[发明专利]一种查询时序数据统计最大连续递增次数与递减次数的处理方法

摘要

本发明公开了一种查询时序数据统计最大连续递增次数与递减次数的处理方法，本发明预先对数据序列分组，然后计算每个分组的最大连续递增与递减次数、首元素、尾元素、从首元素开始的连续递增与递减次数、以尾元素为止的连续递增与递减次数及每个分组的元素个数，把中间结果存储在相应时间戳上，查询时根据指定时间戳快速得到计算结果；由于只存储计算后的中间结果，内存耗费降低，存储效率提高，因为提前计算好了中间结果，所以在查询时响应速度极快；最为重要的是，这部分结果跟着系统时间移动而不断变化，能够达到时间窗口平滑移动的目的。本发明适用于时序数据处理技术等数据分析领域，能够显著提升计算时序数据最大连续递增与递减次数的速度。

主权项

1.一种对时序数据统计最大连续递增次数与递增次数的处理方法，其特征在于，对于一个时序数据集合P＝{(t₁,v₁),(t₂,v₂),(t₃,v₃),…,(t_n,v_n)}，其中t代表不同事件时间，v代表对应时间上的一个事件；对该时间数据序列，计算其在任意时间区间内的最大连续递增(减)次数，具体处理步骤为：(1)根据时间切片长度TS对数据集合进行分组，得到集合M＝{{(t₁,v₁),(t₂,v₂)…(t_m1,v_m1)},{(t_m1+1,v_m1+1),(t_m2+2,v_m2+2)…(t_m2,v_m2)}…{(t_mi+1,v_mi+1),(t_mi+2,v_mi+2)…(t_n,v_n)}}：对于集合P里的每个元素(t,v)，都有(t,v)属于而且仅属于集合M的一个元素M_x，其中(t,v)与M_x的映射关系为t/TS+1＝x。(2)对于集合M中的每个元素M_x，计算其最大连续递增(减)序列的递增(减)次数count、首元素head、尾元素tail、M_x中从首元素head开始的连续递增(减)序列的递增(减)次数headCount、M_x中以尾元素tail为止的连续递增(减)序列的递增(减)次数tailCount、M_x元素的个数size，记为f_x＝(head_x,tail_x,size_x,count_x,headCount_x,tailCount_x)，所有的f_x组成集合FV＝{f₁,f₂…f_x}。(3)查询移动窗口中间结果集：根据指定时间戳T(可以是任意时间)和时间切片个数TC，找到T对应的f_x，那么集合S_x＝{f_x‑TC,f_x–TC+1,…f_x}就是该查询的中间结果集。(4)计算移动窗口的递增(减)次数：对中间结果集S_x中的元素从前到后依次合并，相邻两个元素合并成一个新元素，假设合并后的新元素是f_new，合并前两个相邻的元素是f_a和f_b，其中f_a在前，f_b在后，那么，head_new＝head_a，tail_new＝tail_b，size_new＝size_a+size_b；当tail_a小于(大于)head_b时，count_new＝Max(count_a,count_b,tail_a+head_b+1)，否则count_new＝Max(count_a,count_b)；当tail_a小于(大于)head_b而且headCount_a＝size_a‑1时，headCount_new＝headCount_a+1+headCount_b，否则headCount_new＝headCount_a；当tail_a小于(大于)head_b而且tailCount_b＝size_b‑1时，tailCount_new＝tailCount_b+1+tailCount_a，否则tailCount_new＝tailCount_b；这样依次合并后得到最终的一个元素，该元素的count就是移动窗口的最大连续递增(减)次数。