扫描点数的异常性；如果异常，确定所述查询命令的查询为异常查询；如果正常，进入所述利用所述单指标扫描点数以及所述标签键对应的标签基数，计算出所述查询的总扫描量的步骤。
例如，可以先判断所述单指标扫描点数是否达到预设单指标异常阈值范围，如果是，确定所述查询命令的查询为异常查询，如果否，再利用所述单指标扫描点数以及所述标签键对应的标签基数，计算出所述查询的总扫描量。判断所述总扫描量是否达到预设总量异常阈值范围；如果是，确定所述查询命令的查询为异常查询；如果否，确定所述查询命令的查询为正常查询。
例如，在确定所述查询命令的查询为异常查询的情况下，可以放弃执行所述查询命令并向用户返回查询异常信息。在确定所述查询命令的查询为正常查询的情况下，执行所述查询命令。在向用户返回查询异常信息时，可以在用户交互界面展示所述查询异常信息以及对应的异常查询处理入口。例如，还可以对识别出的异常性进行分析，提供一定的查询处理流程，以便帮助运维人员纠正异常，提高系统稳定性。具体地，例如，可以根据检测出的异常查询类型（如异常码），提供对应的异常查询处理入口，通过该入口可以进入具有相应处理流程的处理界面，以便运维人员在确定异常原因之后对异常进行纠正，例如，运维人员可以进行归因处理、报警等。
由于该方法获取针对时序数据的查询命令中的查询时间范围以及对象标签，计算出对象标签标识的时间序列在所述查询时间范围内的扫描点数，根据所述扫描点数判断所述查询命令的查询的异常性，因此，该方法能够准确感知查询的扫描量，根据查询的扫描量有效检测出查询的异常性，从而能够进一步避免异常查询带来大范围资源消耗，降低运维成本，增强系统稳定性。例如，在物联网和工业互联网中，存在大量时序数据，需要时序数据库系统对时序数据进行管理。根据本说明书实施例提供的方法，能够有效提高物联网和工业互联网中时序数据库系统的性能稳定性。
本说明书实施例对于数据点产生周期的获取方式不限，例如，可以根据从时序数据产生端获取的参数得到。例如，本说明书实施例提供的方法进一步通过以下步骤计算出了数据点产生周期。具体地，例如，所述方法还可以包括：响应于接收到写入数据点的请求（例如，可以是一次HTTP请求或者一次SQL写入），将所述数据点写入内存数组，所述数据点具有对应的时间戳，所述时间戳用于表示数据点的产生时间；计算出所述内存数组中若干对相邻时间戳的数据点的时间戳差值；根据所述若干对相邻时间戳的时间戳差值确定数据点产生周期。例如，可以取所述若干对相邻时间戳的时间戳差值的中位数，作为数据点产生周期。
例如，如图4a所示的数据点产生周期计算示意图所示，数据点写入时，可以以度量（metric）为粒度，写入内存数组。数据点产生周期，可以依据数据点数组计算相邻时间戳的差值来确定。比如一个数组[0, 5, 10.... tN]，数据点产生周期为5。在乱序或者数据点采集不规则的情况下，数据点产生周期可以取差值的中位数。
由于内存写满后，内存中写入的数据点刷新到后台文件，因此，对于一些内存较小的情况，内存数组较小，仅依据内存数组记录的数据点的时间戳确定数据点产生周期不一定准确，在这种情况下，可以根据后台文件中的数据点的时间戳进行补偿更新。本说明书一个或多个实施例中，所述方法还可以包括：在所述内存数组写满的情况下，将所述内存数组中的数据点刷新到后台文件；在多个后台文件合并时，利用合并后的文件中的数据点的若干对相邻时间戳的时间戳差值，对所述数据点产生周期进行更新。通过该实施例，可以通过后台文件的合并，对数据点产生周期做补偿更新。
为了使本说明书实施例提供的方法使用的标签基数更加准确，本说明书一个或多个实施例中，进一步通过建立直方图的方式进行计算。具体地，例如，所述方法还可以包括：将后台存储的时序数据按标签键分组；统计按标签键分组的各个组别中，每个标签值标识的时间序列的条数；针对每个组别，根据该组别中的各个标签值标识的时间序列的条数，建立该组别的时间序列数量概率分布的直方图；根据系统工作负载要求，从所述直方图中选择对应概率区间的时间序列数量作为所述标签键对应的标签基数。
例如，在“城市”这个标签键下，对应的标签值“铁岭”有50条时间序列、“沈阳”有80条时间序列、“北京”有100条时间序列、杭州有100条时间序列、等等若干个城市的时间序列。那么，针对城市这个标签键，可以得到如图4b所示的时间序列数量分布概率及对应的时间序列数量的统计表，根据该统计表，可以得到如图4c所示的直方图。如图4c的直方图所示，99%的城市的时间序列的条数小于100，95%的时间序列的条数小于90。选择哪一概率区间对应的时间序列数量作为所述标签键对应的标签基数，具体可以根据实际应用场景下系统工作负载的要求确定，本说明书实施例对此并不进行限制。例如，某一应用场景下，选择P99也即99%概率区间对应的时间序列数量作为标签基数。那么，如图4c所示的直方图显示，得到标签基数100。假设扫描点数为3，则总扫描量为3 *100，总共300条。假设系统阈值为1000，则检测结果为正常查询。
需要说明的是，针对不同概率区间对应的标签基数，对应的预设总量异常阈值范围可以不同。举例来说，如图4c所示，从Max到Min对系统工作负载的要求逐步提升。例如：对于P75这个区间来说，其对应的标签基数为80，表示有75%的几率为正常查询，25%的几率为异常查询。对于P99这个区间来说，其对应的标签基数为100，表示有99%的几率为正常查询，1%的几率为异常查询。异常查询的概率越大，异常查询的处理会增加系统资源。因此，预设总量异常阈值范围具体可以根据实际应用场景下系统工作负载的要求及概率区间所对应的异常查询的几率来确定。
其中，所述统计按标签键分组的各个组别中，每个标签值标识的时间序列的条数，可以包括：将后台存储的时序数据中的每条时间序列按对象标签构建时间序列的索引；通过统计按标签键分组的各个组别中每个标签值的索引数量，得到每个标签值标识的时间序列的条数。例如，以图2所示的时间序列为例，可以利用对象标签“Floor=33， Room=3302，DeviceID=7649501”构建索引。每个时间序列对应构建出一个索引。例如，可以构建倒排索引。
例如，如图5所示的标签基数计算示意图所示，可以在后台文件合并后，获取每一个标签键值的时间序列“时间线bitmap”，再通过异步构建的方式，以标签键为分组，建立每组的时间序列的数量分布的直方图。
另外，在本说明书实施例提供的方法中，还可以结合其他检测查询的异常性的方式进行检测得到检测结果，本说明书实施例对此并不进行限制。
例如，一个实施例中，可以结合以下检测查询的异常性的处理步骤进行检测，包括：基于预定规则判断的方式标记，比如用户的查询时间跨度不能超过6个月；避免用户查询某个标签维度。这种方案规则简单固定，但不易根据数据特性调整，标签的维度基数差别较大，很难准确判断标签维度资源消耗。因此，识别度粗糙，维护成本高。比如用户的指标采集周期不同，有些1月采集一次，有些10s采集，统一采用6个月，识别准确度差。通过与本说明书实施例提供的方法的结合，可以在根据本说明书实施例的方法判断出查询为异常查询之后，将该查询涉及的标签进行标记。在根据本说明书实施例提供的方法判断出查询为正常查询之后，将该查询涉及的标签取消标记。
再例如，另一个实施例中，可以结合以下检测查询的异常性的处理步骤进行检测，包括：从服务端基于响应时间的后标记方式，查询执行后，如果响应时间超过一定的阈值，比如60s，在后端缓存中标记这个查询为异常查询。这种方式只能识别部分异常查询，如果异常查询第一次执行过程中就把资源耗尽，依然造成稳定性问题。同时查询的响应时间依赖于资源的整体情况，如果出现垃圾回收，慢盘等情况，响应时间就会发生抖动延迟，这时很容易把正常查询全部标记为慢查询，识别准确度低。通过与本说明书实施例提供的方法的结合，可以在根据本说明书实施例的方法检测之后，如果确定可以执行查询命令，记录查询命令的响应时间，如果响应时间仍然超过阈值，可以对该查询标记为异常查询，并对本说明书实施例提供的方法中的相关参数进行相应调整，以便进一步提高检测准确度。在根据本说明书实施例提供的方法判断出查询为正常查询且响应时间合理之后，可以将该查询涉及的异常标记取消。
与上述方法实施例相对应，本说明书还提供了检测时序数据的查询的装置实施例，图6示出了本说明书一个实施例提供的一种检测时序数据的查询的装置的结构示意图。如图6所示，该装置包括：解析模块602、计算模块604及检测判断模块606。
该解析模块602，可以被配置为获取针对时序数据的查询命令中的查询时间范围以及对象标签，所述对象标签，用于标识时序数据中的时间序列，所述时间序列中包括多个不同时间产生的数据点。
该扫描点数计算模块604，可以被配置为计算出所述对象标签标识的时间序列在所述查询时间范围内的扫描点数。
该检测判断模块606，可以被配置为根据所述扫描点数判断所述查询命令的查询的异常性。
由于该装置获取针对时序数据的查询命令中的查询时间范围以及对象标签，计算出对象标签标识的时间序列在所述查询时间范围内的扫描点数，根据所述扫描点数判断所述查询命令的查询的异常性，因此，该装置能够准确感知查询的扫描量，根据查询的扫描量有效检测出查询的异常性，从而能够进一步避免异常查询带来大范围资源消耗，降低运维成本，增强系统稳定性。例如，在物联网和工业互联网中，存在大量时序数据，需要时序数据库系统对时序数据进行管理。根据本说明书实施例提供的装置，能够有效提高物联网和工业互联网中时序数据库系统的性能稳定性。
本说明书实施例对于计算对象标签标识的时间序列在所述查询时间范围内的扫描点数的具体方式不限。例如，一个实施例中，所述扫描点数计算模块604，可以被配置为计算出所述对象标签标识的单条时间序列在所述查询时间范围内的扫描点数，得到单指标扫描点数。所述检测判断模块606，可以被配置为根据所述单指标扫描点数，判断所述查询命令的查询的异常性。
为了能够使检测结果更加准确，本说明书实施例提供的装置，还可以结合所述单指标扫描点数从更多维度来对查询的异常性进行判断。例如，本说明书一个或多个实施例中，利用所述单指标扫描点数与后台存储的时序数据统计得到的标签基数计算得到查询的总扫描，从查询的总扫描量来对查询的异常性进行判断。具体地，在该实施例中，所述对象标签，包括：标签键及对应的标签值。如图7示出的本说明书另一个实施例提供的一种检测时序数据的查询的装置的结构示意图。所述检测判断模块606，包括：总扫描量计算子模块6062及检测判断子模块6064。
该总扫描量计算子模块6062，可以被配置为利用所述单指标扫描点数以及所述标签键对应的标签基数，计算出所述查询的总扫描量，其中，所述标签基数是根据后台存储的时序数据统计得到的、所述标签键对应的多个标签值的时间序列条数的中位数确定的。
例如，所述总扫描量计算子模块6062，可以被配置为将所述单指标扫描点数乘以所述标签键对应标签基数，计算得到所述查询的总扫描量。
该检测判断子模块6064，可以被配置为根据所述查询的总扫描量判断所述查询命令的查询的异常性。
为了能够在提高检测准确度的同时，尽量减少计算量，提高效率，本说明书一个或多个实施例中，还可以先针对所述单指标扫描点数的异常性进行判断，在所述扫描点数正常的情况下，再计算总扫描量。具体地，例如，如图7所示，所述检测判断模块606，还可以包括：扫描点数异常判断子模块6061，可以被配置为判断所述单指标扫描点数的异常性，如果异常，确定所述查询命令的查询为异常查询，如果正常，触发所述总扫描量计算子模块6062进入所述利用所述单指标扫描点数以及所述标签键对应的标签基数，计算出所述查询的总扫描量的步骤。
本说明书实施例对于计算扫描点数的具体方式不限。例如，所述扫描点数计算模块604，可以被配置为将所述查询时间范围对应的时间长度除以所述时序数据的数据点产生周期，计算得到所述对象标签标识的单条时间序列在所述查询时间范围内的单指标扫描点数。
本说明书实施例对于数据点产生周期的获取方式不限，例如，可以根据从时序数据产生端获取的参数得到。例如，如图7所示，该装置还可以包括：数据点写入模块608、时间戳计算模块610及周期计算模块612。
该数据点写入模块608，可以被配置为响应于接收到写入数据点的请求，将所述数据点写入内存数组，所述数据点具有对应的时间戳，所述时间戳用于表示数据点的产生时间。
该时间戳计算模块610，可以被配置为计算出所述内存数组中若干对相邻时间戳的数据点的时间戳差值。
该周期计算模块612，可以被配置为根据所述若干对相邻时间戳的时间戳差值确定数据点产生周期。
由于内存写满后，内存中写入的数据点刷新到后台文件，因此，对于一些内存较小的情况，内存数组较小，仅依据内存数组记录的数据点的时间戳确定数据点产生周期不一定准确，在这种情况下，可以根据后台文件中的数据点的时间戳进行补偿更新。本说明书一个或多个实施例中，例如，如图7所示，该装置还可以包括：内存处理模块614及补偿更新模块616。
该内存处理模块614，可以被配置为在所述内存数组写满的情况下，将所述内存数组中的数据点刷新到后台文件。
该补偿更新模块616，可以被配置为在多个后台文件合并时，利用合并后的文件中的数据点的若干对相邻时间戳的时间戳差值，对所述数据点产生周期进行更新。
为了使本说明书实施例提供的方法使用的标签基数更加准确，本说明书一个或多个实施例中，进一步通过建立直方图的方式进行计算。具体地，例如，如图7所示，该装置还可以包括：分组模块618、条数统计模块620及基数确定模块622。
该分组模块618，可以被配置为将后台存储的时序数据按标签键分组。
该条数统计模块620，可以被配置为统计按标签键分组的各个组别中，每个标签值标识的时间序列的条数。
该基数确定模块622，可以被配置为针对每个组别，根据该组别中的各个标签值标识的时间序列的条数，建立该组别的时间序列数量概率分布的直方图，根据系统工作负载要求，从所述直方图中选择对应概率区间的时间序列数量作为所述标签键对应的标签基数。
例如，如图7所示，所述条数统计模块620，可以包括：索引构建子模块6202及索引统计子模块6204。
该索引构建子模块6202，可以被配置为将后台存储的时序数据中的每条时间序列按对象标签构建时间序列的索引。
该索引统计子模块6204，可以被配置为通过统计按标签键分组的各个组别中每个标签值的索引数量，得到每个标签值标识的时间序列的条数。
为了帮助运维人员纠正异常，提高系统稳定性，例如，如图7所示，该装置还可以包括：异常处理模块624，可以被配置为在确定所述查询命令的查询为异常查询的情况下，放弃执行所述查询命令并向用户返回查询异常信息。正常处理模块626，可以被配置为在确定所述查询命令的查询为正常查询的情况下，执行所述查询命令。例如，所述异常处理模块624，可以被配置为在用户交互界面展示所述查询异常信息以及对应的异常查询处理入口。
上述为本实施例的一种检测时序数据的查询的装置的示意性方案。需要说明的是，该检测时序数据的查询的装置的技术方案与上述的检测时序数据的查询的方法的技术方案属于同一构思，检测时序数据的查询的装置的技术方案未详细描述的细节内容，均可以参见上述检测时序数据的查询的方法的技术方案的描述。
与上述方法实施例相对应，本说明书还提供了时序数据库系统实施例，图8示出了本说明书一个实施例提供的一种时序数据库系统的结构示意图。如图8所示，该时序数据库系统包括：客户端802及服务端804。
所述客户端802，可以被配置为向所述服务端发送查询命令。
所述服务端804，可以被配置为获取针对时序数据的查询命令中的查询时间范围以及对象标签，所述对象标签，用于标识时序数据中的时间序列，所述时间序列中包括多个不同时间产生的数据点；计算出所述对象标签标识的时间序列在所述查询时间范围内的扫描点数；根据所述扫描点数判断所述查询命令的查询的异常性。
由于该时序数据库系统的服务端获取针对时序数据的查询命令中的查询时间范围以及对象标签，计算出对象标签标识的时间序列在所述查询时间范围内的扫描点数，根据所述扫描点数判断所述查询命令的查询的异常性，因此，该系统能够准确感知查询的扫描量，根据查询的扫描量有效检测出查询的异常性，从而能够进一步避免异常查询带来大范围资源消耗，降低运维成本，增强系统稳定性，而且检测在时序数据库系统的服务端完成，减少了项目侧的感知，降低运维负担。
图9示出了根据本说明书一个实施例提供的一种计算设备900的结构框图。该计算设备900的部件包括但不限于存储器910和处理器920。处理器920与存储器910通过总线930相连接，数据库950用于保存数据。
计算设备900还包括接入设备940，接入设备940使得计算设备900能够经由一个或多个网络960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940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。
在本说明书的一个实施例中，计算设备900的上述部件以及图9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9所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。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900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900还可以是移动式或静止式的服务器。
其中，处理器920用于执行如下计算机可执行指令：
获取针对时序数据的查询命令中的查询时间范围以及对象标签，所述对象标签，用于标识时序数据中的时间序列，所述时间序列中包括多个不同时间产生的数据点；
计算出所述对象标签标识的时间序列在所述查询时间范围内的扫描点数；
根据所述扫描点数判断所述查询命令的查询的异常性。
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检测时序数据的查询的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，均可以参见上述检测时序数据的查询的方法的技术方案的描述。
本说明书一实施例还提供一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时以用于：
获取针对时序数据的查询命令中的查询时间范围以及对象标签，所述对象标签，用于标识时序数据中的时间序列，所述时间序列中包括多个不同时间产生的数据点；
计算出所述对象标签标识的时间序列在所述查询时间范围内的扫描点数；
根据所述扫描点数判断所述查询命令的查询的异常性。
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检测时序数据的查询的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，均可以参见上述检测时序数据的查询的方法的技术方案的描述。
上述对本说明书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，本说明书实施例并不受所描述的动作顺序的限制，因为依据本说明书实施例，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说明书实施例所必须的。
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。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。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，根据本说明书实施例的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本说明书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说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。
Claims (15)
1.一种检测时序数据的查询的方法，包括：
获取针对时序数据的查询命令中的查询时间范围以及对象标签，所述对象标签，用于标识时序数据中的时间序列，所述时间序列中包括多个不同时间产生的数据点；
计算出所述对象标签标识的时间序列在所述查询时间范围内的扫描点数，所述扫描点数包括单指标扫描点数和/或总扫描量，其中，所述单指标扫描点数是根据单条时间序列在所述查询时间范围内被扫描的时间点的数量确定的，所述总扫描量是根据所述对象标签标识的多条时间序列在所述查询时间范围内被扫描的时间点的数量确定的；
根据所述扫描点数判断所述查询命令的查询的异常性。
2.根据权利要求1所述的方法，所述计算出所述对象标签标识的时间序列在所述查询时间范围内的扫描点数，包括：
计算出所述对象标签标识的单条时间序列在所述查询时间范围内的扫描点数，得到单指标扫描点数；
所述根据所述扫描点数判断所述查询命令的查询的异常性，包括：根据所述单指标扫描点数，判断所述查询命令的查询的异常性。
3.根据权利要求1所述的方法，其中，所述对象标签，包括：标签键及对应的标签值；
所述计算出所述对象标签标识的时间序列在所述查询时间范围内的扫描点数，包括：
计算出所述对象标签标识的单条时间序列在所述查询时间范围内的扫描点数，得到单指标扫描点数；
利用所述单指标扫描点数以及所述标签键对应的标签基数，计算出所述查询的总扫描量，其中，所述标签基数是根据后台存储的时序数据统计得到的、所述标签键对应的多个标签值的时间序列条数的中位数确定的；
所述根据所述扫描点数判断所述查询命令的查询的异常性，包括：
根据所述查询的总扫描量判断所述查询命令的查询的异常性。
4.根据权利要求3所述的方法，在所述计算出所述查询的总扫描量之前，还包括：
判断所述单指标扫描点数的异常性；
如果异常，确定所述查询命令的查询为异常查询；
如果正常，进入所述利用所述单指标扫描点数以及所述标签键对应的标签基数，计算出所述查询的总扫描量的步骤。
5.根据权利要求3所述的方法，所述利用所述单指标扫描点数以及所述标签键对应的标签基数，计算出所述查询的总扫描量，包括：
将所述单指标扫描点数乘以所述标签键对应标签基数，计算得到所述查询的总扫描量。
6.根据权利要求3所述的方法，还包括：
将后台存储的时序数据按标签键分组；
统计按标签键分组的各个组别中，每个标签值标识的时间序列的条数；
针对每个组别，根据该组别中的各个标签值标识的时间序列的条数，建立该组别的时间序列数量概率分布的直方图；
根据系统工作负载要求，从所述直方图中选择对应概率区间的时间序列数量作为所述标签键对应的标签基数。
7.根据权利要求6所述的方法，所述统计按标签键分组的各个组别中，每个标签值标识的时间序列的条数，包括：
将后台存储的时序数据中的每条时间序列按对象标签构建时间序列的索引；
通过统计按标签键分组的各个组别中每个标签值的索引数量，得到每个标签值标识的时间序列的条数。
8.根据权利要求2所述的方法，所述计算出所述对象标签标识的单条时间序列在所述查询时间范围内的扫描点数，得到单指标扫描点数，包括：
将所述查询时间范围对应的时间长度除以所述时序数据的数据点产生周期，计算得到所述对象标签标识的单条时间序列在所述查询时间范围内的扫描点数。
9.根据权利要求8所述的方法，还包括：
响应于接收到写入数据点的请求，将所述数据点写入内存数组，所述数据点具有对应的时间戳，所述时间戳用于表示数据点的产生时间；
计算出所述内存数组中若干对相邻时间戳的数据点的时间戳差值；
根据所述若干对相邻时间戳的时间戳差值确定数据点产生周期。
10.根据权利要求9所述的方法，还包括：
在所述内存数组写满的情况下，将所述内存数组中的数据点刷新到后台文件；
在多个后台文件合并时，利用合并后的文件中的数据点的若干对相邻时间戳的时间戳差值，对所述数据点产生周期进行更新。
11.根据权利要求1所述的方法，还包括：
在确定所述查询命令的查询为异常查询的情况下，放弃执行所述查询命令并向用户返回查询异常信息；
在确定所述查询命令的查询为正常查询的情况下，执行所述查询命令。
12.一种检测时序数据的查询的装置，包括：
解析模块，被配置为获取针对时序数据的查询命令中的查询时间范围以及对象标签，所述对象标签，用于标识时序数据中的时间序列，所述时间序列中包括多个不同时间产生的数据点；
计算模块，被配置为计算出所述对象标签标识的时间序列在所述查询时间范围内的扫描点数，所述扫描点数包括单指标扫描点数和/或总扫描量，其中，所述单指标扫描点数是根据单条时间序列在所述查询时间范围内被扫描的时间点的数量确定的，所述总扫描量是根据所述对象标签标识的多条时间序列在所述查询时间范围内被扫描的时间点的数量确定的；
检测判断模块，被配置为根据所述扫描点数判断所述查询命令的查询的异常性。
13.一种时序数据库系统，包括：客户端及服务端；
所述客户端，被配置为向所述服务端发送查询命令；
所述服务端，被配置为获取针对时序数据的查询命令中的查询时间范围以及对象标签，所述对象标签，用于标识时序数据中的时间序列，所述时间序列中包括多个不同时间产生的数据点；计算出所述对象标签标识的时间序列在所述查询时间范围内的扫描点数，所述扫描点数包括单指标扫描点数和/或总扫描量，其中，所述单指标扫描点数是根据单条时间序列在所述查询时间范围内被扫描的时间点的数量确定的，所述总扫描量是根据所述对象标签标识的多条时间序列在所述查询时间范围内被扫描的时间点的数量确定的；根据所述扫描点数判断所述查询命令的查询的异常性。
14.一种计算设备，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：
获取针对时序数据的查询命令中的查询时间范围以及对象标签，所述对象标签，用于标识时序数据中的时间序列，所述时间序列中包括多个不同时间产生的数据点；
计算出所述对象标签标识的时间序列在所述查询时间范围内的扫描点数，所述扫描点数包括单指标扫描点数和/或总扫描量，其中，所述单指标扫描点数是根据单条时间序列在所述查询时间范围内被扫描的时间点的数量确定的，所述总扫描量是根据所述对象标签标识的多条时间序列在所述查询时间范围内被扫描的时间点的数量确定的；
根据所述扫描点数判断所述查询命令的查询的异常性。
15.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至11任意一项所述检测时序数据的查询的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110656174.3A CN113111098B (zh) | 2021-06-11 | 2021-06-11 | 检测时序数据的查询的方法、装置及时序数据库系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110656174.3A CN113111098B (zh) | 2021-06-11 | 2021-06-11 | 检测时序数据的查询的方法、装置及时序数据库系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113111098A CN113111098A (zh) | 2021-07-13 |
| CN113111098B true CN113111098B (zh) | 2021-10-29 |
Family
ID=76723514
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110656174.3A Active CN113111098B (zh) | 2021-06-11 | 2021-06-11 | 检测时序数据的查询的方法、装置及时序数据库系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113111098B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113434557B (zh) * | 2021-08-26 | 2021-12-17 | 苏州浪潮智能科技有限公司 | 一种标签数据的范围查询方法、装置、设备及存储介质 |
| CN114064754B (zh) * | 2021-11-11 | 2024-07-12 | 浙江大学 | 一种工业时序数据特征学习方法 |
| CN115017538A (zh) * | 2022-04-29 | 2022-09-06 | 北京达佳互联信息技术有限公司 | 一种数据处理方法、装置、电子设备及存储介质 |
| CN118394792B (zh) * | 2024-06-28 | 2024-09-24 | 西安众望能源科技有限公司 | 一种油气田数据存储方法及系统 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7599913B2 (en) * | 2003-03-04 | 2009-10-06 | Avaya, Inc. | Time series monitoring system |
| US10740309B2 (en) * | 2015-12-18 | 2020-08-11 | Cisco Technology, Inc. | Fast circular database |
| CN106021308B (zh) * | 2016-05-05 | 2020-02-04 | 重庆大学 | 一种面向时序大数据的查询事件识别与检测方法及系统 |
| CN109299135B (zh) * | 2018-11-26 | 2024-05-14 | 平安科技（深圳）有限公司 | 基于识别模型的异常查询识别方法、识别设备及介质 |
| CN110825769A (zh) * | 2019-10-11 | 2020-02-21 | 苏宁金融科技(南京)有限公司 | 一种数据指标异常的查询方法和系统 |
| CN110866030A (zh) * | 2019-10-23 | 2020-03-06 | 中国科学院信息工程研究所 | 一种基于无监督学习的数据库异常访问检测方法 |
| CN111738067B (zh) * | 2020-05-12 | 2024-04-16 | 国网陕西省电力公司电力科学研究院 | 一种电力在线监测系统数据的时间序列异常检测方法 |
| CN111726357A (zh) * | 2020-06-18 | 2020-09-29 | 北京优特捷信息技术有限公司 | 攻击行为检测方法、装置、计算机设备及存储介质 |
| CN111813782B (zh) * | 2020-07-14 | 2024-07-26 | 杭州海康威视数字技术股份有限公司 | 一种时序数据的存储方法、装置 |
| CN112380098B (zh) * | 2020-11-19 | 2024-03-19 | 平安科技（深圳）有限公司 | 一种时序异常检测方法、装置、计算机设备及存储介质 |
| CN112818029A (zh) * | 2021-01-13 | 2021-05-18 | 远景智能国际私人投资有限公司 | 时序数据的查询方法、装置、设备及可读存储介质 |
-
2021
- 2021-06-11 CN CN202110656174.3A patent/CN113111098B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113111098A (zh) | 2021-07-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113111098B (zh) | 检测时序数据的查询的方法、装置及时序数据库系统 | |
| WO2022117126A1 (zh) | 一种电网量测数据的校验方法、装置、设备、存储介质及程序产品 | |
| CN111126824B (zh) | 多指标关联模型训练方法及多指标异常分析方法 | |
| CN113297135A (zh) | 数据处理方法以及装置 | |
| CN111858274B (zh) | 一种大数据评分系统稳定性监控方法 | |
| CN111966762B (zh) | 指标采集方法以及装置 | |
| US20180307218A1 (en) | System and method for allocating machine behavioral models | |
| CN108989147A (zh) | 基于fpga的sdn网络流量测量系统及方法 | |
| CN110889597A (zh) | 业务时序指标异常检测方法及装置 | |
| CN110275878A (zh) | 业务数据检测方法、装置、计算机设备及存储介质 | |
| CN117827568A (zh) | 测试设备稳定性的监控方法、装置、电子设备和存储介质 | |
| Egri et al. | Cross-correlation based clustering and dimension reduction of multivariate time series | |
| CN113347566B (zh) | 机车通信设备监测方法、装置和系统 | |
| CN114297516A (zh) | 一种基于知识图谱的事件发现与展现方法及系统 | |
| CN112506901A (zh) | 一种数据质量测量方法、装置及介质 | |
| CN111125074A (zh) | 一种配电物联网数据处理方法以及装置 | |
| CN113778831A (zh) | 一种数据应用性能分析方法、装置、设备和介质 | |
| CN114996080A (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN115061872A (zh) | 告警记录生成方法、装置、告警设备及存储介质 | |
| CN111179088B (zh) | 一种信息处理方法及装置 | |
| CN102957813A (zh) | 一种移动通信网络话务数据处理方法及系统 | |
| CN115905273B (zh) | 一种数仓表中的数据检测方法、电子设备及存储介质 | |
| CN111752984B (zh) | 一种信息处理方法、装置和存储介质 | |
| CN111522678B (zh) | 故障检测方法和装置 | |
| CN118509527B (zh) | 一种5g核心网多维kpi时间序列的异常检测方法及系统 |
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 | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40056489 Country of ref document: HK |