CN117785939A - 基于规则引擎的数据分析方法、装置、计算机设备 - Google Patents

Abstract

本申请涉及一种基于规则引擎的数据分析方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：从业务系统关联的多个数据源中，确定待分析的资产台账数据，以及待分析的资产台账数据来源的目标资产；从与业务系统适配的信息库中，确定与目标资产关联的目标信息表，目标信息表中包括用于描述资产属性的多个字段；获取基于目标信息表的多个字段所配置的指定校验规则；通过与业务系统适配的规则引擎，针对资产台账数据执行指定校验规则，得到规则执行结果；基于规则执行结果，对资产台账数据进行数据分析，得到分析结果。采用本方法能够基于规则引擎分离业务流程与校验规则的前提下，提高数据分析准确性。

Description

基于规则引擎的数据分析方法、装置、计算机设备

技术领域

本申请涉及数据分析技术领域，特别是涉及一种基于规则引擎的数据分析方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

生产业务的信息化管理依赖于准确的资产台帐数据，在资产台帐数据的全生命周期中，台帐数据质量问题较为突出，已影响了部分业务的运行、统计分析和高级决策。

当前已使用的安全生产管理系统，由于其庞大的资产台账数据给数据分析工作带了较大的挑战。相关技术中，针对大量的资产台账数据的分析功能大多是通过在数据库的存储过程中集成校验规则的方式来实现，基于存储过程的特点，当校验规则进行变更时，必须修改相应的数据分析统计脚本，操作复杂度高，存在较高的人工维护成本，导致针对台帐数据的数据统计分析成本过高。

发明内容

基于此，有必要针对上述技术问题，提供一种能够降低数据分析统计成本的基于规则引擎的数据分析方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

一方面，本申请提供了一种基于规则引擎的数据分析方法，包括：

从业务系统关联的多个数据源中，确定待分析的资产台账数据，并确定所述待分析的资产台账数据来源的目标资产；

从与所述业务系统适配的信息库中，确定与所述目标资产关联的目标信息表，所述目标信息表中包括用于描述资产属性的多个字段；

获取基于所述目标信息表的多个字段所配置的指定校验规则；

通过与所述业务系统适配的规则引擎，针对所述资产台账数据执行所述指定校验规则，得到规则执行结果；

基于所述规则执行结果，对所述资产台账数据进行数据分析，得到分析结果。

在其中一个实施例中，所述通过与所述业务系统适配的规则引擎，针对所述资产台账数据执行所述指定校验规则，得到规则执行结果，包括：

在所述资产台账数据的数据量达到指定阈值的情况下，对所述资产台账数据进行分组，得到多个资产台账数据组；

确定每个所述资产台账数据组对应的目标校验规则；

针对各所述资产台账数据组中的每个资产台账数据，通过与所述业务系统适配的规则引擎，分别执行相对应的目标校验规则，得到每个资产台账数据的规则执行结果。

在其中一个实施例中，所述方法还包括：在所述指定校验规则的执行过程中，显示所述指定校验规则的执行信息，所述执行信息包括所述指定校验规则所校验的数据量、执行所述指定校验规则的耗时信息、以及针对环境资源的消耗信息；

在所述指定校验规则执行完成后，显示执行所述指定校验规则的开始时间、结束时间、及异常信息。

在其中一个实施例中，所述基于所述规则执行结果，对所述资产台账数据进行数据分析，得到分析结果，包括：

确定所述校验规则的发布者，以及所述发布者所发布的多条关联校验规则；

基于各所述关联校验规则的规则执行结果，对每个所述关联校验规则所校验的资产台账数据分别进行统计分析，得到分析结果并显示所述分析结果；

其中，所述分析结果包括校验的数据总量、异常数据、以及异常数据占比。

在其中一个实施例中，所述校验规则包括至少一个校验条件，所述通过与所述业务系统适配的规则引擎，针对所述资产台账数据执行所述指定校验规则，得到规则执行结果，包括：

确定与所述业务系统适配的规则引擎对应的规则匹配网络，所述规则匹配网络包括多个节点，所述节点存在层次关系；

依据所述规则匹配网络中的各节点的节点类型，将所述指定校验规则中各所述校验条件，分别加载至所述规则匹配网络中的目标节点；

将各所述目标节点所对应的校验条件分别与所述资产台账数据进行匹配，得到匹配结果，并将所述匹配结果作为规则执行结果。

在其中一个实施例中，所述业务系统为电网系统，所述方法还包括：

基于电网系统中各电网设备的生产厂家信息，构建第一信息库，所述第一信息库用于存储产生资产台账数据的电网设备的生产厂家的信息；

基于电网系统中各电网设备的设备型号信息，构建第二信息库，所述第二信息库用于存储产生资产台账数据的电网设备的型号信息；

基于所述第一信息库以及所述第二信息库，组成与所述电网系统适配的信息库。

在其中一个实施例中，所述目标资产包括目标电网设备，所述从与所述业务系统适配的信息库中，确定与所述目标资产关联的目标信息表，包括：

对所述目标电网设备的生产厂家进行分析，从所述第一信息库中，确定所述目标电网设备关联的第一信息表；

对所述目标电网设备的设备型号进行分析，从所述第二信息库中，确定所述目标电网设备关联的第二信息表；

将所述第一信息表以及所述第二信息表，作为目标信息表。

另一方面，本申请还提供了一种基于规则引擎的数据分析装置，包括：

获取模块，用于从业务系统关联的多个数据源中，确定待分析的资产台账数据，并获取所述业务系统关联的校验规则；

执行模块，用于通过与所述业务系统适配的规则引擎，针对所述资产台账数据执行所述校验规则，得到规则执行结果；

分析模块，用于基于所述规则执行结果，对所述资产台账数据进行数据分析，得到分析结果。

另一方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

从业务系统关联的多个数据源中，确定待分析的资产台账数据，并获取所述业务系统关联的校验规则；

通过与所述业务系统适配的规则引擎，针对所述资产台账数据执行所述校验规则，得到规则执行结果；

基于所述规则执行结果，对所述资产台账数据进行数据分析，得到分析结果。

另一方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

从业务系统关联的多个数据源中，确定待分析的资产台账数据，并获取所述业务系统关联的校验规则；

通过与所述业务系统适配的规则引擎，针对所述资产台账数据执行所述校验规则，得到规则执行结果；

基于所述规则执行结果，对所述资产台账数据进行数据分析，得到分析结果。

另一方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

从业务系统关联的多个数据源中，确定待分析的资产台账数据，并获取所述业务系统关联的校验规则；

通过与所述业务系统适配的规则引擎，针对所述资产台账数据执行所述校验规则，得到规则执行结果；

基于所述规则执行结果，对所述资产台账数据进行数据分析，得到分析结果。

上述基于规则引擎的数据分析方法、装置、计算机设备、存储介质和计算机程序产品，首先，从业务系统关联的多个数据源中，确定待分析的资产台账数据，以及确定待分析的资产台账数据来源的目标资产，如此，能够保证资产台账数据与资产之间的一致性。然后从与业务系统适配的信息库中，确定与目标资产关联的目标信息表，目标信息表中包括用于描述资产属性的多个字段；获取基于目标信息表的多个字段所配置的指定校验规则，如此，通过目标信息表中的资产属性的字段自定义配置校验规则的方式，保证了配置校验规则的便捷性，使得校验规则易于维护；接着，通过与业务系统适配的规则引擎，针对资产台账数据执行指定校验规则，得到规则执行结果，这种基于规则引擎执行校验规则的方式，脱离了原本基于存储过程的规则执行方式，相对于原本通过修改存储过程的脚本修改校验规则的操作，降低了维护校验规则的操作复杂性。最后，基于规则执行结果，对资产台账数据进行数据分析，得到分析结果，如此，能够在校验规则便于维护的前提下，降低数据分析的统计成本。

附图说明

为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为一个实施例中基于规则引擎的数据分析方法的应用环境图；

图2为一个实施例中基于规则引擎的数据分析方法的流程示意图；

图3为一个实施例中规则引擎执行校验规则的方法流程示意图；

图4为另一个实施例中基于规则引擎的数据分析方法的流程示意图；

图5为一个实施例中基于规则引擎的数据分析装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的基于规则引擎的数据分析方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。终端以及待分析的资产台账数据来源的目标资产；从与业务系统适配的信息库中，确定与目标资产关联的目标信息表，目标信息表中包括用于描述资产属性的多个字段；获取基于目标信息表的多个字段所配置的指定校验规则；通过与业务系统适配的规则引擎，针对资产台账数据执行指定校验规则，得到规则执行结果；基于规则执行结果，对资产台账数据进行数据分析，得到分析结果。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和物联网设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现，也可以是提供云计算服务的云服务器。

在一个示例性的实施例中，如图2所示，提供了一种基于规则引擎的数据分析方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤202至步骤206。其中：

步骤202，从业务系统关联的多个数据源中，确定待分析的资产台账数据，并确定待分析的资产台账数据来源的目标资产。

在实际实施时，业务系统可以是任何实现业务流程与业务规则分离的应用程序，如电网系统等。终端确定业务系统关联的所有数据源。这些数据源可能是数据库、文件、应用程序接口API或其他数据存储形式。基于业务需求和目标，设定相应的筛选条件，并基于筛选条件从多个数据源中筛选出待分析的资产台账数据。资产台账数据是业务系统中各资产在业务系统所包括的多个业务流程的生命周期内，所产生的数据。以电网系统为例，电网系统的资产可以是各个电网设备。为了实施针对待分析的资产台账数据的数据分析，终端解析待分析的资产台账数据，确定产生该资产台账数据所涉及的业务系统的目标资产。

步骤204，从与业务系统适配的信息库中，确定与目标资产关联的目标信息表，目标信息表中包括用于描述资产属性的多个字段。

在实际实施时，针对目标资产，在需要对资产台账数据中目标资产对应的属性的实际值进行校验的场景中，终端首先从与业务系统适配的信息库中，确定目标资产关联的至少一个目标信息表中，目标信息表所包括的字段用于描述资产的属性。

步骤206，获取基于目标信息表的多个字段所配置的指定校验规则。

在实际实施时，为了避免在信息库的存储过程中脚本实现针对资产台账数据的校验操作。终端显示一个规则录入界面，该规则录入界面中包括从目标信息表中选择用于配置校验规则的字段选择功能项。终端接收到基于该规则录入界面所配置的与目标信息表的多个字段的指定校验规则。针对校验规则进行说明，校验规则可以由至少一个校验条件组成，校验条件是组成校验规则的最小单元，校验条件是针对单个的资产的属性进行校验。

步骤208，通过与业务系统适配的规则引擎，针对资产台账数据执行指定校验规则，得到规则执行结果。

在实际实施时，终端确定与业务系统兼容的规则引擎，在规则引擎与业务系统之间的数据传输和网络通信是正常的情况下，终端将确定的校验规则加载至规则引擎中，使用规则引擎执行资产台账数据的校验规则。在确保校验规则有效后，开始对资产台账数据进行校验。其中，规则引擎调用指定校验规则的方式可以是通过编写查询语句从规则仓库（用于存储校验规则的数据库）中获取；在校验规则是通过API提供的情况下，可以通过API调用来获取；可以通过读取业务系统的外部配置文件来获取（即校验规则被配置在外部配置文件中）。

步骤210，基于规则执行结果，对资产台账数据进行数据分析，得到分析结果。

在实际实施时，规则执行结果可以用于指示资产台账数据是否通过校验规则的校验。对于规则执行结果所指示的不符合校验规则的资产台账数据，可以进行目标操作，如修正、标记或排除，以排除异常的资产台账数据的影响。同时，根据业务需求进行目标类型的数据分析，目标类型至少可以包括异常检测、关联性分析。

上述基于规则引擎的数据分析方法中，从业务系统关联的多个数据源中，确定待分析的资产台账数据，并获取业务系统关联的校验规则；通过与业务系统适配的规则引擎，针对资产台账数据执行校验规则，得到规则执行结果；如此，能够基于规则引擎实现业务系统的业务流程与业务规则的解耦，降低维护校验规则的难度。最后，基于规则执行结果，对资产台账数据进行数据分析，得到分析结果，如此，能够校验规则便于维护的前提下，提高数据分析的准确性和完整性。

在一个示例性的实施例中，如图3所示，图2中步骤203包括步骤302至步骤306。其中：

步骤302，在资产台账数据的数据量达到指定阈值的情况下，对资产台账数据进行分组，得到多个资产台账数据组。

在实际实施时，在处理大量资产台账数据时，为了提高数据处理效率和便于管理，通常会根据一定的规则对数据进行分组。终端可以基于资产的类型、用途、位置、价值、购置日期或其他相关属性。例如，以业务系统是电网系统为例，可以根据电网设备的设备类型对数据进行分组，如变压器、开关等。终端获取指定阈值，指定阈值的设定可以是与具体的业务功能相关。在资产台账数据的数据量达到指定阈值的情况下，根据预设的分组条件进行分组，得到多个资产台账数据组。

步骤304，确定每个资产台账数据组对应的目标校验规则。

在实际实施时，终端从规则仓库中根据资产台账数据组的组标识，查找每个资产台账数据对应的目标校验规则。

步骤306，针对各资产台账数据组中的每个资产台账数据，通过与业务系统适配的规则引擎，分别执行相对应的目标校验规则，得到每个资产台账数据的规则执行结果。

在实际实施时，对于每个资产台账数据，使用与业务系统适配的规则引擎逐一执行对应的目标校验规则，每个资产台账数据的规则执行结果。需要说明的是，这一步骤可以自动化进行，以确保每个数据都经过了必要的校验。

本实施例中，通过对资产台账数据的分组操作，能够提高针对资产台账数据的校验效率。

在一个示例性的实施例中，校验规则包括至少一个校验条件，基于规则引擎执行校验规则的具体过程如下：确定与业务系统适配的规则引擎对应的规则匹配网络，规则匹配网络包括多个节点，节点存在层次关系；依据规则匹配网络中的各节点的节点类型，将校验规则中的各个校验条件，分别加载至规则匹配网络中的目标节点；将各目标节点所对应的校验条件分别与资产台账数据进行匹配，得到匹配结果，并将匹配结果作为规则执行结果。

在实际实施时，终端通过规则引擎执行校验规则，本质上是根据规则匹配算法所对应的规则匹配网络实现规则匹配和规则触发。规则匹配算法可以包括RETE算法等。其中，RETE是一种进行大量模式集合和大量对象集合间比较的高效方法，通过网络筛选的方法找出所有匹配各个模式的对象和规则。其核心思想是用分离的匹配项构造匹配网络，同时缓存中间结果。其中的匹配项即为本实例中的校验条件，校验条件是组成校验规则的最小单元，用于指示针对任一单独的属性的约束规则，与RETE算法中的模式相适配。与规则匹配算法相适配的规则匹配网络包括不同节点类型的节点，节点之间存在层次关系。

针对规则匹配网络中的节点类型进行说明，节点类型包括根节点root、类型节点TypeNode、阿尔法节点alpha、贝塔节点beta、条件节点以及比较节点。其中，根节点，是所有对象进入网络的入口。数据经过类型节点的处理本质上是进行类型检查，规则引擎只让匹配类型节点的对象到达相应的类型节点，之后传播到该类型节点的下层节点，下层节点可以是alpha节点、beta节点、以及beta节点关联的节点。条件节点，包含校验规则的至少一个校验条件（约束条件），例如设备.类型=变压器，是一个 alpha节点的约束条件，当一条校验规则有多条校验条件，这些校验条件被链接到一起。比较节点：用来对2个对象进行连接、取反。beta节点的2个输入称为左边（LeftTupleSource）和右边（ObjectSource）。左边通常是一个对象列表，右边通常是单独的一个对象。

基于上述针对规则引擎的规则匹配网络的说明，接下来说明基于规则引擎的具体的实现过程如下：确定与业务系统适配的规则引擎对应的规则匹配网络，控制待校验的资产台账数据从该网络的根节点开始进行规则匹配。在规则匹配网络中确定当前校验规则所适配的目标节点类型，然后控制待校验的资产台账数据流经目标节点类型，在依据当前校验规则中的多个校验条件，确定目标节点类型的下层节点作为接收资产台账数据的目标节点，在确定目标节点之后，将校验规则中的各个校验条件，分别加载至规则匹配网络中的目标节点；将各目标节点所对应的校验条件分别与资产台账数据进行匹配，得到匹配结果，并将匹配结果作为规则执行结果。

本实施例中，通过构建一个包含多种类型节点的规则匹配网络，来高效地进行规则匹配和触发。这种网络结构允许算法快速地处理大量的事实和规则，从而实现高效的规则引擎功能。

在一个示例性地实施例中，在业务系统包括电网系统的情况下，则针对业务系统适配的信息库的构建进行说明，构建过程如下：基于电网系统中各电网设备的生产厂家信息，构建第一信息库，第一信息库用于存储产生资产台账数据的电网设备的生产厂家的信息；基于电网系统中各电网设备的设备型号信息，构建第二信息库，第二信息库用于存储产生资产台账数据的电网设备的型号信息；基于第一信息库以及第二信息库，组成与电网系统适配的信息库。

在实际实施时，在电网系统中，资产台账数据大多是电网系统中的电网设备的运行产生的，即电网系统中的资产为电网设备，在对电网设备或电网设备的运行所对应的资产台账数据进行校验时，校验规则的配置一般与电网设备的设备信息相关，电网设备的设备信息一般包括设备的生产厂家信息、电网设备的设备型号信息等。终端通过梳理电网设备的生产厂家数据，生成用于存储产生资产台账数据的电网设备的生产厂家的信息，可称为第一信息库，并提供针对第一信息库的新增、修改、删除及查询等管理功能。同时，通过梳理设备的设备型号数据，生成用于存储产生资产台账数据的电网设备的型号信息的第二信息库。将第一信息库和第二信息库作为当前电网系统的信息库。

在一个示例性地实施例中，在业务系统包括电网系统的情况下，目标资产包括目标电网设备，终端可以通过以下方式确定目标资产关联的目标信息表：对目标电网设备的生产厂家进行分析，从第一信息库中，确定目标电网设备关联的第一信息表；对目标电网设备的设备型号进行分析，从第二信息库中，确定目标电网设备关联的第二信息表；将第一信息表以及第二信息表，作为目标信息表。

在实际实施时，终端解析目标电网设备的属性，确定目标电网设备所属的组织单位、目标电网设备的设备类型、目标设备的设备信息、目标电网设备的生产厂家等。并以上述信息为筛选条件，从第一信息库中，确定目标电网设备关联的第一信息表，从第二信息库中，确定目标电网设备关联的第二信息表。最后，将第一信息表以及第二信息表，作为目标信息表，以在配置针对目标电网设备所关联的资产台账数据进行校验的校验规则。

本实例中，在电网系统中，通过目标电网设备的生产厂家、设备型号等信息，快速确定配置校验规则所使用的信息表，以协助分析人员基于规则录入界面快速配置校验规则，提高校验规则的配置效率。

在一个示例性的实施例中，终端还可以执行以下操作：在校验规则的执行过程中，显示校验规则的执行信息，执行信息包括校验规则所校验的数据量、执行校验规则的耗时信息、以及针对环境资源的消耗信息；在校验规则执行完成后，显示执行校验规则的开始时间、结束时间、及异常信息。

在实际实施时，在执行校验规则时，为了便于准确掌握校验规则的执行情况，终端可以直接显示校验规则的执行信息。执行信息至少可以包括校验规则所校验的数据量、执行校验规则的耗时信息和针对环境资源的消耗信息等。其中，校验规则所校验的数据量确定方式可以是在开始执行校验规则之前，记录待校验的数据量，执行完毕后，显示实际校验的数据量。终端可以根据校验规则执行的开始时间和结束时间来确定校验规则的执行时间。终端还可以使用操作系统或特定的监控工具来获取资源消耗信息。当校验规则执行完成后，终端再次获取当前的点作为规则的结束时间，并将结束时间与开始时间的差值作为校验规则的规则执行时间。在规则执行过程中，通过捕获异常、检查返回值或检查日志文件等方式实现，检查是否有异常发生。在校验规则执行完成之后，终端可以通过预设的显示方式显示规则名称或标识符、开始时间、结束时间、执行时间、异常信息等。其中，显示方式可以是控制台输出、日志文件或自定义的展示界面等

本实施例中，通过实时显示校验规则的执行过程，能够提高了解校验规则的执行情况的便捷性，以便于采取适当的措施来优化性能或解决潜在问题。通过校验规则执行完成的信息的实时显示，能够便于掌握校验规则的执行情况，包括执行时间以及是否遇到了异常。这些信息可以帮助用户进行性能优化、问题诊断和决策制定。

在一个示例性的实施例中，终端还可以执行以下操作：确定未通过校验规则校验的异常数据，并确定校验规则中所包括的统计维度；通过统计维度，对异常数据进行统计分析，得到异常分析结果，并显示异常分析结果，异常分析结果包括异常产生的原因。

在实际实施时，在基于规则引擎执行校验规则之后，终端遍历规则执行结果，以确定未通过校验规则校验的数据项作为异常数据。针对异常数据，可以根据校验规则的具体需求和业务背景，确定用于统计分析的统计维度，统计维度可以包括时间、数据类型、地理位置、产生资产台账数据的设备类型等。然后，采用统计维度，对异常数据进行统计分析，统计分析的方式可以包括如平均值、中位数、方差等。根据统计分析的结果，结合业务背景和数据上下文，确定异常产生的原因，其中，原因可能包括数据输入错误、业务系统的系统故障等。将异常分析的结果以易于理解的方式进行显示，针对统计结果的显示可以是图表、表格或者报告等。以使相关人员能够根据异常分析结果，通过适配的调整方式来调整异常数据，调整方式可以是修复异常数据、调整校验规则或调查业务系统中潜在的系统缺陷等。

本实施例中，可以有效地确定未通过校验规则校验的异常数据，并通过统计分析来确定异常产生的原因，提高定位异常数据的效率。.

在一个示例性的实施例中，终端还可以执行以下操作：确定校验规则的发布者，以及发布者所发布的多条关联校验规则；基于各关联校验规则的规则执行结果，对每个关联校验规则所校验的资产台账数据分别进行统计分析，得到分析结果并显示分析结果；其中，分析结果包括校验的数据总量、异常数据、以及异常数据占比。

在实际实施时，终端确定每条校验规则的发布者，并以该发布者为校验规则的筛选依据，对业务系统的校验规则进行筛选，得到指定发布者所关联的多条校验规则。确定采用规则引擎所执行的每条关联校验规则的规则执行结果。并对每条关联校验规则所涉及的资产台账数据，进行统计分析，终端可以统计该关联校验规则所统计校验的数据总量、异常数据的数量、并通过计算异常数据与所校验的总数据量的比例确定异常数据的占比。最后，终端可以采用预设的显示方式显示上述分析结果，显示方式可以是表格、图表等。

本实施例中，可以有效地确定校验规则的发布者，以及发布者所发布的多条关联校验规则。基于各关联校验规则的执行结果，可以对每个关联校验规则所涉及的资产台账数据进行统计分析，并得到包括校验数据总量、异常数据和异常数据占比在内的分析结果，如此，能够针对性的确定各发布则所发布的校验规则的执行效率。

在一个示例性的实施例中，终端还可以执行以下操作：若根据规则校验结果确定存在数据量大于预设阈值的资产台账数据，则将数据量大于预设阈值的资产台账数据进行分表存储。

在实际实施时，预先根据数据库的大小和性能要求，设定数据量阈值。当某个资产台账数据表的数据量超过这个阈值时，就触发分表操作。在进行分表操作之前，配置相应的分表策略，以确定将数据分布到不同的表中具体实现方式。分表策略包括按范围分表、按哈希值分表、按目录分表等。在根据分表策略执行分表的过程中，创建一个新的数据表，用于存储超过阈值的数据，将原表中超过阈值的数据迁移到新表中。需要说明的是，在迁移过程中，要确保数据的准确性，并且没有遗漏或重复的数据。本实施例中，通过分表存储，可以有效地管理大量资产台账数据，提高查询性能和数据维护的便利性。

为详细说明本申请中的基于规则引擎的数据分析方法，下面以一个实施例进行说明，在该实施例中，业务系统为电网系统，资产台账数据为电网系统的设备台账数据，电网系统关联的数据源包括用于管理电网系统中所有电网设备的设备厂家型号库。本实施中的应用场景可以是：在电网系统中，基于现有生产设备台帐数据及模型，建立设备厂家型号库管理，实现生产厂家标准库、设备型号标准库、设备型号参数库、统计分析算法维护。并通过规则校验数据分布存储算法实现数据的分布式存储。通过规则引擎对设备台帐（即前文中的资产台账数据）进行数据分析，将校验出来的较大的数据进行分表等方式进行存储，提升数据的存储效率，实现数据的快速存储。通过关联问题数据的统计看板，根据非本人发布的规则，但统计维度中涉及本单位的数据，按照校验统计维度展示校验的数据总数、问题总数、异常数据占比情况。针对该应用场景，进行基于规则引擎的数据分析的具体过程如图4所示，

终端将从电网系统的多个数据源中确定待分析的资产台账数据，以及用于基于设备厂家型号库确定的校验规则作为与电网系统相适配的规则引擎的输入信息，通过规则引擎对设备台帐数据进行数据分析，将校验出来的异常数据进行分表等方式进行存储，同时，在校验规则执行过程中，进行规则执行监控，以实时查看当前校验规则的执行情况，当前执行的数据量、耗时情况、占用的资源消耗情况等信息。将规则执行结果通过数据质量诊断界面进行显示。

针对设备厂家型号库进行说明，即校验规则是基于设备厂家型号库设定的。通过梳理设备的标准生产厂家数据构建生产厂家标准库，并提供新增、修改、删除及查询功能；通过梳理设备的标准型号数据创建设备型号标准库，并提供新增、修改、删除及查询功能；对当前台帐中的每个设备类别具有的厂家进行分析，形成推荐的厂家信息，以供生产厂家标准库引用；根据标准厂家数据，新建设备厂家规范性校验算法，对存量设备的生产厂家、供应商进行检查，检查厂家、供应商规范性。对当前台帐中的每个设备类别具有的型号进行分析，形成推荐的型号信息，以供型号标准库引用；根据标准型号数据，新增设备型号规范性校验算法，对存量设备型号字段进行检查，检查设备型号规范性。

针对规则执行过程进行说明，规则引擎执行校验规则的具体实现方式，可以是通过RETE算法实现。根据前述描述可知，生成一个使用RETE算法的规则匹配网络，具体的规则执行过程如下：首先，执行步骤1）创建根节点即root节点，作为规则匹配网络的执行入口。其次，执行步骤2）获取第一条校验规则1，从校验规则1中取出模式1（每个校验规则由至少一个模式组成，模式即为最小的原子条件，即针对单独的属性的一个校验条件）。通过每个模式执行校验操作（即模式1也执行），包括以下过程： a) 检查所针对的模式中的参数类型，若是新类型，则添加一个与该参数类型相适配的类型节点，b) 检查所针对模式对应的阿尔法Alpha节点是否存在，若存在则记录下Alpha节点的位置；若不存在，则将所针对模式作为一个Alpha节点加入到规则匹配网络中。同时根据Alpha节点建立阿尔法Alpha内存表。c)重复执行步骤b，直到处理完校验规则1中的所有模式。然后，d) 组合贝塔Beta节点，其中，Beta(2)左输入节点为Alpha(1)，右输入节点为Alpha(2)；Beta(i)左输入节点是Beta(i-1)，右输入节点为Alpha(i)，并将两个父节点的内存表内联成为自己的内存表。重复d，直到所有Beta节点处理完毕。f)将动作Then部分封装成最后节点做为Beta（n）。重复上述步骤2），直到所有的校验规则处理完毕。

针对规则执行监控过程进行说明，规则执行监控过程中可以通过规则执行分流校验算法、规则校验数据分布存储算法、问题数据的统计分析算法等存储资源以及计算资源的变化，实时调整规则执行过程中所需的环境资源。具体的，可以通过以下功能实时调整规则执行过程中所需的环境资：

1）通过规则执行分流校验算法，对大数据量校验时，能进行资源分配，实现数据分流，按照同一份规则进行校验，实现数据校验时效性。

2）通过规则校验数据分布存储算法，将校验出来的较大的数据进行分表等方式进行存储，提升数据的存储效率，实现数据的快速存储。

3）通过问题数据的统计分析算法，将校验的问题数据，根据规则中制定的统计维度进行统计分析，已供前端查看。

4）通过规则暂停、启动模型，对发布的规则可以随时启动、随时暂停，在暂停时可以强制停止规则的执行，避免长时间的暂停导致资源的占用。

5）通过规则执行监控看板，实现实时查看当前规则的执行情况，当前执行的数据量、耗时情况、占用的资源消耗情况等信息。

6）通过规则执行记录模型，实时展示规则执行的开始时间、结束时间、异常等信息。

针对通过数据质量诊断进行分析结果显示的过程进行说明，一方面可以通过关联问题数据的统计界面，根据非本人发布的规则，但统计维度中涉及本单位的数据，按照校验统计维度展示校验的数据总数、问题总数、异常数据占比情况。另一方面，实现个人发布问题数据统计界面，根据本人发布的规则，按照校验统计维度展示校验的数据总数、问题总数、异常数据占比情况。

另一方面，还可以实现问题数据明细功能，根据问题总数查看每个数据的问题原因，支持数据的查询、导出。

最后，新增资源监控看板，实时展示当前环境的资源占用情况，每个发布规则执行的耗时情况。

应用本申请实施例，数据分析平台实现业务规则的集中管理，使得数据业务规则可编辑、维护。RETE算法通过构建网络结构和增量匹配机制，极大地提高了规则的匹配效率，对于大规模和复杂规则系统，它能够在保证准确性的同时，快速地对规则进行匹配和推理。由于RETE算法支持共享子网络和增量匹配，它能够避免对已经匹配过的规则条件进行重复计算，从而节省了计算资源，降低了系统的负荷。总的来说，数据分析平台的发明为处理规则系统可以带来显著的效果，提高了系统的匹配效率、处理能力和实时性支持。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的基于规则引擎的数据分析方法的基于规则引擎的数据分析装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个基于规则引擎的数据分析装置实施例中的具体限定可以参见上文中对于基于规则引擎的数据分析方法的限定，在此不再赘述。

在一个示例性的实施例中，如图5所示，提供了一种基于规则引擎的数据分析装置500，包括：获取模块510、执行模块520和分析模块530，其中：

获取模块510，用于从业务系统关联的多个数据源中，确定待分析的资产台账数据，并确定待分析的资产台账数据来源的目标资产。

确定模块520，用于从与业务系统适配的信息库中，确定与目标资产关联的目标信息表，目标信息表中包括用于描述资产属性的多个字段。

执行模块530，用于获取基于目标信息表的多个字段所配置的指定校验规则，并通过与业务系统适配的规则引擎，针对资产台账数据执行指定校验规则，得到规则执行结果。

分析模块530，用于基于规则执行结果，对资产台账数据进行数据分析，得到分析结果。

在一个示例性的实施例中，执行模块，还用于在资产台账数据的数据量达到指定阈值的情况下，对资产台账数据进行分组，得到多个资产台账数据组；确定每个资产台账数据组对应的指定校验规则；针对各资产台账数据组中的每个资产台账数据，通过与业务系统适配的规则引擎，分别执行相对应的指定校验规则，得到每个资产台账数据的规则执行结果。

在一个示例性的实施例中，执行模块，还用于在校验规则的执行过程中，显示校验规则的执行信息，执行信息包括校验规则所校验的数据量、执行校验规则的耗时信息、以及针对环境资源的消耗信息。

在一个示例性的实施例中，执行模块，还用于在校验规则执行完成后，显示执行校验规则的开始时间、结束时间、及异常信息。

在一个示例性的实施例中，分析模块，还用于确定校验规则的发布者，以及发布者所发布的多条关联校验规则；基于各关联校验规则的规则执行结果，对每个关联校验规则所校验的资产台账数据分别进行统计分析，得到分析结果并显示分析结果；其中，分析结果包括校验的数据总量、异常数据、以及异常数据占比。

在一个示例性的实施例中，校验规则包括至少一个校验条件，执行模块，还用于确定与业务系统适配的规则引擎对应的规则匹配网络，规则匹配网络包括多个节点，节点存在层次关系；依据规则匹配网络中的各节点的节点类型，将校验规则中的各个校验条件，分别加载至规则匹配网络中的目标节点；将各目标节点所对应的校验条件分别与资产台账数据进行匹配，得到匹配结果，并将匹配结果作为规则执行结果。

在一个示例性的实施例中，业务系统为电网系统，获取模块，还用于基于电网系统中各电网设备的生产厂家信息，构建第一信息库，第一信息库用于存储产生资产台账数据的电网设备的生产厂家的信息；基于电网系统中各电网设备的设备型号信息，构建第二信息库，第二信息库用于存储产生资产台账数据的电网设备的型号信息；基于第一信息库以及第二信息库，组成与电网系统适配的信息库。

在一个示例性的实施例中，业务系统为电网系统，目标资产包括目标电网设备，确定模块，还用于对目标电网设备的生产厂家进行分析，从第一信息库中，确定目标电网设备关联的第一信息表；对目标电网设备的设备型号进行分析，从第二信息库中，确定目标电网设备关联的第二信息表；将第一信息表以及第二信息表，作为目标信息表。

上述基于规则引擎的数据分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是图1中的终端或服务器，其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O）和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于规则引擎的数据分析方法。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个示例性的实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：从业务系统关联的多个数据源中，确定待分析的资产台账数据，并获取业务系统关联的校验规则；通过与业务系统适配的规则引擎，针对资产台账数据执行校验规则，得到规则执行结果；基于规则执行结果，对资产台账数据进行数据分析，得到分析结果。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：在资产台账数据的数据量达到指定阈值的情况下，对资产台账数据进行分组，得到多个资产台账数据组；确定每个资产台账数据组对应的指定校验规则；针对各资产台账数据组中的每个资产台账数据，通过与业务系统适配的规则引擎，分别执行相对应的指定校验规则，得到每个资产台账数据的规则执行结果。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：在校验规则的执行过程中，显示校验规则的执行信息，执行信息包括校验规则所校验的数据量、执行校验规则的耗时信息、以及针对环境资源的消耗信息。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：在校验规则执行完成后，显示执行校验规则的开始时间、结束时间、及异常信息。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：确定未通过校验规则校验的异常数据，并确定校验规则中所包括的统计维度；通过统计维度，对异常数据进行统计分析，得到异常分析结果，并显示异常分析结果，异常分析结果包括异常产生的原因。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：确定校验规则的发布者，以及发布者所发布的多条关联校验规则；基于各关联校验规则的规则执行结果，对每个关联校验规则所校验的资产台账数据分别进行统计分析，得到分析结果并显示分析结果；其中，分析结果包括校验的数据总量、异常数据、以及异常数据占比。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：若根据规则校验结果确定存在数据量大于预设阈值的资产台账数据，则将数据量大于预设阈值的资产台账数据进行分表存储。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

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、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于规则引擎的数据分析方法，其特征在于，所述方法包括：

从业务系统关联的多个数据源中，确定待分析的资产台账数据，并确定所述待分析的资产台账数据来源的目标资产；

从与所述业务系统适配的信息库中，确定与所述目标资产关联的目标信息表，所述目标信息表中包括用于描述资产属性的多个字段；

获取基于所述目标信息表的多个字段所配置的指定校验规则；

通过与所述业务系统适配的规则引擎，针对所述资产台账数据执行所述指定校验规则，得到规则执行结果；

基于所述规则执行结果，对所述资产台账数据进行数据分析，得到分析结果。

2.根据权利要求1所述的方法，其特征在于，所述通过与所述业务系统适配的规则引擎，针对所述资产台账数据执行所述指定校验规则，得到规则执行结果，包括：

在所述资产台账数据的数据量达到指定阈值的情况下，对所述资产台账数据进行分组，得到多个资产台账数据组；

确定每个所述资产台账数据组对应的目标校验规则；

针对各所述资产台账数据组中的每个资产台账数据，通过与所述业务系统适配的规则引擎，分别执行相对应的目标校验规则，得到每个资产台账数据的规则执行结果。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在所述指定校验规则的执行过程中，显示所述指定校验规则的执行信息，所述执行信息包括所述指定校验规则所校验的数据量、执行所述指定校验规则的耗时信息、以及针对环境资源的消耗信息；

在所述指定校验规则执行完成后，显示执行所述指定校验规则的开始时间、结束时间、及异常信息。

4.根据权利要求1所述的方法，其特征在于，所述基于所述规则执行结果，对所述资产台账数据进行数据分析，得到分析结果，包括：

确定所述校验规则的发布者，以及所述发布者所发布的多条关联校验规则；

基于各所述关联校验规则的规则执行结果，对每个所述关联校验规则所校验的资产台账数据分别进行统计分析，得到分析结果并显示所述分析结果；

其中，所述分析结果包括校验的数据总量、异常数据、以及异常数据占比。

5.根据权利要求1所述的方法，其特征在于，所述校验规则包括至少一个校验条件，所述通过与所述业务系统适配的规则引擎，针对所述资产台账数据执行所述指定校验规则，得到规则执行结果，包括：

确定与所述业务系统适配的规则引擎对应的规则匹配网络，所述规则匹配网络包括多个节点，所述节点存在层次关系；

依据所述规则匹配网络中的各节点的节点类型，将所述指定校验规则中各所述校验条件，分别加载至所述规则匹配网络中的目标节点；

将各所述目标节点所对应的校验条件分别与所述资产台账数据进行匹配，得到匹配结果，并将所述匹配结果作为规则执行结果。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述业务系统为电网系统，所述方法还包括：

基于电网系统中各电网设备的生产厂家信息，构建第一信息库，所述第一信息库用于存储产生资产台账数据的电网设备的生产厂家的信息；

基于电网系统中各电网设备的设备型号信息，构建第二信息库，所述第二信息库用于存储产生资产台账数据的电网设备的型号信息；

基于所述第一信息库以及所述第二信息库，组成与所述电网系统适配的信息库。

7.根据权利要求6所述的方法，其特征在于，所述目标资产包括目标电网设备，所述从与所述业务系统适配的信息库中，确定与所述目标资产关联的目标信息表，包括：

对所述目标电网设备的生产厂家进行分析，从所述第一信息库中，确定所述目标电网设备关联的第一信息表；

对所述目标电网设备的设备型号进行分析，从所述第二信息库中，确定所述目标电网设备关联的第二信息表；

将所述第一信息表以及所述第二信息表，作为目标信息表。

8.一种基于规则引擎的数据分析装置，其特征在于，所述装置包括：

获取模块，用于从业务系统关联的多个数据源中，确定待分析的资产台账数据，并确定所述待分析的资产台账数据来源的目标资产；

确定模块，用于从与所述业务系统适配的信息库中，确定与所述目标资产关联的目标信息表，所述目标信息表中包括用于描述资产属性的多个字段；

执行模块，用于获取基于所述目标信息表的多个字段所配置的指定校验规则，并通过与所述业务系统适配的规则引擎，针对所述资产台账数据执行所述指定校验规则，得到规则执行结果；

分析模块，用于基于所述规则执行结果，对所述资产台账数据进行数据分析，得到分析结果。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。