CN114218285A - 数据检测方法、装置、电子设备及存储介质 - Google Patents
数据检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114218285A CN114218285A CN202111612384.9A CN202111612384A CN114218285A CN 114218285 A CN114218285 A CN 114218285A CN 202111612384 A CN202111612384 A CN 202111612384A CN 114218285 A CN114218285 A CN 114218285A
- Authority
- CN
- China
- Prior art keywords
- data
- detected
- historical
- detection
- rule
- 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
Links
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
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- 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
- G06F16/2471—Distributed queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了数据检测方法、装置、电子设备及存储介质,本公开涉及计算机技术领域,尤其涉及数据或大数据技术领域。具体实现方案为:确定多份待检测数据;针对各份待检测数据,获取待检测数据的历史表现和/或特征要求;根据各份待检测数据的历史表现和/或特征要求,确定各份待检测数据的检测规则。采用本公开可以及时检测出数据异常。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及数据或大数据技术领域。
背景技术
数据在如今互联网的时代中是重要的资产,数据发生异常时可能导致严重后果,例如,数据异常会对线上产品的稳定性产生极大影响,从而影响产品的发展。如何实现数据检测,从而及时发现数据异常,成为需要解决的技术问题。
发明内容
本公开提供了数据检测的方法、装置、电子设备以及存储介质。
根据本公开的一方面,提供了一种数据检测方法,包括:
确定多份待检测数据;
针对各份待检测数据,获取待检测数据的历史表现和/或特征要求;
根据各份待检测数据的历史表现和/或特征要求,确定各份待检测数据的检测规则。
根据本公开的另一方面,提供了一种数据检测方法,包括:
接收待检测数据的检测规则,其中,该待检测数据的检测规则是根据该待检测数据的历史表现和/或特征要求确定的;
采用该检测规则对该待检测数据进行检测。
根据本公开的另一方面,提供了一种数据检测方法,应用于包括规则生成端和多个检测端的系统,包括:
规则生成端获取各份待检测数据的历史表现和/或特征要求;根据各份待检测数据的历史表现和/或特征要求,确定各份待检测数据的检测规则;将各份待检测数据的检测规则发送至各份待检测数据的检测端;
各个检测端接收待检测数据的检测规则,采用该检测规则对该待检测数据进行检测。
根据本公开的另一方面,提供了一种规则生成端设备,包括:
获取模块,用于确定多份待检测数据;针对各份该待检测数据,获取该待检测数据的历史表现和/或特征要求;
确定模块,用于根据该待检测数据的历史表现和/或特征要求,确定该待检测数据的检测规则。
根据本公开的另一方面,提供了一种检测端设备,包括:
接收模块,用于接收待检测数据的检测规则,其中,该待检测数据的检测规则是根据该待检测数据的历史表现和/或特征要求确定的;
检测模块,用于采用该检测规则对该待检测数据进行检测。
根据本公开的另一方面,提供了一种数据检测系统,包括上述规则生成端装置及多个上述的检测端装置。
根据本公开的另一方面,提供了一种电子设备,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指令,所述指令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任意一项实施例所提供的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行任意一项实施例所提供的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现任意一项实施例所提供的方法。
采用本公开,可以及时检测出数据异常。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开一实施例的数据检测整体方案场景示意图;
图2是根据本公开一实施例的数据检测方法流程示意图;
图3是根据本公开一实施例的数据检测方法中的信息流向示意图;
图4是根据本公开另一实施例的数据检测方法流程示意图;
图5是根据本公开一实施例的数据检测方法中,检测端的执行过程示意图;
图6是根据本公开一实施例的数据检测方法中,采集历史数据的方式示意图;
图7是根据本公开一实施例的数据检测方法中,检测规则的传输方向及执行操作的示意图;
图8是根据本公开一实施例的规则生成端装置800的结构示意图;
图9是根据本公开一实施例的规则生成端装置900的结构示意图;
图10是根据本公开一实施例的检测端装置1000的结构示意图;
图11是根据本公开一实施例的数据检测系统1100的结构示意图;
图12为根据本公开一实施例的电子设备1200的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
数据异常检测技术目前普遍采用如下方案来解决:第一种,所有数据使用相同的检测规则:这种方案采用的是系统产出通用的规则指标,然后每一份数据在上线之前,都进行通用的规则检测,如果发现数据不符合预期的情况,就进行拦截上线,保证线上不会出问题。这种方式默认产出的相关规则过于太宽泛,不能覆盖所有的问题类型,无法解决实现个性化需求。第二种,人工编写不同的检测规则应用到不同数据的检测:这种方案的思路是由每一份数据的负责人针对自己的数据编写相关的异常检测规则,并将编写好的检测规则配置到数据上线之前进行异常检测。这种方式虽然满足了个性化需求,但针对每一份数据设置的检测阈值不可控,可能会出现设置不准确导致异常情况。
本公开实施例提出一种数据检测方案,可以由规则生成端和多个检测端配合,共同实现异常数据检测。图1是根据本公开一实施例的数据检测整体方案场景示意图。如图1所示,本公开一实施例的数据检测整体方案涉及规则生成端和多个检测端,检测端可以与数据使用端设置于同一物理设备,本公开实施例中的检测端又可以称为检测设备、数据检测端、数据检测设备等,数据使用端又可以称为数据使用设备等。
本公开实施例中,每一个检测端对应一份待检测数据,各个检测端对自身对应的待检测数据进行检测。规则生成端为各份待检测数据分别生成检测规则,检测规则的生成依据是该份待检测数据的历史表现和/或特征要求。由于规则生成端为各份待检测数据分别生成检测规则,并且生成各个检测规则的依据不同,因此生成的各个检测规则各不相同,能够满足各份待检测数据的个性化需求,因此能够从保证数据检测的准确性。在一些实施方式中,本公开实施例中的检测规则又可以称为检测算子等。
由上述介绍可见,本公开实施例提出的数据检测整体方案至少涉及两个端,即规则生成端和检测端,以下针对两端分别进行介绍。
图2是根据本公开一实施例的数据检测方法流程示意图,该方法可以应用于规则生成端,如图2所示,该方法至少包括以下步骤:
S210:确定多份待检测数据;
S220:针对各份待检测数据,获取该待检测数据的历史表现和/或特征要求;
S230:根据各份待检测数据的历史表现和/或特征要求,确定各份待检测数据的检测规则。
上述“各份待检测数据”可以指不同的数据,例如词典数据、不断更新的流式数据、数据库表等。也可以称为各组数据、各路数据等。通过上述过程,本申请实施例的规则生成端可以为各份待检测数据生成对应的检测规则,从而实现对不同待检测数据的个性化检测。
在生成检测规则之后,本申请实施例还可以由规则生成端将各份待检测数据的检测规则发送至该待检测数据的检测端,由各份待检测数据的检测端分别执行对该待检测数据的检测。
在一些实施方式中,上述获取待检测数据的历史表现可以包括:
获取待检测数据的历史数据;
从该待检测数据的历史数据中,分析并提取该待检测数据的历史表现。
通过上述过程,可以根据待检测数据的历史数据来确定待检测数据的历史表现。由于数据的特征具有连贯性,在短时间内一份数据的特征变化应在比较小的范围内;因此,根据这一特点,本公开实施例采用待检测数据的历史表现来确定待检测数据的检测规则,能够对待检测数据进行合理的检测。
本公开实施例中,对于一份待检测数据,该待检测数据的检测端可以与数据使用端设置于相同或不同的物理设备上。当检测端与数据使用端设置于相同的物理设备时,同一个或同一组物理设备既充当一份待检测数据的数据使用端、又充当该份待检测数据的检测端。以下实施例中,以检测端与数据使用端设置于相同的物理设备为例进行介绍;由于二者设置于相同的物理设备,在以下实施例中的检测端又可以认为是数据使用端。
在一些实施方式中,本公开实施例可以采用规则生成端来采集待检测数据的历史数据,采用以下方式进行采集:
在待检测数据的历史数据进行更新的情况下,采集该待检测数据的历史数据;和/或,
定期采集待检测数据的历史数据。
例如,在数据进行更新上线时,对数据进行下载,然后读取相关数据,得到待检测数据的历史数据。采集之后,对待检测数据的历史数据进行保存;在保存历史数据时,可以按照采集时间进行保存。这类方式可以适用于更新比较频繁的数据。
又如,采用定时全量采集的方法,定期采集(如按照预定的周期定期采集)待检测数据的历史数据。这类方式可以适用于更新不频繁的数据。
通过上述两种方式进行数据采集,能够适用于对不同类型数据的采集。在另外一些实施方式中,本公开实施例可以采用检测端来采集待检测数据的历史数据,采集的方式与上述实施例中规则生成端的采集方式相同。这种情况下,规则生成端从检测端获取待检测数据的历史数据。例如,规则生成端可以按需从检测端提取待检测数据的历史数据;或者,检测端可以向规则生成端发送待检测数据的历史数据。例如,检测端在采集到待检测数据的历史数据时,向规则生成端发送该待检测数据的历史数据;或者,检测端定期向规则生成端发送提取并保存的待检测数据的历史数据。
关于获取待检测数据的特征要求,本公开实施例可以采用以下步骤实现:
获取待检测数据的数据定义信息;
解析该待检测数据的数据定义信息,得到该待检测数据的特征要求。
其中,待检测数据的数据定义信息可以为待检测数据的数据定义代码。这种方式的原理是,线上服务使用数据时,数据使用端会对数据进行相关的定义,如采用数据定义代码规定数据使用端对于数据的具体要求(比如列值的类型,列值的范围等)。利用这一情况,本公开实施例可以由规则生成端从数据使用端获取数据定义代码,并对该数据定义代码进行解析,从而得到数据使用端对待检测数据的特征要求,并根据该特征要求生成待检测数据的检测规则,从而实现对待检测数据是否满足使用端要求的检测。如上文所述,数据使用端可以与检测端设置于同一物理设备,因此,也可以认为规则生成端是从检测端获取数据定义代码。
在得到待检测数据的历史表现和/或特征要求之后,规则生成端可以根据该待检测数据的历史表现和/或特征要求为待检测数据生成检测规则,并将检测规则发送至该待检测数据的检测端;由该检测端执行对待检测数据的检测。图3是根据本公开一实施例的数据检测方法中的信息流向示意图。如图3所示,各个检测端分别获取各自待检测数据的历史数据,根据历史数据得到该待检测数据的历史表现,并将待检测数据的历史表现发送至规则生成端;和/或,各个检测端分别将各自待检测数据的数据定义信息(如数据定义代码)发送至规则生成端。规则生成端根据各个待检测数据的历史表现和/或数据定义代码,确定该待检测数据的检测规则,并将检测规则返回至该待检测数据的检测端。最后,各个检测端利用收到的检测规则,对各自的待检测数据进行检测。
需要强调的是,本公开实施例中的“待检测数据”,在生成检测规则之前可能尚未产生。也就是说,本公开实施例可以在待检测数据生成之前,可以根据待检测数据的历史数据确定待检测数据的历史表现,并根据历史表现来预测未来即将产生的待检测数据的预期表现,根据该预期表现生成待检测数据的检测规则。当待检测数据生成之后,检测端就可以根据该检测规则来检测待检测数据,以确定待检测数据是否符合预期表现;如果符合,则说明待检测数据可能正常;如果不符合,则说明待检测数据可能不正常。
和/或,本公开实施例可以在待检测数据生成之前,根据待检测数据的数据定义信息确定数据使用方对待检测数据的特征要求,并根据该特征要求生成待检测数据的检测规则。当待检测数据生成之后,检测端就可以根据该检测规则来检测待检测数据,以确定待检测数据是否符合数据使用方对待检测数据的特征要求;如果符合,则说明待检测数据可能正常;如果不符合,则说明待检测数据可能不正常。
本公开实施例还可以附加人工检测,利用人工检测结果和自动检测(即采用检测规则进行检测)结果,综合确定数据是否正常,从而提高数据检测的准确性。
本公开实施例在对待检测数据的历史数据进行采集时,可以采用分布式的采集方式,例如利用多个物理设备执行采集,和/或利用多个进程实现采集。采用分布式的采集方式,分多台物理设备(机器),多个进程进行不同词表分开采集,能够保证采集数据的稳定性和准确性。本公开实施例的数据采集过程可以由检测端和/或规则生成端执行。
本公开实施例提出的数据检测方法中,根据待检测数据的历史表现和/或特征要求,确定待检测数据的检测规则可以包括:
根据待检测数据的历史表现和/或特征要求,确定待检测数据的预测特征;
利用待检测数据的预测特征,确定待检测数据的检测规则。
在一些实施方式中,待检测数据的历史表现包括以下至少一项:
待检测数据的历史数据的大小;
待检测数据的历史数据的行数;
待检测数据的历史数据的行数;
待检测数据的历史数据中,部分或全部列中数据的大小范围;
待检测数据的历史数据中,部分或全部列中字段的长度范围;
待检测数据的历史数据中,部分或全部列中数据的大小分布;
待检测数据的历史数据中,部分或全部列中字段的长度分布。
其中,待检测数据的历史数据的大小、行数和列数可以认为是历史数据的宏观性指标,采用这类宏观性指标,可以预测待检测数据的大小范围、行数范围和列数范围;
待检测数据的历史数据中,某一个或某一些列中数据的大小范围和字段的长度范围可以认为是历史数据的细分值范围,采用这些细分值范围,可以预测待检测数据的细分值范围。例如,对于数据库表1的历史数据,其“年龄”列的数据范围为[0,120],即该数据库表1的历史数据的“年龄”列中数据的取值范围为0至120;根据这一范围,则可以预测数据库表1中“年龄”列数据的预测范围为[0,120]或相近区间。又如,对于数据库表2的历史数据,其“姓名”列字段的长度范围为[2,10],即数据库表2的历史数据的“姓名”列中,各个姓名的长度在2至10范围内,则可以预测数据库表2中“年龄”列数据的预测范围为[2,10]或相近区间;如果数据库2的“年龄”列中,出现长度为30的姓名,则可能数据库表2出现数据错误。
待检测数据的历史数据中,部分或全部列中数据的大小分别和字段的长度分布可以认为是历史数据的细分值分布,采用这些细分值分布,可以预测待检测数据的细分值分布。例如,数据库表3的历史数据中,“身高”列的数据基本满足正态分布,则可以预测数据库表3中“身高”列的数据也应基本满足正态分布;如果数据库表3中“身高”列的数据基本呈平均分布,则可能数据库表3出现数据错误。
通过采用上述多种历史表现来生成检测规则,能够对待检测数据的大小、范围、分布等特征进行全方位的检测,从而保证数据检测的准确性。以上内容仅为举例,本公开实施例还可以采用更为丰富多样的预测和检测方式,通过历史数据的表现来预测待检测数据的表现;本公开实施例对具体的预测方式不做穷举。
在一些实施方式中,根据待检测数据的历史表现,确定待检测数据的预测特征,可以包括:
根据待检测数据的历史数据,确定待检测数据的个性化参数;
根据待检测数据的历史表现及该个性化参数,确定待检测数据的预测特征。
例如,根据待检测数据的历史数据中的第一分位数据、待检测数据的历史数据的变动幅度和该个性化参数,可以确定待检测数据的预测最大值;和/或,
根据待检测数据的历史数据中的第二分位数据、待检测数据的历史数据的变动幅度和该个性化参数,确定待检测数据的预测最小值。
上述第一分位和第二分位可以根据情况具体设置。
以上述第一分位为90%分位、上述第二分位为10%为例。数据库表4的历史数据中,按照“数据量”列中数据从小到大的顺序排列;根据数据库表4的历史数据中“数据量”列的数据,可以预测数据库表4中“数据量”列中的预测最大值和预测最小值。如采用以下公式:
公式一:
预测最大值=90%分位数据*(1+max(数据两次变化百分比))*1.4
公式二:
预测最小值=10分位数据*(1-max(数据两次变化百分比))*0.6
其中,“90%分位数据”表示数据库表4的历史数据按照“数据量”列中数据从小到大的顺序排列时,“数据量”列中位于90%分位位置的数据;
“max(数据两次变化百分比)”,表示数据库表4的历史数据的“数据量”列中,两次数据的变化百分比中最大的变化百分比;
“10%分位数据”表示数据库表4的历史数据按照“数据量”列中数据从小到大的顺序排列时,“数据量”列中位于10%分位位置的数据;
上述公式中的1.4和0.6分别为确定预测最大值和预测最小值时采用的个性化参数。
可见,通过上述方式,可以根据待检测数据的历史数据的范围和表现,预测待检测数据的合理波动范围,从而生成待检测数据的检测标准。由于针对不同的待检测数据采用不同的个性化参数来确定预测特征,因此能够根据待检测数据的历史数据来进行个性化的数据检测。
另外,本公开实施例还可以对于不同大小的数据,采用不同的个性化系数。因为数据本身越小,可能的波动越大,通过设置不同的个性化系数可以提升算法的准确性。例如,待检测数据的个性化参数可以与待检测数据的历史数据的数值范围负相关。
以确定预测最大值为例,例如,当数据库表4的历史数据的“数据量”列中,数据的范围在100M以下,可以选择较大的个性化参数,如选择个性化参数为2,则采用如下公式三确定预测最大值:
公式三:
预测最大值=90%分位数据*(1+max(数据两次变化百分比))*2。
当数据库表4的历史数据的“数据量”列中,数据的范围在100M以上,可以选择较小的个性化参数,如选择个性化参数为1.4,即采用上述公式一确定预测最大值。
以上介绍了本公开实施例中,采用规则生成端实现的数据检测方法示例。本公开实施例还提出另一种数据检测方法,方法可以应用于检测端。图4是根据本公开另一实施例的数据检测方法流程示意图,包括:
S410:接收针对待检测数据的检测规则,其中,该待检测数据的检测规则是根据该待检测数据的历史表现和/或特征要求确定的;
S420:采用该检测规则对待检测数据进行检测。
检测端可以与数据使用端设置于同一个或同一组物理设备,本实施例中的检测端也可以认为是待检测数据的使用端。图5是根据本公开一实施例的数据检测方法中,检测端的执行过程示意图。如图5所示,检测端在数据生产环境中,定期执行采用数据生产代码生产数据的过程;在生成新的数据时,采用从规则生成端接收的检测规则(或检测算子)对该新的数据进行检测;如果检测该新的数据没有问题,则允许该新的数据上线;如果检测出该新的数据有问题,则进行数据拦截,不允许该新的数据上线。
在一些实施方式中,检测端还可以采集待检测数据的历史数据,并发送该待检测数据的历史数据。例如,检测端可以采集到的数据发送至规则生成端,以供规则生成端根据历史数据生成该待检测数据的检测规则。
在一些实施方式中,采集待检测数据的历史数据的方式可以包括:
在待检测数据的历史数据进行更新的情况下,采集待检测数据的历史数据;和/或,
定期采集待检测数据的历史数据。
图6是根据本公开一实施例的数据检测方法中,采集历史数据的方式示意图。如图6所示,可以采用两种方式采集历史数据;第一种,检测端在数据生产环境中,定期执行采用数据生产代码生产数据的过程;在生成新的数据时,对数据进行更新,采集更新的数据作为历史数据;第二种,对线上数据定期进行采集,采集到的数据作为历史数据。图6所示的数据采集过程既可以由检测端执行、也可以由规则生成端执行。
在一些实施方式中,检测端在执行上述数据采集时,可以利用多个物理设备执行采集,和/或利用多个进程实现采集从,从而实现对数据采集的分布式执行,保证数据采集的稳定性和准确性。
另外,在本公开的一些实施方式中,可以利用多个物理设备,和/或利用多个进程,对待检测数据进行检测。
例如,在进行数据检测任务时,将待检测数据根据不同的数据分配到不同执行检测任务的物理设备,从而保证单机的执行效率;另外在检测单个数据时,也可以将数据进行分片,将数据检测任务分配到不同进程执行,从而保证单进程的执行效率。这种分布式的检测方式能够从整体上提升数据检测的效率。
另外,为了保证上线效率,本公开实施例对于已经在数据生产阶段进行过检测的数据,将不会在数据上线阶段另行检测;也就是说,本申请实施例可以复用数据检测的结果。例如,如果待检测数据在前一阶段进行数据检测的结果为数据正常,则不必在后一阶段再进行数据检测。
以上分别介绍了本公开实施例中用于实现数据检测的规则生成端和检测端的实现细节,本公开实施例还提出一种数据检测方法,该方法可以应用于包括规则生成端和多个检测端的系统,包括:
规则生成端获取各份待检测数据的历史表现和/或特征要求;根据各份待检测数据的历史表现和/或特征要求,确定各份待检测数据的检测规则;将各份待检测数据的检测规则发送至各份待检测数据的检测端;
各个检测端接收待检测数据的检测规则,采用该检测规则对该待检测数据进行检测。
图7是根据本公开一实施例的数据检测方法中,检测规则的传输方向及执行操作的示意图。如图7所示,该数据检测方法由一个规则生成端和多个检测端组成的系统实现。每个检测端对应一份待检测数据,用于检测该份对应的待检测数据。规则生成端为所有待检测数据生成检测规则,并将检测规则发送至各份待检测规则对应的检测端;检测端采用收到的检测规则对待检测数据进行检测。关于检测规则的生成方式以及检测方式等实现细节,在上述实施例中已有介绍,在此不再赘述。
本公开实施例还提出一种规则生成端装置,图8是根据本公开一实施例的规则生成端装置800的结构示意图,包括:
获取模块810,用于确定多份待检测数据;针对各份该待检测数据,获取该待检测数据的历史表现和/或特征要求;
确定模块820,用于根据各份待检测数据的历史表现和/或特征要求,确定各份待检测数据的检测规则。
本公开实施例还提出另一种规则生成端设备,图9是根据本公开一实施例的规则生成端装置900的结构示意图,包括:
获取模块810、确定模块820和发送模块910;其中,获取模块810、确定模块820与上述对应模型相同,在此不再赘述。
发送模块910,用于将各份待检测数据的检测规则发送至该待检测数据的检测端。
在一些实施方式中,上述获取模块810用于:获取该待检测数据的历史数据;从该待检测数据的历史数据中,分析并提取该待检测数据的历史表现。
在一些实施方式中,上述获取模块810用于:在该待检测数据的历史数据进行更新的情况下,采集该待检测数据的历史数据;和/或,定期采集该待检测数据的历史数据。
在一些实施方式中,上述获取模块810利用多个物理设备执行采集,和/或利用多个进程实现采集。
在一些实施方式中,上述待检测数据的历史表现包括以下至少一项:
该待检测数据的历史数据的大小;
该待检测数据的历史数据的行数;
该待检测数据的历史数据的列数;
该待检测数据的历史数据中,部分或全部列中数据的大小范围;
该待检测数据的历史数据中,部分或全部列中字段的长度范围;
该待检测数据的历史数据中,部分或全部列中数据的大小分布;
该待检测数据的历史数据中,部分或全部列中字段的长度分布。
在一些实施方式中,上述获取模块810用于:获取该待检测数据的数据定义信息;解析该待检测数据的数据定义信息,得到该待检测数据的特征要求。
在一些实施方式中,上述确定模块820用于,根据该待检测数据的历史表现和/或特征要求,确定该待检测数据的预测特征;利用该待检测数据的预测特征,确定该待检测数据的检测规则。
在一些实施方式中,上述确定模块820用于,根据该待检测数据的历史数据,确定该待检测数据的个性化参数;根据该待检测数据的历史表现及该个性化参数,确定该待检测数据的预测特征。
在一些实施方式中,上述确定模块820用于,根据该待检测数据的历史数据中的第一分位数据、该待检测数据的历史数据的变动幅度和该个性化参数,确定该待检测数据的预测最大值;和/或,
根据该待检测数据的历史数据中的第二分位数据、该待检测数据的历史数据中的变动幅度和该个性化参数,确定该待检测数据的预测最小值。
在一些实施方式中,上述待检测数据的个性化参数与该待检测数据的历史数据的数值范围负相关。
本公开实施例还提出一种检测端装置,图10是根据本公开一实施例的检测端装置1000的结构示意图,包括:
接收模块1010,用于接收待检测数据的检测规则,其中,该待检测数据的检测规则是根据该待检测数据的历史表现和/或特征要求确定的;
检测模块1020,用于采用该检测规则对该待检测数据进行检测。
在一些实施方式中,上述检测端还包括:
上报模块,用于采集该待检测数据的历史数据;发送该待检测数据的历史数据。
在一些实施方式中,上述上报模块用于,在该待检测数据的历史数据进行更新的情况下,采集该待检测数据的历史数据;和/或,定期采集该待检测数据的历史数据。
在一些实施方式中,上述上报模块的采集方式包括:利用多个物理设备执行采集,和/或利用多个进程实现采集。
在一些实施方式中,上述检测模块1020用于,利用多个物理设备,和/或利用多个进程,对待检测数据进行检测。
本公开实施例还提出一种数据检测系统,图11是根据本公开一实施例的数据检测系统1100的结构示意图,包括:上述规则生成端装置800或规则生成端装置900及多个检测端装置1000;
规则生成端,用于获取各份待检测数据的历史表现和/或特征要求;根据各份待检测数据的历史表现和/或特征要求,确定各份待检测数据的检测规则;将各份待检测数据的检测规则发送至各份该待检测数据的检测端;
各个检测端用于,接收待检测数据的检测规则,采用该检测规则对该待检测数据进行检测。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图12示出了可以用来实施本公开的实施例的示例电子设备1200的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图12所示,设备1200包括计算单元1201,其可以根据存储在只读存储器(ROM)1202中的计算机程序或者从存储单元1208加载到随机访问存储器(RAM)1203中的计算机程序,来执行各种适当的动作和处理。在RAM1203中,还可存储设备1200操作所需的各种程序和数据。计算单元1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。
设备1200中的多个部件连接至I/O接口1205,包括:输入单元1206,例如键盘、鼠标等;输出单元1207,例如各种类型的显示器、扬声器等;存储单元1208,例如磁盘、光盘等;以及通信单元1209,例如网卡、调制解调器、无线通信收发机等。通信单元1209允许设备1200通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1201可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1201的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1201执行上文所描述的各个方法和处理,例如数据检测方法。例如,在一些实施例中,数据检测方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1208。在一些实施例中,计算机程序的部分或者全部可以经由ROM1202和/或通信单元1209而被载入和/或安装到设备1200上。当计算机程序加载到RAM 1203并由计算单元1201执行时,可以执行上文描述的数据检测方法的一个或多个步骤。备选地,在其他实施例中,计算单元1201可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行数据检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入、或者触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (24)
1.一种数据检测方法,包括:
确定多份待检测数据;
针对各份所述待检测数据,获取所述待检测数据的历史表现和/或特征要求;
根据各份待检测数据的历史表现和/或特征要求,确定各份待检测数据的检测规则。
2.根据权利要求1所述的方法,还包括,将所述各份待检测数据的检测规则发送至所述待检测数据的检测端。
3.根据权利要求1或2所述的方法,其中,所述获取所述待检测数据的历史表现,包括:
获取所述待检测数据的历史数据;
从所述待检测数据的历史数据中,分析并提取所述待检测数据的历史表现。
4.根据权利要求3所述的方法,其中,所述获取所述待检测数据的历史数据,包括:
在所述待检测数据的历史数据进行更新的情况下,采集所述待检测数据的历史数据;和/或,
定期采集所述待检测数据的历史数据。
5.根据权利要求4所述的方法,其中,所述采集的方式包括:利用多个物理设备执行所述采集,和/或利用多个进程实现所述采集。
6.根据权利要求1至5中任一所述的方法,其中,所述待检测数据的历史表现包括以下至少一项:
所述待检测数据的历史数据的大小;
所述待检测数据的历史数据的行数;
所述待检测数据的历史数据的列数;
所述待检测数据的历史数据中,部分或全部列中数据的大小范围;
所述待检测数据的历史数据中,部分或全部列中字段的长度范围;
所述待检测数据的历史数据中,部分或全部列中数据的大小分布;
所述待检测数据的历史数据中,部分或全部列中字段的长度分布。
7.根据权利要求1或2所述的方法,其中,所述获取所述待检测数据的特征要求,包括:
获取所述待检测数据的数据定义信息;
解析所述待检测数据的数据定义信息,得到所述待检测数据的特征要求。
8.根据权利要求1至7中任一所述的方法,其中,所述根据各份待检测数据的历史表现和/或特征要求,确定各份待检测数据的检测规则,包括:
根据各份待检测数据的历史表现和/或特征要求,确定各份待检测数据的预测特征;
利用所述各份待检测数据的预测特征,确定所述各份待检测数据的检测规则。
9.根据权利要求8所述的方法,其中,根据待检测数据的历史表现,确定所述待检测数据的预测特征,包括:
根据待检测数据的历史数据,确定所述待检测数据的个性化参数;
根据所述待检测数据的历史表现及所述个性化参数,确定所述待检测数据的预测特征。
10.根据权利要求9所述的方法,其中,所述根据所述待检测数据的历史表现及所述个性化参数,确定所述待检测数据的预测特征,包括:
根据所述待检测数据的历史数据中的第一分位数据、所述待检测数据的历史数据的变动幅度和所述个性化参数,确定所述待检测数据的预测最大值;和/或,
根据所述待检测数据的历史数据中的第二分位数据、所述待检测数据的历史数据中的变动幅度和所述个性化参数,确定所述待检测数据的预测最小值。
11.根据权利要求9或10所述的方法,其中,所述待检测数据的个性化参数与所述待检测数据的历史数据的数值范围负相关。
12.一种数据检测方法,包括:
接收待检测数据的检测规则,其中,所述待检测数据的检测规则是根据所述待检测数据的历史表现和/或特征要求确定的;
采用所述检测规则对所述待检测数据进行检测。
13.根据权利要求12所述的方法,还包括:
采集所述待检测数据的历史数据;
发送所述待检测数据的历史数据。
14.根据权利要求13所述的方法,所述采集所述待检测数据的历史数据包括:
在所述待检测数据的历史数据进行更新的情况下,采集所述待检测数据的历史数据;和/或,
定期采集所述待检测数据的历史数据。
15.根据权利要求14所述的方法,其中,所述采集的方式包括:利用多个物理设备执行所述采集,和/或利用多个进程实现所述采集。
16.根据权利要求14所述的方法,其中,所述采用所述检测规则对所述待检测数据进行检测,包括:
利用多个物理设备,和/或利用多个进程,对所述待检测数据进行检测。
17.一种数据检测方法,应用于包括规则生成端和多个检测端的系统,包括:
规则生成端获取各份待检测数据的历史表现和/或特征要求;根据所述各份待检测数据的历史表现和/或特征要求,确定所述各份待检测数据的检测规则;将各份待检测数据的检测规则发送至各份所述待检测数据的检测端;
各个检测端接收待检测数据的检测规则,采用所述检测规则对所述待检测数据进行检测。
18.一种规则生成端装置,包括:
获取模块,用于确定多份待检测数据;针对各份所述待检测数据,获取所述待检测数据的历史表现和/或特征要求;
确定模块,用于根据各份待检测数据的历史表现和/或特征要求,确定各份待检测数据的检测规则。
19.根据权利要求18所述的装置,还包括:
发送模块,用于将所述各份待检测数据的检测规则发送至所述待检测数据的检测端。
20.一种检测端装置,包括:
接收模块,用于接收待检测数据的检测规则,其中,所述待检测数据的检测规则是根据所述待检测数据的历史表现和/或特征要求确定的;
检测模块,用于采用所述检测规则对所述待检测数据进行检测。
21.一种数据检测系统,包括权利要求18或19所述的规则生成端装置及多个权利要求20所述的检测端装置。
22.一种电子设备,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指令,所述指令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权利要求1-16中任一项所述的方法。
23.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-16中任一项所述的方法。
24.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-16中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111612384.9A CN114218285A (zh) | 2021-12-27 | 2021-12-27 | 数据检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111612384.9A CN114218285A (zh) | 2021-12-27 | 2021-12-27 | 数据检测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114218285A true CN114218285A (zh) | 2022-03-22 |
Family
ID=80706062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111612384.9A Pending CN114218285A (zh) | 2021-12-27 | 2021-12-27 | 数据检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114218285A (zh) |
-
2021
- 2021-12-27 CN CN202111612384.9A patent/CN114218285A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107766299B (zh) | 数据指标异常的监控方法及其系统、存储介质、电子设备 | |
CN112907128A (zh) | 基于ab测试结果的数据分析方法、装置、设备及介质 | |
CN115686910A (zh) | 一种故障分析方法、装置、电子设备及介质 | |
CN115454706A (zh) | 一种系统异常确定方法、装置、电子设备及存储介质 | |
CN115794578A (zh) | 一种电力系统的数据管理方法、装置、设备及介质 | |
CN116756522B (zh) | 概率预报方法、装置、存储介质及电子设备 | |
CN114218285A (zh) | 数据检测方法、装置、电子设备及存储介质 | |
CN115408034A (zh) | 车载控制器升级方法、装置、电子设备及存储介质 | |
CN115454261A (zh) | 输入法候选词生成方法、装置、电子设备及可读存储介质 | |
CN114692987A (zh) | 一种时序数据分析方法、装置、设备及存储介质 | |
CN113052325A (zh) | 在线模型的优化方法、装置、设备、存储介质及程序产品 | |
CN114139798A (zh) | 企业风险预测方法、装置及电子设备 | |
CN113495841A (zh) | 一种兼容性检测方法、装置、设备、存储介质及程序产品 | |
CN113051479A (zh) | 文件处理、推荐信息生成方法、装置、设备及存储介质 | |
CN115292339B (zh) | 数据库更新方法、装置、电子设备和存储介质 | |
CN115455019A (zh) | 一种基于用户行为分析的搜索意图识别方法、装置及设备 | |
CN116882632A (zh) | 一种车辆安全评估方法、系统、装置、设备以及存储介质 | |
CN117033148A (zh) | 风险业务接口的告警方法、装置、电子设备和介质 | |
CN115758142A (zh) | 深度学习模型的训练方法、数据处理方法和装置 | |
CN115829160A (zh) | 一种时序异常预测方法、装置、设备及存储介质 | |
CN115840660A (zh) | 一种告警处理方法、装置、设备以及存储介质 | |
CN114662702A (zh) | 故障检测方法、装置、电子设备和介质 | |
CN113779098A (zh) | 数据处理方法、装置、电子设备以及存储介质 | |
CN115965817A (zh) | 图像分类模型的训练方法、装置及电子设备 | |
CN117540718A (zh) | 一种基于文档对象模型的巡检结果智能统计方法 |
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 |