[发明专利]告警计算方法、装置、电子设备及存储介质

说明书

本申请提供一种告警计算方法、装置、电子设备及存储介质，涉及数据分析技术领域。所述方法包括：将采集的数据写入消息队列；通过流数据实时计算框架，基于领域专用语言解析告警表达式，以获得所述告警表达式对应的指标；通过所述流数据实时计算框架，从所述消息队列中获取所述指标对应的指标数据；通过所述流数据实时计算框架，将所述指标数据代入所述告警表达式进行计算，以获得告警结果。该方法结合流数据实时计算和领域专用语言进行告警计算，可以对自定义的表达式规则进行语法解析及实时修改，进行告警计算，提高了告警计算的灵活性。

技术领域

本申请涉及数据分析技术领域，具体而言，涉及一种告警计算方法、装置、电子设备及存储介质。

背景技术

当设备发生故障或某些原因导致系统发生不正常的工作或某些功能影响用户体验的情况下，系统可以根据不同类型的故障，对故障进行分析并通过一定的告警方式通知用户或者网络管理员，这就是实现告警功能的目的。告警发现的越早，越能够及时减少损失。告警的及时发现，有利于快速定位发现问题，及时止损。

目前大部分现有技术的告警计算都是基于单机的服务器模式，对于海量的告警计算都得依托于分布式的实时计算框架，Spark Streaming和Flink是当今分布式实时计算领域的主流计算框架，各自有各自的优势，但是这些分布式计算框架的学习成本是很高的。Spark因为高效的数据处理能力被广泛使用，park Streaming作为流式计算，因为其和Spark的批处理使用的集群是一样的，所以采用其作为流式处理框架更加合理，不用再单独搭建集群，可以让流批一体。Spark Streaming是一种实时流式处理框架，是Spark API的扩展，支持可扩展、高吞吐量、容错的实时数据流处理，实时数据的来源可以是Kafka、Flume、Twitter、ZeroMQ或者TCP(ransmission Control Protocol，传输控制协议)Sockets，并且可以使用高级功能的复杂算子来处理流数据。例如：map、reduce、join和window等。最终，处理后的数据可以存放在文件系统，数据库等，方便实时展现。

随着大数据、人工智能和物联网的发展，数据越来越多，系统越来越多，如何快速的发现问题，及时止损，已经是一个亟待解决的问题，例如金融领域，需要做到实时风控告警，对数据的时效性计算要求很高，业务也很复杂，告警的计算逻辑复杂多变，但现有技术中的告警系统中表达式的格式是固定的，无法满足多变的用户规则变化需求，也无法支持复杂的告警规则，无法让用户配置修改完成告警计算，灵活性较低，进行表达式更改时需要耗费大量的时间和人力成本。

发明内容

有鉴于此，本申请实施例的目的在于提供一种告警计算方法、装置、电子设备及存储介质，以改善现有技术中存在的灵活性较低的问题。

本申请实施例提供了一种告警计算方法，所述方法包括：将采集的数据写入消息队列；通过流数据实时计算框架，基于领域专用语言解析告警表达式，以获得所述告警表达式对应的指标；通过所述流数据实时计算框架，从所述消息队列中获取所述指标对应的指标数据；通过所述流数据实时计算框架，将所述指标数据代入所述告警表达式进行计算，以获得告警结果。

在上述实现方式中，结合流数据实时计算和领域专用语言进行告警计算，可以对自定义的表达式规则进行语法解析和实时修改，以及通过流数据实时计算框架进行实时的数据获取和告警计算，提高了告警计算的灵活性。

可选地，所述将采集的数据写入消息队列，包括：通过应用程序接口或硬编码方式从日志采集系统、业务系统、运维系统和平台系统中的至少一个中实时采集所述数据，并将所述数据写入所述消息队列。

在上述实现方式中，通过日志采集系统、业务系统、运维系统和平台系统进行多方面的数据采集，提高了数据采集的全面性。