一种基于机器学习算法的业务的观测方法与流程

本发明涉及数据库相关领域，具体为一种基于机器学习算法的业务的观测方法。

背景技术：

1、随着业务的发展，企业中的数据也在不断增多，特别是在高度互联网化的全球中。着这个大背景下，如理去有效的观察业务成为企业越来越关注的地方。

2、越来越多企业使用分布式数据库，这些数据库往往以业务来划分库表，针对不同的库我们如何有效的去观察这些业务是急需解决的问题。

技术实现思路

1、本发明的目的在于提供一种基于机器学习算法的业务的观测方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：一种基于机器学习算法的业务的观测方法，包括以下步骤：

3、步骤s1、页面配置业务域：由相应的工作人员在用户接入层输入业务域名，并对域名进行保存；

4、步骤s2、页面配置指标：进入配置页面，选择业务域，输入sql语句、指标类型和数据库信息，获得相应的业务数据，并进行保存；

5、步骤s3、数据采集：定时执行配置的sql语句，将采集到的数据存入数据库；

6、步骤s4、数据展示：根据用户需求，展示观测指标数据，包括历史数据和实时数据，进行业务分析和决策；

7、步骤s5、预测功能：利用lstm模型的机器学习算法，对指标数据进行预测，并与未来采集的数据进行对比，修正预测参数，提高预测准确率；

8、步骤s6、多指标关联计算：利用算法计算多个指标之间的关系，具体为正相关或负相关，并得到计算公式，分析指标之间的影响和趋势。

9、优选的，所述步骤s2中选择业务域，输入sql语句、指标类型和数据库信息具体内容如下：

10、业务域：即步骤s1中选择的业务域，其中一个业务域对应多个指标1:n；

11、sql语句：用于采集表数据，其中表数据表示数据库下的表，即指标的定义，并通过sql结果显示值；sql语句在采集多个数据时需设置维度和采集频率；

12、指标类型：表示数据的安全性、活性、公平性和可观测，其中安全性为系统中绝对不允许发生的，如若发生则认为系统存在异常；活性：指所有的参与者的各项属性平均；公平性：系统具有的相同特性；可观测性：通过可观测的数据对于系统具有的业务属性进行观察,判断相关业务是否运行正常，发现问题，分析问题，达到最终解决问题，推动业务的可持续发展。

13、优选的，所述sql语句在采集多个数据时需设置维度，其中新增维度值需输入key+value，其中多个key可以相同，value不同。

14、优选的，所述步骤s3中定时执行配置的sql语句，将采集到的数据存入数据库的具体步骤如下：

15、步骤s31、查询步骤s2中业务域，根据业务域来使用多线程处理任务；

16、步骤s32、根据业务域查询指标；

17、步骤s33、根据业务域定时执行查询指标sql和数据库；

18、步骤s34、使用指标数据库连接执行sql；

19、步骤s35、取指标数据存入数据库。

20、优选的，所述步骤s4中根据用户需求，展示观测指标数据，包括历史数据和实时数据，其中观测指标数据具体内容如下：

21、安全性业务数据观测，选中业务域后点击安全性，观测所有的安全性当日采集数据，并查询对于指标预测值，标记预测值与真实采集值返回前端显示；

22、活性业务数据观测，选中业务域后点击活性，观测所有的安全性当日采集数据，并查询对于指标预测值，标记预测值与真实采集值返回前端显示；

23、公平性业务数据观测，选中业务域后点击公平性，观测所有的安全性当日采集数据，并查询对于指标预测值，标记预测值与真实采集值返回前端显示；

24、观测性业务数据观测，选中业务域后点击观测性，观测所有的安全性当日采集数据，并查询对于指标预测值，标记预测值与真实采集值返回前端显示。

25、优选的，所述步骤s5中利用lstm模型的机器学习算法，对指标数据进行预测，其具体步骤如下：

26、步骤s51、选取当前指标近一个月数据，利用lstm模型训练，计算预测公式，并记录下未来7，15，30天预测值；

27、步骤s52、根据步骤s51计算的公式进行预测未来一周数据，当预测数据与未来真实数据有出入时，进行修正参数，更新数据。

28、优选的，所述步骤s6中利用算法计算多个指标之间的关系具体步骤为：

29、步骤s61、获取函数公式y＝∑ax+b，其中x为配置指标的近一个月数据，针对函数值进行预测；

30、步骤s62、针对函数公式变量进行预测；

31、步骤s63、每个变量循环公式计算，若和函数数据预测有偏差则进行调整，调整权重和函数公式中的系数相关。

32、与现有技术相比，本发明的有益效果是：本发明是基于定时采取业务数据，用于观测业务，提高了效率，有助于企业针对业务数据来及时采取措施，本发明的数据采集将基于sql查询语句，通过配置不同查询sql可以获得不同的业务数据，同时结合job任务调度，可以不同频率采集数据；本发明以业务域为基准区分度，即所有的性质都将依赖于业务域，对系统中配置的指标划分了四种类别即安全性，活性,公平性,可观测，这样划分有利于我们快速观察系统的状态；同时本发明结合了机器学习算法取预测指标数据，通过多指标间的联合预测，提高预测准确率。

技术特征：

1.一种基于机器学习算法的业务的观测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于机器学习算法的业务的观测方法，其特征在于：所述步骤s2中选择业务域，输入sql语句、指标类型和数据库信息具体内容如下：

3.根据权利要求2所述的一种基于机器学习算法的业务的观测方法，其特征在于：所述sql语句在采集多个数据时需设置维度，其中新增维度值需输入key+value，其中多个key可以相同，value不同。

4.根据权利要求1所述的一种基于机器学习算法的业务的观测方法，其特征在于：所述步骤s3中定时执行配置的sql语句，将采集到的数据存入数据库的具体步骤如下：

5.根据权利要求1所述的一种基于机器学习算法的业务的观测方法，其特征在于：所述步骤s4中根据用户需求，展示观测指标数据，包括历史数据和实时数据，其中观测指标数据具体内容如下：

6.根据权利要求1所述的一种基于机器学习算法的业务的观测方法，其特征在于：所述步骤s5中利用lstm模型的机器学习算法，对指标数据进行预测，其具体步骤如下：

7.根据权利要求1所述的一种基于机器学习算法的业务的观测方法，其特征在于：所述步骤s6中利用算法计算多个指标之间的关系具体步骤为：

技术总结本发明涉及数据库相关领域，具体为一种基于机器学习算法的业务的观测方法，本发明公开了一种业务的观测方法和系统，在公司的业务扩展时，怎样去有效的观察业务指标时许多企业面对的问题，有效的观察业务指标会提高公司的决策能力，有利于公司的发展。本发明使用了定时数据采集技术来观测指标，具体步骤包括以下：1.人员配置指标数据；2.配置SQL语句和相关数据库；3.配置相关维度；4.定时根据采集数据入库5.展示相关指标数据；6.预测功能使用回归算法预测下一周的数据，预测数据将和未来采集数据进行对比，修正预测参数；7.多指标关联计算，使用算法计算多个指标的关系，如正相关，负相关，并得到计算公式。技术研发人员：赵刚,刘亚刚,刘鑫,罗建国,曹知渊,邹强受保护的技术使用者：上海赛可出行科技服务有限公司技术研发日：技术公布日：2024/9/9