一种体彩异常交易请求的监控系统及方法

摘要

本发明公开了一种体彩异常交易请求的监控系统及方法，其中，该系统包括：日志收集模块，用于获取体彩交易系统的交易流水日志；日志缓存模块，用于将交易流水日志缓存至第一缓存队列；日志处理模块，用于对第一缓存队列中的交易流水日志进行分割，对分割后的交易流水日志进行清洗，清洗掉不需要的内容，逐条对清洗后的日志中的字段进行格式转换及翻译，并标记出异常的请求，将处理后的日志数据写入日志缓存模块中的第二缓存队列；数据推送模块，用于根据第二缓存队列中的日志数据，进行逻辑处理并推送至监控页面进行显示及告警。基于该系统及方法可以极低延迟完成体彩异常交易请求的检测，保证体彩业务正常开展。

权利要求

1.一种体彩异常交易请求的监控系统，其特征在于，该系统包括：日志收集模块，用于获取体彩交易系统的交易流水日志；

日志缓存模块，用于将所述交易流水日志缓存至第一缓存队列；

日志处理模块，用于对所述第一缓存队列中的交易流水日志进行分割，对分割后的交易流水日志进行清洗，清洗掉不需要的内容，逐条对清洗后的日志中的字段进行格式转换及翻译，并标记出异常的请求，将处理后的日志数据写入所述日志缓存模块中的第二缓存队列；

数据推送模块，用于根据所述第二缓存队列中的日志数据，进行逻辑处理并推送至监控页面进行显示及告警。

2.根据权利要求1所述的体彩异常交易请求的监控系统，其特征在于，所述日志缓存模块中部署有Kafka消息队列集群，包括第一缓存队列及第二缓存队列。

3.根据权利要求1或2所述的体彩异常交易请求的监控系统，其特征在于，所述日志处理模块包括：日志读取单元，利用Storm集群中的KafkaSpout组件实时读取所述第一缓存队列中的交易流水日志；

日志分割单元，利用Storm集群中的分割组件对所述交易流水日志进行分割，并对分割后的交易流水日志进行清洗，清洗掉不需要的内容，得到清洗后的日志；

日志转换单元，利用Storm集群中的转换组件逐条对所述清洗后的日志中的字段进行格式转换及翻译，并标记出异常日志，得到处理后的日志数据；

日志写入单元，用于将所述处理后的日志数据实时写入所述第二缓存队列。

4.根据权利要求3所述的体彩异常交易请求的监控系统，其特征在于，日志中的字段包括请求id、省份、返回码及指令属性编码。

5.根据权利要求1所述的体彩异常交易请求的监控系统，其特征在于，该系统还包括：数据监控模块，用于接收所述数据推送模块推送的日志数据，将所述日志数据进行渲染并通过Html5监控页面显示及告警。

6.根据权利要求5所述的体彩异常交易请求的监控系统，其特征在于，所述数据推送模块具体用于：实时消费所述第二缓存队列，读取所述第二缓存队列中的日志数据，进行数据逻辑处理并发送广播消息，通过WebSocket协议将所述日志数据实时推送到数据监控模块。

7.根据权利要求5所述的体彩异常交易请求的监控系统，其特征在于，所述数据监控模块还用于在接收到用户输入的监控场景设置指令时，根据所述监控场景设置指令，将设置筛选条件所对应的日志数据通过Html5监控页面显示及告警；其中，所述筛选条件包括省份、请求类型、返回值类型及响应时间。

8.一种体彩异常交易请求的监控方法，其特征在于，该方法包括：获取体彩交易系统的交易流水日志；

将所述交易流水日志缓存至第一缓存队列；

对所述第一缓存队列中的交易流水日志进行分割，并对分割后的交易流水日志进行清洗，清洗掉不需要的内容，得到清洗后的日志；

逐条对所述清洗后的日志中的字段进行格式转换及翻译，并标记出异常的请求，将处理后的日志数据写入第二缓存队列；

根据所述第二缓存队列中的日志数据，进行逻辑处理并推送至监控页面进行显示及告警。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求8所述方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求8所述方法。

说明书

一种体彩异常交易请求的监控系统及方法

技术领域

[0001] 本发明涉及日志监控技术领域，尤指一种体彩异常交易请求的监控系统及方法。

背景技术

[0002] 随着彩票行业的发展，彩票行业对游戏系统的性能、安全及稳定等提出了更高的要求。

[0003] 目前，传统的方式是采用监控产品(如，Tivoli日志监控系统)对生产系统采集的日志信息进行匹配，整个过程用时取决于metafile定义的切割事件和Tivoli的日志轮训(匹配告警规则的时间)，该系统是通过日志处理器(如，Agent)调用内置metafile(元文件)对日志进行切割，metafile对日志切割后会通过日志处理器将切割后的日志信息传送到Tivoli转发器，然后Tivoli服务器(Tivoli Server)会对日志进行流式处理，在流式处理的过程中Tivoli会定义告警的规制，例如：匹配到ERROR的同时匹配到错误码。然后Tivoli会将告警信息传送到Omnibus(事件平台)，同时由事件平台推送弹屏和声音告警。

[0004] 结合上述Tivoli监控系统来看，整个过程用时一般在检测到日志异常，到发出告警通知的延迟在3-5分钟左右，时效性较低，整个日志监控存在瓶颈。因此，会导致日志格式不规范的情况下消耗日志处理器端的系统资源，日志量大的情况下消耗服务器端的系统资源，且导致服务器端判断规则失效，告警延迟时间长，流式处理监控系统无法追溯。

[0005] 现有技术还提出了通过Hadoop、Hive等批量大数据处理方案，对日志进行清洗、转换、写入HDFS，并通过MapReduce(一种用于大规模数据集的并行运算的编程模型)的方式进行计算，但是这种方式会存在时效性较低，通常在数据产生到被处理成最终结果需要2-4分钟。另外，若完全使用自开发的方式，进行后台数据处理的复杂性较高；其中，处理过程中主要的时间都花在发消息，接收消息及消息序列化，真正的业务逻辑只占了源代码的一小部分；一个应用程序的逻辑运行在很多worker上，但这些worker需要各自单独部署，还需要部署消息队列，这样最大问题是系统很脆弱，而且是非容错的，需要自己保证消息队列和worker进程工作正常，开发难度较高；在服务宕机时，恢复较为困难，后期维护成本较高。

[0006] 综上来看，亟需一种可以极低延迟完成体彩异常交易请求的监控技术方案，以控制游戏系统风险，减少系统故障并在故障发生时减少影响。

发明内容

[0007] 为克服上述问题，本发明提出了一种体彩异常交易请求的监控系统及方法。由于体彩业务处在高速上升阶段，系统日趋复杂，承载的业务量也越来越大，这对运维工作提出了极大挑战。为了实时了解核心售票系统的健康情况，在本发明中引入了基于流式大数据处理技术，极低延迟完成体育彩票异常交易请求的检测。从而实现了以毫秒级的极低延迟，完成对体育彩票异常交易请求的可视化监控，保证服务发生异常时第一时间发现，以控制游戏系统风险；系统组件原生支持高并发、水平扩展、高可用，可以把核心精力集中在监控业务开发上，有效降低了开发成本，减少系统故障并在故障发生时减少影响。

[0008] 在本发明一实施例中，提出了一种体彩异常交易请求的监控系统，该系统包括：

[0009] 日志收集模块，用于获取体彩交易系统的交易流水日志；

[0010] 日志缓存模块，用于将所述交易流水日志缓存至第一缓存队列；

[0011] 日志处理模块，用于对所述第一缓存队列中的交易流水日志进行分割，对分割后的交易流水日志进行清洗，清洗掉不需要的内容，逐条对清洗后的日志中的字段进行格式转换及翻译，并标记出异常的请求，将处理后的日志数据写入所述日志缓存模块中的第二缓存队列；

[0012] 数据推送模块，用于根据所述第二缓存队列中的日志数据，进行逻辑处理并推送至监控页面进行显示及告警。

[0013] 进一步的，所述日志缓存模块中部署有Kafka消息队列集群，包括第一缓存队列及第二缓存队列。

[0014] 进一步的，所述日志处理模块包括：

[0015] 日志读取单元，利用Storm集群中的KafkaSpout组件实时读取所述第一缓存队列中的交易流水日志；

[0016] 日志分割单元，利用Storm集群中的分割组件对所述交易流水日志进行分割，并对分割后的交易流水日志进行清洗，清洗掉不需要的内容，得到清洗后的日志；

[0017] 日志转换单元，利用Storm集群中的转换组件逐条对所述清洗后的日志中的字段进行格式转换及翻译，并标记出异常日志，得到处理后的日志数据；

[0018] 日志写入单元，用于将所述处理后的日志数据实时写入所述第二缓存队列。

[0019] 进一步的，日志中的字段包括请求id、省份、返回码及指令属性编码。

[0020] 进一步的，该系统还包括：数据监控模块，用于接收所述数据推送模块推送的日志数据，将所述日志数据进行渲染并通过Html5监控页面显示。

[0021] 进一步的，所述数据推送模块具体用于：实时消费所述第二缓存队列，读取所述第二缓存队列中的日志数据，进行数据逻辑处理并发送广播消息，通过WebSocket协议将所述日志数据实时推送到数据监控模块。

[0022] 进一步的，所述数据监控模块还用于在接收到用户输入的监控场景设置指令时，根据所述监控场景设置指令，将设置筛选条件所对应的日志数据通过Html5监控页面显示；其中，所述筛选条件包括省份、请求类型、返回值类型及响应时间。

[0023] 在本发明另一实施例中，还提出了一种体彩异常交易请求的监控方法，该方法包括：

[0024] 获取体彩交易系统的交易流水日志；

[0025] 将所述交易流水日志缓存至第一缓存队列；

[0026] 对所述第一缓存队列中的交易流水日志进行分割，并对分割后的交易流水日志进行清洗，清洗掉不需要的内容，得到清洗后的日志；

[0027] 逐条对所述清洗后的日志中的字段进行格式转换及翻译，并标记出异常的请求，将处理后的日志数据写入第二缓存队列；

[0028] 根据所述第二缓存队列中的日志数据，进行逻辑处理并推送至监控页面进行显示及告警。

[0029] 在本发明另一实施例中，还提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现体彩异常交易请求的监控方法。

[0030] 在本发明另一实施例中，还提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现体彩异常交易请求的监控方法。

[0031] 本发明提出的体彩异常交易请求的监控系统及方法，相较于现有技术至少存在以下优点：

[0032] 1、由于全部采用实时大数据处理技术进行开发，在整个处理过程中消耗的时间极少，可以以极低延迟输出结果，大大提高了监控的实时性。极低延迟完成体育彩票异常交易请求的检测，能够在系统异常时，更快的发现、定位和处置，加快系统恢复，从而保障体彩业务正常开展。

[0033] 2、数据处理组件均为高可用集群架构，原生支持高可用，并且可以弹性扩展以加大处理量，大大降低了维护成本。

[0034] 3、可以在展示页面筛选所需的交易流水内容，方便了实际用户针对不同场景筛选不同的日志内容进行监控，更贴合业务需要。

附图说明

[0035] 图1是本发明一实施例的体彩异常交易请求的监控系统架构示意图。

[0036] 图2是本发明一具体实施例的体彩异常交易请求的监控系统中的数据流示意图。

[0037] 图3是本发明一具体实施例的日志处理模块的详细架构示意图。

[0038] 图4是本发明一实施例的体彩异常交易请求的监控方法流程示意图。

[0039] 图5是本发明一具体实施例的交易流水日志的详细处理流程示意图。

[0040] 图6是本发明一具体实施例的日志数据的监控显示详细流程示意图。

[0041] 图7是本发明一实施例的计算机设备结构示意图。

具体实施方式

[0042] 下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

[0043] 本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。

[0044] 根据本发明的实施方式，提出了一种体彩异常交易请求的监控系统及方法。该系统及方法为保证整个处理过程的低延迟，所有技术选型都选择流式大数据处理技术，保障低延迟和高数据吞吐量。通过Flume实时采集交易系统交易流水日志，实时推送到Kafka集群的队列1(Topic1)中进行缓存。通过开发Storm程序，对Kafka队列中的日志消息进行实时消费，并进行格式转换、内容翻译和判断，对异常的请求进行标记，并实时写入Kafka集群的另一个队列2(Topic2)。WebServer端实时消费Kafka队列2(Topic2)，并将内容通过WebSocket协议推送到前台Html5页面。

[0045] 在前端可视化部分摒弃以往页面定时轮训查询的方式，采用浏览器页面与服务端双向监听方式，通过WebSocket开启双向通信，在服务端监听页面参数的变化，实时调整传输数据内容；在页面端监听最新数据，并个性化渲染到页面，做到实时交互，实时可视化。

[0046] 需要说明的是，在本发明实施例中涉及的术语：

[0047] 流式计算：流式大数据计算主要有以下特征：1、实时性；流式大数据不仅是实时产生的，也是要求实时给出反馈结果。系统要有快速响应能力，在短时间内体现出数据的价值，超过有效时间后数据的价值就会迅速降低。2、突发性；数据的流入速率和顺序并不确定，甚至会有较大的差异。这要求系统要有较高的吞吐量，能快速处理大数据流量。3、易失性；由于数据量的巨大和其价值随时间推移的降低，大部分数据并不会持久保存下来，而是在到达后就立刻被使用并丢弃。系统对这些数据有且仅有一次计算机会。4、无限性；数据会持续不断产生并流入系统。在实际的应用场景中，暂停服务来更新大数据分析系统是不可行的，系统要能够持久、稳定地运行下去，并随时进行自我更新，以便适应分析需求。

[0048] WebSocket协议：WebSocket协议在2008年诞生，2011年成为国际标准。所有浏览器都已经支持。它的最大特点就是，服务器可以主动向客户端推送信息，客户端也可以主动向服务器发送信息，是真正的双向平等对话，属于服务器推送技术的一种。其他特点包括：1、建立在TCP协议之上，服务器端的实现比较容易。2、与HTTP协议有着良好的兼容性。默认端口也是80和443，并且握手阶段采用HTTP协议，因此握手时不容易屏蔽，能通过各种HTTP代理服务器。3、数据格式比较轻量，性能开销小，通信高效。4、可以发送文本，也可以发送二进制数据。5、没有同源限制，客户端可以与任意服务器通信。6、协议标识符是ws(如果加密，则为wss)，服务器网址就是URL。

[0049] Tivoli监控：Tivoli Monitoring，简称TM；是IBM为企业使用IBM产品专门定制的IT管理员管理组件。Tivoli监控可以方便地通过提供直观明了的管理界面来监控，确保IT设施的使用效率，性能和健康度。该软件内置的分析引擎允许管理员跟踪一个既定的工作负载的资源消耗，防止低效配。

[0050] Hadoop：Hadoop是由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。Hadoop实现了一个分布式文件系统(Hadoop Distributed File System,HDFS)。HDFS有高容错性的特点，并且设计用来部署在低廉(low-cost)的硬件上；而且它提供高吞吐量(high throughput)来访问应用程序的数据，适合那些有着超大数据集(large data set)的应用程序。HDFS放宽了(relax)POSIX的要求，可以以流的形式访问(streaming access)文件系统中的数据。

[0051] Kafka：Kafka是分布式发布-订阅消息系统。最初由LinkedIn公司开发，之后成为Apache项目的一部分。Kafka是一个分布式的，可划分的，冗余备份的持久性的日志服务。它主要用于处理活跃的流式数据。

[0052] Storm：Storm是由Twitter开源的分布式、高容错的实时处理系统，它的出现令持续不断的流计算变得容易，弥补了Hadoop批处理所不能满足的实时要求。Storm常用于在实时分析、在线机器学习、持续计算、分布式远程调用和ETL等领域。

[0053] 下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。

[0054] 图1是本发明一实施例的体彩异常交易请求的监控系统架构示意图。如图1所示，该系统包括：

[0055] 日志收集模块100，用于获取体彩交易系统的交易流水日志。

[0056] 日志缓存模块200，用于将所述交易流水日志缓存至第一缓存队列。

[0057] 日志处理模块300，用于对所述第一缓存队列中的交易流水日志进行分割，对分割后的交易流水日志进行清洗，清洗掉不需要的内容，逐条对清洗后的日志中的字段进行翻译翻译，并标记出异常的请求，将处理后的日志数据写入所述日志缓存模块200中的第二缓存队列。

[0058] 数据推送模块400，用于根据所述第二缓存队列中的日志数据，进行逻辑处理并推送至监控页面进行显示及告警。

[0059] 进一步的，该系统还包括：数据监控模块500，用于接收所述数据推送模块400推送的日志数据，将所述日志数据进行渲染并通过Html5监控页面显示及告警。

[0060] 为了对上述体彩异常交易请求的监控系统进行更为清楚的解释，下面结合具体的实施例来进行说明。

[0061] 结合图2，为本发明一具体实施例的体彩异常交易请求的监控系统中的数据流示意图。如图2所示，交易系统中存储后多组交易数据(如CAS01、CAS02等)。

[0062] 日志收集模块100：

[0063] 通过在服务器部署Flume(日志收集系统)实现日志的采集、聚合及传输；Flume是一种高可用的、高可靠的，分布式的海量日志采集、聚合和传输的系统，Flume支持在日志系统中定制各类数据发送方，用于收集数据；同时，Flume提供对数据进行简单处理，并写到各种数据接受方(可定制)的能力。

[0064] Flume用于采集交易系统的交易流水日志，实时推送到Kafka集群的队列1(Topic1)中进行缓存。

[0065] 日志缓存模块200：

[0066] 在服务器集群上部署Kafka消息队列集群，用来做交易日志的高速缓存；具体可以包括两个队列，如第一缓存队列(队列1，Topic1)及第二缓存队列(队列2，Topic2)。

[0067] 日志处理模块300：

[0068] 通过开发Storm程序，在Storm集群进行日志数据的分析处理。首先，使用KafkaSpout组件消费(Kafka consumer)Kafka队列1(Topic1)的日志，实时采集交易流水日志。

[0069] Storm程序中分割组件(LogDetailsSpliter)对日志进行分割，并清洗掉不需要的内容。

[0070] Storm程序中转换组件(DetailsConverter)逐条对日志中的字段进行格式转换及翻译，包括请求id、省份、返回码、指令属性编码，并标记出异常的请求。

[0071] Storm程序将处理过后的消息，进行Kafka生产(Kafka producer)，实时写入Kafka队列2(Topic2)中进行缓存。

[0072] 上述处理过程的时间小于5毫秒。

[0073] 具体的，结合图3，为本发明一具体实施例的日志处理模块的详细架构示意图。如图3所示，日志处理模块300包括：

[0074] 日志读取单元310，利用Storm集群中的KafkaSpout组件实时读取所述第一缓存队列中的交易流水日志。

[0075] 日志分割单元320，利用Storm集群中的分割组件(LogDetailsSpliter)对所述交易流水日志进行分割，并对分割后的交易流水日志进行清洗，清洗掉不需要的内容，得到清洗后的日志。

[0076] 日志转换单元330，利用Storm集群中的转换组件(DetailsConverter)逐条对所述清洗后的日志中的字段进行转换，并标记出异常日志，得到处理后的日志数据；其中，日志中的字段包括请求id、省份、返回码及指令属性编码等。

[0077] 日志写入单元340，用于将所述处理后的日志数据实时写入所述第二缓存队列。

[0078] 数据推送模块400：

[0079] 由WebServer(网页服务器)实时消费(Kafka consumer)所述第二缓存队列，读取所述第二缓存队列中的日志数据，进行数据逻辑处理并发送广播消息，通过WebSocket协议将所述日志数据实时推送到数据监控模块500，即前台Html5页面，完成对体育彩票异常交易请求的可视化监控。

[0080] 数据监控模块500：

[0081] 在用户浏览器的Html5监控页面端显示实时推送的日志数据，用户可以选择需要筛选的省份、请求类型、返回值类型、响应时间等信息，自定义监控场景。

[0082] 在上述过程中，由WebServer实时消费第二缓存队列至在Html5监控页面端显示实时推送的日志数据的整体处理过程的时间小于10毫秒。

[0083] 具体的，在接收到用户输入的监控场景设置指令时，根据所述监控场景设置指令，将设置筛选条件所对应的日志数据通过Html5监控页面显示；其中，所述筛选条件包括省份、请求类型、返回值类型及响应时间。

[0084] 应当注意，尽管在上文详细描述中提及了体彩异常交易请求的监控系统的若干模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。

[0085] 在介绍了本发明示例性实施方式的方法之后，接下来，参考图4至图6对本发明示例性实施方式的体彩异常交易请求的监控方法进行介绍。体彩异常交易请求的监控方法的实施可以参见上述系统的实施，重复之处不再赘述。

[0086] 基于同一发明构思，本发明还提出了一种体彩异常交易请求的监控方法，如图4所示，该方法包括：

[0087] 步骤S601，获取体彩交易系统的交易流水日志。

[0088] 具体的，可以在服务器部署Flume，使用Flume采集交易系统交易流水日志。

[0089] 步骤S602，将所述交易流水日志缓存至第一缓存队列。

[0090] 通过在服务器集群上部署Kafka消息队列集群，将交易流水日志实时推送到Kafka集群的队列1(Topic1)中进行缓存。

[0091] 步骤S603，对所述第一缓存队列中的交易流水日志进行分割，并对分割后的交易流水日志进行清洗，清洗掉不需要的内容，得到清洗后的日志；逐条对所述清洗后的日志中的字段进行格式转换及翻译，并标记出异常的请求，将处理后的日志数据写入第二缓存队列。其中，字段包括请求id、省份、返回码、指令属性编码等。

[0092] 具体的，结合图5，为交易流水日志的详细处理流程示意图。如图5所示，步骤S603的详细过程为：

[0093] 步骤S6031，通过开发Storm程序，使用KafkaSpout实时采集Kafka队列1(Topic1)的数据。

[0094] 步骤S6032，使用Storm程序中分割组件(LogDetailsSpliter)对日志进行分割、清洗。

[0095] 步骤S6033，使用Storm程序中转换组件(DetailsConverter)，完成对日志的格式转换及翻译，并标记出异常日志。

[0096] 步骤S6034，在处理完成后，Storm程序将处理过后的消息实时写入Kafka队列2(Topic2)中进行缓存。

[0097] 上述步骤S6031至步骤S6034的整体处理时间小于5毫秒。

[0098] 步骤S604，根据所述第二缓存队列中的日志数据，进行逻辑处理并推送至监控页面进行显示及告警。

[0099] 具体的，结合图6，为日志数据的监控显示详细流程示意图。如图6所示，步骤S604的详细过程为：

[0100] 步骤S6041，实时读取Kafka队列2(Topic2)的日志数据。

[0101] 步骤S6042，对日志数据进行数据逻辑处理。

[0102] 步骤S6043，发布广播消息，通过WebSocket协议将数据实时推送到前台Html5页面。

[0103] 步骤S6044，在用户浏览器的Html5监控页面端接收数据并渲染，进行可视化显示，完成对体育彩票异常交易请求的可视化监控及告警；用户可以选择需要筛选的省份、请求类型、返回值类型、响应时间等信息，自定义监控场景。

[0104] 上述步骤S6041至步骤S6044的整体处理时间小于10毫秒。

[0105] 需要说明的是，尽管在上述实施例及附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

[0106] 基于前述发明构思，如图7所示，本发明还提出了一种计算机设备700，包括存储器710、处理器720及存储在存储器710上并可在处理器720上运行的计算机程序730，所述处理器720执行所述计算机程序730时实现前述体彩异常交易请求的监控方法。

[0107] 基于前述发明构思，还提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现前述体彩异常交易请求的监控方法。

[0108] 本发明提出的体彩异常交易请求的监控系统及方法，相较于现有技术至少存在以下优点：

[0109] 1、由于全部采用实时大数据处理技术进行开发，在整个处理过程中消耗的时间极少，可以以极低延迟输出结果，大大提高了监控的实时性。极低延迟完成体育彩票异常交易请求的检测，能够在系统异常时，更快的发现、定位和处置，加快系统恢复，从而保障体彩业务正常开展。

[0110] 2、数据处理组件均为高可用集群架构，原生支持高可用，并且可以弹性扩展以加大处理量，大大降低了维护成本。

[0111] 3、可以在展示页面筛选所需的交易流水内容，方便了实际用户针对不同场景筛选不同的日志内容进行监控，更贴合业务需要。

[0112] 本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

[0113] 本发明是参照根据本发明实施例的方法和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

[0114] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

[0115] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

[0116] 最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。