Configurar reglas mediante una plantilla - DataWorks - Centro de documentación de Alibaba Cloud

Data Quality ofrece varias plantillas predefinidas de monitoreo a nivel de tabla y a nivel de campo. En este tema se describe cómo configurar reglas de monitoreo con una plantilla.

Limitaciones

Las plantillas permiten configurar reglas de monitoreo para los siguientes orígenes de datos: MaxCompute, EMR, Hologres, CDH Hive, AnalyticDB for PostgreSQL, AnalyticDB for MySQL, StarRocks, MySQL, Lindorm, SQL Server y DLF.

La lógica actual de comprobación de Data Quality se basa en un único valor. Por lo tanto, no admite comprobaciones sobre varios campos. Esta limitación también aplica al modo SQL personalizado.

Procedimiento

Siga estos pasos para configurar reglas de calidad mediante una plantilla:

Select a rule template and configure the check method.

Existen dos tipos de plantillas de reglas integradas: a nivel de tabla y a nivel de campo. Después de seleccionar una plantilla, defina el método de comprobación para la regla de calidad que apunta a la tabla. Esta regla indica cómo comprobar los datos de la tabla para verificar que cumplen con lo esperado.
Add tables or fields to check in batches

Seleccione las tablas o los campos que desea comprobar por lotes y aplíqueles la plantilla de reglas.
Create or associate a quality monitor

Asocie las reglas de calidad con un monitor de calidad para definir las comprobaciones de un objeto específico: un Data Scope de una tabla (por ejemplo, una partición concreta de una tabla particionada).

Procedimiento

Paso 1: Ir a la página Configure by Template

Inicie sesión en la consola de DataWorks. En la región de destino, haga clic en Data Governance > Data Quality en el panel de navegación izquierdo. Seleccione un espacio de trabajo en la lista desplegable y haga clic en Go to Data Quality.
En el panel de navegación izquierdo, elija Rule Setting > Configure by Template para abrir la página Configure by Template.

Data Quality proporciona plantillas de reglas integradas de tipo Table-level y Field Level. Haga clic en View Monitoring Rules en una plantilla para configurar reglas de monitoreo de tablas o campos por lotes.

La página Configure by Template ofrece tres filtros en la parte superior: Keyword Search, Associated Scope y Quality Dimension. Las plantillas integradas a nivel de tabla incluyen diversas plantillas de monitoreo de puntualidad. Por ejemplo, valor fijo de filas de tabla, diferencia de 1 día en filas de tabla, tasa de fluctuación de 1 día en filas de tabla, tasa de fluctuación de 7 días en filas de tabla y tasa de fluctuación de 30 días en filas de tabla. La descripción de cada plantilla explica el método de cálculo de la línea base y la lógica de comparación correspondiente.

Paso 2: Configurar las propiedades de la regla de monitoreo

Seleccione una plantilla para aplicarla por lotes a varias tablas o particiones. En la columna Actions, haga clic en View Monitoring Rules. Se abrirá la página Batch Add Monitoring Rules correspondiente a esa plantilla.

Configure las Basic Properties de la regla de monitoreo.

Parámetro	Description
Connection Type	El tipo de origen de datos de las tablas a las que se aplica esta regla. Nota Las plantillas permiten configurar reglas de monitoreo para los siguientes orígenes de datos: MaxCompute, EMR, Hologres, CDH Hive, AnalyticDB for PostgreSQL, AnalyticDB for MySQL, StarRocks, MySQL, Lindorm, SQL Server y DLF.
Rule Source	Este valor es fijo: Built-in Template. No se puede modificar y refleja la plantilla de regla que seleccionó. Para obtener más información sobre las plantillas de reglas integradas, consulte View built-in rule templates.
Template
Rule Name	El sistema genera automáticamente un nombre de regla. Usted puede personalizar el sufijo.

Configure las propiedades avanzadas de la regla de monitoreo.

Parámetro	Description
Degree of importance	La gravedad de la regla. Strong rule: regla importante. De forma predeterminada, una anomalía crítica bloquea la tarea de programación asociada. Weak rule: regla estándar. De forma predeterminada, una anomalía crítica no bloquea la tarea de programación asociada.
Comparison Method	Define cómo valida la regla que los datos de la tabla cumplen con sus expectativas. Manual Settings: permite personalizar la forma en que se compara la salida de datos con la regla. Los métodos de comparación disponibles varían según la plantilla de regla. Los métodos que muestra la interfaz son los definitivos. Admite la comparación de resultados de tipo Numeric Type, que normalmente se contrasta con un valor fijo (valor esperado). Los métodos de comparación incluyen Greater Than, Greater Than or Equal To, Equal To, Unequal To, Less Than y Less Than or Equal To. Usted puede personalizar el rango de datos normales (umbral normal) y el rango de datos anómalos (umbral rojo). Admite la comparación de resultados por Fluctuation, que suele ser una comparación de rangos. Los métodos de comparación incluyen Absolute Value, Raise y Drop. Usted puede personalizar el rango de datos normales (umbral normal). También es posible definir una anomalía (umbral naranja) y un resultado inesperado (umbral rojo) según el grado de desviación. Intelligent Dynamic Threshold: no requiere configurar manualmente umbrales de fluctuación ni valores esperados. El sistema utiliza un algoritmo inteligente para determinar automáticamente un umbral razonable. Si detecta una anomalía en los datos, activa una alerta de inmediato o bloquea la tarea. Los umbrales dinámicos también admiten reglas fuertes y débiles. Nota El método de comparación de umbral dinámico inteligente solo es compatible con las reglas de calidad Custom SQL, Custom Scope, and Dynamic Threshold.
Monitoring Threshold	Si establece Comparison Method en Manual Settings, puede definir el Normal threshold y el Error Threshold. Normal threshold: si el resultado de la comprobación coincide con el valor especificado, la verificación de datos se aprueba. Error Threshold: si el resultado de la comprobación coincide con el valor especificado, la verificación de datos falla. Si la regla ejecuta una comprobación de Fluctuation, debe especificar el Warning Threshold. Warning Threshold: si el resultado de la comprobación coincide con el valor especificado, los datos presentan anomalías, pero no afectan las operaciones del negocio.
Status	El estado de la regla, que puede ser Enable o Deactivate. Esta configuración controla si la regla se ejecuta en el entorno de producción. Importante Si establece el estado en Deactivate, la regla no se activará para una ejecución de prueba ni mediante una tarea de programación asociada.

Haga clic en Next para ir a la página Generate Monitoring Rule.

Paso 3: Agregar tablas o campos

Según la table-level rule template o la field-level rule template que seleccione, agregue por lotes las tablas o los campos a los que desea aplicar la regla.

Tablas

Haga clic en Add Table. En el cuadro de diálogo Batch Create que aparece, seleccione las tablas para las que desea configurar reglas.

Nota
La lista muestra todas las tablas que coinciden con el Connection Type configurado en la sección Basic Properties del paso anterior. También puede introducir un Table Name para filtrar los resultados.
Una vez que seleccione las tablas para las que desea configurar reglas de monitoreo, haga clic en Confirm para agregarlas a la lista Tables to Be Configured.

Campos

Haga clic en Add Fields. En el cuadro de diálogo Select a field, seleccione la tabla que contiene el campo que desea monitorear.

Nota
El área Tables to Be Selected muestra todas las tablas del Connection Type que configuró en la sección Basic Properties del paso anterior.
Después de seleccionar una tabla, el área Select a field enumera todos sus campos. Puede filtrarlos por Field Name y Field Description.

Por ejemplo, en el panel Select Table de la izquierda, seleccione ods_user_info_d (caso de análisis de comportamiento del usuario: tabla de perfil de usuario). La lista de campos de esta tabla se mostrará a la derecha. Seleccione los campos deseados, como uid, dt, gender, age_range y zodiac, y luego haga clic en Add.
Una vez que seleccione los campos para los que desea configurar reglas de monitoreo, haga clic en Create para agregarlos a la lista Fields to Be Configured.

Paso 4: Crear o asociar un monitor de calidad

Un monitor de calidad define qué reglas verifican un objeto de datos específico. Este objeto representa un rango de datos dentro de la tabla que se va a comprobar, como una partición concreta de una tabla particionada.

Los monitores se configuran de forma individual o por lotes.

Configuración por lotes

Seleccione una o más tablas o campos a los que desee agregar reglas y haga clic en Configure Monitor.

Es posible ejecutar operaciones de Automatically Associate por lotes, Disassociate por lotes y Batch Add.

Automatically Associate: asocia automáticamente las tablas o campos seleccionados con monitores de calidad existentes.
Disassociate: desvincula los monitores de calidad de las tablas o campos seleccionados.

Batch Add: configura el rango de datos y los parámetros de ejecución para el monitoreo de calidad en las tablas seleccionadas.

Parámetro		Descripción
Data Scope	Partitioned Table	Define las particiones de la tabla que se van a comprobar mediante una expresión de partición. Tabla no particionada: de forma predeterminada, se comprueba toda la tabla. Puede especificar un rango mediante una cláusula WHERE. Tabla particionada: el formato de la expresión es `partition_name=partition_value`. El valor de la partición puede ser un valor fijo o un variable.
Running Settings	Trigger Method	El método utilizado para activar el monitor. Triggered by Node Scheduling in Production Environment: las reglas de calidad de este monitor se activan automáticamente después de que se ejecute una tarea programada específica en Operation Center. Una tarea de simulación (dry-run) no activa las comprobaciones de reglas de calidad. Triggered Manually: activa manualmente las reglas de monitoreo de calidad asociadas al monitor actual. Importante Si la tabla que comprueba no es una tabla de MaxCompute y establece Trigger Method en Triggered by Node Scheduling in Production Environment, la tarea programada seleccionada no puede usar un resource group de programación público. De lo contrario, se producirá un error cuando se ejecute el monitor de calidad.
	Associated Auto Triggered Node	Si establece Trigger Method en Triggered by Node Scheduling in Production Environment, use este parámetro para especificar un nodo de programación asociado. La regla de monitoreo de calidad se activará automáticamente después de que se ejecute dicho nodo.
	Resources	Los recursos de cómputo necesarios para ejecutar la comprobación de la regla de calidad. De forma predeterminada, se selecciona el origen de datos de la tabla monitoreada en el espacio de trabajo. Si elige otro origen de datos, asegúrese de que sus recursos puedan acceder a la tabla.

Configuración de una sola tabla

En la columna Monitor, a la derecha del nombre de la tabla o del campo de destino, puede asociar la tabla o el campo con un monitor de calidad. Es posible elegir un monitor existente o hacer clic en Create Monitor.

Si no hay ningún monitor de calidad disponible, haga clic en Create Monitor. A continuación se describen los parámetros correspondientes.

Parámetro	Parámetro	Descripción
Basic Configurations	Monitor Name	Un nombre personalizado para el monitor de calidad.
	Quality Monitoring Owner	Especifique un propietario para el monitor de calidad según sus necesidades. Al configurar las suscripciones de alertas, puede designar al propietario del monitor como destinatario mediante Email, Email and SMS o Telephone.
	Monitored Object	El objeto que Data Quality va a comprobar. De forma predeterminada, corresponde a la tabla actual.
	Data Scope	Define las particiones de la tabla que se van a comprobar mediante una expresión de partición. Tabla no particionada: no es necesario configurar este parámetro. De forma predeterminada, se comprueba la Full Table. Tabla particionada: el formato de la expresión es `partition_name=partition_value`. El valor de la partición puede ser un valor fijo o un variable. Nota Esta configuración no surte efecto en las reglas creadas con plantillas personalizadas o SQL personalizado. Las particiones que comprueban dichas reglas dependen del SQL personalizado.
Select Monitoring Rule	Select Monitoring Rule	Asocie reglas de calidad con un monitor de calidad para determinar qué reglas verificarán si los datos del rango actual de la tabla cumplen con lo esperado. Nota Puede crear varios monitores de calidad para distintas particiones y asociarlos con diferentes reglas de calidad. Así implementará comprobaciones específicas por partición. Si aún no ha creado reglas de calidad, omita este paso y cree primero el monitor de calidad. Más adelante podrá agregarle reglas cuando las genere. Para obtener más información sobre cómo crear reglas de calidad, consulte Create and manage monitoring rules for a single table.
Running Settings	Trigger Method	El método utilizado para activar el monitor. Triggered by Node Scheduling in Production Environment: las reglas de calidad de este monitor se activan automáticamente después de que se ejecute una tarea programada específica en Operation Center. Una tarea de simulación (dry-run) no activa las comprobaciones de reglas de calidad. Triggered Manually: activa manualmente las reglas de monitoreo de calidad asociadas al monitor actual. Importante Si la tabla que comprueba no es una tabla de MaxCompute y establece Trigger Method en Triggered by Node Scheduling in Production Environment, la tarea programada seleccionada no puede usar un resource group de programación público. De lo contrario, se producirá un error cuando se ejecute el monitor de calidad.
	Associated Auto Triggered Node	Si establece Trigger Method en Triggered by Node Scheduling in Production Environment, use este parámetro para especificar un nodo de programación asociado. La regla de monitoreo de calidad se activará automáticamente después de que se ejecute dicho nodo.
	Resources	Los recursos de cómputo necesarios para ejecutar la comprobación de la regla de calidad. De forma predeterminada, se selecciona el origen de datos de la tabla monitoreada en el espacio de trabajo. Si elige otro origen de datos, asegúrese de que sus recursos puedan acceder a la tabla.
Handling Policies	Quality Issue Handling Policies	Configure la directiva de bloqueo o de alerta para los problemas de calidad de datos detectados. Alert: cuando se detecta un problema de calidad de datos, se envía una notificación de alerta a través de los canales de suscripción de este monitor de calidad. De forma predeterminada, se envían alertas para los siguientes eventos: `strong rule·Red Anomaly`, `strong rule·Orange Anomaly`, `strong rule·Check Failed`, `weak rule·Red Anomaly`, `weak rule·Orange Anomaly` y `weak rule·Check Failed`. Blocks: cuando se detecta un problema de calidad de datos, el nodo de programación de producción que lo activó falla. Esta acción bloquea los nodos posteriores y evita que los datos problemáticos se propaguen. El evento predeterminado es `strong rule·Red Anomaly`. Importante Cuando la directiva se establece en Blocks, también se activa una alerta si se cumple una regla de calidad de datos.
Handling Policies	Alert Method Configuration	Las notificaciones de alerta se pueden enviar mediante métodos como Email, Email and SMS, DingTalk Chatbot, DingTalk Chatbot @ALL, Lark Group Chatbot, Enterprise WeChat Chatbot, Custom Webhook y Telephone. Nota Para agregar un chatbot de DingTalk, Lark o WeCom, obtenga su URL de webhook y péguela en la configuración de suscripción de alertas. Solo DataWorks Enterprise Edition admite el método Custom Webhook. Para obtener información sobre el formato de mensaje de las notificaciones de alerta enviadas por DataWorks mediante Custom Webhook, consulte Appendix: Webhook message format. Cuando selecciona Email, Email and SMS o Telephone como método de suscripción, puede establecer el Authorized object en Data Quality Monitoring Owner, Shift Schedule o Scheduling Task Owner. Data Quality Monitoring Owner: las notificaciones de alerta se envían al Quality Monitoring Owner especificado en la sección Basic Configurations del monitor de calidad actual. Shift Schedule: cuando un nodo asociado activa una comprobación de regla de calidad, el sistema envía una notificación de alerta al on-duty personnel for the day specified in the on-duty schedule. Scheduling Task Owner: las notificaciones de alerta se envían al Head del nodo de programación asociado al monitor de calidad.

Regrese al paso de configuración Batch Add Monitoring Rules, haga clic en Refresh y luego seleccione el monitor de calidad que creó en la lista desplegable Monitor.

Paso 5: Probar la ejecución de la regla

Haga clic en Generate Monitoring Rule para ir a la página Verify Monitoring Rule. En la página Verify Monitoring Rule puede realizar las siguientes operaciones:
- Test Run: comprueba que la configuración de la regla sea válida.
  
  Después de crear las reglas, seleccione una o varias y ejecute una Test Run. En el cuadro de diálogo Test Run, seleccione una Scheduled Time (la hora simulada en la que se activa la comprobación) y un Resource Group. El sistema calcula los valores de partición específicos de la tabla que se va a comprobar con base en esta marca de tiempo y en el Data Scope especificado. Una vez completada la configuración, haga clic en Test Run para comprobar si los datos de la partición de tabla especificada cumplen con la regla de calidad configurada.
  
  Tras la ejecución de prueba, haga clic en Running Records en la columna Actions para consultar los detalles y tomar las medidas correspondientes.
- Manage Subscriptions: define los destinatarios de las alertas.
  
  Las notificaciones de alerta se pueden enviar mediante métodos como Email, Email and SMS, DingTalk Chatbot, DingTalk Chatbot @ALL, Lark Group Chatbot, Enterprise WeChat Chatbot, Custom Webhook y Telephone.
  Nota
  - Para agregar un chatbot de DingTalk, Lark o WeCom, obtenga su URL de webhook y péguela en la configuración de suscripción de alertas.
  - Solo DataWorks Enterprise Edition admite el método Custom Webhook. Para obtener información sobre el formato de mensaje de las notificaciones de alerta enviadas por DataWorks mediante Custom Webhook, consulte Appendix: Webhook message format.
  - Cuando selecciona Email, Email and SMS o Telephone como método de suscripción, puede establecer el Authorized object en Data Quality Monitoring Owner, Shift Schedule o Scheduling Task Owner.
    
    Data Quality Monitoring Owner: las notificaciones de alerta se envían al Quality Monitoring Owner especificado en la sección Basic Configurations del monitor de calidad actual.
    
    Shift Schedule: cuando un nodo asociado activa una comprobación de regla de calidad, el sistema envía una notificación de alerta al on-duty personnel for the day specified in the on-duty schedule.
    
    Scheduling Task Owner: las notificaciones de alerta se envían al Head del nodo de programación asociado al monitor de calidad.
- Manage Linked Nodes: define el método de activación de la regla.
  
  Haga clic en Use Recommended Running Mode o en Manually Specify Running Mode para asociar una o más reglas de calidad de datos con los nodos de programación que generan los datos de la tabla. En Operation Center, estos nodos incluyen instancias programadas periódicamente, instancias de relleno de datos activadas manualmente e instancias de prueba. Cuando se ejecuta una tarea del nodo, se activa la comprobación de la regla asociada. Puede ajustar la fuerza de la regla para controlar si el nodo falla y finaliza, lo cual evita la propagación de datos incorrectos.
  - Modo de ejecución recomendado: el sistema asocia automáticamente las reglas seleccionadas con los nodos de programación sugeridos, con base en el linaje de datos de los nodos que producen la tabla.
  - Modo de ejecución manual: le permite asociar manualmente las reglas seleccionadas con nodos de programación específicos.
  Importante
  Una regla debe estar asociada con un nodo de programación correspondiente para que se active automáticamente.
  
  En el cuadro de diálogo Associate Scheduling: seleccione el Workspace y el Task node de destino, haga clic en Add y luego en OK para crear la asociación.
- Delete: permite seleccionar y eliminar una o más reglas.
- View Rule Details: en la columna Actions, haga clic en View Rule Details para consultar los detalles de una regla. También puede modificarla, habilitarla, deshabilitarla o eliminarla, así como establecer su fuerza y consultar los registros.
Una vez que la ejecución de prueba finalice correctamente y se haya asociado una programación, haga clic en Complete Check.

Pasos siguientes

Después de una ejecución de monitoreo de calidad, haga clic en Monitor y en Running Records, dentro de Quality O&M en el panel de navegación izquierdo, para consultar los resultados de la comprobación de calidad de una tabla específica y el historial de comprobaciones de reglas de calidad.

Formato de mensaje de webhook

Este tema describe el formato de mensaje y los parámetros de las notificaciones de alerta que DataWorks envía mediante un Custom Webhook.

Mensaje de ejemplo

{
  "detailUrl": "https://dqc-cn-zhangjiakou.data.aliyun.com/?defaultProjectId=3058#/jobDetail?envType=ODPS&projectName=yongxunQA_zhangbei_standard&tableName=sx_up_001&entityId=10878&taskId=16876941111958fa4ce0e0b5746379cd9bc67999d05f8&bizDate=1687536000000&executeTime=1687694111000",
  "datasourceName": "emr_test_01",
  "engineTypeName": "EMR",
  "projectName": "Online Regression Project",
  "dqcEntityQuality": {
    "entityName": "tb_auto_test",
    "actualExpression": "ds=20230625",
    "strongRuleAlarmNum": 1,
    "weakRuleAlarmNum": 0
  },
  "ruleChecks": [
    {
      "blockType": 0,
      "warningThreshold": 0.1,
      "property": "id",
      "tableName": "tb_auto_test",
      "comment": "Test rule",
      "checkResultStatus": 2,
      "templateName": "Compare the Number of Unique Field Values Against Expectation",
      "checkerName": "fulx",
      "ruleId": 123421,
      "fixedCheck": false,
      "op": "",
      "upperValue": 22200,
      "actualExpression": "ds=20230625",
      "externalId": "123112232",
      "timeCost": "10",
      "trend": "up",
      "externalType": "CWF2",
      "bizDate": 1600704000000,
      "checkResult": 2,
      "matchExpression": "ds=$[yyyymmdd]",
      "checkerType": 0,
      "projectName": "auto_test",
      "beginTime": 1600704000000,
      "dateType": "YMD",
      "criticalThreshold": "0.6",
      "isPrediction": false,
      "ruleName": "Rule Name",
      "checkerId": 7,
      "discreteCheck": true,
      "endTime": 1600704000000,
      "MethodName": "max",
      "lowerValue": 2344,
      "entityId": 12142421,
      "whereCondition": "type!='type2'",
      "expectValue": 90,
      "templateId": 5,
      "taskId": "16008552981681a0d6",
      "id": 234241453,
      "open": true,
      "referenceValue": [
        {
          "discreteProperty": "type1",
          "value": 20,
          "bizDate": "1600704000000",
          "singleCheckResult": 2,
          "threshold": 0.2
        }
      ],
      "sampleValue": [
        {
          "discreteProperty": "type2",
          "bizDate": "1600704000000",
          "value": 23
        }
      ]
    }
  ]
}

Parámetros

Name	Type	Valor de ejemplo	Description
projectName	String	autotest	El nombre del proyecto de DataWorks.
actualExpression	String	ds=20200925	La partición real de la tabla de origen de datos que se verificó.
ruleChecks	Array of RuleChecks		Un arreglo con los resultados de verificación de reglas.
blockType	Integer	1	La rigurosidad de la regla. Valores válidos: `1`: regla estricta. `0`: regla flexible. Puede designar las reglas importantes como estrictas según sus requisitos de negocio. Si una regla estricta activa una alerta roja, se bloquea la tarea de programación asociada.
warningThreshold	Float	0.1	El umbral de advertencia personalizable, que define la desviación aceptable respecto al valor esperado.
property	String	type	La columna de la tabla de origen de datos que verifica la regla.
tableName	String	dual	El nombre de la tabla que se verifica.
comment	String	Descripción de la regla.	Un comentario definido por el usuario para la regla.
checkResultStatus	Integer	2	El estado del resultado de la verificación.
templateName	String	Compare the Number of Unique Field Values Against Expectation	El nombre de la plantilla de monitoreo utilizada para la verificación.
checkerName	String	fulx	El nombre del verificador.
ruleId	Long	123421	El ID de la regla.
fixedCheck	Boolean	false	Indica si la verificación compara contra un valor fijo. Valores válidos: `true`: la verificación usa un valor fijo. `false`: la verificación no usa un valor fijo.
op	String	>	El operador de comparación.
upperValue	Float	22200	El límite superior previsto, que se genera automáticamente después de establecer un umbral.
actualExpression	String	ds=20200925	La partición real de la tabla de origen de datos que se verificó.
externalId	String	123112232	El ID del nodo de tarea de programación asociado.
timeCost	String	10	El tiempo de ejecución de la tarea de verificación.
trend	String	up	La tendencia del resultado de verificación en comparación con ejecuciones anteriores.
externalType	String	CWF2	El tipo de sistema de programación. Actualmente, solo es compatible `CWF`.
bizDate	Long	1600704000000	La marca de tiempo de los datos que se verifican. Para datos sin conexión, suele ser la marca de tiempo del día anterior a la ejecución de la verificación.
checkResult	Integer	2	El resultado de la verificación.
matchExpression	String	ds=$[yyyymmdd]	La expresión de filtro de partición.
checkerType	Integer	0	El tipo de verificador.
projectName	String	autotest	El nombre del proyecto en el motor de cómputo que contiene la tabla verificada.
beginTime	Long	1600704000000	La hora de inicio de la ejecución de la verificación, en milisegundos.
dateType	String	YMD	El tipo de ciclo de programación. Un valor común es `YMD`, que representa año, mes y día.
criticalThreshold	Float	0.6	El umbral de error personalizable, que define la desviación máxima aceptable respecto al valor esperado. Si la verificación de una regla estricta supera este umbral, se bloquea la tarea de programación asociada.
isPrediction	Boolean	false	Indica si el resultado es una predicción. Valores válidos: `true`: el resultado es una predicción. `false`: el resultado no es una predicción.
ruleName	String	Rule Name	El nombre de la regla.
checkerId	Integer	7	El ID del verificador.
discreteCheck	Boolean	true	Indica si la verificación es discreta. Valores válidos: `true`: la verificación es discreta. `false`: la verificación no es discreta.
endTime	Long	1600704000000	La hora de finalización de la ejecución de la verificación, en milisegundos.
methodName	String	max	El método utilizado para recopilar datos de muestra. Los valores válidos incluyen `avg`, `count`, `sum`, `min`, `max`, `count_distinct`, `user_defined`, `table_count`, `table_size`, `table_dt_load_count`, `table_dt_refuseload_count`, `null_value`, `null_value/table_count`, `(table_count-count_distinct)/table_count` y `table_count-count_distinct`.
lowerValue	Float	2344	El límite inferior previsto, que se genera automáticamente después de establecer un umbral.
entityId	Long	14534343	El ID de la entidad (como una tabla) que se monitorea.
whereCondition	String	type!='type2'	La cláusula `WHERE` utilizada para filtrar los datos de la verificación.
expectValue	Float	90	El valor esperado.
templateId	Integer	5	El ID de la plantilla de monitoreo utilizada.
taskId	String	16008552981681a0d6****	El ID único de la instancia de la tarea de verificación.
id	Long	2231123	El ID de clave principal del registro de verificación.
referenceValue	Array of ReferenceValue		Un arreglo de valores de muestra históricos para comparación.
discreteProperty	String	type1	El valor del campo utilizado para agrupar cuando se aplica una cláusula `GROUP BY`. Por ejemplo, si los datos se agrupan por un campo de género, el valor podría ser `male`, `female` o `null`.
value	Float	20	El valor de muestra.
bizDate	String	1600704000000	La marca de tiempo de los datos correspondiente a este valor de muestra histórico.
singleCheckResult	Integer	2	El estado de este resultado de verificación individual.
threshold	Float	0.2	El umbral aplicado a este valor discreto específico.
sampleValue	Array of SampleValue		Un arreglo con los valores de muestra actuales de la verificación.
discreteProperty	String	type2	El valor del campo utilizado para agrupar cuando se aplica una cláusula `GROUP BY`. Por ejemplo, si los datos se agrupan por un campo de género, el valor podría ser `male`, `female` o `null`.
bizDate	String	1600704000000	La marca de tiempo de los datos correspondiente al valor de muestra actual.
value	Float	23	El valor de muestra.
open	Boolean	true	Indica si la regla está habilitada.