CN109710884B - 一种支持多种复杂计算方式的实时指标配置方法及系统 - Google Patents

一种支持多种复杂计算方式的实时指标配置方法及系统 Download PDF

Info

Publication number
CN109710884B
CN109710884B CN201811623341.9A CN201811623341A CN109710884B CN 109710884 B CN109710884 B CN 109710884B CN 201811623341 A CN201811623341 A CN 201811623341A CN 109710884 B CN109710884 B CN 109710884B
Authority
CN
China
Prior art keywords
data type
data
calculation
memory
real
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.)
Active
Application number
CN201811623341.9A
Other languages
English (en)
Other versions
CN109710884A (zh
Inventor
张可
姜强
陈维佳
宁丹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Guoshun Technology Co ltd
Original Assignee
Beijing Guoshun Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Guoshun Technology Co ltd filed Critical Beijing Guoshun Technology Co ltd
Priority to CN201811623341.9A priority Critical patent/CN109710884B/zh
Publication of CN109710884A publication Critical patent/CN109710884A/zh
Application granted granted Critical
Publication of CN109710884B publication Critical patent/CN109710884B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供了一种支持多种复杂计算方式的实时指标配置方法及系统，方法包括：确定数据类型以及所述数据类型对应的调用函数；根据所述数据类型以及所述数据类型对应的调用函数，确定所述数据类型所使用的各种计算函数；将所述数据类型以及所述计算函数配置到内存。本发明实施例提供的一种支持多种复杂计算方式的实时指标配置方法及系统，可以支持多种数据格式，支持多种计算方法，同时满足高并发低延时的实时处置需求，从而能够在配置多条复杂规则的前提下，同时处置大量并发交易，且能满足延时极低基本对正常业务无打扰的需求。

Description

一种支持多种复杂计算方式的实时指标配置方法及系统
技术领域
本发明实施例涉及反欺诈规则配置计算技术领域，尤其涉及一种支持多种复杂计算方式的实时指标配置方法及系统。
背景技术
实时反欺诈规则配置计算功能作为一种优良的欺诈风险识别工具，正在为越来越多的金融公司采用。反欺诈规则功能经过多年发展，逐步形成了一套完善的体系方法，实时指标配置计算是规则引擎的核心功能，如何实现一套支持多种数据格式，能够实现多种复杂配置方式，支持高并发低延时的规则引擎是评价一套反欺诈系统是否优良的重要标准。
首先，支持的数据格式是否多样。常规规则引擎，一般只支持数值型和布尔型变量。而伴随着大数据时代的来临，需要处理的数据格式日益多样化，不仅需要支持数值型、布尔型变量；大量的字符型、枚举型变量、时间日期型变量，以及需要特殊处理方法的变量，如IP地址等，只有满足这些变量类型的处理，才能为规则制定提供丰富的字段来源。其次，支持的计算方式是否多样。常规的规则引擎，一般只支持简单的加减乘除、求和、求频数、求极值、求均值、逻辑判断等计算方式，以此配置出来的规则也相对简单。而现在黑产攻击方式层出不穷，简单方法配置出的规则更容易被突破，只有增加更多符合业务实际的规则统计才能更好的应对黑灰产的攻击。最后，是否支持高并发低延时。经过对业务场景的大量研究，我们发现黑灰产的攻击大多借助群控设备、打码平台、自动化工具、代理IP等手段，通过批量化、自动化的方式进行。实时交易场景，如银行的转账、支付等交易，天然的拥有大数量、高并发的特征。如何在不打扰正常客户的情况下，识别实时交易行为中的黑灰产攻击，对反欺诈系统的并发能力及处理速度提出了很高要求。规则引擎的并发及延时是相互矛盾的统一体，并发交易大，一般系统处理时效就会相对缓慢。在配置少数简单规则或统计的前提下，做到高并发低延时并不是很困难，难的是在配置大量需要复杂计算的规则统计的前提下，满足一定的并发数量及反馈时效。
因此，现在亟需一种支持多种复杂计算方式的实时指标配置方法来解决上述问题。
发明内容
为了解决上述问题，本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的一种支持多种复杂计算方式的实时指标配置方法及系统。
第一方面本发明实施例提供一种支持多种复杂计算方式的实时指标配置方法，包括：
确定数据类型以及所述数据类型对应的调用函数；
根据所述数据类型以及所述数据类型对应的调用函数，确定所述数据类型所使用的各种计算函数；
将所述数据类型以及所述计算函数配置到内存。
第二方面本发明实施例提供了一种支持多种复杂计算方式的实时指标配置系统，包括：
调用函数确定模块，用于确定数据类型以及所述数据类型对应的调用函数；
计算函数确定模块，用于根据所述数据类型以及所述数据类型对应的调用函数，确定所述数据类型所使用的各种计算函数；
配置模块，用于将所述数据类型以及所述计算函数配置到内存。
第三方面本发明实施例提供了一种电子设备，包括：
处理器、存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述实时指标配置方法。
第四方面本发明实施例提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述的实时指标配置方法。
本发明实施例提供的一种支持多种复杂计算方式的实时指标配置方法及系统，可以支持多种数据格式，支持多种计算方法，同时满足高并发低延时的实时处置需求，从而能够在配置多条复杂规则的前提下，同时处置大量并发交易，且能满足延时极低基本对正常业务无打扰的需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种支持多种复杂计算方式的实时指标配置方法流程示意图；
图2是本发明实施例提供的一种支持多种复杂计算方式的实时指标配置系统结构示意图；
图3是本发明实施例提供的电子设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前，现有技术中尚没有一种能够支持多种数据格式、支持多种计算方法、同时满足高并发低延迟的实时交易反欺诈需求的规则引擎。
针对上述问题，图1是本发明实施例提供的一种支持多种复杂计算方式的实时指标配置方法流程示意图，如图1所示，包括：
101、确定数据类型以及所述数据类型对应的调用函数；
102、根据所述数据类型以及所述数据类型对应的调用函数，确定所述数据类型所使用的各种计算函数；
103、将所述数据类型以及所述计算函数配置到内存。
需要说明的是，本发明实施例提供的方法适用于信用卡申请反欺诈系统、银行交易反欺诈系统及信贷审核风控系统等多种平台。
在目前大数据环境下，数据格式来源多样，只有综合利用各种字段对欺诈行为进行分析从而精准定位风险的业务环境，充分利用系统收集的各类字段才可以更好的拦截黑灰产攻击行为。故而本发明实施例提供的方案支持多种数据类型，也可称为数据格式，例如：数值型(包括整形、长整型、浮点型、双精度型)、字符型(包括字符串、枚举型)、布尔型、日期时间型等多种数据类型，与此同时，对于IP地址、手机号、身份证号等特殊数据，本发明实施例也提供相应的转换方式，从而在步骤101中，根据确定的数据类型，将数据类型转换为相对应的调用函数。
进一步的，在步骤102中，本发明实施例针对不同的数据类型，提供了丰富多样的计算方式，例如：涵盖加减乘除、逻辑判断、数理统计、时间函数、转换函数、自定义公式等多种算法。本发明实施例还根据风险发生的实际需求，增添了快照、状态、相同计数、唯一计数、二项分布、平均分布等多种计算方法，且能够根据客户需要，自定义公式配置复杂计算。其中主要利用的思路为通过逻辑关系将基本计算函数对比关系进行叠加，从而配置出嵌套函数，增加计算的复杂性和可用性。
最后，在步骤103中，本发明实施例会将各种数据以及相应的计算函数配置到内存中，经测试表明，本发明实施例提供的方案能够实现单机6500+TPS的处理能力和小于5ms的处理速度。从而做到延时极低基本对正常业务无打扰的需求。
本发明实施例提供的一种支持多种复杂计算方式的实时指标配置方法，可以支持多种数据格式，支持多种计算方法，同时满足高并发低延时的实时处置需求，从而能够在配置多条复杂规则的前提下，同时处置大量并发交易，且能满足延时极低基本对正常业务无打扰的需求。
在上述实施例的基础上，所述确定数据类型以及所述数据类型对应的调用函数，包括：
获知所述数据类型；
在预设的数据类型和调用函数之间的匹配关系表中确定目标调用函数。
由上述实施例的内容可知，本发明实施例能够支持多种数据类型(数据格式)，那么对于每一种获知的数据类型，本发明实施例均能在预设的数据类型和调用函数之间的匹配关系表中确定相对应的调用函数，然后业务人员直接进行选择。
表1本发明实施例提供的数据类型与调用函数之间的匹配关系举例表
Figure BDA0001927419750000051
Figure BDA0001927419750000061
表1是本发明实施例提供的数据类型与调用函数之间的匹配关系举例表，如表1所示，对于每一种数据类型，表中均列出常用调用函数能否使用的关系情况，根据该情况，业务人员能够直观进行选择，从而确定出需要使用的目标调用函数。
在上述实施例的基础上，所述根据所述数据类型以及所述数据类型对应的调用函数，确定所述数据类型所使用的各种计算函数，包括：
根据所述数据类型以及所述数据类型对应的调用函数，选择已定义好的计算函数或者自定义所述计算函数。
由上述实施例的内容可知，本发明实施例支持多种数据格式，那么对于不同种类的数据格式而言，其计算函数的使用可能存在差异。因此，本发明实施例提供的方案能够针对不同的数据类型，提供了丰富多样的计算方式，涵盖加减乘除、逻辑判断、数理统计、时间函数、转换函数、自定义公式等多种算法。根据风险发生的实际需求，增添了快照、状态、相同计数、唯一计数、二项分布、平均分布等多种计算方法，且能够根据客户需要，自定义公式配置复杂计算。
其中，本发明实施例列举有几种常用的计算函数。
表2快照函数的使用方式
Figure BDA0001927419750000062
Figure BDA0001927419750000071
表3状态函数的使用方式
Figure BDA0001927419750000072
表4计数函数的使用方式
Figure BDA0001927419750000073
Figure BDA0001927419750000081
表5唯一计数函数的使用方式
Figure BDA0001927419750000082
表6相同计数函数的使用方式
Figure BDA0001927419750000083
Figure BDA0001927419750000091
上述表2-表6为基本会使用到的多种计算函数，另外本发明实施例还支持统计类函数。例如：
表7二项分布函数的使用方式
Figure BDA0001927419750000092
表8区间分布函数的使用方式
Figure BDA0001927419750000093
Figure BDA0001927419750000101
表9大于函数的使用方式
Figure BDA0001927419750000102
表10包含函数的使用方式
Figure BDA0001927419750000103
Figure BDA0001927419750000111
本发明实施例还支持时间日期类函数的使用，例如：
表11年份函数的使用方式
Figure BDA0001927419750000112
表12大写转小写函数的使用方式
Figure BDA0001927419750000113
表13 IP地址转运营商函数的使用方式
Figure BDA0001927419750000114
Figure BDA0001927419750000121
表14身份证号转省份函数的使用方式
Figure BDA0001927419750000122
表15手机号转省份函数的使用方式
Figure BDA0001927419750000123
表16转时间函数的使用方式
Figure BDA0001927419750000124
表17添加名单函数的使用方式
Figure BDA0001927419750000131
表18两地距离函数的使用方式
Figure BDA0001927419750000132
表19速度函数的使用方式
Figure BDA0001927419750000133
Figure BDA0001927419750000141
在上述实施例的基础上，所述将所述数据类型以及所述计算函数配置到内存，包括：
基于内存的分布式实时增量计算引擎以及分布式缓存技术，对数据进行配置。
本发明实施例为了实现高并发低延时的处理，采用了基于内存的分布式实时增量计算引擎和分布式缓存技术，提高了统计数据的处理速度和规则评估的并发数量。
具体的，所述基于内存的分布式实时增量计算引擎以及分布式缓存技术，对数据进行配置，包括：
渠道交易数据在前置环节进行预处理；
对预处理后的数据进行数据分发，同步完成数据的解码及转换；
将数据解析为具体信息，并细化成具体的任务点在分布式缓存中进行聚合统计；
将聚合统计的结果作为行为解析的依据，并为规则评估做准备；
当规则评估准备完成后，依赖行为的解析结果、相应的表达式及规则条件进行规则评估；
基于规则评估的结果进行策略解析，并依据不同的风险等级进行相应的风险处置。
其中，预处理主要包括对数据的预解码、标准化等，为评估做准备的过程同样需要依赖于分布式缓存对任务的分解和聚合过程。
本发明实施例提供的基于分布式缓存用户数据具备如下优势：满足客户端一致性分片原则、HA高可用性、支持按时间滑动窗口聚合统计、拥有过期数据清理机制、实现了存储方式自动优化以及支持缓存集群管理服务，可以动态扩容。
本发明实施例以最近5分钟相同IP转账次数逻辑存储结构为例对存储过程进行说明：
Key＝1000152343|202.124.234.12|S07
Value类型Hash Map
＝{
2016-07-09 15:15,2
2016-07-09 15:13,3
2016-07-09 15:12,7
}。
图2是本发明实施例提供的一种支持多种复杂计算方式的实时指标配置系统结构示意图，如图2所示，包括：调用函数确定模块201、计算函数确定模块202以及配置模块203，其中：
调用函数确定模块201用于确定数据类型以及所述数据类型对应的调用函数；
计算函数确定模块202用于根据所述数据类型以及所述数据类型对应的调用函数，确定所述数据类型所使用的各种计算函数；
配置模块203用于将所述数据类型以及所述计算函数配置到内存。
具体的如何通过调用函数确定模块201、计算函数确定模块202以及配置模块203进行实时指标配置可用于执行图1所示的支持多种复杂计算方式的实时指标配置方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
本发明实施例提供的一种支持多种复杂计算方式的实时指标配置系统，可以支持多种数据格式，支持多种计算方法，同时满足高并发低延时的实时处置需求，从而能够在配置多条复杂规则的前提下，同时处置大量并发交易，且能满足延时极低基本对正常业务无打扰的需求。
在上述实施例的基础上，所述调用函数确定模块用于：
获知所述数据类型；
在预设的数据类型和调用函数之间的匹配关系表中确定目标调用函数。
在上述实施例的基础上，所述计算函数确定模块用于：
根据所述数据类型以及所述数据类型对应的调用函数，选择已定义好的计算函数或者自定义所述计算函数。
在上述实施例的基础上，所述配置模块用于：
基于内存的分布式实时增量计算引擎以及分布式缓存技术，对数据进行配置。
在上述实施例的基础上，所述配置模块具体用于：
渠道交易数据在前置环节进行预处理；
对预处理后的数据进行数据分发，同步完成数据的解码及转换；
将数据解析为具体信息，并细化成具体的任务点在分布式缓存中进行聚合统计；
将聚合统计的结果作为行为解析的依据，并为规则评估做准备；
当规则评估准备完成后，依赖行为的解析结果、相应的表达式及规则条件进行规则评估；
基于规则评估的结果进行策略解析，并依据不同的风险等级进行相应的风险处置。
本发明实施例提供一种电子设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：
图3是本发明实施例提供的电子设备的结构框图，参照图3，所述电子设备，包括：处理器(processor)301、通信接口(Communications Interface)302、存储器(memory)303和总线304，其中，处理器301，通信接口302，存储器303通过总线304完成相互间的通信。处理器301可以调用存储器303中的逻辑指令，以执行如下方法：确定数据类型以及所述数据类型对应的调用函数；根据所述数据类型以及所述数据类型对应的调用函数，确定所述数据类型所使用的各种计算函数；将所述数据类型以及所述计算函数配置到内存。
本发明实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：确定数据类型以及所述数据类型对应的调用函数；根据所述数据类型以及所述数据类型对应的调用函数，确定所述数据类型所使用的各种计算函数；将所述数据类型以及所述计算函数配置到内存。
本发明实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：确定数据类型以及所述数据类型对应的调用函数；根据所述数据类型以及所述数据类型对应的调用函数，确定所述数据类型所使用的各种计算函数；将所述数据类型以及所述计算函数配置到内存。
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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行每个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种支持多种复杂计算方式的实时指标配置方法，其特征在于，包括：
确定数据类型以及所述数据类型对应的调用函数；
根据所述数据类型以及所述数据类型对应的调用函数，确定所述数据类型所使用的各种计算函数；
将所述数据类型以及所述计算函数配置到内存；
所述将所述数据类型以及所述计算函数配置到内存，包括：
基于内存的分布式实时增量计算引擎以及分布式缓存技术，对数据进行配置；
所述基于内存的分布式实时增量计算引擎以及分布式缓存技术，对数据进行配置，包括：
渠道交易数据在前置环节进行预处理；
对预处理后的数据进行数据分发，同步完成数据的解码及转换；
将数据解析为具体信息，并细化成具体的任务点在分布式缓存中进行聚合统计；
将聚合统计的结果作为行为解析的依据，并为规则评估做准备；
当规则评估准备完成后，依赖行为的解析结果、相应的表达式及规则条件进行规则评估；
基于规则评估的结果进行策略解析，并依据不同的风险等级进行相应的风险处置。
2.根据权利要求1所述的方法，其特征在于，所述确定数据类型以及所述数据类型对应的调用函数，包括：
获知所述数据类型；
在预设的数据类型和调用函数之间的匹配关系表中确定目标调用函数。
3.根据权利要求1所述的方法，其特征在于，所述根据所述数据类型以及所述数据类型对应的调用函数，确定所述数据类型所使用的各种计算函数，包括：
根据所述数据类型以及所述数据类型对应的调用函数，选择已定义好的计算函数或者自定义所述计算函数。
4.一种支持多种复杂计算方式的实时指标配置系统，其特征在于，包括：
调用函数确定模块，用于确定数据类型以及所述数据类型对应的调用函数；
计算函数确定模块，用于根据所述数据类型以及所述数据类型对应的调用函数，确定所述数据类型所使用的各种计算函数；
配置模块，用于将所述数据类型以及所述计算函数配置到内存；
所述将所述数据类型以及所述计算函数配置到内存，包括：
基于内存的分布式实时增量计算引擎以及分布式缓存技术，对数据进行配置；
所述基于内存的分布式实时增量计算引擎以及分布式缓存技术，对数据进行配置，包括：
渠道交易数据在前置环节进行预处理；
对预处理后的数据进行数据分发，同步完成数据的解码及转换；
将数据解析为具体信息，并细化成具体的任务点在分布式缓存中进行聚合统计；
将聚合统计的结果作为行为解析的依据，并为规则评估做准备；
当规则评估准备完成后，依赖行为的解析结果、相应的表达式及规则条件进行规则评估；
基于规则评估的结果进行策略解析，并依据不同的风险等级进行相应的风险处置。
5.一种电子设备，其特征在于，包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至3任一所述的方法。
6.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至3任一项所述的方法。
CN201811623341.9A 2018-12-28 2018-12-28 一种支持多种复杂计算方式的实时指标配置方法及系统 Active CN109710884B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811623341.9A CN109710884B (zh) 2018-12-28 2018-12-28 一种支持多种复杂计算方式的实时指标配置方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811623341.9A CN109710884B (zh) 2018-12-28 2018-12-28 一种支持多种复杂计算方式的实时指标配置方法及系统

Publications (2)

Publication Number Publication Date
CN109710884A CN109710884A (zh) 2019-05-03
CN109710884B true CN109710884B (zh) 2021-03-02

Family

ID=66259153

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811623341.9A Active CN109710884B (zh) 2018-12-28 2018-12-28 一种支持多种复杂计算方式的实时指标配置方法及系统

Country Status (1)

Country Link
CN (1) CN109710884B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105069683A (zh) * 2015-07-24 2015-11-18 广州时韵信息科技有限公司 一种纳税风险评估系统
CN106101090A (zh) * 2016-06-07 2016-11-09 中国建设银行股份有限公司 用于规则引擎的操作方法以及规则引擎系统
CN106447434A (zh) * 2016-09-14 2017-02-22 全联征信有限公司 个人信用生态平台

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11256743B2 (en) * 2017-03-30 2022-02-22 Microsoft Technology Licensing, Llc Intermixing literal text and formulas in workflow steps

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105069683A (zh) * 2015-07-24 2015-11-18 广州时韵信息科技有限公司 一种纳税风险评估系统
CN106101090A (zh) * 2016-06-07 2016-11-09 中国建设银行股份有限公司 用于规则引擎的操作方法以及规则引擎系统
CN106447434A (zh) * 2016-09-14 2017-02-22 全联征信有限公司 个人信用生态平台

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《一种基于Storm的分布式实时增量计算框架的研究与实现》;李劲松;《中国优秀硕士学位论文全文数据库 信息科技辑（月刊）2016年第02期》;20160215;全文 *

Also Published As

Publication number Publication date
CN109710884A (zh) 2019-05-03

Similar Documents

Publication Publication Date Title
CN108776934B (zh) 分布式数据计算方法、装置、计算机设备及可读存储介质
CN110134516A (zh) 金融数据处理方法、装置、设备及计算机可读存储介质
CN108923996B (zh) 一种容量分析方法及装置
CN111198873B (zh) 数据处理的方法和装置
CN109615389A (zh) 电子支付交易风险控制方法、装置、服务器及存储介质
US20220303355A1 (en) Resource discovery agent computing device, software application, and method
CN111382182A (zh) 数据处理方法、装置、电子设备及存储介质
CN108446989B (zh) 手续费确定方法及终端设备
CN108830715A (zh) 批量文件部分回盘处理方法和系统
CN115421922A (zh) 一种分布式系统的限流方法、装置、设备、介质及产品
CN110262951A (zh) 一种业务秒级监控方法及系统、存储介质及客户端
CN111104401B (zh) 在基于数组和链表的集成结构中存储数据的系统和方法
CN111949681A (zh) 数据的聚合处理装置、方法和存储介质
CN110266555A (zh) 用于分析网站服务请求的方法
CN109710884B (zh) 一种支持多种复杂计算方式的实时指标配置方法及系统
CN110782310B (zh) 从第三方平台异步获取用户属性信息的方法、装置和系统
CN115658320A (zh) 一种业务数据的处理方法及相关设备
CN111125579A (zh) 网页信息处理方法和装置、存储介质和电子设备
CN113014674B (zh) 服务依赖关系图的绘制方法及装置
CN114356712A (zh) 数据处理方法、装置、设备、可读存储介质及程序产品
CN112907362A (zh) 贷款业务的处理方法、装置、电子设备和存储介质
CN108073632B (zh) 用于终端的信息处理的方法、装置和系统
CN117151862A (zh) 数据处理方法、装置、系统、设备和存储介质
CN117633351A (zh) 一种推荐过程中的实时召回方法、装置、设备及存储介质
CN117614998A (zh) 用于微服务系统的限流方法、装置、电子设备及存储介质

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
GR01 Patent grant
GR01 Patent grant