CN116225878A - 数据库数据的监控方法、装置、存储介质及电子设备 - Google Patents
数据库数据的监控方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116225878A CN116225878A CN202310303250.1A CN202310303250A CN116225878A CN 116225878 A CN116225878 A CN 116225878A CN 202310303250 A CN202310303250 A CN 202310303250A CN 116225878 A CN116225878 A CN 116225878A
- Authority
- CN
- China
- Prior art keywords
- data
- alarm
- target
- growth rate
- monitoring
- 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
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3476—Data logging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
- G06F11/324—Display of status information
- G06F11/327—Alarm or error message display
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3495—Performance evaluation by tracing or monitoring for systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种数据库数据的监控方法、装置、存储介质及电子设备。涉及大数据技术领域。其中,该方法包括:获取监控配置数据,其中,监控配置数据至少包括;统计周期、进行监控的目标时间段、报警类型、报警类型对应的报警阈值;基于监控配置数据,统计目标数据库中目标数据表中的数据量,得到数据量集合,其中,数据量集合中包括:在目标时间段内M个时刻的数据量;基于数据量集合中的M个数据量,计算每个时刻的数据量的增长率,得到第一增长率集合;基于第一增长率集合和报警类型对应的报警阈值,对目标数据表中的数据量进行监控。本发明解决了相关技术中通过人工设置数据量阈值的方式,监控数据库数据量变化是否异常,准确率低的技术问题。
Description
技术领域
本发明涉及大数据技术领域,具体而言,涉及一种数据库数据的监控方法、装置、存储介质及电子设备。
背景技术
生产数据库中重要参数表的变动可能导致业务影响,例如:数据库中因为批量运行、业务手工操作等可以导致的数据库数据表的数据量异常突增、突减,比如:因批量的删除某地区参数表,造成数据库表数据量异常突增、突减,可能会导致业务功能报错,为监控参数表的变动情况,早于业务侧发现问题,可以对数据库中的参数表进行监控,在监控到数据库中因为批量运行、业务手工操作导致的数据库表数据量异常突增、突减的情况下,可以导致业务功能报错的情况下,进行预警。
相关技术中,对于数据库的日常监控主要分为几类:
(1)“个性化性能容量”对表内数据量做循环统计,根据数据量绝对值做报警阈值判断,但是,此种监控方式对数据变化监控不够直观,无法快速准确的通过监控配置发现数据的异常变动,并且绝对值的维护依赖人工的判断和经验。
(2)“应用诊断-数据库查询”对数据库表做联机明细查询,根据条件筛选输出明细结果。但是明细输出适合于数据量比较小的场景,如果数据过多会产生很大的性能压力。
因此,相关技术中对于数据库的日常监控方式,对于数据库某一敏感表的数据变化监控不够直观。无法监控数据的相对增长率,对于具备一定动态变化特征的数据,无法快速准确的通过监控配置发现数据的异常变动,而基于绝对值的阈值报警模式在监控指标的设置上也存在一定困难。并且绝对值的维护依赖人工的判断和经验,需要对不同场景具体分析,设置难度大,准确性不足。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种数据库数据的监控方法、装置、存储介质及电子设备,以至少解决相关技术中通过人工设置数据量阈值的方式,监控数据库数据量变化是否异常,准确率低的技术问题。
根据本发明实施例的一个方面,提供了一种数据库数据的监控方法,包括:获取监控配置数据,其中,所述监控配置数据至少包括;统计周期、进行监控的目标时间段、报警类型、所述报警类型对应的报警阈值;基于所述监控配置数据,统计目标数据库中目标数据表中的数据量,得到数据量集合,其中,所述数据量集合中包括:在所述目标时间段内M个时刻的数据量,所述数据量为所述目标数据表中关联目标数据的数据量,M个所述时刻中相邻两个时刻之间的间隔时长为所述统计周期,M为大于1的整数;基于所述数据量集合中的M个所述数据量,计算每个所述时刻的数据量的增长率,得到第一增长率集合,其中,所述第一增长率集合中包括M个增长率;基于所述第一增长率集合和所述报警类型对应的报警阈值,对所述目标数据表中的数据量进行监控。
进一步地,基于所述数据量集合中的M个所述数据量,计算每个所述时刻的数据量的增长率,得到第一增长率集合,包括:基于每个所述时刻的数据量和该时刻相邻的上一时刻的数据量,确定每个所述时刻的数据量的增长率,得到M个增长率;基于M个所述增长率,确定所述第一增长率集合。
进一步地,基于所述第一增长率集合和所述报警类型对应的报警阈值,对所述目标数据表中的数据量进行监控,包括:基于所述第一增长率集合和统计维度,确定目标统计数据,其中,所述统计维度通过预设统计时长确定;基于所述目标统计数据和所述报警类型对应的报警阈值,对所述目标数据表中的数据量进行监控。
进一步地,所述报警类型至少包括以下其中之一:最大值预警、平均数预警,所述目标统计数据至少包括以下其中之一:最大增长率、平均增长率,基于所述第一增长率集合和统计维度,确定目标统计数据,包括:基于所述第一增长率集合和所述统计维度,确定第二增长率集合,其中,所述第二增长率集合中包括:所述统计维度对应的预设统计时长内的N个所述增长率,N为大于或等于1的整数,N小于M;在所述报警类型为所述最大值预警的情况下,确定所述第二增长率集合中的最大增长率,并将所述最大增长率作为所述目标统计数据;在所述报警类型为所述平均数预警的情况下,基于所述第二增长率集合,确定所述统计维度关联的数据量的平均增长率,并将所述平均增长率作为所述目标统计数据。
进一步地,基于所述目标统计数据和所述报警类型对应的报警阈值,对所述目标数据表中的数据量进行监控,包括:在所述报警类型为所述最大值预警的情况下,判断所述最大增长率是否超过所述最大值预警关联的报警阈值,并在所述最大增长率超过所述最大值预警关联的报警阈值的情况下,发送第一报警信息;在所述报警类型为所述平均数预警的情况下,判断所述平均增长率是否超过所述平均数预警关联的报警阈值,并在所述平均增长率超过所述平均数预警关联的报警阈值的情况下,发送第二报警信息。
进一步地,每个所述报警类型关联的报警阈值的数量为多个,多个所述报警阈值对应的报警级别不同,每个所述报警级别发送的所述第一报警信息不同。
进一步地,所述监控配置数据还包括:所述目标数据表的数据表标识、对所述目标数据表中的所述目标数据进行筛选的筛选条件,基于所述监控配置数据,统计目标数据库中目标数据表中的数据量,得到数据量集合,包括:在所述目标时间段中的每个所述时刻,基于所述数据表标识和所述筛选条件,对所述目标数据表中的所述目标数据进行筛选,得到每个所述时刻的数据表数据;统计每个所述时刻的所述数据表数据的数据量,得到M个所述数据量;基于M个所述数据量,确定所述数据量集合。
根据本发明实施例的另一方面,还提供了一种数据库数据的监控装置,包括:获取单元,用于获取监控配置数据,其中,所述监控配置数据至少包括;统计周期、进行监控的目标时间段、报警类型、所述报警类型对应的报警阈值;统计单元,用于基于所述监控配置数据,统计目标数据库中目标数据表中的数据量,得到数据量集合,其中,所述数据量集合中包括:在所述目标时间段内M个时刻的数据量,所述数据量为所述目标数据表中关联目标数据的数据量,M个所述时刻中相邻两个时刻之间的间隔时长为所述统计周期,M为大于1的整数;计算单元,用于基于所述数据量集合中的M个所述数据量,计算每个所述时刻的数据量的增长率,得到第一增长率集合,其中,所述第一增长率集合中包括M个增长率;监控单元,用于基于所述第一增长率集合和所述报警类型对应的报警阈值,对所述目标数据表中的数据量进行监控。
进一步地,计算单元包括:第一确定子单元,用于基于每个所述时刻的数据量和该时刻相邻的上一时刻的数据量,确定每个所述时刻的数据量的增长率,得到M个增长率;第二确定子单元,用于基于M个所述增长率,确定所述第一增长率集合。
进一步地,监控单元包括:第三确定子单元,用于基于所述第一增长率集合和统计维度,确定目标统计数据,其中,所述统计维度通过预设统计时长确定;监控子单元,用于基于所述目标统计数据和所述报警类型对应的报警阈值,对所述目标数据表中的数据量进行监控。
进一步地,所述报警类型至少包括以下其中之一:最大值预警、平均数预警,所述目标统计数据至少包括以下其中之一:最大增长率、平均增长率,第三确定子单元包括:第一确定模块,用于基于所述第一增长率集合和所述统计维度,确定第二增长率集合,其中,所述第二增长率集合中包括:所述统计维度对应的预设统计时长内的N个所述增长率,N为大于或等于1的整数,N小于M;第二确定模块,用于在所述报警类型为所述最大值预警的情况下,确定所述第二增长率集合中的最大增长率,并将所述最大增长率作为所述目标统计数据;第三确定模块,用于在所述报警类型为所述平均数预警的情况下,基于所述第二增长率集合,确定所述统计维度关联的数据量的平均增长率,并将所述平均增长率作为所述目标统计数据。
进一步地,监控子单元包括:第一判断模块,用于在所述报警类型为所述最大值预警的情况下,判断所述最大增长率是否超过所述最大值预警关联的报警阈值,并在所述最大增长率超过所述最大值预警关联的报警阈值的情况下,发送第一报警信息;第二判断模块,用于在所述报警类型为所述平均数预警的情况下,判断所述平均增长率是否超过所述平均数预警关联的报警阈值,并在所述平均增长率超过所述平均数预警关联的报警阈值的情况下,发送第二报警信息。
进一步地,每个所述报警类型关联的报警阈值的数量为多个,多个所述报警阈值对应的报警级别不同,每个所述报警级别发送的所述第一报警信息不同。
进一步地,所述监控配置数据还包括:所述目标数据表的数据表标识、对所述目标数据表中的所述目标数据进行筛选的筛选条件,统计单元,包括:筛选子单元,用于在所述目标时间段中的每个所述时刻,基于所述数据表标识和所述筛选条件,对所述目标数据表中的所述目标数据进行筛选,得到每个所述时刻的数据表数据;统计子单元,用于统计每个所述时刻的所述数据表数据的数据量,得到M个所述数据量;第四确定子单元,用于基于M个所述数据量,确定所述数据量集合。
根据本发明实施例的另一方面,还提供了一种电子设备,包括:处理器;以及存储器,用于存储处理器的可执行指令;其中,处理器配置为经由执行可执行指令来执行上述任意一项的数据库数据的监控方法。
根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,其中,在计算机程序运行时控制计算机可读存储介质所在设备执行上述任意一项的数据库数据的监控方法。
在本发明中,通过获取监控配置数据,其中,监控配置数据至少包括;统计周期、进行监控的目标时间段、报警类型、报警类型对应的报警阈值;基于监控配置数据,统计目标数据库中目标数据表中的数据量,得到数据量集合,其中,数据量集合中包括:在目标时间段内M个时刻的数据量,数据量为目标数据表中关联目标数据的数据量,M个时刻中相邻两个时刻之间的间隔时长为统计周期,M为大于1的整数;基于数据量集合中的M个数据量,计算每个时刻的数据量的增长率,得到第一增长率集合,其中,第一增长率集合中包括M个增长率;基于第一增长率集合和报警类型对应的报警阈值,对目标数据表中的数据量进行监控。进而解决了相关技术中通过人工设置数据量阈值的方式,监控数据库数据量变化是否异常,准确率低的技术问题。在本发明中,通过每个时刻的数据量的增长率对数据库数据表的数据量的变化情况进行监控,避免了相关技术中通过循环统计的数据表数据量与人工设置的数据量阈值进行比较,监控数据库的数据量异常变动情况,准确率低的情况,从而实现了提高对数据库的数据量异常变动情况进行监控的准确率的技术效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的数据库数据的监控方法的流程图;
图2是根据本发明实施例的一种可选的确定第一增长率集合的流程图;
图3是根据本发明实施例的一种可选的数据库数据的监控装置的示意图;
图4是根据本发明实施例的一种电子设备的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明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,以便这里描述的本发明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。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据,数据库的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准,并提供有相应的操作入口,供用户选择授权或者拒绝。
实施例一
根据本发明实施例,提供了一种可选的数据库数据的监控方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种可选的数据库数据的监控方法的流程图,如图1所示,该方法包括如下步骤:
步骤S101,获取监控配置数据,其中,监控配置数据至少包括;统计周期、进行监控的目标时间段、报警类型、报警类型对应的报警阈值。
上述的监控配置数据可以通过在目标系统的预设界面进行采集,上述的监控配置数据可以包括但不限于:统计周期、进行监控的目标时间段、报警类型、报警类型对应的报警阈值、统计开始时间、统计结束时间、监控的目标数据库中的目标数据表的数据表标识,对目标数据表的目标数据进行筛选的筛选条件。
具体的,上述的统计周期的统计时长可以为预设时长,包括但不限于:5分钟,10分钟、30分钟、60分钟、480分钟等;上述的目标时间段可以是统计开始时间至统计结束时间的时间段,包括但不限于:数据的统计开始时间T_start(可以默认0点)至数据的统计结束时间T_end(可以默认24点);上述的报警类型可以包括但不限于:最大值预警、平均数预警等,其中,每个报警类型中可以包括一个或多个报警阈值,每个报警阈值可以对应于不同的报警级别,根据不同的报警级别可以发送不同的报警提示信息。
步骤S102,基于监控配置数据,统计目标数据库中目标数据表中的数据量,得到数据量集合,其中,数据量集合中包括:在目标时间段内M个时刻的数据量,数据量为目标数据表中关联目标数据的数据量,M个时刻中相邻两个时刻之间的间隔时长为统计周期,M为大于1的整数。
在基于上述的监控配置数据,在目标时间段内,按照上述的统计周期统计上述的目标数据库中目标数据表中的数据量,需要说明的是,在本实施例中还可以基于监控配置数据中的筛选条件,对目标数据表中的目标数据进行筛选,统计筛选后得到的数据作为上述的目标数据表中的数据量。
对目标数据库中的目标数据进行筛选,可以通过输入数据库语句进行筛选,比如:对目标数据表的表字段中的状态列做筛选(筛选出状态为成功的数据)、对地区号列做筛选(筛选出地区A的数据)等。
具体的,在本实施例中,可以通过目标系统的后台记录统计周期数据量S_t0、S_t1、S_t2...:自输入条件生效时刻起,参数表在统计开始时间至统计结束时间内,每个统计周期时刻t0,t1,t2...,参数表中满足结果筛选条件的总数据量S_t0、S_t1、S_t2...。该统计数据基于数据库生成,基于输入的表名及筛选条件优先对数据库备库进行统计,减少对数据库主库的性能影响。
步骤S103,基于数据量集合中的M个数据量,计算每个时刻的数据量的增长率,得到第一增长率集合,其中,第一增长率集合中包括M个增长率。
在本实施例中,可以通过计算每个时刻统计的数据量与该时刻相邻的上一统计时刻统计的数据量的差,然后计算该差与上一统计时刻统计的数据量的比值,确定每个时刻的数据量的增长率,得到M个增长率,由M个增长率组成上述的第一增长率集合。
步骤S104,基于第一增长率集合和报警类型对应的报警阈值,对目标数据表中的数据量进行监控。
上述的报警类型可以包括但不限于:最大值预警、平均数预警等,其中,每个报警类型中可以包括一个或多个报警阈值,每个报警阈值可以对应于不同的报警级别,根据报警级别的不同可以发送不同的报警提示信息,以实现对目标数据表中的目标数据的数据量进行监控。
通过上述步骤,在本实施例中,通过每个时刻的数据量的增长率对数据库数据表的数据量的变化情况进行监控,避免了相关技术中通过循环统计的数据表数据量与人工设置的数据量阈值进行比较,监控数据库的数据量异常变动情况,准确率低的情况,从而实现了提高对数据库的数据量异常变动情况进行监控的准确率的技术效果。进而解决了相关技术中通过人工设置数据量阈值的方式,监控数据库数据量变化是否异常,准确率低的技术问题。
图2是根据本发明实施例的一种可选的确定第一增长率集合的流程图,如图2所示:基于数据量集合中的M个数据量,计算每个时刻的数据量的增长率,得到第一增长率集合的步骤,包括:
步骤S201,基于每个时刻的数据量和该时刻相邻的上一时刻的数据量,确定每个时刻的数据量的增长率,得到M个增长率;
步骤S202,基于M个增长率,确定第一增长率集合。
在本实施例中,可以通过计算每个时刻统计的数据量与该时刻相邻的上一统计时刻统计的数据量的差,然后计算该差与上一统计时刻统计的数据量的比值,确定每个时刻的数据量的增长率,得到M个增长率。
例如:可以计算出瞬时参数偏离度(对应于上述的增长率)△S_t1、△S_t2、△S_t3...:
△S_tn=(S_tn-S_tn-1)/S_tn-1*100%,n>=1;
(例:△S_t1=(S_t1-S_t0)/S_t0*100%)。
可以将同一筛选条件下的瞬时参数偏离度作为表保存,如表1所示,每一条表数据具有时间tn,参数偏离度大小△S_tn。
表1
通过每个时刻的数据量和该时刻相邻的上一时刻的数据量,计算目标数据库的目标数据表的数据量的变化情况,实现了准确获取数据库数据表的数据量变化情况的技术效果。
可选的,基于第一增长率集合和报警类型对应的报警阈值,对目标数据表中的数据量进行监控,包括:基于第一增长率集合和统计维度,确定目标统计数据,其中,统计维度通过预设统计时长确定;基于目标统计数据和报警类型对应的报警阈值,对目标数据表中的数据量进行监控。
上述的统计维度通过预设统计时长确定,例如,若上述的预设统计时长为1小时,则上述的统计维度可以为小时维度;若上述的预设统计时长为1天,则上述的统计维度可以为天维度;若上述的预设统计时长为1周,则上述的统计维度可以为周维度;若上述的预设统计时长为1个月,则上述的统计维度可以为月维度……
上述的目标统计数据可以为最大增长率,还可以为平均增长率,在本实施例中,可以基于该统计维度的预设统计时长,确定该预设统计时长内的最大增长率或平均增长率,可以通过监控目标统计数据是否报警类型对应的报警阈值,对目标数据表中的数据量进行监控,在本实施例总,基于目标统计数据和报警类型对应的报警阈值,对目标数据表中的数据量进行监控,实现了提高发现数据库异常变动的准确率和精准率的技术效果。
可选的,报警类型至少包括以下其中之一:最大值预警、平均数预警,目标统计数据至少包括以下其中之一:最大增长率、平均增长率,基于第一增长率集合和统计维度,确定目标统计数据,包括:基于第一增长率集合和统计维度,确定第二增长率集合,其中,第二增长率集合中包括:统计维度对应的预设统计时长内的N个增长率,N为大于或等于1的整数,N小于M;在报警类型为最大值预警的情况下,确定第二增长率集合中的最大增长率,并将最大增长率作为目标统计数据;在报警类型为平均数预警的情况下,基于第二增长率集合,确定统计维度关联的数据量的平均增长率,并将平均增长率作为目标统计数据。
在本实施例中,若上述的统计维度为小时维度,可以基于第一增长率集合中的M个增长率,统计每一小时内的增长率,得到上述的第二增长率集合,并在报警类型为最大值预警的情况下,确定第二增长率集合中的最大增长率,并将最大增长率作为目标统计数据,在报警类型为平均数预警的情况下,基于第二增长率集合,确定统计维度关联的数据量的平均增长率,并将平均增长率作为目标统计数据。
若上述的统计维度为天维度,可以基于第一增长率集合中的M个增长率,统计每一天内的增长率,得到上述的第二增长率集合,并在报警类型为最大值预警的情况下,确定第二增长率集合中的最大增长率,并将最大增长率作为目标统计数据,在报警类型为平均数预警的情况下,基于第二增长率集合,确定统计维度关联的数据量的平均增长率,并将平均增长率作为目标统计数据;
若上述的统计维度为周维度,可以基于第一增长率集合中的M个增长率,统计每一周内的增长率,得到上述的第二增长率集合,并在报警类型为最大值预警的情况下,确定第二增长率集合中的最大增长率,并将最大增长率作为目标统计数据,在报警类型为平均数预警的情况下,基于第二增长率集合,确定统计维度关联的数据量的平均增长率,并将平均增长率作为目标统计数据;
若上述的统计维度为月维度,可以基于第一增长率集合中的M个增长率,统计每一周内的增长率,并在报警类型为最大值预警的情况下,确定第二增长率集合中的最大增长率,并将最大增长率作为目标统计数据,在报警类型为平均数预警的情况下,基于第二增长率集合,确定统计维度关联的数据量的平均增长率,并将平均增长率作为目标统计数据。
例如:可以计算出各维度(对应于上述的统计维度)下的最大参数偏离度(对应于上述的最大增长率),具体包括:
(1)输出一小时内最大参数偏离度△S_max_hour:可以取数据表(对应于上述的目标数据表)中tn在当前系统时刻T_system前1小时区间内[T_system-1h,T_system]的表数据,取表中参数偏离度最大值△S_tn记做△S_max_hour。
△S_max_hour=max(△S_t1,△S_t2,△S_t3,△S_t4....S_tn);
(T_system-1h<△S_t1<△S_t2...<△S_tn<T_system)。
(2)输出一天内最大参数偏离度△S_max_day:可以取当前系统时刻T_system前24小时区间内[T_system-24h,T_system]的表数据,取表中(或第二增长率集合中)最大值△S_tn记做△S_max_day。
(3)类似定义一周内最大参数偏离度△S_max_week,一月内最大参数偏离度△S_max_mouth。
计算出各维度下的平均参数偏离度(对应于上述的平均增长率),具体可以包括:
(1)输出一小时内平均参数偏离度△S_avg_hour:取数据表中tn在当前系统时刻T_system前1小时区间内[T_system-1h,T_system]的表数据,将表中(第二增长率集合)的参数偏离度大小相加并除以个数求得统计平均数,输出平均值记做△S_avg_hour。
△S_avg_hour=(△S_t1+△S_t2+△S_t3+△S_t4+....+S_tn)/n;
(T_system-1h<△S_t1<△S_t2...<△S_tn<T_system)。
(2)输出一天内平均参数偏离度△S_avg_day:取数据表中tn在当前系统时刻T_system前24小时区间内[T_system-24h,T_system]的表数据,将表中(第二增长率集合)的参数偏离度大小相加并除以个数求得统计平均数,输出平均值记做△S_avg_day。
(3)类似定义一周内最大参数偏离度△S_avg_week,一个月内的最大参数偏离度△S_avg_mouth。
可选的,基于目标统计数据和报警类型对应的报警阈值,对目标数据表中的数据量进行监控,包括:在报警类型为最大值预警的情况下,判断最大增长率是否超过最大值预警关联的报警阈值,并在最大增长率超过最大值预警关联的报警阈值的情况下,发送第一报警信息;在报警类型为平均数预警的情况下,判断平均增长率是否超过平均数预警关联的报警阈值,并在平均增长率超过平均数预警关联的报警阈值的情况下,发送第二报警信息。
在报警类型为最大值预警的情况下,可以通过判断最大增长率是否超过最大值预警关联的报警阈值,并在最大增长率超过最大值预警关联的报警阈值的情况下,发送第一报警信息。
例如:可选报警参数类型1:参数偏离度绝对值报警(对应于上述的最大值预警)。
在本实施例中,可以支持系统使用者配置参数偏离度报警的绝对值并匹配报警级别:
(1)比如配置了5%的报警绝对值,并设置报警级别为1级。则当某时刻tn的参数偏离度△S_tn为7%时,则触发1级报警条件,对1级监控配置者(可以包括一线运维人员)发送邮件通知。其余时刻△S_tn小于5%则无报警生成。
(2)比如配置了10%的报警绝对值,并设置报警级别为2级。则当某时刻tn的参数偏离度△S_tn为14%时,则触发2级报警条件,对2级监控配置者(可以包括一线运维人员,及其上级领导)发送邮件通知和短信通知。其余时刻△S_tn小于10%则无报警生成。
在报警类型为平均数预警的情况下,判断平均增长率是否超过平均数预警关联的报警阈值,并在平均增长率超过平均数预警关联的报警阈值的情况下,发送第二报警信息,其中,上述的平均数预警关联的报警阈值可以为报警区间。
例如:报警参数类型2:基于参数偏离度平均数的报警(对应于上述的平均数预警)。在本实施例中,可以支持系统使用者配置基于参数偏离度平均数的偏离度报警并匹配报警级别。可选择参数偏离度平均数的维度(小时、天、周、月等)。
(1)比如配置了20%的基于参数偏离度平均值的偏离度报警,并设置报警级别为1级,参数偏离度平均数维度为小时。则按照计算出以小时为单位的参数偏离度平均值△S_avg_hour,并得出区间报警为(-∞,-|S_avg_hour*1.2|)及(|S_avg_hour*1.2|,+∞),如果时刻t的参数偏离度△S_tn在报警区间内则产生1级报警。根据性能需求△S_avg_hour可以每小时计算一次,报警可以根据最近计算的△S_avg_hour匹配。
(2)比如配置了40%的基于参数偏离度平均值的偏离度报警,并设置报警级别为2级,参数偏离度平均数维度为天。则按照计算出的以天为单位的参数偏离度平均值△S_avg_day,并得出区间报警为(-∞,-|S_avg_day*1.4|)以及(|S_avg_hour*1.4|,+∞),如果时刻t的参数偏离度△S_tn在报警区间内则产生2级报警。根据性能需求△S_avg_day可以每小时计算一次(还可以每天计算一次,在此不做限定),报警可以根据最近计算的△S_avg_day匹配。
根据不同的报警类型,进行报警,实现了提高对目标数据库的数据表监控的精确性的技术效果。
可选的,每个报警类型关联的报警阈值的数量为多个,多个报警阈值对应的报警级别不同,每个报警级别发送的第一报警信息不同。
在本实施例中,报警参数偏离度(对应于上述的报警阈值)△S_error_1、△S_error_2、△S_error_3......和报警参数偏离度对应的报警级别T_error_1、T_error_2、T_error_3......,下面对每个报警类型关联的报警阈值的数量为多个,多个报警阈值对应的报警级别不同,每个报警级别发送的第一报警信息不同进行举例说明:
1、报警参数类型1:参数偏离度绝对值报警(对应于上述的最大值预警)。在本实施例中,可以支持系统使用者配置参数偏离度报警的绝对值并匹配报警级别:
(1)比如配置了5%的报警绝对值,并设置报警级别为1级。则当某时刻tn的参数偏离度△S_tn为7%时,则触发1级报警条件,对1级监控配置者(可以包括一线运维人员)发送邮件通知。其余时刻△S_tn小于5%则无报警生成。
(2)比如配置了10%的报警绝对值,并设置报警级别为2级。则当某时刻tn的参数偏离度△S_tn为14%时,则触发2级报警条件,对2级监控配置者(可以包括一线运维人员,及其上级领导)发送邮件通知和短信通知。其余时刻△S_tn小于10%则无报警生成。
2、报警参数类型2:基于参数偏离度平均数的报警(对应于上述的平均数预警)。在本实施例中,可以支持系统使用者配置基于参数偏离度平均数的偏离度报警并匹配报警级别。可选择参数偏离度平均数的维度(小时、天、周、月等)。
(1)比如配置了20%的基于参数偏离度平均值的偏离度报警,并设置报警级别为1级,参数偏离度平均数维度为小时。则按照计算出以小时为单位的参数偏离度平均值△S_avg_hour,并得出区间报警为(-∞,-|S_avg_hour*1.2|)及(|S_avg_hour*1.2|,+∞),如果时刻t的参数偏离度△S_tn在报警区间内则产生1级报警。根据性能需求△S_avg_hour可以每小时计算一次,报警可以根据最近计算的△S_avg_hour匹配。
(2)比如配置了40%的基于参数偏离度平均值的偏离度报警,并设置报警级别为2级,参数偏离度平均数维度为天。则可以按照计算出的以天为单位的参数偏离度平均值△S_avg_day,得出报警区间为(-∞,-|S_avg_day*1.4|)及(|S_avg_hour*1.4|,+∞),如果时刻t的参数偏离度△S_tn在报警区间内则产生2级报警。根据性能需求△S_avg_day可以每小时计算一次的,还可以每天计算一次,在此不做限定,报警可以根据最近计算的△S_avg_day匹配。
通过本实施例,依据统计维度下的最大增长率或平均增长率,对目标数据库的数据表的变化量进行监控预警,避免了相关技术中对数据表内数据量做循环统计,根据数据量绝对值做报警阈值判断,监控准确率低的情况,实现了提高对数据表内数据量的变化监控准确率的技术效果。
可选的,监控配置数据还包括:目标数据表的数据表标识、对目标数据表中的目标数据进行筛选的筛选条件,基于监控配置数据,统计目标数据库中目标数据表中的数据量,得到数据量集合,包括:在目标时间段中的每个时刻,基于数据表标识和筛选条件,对目标数据表中的目标数据进行筛选,得到每个时刻的数据表数据;统计每个时刻的数据表数据的数据量,得到M个数据量;基于M个数据量,确定数据量集合。
上述的监控配置数据可以通过目标系统的目标界面进行采集,例如:
(1)选择进行监控的数据库(可以优先选择数据库备库,减少对主数据库库性能容量的影响)。
(2)采集目标对象输入需要监控偏离度(即增长率)的表名,可以通过输入数据库语句对结果做筛选,包括但不限于:对表字段中的状态列做筛选(筛选出状态为成功的数据)、对地区号列做筛选(筛选出地区A的数据)等。
(3)采集设置统计周期T_cycle,默认可以为5分钟,还可以为10分钟、30分钟、60分钟、480分钟等。
(4)数据的统计开始时间T_start(可以默认为0点)、数据的统计结束时间T_end(可以默认24点)。
(5)还可以采集是否单独处理每日数据EVERYDAY_KEY(后续对平均值、最大值的处理,可以根据此选项决定是否取不同日的数据共同计算,为否的话每次可以只处理归属于同一天的数据)。
(6)还可以采集参数偏离度报警阈值I和报警级别,可以按照不通级别设置报警的通知人和通知方式,区分报警紧急度。
(7)一种可选的报警参数类型1:参数偏离度绝对值报警。
(8)一种可选的报警参数类型2:基于参数偏离度平均数的报警。
通过对目标数据库的目标数据表进行多级监控,实现了精准监控数据表的异常变动情况的技术效果。
在本实施例,还可以输出对目标数据表中的数据量进行监控的监控结果,具体包括:
输出1:输出参数偏离度(增长率)折线图,横轴为统计周期时刻,数轴为参数偏离度百分比。
输出2:输出参数偏离度最大值、平均值表格,表格如表2所示。该表格可以在配置监控指标(即监控配置数据)后由后台批量维护更新,方便使用者参考以下指标设置监控阈值。
表2
统计周期 | 本小时 | 本日 | 本周 | 本月 |
参数偏离度最大值 | △S_max_hour | △S_max_day | △S_max_week | △S_max_mouth |
参数偏离度平均值 | △S_avg_hour | △S_avg_day | △S_avg_week | △S_avg_mouth |
输出3:以短信、邮件形式,将到达报警阈值的参数偏离度及对应时刻,根据报警级别通知联系人。
通过本实施例,1)可以简化参数变化监控设置的难度,将数据的绝对值变化转变为数据偏离度的相对变化,简化了对不同场景的特异性监控配置,保留统一维度,简化对监控要素的评估;2)可以直观表现数据变化趋势,收集历史参数偏离度,直观表现数据变化趋势,便于对关键数据做出基本趋势判断;3)多级监控划分数据库的数据表的问题严重性,通过系统对偏离度的多级监控区分,将偶发的微小变化与重大的数据异常相区分,分级监控,缓解监控压力,并保障风险事故的识别率;4)具备多种监控参数设置方式,可以基于参数偏离度瞬时值,也可基于参数偏离度平均值设置,覆盖更多监控阈值设置场景,实现对数据库数据量变化进行精准监控。
实施例二
本申请实施例二提供了一种可选的数据库数据的监控装置,该监控装置中的各个实施单元对应于实施例一中的各个实施步骤。
图3是根据本发明实施例的一种可选的数据库数据的监控装置的示意图,如图3所示,获取单元31、统计单元32、计算单元33以及监控单元34。
具体的,获取单元31,用于获取监控配置数据,其中,监控配置数据至少包括;统计周期、进行监控的目标时间段、报警类型、报警类型对应的报警阈值;
统计单元32,用于基于监控配置数据,统计目标数据库中目标数据表中的数据量,得到数据量集合,其中,数据量集合中包括:在目标时间段内M个时刻的数据量,数据量为目标数据表中关联目标数据的数据量,M个时刻中相邻两个时刻之间的间隔时长为统计周期,M为大于1的整数;
计算单元33,用于基于数据量集合中的M个数据量,计算每个时刻的数据量的增长率,得到第一增长率集合,其中,第一增长率集合中包括M个增长率;
监控单元34,用于基于第一增长率集合和报警类型对应的报警阈值,对目标数据表中的数据量进行监控。
在本申请实施例二提供的数据库数据的监控装置中,可以通过获取单元31获取监控配置数据,其中,监控配置数据至少包括;统计周期、进行监控的目标时间段、报警类型、报警类型对应的报警阈值,通过统计单元32基于监控配置数据,统计目标数据库中目标数据表中的数据量,得到数据量集合,其中,数据量集合中包括:在目标时间段内M个时刻的数据量,数据量为目标数据表中关联目标数据的数据量,M个时刻中相邻两个时刻之间的间隔时长为统计周期,M为大于1的整数,通过计算单元33基于数据量集合中的M个数据量,计算每个时刻的数据量的增长率,得到第一增长率集合,其中,第一增长率集合中包括M个增长率,通过监控单元34基于第一增长率集合和报警类型对应的报警阈值,对目标数据表中的数据量进行监控。进而解决了相关技术中通过人工设置数据量阈值的方式,监控数据库数据量变化是否异常,准确率低的技术问题。在本实施例中,通过每个时刻的数据量的增长率对数据库数据表的数据量的变化情况进行监控,避免了相关技术中通过循环统计的数据表数据量与人工设置的数据量阈值进行比较,监控数据库的数据量异常变动情况,准确率低的情况,从而实现了提高对数据库的数据量异常变动情况进行监控的准确率的技术效果。
可选的,在本申请实施例二提供的数据库数据的监控装置中,计算单元包括:第一确定子单元,用于基于每个时刻的数据量和该时刻相邻的上一时刻的数据量,确定每个时刻的数据量的增长率,得到M个增长率;第二确定子单元,用于基于M个增长率,确定第一增长率集合。
可选的,在本申请实施例二提供的数据库数据的监控装置中,监控单元包括:第三确定子单元,用于基于第一增长率集合和统计维度,确定目标统计数据,其中,统计维度通过预设统计时长确定;监控子单元,用于基于目标统计数据和报警类型对应的报警阈值,对目标数据表中的数据量进行监控。
可选的,在本申请实施例二提供的数据库数据的监控装置中,报警类型至少包括以下其中之一:最大值预警、平均数预警,目标统计数据至少包括以下其中之一:最大增长率、平均增长率,第三确定子单元包括:第一确定模块,用于基于第一增长率集合和统计维度,确定第二增长率集合,其中,第二增长率集合中包括:统计维度对应的预设统计时长内的N个增长率,N为大于或等于1的整数,N小于M;第二确定模块,用于在报警类型为最大值预警的情况下,确定第二增长率集合中的最大增长率,并将最大增长率作为目标统计数据;第三确定模块,用于在报警类型为平均数预警的情况下,基于第二增长率集合,确定统计维度关联的数据量的平均增长率,并将平均增长率作为目标统计数据。
可选的,在本申请实施例二提供的数据库数据的监控装置中,监控子单元包括:第一判断模块,用于在报警类型为最大值预警的情况下,判断最大增长率是否超过最大值预警关联的报警阈值,并在最大增长率超过最大值预警关联的报警阈值的情况下,发送第一报警信息;第二判断模块,用于在报警类型为平均数预警的情况下,判断平均增长率是否超过平均数预警关联的报警阈值,并在平均增长率超过平均数预警关联的报警阈值的情况下,发送第二报警信息。
可选的,在本申请实施例二提供的数据库数据的监控装置中,每个报警类型关联的报警阈值的数量为多个,多个报警阈值对应的报警级别不同,每个报警级别发送的第一报警信息不同。
可选的,在本申请实施例二提供的数据库数据的监控装置中,监控配置数据还包括:目标数据表的数据表标识、对目标数据表中的目标数据进行筛选的筛选条件,统计单元,包括:筛选子单元,用于在目标时间段中的每个时刻,基于数据表标识和筛选条件,对目标数据表中的目标数据进行筛选,得到每个时刻的数据表数据;统计子单元,用于统计每个时刻的数据表数据的数据量,得到M个数据量;第四确定子单元,用于基于M个数据量,确定数据量集合。
上述的数据库数据的监控装置还可以包括处理器和存储器,上述的获取单元31、统计单元32、计算单元33以及监控单元34等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
上述处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来通过每个时刻的数据量的增长率对数据库数据表的数据量的变化情况进行监控,避免了相关技术中通过循环统计的数据表数据量与人工设置的数据量阈值进行比较,监控数据库的数据量异常变动情况,准确率低的情况,从而实现了提高对数据库的数据量异常变动情况进行监控的准确率的技术效果。
上述存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
根据本发明实施例的另一方面,还提供了一种电子设备,包括:处理器;以及存储器,用于存储处理器的可执行指令;其中,处理器配置为经由执行可执行指令来执行上述任意一项的数据库数据的监控方法。
根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,其中,在计算机程序运行时控制计算机可读存储介质所在设备执行上述任意一项的数据库数据的监控方法。
图4是根据本发明实施例的一种电子设备的示意图,如图4所示,本发明实施例提供了一种电子设备40,电子设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现上述任意一项的数据库数据的监控方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,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,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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单元上。可以根据实际的需要选择其中的部分或者全部单元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单元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,也可以采用软件功能单元的形式实现。
所述集成的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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种数据库数据的监控方法,其特征在于,包括:
获取监控配置数据,其中,所述监控配置数据至少包括;统计周期、进行监控的目标时间段、报警类型、所述报警类型对应的报警阈值;
基于所述监控配置数据,统计目标数据库中目标数据表中的数据量,得到数据量集合,其中,所述数据量集合中包括:在所述目标时间段内M个时刻的数据量,所述数据量为所述目标数据表中关联目标数据的数据量,M个所述时刻中相邻两个时刻之间的间隔时长为所述统计周期,M为大于1的整数;
基于所述数据量集合中的M个所述数据量,计算每个所述时刻的数据量的增长率,得到第一增长率集合,其中,所述第一增长率集合中包括M个增长率;
基于所述第一增长率集合和所述报警类型对应的报警阈值,对所述目标数据表中的数据量进行监控。
2.根据权利要求1所述的监控方法,其特征在于,基于所述数据量集合中的M个所述数据量,计算每个所述时刻的数据量的增长率,得到第一增长率集合,包括:
基于每个所述时刻的数据量和该时刻相邻的上一时刻的数据量,确定每个所述时刻的数据量的增长率,得到M个增长率;
基于M个所述增长率,确定所述第一增长率集合。
3.根据权利要求1所述的监控方法,其特征在于,基于所述第一增长率集合和所述报警类型对应的报警阈值,对所述目标数据表中的数据量进行监控,包括:
基于所述第一增长率集合和统计维度,确定目标统计数据,其中,所述统计维度通过预设统计时长确定;
基于所述目标统计数据和所述报警类型对应的报警阈值,对所述目标数据表中的数据量进行监控。
4.根据权利要求3所述的监控方法,其特征在于,所述报警类型至少包括以下其中之一:最大值预警、平均数预警,所述目标统计数据至少包括以下其中之一:最大增长率、平均增长率,基于所述第一增长率集合和统计维度,确定目标统计数据,包括:
基于所述第一增长率集合和所述统计维度,确定第二增长率集合,其中,所述第二增长率集合中包括:所述统计维度对应的预设统计时长内的N个所述增长率,N为大于或等于1的整数,N小于M;
在所述报警类型为所述最大值预警的情况下,确定所述第二增长率集合中的最大增长率,并将所述最大增长率作为所述目标统计数据;
在所述报警类型为所述平均数预警的情况下,基于所述第二增长率集合,确定所述统计维度关联的数据量的平均增长率,并将所述平均增长率作为所述目标统计数据。
5.根据权利要求4所述的监控方法,其特征在于,基于所述目标统计数据和所述报警类型对应的报警阈值,对所述目标数据表中的数据量进行监控,包括:
在所述报警类型为所述最大值预警的情况下,判断所述最大增长率是否超过所述最大值预警关联的报警阈值,并在所述最大增长率超过所述最大值预警关联的报警阈值的情况下,发送第一报警信息;
在所述报警类型为所述平均数预警的情况下,判断所述平均增长率是否超过所述平均数预警关联的报警阈值,并在所述平均增长率超过所述平均数预警关联的报警阈值的情况下,发送第二报警信息。
6.根据权利要求5所述的监控方法,其特征在于,每个所述报警类型关联的报警阈值的数量为多个,多个所述报警阈值对应的报警级别不同,每个所述报警级别发送的所述第一报警信息不同。
7.根据权利要求1所述的监控方法,其特征在于,所述监控配置数据还包括:所述目标数据表的数据表标识、对所述目标数据表中的所述目标数据进行筛选的筛选条件,基于所述监控配置数据,统计目标数据库中目标数据表中的数据量,得到数据量集合,包括:
在所述目标时间段中的每个所述时刻,基于所述数据表标识和所述筛选条件,对所述目标数据表中的所述目标数据进行筛选,得到每个所述时刻的数据表数据;
统计每个所述时刻的所述数据表数据的数据量,得到M个所述数据量;
基于M个所述数据量,确定所述数据量集合。
8.一种数据库数据的监控装置,其特征在于,包括:
获取单元,用于获取监控配置数据,其中,所述监控配置数据至少包括;统计周期、进行监控的目标时间段、报警类型、所述报警类型对应的报警阈值;
统计单元,用于基于所述监控配置数据,统计目标数据库中目标数据表中的数据量,得到数据量集合,其中,所述数据量集合中包括:在所述目标时间段内M个时刻的数据量,所述数据量为所述目标数据表中关联目标数据的数据量,M个所述时刻中相邻两个时刻之间的间隔时长为所述统计周期,M为大于1的整数;
计算单元,用于基于所述数据量集合中的M个所述数据量,计算每个所述时刻的数据量的增长率,得到第一增长率集合,其中,所述第一增长率集合中包括M个增长率;
监控单元,用于基于所述第一增长率集合和所述报警类型对应的报警阈值,对所述目标数据表中的数据量进行监控。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的数据库数据的监控方法。
10.一种电子设备,其特征在于,包括一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至7中任意一项所述的数据库数据的监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310303250.1A CN116225878A (zh) | 2023-03-23 | 2023-03-23 | 数据库数据的监控方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310303250.1A CN116225878A (zh) | 2023-03-23 | 2023-03-23 | 数据库数据的监控方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116225878A true CN116225878A (zh) | 2023-06-06 |
Family
ID=86580634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310303250.1A Pending CN116225878A (zh) | 2023-03-23 | 2023-03-23 | 数据库数据的监控方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116225878A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116578460A (zh) * | 2023-06-30 | 2023-08-11 | 中科乐约健康科技(深圳)有限公司 | 一种医疗机构前置数据安全监控方法、系统及装置 |
-
2023
- 2023-03-23 CN CN202310303250.1A patent/CN116225878A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116578460A (zh) * | 2023-06-30 | 2023-08-11 | 中科乐约健康科技(深圳)有限公司 | 一种医疗机构前置数据安全监控方法、系统及装置 |
CN116578460B (zh) * | 2023-06-30 | 2024-03-15 | 中科乐约健康科技(深圳)有限公司 | 一种医疗机构前置数据安全监控方法、系统及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4541364B2 (ja) | 意味のある変動を明らかにする自動監視及び動的プロセスメトリクスの統計分析 | |
CN110728525B (zh) | 一种网络批量用户投诉的定界处理方法及装置 | |
CN113176978B (zh) | 基于日志文件的监控方法、系统、设备及可读存储介质 | |
CN110674014A (zh) | 一种确定异常查询请求的方法及装置 | |
CN116225878A (zh) | 数据库数据的监控方法、装置、存储介质及电子设备 | |
CN108572905A (zh) | 一种基于分布式计算的监控方法及系统 | |
CN107104848B (zh) | 信息技术系统监控方法及装置 | |
CN110764988A (zh) | 一种告警方法、装置及系统 | |
CN110635947A (zh) | 异常访问监测方法及装置 | |
CN111046141B (zh) | 一种基于历史时间特征的文本库关键词精炼方法 | |
CN117370469A (zh) | 用于在大数据环境中高效数据复制的方法和系统 | |
US7769651B2 (en) | Method and system of processing billing data | |
CN112084262A (zh) | 数据信息筛选方法、装置、计算机设备及存储介质 | |
CN108446739B (zh) | 一种数据录入监测方法及装置 | |
WO2018122889A1 (ja) | 異常検出方法、システムおよびプログラム | |
CN112422333B (zh) | 一种配网情况确定方法、系统及相关装置 | |
CN108880903B (zh) | 一种数据流监控方法、系统、装置及计算机可读存储介质 | |
CN110633311B (zh) | 一种数据处理方法、装置及存储介质 | |
CN110827930B (zh) | 一种医疗数据的处理方法及装置、可读存储介质 | |
JP7276550B2 (ja) | 異常検出方法、システムおよびプログラム | |
JPH07141265A (ja) | 磁気ディスク装置のエラー監視方法 | |
CN113743532B (zh) | 异常检测方法、装置、设备及计算机存储介质 | |
CN110619406A (zh) | 一种确定业务异常的方法及装置 | |
CN117391261B (zh) | 一种基于低功耗超声波测量的物联网ai智慧水务系统 | |
CN112054913B (zh) | 一种数据监控系统及方法 |
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 |