CN109658043A - 催收数据处理方法、装置、设备和存储介质 - Google Patents
催收数据处理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109658043A CN109658043A CN201811206499.6A CN201811206499A CN109658043A CN 109658043 A CN109658043 A CN 109658043A CN 201811206499 A CN201811206499 A CN 201811206499A CN 109658043 A CN109658043 A CN 109658043A
- Authority
- CN
- China
- Prior art keywords
- collection data
- processing
- collection
- acquisition system
- default
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 34
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 27
- 235000021167 banquet Nutrition 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 239000012634 fragment Substances 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000005192 partition Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
Abstract
本发明公开了一种基于大数据的催收数据处理方法,包括以下步骤:接收催收数据批处理请求,获取与所述催收数据批处理请求对应的待处理的催收数据集合;根据所述催收数据集合的数据信息,判断所述催收数据集合是否符合分批加载条件;若所述催收数据集合符合分批加载条件,则从所述催收数据集合中分批加载目标催收数据;依次将各批所述目标催收数据输入预设线程池,并通过所述预设线程池中对应的多线程处理所述目标催收数据,得到处理结果。本发明还公开了一种催收数据处理装置、设备和存储介质。本发明中通过对催收数据的处理过程优化,提高了催收数据处理的时效性。
Description
技术领域
本发明涉及数据处理领域,尤其涉及催收数据处理方法、装置、设备和存储介质。
背景技术
随时社会信息化发展,当前各行各业的数据量较大,数据分析处理量也与日俱增。
例如金融行业中每天都需要对催收数据进行数据核算,以确定催收额度催收策略等等,为了实现高效地对催收数据分析处理,在进行催收数据分析处理时,通常利用计算机进行催收数据批处理(批处理是指对某数据对象或者其他进行批量的处理的方式);但是由于催收数据来源于各个金融办事机构,催收数据较为分散,若采用当前的催收数据批处理方式,会使得催收数据处理实效性差。
发明内容
本发明的主要目的在于提供一种催收数据处理方法、装置、设备和计算机存储介质,旨在提高了催收数据处理的时效性。
为实现上述目的,本发明提供催收数据处理方法,所述催收数据处理方法包括以下步骤:
接收催收数据批处理请求,获取与所述催收数据批处理请求对应的待处理的催收数据集合;
根据所述催收数据集合的数据信息,判断所述催收数据集合是否符合分批加载条件;
若所述催收数据集合符合分批加载条件,则从所述催收数据集合中分批加载目标催收数据;
依次将各批所述目标催收数据输入预设线程池,并通过所述预设线程池中对应的多线程处理所述目标催收数据,得到处理结果。
可选地,所述根据所述催收数据集合的数据信息,判断所述催收数据集合是否符合分批加载条件的步骤,包括:
获取所述催收数据集合中催收数据的数据量,将所述数据量与预设阈值进行比较;
若所述数据量大于所述预设阈值,则查询预设映射表,获取所述预设映射表中所述数据量对应的处理时间;
若所述处理时间大于预设处理时间,则判定所述催收数据集合符合分批加载条件;
若所述处理时间小于或等于预设处理时间,则判定所述催收数据集合不符合分批加载条件。
可选地,所述若所述催收数据集合符合分批加载条件,则从所述催收数据集合中分批加载目标催收数据的步骤,包括:
若所述催收数据集合符合分批加载条件,则获取处理器核心数,并将所述处理器核心数作为单次加载数量;
按预设哈希分割法将所述催收数据集合等量分割,形成所述单次加载数量对应的催收数据子集合;
依次将各所述催收数据子集合中的催收数据作为目标催收数据,并从所述催收数据集合中加载所述目标催收数据。
可选地,所述依次将各批所述目标催收数据输入预设线程池,并通过所述预设线程池中对应的多线程处理所述目标催收数据,得到处理结果的步骤,包括:
获取所述催收数据批处理请求中的处理任务,将所述处理任务进行任务划分,得到处理子任务,并依次将所述目标催收数据按所述处理子任务进行分片,得到数据片;
将各所述处理子任务与对应的所述数据片构建成为可并行执行的子任务包,将各所述子任务包输入至预设线程池中,以通过所述预设线程池中对应的多线程处理各所述子任务包;
获取各所述子任务包的执行子结果,并将各所述执行子结果进行汇总,得到处理结果。
可选地,所述根据所述催收数据集合的数据信息,判断所述催收数据集合是否符合分批加载条件的步骤之后,包括:
若所述催收数据集合不符合分批加载条件,则获取所述催收数据批处理请求中的处理任务,将所述处理任务进行任务划分,得到处理子任务,并将所述催收数据集合中的各催收数据按所述处理子任务进行分片,得到数据片;
将各所述处理子任务与对应的所述数据片构建成为可并行执行的子任务包,将各所述子任务包输入至预设线程池中,以通过所述预设线程池中对应的多线程处理各所述子任务包;
获取各所述子任务包的执行子结果,并将各所述执行子结果进行汇总,得到处理结果。
可选地,所述依次将各批所述目标催收数据输入预设线程池,并通过所述预设线程池中对应的多线程处理所述目标催收数据,得到处理结果的步骤之后,包括:
获取所述处理结果,将所述处理结果与预设处理结果进行比对;
若所述处理结果与所述预设处理结果匹配,则输出提示信息,以提示用户催收数据处理正常;
若所述处理结果与所述预设处理结果不匹配,则标记异常的所述处理结果,并进行数据回滚。
可选地,所述依次将各批所述目标催收数据输入预设线程池,并通过所述预设线程池中对应的多线程处理所述目标催收数据,得到处理结果的步骤之后,包括:
在检测到催收数据处理完成时,获取处理完成的催收数据及所述催收数据中的催收额度;
查询预设催收坐席表,获取所述预设催收坐席表中与所述催收额度匹配的目标催收终端;
将所述催收数据分配至所述目标催收终端,以供所述目标催收终端对应催收业务员执行催收业务。
此外,为实现上述目的,本发明还提供一种催收数据处理装置,所述催收数据处理装置包括:
请求接收模块,用于接收催收数据批处理请求,获取与所述催收数据批处理请求对应的待处理的催收数据集合;
条件判断模块,用于根据所述催收数据集合的数据信息,判断所述催收数据集合是否符合分批加载条件;
分批加载模块,用于若所述催收数据集合符合分批加载条件,则从所述催收数据集合中分批加载目标催收数据;
数据处理模块,用于依次将各批所述目标催收数据输入预设线程池,并通过所述预设线程池中对应的多线程处理所述目标催收数据,得到处理结果。
此外,为实现上述目的,本发明还提供一种催收数据处理设备;
所述催收数据处理设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中:
所述计算机程序被所述处理器执行时实现如上所述的催收数据处理方法的步骤。
此外,为实现上述目的,本发明还提供计算机存储介质;
所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述的催收数据处理方法的步骤。
本发明实施例提出的一种催收数据处理方法、装置、设备和存储介质,服务器接收催收数据批处理请求,获取与所述催收数据批处理请求对应的待处理的催收数据集合;根据所述催收数据集合的数据信息,判断所述催收数据集合是否符合分批加载条件;若所述催收数据集合符合分批加载条件,则从所述催收数据集合中分批加载目标催收数据;依次将各批所述目标催收数据输入预设线程池,并通过所述预设线程池中对应的多线程处理所述目标催收数据,得到处理结果。本申请中服务器接收到催收数据的批处理请求时,服务器首先根据催收数据集合的数据信息判断是否进行分批加载处理,在确定分批加载处理之后,服务器根据处理器的状态信息和待处理的催收数据集合的数据信息确定单次批处理的目标催收数据,服务器将目标催收数据输入至预设线程池,采用对多线程的处理方式,在保证批处理数据效率的同时兼顾催收数据批处理的时效性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图;
图2为本发明催收数据处理方法第一实施例的流程示意图;
图3为本发明催收数据处理装置一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的服务器(又叫催收数据处理设备,其中,催收数据处理设备可以是由单独的催收数据处理装置构成,也可以是由其他装置与催收数据处理装置组合形成)结构示意图。
本发明实施例服务器指一个管理资源并为用户提供服务的计算机,通常分为文件服务器、数据库服务器和应用程序服务器。运行以上软件的计算机或计算机系统也被称为服务器。相对于普通PC(personal computer)个人计算机来说,服务器在稳定性、安全性、性能等方面都要求较高;如图1所示,该服务器可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),网络接口1004,用户接口1003,存储器1005,通信总线1002、芯片组、磁盘系统、网络等硬件等。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity,WIFI接口)。存储器1005可以是高速随机存取存储器(random access memory,RAM),也可以是稳定的存储器(non-volatilememory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,服务器还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块;输入单元,比显示屏,触摸屏;网络接口可选除无线接口中除WiFi外,蓝牙、探针等。本领域技术人员可以理解,图1中示出的服务器结构并不构成对服务器的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,该计算机软件产品存储在一个存储介质(存储介质:又叫计算机存储介质、计算机介质、可读介质、可读存储介质、计算机可读存储介质或者直接叫介质等,如RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及计算机程序。
在图1所示的服务器中,网络接口1004主要用于连接后台数据库,与后台数据库进行数据通信;用户接口1003主要用于连接客户端(客户端,又叫用户端或终端,本发明实施例终端可以固定终端也可以是移动终端,如,带联网功能的智能空调、智能电灯、智能电源、智能音箱、自动驾驶汽车、PC、智能手机、平板电脑、电子书阅读器、便携计算机等,终端中包含传感器比如光传感器、运动传感器以及其他传感器,在此不再赘述),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的计算机程序,并执行本发明以下实施例提供的催收数据处理方法中的步骤。
本发明的第一实施例提出一种催收数据处理方法。该方法运用于如图1所示的服务器,该方法包括:
接收催收数据批处理请求,获取与所述催收数据批处理请求对应的待处理的催收数据集合;
根据所述催收数据集合的数据信息,判断所述催收数据集合是否符合分批加载条件;
若所述催收数据集合符合分批加载条件,则从所述催收数据集合中分批加载目标催收数据;
依次将各批所述目标催收数据输入预设线程池,并通过所述预设线程池中对应的多线程处理所述目标催收数据,得到处理结果。
本实施例中的催收数据处理方法中,服务器按需加载催收数据,并对加载的催收数据进行批处理,相比起现有的批处理而言,本申请中的催收数据处理更加灵活,即,现有的批处理为了保证数据处理不会出现冲突,通过将全部的数据进行加载处理,本实施例中则可以根据所述催收数据集合的数据信息,判断是否进行分批加载处理,本申请中既保证了催收数据的处理效率,又兼顾了催收数据处理的时效性,具体地:
参照图2,本发明催收数据处理方法的第一实施例中,所述催收数据处理方法包括:
步骤S10,接收催收数据批处理请求,获取与所述催收数据批处理请求对应的待处理的催收数据集合。
服务器接收催收数据批处理请求,其中,服务器接收到的催收数据批处理请求可以是通过不同的触发方式触发的,例如,通过用户手动在终端点击按键“数据处理”触发催收数据批处理请求;在服务器接收到催收数据批处理请求之后,服务器获取与所述催收数据批处理请求对应的待处理的催收数据集合,其中,所述催收数据集合中包含有一个或者多个待处理的催收数据。
步骤S20,根据所述催收数据集合的数据信息,判断所述催收数据集合是否符合分批加载条件。
本实施例中在服务器获取到催收数据集合之后,服务器根据催收数据集合对应的数据信息判断所述催收数据集合是否符合分批加载条件,具体地,包括:
步骤a,获取所述催收数据集合中催收数据的数据量,将所述数据量与预设阈值进行比较。
步骤b,若所述数据量大于所述预设阈值,则查询预设映射表,获取所述预设映射表中所述数据量对应的处理时间。
步骤c,若所述处理时间大于预设处理时间,则判定所述催收数据集合符合分批加载条件。
步骤d,若所述处理时间小于或等于预设处理时间,则判定所述催收数据集合不符合分批加载条件。
即,服务器统计所述催收数据集合对应的数据量(数据量可以理解为催收数据集合中包含的催收数据或者催收案件的个数),服务器将催收数据集合的数据量与预设阈值(预设阈值是指预设的催收数据量临界值,在催收数据集合对应的催收数据量低于该预设阈值时,服务器不需要将催收数据集合中的催收数据进行分批处理而直接进行全量加载处理,其中,预设阈值可以根据具体场景设置,例如,设置为100个)进行比较;若所述数据量小于或等于所述预设阈值,则判定所述催收数据集合不符合分批加载条件。
若所述数据量大于所述预设阈值,即,服务器确定催收数据集合中待处理的催收数据较多,服务器查询预设映射表(预设映射表中包含有预先设置的不同数据量的处理时间),服务器获取所述预设映射表中所述数据量对应的处理时间;若所述处理时间大于预设处理时间(预设处理时间是指预先设置的时间,预设处理时间可以根据具体场景设置,例如,预设时间设为1分钟),则服务器确定催收数据的处理时效性差,服务器判定所述催收数据集合符合分批加载条件,若所述处理时间小于或等于预设处理时间,则判定所述催收数据集合不符合分批加载条件。本实施例中根据催收数据集合对应的数据信息确定是否进行分批加载,使得催收数据分批加载更加合理。
步骤S30,若所述催收数据集合符合分批加载条件,则从所述催收数据集合中分批加载目标催收数据。
在服务器确定所述催收数据集合符合分批加载条件之后,服务器确定催收数据的单次加载量,以使服务器从催收数据集合获取单次加载量对应的催收数据作为目标催收数据;具体地,本实施例中给出了一种确定催收数据单次加载量的具体实现方式,包括:
服务器获取处理器核心数,服务器将所述处理器核心数作为单次加载数量,即,服务器为了使处理器的资源利用率更高,将服务器将所述催收数据集合划分为多个催收数据子集合,且每个催收数据子集合中包含有单次加载数量对应的催收数据,服务器依次将各所述催收数据子集合中的催收数据作为目标催收数据,以从所述催收数据集合中加载所述目标催收数据。
本实施例中服务器根据处理器核心数和催收数据集合中的催收数据的数据量,确定单次加载量,使得催收数据的处理效率和服务器的资源占用率最为合理。
步骤S40,依次将各批所述目标催收数据输入预设线程池,并通过所述预设线程池中对应的多线程处理所述目标催收数据,得到处理结果。
本实施例中得到目标催收数据之后,服务器将目标催收数据进行预处理,其中,预处理是指预先设置的根据催收数据批处理请求中的处理任务,进行催收数据划分的策略,并将经过预处理的目标催收数据输入预设线程池,服务器通过所述预设线程池中对应的多线程处理所述目标催收数据,得到处理结果,具体地包括:
步骤a,获取所述催收数据批处理请求中的处理任务,将所述处理任务进行任务划分,得到处理子任务,并依次将所述目标催收数据按所述处理子任务进行分片,得到数据片。
步骤b,将各所述处理子任务与对应的所述数据片构建成为可并行执行的子任务包,将各所述子任务包输入至预设线程池中,以通过所述预设线程池中对应的多线程处理各所述子任务包。
步骤c,获取各所述子任务包的执行子结果,并将各所述执行子结果进行汇总,得到处理结果。
即,服务器获取所述催收数据批处理请求中的处理任务,服务器将所述处理任务进行任务划分,得到处理子任务,并依次将所述目标催收数据按所述处理子任务进行分片,得到数据片;服务器将各所述处理子任务与对应的所述数据片构建成为可并行执行的子任务包,将各所述子任务包输入至预设线程池中(预设线程池是指预先设置的处理器对应的线程池),以通过所述预设线程池中对应的多线程处理各所述子任务包。服务器获取各子任务包的执行子结果,并将各所述执行子结果进行汇总,得到处理结果。
在本实施例中服务器接收到催收数据的批处理请求时,服务器首先根据催收数据集合的数据信息判断是否进行分批加载处理,在确定分批加载处理之后,服务器根据处理器的状态信息和待处理的催收数据集合的数据信息确定单次批处理的目标催收数据,服务器将目标催收数据输入至预设线程池,采用对多线程的处理方式,在保证批处理数据效率的同时兼顾催收数据批处理的时效性。
进一步地,在本发明第一实施例的基础上,提出了本发明催收数据处理方法的第二实施例。
本实施例是第一实施例中步骤S30的细化,本实施例中所述催收数据处理方法包括:
步骤S31,若所述催收数据集合符合分批加载条件,则获取处理器核心数,并将所述处理器核心数作为单次加载数量。
服务器确定所述催收数据集合符合分批加载条件,服务器确定分批加载的单次加载量,本实施例中单次加载量是根据服务器的处理器核心数确定的,即,服务器为了保证处理器的资源利用率最高,服务器将所述处理器核心数作为单次加载数量,需要补充说明的是:服务器还可以根据除处理器核心数之外的其他处理器状态信息确定单次加载数量,或者服务器根据处理器的多个状态信息结合确定单次加载数量,本实施例中不作赘述。
步骤S32,按预设哈希分割法将所述催收数据集合等量分割,形成所述单次加载数量对应的催收数据子集合。
服务器按预设哈希分割法将所述催收数据集合等量分割,其中,预设哈希分割法是指预先设置地根据关键码值进行催收数据集合分割的算法,服务器将催收数据集合按预设哈希分割法进行等量分割,形成所述单次加载数量对应的催收数据子集合。即,服务器将催收数据集合中的催收数据分割为多个催收数据子集合,每个催收数据子集合中包含有个数与单次加载数量相同的催收数据。
本实施例中按预设哈希分割法将所述催收数据集合等量分割,一方面是为了避免在基于催收数据集合进行数据访问时出现冲突的情况,另一方面是为了保证数据批处理的效率。需要补充说明的是:若催收数据集合中的催收数据的数据量与处理器核心数不可以整除,服务器将最后剩余的催收数据作为一个催收数据子集合。
步骤S33,依次将各所述催收数据子集合中的催收数据作为目标催收数据,并从所述催收数据集合中加载所述目标催收数据。
服务器依次将各所述催收数据子集合中的催收数据作为目标催收数据,并从所述催收数据集合中加载所述目标催收数据。即,服务器将催收数据集合划分为多个催收数据子集合,服务器依次将每个催收数据子结合中的催收数据作为目标催收数据,在第一个催收数据子集合处理完成时,服务器再加载第二个催收数据子集合,直至催收数据集合中的全部催收数据子集合处理完成。在本实施例中服务器结合处理器核心数确定单次加载数量,实现了通过保证服务器的资源利用率,来提高催收数据的处理效率的效果。
进一步地,本发明催收数据处理方法的第三实施例中,在本实施中具体说明了在催收数据集合不符合分批加载条件时,进行全量催收数据加载处理的实现方式,所述催收数据处理方法包括:
步骤S50,若所述催收数据集合不符合分批加载条件,则获取所述催收数据批处理请求中的处理任务,将所述处理任务进行任务划分,得到处理子任务,并将所述催收数据集合中的各催收数据按所述处理子任务进行分片,得到数据片。
若所述催收数据集合不符合分批加载条件,即,服务器确定催收数据集合中的催收数据量较小,或者处理时间充裕的时候,服务器将进行全量的催收数据加载,然后处理所述催收数据,即,服务器获取所述催收数据批处理请求中的处理任务,服务器将所述处理任务进行任务划分,得到处理子任务,并将所述催收数据集合中的各催收数据按所述处理子任务进行分片,得到数据片。
步骤S60,将各所述处理子任务与对应的所述数据片构建成为可并行执行的子任务包,将各所述子任务包输入至预设线程池中,以通过所述预设线程池中对应的多线程处理各所述子任务包。
服务器将各所述处理子任务与对应的所述数据片进行组合,构建成为可并行执行的子任务包,服务器将各所述子任务包输入至预设线程池中(预设线程池是指预先设置的处理器对应的线程池),服务器通过所述预设线程池中对应的多线程处理各所述子任务包。
步骤S70,获取各所述子任务包的执行子结果,并将各所述执行子结果进行汇总,得到处理结果。
服务器获取各所述子任务包的执行子结果,并将各所述执行子结果进行汇总,服务器将各个执行结果进行拼接得到处理结果。在本实施例中采用全量加载催收数据的方式,实现催收数据的处理,保证了催收数据处理的效率。
进一步地,在上述实施例的基础上提出了本发明催收数据处理方法的第四实施例,本实施例中给出了得到处理结果之后,服务器的执行步骤,具体地所述催收数据处理方法包括:
步骤S80,获取所述处理结果,将所述处理结果与预设处理结果进行比对。
服务器获取所述处理结果,服务器将所述处理结果与预设处理结果进行比对,其中,预设处理结果是指预先设置的催收数据标准处理结果,服务器将处理结果与预设处理结果进行比对,得到比对结果以根据比对结果,判断所述催收数据是否异常,具体地:
步骤S90,若所述处理结果与所述预设处理结果匹配,则输出提示信息,以提示用户催收数据处理正常。
若所述处理结果与所述预设处理结果匹配,即,处理结果与预设处理结果相同,服务器判定所述催收数据处理正常,则服务器输出提示信息,以提示用户催收数据处理正常。
步骤S100,若所述处理结果与所述预设处理结果不匹配,则标记异常的所述处理结果,并进行数据回滚。
若所述处理结果与所述预设处理结果不匹配,即,处理结果与预设处理结果不同,服务器判定所述催收数据处理异常,则标记异常的所述处理结果,并进行数据回滚。本实施例中服务器将催收数据的处理结果与预设的处理结果进行比对,可以有效地查找到催收数据异常的情况,并进行异常更正,避免了当前批处理异常查找困难的问题。
进一步地,本发明催收数据处理方法的第五实施例中,具体说明了催收数据处理完成之后,催收数据分配策略,具体地,所述催收数据处理方法包括:
步骤S110,在检测到催收数据处理完成时,获取处理完成的催收数据及所述催收数据中的催收额度。
在服务器检测到催收数据处理完成时,即,服务器接收到催收数据的处理结果时,服务器检测到催收数据处理完成,服务器获取处理完成的催收数据及所述催收数据中的催收额度。
步骤S120,查询预设催收坐席表,获取所述预设催收坐席表中与所述催收额度匹配的目标催收终端;将所述催收数据分配至所述目标催收终端,以供所述目标催收终端对应催收业务员执行催收业务。
服务器查询预设催收坐席表,其中,预设催收坐席表中包含有各个催收坐席的催收任务,催收业务员名称等等,服务器将催收额度与预设催收坐席表中各个催收坐席的催收任务进行比对,服务器将催收额度与催收任务匹配的催收坐席作为目标催收坐席,服务器将该催收数据分配至所述目标催收终端,以供所述目标催收终端对应催收业务员执行催收业务。在本实施例中在催收数据处理完成之后,服务器可以进行催收数据的分配处理,使得催收数据的处理更加智能。
此外,参照图3,本发明实施例还提出一种催收数据处理装置,所述催收数据处理装置包括:
请求接收模块10,用于接收催收数据批处理请求,获取与所述催收数据批处理请求对应的待处理的催收数据集合;
条件判断模块20,用于根据所述催收数据集合的数据信息,判断所述催收数据集合是否符合分批加载条件;
分批加载模块30,用于若所述催收数据集合符合分批加载条件,则从所述催收数据集合中分批加载目标催收数据;
数据处理模块40,用于依次将各批所述目标催收数据输入预设线程池,并通过所述预设线程池中对应的多线程处理所述目标催收数据,得到处理结果。
可选地,所述条件判断模块20,包括:
获取比较单元,用于获取所述催收数据集合中催收数据的数据量,将所述数据量与预设阈值进行比较;
时间查询单元,用于若所述数据量大于所述预设阈值,则查询预设映射表,获取所述预设映射表中所述数据量对应的处理时间;
第一判定单元,用于若所述处理时间大于预设处理时间,则判定所述催收数据集合符合分批加载条件;
第二判定单元,用于若所述处理时间小于或等于预设处理时间,则判定所述催收数据集合不符合分批加载条件。
可选地,所述分批加载模块30,包括:
加载量确定单元,用于若所述催收数据集合符合分批加载条件,则获取处理器核心数,并将所述处理器核心数作为单次加载数量;
分割单元,用于按预设哈希分割法将所述催收数据集合等量分割,形成所述单次加载数量对应的催收数据子集合;
数据加载单元,用于依次将各所述催收数据子集合中的催收数据作为目标催收数据,并从所述催收数据集合中加载所述目标催收数据。
可选地,所述数据处理模块40,包括:
分片处理单元,用于获取所述催收数据批处理请求中的处理任务,将所述处理任务进行任务划分,得到处理子任务,并依次将所述目标催收数据按所述处理子任务进行分片,得到数据片;
任务执行单元,用于将各所述处理子任务与对应的所述数据片构建成为可并行执行的子任务包,将各所述子任务包输入至预设线程池中,以通过所述预设线程池中对应的多线程处理各所述子任务包;
结果获取单元,用于获取各所述子任务包的执行子结果,并将各所述执行子结果进行汇总,得到处理结果。
可选地,所述催收数据处理装置,包括:
分片模块,用于若所述催收数据集合不符合分批加载条件,则获取所述催收数据批处理请求中的处理任务,将所述处理任务进行任务划分,得到处理子任务,并将所述催收数据集合中的各催收数据按所述处理子任务进行分片,得到数据片;
任务执行模块,用于将各所述处理子任务与对应的所述数据片构建成为可并行执行的子任务包,将各所述子任务包输入至预设线程池中,以通过所述预设线程池中对应的多线程处理各所述子任务包;
结果获取模块,用于获取各所述子任务包的执行子结果,并将各所述执行子结果进行汇总,得到处理结果。
可选地,所述催收数据处理装置,包括:
结果比对模块,用于获取所述处理结果,将所述处理结果与预设处理结果进行比对;
提示输出单元,用于若所述处理结果与所述预设处理结果匹配,则输出提示信息,以提示用户催收数据处理正常;
数据回滚单元,用于若所述处理结果与所述预设处理结果不匹配,则标记异常的所述处理结果,并进行数据回滚。
可选地,所述催收数据处理装置,包括:
额度获取模块,用于在检测到催收数据处理完成时,获取处理完成的催收数据及所述催收数据中的催收额度;
终端查询模块,用于查询预设催收坐席表,获取所述预设催收坐席表中与所述催收额度匹配的目标催收终端;
任务分配模块,用于将所述催收数据分配至所述目标催收终端,以供所述目标催收终端对应催收业务员执行催收业务。
其中,催收数据处理装置的各个功能模块实现的步骤可参照本发明催收数据处理方法的各个实施例,此处不再赘述。
此外,本发明实施例还提出一种计算机存储介质。
所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例提供的催收数据处理方法中的操作。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来,而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序;术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种催收数据处理方法,其特征在于,所述催收数据处理方法包括以下步骤:
接收催收数据批处理请求,获取与所述催收数据批处理请求对应的待处理的催收数据集合;
根据所述催收数据集合的数据信息,判断所述催收数据集合是否符合分批加载条件;
若所述催收数据集合符合分批加载条件,则从所述催收数据集合中分批加载目标催收数据;
依次将各批所述目标催收数据输入预设线程池,并通过所述预设线程池中对应的多线程处理所述目标催收数据,得到处理结果。
2.如权利要求1所述的催收数据处理方法,其特征在于,所述根据所述催收数据集合的数据信息,判断所述催收数据集合是否符合分批加载条件的步骤,包括:
获取所述催收数据集合中催收数据的数据量,将所述数据量与预设阈值进行比较;
若所述数据量大于所述预设阈值,则查询预设映射表,获取所述预设映射表中所述数据量对应的处理时间;
若所述处理时间大于预设处理时间,则判定所述催收数据集合符合分批加载条件;
若所述处理时间小于或等于预设处理时间,则判定所述催收数据集合不符合分批加载条件。
3.如权利要求1所述的催收数据处理方法,其特征在于,所述若所述催收数据集合符合分批加载条件,则从所述催收数据集合中分批加载目标催收数据的步骤,包括:
若所述催收数据集合符合分批加载条件,则获取处理器核心数,并将所述处理器核心数作为单次加载数量;
按预设哈希分割法将所述催收数据集合等量分割,形成所述单次加载数量对应的催收数据子集合;
依次将各所述催收数据子集合中的催收数据作为目标催收数据,并从所述催收数据集合中加载所述目标催收数据。
4.如权利要求1所述的催收数据处理方法,其特征在于,所述依次将各批所述目标催收数据输入预设线程池,并通过所述预设线程池中对应的多线程处理所述目标催收数据,得到处理结果的步骤,包括:
获取所述催收数据批处理请求中的处理任务,将所述处理任务进行任务划分,得到处理子任务,并依次将所述目标催收数据按所述处理子任务进行分片,得到数据片;
将各所述处理子任务与对应的所述数据片构建成为可并行执行的子任务包,将各所述子任务包输入至预设线程池中,以通过所述预设线程池中对应的多线程处理各所述子任务包;
获取各所述子任务包的执行子结果,并将各所述执行子结果进行汇总,得到处理结果。
5.如权利要求1所述的催收数据处理方法,其特征在于,所述根据所述催收数据集合的数据信息,判断所述催收数据集合是否符合分批加载条件的步骤之后,包括:
若所述催收数据集合不符合分批加载条件,则获取所述催收数据批处理请求中的处理任务,将所述处理任务进行任务划分,得到处理子任务,并将所述催收数据集合中的各催收数据按所述处理子任务进行分片,得到数据片;
将各所述处理子任务与对应的所述数据片构建成为可并行执行的子任务包,将各所述子任务包输入至预设线程池中,以通过所述预设线程池中对应的多线程处理各所述子任务包;
获取各所述子任务包的执行子结果,并将各所述执行子结果进行汇总,得到处理结果。
6.如权利要求1所述的催收数据处理方法,其特征在于,所述依次将各批所述目标催收数据输入预设线程池,并通过所述预设线程池中对应的多线程处理所述目标催收数据,得到处理结果的步骤之后,包括:
获取所述处理结果,将所述处理结果与预设处理结果进行比对;
若所述处理结果与所述预设处理结果匹配,则输出提示信息,以提示用户催收数据处理正常;
若所述处理结果与所述预设处理结果不匹配,则标记异常的所述处理结果,并进行数据回滚。
7.如权利要求1所述的催收数据处理方法,其特征在于,所述依次将各批所述目标催收数据输入预设线程池,并通过所述预设线程池中对应的多线程处理所述目标催收数据,得到处理结果的步骤之后,包括:
在检测到催收数据处理完成时,获取处理完成的催收数据及所述催收数据中的催收额度;
查询预设催收坐席表,获取所述预设催收坐席表中与所述催收额度匹配的目标催收终端;
将所述催收数据分配至所述目标催收终端,以供所述目标催收终端对应催收业务员执行催收业务。
8.一种催收数据处理装置,其特征在于,所述催收数据处理装置包括:
请求接收模块,用于接收催收数据批处理请求,获取与所述催收数据批处理请求对应的待处理的催收数据集合;
条件判断模块,用于根据所述催收数据集合的数据信息,判断所述催收数据集合是否符合分批加载条件;
分批加载模块,用于若所述催收数据集合符合分批加载条件,则从所述催收数据集合中分批加载目标催收数据;
数据处理模块,用于依次将各批所述目标催收数据输入预设线程池,并通过所述预设线程池中对应的多线程处理所述目标催收数据,得到处理结果。
9.一种催收数据处理设备,其特征在于,所述催收数据处理设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中:
所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的催收数据处理方法的步骤。
10.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的催收数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811206499.6A CN109658043A (zh) | 2018-10-16 | 2018-10-16 | 催收数据处理方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811206499.6A CN109658043A (zh) | 2018-10-16 | 2018-10-16 | 催收数据处理方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109658043A true CN109658043A (zh) | 2019-04-19 |
Family
ID=66110007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811206499.6A Pending CN109658043A (zh) | 2018-10-16 | 2018-10-16 | 催收数据处理方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109658043A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111581252A (zh) * | 2020-05-04 | 2020-08-25 | 上海维信荟智金融科技有限公司 | 基于多维度信息数据的动态催收方法及系统 |
CN112307126A (zh) * | 2020-11-24 | 2021-02-02 | 上海浦东发展银行股份有限公司 | 一种信用卡账户管理数据的批处理方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101556678A (zh) * | 2009-05-21 | 2009-10-14 | 中国建设银行股份有限公司 | 一种批处理业务的处理方法、系统及业务处理控制设备 |
JP2010049521A (ja) * | 2008-08-22 | 2010-03-04 | Kobe Steel Ltd | 並列型バッチ処理用スケジュール作成装置および該方法 |
US20150293816A1 (en) * | 2012-12-31 | 2015-10-15 | Huawei Technologies Co., Ltd. | Data processing method and apparatus |
CN105487924A (zh) * | 2015-11-30 | 2016-04-13 | 中国建设银行股份有限公司 | 一种批处理控制方法及装置 |
CN105869048A (zh) * | 2016-03-28 | 2016-08-17 | 中国建设银行股份有限公司 | 一种数据处理方法及系统 |
CN105912541A (zh) * | 2015-12-12 | 2016-08-31 | 乐视移动智能信息技术(北京)有限公司 | 一种对数据库操作进行批处理的方法和装置 |
CN106330987A (zh) * | 2015-06-15 | 2017-01-11 | 交通银行股份有限公司 | 动态负荷均衡方法 |
US20170228422A1 (en) * | 2016-02-10 | 2017-08-10 | Futurewei Technologies, Inc. | Flexible task scheduler for multiple parallel processing of database data |
CN107783829A (zh) * | 2017-09-05 | 2018-03-09 | 平安科技(深圳)有限公司 | 任务处理方法、装置、存储介质和计算机设备 |
CN108228736A (zh) * | 2017-12-12 | 2018-06-29 | 深圳市买买提信息科技有限公司 | 数据处理方法、数据处理系统及计算机可读存储介质 |
-
2018
- 2018-10-16 CN CN201811206499.6A patent/CN109658043A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010049521A (ja) * | 2008-08-22 | 2010-03-04 | Kobe Steel Ltd | 並列型バッチ処理用スケジュール作成装置および該方法 |
CN101556678A (zh) * | 2009-05-21 | 2009-10-14 | 中国建设银行股份有限公司 | 一种批处理业务的处理方法、系统及业务处理控制设备 |
US20150293816A1 (en) * | 2012-12-31 | 2015-10-15 | Huawei Technologies Co., Ltd. | Data processing method and apparatus |
CN106330987A (zh) * | 2015-06-15 | 2017-01-11 | 交通银行股份有限公司 | 动态负荷均衡方法 |
CN105487924A (zh) * | 2015-11-30 | 2016-04-13 | 中国建设银行股份有限公司 | 一种批处理控制方法及装置 |
CN105912541A (zh) * | 2015-12-12 | 2016-08-31 | 乐视移动智能信息技术(北京)有限公司 | 一种对数据库操作进行批处理的方法和装置 |
US20170228422A1 (en) * | 2016-02-10 | 2017-08-10 | Futurewei Technologies, Inc. | Flexible task scheduler for multiple parallel processing of database data |
CN105869048A (zh) * | 2016-03-28 | 2016-08-17 | 中国建设银行股份有限公司 | 一种数据处理方法及系统 |
CN107783829A (zh) * | 2017-09-05 | 2018-03-09 | 平安科技(深圳)有限公司 | 任务处理方法、装置、存储介质和计算机设备 |
CN108228736A (zh) * | 2017-12-12 | 2018-06-29 | 深圳市买买提信息科技有限公司 | 数据处理方法、数据处理系统及计算机可读存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111581252A (zh) * | 2020-05-04 | 2020-08-25 | 上海维信荟智金融科技有限公司 | 基于多维度信息数据的动态催收方法及系统 |
CN112307126A (zh) * | 2020-11-24 | 2021-02-02 | 上海浦东发展银行股份有限公司 | 一种信用卡账户管理数据的批处理方法及系统 |
CN112307126B (zh) * | 2020-11-24 | 2022-09-27 | 上海浦东发展银行股份有限公司 | 一种信用卡账户管理数据的批处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10878355B2 (en) | Systems and methods for incident queue assignment and prioritization | |
US8443373B2 (en) | Efficient utilization of idle resources in a resource manager | |
US9195724B2 (en) | Associating objects in multi-tenant systems | |
CN109408205A (zh) | 基于hadoop集群的任务调度方法和装置 | |
CN111078436B (zh) | 数据处理的方法、装置、设备及存储介质 | |
CN107484190B (zh) | 网络连接方法、移动终端及计算机可读存储介质 | |
CN108881396A (zh) | 网络数据的加载方法、装置、设备和计算机存储介质 | |
CN103873587B (zh) | 一种基于云平台实现调度的方法及装置 | |
CN108337275A (zh) | 用于分发服务器的任务分发方法、装置以及设备 | |
CN109669775A (zh) | 分布式任务调度方法、系统及存储介质 | |
CN111191777B (zh) | 一种神经网络处理器及其控制方法 | |
CN109815097A (zh) | 基于智能决策的应用程序功能操作推荐方法及系统 | |
US20120324466A1 (en) | Scheduling Execution Requests to Allow Partial Results | |
CN109343972A (zh) | 任务处理方法及终端设备 | |
CN109816481A (zh) | 账单处理方法、装置及计算机可读存储介质 | |
CN109658043A (zh) | 催收数据处理方法、装置、设备和存储介质 | |
CN110533286A (zh) | 基于区块链的联盟成员管理方法、装置以及计算机设备 | |
US20190253488A1 (en) | Transaction process management by dynamic transaction aggregation | |
CN109669773A (zh) | 金融数据处理方法、装置、设备和存储介质 | |
CN116166395A (zh) | 任务调度方法、装置、介质及电子设备 | |
CN103713852A (zh) | 一种信息处理方法、服务平台及电子设备 | |
CN111522840B (zh) | 标签的配置方法、装置、设备及计算机可读存储介质 | |
CN106874079A (zh) | 一种任务执行的方法及装置 | |
CN112416558A (zh) | 基于区块链的业务数据处理方法、装置及存储介质 | |
CN109241727B (zh) | 权限设置方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |