网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts盘古助手
华为云Astro大屏应用
计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
云手机服务器 CPH
专属主机 DeH
弹性伸缩 AS
镜像服务 IMS
函数工作流 FunctionGraph
云耀云服务器(旧版)
VR云渲游平台 CVR
Huawei Cloud EulerOS
云化数据中心 CloudDC
网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
CDN与智能边缘
内容分发网络 CDN
智能边缘云 IEC
智能边缘平台 IEF
CloudPond云服务
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
可信智能计算服务 TICS
推荐系统 RES
云搜索服务 CSS
数据可视化 DLV
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
湖仓构建 LakeFormation
智能数据洞察 DataArts Insight
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
开天aPaaS
应用平台 AppStage
开天企业工作台 MSSE
开天集成工作台 MSSI
API中心 API Hub
云消息服务 KooMessage
交换数据空间 EDS
云地图服务 KooMap
云手机服务 KooPhone
组织成员账号 OrgID
云空间服务 KooDrive
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
区块链
区块链服务 BCS
数字资产链 DAC
华为云区块链引擎服务 HBS
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
价格
成本优化最佳实践
专属云商业逻辑
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
其他
管理控制台
消息中心
产品价格详情
系统权限
客户关联华为云合作伙伴须知
公共问题
宽限期保留期
奖励推广计划
活动
云服务信任体系能力说明
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts盘古助手
华为云Astro大屏应用
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
存储容灾服务 SDRS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
云存储网关 CSG
专属分布式存储服务 DSS
数据工坊 DWR
地图数据 MapDS
键值存储服务 KVS
容器
云容器引擎 CCE
云容器实例 CCI
容器镜像服务 SWR
云原生服务中心 OSC
应用服务网格 ASM
华为云UCS
数据库
云数据库 RDS
数据复制服务 DRS
文档数据库服务 DDS
分布式数据库中间件 DDM
云数据库 GaussDB
云数据库 GeminiDB
数据管理服务 DAS
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
AI开发平台ModelArts
华为HiLens
图引擎服务 GES
图像识别 Image
文字识别 OCR
自然语言处理 NLP
内容审核 Moderation
图像搜索 ImageSearch
医疗智能体 EIHealth
企业级AI应用开发专业套件 ModelArts Pro
人脸识别服务 FRS
对话机器人服务 CBS
语音交互服务 SIS
人证核身服务 IVS
视频智能分析服务 VIAS
城市智能体
自动驾驶云服务 Octopus
盘古大模型 PanguLargeModels
IoT物联网
设备接入 IoTDA
全球SIM联接 GSL
IoT数据分析 IoTA
路网数字化服务 DRIS
IoT边缘 IoTEdge
设备发放 IoTDP
企业应用
域名注册服务 Domains
云解析服务 DNS
企业门户 EWP
ICP备案
商标注册
华为云WeLink
华为云会议 Meeting
隐私保护通话 PrivateNumber
语音通话 VoiceCall
消息&短信 MSGSMS
云管理网络
SD-WAN 云服务
边缘数据中心管理 EDCM
云桌面 Workspace
应用与数据集成平台 ROMA Connect
ROMA资产中心 ROMA Exchange
API全生命周期管理 ROMA API
政企自服务管理 ESM
视频
实时音视频 SparkRTC
视频直播 Live
视频点播 VOD
媒体处理 MPC
视频接入服务 VIS
数字内容生产线 MetaStudio
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
专属云
专属计算集群 DCC
开发者工具
SDK开发指南
API签名指南
DevStar
华为云命令行工具服务 KooCLI
Huawei Cloud Toolkit
CodeArts API
云化转型
云架构中心
云采用框架
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
客户运营能力
国际站常见问题
支持计划
专业服务
合作伙伴支持计划
我的凭证
华为云公共事业服务云平台
工业软件
工业数字模型驱动引擎
硬件开发工具链平台云服务
工业数据转换引擎云服务
本文导读

展开导读

数据质量

更新时间:2024-05-06 GMT+08:00
分享

数据质量监控

数据质量管理围绕着数据从产生要销毁的全生命周期,共分为事前防范、事中监控与事后治理三个阶段。事前防范即依照数据标准对业务源端数据产生的过程进行约束,规避问题数据的产生,同时对已发现的存量数据问题进行修正,从而规避由于数据质量问题导致的后续数据使用异常。在数据质量管理的实施过程中在推动业务侧做好事前防范的同时,需要重点关注数据质量的监控以及数据质量的整体提升。

数据质量监控模块是对数据库里的数据质量进行质量管理的工具。可从完整性、有效性、及时性、一致性、准确性、唯一性六个维度进行单列、跨列、跨行和跨表的分析。并能够根据数据标准自动生成质量作业。需要注意的是,数据质量的提升是一个持续的过程,需要贯穿在数据创建,转换和数据传输的整个生命周期。

  • 规则模板

    创建规则是数据质量的核心,数据质量支持对离线数据的监控,您可根据表的实际需要创建规则。目前创建规则的方式包括模板规则和自定义规则。

    系统内置的模板规则共计20种,分为库级规则、表级规则、字段级规则和跨字段级规则四种类型,常见的有表行数、字段唯一值、字段空值、字段重复值、正则表达式校验、日期格式校验、字段一致性校验、合法性校验、枚举值校验等。当系统内置规则模板不足以满足您的需求,可通过自定义的方式新建规则模板。

    新建规则模板

    以常用的“长时间_XXX域格式校验”为例:

    选择控制台 > 数据质量 > 规则模板 单击“新建”,在弹出的新建规则模板页面中进行配置

    图1 规则模板1

    在弹出的新建规则模板页面中输入规则名称,选择规则匹配的维度,定义SQL模板并对输出结果进行说明。

    图2 规则模板2

    维度:数据质量支持从完整性、有效性、及时性、一致性、准确性、唯一性六个维度进行单列、跨列、跨行和跨表的分析。自定义质量规则时,请对此规则进行维度匹配。

    定义关系:输入SQL语句,实现对数据的查找。

    样例1:统计表行数,输入SQL语句

    select count(${Column1}) from ${Schema_Table1}

    其中${Column1}通过单击“添加字段参数”生成,${Schema_Table1} 通过单击“添加库表参数”生成。

    样例2:“长时间_XXX格式校验”,输入SQL语句

    select ifnull(b - a,0),ifnull(a,0), ifnull(b,0),ifnull(a/b, 1) from ( select ( select count(1) as a from ${Schema_Table1} where ${Column1} regexp '(^((1[8-9][0-9]{2})|(2[0-9]{3}))-(((01|03|05|07|08|10|12)-((0[1-9])|([1-2][0-9])|(3[0-1])))|((04|06|09|11)-((0[1-9])|([1-2][0-9])|(30)))|((02)-((0[1-9])|([1-2][0-9])))) ((0[0-9])|(1[0-9])|(2[0,1,2,3])):([0-5][0-9]):([0-5][0-9])$)' ) a,( select count(1) as b from ${Schema_Table1}) b )

    输出结果说明:对SQL获得结果的每一列进行说明,列说明之间用逗号进行分隔。

    样例:“长时间_XXX格式校验”,输出结果说明为:

    非法行数,合法行数,总行数,合法比率

    结果说明应该与关系定义的输出结果顺序一一对应。

    描述:用于通过文字阐述数据质量监控规则的依据及规则内容

    样例:“长时间_XXX格式校验”,描述为:

    用于数据标准【长时间_XXX】的格式校验,YYYY-MM-DD 时(2位):分(2位):秒(2位)

    单击“确定”后,系统默认发布此规则模板,版本名称默认为V1.0。

    图3 规则模板3

    管理规则模板

    自定义规则模板不支持直接修改已发布的历史版本。当您有修改需求,可以通过发布新版本以修改规则模板,并可以选择下线历史版本且将待下线历史版本关联的作业迁移到新版本上。具体请参见如下操作。

    选择“数据质量监控 > 规则模板”,在规则模板列表中找到待修改的规则模板,单击操作列的“发布”。

    图4 规则模板4

    支持修改维度,修改输出结果说明和重新定义关系。

    图5 规则模板5

    单击“发布新版本”,在提交发布对话框中,重新设置版本名称,并确认发布。

    图6 规则模板6

    提交发布后,单击操作列的“发布历史”,可以查看该规则模板的发布记录,支持查看变化信息、修改版本名称、下线对应版本等。

    图7 规则模板7

    如需下线历史版本,单击历史版本最右侧的“下线”按钮。

    如果该版本没有关联作业,单击确认即可下线。

    如果该版本存在关联作业,需要选择迁移版本,将新版本与作业关联后,单击确认才能完成下线。

    图8 规则模板8
    图9 规则模板9

    发布历史处支持进行版本比对,直观展示修改点。

    图10 规则模板10
  • 质量作业

    在规范设计中,基于数据模型,提供了自动创建质量作业的能力,自动生成数据质量作业需要5步:

    1. 创建数据标准
    2. 在已经创建好的数据标准关联质量规则或者引用码表
    3. 新建模型
    4. 模型关联数据标准
    5. 模型发布

    创建标准并关联质量作业

    进入规范设计单击左侧“数据标准”菜单,进入数据标准界面,单击“新建”按钮,进入数据标准创建界面。

    图11 质量作业1

    引用码表数据标准:填写标准名称、标准编码、数据类型、描述信息等,并选择要引用的码表及码表字段,完成配置后发布。

    图12 质量作业2

    关联质量规则数据标准:填写标准名称、标准编码、数据类型、描述信息等,并配置质量规则,内置20个质量规则,包括行数、字段唯一值、空值、重复值、身份证、枚举值、邮箱、正则表达式等,完成配置后发布。

    图13 质量作业3

    关联质量规则数据标准:填写标准名称、标准编码、数据类型、描述信息等,并通过自定义正则表达式配置质量规则,完成配置后发布。

    图14 质量作业4

    模型关联质量规则并发布

    如下在建模过程中,编辑时可以针对每一个字段关联数据标准从而生成。选择需要生成数据质量作业的逻辑模型,单击“编辑”按钮。

    图15 质量作业5

    通过将数据模型中具体字段与数据标准已定义的数据质量规则、码表、枚举值、长度等内容,来基于统一数据标准监控表中的数据质量。

    图16 质量作业6

    发布模型,配置了质量规则后,需要发布模型才能生成质量作业。

    首先,需要确保质量作业开关是开着的,在配置中心选择功能配置,点选创建质量作业并单击确定即可。

    审核并发布后,即可自动生成质量作业:

    图17 质量作业7
  • 对账作业

    数据对账对于数据开发和数据迁移流程中的数据一致性至关重要,而跨源数据对账的能力是检验数据迁移或数据加工前后是否一致的关键指标。数据质量监控中的对账作业支持跨源数据对账能力,可将创建的规则应用到两张表中进行质量监控,并输出对账结果。

    对账作业的功能是检测两张表的一致性的,一般用源数据经过数据集成后进行一致性和完整性验证,用到最多的就是表行数和数据表空值扫描功能

    创建对账作业如下图所示:主要功能是选择源库表和目的表进行对比,可以多表一起对比,计算范围建议第一次是全表扫描,后续是增量扫描。

    图18 对账作业
  • 运维管理

    用于查看质量作业的运行记录和运行结果,支持按时间和名称、运行状态筛选运行记录,其中运行结果链接可以查看规则的运行结果详细信息,如果出现异常还可以通过查看执行日志查看异常原因,也可以在处理问题中转发给指定负责人进行处理。

    图19 运维管理1
    图20 运维管理2
  • 质量报告

    质量报告功能分为两个角度:业务质量报告和技术质量报告。

    业务质量报告:是从规范设计中的业务分层角度统计不同分层的业务质量运行结果数据,并根据汇总数据结果,对不同业务分层进行质量打分,评估数据质量状况。

    技术质量报告:是从数据本身的技术分层角度(即连接、库、表、字段)统计不同数据分层的数据质量运行结果数据,并根据统计数据结果,对不同的库、表进行质量评分。

    对于以上两种不同的质量报告,均支持按天查看质量评分,查看最近7天的质量评分历史变化趋势,以及逐层下钻查看质量评分来源及关联的数据质量规则。

    图21 质量报告

    数据质量提升是一个发现问题、分析问题、处理问题的过程,首先是基于质量作业的监控发现并跟踪数据质量问题,其次是对数据质量问题的异常情况与产生原因进行分析,待分析出结果后再制定相应的解决方案解决数据质量问题,从而达到数据质量逐步提升的最终效果。

    数据质量问题分析:针对数据质量作业中发现的数据问题,通过数据质量规则,结合对异常数据的探查统计,分析问题类型与问题产生原因,用以制定问题解决方案。

    数据质量问题处理:经由数据质量问题分析后,常见异常数据产生原因与处理方式如下:

    表1 常见异常数据产生原因与处理方式

    产生原因

    问题举例

    处理方式

    数据标准定义有误

    例如数据标准中“客户代码”并没有相应的编码或业务标准,无需进行格式、长度相关的质量检查

    在质量作业中取消相应质量规则

    数据标准关联有误

    例如将数据标准“长时间_XX域”关联到实际数据内容为日期的字段,从而导致质检结果显示该字段数据内容全部异常

    核实数据实际内容与业务含义,在质量作业中取消相应质量规则,或关联上相匹配的数据标准

    质量规则有误

    例如数据标准“XXX”定义数据为001~999,但在设计质量规则时将000视为正常数据

    调整质量规则,使其与数据标准逻辑一致

    数据系统建设阶段没有统一的格式标准,以及数据录入过程中未进行格式约束,更或是系统升级或切换过程中未对存量数据进行格式同化处理,导致数据质量较差

    例如时间或日期数据存在上百种异常情况,在数据使用过程中,影响基于时间的范围限定以及基于时间的数据分析,无法有效的发挥数据价值

    将数据异常情况反馈至业务部门,建议其对存留数据进行统一格式处理,并对录入过程进行格式约束

    在出现数据质量问题影响到数据使用,但数据部门尚无能力整改的情况下,可针对性的对数据进行清洗转换处理,待业务端完成整改后再取消清洗转换动作

提示

您即将访问非华为云网站,请注意账号财产安全

文档反馈

文档反馈

意见反馈

0/500

标记内容

同时提交标记内容