GT$3})>l&&abs(#{DEGT$l}-#{DEGT$3})>l&&abs(#{DEGT}-#{DEGT$2})<l&&abs(#{DEGT}-#{DEGT$l})<l&&abs(#{DEGT$ I} -# {DEGT$2})〈 I，表示DEGT在四个采样点中两两的监控值差不超过I，即没有发生突变，通过正则表达式方法，得到这个报警规则中需要赋值的监控属性为DEGT、DEGT$1、DEGT$2、DEGT$3，即当前时间和前三个时间点的值作为最近的四个采样点。以Date作为现有的最后的时间，循环依次往前查，知道查满四个采样点为止，方式同简单报警规则和较复杂报警规则。如果满足报警条件，则进行报警操作。
[0036]本发明通过报警操作，可以将产生报警的原始数据以及报警具体内容发送到系统中，方便进行查询和后续的维修操作，不但实现了简单的报警规则检测，还可以设置复杂的报警规则，满足各种不同形式的报警需求。
[0037]本发明步骤9中完成监控数据的快速检索，进行趋势分析包括:
通过不同的图表方式展示监控属性的趋势变化，能够对监控属性的变化进行直观的监控，趋势分析的数据模型为:AnalyzeRule = {ID，esnarray，chartStyle，dataRange，basiclnfo,paramList}
Esnarray可以确定趋势分析要求的ESN组合，chartStyle为趋势分析的图表类型，以下依次说明:
(10)单Y轴参数VS时间:此种方式可以通过dataRange得到开始时间starttime和结束时间endtime，并且paramList的长度只为I，因为是单Y轴，此时dataRange为时间范围，根据paramList.get(0)可以得到参数信息，根据参数信息的唯一标识和开始时间与结束时间，得到该时间段的监控值，方法如下:
Startkey = paramid+starttime
Endkey = paramid+endtime
Resultscan = scan(ESN,startkey,endkey)
循环resultscan，从结果集中取值，然后赋值到标准的图像格式数据中，此时X轴为时间，Y轴为各个ESN对应时间点的监控值。最终以标准图表的形式返回到页面系统进行趋势展示；
(2)单Y轴参数VS采样点:此种方法通过循环的方式得到最近时间的采样点，并且param List的长度只为I，因为是单Y轴，此时dataRange表示采样点范围，根据paramList.get(0)可以得到参数信息，根据参数信息的唯一标识和采样点数，得到相应的监控值，方法如下:
WhileCdatalist.size(XdataRange){datalist= Scan(ESN,paramid,dataRange)
}
循环datalist，从结果集中取值，然后赋值到标准的图像格式数据中，此时X轴为采样点，最小为I，Y轴为各个ESN对应时间点的监控值，最终以标准图表的形式返回到页面系统进行趋势展示；
(3)单Y轴参数VS参数:此种方式可以通过dataRange得到开始时间starttime和结束时间endtime，并且paramLi st的长度只为2，因为X轴和Y轴均为参数，此时dataRange为时间范围，根据paramList.get(O)和paramList.get( I)可以得到X轴的参数信息和Y轴的参数信息，根据参数信息的唯一标识和开始时间与结束间，得到该时间段的监控值，方法如下:
StartkeyX = paramidX+starttimeEndkeyX = paramidX+endtimeResultscanX= scan(ESN,startkeyX,endkeyX)
StartkeyY = paramidY+starttimeEndkeyY = paramidY+endtimeResultscanY= scan(ESN,startkeyY,endkeyY)
循环resultscanX和resultscanY，从结果集中从前向后查询某一个时间点两者均有监控值的点，作为一个采样点，并将valueX赋值到X轴，将valueY赋值到Y轴，此时X轴和Y轴均为监控值，最终以标准图表的形式返回到页面系统进行趋势展示；
(4)多Y轴参数VS时间:此种方式可以通过dataRange得到开始时间starttime和结束时间endtime，并且paramList的长度必须大于I ,dataRange为时间范围，循环根据paramList可以得到参数信息，根据参数信息的唯一标识和开始时间与结束时间，得到相应时间段的监控值，方法如下:
ResultscanO = scan(ESN,paramidO+starttime,paramidO+endtime)
Resultscann = scan(ESN,paramidn+starttime,paramidn+endtime)循环^811]^803110"_^811]^8031111，从结果集中取值，然后赋值到标准的图像格式数据中，此时X轴为时间，Y轴为各个ESN各个监控属性对应时间点的监控值，最终以标准图表的形式返回到页面系统进行趋势展示；
(5)多Y轴参数VS采样点:此种方法通过循环的方式得到最近时间的采样点，并且paramList的长度必须大于I ,dataRange为采样点数，循环根据paramLi st可以得到参数信息，根据参数信息的唯一标识和采样点数，得到相应的监控值，方法如下:
WhileCdatalist0.size(XdataRange){
DatalistO= Scan(ESN,paramidO,dataRange)
}
WhileCdatalistn.size(XdataRange){
Datalistn= Scan(ESN,paramidn,dataRange)
}
循环DataIist0...DataIistn，从结果集中取值，然后赋值到标准的图像格式数据中，此时X轴为采样点，最小为1，Y轴为各个ESN对应各个监控数据采样点的监控值，最终以标准图表的形式返回到页面系统进行趋势展示。
[0038]本发明还提出了一种面向航空发动机性能监控的海量数据管理系统，其特征在于设有依次相连接的发动机基础数据录入模块、发动机监控数据采集及预处理模块、key生成模块、value生成模块、key-value绑定模块、监控数据存储模块、报警检测模块、趋势分析模块，还设有监控数据增量更新模块，其中监控数据增量更新模块的输入端与报警检测模块相连接，监控数据增量更新模块的输出端与发动机监控数据采集及预处理模块相连接。
[0039]本发明针对航空发动机的海量监控数据，利用关系数据库实现数据量小的基础数据管理，同时，利用分布式文件系统，基于key-value的模式实现海量数据的高性能存储管理，利用属性传递各种监控数据进行管理。
【主权项】
1.一种面向航空发动机性能监控的海量数据管理方法，其特征在于包括以下步骤: 步骤I:录入基础数据，将其存储到关系数据库； 步骤2:确定分布式文件系统模型； 步骤3:采集航空发动机监控数据，并进行预处理处理； 步骤4:将解析后的可操作数据处理后形成key; 步骤5:将解析后的可操作数据处理后形成value; 步骤6:将key与value进行绑定，存储至发动机相应的文件目录； 步骤7:及时增量更新监控数据，并同步更新文件系统； 步骤8:对监控数据进行报警规则检测； 步骤9:完成监控数据的快速检索，进行趋势分析。2.根据权利要求1所述的一种面向航空发动机性能监控的海量数据管理方法，其特征在于所述步骤I中所述基础数据包括飞机、发动机、监控属性、飞行阶段、数据来源、报警规贝1J、趋势分析规则、报文解析模板、数据解析模板，用于提供基于关系模型的数据查询服务和基础数据增量服务，其中飞机模型如下:Airplane={ ID ,basicInfo}； 其中ID为飞机的全局唯一标识，长度必须为32位数字和字母组合，basiclnfo为飞机基本信息，一台飞机至少有两台发动机，而且发动机会不断变化，此模型用来辅助查询不同时段的飞机发动机信息； 发动机模型如下:Engine= {ESN,basicInfο ,historyList ,alertRuleList}； 其中E S N为发动机的全局唯一标识，作为分布式文件系统的子目录唯一标识，basiclnfo为发动机基本信息，historyList为发动机的历史信息，记录发动机的动态变化信息，通过它可以查询发动机在不同时段的所在飞机信息，alertRuleList为关联该发动机的报警规则，将增量监控数据存储到分布式文件系统之后需要进行报警规则的检查，触发报警管理； 监控属性模型如下:StandardParam= {ID,basiclnfo};其中ID为监控属性的全局唯一标识，长度必须为32位数字和字母组合，作为存储分布式文件系统的key的重