ProcessDB实时/时序数据库——数据报警功能

已于 2022-12-12 15:16:10 修改
阅读量657 收藏
点赞数
分类专栏： # ProcessDB的JAVA开发接口 文章标签： 时序数据库 物联网 数据库开发 ProcessDB 数据报警
于 2022-11-09 14:12:24 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sun_race/article/details/127766212
版权

目录

前言

一、报警点的基础属性

二、报警点的设置

三、监控报警的详细操作

1.查询所需要的数据

2.查询报警点的报警规则信息

3.校验报警

前言

  数据报警是ProcessDB的特色功能之一，这是其它数据库所不具备的功能。从公司业务角度出发，可以更好的监控设备的运行情况，以及便于问题排查。所以在此文章中，我将详细介绍下报警的规则设定和业务中的使用思路。

一、报警点的基础属性

属性描述
报警开关报警功能的总开关，控制该点是否参与报警功能
响应方式分为manual（手动报警），auto（自动报警）
告警类别

可以根据业务具体需要，设置无告警、死区告警、超时告警 、开启告警、关闭告警 、变化、

低高限 、低低高高限等报警标准

告警低限当数据值低于该值时，可以联合告警类别，进行监控报警
告警高限当数据值高于该值时，可以联合告警类别，进行监控报警
告警低低限增加了更深入的一层限制，当数据值低于该值时，可以联合告警类别，进行监控报警
告警高高限增加了更深入的一层限制，当数据值高于该值时，可以联合告警类别，进行监控报警
告警分组可以为该数据点设置个告警分组id

二、报警点的设置

报警点的设置，请根据你操作数据库的方式，进行相应设置即可，详细方法请参考我文章目录里的相应文章。

三、监控报警的详细操作

这里主要是介绍下监控报警的思路，可以根据你操作数据库的方式，进行针对性的操作。下面以JAVA-API的方式为例：

1.查询所需要的数据

我这里查询的是历史采样数据，写了一个定时器，5分钟获取一次，这5分钟内的所有历史数据，获取到我需要的值。


import java.io.IOException;
import java.text.SimpleDateFormat;
import java.util.Calendar;
import java.util.Date;
import java.util.Timer;
import java.util.Vector;

import com.processdb.connection.DBConnect;
import com.processdb.connection.DBConnectManager;
import com.processdb.driver.common.ConnectInfo;
import com.processdb.driver.common.ConstantValue;
import com.processdb.driver.dao.DBHistoryDataDao;
import com.processdb.driver.record.HistoryRecordSet;
import com.processdb.driver.record.PointHistory;

public class Test {
	//每次定时器启动间隔，单位秒
	private static int pubTime = 300;

	public static void main(String[] args) {

		Timer timer = new Timer();

		// 在1秒后执行此任务,每次间隔pubTime秒执行一次,如果传递一个Data参数,就可以在某个固定的时间执行这个任务.
		timer.schedule(new MyTask(), 1000, pubTime * 1000);
		// 这个是用来停止此任务的,否则就一直循环执行此任务
		while (true) {
			try {
				int in = System.in.read();
				if (in == 's') {
					// 使用这个方法退出任务
					timer.cancel();
					break;
				}
			} catch (IOException e) {
				// TODO Auto-generated catch block
				e.printStackTrace();
			}
		}
	}

	static class MyTask  extends java.util.TimerTask  {

		int count = 0;

		public void run() {
			ConnectInfo host = new ConnectInfo();
			host.setConnectName("instance01");
			host.setHostName("127.0.0.1");
			host.setHostPort(8301);
			host.setUserName("root");
			host.setPassword("root");
			host.setCacheable(false);
			DBConnect myConn = null;
			SimpleDateFormat dateFmt = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
			Date begindate = null; // 开始时间
			Date enddate = null; // 结束时间
			try {
				myConn = DBConnectManager.getInstance().getConnect(host);
				Calendar beforeTime = Calendar.getInstance();
				enddate = beforeTime.getTime();
				beforeTime.add(Calendar.SECOND, -pubTime);// 3分钟之前的时间
				begindate = beforeTime.getTime();
			} catch (Exception e) {
				// TODO Auto-generated catch block
				e.printStackTrace();
			}	
			String pointNameArray[] = { "D30.T31.P30" };
			short pageSize = 10; // 每页显示条数
			short pageNum = 0; // 页码，即第pageNum+1页
			int interval = 0; // 时间间隔
			byte query_type = ConstantValue.HIS_VALUE_SAMPLE; // 采样点
			// 查询历史的参数列表
			Vector<PointHistory> pointHistoryList = new Vector<PointHistory>();
			// 给查询历史的参数列表赋值
			for (int i = 0; i < pointNameArray.length; i++) {
				PointHistory ph = new PointHistory(pointNameArray[i], begindate, enddate, interval, query_type,
						ConstantValue.HISTORY_FILTER_GREATE_THAN, ConstantValue.HISTORY_FILTER_LESS_THAN, (float) 0,
						(float) 10000, ConstantValue.HISTORY_FILL_VALUE_TYPE_RAW, (float) 0, (int) 0, (short) 0, pageSize,
						pageNum);
				pointHistoryList.add(ph);
			}
			// 查询历史数据
			DBHistoryDataDao.requestPointHistoryByName(myConn, pointHistoryList);
			for (int ii = 0; ii < pointHistoryList.size(); ii++) { // 遍历所有点
				PointHistory ph = pointHistoryList.get(ii);
				HistoryRecordSet record = ph.getSampleRecordSet(); // 采样点的历史数据
				int count = record.getRecordNum(); // 历史数据个数
				for (int i = 0; i < count; i++) {
					// 遍历每个历史数据，根据点的不同数据类型，解析出历史数据值
					Date t = record.getTime(i); // 读取历史时刻
					double value = record.getFloat32(i); // 读取Float32类型历史数据
					System.out.println("数据序号" + (i + 1) + ",数据时间:" + dateFmt.format(t) + ",历史数据值：" + value);
				}
			}

		}

	}

}

示例运行如下：

数据序号1,数据时间:2022-11-09 13:17:13,历史数据值：328.0
数据序号2,数据时间:2022-11-09 13:18:05,历史数据值：648.0
数据序号3,数据时间:2022-11-09 13:18:08,历史数据值：328.0
数据序号4,数据时间:2022-11-09 13:18:12,历史数据值：998.0
数据序号5,数据时间:2022-11-09 13:18:15,历史数据值：88.0

2.查询报警点的报警规则信息

根据报警点的位置名称，查询出在设置报警点信息时的各种限制条件

import com.processdb.connection.DBConnect;
import com.processdb.connection.DBConnectManager;
import com.processdb.connection.DBPoint;
import com.processdb.connection.DBRoot;
import com.processdb.connection.DBTable;
import com.processdb.connection.DBase;
import com.processdb.driver.common.ConnectInfo;
import com.processdb.driver.common.PointInfo;
public class Test {
	 public static void main(String[] args) throws Exception
	    {
	    	ConnectInfo host = new ConnectInfo();
	    	host.setConnectName("instance01");
	    	host.setHostName("127.0.0.1");
	    	host.setHostPort(8301);
	    	host.setUserName("root");
	    	host.setPassword("root");
	    	host.setCacheable(false);
	    	DBConnect myConn = null;
			myConn = DBConnectManager.getInstance().getConnect(host);
			DBRoot root = DBRoot.getInstance(myConn);
			String dbname ="D30";
			DBase dBase = root.getCachedDatabaseByName(dbname);
			String tableName ="T31";
			DBTable dbtable = dBase.getCachedTableByName(tableName);
			String pointName = "P30";
			DBPoint dbpoint = dbtable.getCachedPointByName(pointName);
			PointInfo pointInfo = dbpoint.getPointInfo();
			System.out.println(dbname+"库的"+tableName+"表的"+pointName+"点的属性为：");
			System.out.println("是否报警:"+pointInfo.getAlarmSwitchStr()+"，报警类型："+pointInfo.getAlarmTypeStr()+"，报警高限："+pointInfo.getAlarmHigh()+"，报警低限："+pointInfo.getAlarmLow());
}}

示例运行如下：

D30库的T31表的P30点的属性为：
是否报警:On，报警类型：LHLimt，报警高限：100.0，报警低限：50.0

3.校验报警

由于上述已经定时查询出采集的数据，并获取报警信息，则接下来进行相关校验，这里以低高限为例


import java.io.IOException;
import java.text.SimpleDateFormat;
import java.util.Calendar;
import java.util.Date;
import java.util.Timer;
import java.util.Vector;

import com.processdb.connection.DBConnect;
import com.processdb.connection.DBConnectManager;
import com.processdb.connection.DBPoint;
import com.processdb.connection.DBRoot;
import com.processdb.connection.DBTable;
import com.processdb.connection.DBase;
import com.processdb.driver.common.ConnectInfo;
import com.processdb.driver.common.ConstantValue;
import com.processdb.driver.common.PointInfo;
import com.processdb.driver.dao.DBHistoryDataDao;
import com.processdb.driver.record.HistoryRecordSet;
import com.processdb.driver.record.PointHistory;

public class Test {
	//每次定时器启动间隔，单位秒
	private static int pubTime = 300;

	public static void main(String[] args) {

		Timer timer = new Timer();

		// 在1秒后执行此任务,每次间隔pubTime秒执行一次,如果传递一个Data参数,就可以在某个固定的时间执行这个任务.
		timer.schedule(new MyTask(), 1000, pubTime * 1000);
		// 这个是用来停止此任务的,否则就一直循环执行此任务
		while (true) {
			try {
				int in = System.in.read();
				if (in == 's') {
					// 使用这个方法退出任务
					timer.cancel();
					break;
				}
			} catch (IOException e) {
				// TODO Auto-generated catch block
				e.printStackTrace();
			}
		}
	}

	static class MyTask  extends java.util.TimerTask  {

		int count = 0;

		public void run() {
			ConnectInfo host = new ConnectInfo();
			host.setConnectName("instance01");
			host.setHostName("127.0.0.1");
			host.setHostPort(8301);
			host.setUserName("root");
			host.setPassword("root");
			host.setCacheable(false);
			DBConnect myConn = null;
			SimpleDateFormat dateFmt = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
			Date begindate = null; // 开始时间
			Date enddate = null; // 结束时间
			try {
				myConn = DBConnectManager.getInstance().getConnect(host);
				Calendar beforeTime = Calendar.getInstance();
				enddate = beforeTime.getTime();
				beforeTime.add(Calendar.SECOND, -pubTime);// 3分钟之前的时间
				begindate = beforeTime.getTime();
			} catch (Exception e) {
				// TODO Auto-generated catch block
				e.printStackTrace();
			}	

			String dbname ="D30";
			String tableName ="T31";
			String pointName = "P30";
			StringBuilder stringBuilder = new StringBuilder();
			stringBuilder.append(dbname);
			stringBuilder.append(".");
			stringBuilder.append(tableName);
			stringBuilder.append(".");
			stringBuilder.append(pointName);
			String pointNameArray[] = {stringBuilder.toString() };
			short pageSize = 10; // 每页显示条数
			short pageNum = 0; // 页码，即第pageNum+1页
			int interval = 0; // 时间间隔
			byte query_type = ConstantValue.HIS_VALUE_SAMPLE; // 采样点
			// 查询历史的参数列表
			Vector<PointHistory> pointHistoryList = new Vector<PointHistory>();
			// 给查询历史的参数列表赋值
			for (int i = 0; i < pointNameArray.length; i++) {
				PointHistory ph = new PointHistory(pointNameArray[i], begindate, enddate, interval, query_type,
						ConstantValue.HISTORY_FILTER_GREATE_THAN, ConstantValue.HISTORY_FILTER_LESS_THAN, (float) 0,
						(float) 10000, ConstantValue.HISTORY_FILL_VALUE_TYPE_RAW, (float) 0, (int) 0, (short) 0, pageSize,
						pageNum);
				pointHistoryList.add(ph);
			}
			// 查询历史数据
			DBHistoryDataDao.requestPointHistoryByName(myConn, pointHistoryList);
			//获取报警信息
			DBRoot root = DBRoot.getInstance(myConn);
			DBase dBase = root.getCachedDatabaseByName(dbname);
			DBTable dbtable = dBase.getCachedTableByName(tableName);
			DBPoint dbpoint = dbtable.getCachedPointByName(pointName);
			PointInfo pointInfo = dbpoint.getPointInfo();
			byte alarmSwitch = pointInfo.getAlarmSwitch();
			String alarmTypeStr = pointInfo.getAlarmTypeStr();
			for (int ii = 0; ii < pointHistoryList.size(); ii++) { // 遍历所有点
				PointHistory ph = pointHistoryList.get(ii);
				HistoryRecordSet record = ph.getSampleRecordSet(); // 采样点的历史数据
				int count = record.getRecordNum(); // 历史数据个数
				for (int i = 0; i < count; i++) {
					// 遍历每个历史数据，根据点的不同数据类型，解析出历史数据值
					Date time = record.getTime(i);
					double value = record.getFloat32(i); // 读取Float32类型历史数据
					//判断是否报警
					if(alarmSwitch==1) {
						//根据报警规则类型不同，进行不同的校验
						if(alarmTypeStr.equals("LHLimt")) {
						float alarmHigh = pointInfo.getAlarmHigh();
						float alarmLow = pointInfo.getAlarmLow();
						if (value>=alarmHigh) {
							System.out.println("在时间为"+dateFmt.format(time)+"的时候,数值超出告警高限，超出值为："+(value-alarmHigh));
						}else if (value<=alarmLow) {
							System.out.println("在时间为"+dateFmt.format(time)+"的时候,数值低于告警低限，低出值为："+(value-alarmLow));
						}
						}
					}
				}
			}

		}

	}

}

示例运行结果如下：

在时间为2022-11-09 14:05:42的时候,数值超出告警高限，超出值为：88.0
在时间为2022-11-09 14:05:47的时候,数值低于告警低限，低出值为：-18.0
ProcessDB
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
时序数据库.docx 数据顺序追加
12-16
数据库特性方面，时序数据库强调写入速率远大于读取速率，因为数据通常是实时产生的，而分析往往是事后进行。时间窗口访问是常见操作，数据更新较少，存在一定的覆盖写窗口。批量删除功能也很重要，同时保持高可用性...
Progress数据库配置与应用
weixin_33814685的博客
12-01 669
创建database 开始->程序->OpenEdge,选择：Desktop，进行database创建。 选择创建一个空database或直接copy一个demo的database，我们选择copy。 创建完成之后，我们打开刚才创建的progressdb，通过create table新建一个数据表test。 下一步再通过create field创建字段。 ...
progress的数据库结构及创建
wwwabc0001的专栏
01-05 4583
progress的数据库结构及创建关键字: progress 4GL database 数据库在逻辑文件体系上，progress数据库有以下几种文件:.st文件  这是一个结构文件,由数据库创建者手动编写,表示了数据库的物理存储结构. 换句话说,数据库的文件都放在哪里就是由该文件定义的.当然还不仅如此..db文件  这是一个数据库控制文件,是由progress生成的..lg文件  就是一个文本型的
ProcessDB实时/时序数据库——C/C++操作数据表对象
sun_race的专栏
11-23 232
ProcessDB实时/时序数据库——C/C++操作数据表对象
利用数据分析告警机制，实现鸿鹄与飞书双向集成
Yhpdata888的博客
07-18 1808
实现鸿鹄与飞书的双向集成，依赖鸿鹄的告警机制，可以发送用户关心的信息到飞书
shell脚本+crontab定时读取数据库中异常数据并将异常信息写入日志，实现功能异常告警监控
weixin_45087127的博客
04-05 784
shell脚本+crontab定时读取数据库中异常数据并将异常信息写入日志，实现功能异常告警监控 这段时间自己负责的datax同步数据功能要上线了，需要将功能纳入告警系统，要求达到效果：查询同步记录表，如果出现同步失败或者状态处于同步中的时间超过30分钟的任务，就需要写入一条告警信息到当天的日志文件中。 ok，shell脚本就可以搞定，但是很久没有写过这个东西了，所以也是踩了很多坑，这是脚本初稿： #!/bin/bash TIMESTAMP=`date +%Y%m%d%H%M%S` date=`date
实时/历史数据库和关系型数据库的区别
12-22
实时数据库和关系数据库有着很...例如，目前大多行业均利用实时数据库与关系数据库作为基础数据库软件构建监控中心及数据中心的基础数据库。其中实时数据库处理并存储生产实时数据，关系数据库处理并存储业务关系数据。
时序数据库 InfluxDB
07-13
InfluxDB 旨在用作涉及大量时间戳数据的任何用例的后备存储，包括 DevOps 监控、应用程序指标、物联网传感器数据和实时分析。 特点： 专门为时间序列数据编写的自定义高性能数据存储。TSM 引擎允许高速摄取和数据...
ProcessDB-202405 Win64位实时数据库系统安装程序
最新发布
06-13
ProcessDB实时数据库/时序数据库系统，广泛应用于石油，化工，火电，冶金，橡胶，船舶，造船，港口，分布式存储，高性能分析海量数据 支持windows/linux/麒麟系统、支持微秒级、读写实时数据＞300万记录/秒、读写...
Python的InfluxDB时序数据库读写代码
04-18
Python的InfluxDB时序数据库是一个专为时间序列数据设计的高性能、开源数据库。InfluxDB 2.0及以上版本提供了更加丰富的功能和优化的性能，使得它在监控、物联网(IoT)、日志分析等领域广泛应用。在这个场景中，我们...
基于SpringBoot轻量、非侵入式数据库数据告警器
山河已无恙
05-25 584
基于SpringBoot的轻量、非侵入式数据库数据告警器 我的需求： 需要写一个数据库数据监控的告警小工具，要求： 非侵入式的，对监控的数据只有查询权限，没有写权限 可以对数据表的部分数据状态，数据数量进行监控告警 监控数据，告警条件等是可配置的 我需要解决的问题： 抽象告警行为，解耦告警流程构建过程 告警命中之后如何避免重复告警 可配置的部分如何从流程代码中解耦为配置 如何动态配置告警扫描计划 我是这样做的： 整体来讲，逻辑很简单，没啥技术难点，属于重复造轮子，考虑到需要解析配置文件、多数据源
【AntDB数据库】AntDB数据库告警管理
weixin_44518445的博客
06-16 268
数据库系统的主机、单节点集群的被监测指标达到告警阀值时，AMOPS就会产生告警并展示在告警分类页面上。告警分类页面提供告警搜索查看功能，用户可以指定监控项、集群、事件级别、时间范围和告警对象对告警进行搜索。查询的告警数据分为未处理告警和已处理告警。
监控预警丨时序数据库DolphinDB异常检测引擎教程
DolphinDB智臾科技
12-09 626
1. 概述 物联网设备（如机床、锅炉、电梯、水表、气表等等）无时无刻不在产生海量的设备状态数据和业务消息数据，这些数据的在采集、计算、分析过程中又常常涉及异常数据的检测。 DolphinDB作为一个高性能的分布式时序数据库 (time series database)，内置了一个流数据框架，既能实时处理分析这些物联网数据，也能对历史数据进行计算分析，帮助用户利用、发挥这些数据的价值。DolphinDB内置的流数据框架支持流数据的发布、订阅、预处理、实时内存计算、复杂指标的滚动窗口计算等，是一个运行高效，
ProcessDB实时/时序数据库——Python读写实时数据
sun_race的专栏
12-08 533
ProcessDB实时/时序数据库——Python读写实时数据
ProcessDB实时/时序数据库——JDBC_Prepared操作数据库对象
sun_race的专栏
11-22 149
ProcessDB实时/时序数据库——JDBC_Prepared操作数据库对象
国产麒麟操作系统安装部署ProcessDB实时/时序数据库
sun_race的专栏
10-18 144
进入操作系统，打开终端，新建/var/processdb目录将ProcessDBConsole.jar文件拷贝到/var/processdb目录下运行ProcessDBConsole.jar文件，打开数据库控制台。
ProcessDB实时/时序数据库——JDBC读写实时数据
sun_race的专栏
11-08 264
ProcessDB实时/时序数据库——JDBC读写实时数据
ProcessDB实时/时序数据库——备份及恢复
sun_race的专栏
03-15 433
ProcessDB实时/时序数据库支持点表备份、历史数据备份以及对应的恢复功能，接下来将和大家分享下如何使用ProcessDBConsole控制台进行相应操作。
ProcessDB实时/时序数据库——JAVA_API操作数据库对象
sun_race的专栏
11-04 218
ProcessDB实时/时序数据库——JAVA_API操作数据库对象
Prometheus时序数据库-数据的查询
07-28
Prometheus时序数据库提供了强大的Promql查询语言来满足我们的查询需求。在查询数据之前，我们需要先插入数据到Prometheus中。在之前的博客中，详细介绍了Prometheus数据的插入过程\[1\]。而在查询数据时，我们可以使用Promql来进行查询。Promql是一种灵活的查询语言，可以根据我们的需求进行千变万化的查询\[2\]。 在进行查询时，Prometheus会根据指定的时间窗口来过滤数据，默认的时间窗口是5分钟，可以通过启动参数来进行设置\[3\]。这样可以确保我们只获取到指定时间范围内的数据，而不会包含过去或未来的数据。 总结来说，Prometheus时序数据库通过Promql查询语言来满足我们的查询需求，并通过时间窗口来过滤数据，确保我们获取到的数据符合我们的要求。 #### 引用[.reference_title] - *1* [Prometheus时序数据库-数据的查询](https://blog.csdn.net/weixin_55416758/article/details/115350199)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [Prometheus时序数据库-报警的计算 及 Prometheus时序数据库-数据的查询](https://blog.csdn.net/m0_67322837/article/details/125004715)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值