本发明涉及数据处理技术领域，尤其是一种业务数据分析预警方法、系统、存储介质及计算设备。
背景技术：
在业务分析预警系统中，面对业务策略调整或者程序问题导致的业务数据波动，通常没有特定的判定方法来判断是否处于异常和预警，只能通过人为经验判断是否出现问题。例如，目前业务预警系统收集业务数据后存储到预警系统数据库中，通过业务预警系统定时任务(如每隔1小时)从数据库定时统计业务数据，将本时段数据和昨天以及上一周的数据进行对比，给出趋势分析。进而通过邮件、企业微信等形式通知业务人员，由业务人员对比分析出业务是否存在异常。
人工分析不仅耗费大量人力物力，而且业务分析准确率较差，无法准确识别正常或异常情况，通过同比、环比无法有效判断业务数据当前走向。并且，当业务出现问题后无法快速响应，报警时效性低，不能满足快速预警的需求。
技术实现要素：
有鉴于此，本发明实施例提供了一种业务数据分析预警方法,能够达到提升业务数据预警的准确性和时效性的目的。
根据本发明实施例的一方面，提供了一种业务数据分析预警方法，包括：
定义滑动窗口的滑动间隔时间和窗口时间区间大小，其中，所述窗口时间区间包含n个单位时间，n为正整数；
每隔所述滑动间隔时间，获取滑动窗口的当前窗口时间区间所对应的指定业务的n个业务数据，一个业务数据对应一个单位时间；
按照预设统计学算法计算当前n个业务数据的波动指标，并存储至时序数据库中；
基于当前n个业务数据的波动指标和所述时序数据库中滑动窗口的上一窗口时间区间对应的n个业务数据的波动指标，计算当前n个业务数据的波动率；
若判断得知当前n个业务数据的波动率超过预设阈值范围，发出业务数据的预警信息。
可选地，每隔所述滑动间隔时间，获取滑动窗口的当前窗口时间区间所对应的指定业务的n个业务数据，包括：
每隔所述滑动间隔时间，从所述指定业务对应的数据库中获取滑动窗口的当前窗口时间区间所对应的指定业务的n个业务数据。
可选地，按照预设统计学算法计算当前n个业务数据的波动指标，并存储至时序数据库中，包括：
按照方差算法计算当前n个业务数据的方差；
将所述方差作为当前n个业务数据的波动指标，并存储至时序数据库中。
可选地，按照预设统计学算法计算当前n个业务数据的波动指标，并存储至时序数据库中，包括：
按照标准差算法计算当前n个业务数据的标准差；
将所述标准差作为当前n个业务数据的波动指标，并存储至时序数据库中。
可选地，基于当前n个业务数据的波动指标和所述时序数据库中滑动窗口的上一窗口时间区间对应的n个业务数据的波动指标，计算当前n个业务数据的波动率，包括：
依据当前窗口时间区间和所述滑动间隔时间确定所述滑动窗口的上一窗口时间区间；
获取所述时序数据库中已经存储的上一窗口时间区间对应的n个业务数据的波动指标；
计算当前n个业务数据的波动指标相对所述上一窗口时间区间对应的n个业务数据的波动指标的增长或降低的百分比率，将所述百分比率作为当前n个业务数据的波动率。
可选地，基于当前n个业务数据的波动指标和所述时序数据库中滑动窗口的上一窗口时间区间对应的n个业务数据的波动指标，计算当前n个业务数据的波动率之后，还包括：
依据所述时序数据库中存储的滑动窗口的各窗口时间区间对应的n个业务数据的波动指标生成对应的统计图；
将所述统计图和当前n个业务数据的波动率进行展示。
可选地，若判断得知当前n个业务数据的波动率超过预设阈值范围，发出业务数据的预警信息之后，还包括：
从当前n个业务数据中查找与滑动窗口的上一窗口时间区间对应的n个业务数据存在差别的差别数据；
将所述差别数据作为异常业务数据，针对所述异常业务数据发出提示消息。
可选地，每隔所述滑动间隔时间，获取当前滑动窗口下窗口时间区间所对应的指定业务的n个业务数据之前，还包括：
采用哈希算法计算指定业务的异常业务数据和正常业务数据的分配比例，按照所述分配比例配置业务数据；
基于配置的业务数据进行业务数据分析预警的异常注入演练。
根据本发明实施例的另一方面，还提供了一种业务数据分析预警系统，包括：
定义模块，适于定义滑动窗口的滑动间隔时间和窗口时间区间大小，其中，所述窗口时间区间包含n个单位时间，n为正整数；
获取模块，适于每隔所述滑动间隔时间，获取滑动窗口的当前窗口时间区间所对应的指定业务的n个业务数据，一个业务数据对应一个单位时间；
第一计算模块，适于按照预设统计学算法计算当前n个业务数据的波动指标，并存储至时序数据库中；
第二计算模块，适于基于当前n个业务数据的波动指标和所述时序数据库中滑动窗口的上一窗口时间区间对应的n个业务数据的波动指标，计算当前n个业务数据的波动率；
预警模块，适于若判断得知当前n个业务数据的波动率超过预设阈值范围，发出业务数据的预警信息。
可选地，所述获取模块还适于：
每隔所述滑动间隔时间，从所述指定业务对应的数据库中获取滑动窗口的当前窗口时间区间所对应的指定业务的n个业务数据。
可选地，所述第一计算模块还适于：
按照方差算法计算当前n个业务数据的方差；
将所述方差作为当前n个业务数据的波动指标，并存储至时序数据库中。
可选地，所述第一计算模块还适于：
按照标准差算法计算当前n个业务数据的标准差；
将所述标准差作为当前n个业务数据的波动指标，并存储至时序数据库中。
可选地，所述第二计算模块还适于：
依据当前窗口时间区间和所述滑动间隔时间确定所述滑动窗口的上一窗口时间区间；
获取所述时序数据库中已经存储的上一窗口时间区间对应的n个业务数据的波动指标；
计算当前n个业务数据的波动指标相对所述上一窗口时间区间对应的n个业务数据的波动指标的增长或降低的百分比率，将所述百分比率作为当前n个业务数据的波动率。
可选地，所述系统还包括展示模块，适于：
依据所述时序数据库中存储的滑动窗口的各窗口时间区间对应的n个业务数据的波动指标生成对应的统计图；
将所述统计图和当前n个业务数据的波动率进行展示。
可选地，所述系统还包括提示模块，适于：
从当前n个业务数据中查找与滑动窗口的上一窗口时间区间对应的n个业务数据存在差别的差别数据；
将所述差别数据作为异常业务数据，针对所述异常业务数据发出提示消息。
可选地，所述系统还包括演练模块，适于：
采用哈希算法计算指定业务的异常业务数据和正常业务数据的分配比例，按照所述分配比例配置业务数据；
基于配置的业务数据进行业务数据分析预警的异常注入演练。
根据本发明实施例又一方面，还提供了一种计算机可读存储介质，存储有计算机程序代码，当所述计算机程序代码在计算设备上运行时，导致所述计算设备执行上文任意实施例中所述的业务数据分析预警方法。
根据本发明实施例再一方面，还提供了一种计算设备，包括：处理器；存储有计算机程序代码的存储器；当所述计算机程序代码被所述处理器运行时，导致所述计算设备执行上文任意实施例中所述的业务数据分析预警方法。
本发明实施例采用统计学算法计算滑动窗口的当前窗口时间区间对应的业务数据的波动指标，并结合时序数据库中的历史业务数据的波动指标可以快速地确定出业务数据的波动率，从而能够及时地对波动率超过预设阈值范围的业务数据进行智能预警，不仅有效地提高了业务数据的预警效率，也大大节约了人工分析业务数据所带来的人工成本。进一步地，通过合理的配置滑动窗口的滑动间隔时间和窗口时间区间大小，还可以进一步提升业务数据预警的准确性和时效性。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
构成说明书的一部分的附图描述了本发明的实施例，并且连同描述一起用于解释本发明的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本发明，其中：
图1示出了本发明一实施例的业务数据分析预警方法的流程示意图；
图2示出了本发明一实施例的滑动窗口的窗口时间区间示意图；
图3示出了本发明一实施例的多个波动指标以折线统计图展示的示意图；
图4示出了本发明一实施例的业务数据分析预警的异常注入演练过程示意图；
图5示出了本发明一实施例的业务数据分析预警系统的结构示意图；
图6示出了本发明另一实施例的业务数据分析预警系统的结构示意图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于计算机系统/服务器，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
计算机系统/服务器可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
为解决上述技术问题，本发明实施例提供了一种业务数据分析预警方法，图1示出了本发明一实施例的业务数据分析预警方法的流程示意图，参见图1，该方法可以包括以下步骤s102至步骤s110。
步骤s102，定义滑动窗口的滑动间隔时间和窗口时间区间大小，其中，窗口时间区间包含n个单位时间，n为正整数。
该实施例中，单位时间的级别可以是分钟级别、秒级别，当然也可以是小时级别或其他时间级别，通常单位时间级别越小，后续对业务数据的预警越精确。当然在实际应用中需结合实际业务来确定单位时间的级别。例如，单位时间的级别为分钟级别，那么一个单位时间可以是1分钟、2分钟、3分钟等等。又例如，单位时间的级别为秒级别，那么一个单位时间可以是5秒、10秒、25秒等等，本发明实施例对单位时间不做具体的限定。
步骤s104，每隔滑动间隔时间，获取滑动窗口的当前窗口时间区间所对应的指定业务的n个业务数据，一个业务数据对应一个单位时间。
步骤s106，按照预设统计学算法计算当前n个业务数据的波动指标，并存储至时序数据库中。
该实施例中，时序数据库也称为时间序列数据库，时间序列数据库主要用于处理带时间标签(按照时间的顺序变化，即时间序列化)的数据，本发明实施例中窗口时间区间所对应的n个业务数据为带时间标签的数据，也称为时间序列数据。
步骤s108，基于当前n个业务数据的波动指标和时序数据库中滑动窗口的上一窗口时间区间对应的n个业务数据的波动指标，计算当前n个业务数据的波动率。
步骤s110，若判断得知当前n个业务数据的波动率超过预设阈值范围，发出业务数据的预警信息。
本发明实施例采用统计学算法计算滑动窗口的当前窗口时间区间对应的业务数据的波动指标，并结合时序数据库中的历史业务数据的波动指标可以快速地确定出业务数据的波动率，从而能够及时地对波动率超过预设阈值范围的业务数据进行智能预警，不仅有效地提高了业务数据的预警效率，也大大节约了人工分析业务数据所带来的人工成本。进一步地，通过合理的配置滑动窗口的滑动间隔时间和窗口时间区间大小，还可以进一步提升业务数据预警的准确性和时效性。
参见上文步骤s102和步骤s104，在本发明实施例中，滑动窗口的窗口时间区间包含n个单位时间，n为正整数。例如，一个单位时间为1分钟，n为10，那么窗口时间区间的大小为10分钟。又例如，一个单位时间为10秒，n为6，那么窗口时间区间的大小为60秒。在本发明实施例中，获取的业务数据中一个业务数据对应一个单位时间，例如，窗口时间区间的大小为10分钟，单位时间为1分钟，可以获取窗口时间区间中的10个业务数据。通常为避免业务数据的遗漏，滑动窗口的滑动间隔时间小于窗口时间区间的大小，当然，若要得到更为精确的业务数据预警，可以设置较小的滑动间隔时间，如选取一个单位时间作为滑动间隔时间，本发明实施例对此不作具体的限定。
在本发明一实施例中，在执行步骤s104每隔滑动间隔时间获取滑动窗口的当前窗口时间区间所对应的指定业务的n个业务数据时，具体可以从指定业务对应的数据库中获取滑动窗口的当前窗口时间区间所对应的指定业务的n个业务数据。当然，业务数据也可以是通过查询或者被推送得到，本实施例对业务数据的来源不做具体限定。
参见上文步骤s106，在本发明一实施例中，预设统计学算法可以采用方差算法、标准差算法等等。例如，想要了解业务数据的波动指标的变化趋势，可以采用方差算法，想要得到更为精确的业务数据的波动指标，可以采用标准差算法。当然，如果既想要了解业务数据的波动指标的变化趋势，也想得到更为精确的业务数据的波动指标，那么可以分别采用方差和标准差算法计算当前n个业务数据的两个波动指标。下面对采用不同统计学算法分别计算当前n个业务数据的波动指标的过程进行具体介绍。
若按照方差算法计算当前n个业务数据的波动指标，那么，可以先求出当前n个业务数据的平均值x，然后将前n个业务数据和平均值x代入方差公式：s^2＝[(x1-x)^2 (x2-x)^2 …(xn-x)^2]/n，其中，x1、x2、…xn表示n个业务数据，从而计算得到当前n个业务数据的方差。进而，可以将计算得到的方差作为当前n个业务数据的波动指标，并存储至时序数据库中。
若按照标准差算法计算当前n个业务数据的波动指标，那么，同样可以先求出当前n个业务数据的平均值x，然后将前n个业务数据和平均值x代入标准差公式：s＝sqrt(((x1-x)^2 (x2-x)^2 ......(xn-x)^2)/n)，其中，x1、x2、…xn表示n个业务数据，从而计算得到当前n个业务数据的标准差。进而，可以将计算得到的标准差作为当前n个业务数据的波动指标，并存储至时序数据库中。
参见上文步骤s108，在本发明一实施例中，在计算当前窗口时间区间所对应的指定业务的n个业务数据的波动率时，可以结合时序数据库中已经存储的历史数据，如滑动窗口的上一窗口时间区间对应的n个业务数据的波动指标，通过按照统计学算法对相邻的两个窗口时间区间对应的n个业务数据的波动指标进行计算，可以得到当前n个业务数据的波动率，这里的统计算法可以采用百分比计算方法。下面对当前n个业务数据的波动率的具体计算过程进行介绍。
首先，依据当前窗口时间区间和滑动间隔时间确定滑动窗口的上一窗口时间区间。该实施例中，当前窗口时间区间和滑动间隔时间是已知的，将滑动窗口从当前窗口时间区间在时间上向前滑动一个滑动间隔时间，便可以得到相邻的上一窗口时间区间。参见图2，例如，定义的滑动间隔时间为1分钟，当前窗口时间区间为2:01到2:06，那么上一窗口时间区间为2:00到2:05。
然后，获取时序数据库中已经存储的上一窗口时间区间对应的n个业务数据的波动指标。该实施例中，由于时序数据库中的业务数据带有时间标签，因此，在得知上一窗口时间区间后，从时序数据库可以方便的获取上一窗口时间区间对应的n个业务数据的波动指标。
最后，计算当前n个业务数据的波动指标相对上一窗口时间区间对应的n个业务数据的波动指标的增长或降低的百分比率，将百分比率作为当前n个业务数据的波动率。
例如，波动指标依据方差算法计算，滑动窗口的上一窗口时间区间对应的n个业务数据的波动指标为0.1，当前窗口时间区间对应的n个业务数据的波动指标为0.19，计算得到当前n个业务数据的波动指标增长的百分比率为(0.19-0.1)/0.1＝90％。由此，当前n个业务数据的波动率为90％。
在本发明一可选实施例中，为清楚的体现业务数据的波动指标，还可以依据时序数据库中存储的滑动窗口的各窗口时间区间所对应的n个业务数据的波动指标生成对应的统计图，并且还可以将计算得到的当前n个业务数据的波动率随统计图一同进行展示。通过统计图可以直观地看到各窗口时间区间所对应的n个业务数据的波动指标以及波动指标的变化趋势。参见图3，依据方差算法计算出的波动指标采用折线统计图展示，从折线统计图中可以直观地看出2:05时对应的业务数据的波动指标的波动较大，相应的业务数据存在异常。当然，还可以采用其他类型的统计图进行展示，本实施例对此不做具体的限定。
参见上文步骤s110，在本发明一实施例中，在判断得知当前n个业务数据的波动率超过预设阈值范围并发出业务数据的预警信息时，可以是针对当前窗口时间区间对应的n个业务数据发出预警信息。例如，发出窗口时间区间2:01到2:06对应的业务数据可能存在异常的预警信息。
若要从n个业务数据中更为准确地确定出异常业务数据，还可以进一步地从当前n个业务数据中查找与滑动窗口的上一窗口时间区间对应的n个业务数据存在差别的差别数据。从而将差别数据作为异常业务数据，并针对异常业务数据发出提示消息。例如，提示消息中显示某一时间的业务数据可能存在异常。该实施例中，差别数据的数量与滑动间隔时间有关，若滑动间隔时间较大，可能会查找到多个差别数据，此时可以针对多个差别数据发出提示消息。当然，若要精确得出具体哪个业务数据是异常业务数据，可以适当减小滑动间隔时间，例如，滑动间隔时间为一个单位时间，此时查找到的差别数据可以是一个业务数据。本发明实施例中，单位时间相对越小，查找到的差别数据也会相对更为精确。
在本发明一实施例中，为了将预警信息、提示消息及时地告知相关业务人员，还可以将预警信息、提示消息以短信消息或者邮件等形式发送给相关业务人员的终端上的客户端。通过一些业务数据测试实验得知，采用本发明实施例可以在业务数据出现异常后的5分钟之内通知到相关业务人员，并且，能够对95％以上的异常业务数据实现预警。
在本发明实施例中，为了保证正常准确的业务数据分析预警，还可以在实际业务数据分析预警之前，进行业务数据分析预警的异常注入演练。本发明实施例采用哈希算法分流实现可配置的异常业务数据注入，以基于配置的异常业务数据进行业务数据分析预警的异常注入演练。参见图4，具体的异常注入演练过程包括步骤s402至步骤s412。
步骤s402，采用哈希算法计算指定业务的异常业务数据和正常业务数据的分配比例，按照分配比例配置业务数据。
本发明实施例的哈希算法可以采用高性能的哈希算法murmur3_128，本发明实施例对哈希算法不做具体的限定。采用哈希算法计算指定业务的异常业务数据和正常业务数据的分配比例，不仅可以提高异常业务数据和正常业务数据的分配效率，而且使得后续使用分配的业务数据进行演练的准确率更高。
步骤s404，定义滑动窗口的滑动间隔时间和窗口时间区间大小，其中，窗口时间区间包含n个单位时间，n为正整数。
关于该步骤中单位时间的具体介绍可以参见上文实施例，此处不再赘述。
步骤s406，每隔滑动间隔时间，从配置的异常业务数据和正常业务数据中获取滑动窗口的当前窗口时间区间所对应的n个业务数据。
在该步骤中，在进行演练过程中使用的业务数据并非是实际业务产生的数据，而是通过步骤s402的分配比例配置的业务数据，这里的业务数据包含了异常业务数据和正常业务数据。
步骤s408，按照预设统计学算法计算当前n个业务数据的波动指标，并存储至时序数据库中。
步骤s410，基于当前n个业务数据的波动指标和时序数据库中滑动窗口的上一窗口时间区间对应的n个业务数据的波动指标，计算当前n个业务数据的波动率。
该实施例中，时序数据库中存储的其他业务数据的波动指标也是针对配置的异常业务数据和正常业务数据。
步骤s412，若判断得知当前n个业务数据的波动率超过预设阈值范围，发出业务数据的预警信息。
对于上述步骤s408至步骤s412中的内容，具体可以参见上文实施例的相关内容，异常注入演练的过程主要基于按照比例分配的异常业务数据和正常业务数据对业务数据进行分析预警，若分析预警结果与实际注入的异常业务数据和正常业务数据不符合，则可以通过不断的调整滑动窗口的滑动间隔时间和窗口时间区间大小等等参数来提高业务数据分析预警的准确性。
基于同一发明构思，本发明实施例还提供了一种业务数据分析预警系统，图5示出了本发明一实施例的业务数据分析预警系统的结构示意图，参见图5，业务数据分析预警系统包括定义模块510、获取模块520、第一计算模块530、第二计算模块540、预警模块550，具体的：
定义模块510，适于定义滑动窗口的滑动间隔时间和窗口时间区间大小，其中，窗口时间区间包含n个单位时间，n为正整数；
获取模块520，适于每隔滑动间隔时间，获取滑动窗口的当前窗口时间区间所对应的指定业务的n个业务数据，一个业务数据对应一个单位时间；
第一计算模块530，适于按照预设统计学算法计算当前n个业务数据的波动指标，并存储至时序数据库中；
第二计算模块540，适于基于当前n个业务数据的波动指标和时序数据库中滑动窗口的上一窗口时间区间对应的n个业务数据的波动指标，计算当前n个业务数据的波动率；
预警模块550，适于若判断得知当前n个业务数据的波动率超过预设阈值范围，发出业务数据的预警信息。
本发明的可选实施例中，获取模块520还适于每隔滑动间隔时间，从指定业务对应的数据库中获取滑动窗口的当前窗口时间区间所对应的指定业务的n个业务数据。
本发明的可选实施例中，第一计算模块530还适于按照方差算法计算当前n个业务数据的方差。然后将方差作为当前n个业务数据的波动指标，并存储至时序数据库中。
本发明的可选实施例中，第一计算模块530还适于按照标准差算法计算当前n个业务数据的标准差。然后将标准差作为当前n个业务数据的波动指标，并存储至时序数据库中。
本发明的可选实施例中，第二计算模块540还适于，首先依据当前窗口时间区间和滑动间隔时间确定滑动窗口的上一窗口时间区间。然后获取时序数据库中已经存储的上一窗口时间区间对应的n个业务数据的波动指标。最后计算当前n个业务数据的波动指标相对上一窗口时间区间对应的n个业务数据的波动指标的增长或降低的百分比率，将百分比率作为当前n个业务数据的波动率。
参见图6，在本发明的可选实施例中，上文图5中的业务数据分析预警系统还包括展示模块560。展示模块560适于依据时序数据库中存储的滑动窗口的各窗口时间区间对应的n个业务数据的波动指标生成对应的统计图。然后将统计图和当前n个业务数据的波动率进行展示。
继续参见图6，在本发明的可选实施例中，上文图5中的业务数据分析预警系统还包括提示模块570。提示模块570适于从当前n个业务数据中查找与滑动窗口的上一窗口时间区间对应的n个业务数据存在差别的差别数据。然后将差别数据作为异常业务数据，针对异常业务数据发出提示消息。
继续参见图6，在本发明的可选实施例中，上文图5中的业务数据分析预警系统还包括演练模块580。演练模块580适于采用哈希算法计算指定业务的异常业务数据和正常业务数据的分配比例，按照分配比例配置业务数据。然后基于配置的业务数据进行业务数据分析预警的异常注入演练。
基于同一发明构思，本发明实施例还提供了一种计算机可读存储介质，存储有计算机程序代码，当计算机程序代码在计算设备上运行时，导致计算设备执行上文任意实施例中介绍的业务数据分析预警方法。
基于同一发明构思，本发明实施例还提供了一种计算设备，包括：处理器；存储有计算机程序代码的存储器；当计算机程序代码被处理器运行时，导致计算设备执行上文任意实施例中介绍的业务数据分析预警方法。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
可能以许多方式来实现本发明的方法和系统。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和系统。用于方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
1.一种业务数据分析预警方法，其特征在于，包括：
定义滑动窗口的滑动间隔时间和窗口时间区间大小，其中，所述窗口时间区间包含n个单位时间，n为正整数；
每隔所述滑动间隔时间，获取滑动窗口的当前窗口时间区间所对应的指定业务的n个业务数据，一个业务数据对应一个单位时间；
按照预设统计学算法计算当前n个业务数据的波动指标，并存储至时序数据库中；
基于当前n个业务数据的波动指标和所述时序数据库中滑动窗口的上一窗口时间区间对应的n个业务数据的波动指标，计算当前n个业务数据的波动率；
若判断得知当前n个业务数据的波动率超过预设阈值范围，发出业务数据的预警信息。
2.根据权利要求1所述的方法，其特征在于，每隔所述滑动间隔时间，获取滑动窗口的当前窗口时间区间所对应的指定业务的n个业务数据，包括：
每隔所述滑动间隔时间，从所述指定业务对应的数据库中获取滑动窗口的当前窗口时间区间所对应的指定业务的n个业务数据。
3.根据权利要求1或2所述的方法，其特征在于，按照预设统计学算法计算当前n个业务数据的波动指标，并存储至时序数据库中，包括：
按照方差算法计算当前n个业务数据的方差；
将所述方差作为当前n个业务数据的波动指标，并存储至时序数据库中。
4.根据权利要求1或2所述的方法，其特征在于，按照预设统计学算法计算当前n个业务数据的波动指标，并存储至时序数据库中，包括：
按照标准差算法计算当前n个业务数据的标准差；
将所述标准差作为当前n个业务数据的波动指标，并存储至时序数据库中。
5.根据权利要求1或2所述的方法，其特征在于，基于当前n个业务数据的波动指标和所述时序数据库中滑动窗口的上一窗口时间区间对应的n个业务数据的波动指标，计算当前n个业务数据的波动率，包括：
依据当前窗口时间区间和所述滑动间隔时间确定所述滑动窗口的上一窗口时间区间；
获取所述时序数据库中已经存储的上一窗口时间区间对应的n个业务数据的波动指标；
计算当前n个业务数据的波动指标相对所述上一窗口时间区间对应的n个业务数据的波动指标的增长或降低的百分比率，将所述百分比率作为当前n个业务数据的波动率。
6.根据权利要求1或2所述的方法，其特征在于，基于当前n个业务数据的波动指标和所述时序数据库中滑动窗口的上一窗口时间区间对应的n个业务数据的波动指标，计算当前n个业务数据的波动率之后，还包括：
依据所述时序数据库中存储的滑动窗口的各窗口时间区间对应的n个业务数据的波动指标生成对应的统计图；
将所述统计图和当前n个业务数据的波动率进行展示。
7.根据权利要求1或2所述的方法，其特征在于，若判断得知当前n个业务数据的波动率超过预设阈值范围，发出业务数据的预警信息之后，还包括：
从当前n个业务数据中查找与滑动窗口的上一窗口时间区间对应的n个业务数据存在差别的差别数据；
将所述差别数据作为异常业务数据，针对所述异常业务数据发出提示消息。
8.根据权利要求1或2所述的方法，其特征在于，每隔所述滑动间隔时间，获取当前滑动窗口下窗口时间区间所对应的指定业务的n个业务数据之前，还包括：
采用哈希算法计算指定业务的异常业务数据和正常业务数据的分配比例，按照所述分配比例配置业务数据；
基于配置的业务数据进行业务数据分析预警的异常注入演练。
9.一种业务数据分析预警系统，其特征在于，包括：
定义模块，适于定义滑动窗口的滑动间隔时间和窗口时间区间大小，其中，所述窗口时间区间包含n个单位时间，n为正整数；
获取模块，适于每隔所述滑动间隔时间，获取滑动窗口的当前窗口时间区间所对应的指定业务的n个业务数据，一个业务数据对应一个单位时间；
第一计算模块，适于按照预设统计学算法计算当前n个业务数据的波动指标，并存储至时序数据库中；
第二计算模块，适于基于当前n个业务数据的波动指标和所述时序数据库中滑动窗口的上一窗口时间区间对应的n个业务数据的波动指标，计算当前n个业务数据的波动率；
预警模块，适于若判断得知当前n个业务数据的波动率超过预设阈值范围，发出业务数据的预警信息。
10.根据权利要求9所述的系统，其特征在于，所述获取模块还适于：
每隔所述滑动间隔时间，从所述指定业务对应的数据库中获取滑动窗口的当前窗口时间区间所对应的指定业务的n个业务数据。
11.根据权利要求9或10所述的系统，其特征在于，所述第一计算模块还适于：
按照方差算法计算当前n个业务数据的方差；
将所述方差作为当前n个业务数据的波动指标，并存储至时序数据库中。
12.根据权利要求9或10所述的系统，其特征在于，所述第一计算模块还适于：
按照标准差算法计算当前n个业务数据的标准差；
将所述标准差作为当前n个业务数据的波动指标，并存储至时序数据库中。
13.根据权利要求9或10所述的系统，其特征在于，所述第二计算模块还适于：
依据当前窗口时间区间和所述滑动间隔时间确定所述滑动窗口的上一窗口时间区间；
获取所述时序数据库中已经存储的上一窗口时间区间对应的n个业务数据的波动指标；
计算当前n个业务数据的波动指标相对所述上一窗口时间区间对应的n个业务数据的波动指标的增长或降低的百分比率，将所述百分比率作为当前n个业务数据的波动率。
14.根据权利要求9或10所述的系统，其特征在于，还包括展示模块，适于：
依据所述时序数据库中存储的滑动窗口的各窗口时间区间对应的n个业务数据的波动指标生成对应的统计图；
将所述统计图和当前n个业务数据的波动率进行展示。
15.根据权利要求9或10所述的系统，其特征在于，还包括提示模块，适于：
从当前n个业务数据中查找与滑动窗口的上一窗口时间区间对应的n个业务数据存在差别的差别数据；
将所述差别数据作为异常业务数据，针对所述异常业务数据发出提示消息。
16.根据权利要求9或10所述的系统，其特征在于，还包括演练模块，适于：
采用哈希算法计算指定业务的异常业务数据和正常业务数据的分配比例，按照所述分配比例配置业务数据；
基于配置的业务数据进行业务数据分析预警的异常注入演练。
17.一种计算机可读存储介质，存储有计算机程序代码，当所述计算机程序代码在计算设备上运行时，导致所述计算设备执行权利要求1-8中任一项所述的业务数据分析预警方法。
18.一种计算设备，包括：处理器；存储有计算机程序代码的存储器；当所述计算机程序代码被所述处理器运行时，导致所述计算设备执行权利要求1-8中任一项所述的业务数据分析预警方法。
技术总结