借助阿里云在亚洲加速迈向成功
一站式安全合规咨询服务
MLPS 2.0 一站式合规解决方案
依托我们的网络进军中国市场
提升面向互联网应用的性能和安全性
保障您的中国业务安全无忧
通过强大的数据安全框架保护您的数据资产
申请 ICP 备案的流程解读和咨询服务
面向大数据建设、管理及应用的全域解决方案
企业内大数据建设、管理和应用的一站式解决方案
将您的采购和销售置于同一企业级全渠道数字平台上
全渠道内置 AI 驱动、拟人化、多语言对话的聊天机器人
快速搭建在线教育平台
提供域名注册、分析和保护服务
云原生 Kubernetes 容器化应用运行环境
以 Kubernetes 为使用界面的容器服务产品,提供符合容器规范的算力资源
安全的镜像托管服务,支持全生命周期管理
多集群环境下微服务应用流量统一管理
提供任意基础设施上容器集群的统一管控,助您轻松管控分布式云场景
高弹性、高可靠的企业级无服务器 Kubernetes 容器产品
敏捷安全的 Serverless 容器运行服务
为虚拟机和容器提供高可靠性、高性能、低时延的块存储服务
一款海量、安全、低成本、高可靠的云存储服务
可靠、弹性、高性能、多共享的文件存储服务
全托管、可扩展的并行文件系统服务。
全托管的 NoSQL 结构化数据实时存储服务
可抵扣多种存储产品的容量包,兼具灵活性和长期成本优化
让您的应用跨不同可用区资源自动分配访问量
随时绑定和解绑 VPC ECS
云网络公网、跨域流量统一计费
高性价比,可抵扣按流量计费的流量费用
创建云上隔离的网络,在专有环境中运行资源
在 VPC 环境下构建公网流量的出入口
具备网络状态可视化、故障智能诊断能力的自助式网络运维服务。
安全便捷的云上服务专属连接
基于阿里云专有网络的私有 DNS 解析服务
保障在线业务不受大流量 DDoS 攻击影响
系统运维和安全审计管控平台
业务上云的第一个网络安全基础设施
集零信任内网访问、办公数据保护、终端管理等多功能于一体的办公安全管控平台
提供7X24小时安全运维平台
防御常见 Web 攻击,缓解 HTTP 泛洪攻击
实现全站 HTTPS,呈现可信的 WEB 访问
为云上应用提供符合行业标准和密码算法等级的数据加解密、签名验签和数据认证能力
一款发现、分类和保护敏感数据的安全服务
创建、控制和管理您的加密密钥
快速提高应用高可用能力服务
围绕应用和微服务的 PaaS 平台
兼容主流开源微服务生态的一站式平台
多集群环境下微服务应用流量统一管理
Super MySQL 和 PostgreSQL,高度兼容 Oracle 语法
全托管 MySQL、PostgreSQL、SQL Server、MariaDB
兼容 Redis® 的缓存和KV数据库
兼容Apache Cassandra、Apache HBase、Elasticsearch、OpenTSDB 等多种开源接口
文档型数据库,支持副本集和分片架构
100%兼容 Apache HBase 并深度扩展,稳定、易用、低成本的NoSQL数据库。
低成本、高可用、可弹性伸缩的在线时序数据库服务
专为搜索和分析而设计,成本效益达到开源的两倍,采用最新的企业级AI搜索和AI助手功能。
一款兼容PostgreSQL协议的实时交互式分析产品
一种快速、完全托管的 TB/PB 级数据仓库
基于 Flink 为大数据行业提供解决方案
基于Qwen和其他热门模型的一站式生成式AI平台,可构建了解您业务的智能应用程
一站式机器学习平台,满足数据挖掘分析需求
高性能向量检索服务,提供低代码API和高成本效益
帮助您的应用快速构建高质量的个性化推荐服务能力
提供定制化的高品质机器翻译服务
全面的AI计算平台,满足大模型训练等高性能AI计算的算力和性能需求
具备智能会话能力的会话机器人
基于机器学习的智能图像搜索产品
基于阿里云深度学习技术,为用户提供图像分割、视频分割、文字识别等离线SDK能力,支持Android、iOS不同的适用终端。
语音识别、语音合成服务以及自学习平台
一站式智能搜索业务开发平台
助力金融企业快速搭建超低时延、高质量、稳定的行情数据服务
帮助企业快速测算和分析企业的碳排放和产品碳足迹
企业工作流程自动化,全面提高效率
金融级云原生分布式架构的一站式高可用应用研发、运维平台
eKYC 数字远程在线解决方案
可智能检测、大数据驱动的综合性反洗钱 (AML) 解决方案
阿里云APM类监控产品
实时云监控服务,确保应用及服务器平稳运行
为系统运维人员管理云基础架构提供全方位服务的云上自动化运维平台
面向您的云资源的风险检测服务
提升分布式环境下的诊断效率
日志类数据一站式服务,无需开发就能部署
ECS 预留实例
让弹性计算产品的成本和灵活性达到最佳平衡的付费方式。云原生 AI 套件
加速AI平台构建,提高资源效率和交付速度FinOps
实时分析您的云消耗并实现节约SecOps
实施细粒度安全控制DevOps
快速、安全地最大限度提高您的DevOps优势自带IP上云
自带公网 IP 地址上云全球网络互联
端到端的软件定义网络解决方案,可推动跨国企业的业务发展全球应用加速
提升面向互联网应用的性能和安全性全球互联网接入
将IDC网关迁移到云端云原生 AI 套件
加速AI平台构建,提高资源效率和交付速度FinOps
实时分析您的云消耗并实现节约SecOps
实施细粒度安全控制DevOps
快速、安全地最大限度提高您的DevOps优势金融科技云数据库解决方案
利用专为金融科技而设的云原生数据库解决方案游戏行业云数据库解决方案
提供多种成熟架构,解决所有数据问题Oracle 数据库迁移
将 Oracle 数据库顺利迁移到云原生数据库数据库迁移
加速迁移您的数据到阿里云阿里云上的数据湖
实时存储、管理和分析各种规模和类型的数据数码信贷
利用大数据和 AI 降低信贷和黑灰产风险面向企业数据技术的大数据咨询服务
帮助企业实现数据现代化并规划其数字化未来人工智能对话服务
全渠道内置 AI 驱动、拟人化、多语言对话的聊天机器人EasyDispatch 现场服务管理
为现场服务调度提供实时AI决策支持在线教育
快速搭建在线教育平台窄带高清 (HD) 转码
带宽成本降低高达 30%广电级大型赛事直播
为全球观众实时直播大型赛事,视频播放流畅不卡顿直播电商
快速轻松地搭建一站式直播购物平台用于供应链规划的Alibaba Dchain
构建和管理敏捷、智能且经济高效的供应链云胸牌
针对赛事运营的创新型凭证数字服务数字门店中的云 POS 解决方案
将所有操作整合到一个云 POS 系统中元宇宙
元宇宙是下一代互联网人工智能 (AI) 加速
利用阿里云 GPU 技术,为 AI 驱动型业务以及 AI 模型训练和推理加速DevOps
快速、安全地最大限度提高您的DevOps优势数据迁移解决方案
加速迁移您的数据到阿里云企业 IT 治理
在阿里云上构建高效可控的云环境基于日志管理的AIOps
登录到带有智能化日志管理解决方案的 AIOps 环境备份与存档
数据备份、数据存档和灾难恢复用阿里云金融服务加快创新
在云端开展业务,提升客户满意度
为全球资本市场提供安全、准确和数字化的客户体验
利用专为金融科技而设的云原生数据库解决方案
利用大数据和 AI 降低信贷和黑灰产风险
建立快速、安全的全球外汇交易平台
新零售时代下,实现传统零售业转型
利用云服务处理流量波动问题,扩展业务运营、降低成本
快速轻松地搭建一站式直播购物平台
面向大数据建设、管理及应用的全域解决方案
全渠道内置 AI 驱动、拟人化、多语言对话的聊天机器人
以数字化媒体旅程为当今的媒体市场准备就绪您的内容
带宽成本降低高达 30%
快速轻松地搭建一站式直播购物平台
为全球观众实时直播大型赛事,视频播放流畅不卡顿
使用阿里云弹性高性能计算 E-HPC 将本地渲染农场连接到云端
构建发现服务,帮助客户找到最合适的内容
保护您的媒体存档安全
通过统一的数据驱动平台提供一致的全生命周期客户服务
在钉钉上打造一个多功能的电信和数字生活平台
在线存储、共享和管理照片与文件
提供全渠道的无缝客户体验
面向中小型企业,为独立软件供应商提供可靠的IT服务
打造最快途径,助力您的新云业务扬帆起航
先进的SD-WAN平台,可实现WAN连接、实时优化并降低WAN成本
通过自动化和流程标准化实现快速事件响应
针对关键网络安全威胁提供集中可见性并进行智能安全分析
提供大容量、可靠且高度安全的企业文件传输
用智能技术数字化体育赛事
基于人工智能的低成本体育广播服务
专业的广播转码及信号分配管理服务
基于云的音视频内容引入、编辑和分发服务
在虚拟场馆中模拟关键运营任务
针对赛事运营的创新型凭证数字服务
智能和交互式赛事指南
轻松管理云端背包单元的绑定直播流
通过数据加强您的营销工作
元宇宙是下一代互联网
利用生成式 AI 加速创新,创造新的业务佳绩
阿里云高性能开源大模型
借助AI轻松解锁和提炼文档中的知识
通过AI驱动的语音转文本服务获取洞察
探索阿里云人工智能和数据智能的所有功能、新优惠和最新产品
该体验中心提供广泛的用例和产品帮助文档,助您开始使用阿里云 AI 产品和浏览您的业务数据。
利用阿里云 GPU 技术,为 AI 驱动型业务以及 AI 模型训练和推理加速
元宇宙是下一代互联网
构建发现服务,帮助客户找到最合适的内容
全渠道内置 AI 驱动、拟人化、多语言对话的聊天机器人
加速迁移您的数据到阿里云
在阿里云上建立一个安全且易扩容的环境,助力高效率且高成本效益的上云旅程
迁移到完全托管的云数据库
将 Oracle 数据库顺利迁移到云原生数据库
自带公网 IP 地址上云
利用阿里云强大的安全工具集,保障业务安全、应用程序安全、数据安全、基础设施安全和帐户安全
保护、备份和还原您的云端数据资产
MLPS 2.0 一站式合规解决方案
快速高效地将您的业务扩展到中国,同时遵守适用的当地法规
实现对 CloudOps、DevOps、SecOps、AIOps 和 FinOps 的高效、安全和透明的管理
构建您的原生云环境并高效管理集群
快速、安全地最大限度提高您的DevOps优势
实施细粒度安全控制
提供运维效率和总体系统安全性
实时分析您的云消耗并实现节约
实时存储、管理和分析各种规模和类型的数据
登录到带有智能化日志管理解决方案的 AIOps 环境
帮助企业实现数据现代化并规划其数字化未来
帮助零售商快速规划数字化之旅
将全球知名的 CRM 平台引入中国
在线存储、共享和管理照片与文件
构建、部署和管理高可用、高可靠、高弹性的应用程序
快速、安全地最大限度提高您的DevOps优势
将您的采购和销售置于同一企业级全渠道数字平台上
企业内大数据建设、管理和应用的一站式解决方案
帮助企业简化 IT 架构、实现商业价值、加速数字化转型的步伐
快速高效地将您的业务扩展到中国,同时遵守适用的当地法规
快速搜集、处理、分析联网设备产生的数据
0.0.201
数据质量为您提供多种内置监控模板。本文为您介绍数据质量的校检逻辑及内置模板规则。
计算波动率:您可以根据波动率计算公式(波动率=(样本-基准值)/基准值
)计算结果。
样本
当天采集的具体的样本的值。例如对于SQL任务表行数,1天波动检测,则样本是当天分区的表行数。
基准值
历史样本的对比值:
如果规则是SQL任务表行数,相比7天前的波动率,则基准值是7天前那一天分区产生的表行数。即今天的采样结果与7天前那一天分区的结果比较波动率。
如果规则是SQL任务表行数的7天平均值波动检测,则基准值是前7天的表行数的平均值。即(7天内每天表行数之和)/7。
数据质量支持与固定值比较、波动值比较和动态阈值三种校检方式。
校检方式 | 校检逻辑 |
校检方式 | 校检逻辑 |
与固定值比较 |
|
波动值比较 | 波动率支持比较上升、下降、绝对值三种类型,以波动率绝对值为例:
|
动态阈值 | 您无需手动设置阈值,系统会自动根据算法模型实时检测指标的正确性。如果超出合理的波动范围,便进行报警。 |
您可以通过内置规则模板快速为单表或一批表批量创建数据质量规则。详情请参见:配置规则:按表(单表)、配置规则:按模板(批量)。
模板分类 | 模板名称 | 描述 |
模板分类 | 模板名称 | 描述 |
表行数 | 表行数,固定值 | 表行数。 |
表行数大于0 | 判断表行数是否大于0。 | |
表行数,1天差值 | 表的行数,相比1天前的差额。 说明 基准值为昨天分区的表行数,比较当天采集的表行数,对比差值。 | |
表行数,上周期差值 | 基准值为上一周期产生的分区的表行数,比较当天采集的表行数,对比差值。 | |
表行数,1,7,30天,本月1号,波动率 | 表行数,与1天前的样本、7天前的样本、30天前的样本和本月1号采集样本(表行数),进行比较,对比波动率,再与阈值进行比较,只要有一个不符合规则即可触发报警。 | |
表行数,1,7,30天波动率 | 同1天、1周和1个月前采集的表行数进行比较,对比波动率。 说明 表的行数,分别与昨天的样本、7天前的样本和30天前的样本来进行数据比对,计算波动率,再与阈值进行比较,只要其中有一个波动率超过阈值就会报警。 | |
表行数,1天波动率 | 基准值为昨天的样本(表行数),比较当天采集的表行数,对比波动率。再与阈值进行比较,只要有一个不符合规则即可触发报警。 | |
表行数,30天波动率 | 基准值为30天前的样本(表行数),比较当天采集的表行数,对比波动率,再与阈值进行比较,只要有一个不符合规则即可触发报警。 | |
表行数,7天波动率 | 基准值为7天前样本(表行数),比较当天采集的表行数,对比波动率。再与阈值进行比较,只要有一个不符合规则即可触发报警。 | |
表行数,动态阈值 | 开启智能动态阈值后,无需手动配置波动阈值或期望值,系统会根据智能算法,自动判断合理阈值。若发现数据异常,会即时触发告警或阻塞。 | |
表行数,30天平均值波动率 | 该模板用于监控表行数的波动情况,基准值是最近30天的表行数的平均值。即(30天内每天表行数之和)/30。 | |
表行数,7天平均值波动率 | 该模板用于监控表行数的波动情况,基准值是最近7天的表行数的平均值。即(7天内每天表行数之和)/7。 | |
表行数,上周期波动率 | 基准值为上一周期产生的分区的表行数,比较当天采集的表行数,对比波动率。 | |
表行数,自定义范围 | 自定义设置表行数的对比方式和比较阈值范围。 | |
条件匹配率 | 条件匹配占比,自定义范围 | 自定义设置过滤条件的匹配率的对比方式和比较阈值范围。 |
表大小 | 表大小,固定值。 | 表的空间大小(字节)。 |
表大小,相比1天前的差值(字节) | 表的空间大小,相较于1天前的差值(字节)。 | |
表大小,上周期差值。 | 相比上一周期表大小的差值(字节)。 | |
表大小,1天波动率 | 该模板用于监控表大小的波动情况,样本对比值是与昨天的额度样本进行比较,计算波动率,再与阈值进行比较,只要有一个不符合规则即可触发报警。 例如,填写橙色阈值为5%,红色阈值为10%。当波动率大于5%且小于等于10%时,会进行橙色报警。当波动率大于10%时,会进行红色报警。 | |
表大小,30天波动率 | 该模板用于监控表大小的波动情况,样本对比值是与30天前的额度样本进行比较,计算波动率,再与阈值进行比较,只要有一个不符合规则即可触发报警。 | |
表大小,7天波动率 | 该模板用于监控表大小的波动情况,样本对比值是与7天前的额度样本进行比较,计算波动率,再与阈值进行比较,只要有一个不符合规则即可触发报警。 | |
表大小,动态阈值 | 开启智能动态阈值后,无需手动配置波动阈值或期望值,系统会根据智能算法,自动判断合理阈值。若发现数据异常,会即时触发告警或阻塞。 | |
空值行数 | 空值个数,固定值 | 取该字段的空值数与固定值进行比较。 说明 是否为空值,是通过转换为SQL的 |
空值记录数为0 | 判断空值记录数是否为0。 | |
空值行数/总行数 | 空值个数/总行数,固定值 | 空值的个数与行总数的比率与一个固定值进行比较。 说明 该固定值是一个小数。 |
格式校验 | 正则表达式校验 | 判断字段是否符合正则表达式规则。 |
日期格式校验 | 判断字段是否符合日期格式。 | |
电子邮箱格式校验 | 判断字段是否符合电子邮箱格式。 | |
身份证格式校验 | 判断字段是否符合身份证格式。 | |
手机号码格式校验 | 判断字段是否符合手机号码格式。 | |
货币格式校验 | 判断字段是否符合货币格式。 | |
数值格式校验 | 判断字段是否符合数值格式。 | |
电话号码格式校验 | 判断字段是否符合电话号码格式。 | |
重复值行数 | 重复值个数,固定值 | 总行数减去重复后的个数,即字段重复值的个数。重复值个数与固定值进行比较。 |
字段重复值为0 | 判断字段重复值是否为0。 | |
多字段唯一值 | 多字段重复值为0 | 判断多字段重复值是否为0。 |
重复值个数/总行数 | 重复值个数/总行数,固定值 | 重复值个数与总行数的比率与一个固定值进行比较。 |
唯一值数 | 唯一值个数,固定值 | 去重后的count数与一个期望数字进行比较,即固定值校验。 |
唯一值个数,1、7、30天波动率 | 去重后的count数与1天、1周和1个月前的样本(字段为一值个数)比较进行比较,即固定值校检。 | |
唯一值个数,动态阈值 | 开启智能动态阈值后,无需手动配置波动阈值或期望值,系统会根据智能算法,自动判断合理阈值。若发现数据异常,会即时触发告警或阻塞。 | |
唯一值数/总行数 | 唯一值个数/总行数,固定值 | 唯一值个数与总行数的比率与一个固定值进行比较。 |
最小值 | 最小值,1、7、30天波动率 | 取该字段的最小值,同1天、7天和1个月前的样本(字段平均值)进行比较,计算波动率。再与阈值进行比较,只要有一个不符合规则即可触发报警。 |
最小值,动态阈值。 | 开启智能动态阈值后,无需手动配置波动阈值或期望值,系统会根据智能算法,自动判断合理阈值。若发现数据异常,会即时触发告警或阻塞。 | |
最小值,1天波动率 | 取该字段的最小值,与前1天进行比较,计算出波动率后,再与阈值进行比较。 | |
最小值,上周期的波动率 | 取该字段的最小值,与上一周期进行比较,计算出波动率后,再与阈值进行比较,只要有一个不符合规则即可触发报警。 | |
字段最小值,自定义范围 | 自定义设置字段最小值的对比方式和比较阈值范围。 | |
最大值 | 最大值,1、7、30天波动率 | 取该字段的最大值,同1天、7天和1个月前的样本(字段平均值)进行比较,计算波动率。再与阈值进行比较,只要有一个不符合规则即可触发报警。 |
最大值,动态阈值 | 开启智能动态阈值后,无需手动配置波动阈值或期望值,系统会根据智能算法,自动判断合理阈值。若发现数据异常,会即时触发告警或阻塞。 | |
最大值,1天波动率 | 取该字段的最大值,与前1天进行比较,计算出波动率后,再与阈值进行比较。 | |
最大值,上周期的波动率 | 取该字段的最大值,与上一周期进行比较,计算出波动率后,再与阈值进行比较,只要有一个不符合规则即可触发报警。 | |
字段最大值,自定义范围 | 自定义设置字段最大值的对比方式和比较阈值范围。 | |
平均值 | 平均值,1、7、30天波动率 | 取该字段的平均值,与1天、7天和1个月前的样本(字段平均值)进行比较,计算波动率。再与阈值进行比较,只要有一个不符合规则即可触发报警。 说明 该字段的平均值,分别与昨天该字段平均值,7天前该字段平均值,30天前该字段平均值进行比较。 |
平均值动态阈值 | 开启智能动态阈值后,无需手动配置波动阈值或期望值,系统会根据智能算法,自动判断合理阈值。若发现数据异常,会即时触发告警或阻塞。 | |
平均值,1天波动率 | 取该字段的平均值,与前1天进行比较,计算出波动率后,再与阈值进行比较。 | |
字段均值,自定义范围 | 自定义设置字段平均值的对比方式和比较阈值范围。 | |
汇总值 | 汇总值,1、7、30天波动率 | 取该字段的sum值,同1天、7天和1个月前的样本(字段平均值)进行比较,计算波动率。再与阈值进行比较,只要有一个不符合规则即可触发报警。 |
汇总值,动态阈值 | 开启智能动态阈值后,无需手动配置波动阈值或期望值,系统会根据智能算法,自动判断合理阈值。若发现数据异常,会即时触发告警或阻塞。 | |
汇总值,1天波动率 | 取该字段的sum值,与前1天进行比较,计算出波动率后,再与阈值进行比较。 | |
汇总值,上周期的波动率 | 取该字段的sum值,与上一周期进行比较,计算出波动率后,再与阈值进行比较,只要有一个不符合规则即可触发报警。 | |
字段汇总值,自定义范围 | 自定义设置字段汇总值的对比方式和比较阈值范围。 | |
枚举值 | 枚举值不匹配唯一值个数,固定值 | 取不匹配的枚举项唯一值个数进行比较。 |
枚举值不匹配行数,固定值 | 该字段具体出现枚举项不匹配的行数,可与一个指定的固定值比较。 | |
枚举值不匹配行数为0 | 期望的正常状态:固定值和比较方式被设置为=0,只要有枚举项不匹配的行数 > 0 就会报警。 | |
枚举值,自定义,固定值 | 自定义设置枚举项相关的个数、行数、比较方式、阈值等统计指标。 | |
离散值 | 离散值(状态值),固定值 | group by之后的分组,每组count数,与固定值进行比较。 |
离散值(分组个数),固定值 | group by之后的分组数,与固定值进行比较。 | |
离散值(分组个数),动态阈值 | 开启智能动态阈值后,无需手动配置波动阈值或期望值,系统会根据智能算法,自动判断合理阈值。若发现数据异常,会即时触发告警或阻塞。 | |
离散值(状态值),动态阈值 | 开启智能动态阈值后,无需手动配置波动阈值或期望值,系统会根据智能算法,自动判断合理阈值。若发现数据异常,会即时触发告警或阻塞。 | |
离散值(分组个数),1天波动率 | group by之后的分组数,与1天前样本进行比较,计算波动率。 | |
离散值(分组个数及状态值),1、7、30天波动率 | group by之后的分组数和分组后每组count数,与1天前的样本、7天前的样本、30天前的样本(离散值)进行比较,计算波动率。 |
EMR表不支持配置表大小类校验规则。
上一周期任务可以通过排除掉相同业务日期的校验,按业务日期倒序排列,若业务日期相同,则再按运行时间进行倒序排列,取第一个执行的任务作为基准,详情请参见下表:
调度类型 | 业务日期 | 基准对比方式 | 常见问题 |
调度类型 | 业务日期 | 基准对比方式 | 常见问题 |
正常日调度场景 | 历史业务日期:
| 当业务日期为2024-06-06的调度任务开始校验时,取2024-06-05的校验作为基准进行比较。 | 补历史数据场景: 背景: 2024-06-01至2024-06-05日正常执行,但在2024-06-05日调度实例执行后,对该业务日期为2024-07-01日的实例进行了补数据,当业务日期2024-06-06调度任务开始校验时,基准对比日期为哪一天? 结论: 业务日期2024-06-06调度任务会取业务日期2024-07-01的校验作为基准进行对比。由于2024-07-01业务日期较大,因此,正常的日调度任务直至2024-07-02的调度实例执行完成前,都会以2024-07-01为基准。 |
正常小时调度场景 | 历史业务日期:
任务按小时调度,每日执行3次。 | 当业务日期2024-06-04的小时调度任务开始校验时,取业务日期2024-06-03的最后一次校验作为基准进行对比。 | 小时调度场景: 背景: 2024-06-01至2024-06-03每日三个小时调度与业务日期2024-06-04的第1个调度正常执行,那么在业务日期2024-06-04的第2调度实例开始校验时,基准对比的日期为哪一天? 结论: 业务日期2024-06-04的第2个调度任务实例开始校验时,会排除掉当天(2024-06-04)的第1次校验,取业务日期2024-06-03的最后一次校验作为基准进行对比。 |
小时任务取N天前样本时,会先按照第N天运行时间(非定时时间)倒序排列,默认获取运行时间倒序排列后的第一个实例的结果数据作为样本值与当前结果进行比较,详情请参见下表:
调度类型 | 业务日期 | 波动率对比方式 | 常见问题 |
调度类型 | 业务日期 | 波动率对比方式 | 常见问题 |
正常小时调度场景 | 历史业务日期:
任务按小时调度,每日执行3次。 | 若对比的是7日波动率,当运行日期为2024-06-08的小时调度任务开始校验时,取运行日期为2024-06-01日最后一次的样本值。 | 小时调度场景: 背景: 2024-06-01至2024-06-08每日三个小时调度,那么在运行日期2024-06-08的第2个调度实例开始校验时,7日波动率对比的是哪一天的哪一个调度结果作为样本值? 结论: 运行日期2024-06-08日第2个调度任务实例开始校验时,取任务日期2024-06-01日最后一次校验作为样本值进行7日波动率的对比。 |