CN110109955A - 数据调用量统计方法、系统、计算机装置及可读存储介质 - Google Patents
数据调用量统计方法、系统、计算机装置及可读存储介质 Download PDFInfo
- Publication number
- CN110109955A CN110109955A CN201910199905.9A CN201910199905A CN110109955A CN 110109955 A CN110109955 A CN 110109955A CN 201910199905 A CN201910199905 A CN 201910199905A CN 110109955 A CN110109955 A CN 110109955A
- Authority
- CN
- China
- Prior art keywords
- data
- data call
- statistics
- amount
- output
- 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
- 238000009434 installation Methods 0.000 title claims abstract description 29
- 238000007619 statistical method Methods 0.000 title claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000011217 control strategy Methods 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 7
- 239000000344 soap Substances 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000007405 data analysis Methods 0.000 abstract 1
- 238000012549 training Methods 0.000 description 22
- 238000003062 neural network model Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 11
- 238000003032 molecular docking Methods 0.000 description 6
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 241000700605 Viruses Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24568—Data stream processing; Continuous queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2477—Temporal data queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6227—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database where protection concerns the structure of data, e.g. records, types, queries
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/133—Protocols for remote procedure calls [RPC]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/18—Multiprotocol handlers, e.g. single devices capable of handling multiple protocols
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明提供一种数据调用量统计方法、系统、计算机装置及计算机可读存储介质。所述数据调用量统计方法包括：接收数据调用请求，并对数据调用请求进行合法性检测；若所述数据调用请求为合法性请求，则根据所述数据调用请求进行数据调用操作，其中所述数据调用操作添加有请求方标识；建立一数据流统计页面并配置数据统计条件及数据统计逻辑，所述数据流统计页面包括调用量统计栏；获取在调用量统计栏输入的查询信息，根据所述查询信息生成统计指令，并返回所述统计指令对应的统计结果；根据所述统计结果采取与所述统计结果匹配的管控策略。本发明基于数据分析技术实现统计每一数据调用方的数据调用量，可为后端系统复盘/分析等操作提供数据支持。
Description
技术领域
本发明涉及数据库领域，尤其涉及一种数据调用量统计方法、系统、计算机装置及计算机可读存储介质。
背景技术
共享应用平台作为底层技术输出平台，其可实现一个数据库系统对接多条业务线，为了确保每条业务线正常运行，需要定期或实时统计各业务线的数据调用量，进而可以了解各业务线的数据调用情况，为后端系统复盘/分析等操作提供数据支持。然而现有共享应用平台并无统计各业务线的数据调用量的功能，若出现业务线的数据调用量超过数据库系统的阈值时，可能会导致业务线/共享应用平台无法正常工作。
发明内容
鉴于上述，本发明提供一种数据调用量统计方法、系统、计算机装置及计算机可读存储介质，其可实现统计每一数据调用方的数据调用量功能。
本申请一实施方式提供一种数据调用量统计方法，所述方法包括：
接收数据调用请求，并对所述数据调用请求进行合法性检测；
若所述数据调用请求为合法性请求，则根据所述数据调用请求进行数据调用操作，其中所述数据调用操作添加有请求方标识；
建立一数据流统计页面并配置数据统计条件及数据统计逻辑，所述数据流统计页面包括调用量统计栏；
获取在所述调用量统计栏输入的查询信息，根据所述查询信息生成统计指令，并返回所述统计指令对应的统计结果；及
根据所述统计结果采取与所述统计结果匹配的管控策略。
优选地，所述接收数据调用请求的步骤之前还包括：
为目标共享应用平台配置信息交互协议，所述目标共享应用平台与多个请求方对接，所述信息交互协议包括以下一种或多种协议：TCP协议、UDP协议、SOAP协议、HTTP协议、MQ协议。
优选地，所述对所述数据调用请求进行合法性检测的步骤之后还包括：
若所述数据调用请求为非法请求，则不响应所述数据调用请求进行数据调用操作。
优选地，所述若所述数据调用请求为合法性请求，则根据所述数据调用请求进行数据调用操作的步骤包括：
若所述数据调用请求为合法性请求，则对响应所述数据调用请求进行数据调用操作的待输出数据进行合法性检测；
若所述待输出数据为合法数据，则响应所述数据调用请求并输出所述待输出数据；及
若所述待输出数据为非法数据，则丢弃所述待输出数据并输出警示信息。
优选地，所述对待输出数据进行合法性检测的步骤包括：
确定所述待输出数据的数据类型及数据特征；
基于与所述待输出数据的数据类型相对应的数据特征库对所述待输出数据进行合法性检测；
若所述待输出数据的数据特征与所述数据特征库中的一数据特征相匹配，则确定所述待输出数据为合法数据。
优选地，所述数据流统计页面还包括调用量趋势预测栏，所述方法还包括：
获取在所述调用量趋势预测栏输入的待查询信息，根据所述待查询信息生成预测指令，并返回所述预测指令对应的趋势图。
优选地，所述获取在所述调用量趋势预测栏输入的待查询信息的步骤之前还包括：
获取每一请求方的历史调用数据；及
根据所述历史调用数据建立得到与每一所述请求方对应的数据调用量趋势预测模型。
本申请一实施方式提供一种数据调用量统计系统，所述系统包括：
接收模块，用于接收数据调用请求，并对所述数据调用请求进行合法性检测；
调用模块，用于在所述数据调用请求为合法性请求时，根据所述数据调用请求进行数据调用操作，其中所述数据调用操作添加有请求方标识；
建立模块，用于建立一数据流统计页面并配置数据统计条件及数据统计逻辑，所述数据流统计页面包括调用量统计栏；
查询模块，用于获取在所述调用量统计栏输入的查询信息，根据所述查询信息生成统计指令，并返回所述统计指令对应的统计结果；及
管控模块，用于根据所述统计结果采取与所述统计结果匹配的管控策略。
本申请一实施方式提供一种计算机装置，所述计算机装置包括处理器及存储器，所述存储器上存储有若干计算机程序，所述处理器用于执行存储器中存储的计算机程序时实现如前面所述的数据调用量统计方法的步骤。
本申请一实施方式提供一种计算机可读存储介质，其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前面所述的数据调用量统计方法的步骤。
上述数据调用量统计方法、系统、计算机装置及计算机可读存储介质，可实现统计每一数据调用方的数据调用量及预测数据调用方的数据调用趋势，为后端系统复盘/分析等操作提供数据支持，且可根据数据调用量的统计结果采取与之匹配的管控策略，确保数据调用操作正常运行。
附图说明
为了更清楚地说明本发明实施方式的技术方案，下面将对实施方式描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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是本发明一实施例中数据调用量统计方法的步骤流程图。
图2是本发明另一实施例中数据调用量统计方法的步骤流程图。
图3为本发明一实施例中数据调用量统计系统的功能模块图。
图4为本发明一实施例中计算机装置示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施方式及实施方式中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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方式，都属于本发明保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。
优选地，本发明的数据调用量统计方法应用在一个或者多个计算机装置中。所述计算机装置是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific IntegratedCircuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机装置可以是桌上型计算机、笔记本电脑、平板电脑、服务器等计算设备。所述计算机装置可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
实施例一：
图1是本发明数据调用量统计方法较佳实施例的步骤流程图。根据不同的需求，所述流程图中步骤的顺序可以改变，某些步骤可以省略。
参阅图1所示，所述数据调用量统计方法具体包括以下步骤。
步骤S11、为目标共享应用平台配置信息交互协议，所述目标共享应用平台与多个请求方对接。
在一实施方式中，所述目标共享应用平台优选为1：N的底层输出平台，N为大于等于1的任意自然数，其可实现对接多个请求方(即多条业务线)，每条业务线可以从所述目标共享应用平台调用数据。为目标共享应用平台配置信息交互协议，可以使得每条业务线可以接入并与所述目标共享应用平台进行通信，所述信息交互协议可以包括以下一种或多种协议：TCP协议、UDP协议、SOAP协议、HTTP协议、MQ协议。例如，所述目标共享应用平台可以是为各银行系统提供数据业务的数据库系统，业务线可以是银行系统(A银行系统、B银行系统、C银行系统)、电子合同系统等。
步骤S12、接收数据调用请求，并对所述数据调用请求进行合法性检测。
在一实施方式中，所述对所述数据调用请求进行合法性检测可以是对发送所述数据调用请求的请求方进行检测，可以包括对请求方的身份鉴别信息、发送地址信息以及传输方向验证信息中的至少一种信息的合法性检测。可以理解的是，所述合法性检测中所谓的“合法”是由预先设定的检测规则所确定。例如，可以对所述数据调用请求中关于请求方的IP地址、物理地址、用户名信息等进行合法性检测。
步骤S13，若所述数据调用请求为合法性请求，则根据所述数据调用请求进行数据调用操作，其中所述数据调用操作添加有请求方标识。
在一实施方式中，若对所述数据调用请求的合法性检测不通过，则确定该数据调用请求为无效请求，不对所述数据调用请求进行数据调用操作响应；若对所述数据调用请求的合法性检测通过，则根据所述数据调用请求进行数据调用操作，其中所述数据调用操作添加有请求方的唯一标识，以便于后续进行数据调用量追溯与统计。
在一实施方式中，若所述数据调用请求的合法性检测通过，还进一步对响应所述数据调用请求进行数据调用操作的待输出数据进行合法性检测。具体地，确定所述待输出数据的数据类型及数据特征，基于与所述待输出数据的数据类型相对应的数据特征库对所待输出数据进行合法性检测，若所述待输出数据的数据特征与所述数据特征库中的数据特征相匹配，则确定所述待输出数据的合法性检测通过，若确定所述待输出数据的数据特征不是所述数据特征库所包含的数据类型，则确定所述待输出数据为非法数据并丢弃所述待输出数据。在本发明的其他实施方式中，当确定所述待输出数据为非法数据时，还输出非法数据警示信息，以提示运维人员。
在一实施方式中，对于所述目标共享应用平台支持的每个数据类型分别设置相应的数据特征库，所述数据特征库中包括该数据类型所有合法的数据特征，例如数据包的构成形式等。通过将所述待输出数据的数据特征与数据特征库的数据特征进行比对以确定所述待输出数据是否是合法数据，若所述待输出数据与所述数据特征不相匹配，则确定所述待输出数据为非法数据，所述非法数据主要包括病毒、木马等具有危害性的数据。若所述待输出数据与所述数据特征库中的数据特征相匹配，则确定对所述待输出数据的合法性检测通过。在本发明的其他实施方式中，在每个支持的数据类型所对应的数据特征库中也可以设置所有非法的数据特征，若所述待输出数据的数据特征与所述数据特征库中的非法数据特征相匹配，则确定所述待输出数据为非法数据；反之，若所述待输出数据与所述数据特征库中的非法数据特征不相匹配，则确定所述待输出数据的合法性检测通过。
步骤S14、建立一数据流统计页面并配置数据统计条件及数据统计逻辑，所述数据流统计页面包括调用量统计栏。
在一实施方式中，所述调用量统计栏可以用来查询请求方的数据调用量。所述数据统计条件可以是时间段或者请求方名称，所述调用量统计栏可以支持按照时间段和/或者请求方名称来查询某一请求方的数据调用量，所述调用量统计栏可以包括时间选定子栏位、名称选定子栏位/名称输入子栏位等。所述时间选定子栏位可以是时间控件框，当接收到点击指令时，时间控件弹出供用户选择具体时间段，例如通过所述“时间控件框”选择查询时间：2018-01-01～2018-03-31。所述名称选定子栏位的样式可以是下拉框，下拉框中的列表来源可以根据接入的请求方名称进行设定。
所述统计逻辑定义了变量s{*}，其中的“*”号可以是中文字符串或者数字串，再设置该变量与时间选定子栏位及名称选定子栏位的对应关系，使得调用量统计栏与查询逻辑对应。例如，可以在调用量统计栏选定日期为2018.1.1-2018.1.31来查询目标共享应用平台在1月份的总调用量；也可以在调用量统计栏选定日期为2018.1.1-2018.1.31，名称为“A银行”进行查询得到A银行在1月份的数据调用量。
步骤S15、获取在所述调用量统计栏输入的查询信息，根据所述查询信息生成统计指令，并返回所述统计指令对应的统计结果。
在一实施方式中，当完成对所述调用量统计栏输入操作后，获取在所述调用量统计栏输入的查询信息，并将所述调用量统计栏内的查询信息封装成一SQL查询语句，进而可在所述目标共享应用平台中执行统计操作。具体地，可以预先在所述共享应用平台建立一接口查询数据库来实现执行SQL查询语句，当所述共享应用平台执行所述统计指令时，所述共享应用平台会返回对应的统计结果，所述统计结果可以通过所述数据流统计页面进行显示。
在一实施方式中，由于每次进行的数据调用操作添加有请求方标识，通过该标识信息可以识别是那一请求方进行的数据调用，因而在进行数据统计查询时，SQL查询语句可以基于该请求方标识来区分并统计每一请求方的数据调用量。
步骤S16、根据所述统计结果采取与所述统计结果匹配的管控策略。
在一实施方式中，还可以根据所述统计结果采取与所述统计结果匹配的管控策略，所述管控策略可以是对请求方调用量进行限流、增加服务器等措施。当根据所述统计结果得到数据调用量超过目标共享应用平台的上限阈值，采取对指定请求方进行数据调用限流或者增加服务器来保证目标共享应用平台的数据调用业务正常运行。例如，统计结果为目标共享应用平台在1月份的总调用量，当所述总调用量大于月上限阈值时，输出一警示信息，用户可以根据该警示信息来考量是否增加服务器来提升目标共享应用平台的对接能力。
实施例二：
图2是本发明数据调用量统计方法另一较佳实施例的步骤流程图。根据不同的需求，所述流程图中步骤的顺序可以改变，某些步骤可以省略。与图1相比，所述数据调用量统计方法还包括步骤S17。
S17、获取在所述调用量趋势预测栏输入的待查询信息，根据所述待查询信息生成预测指令，并返回所述预测指令对应的趋势图。
在一实施方式中，所述数据流统计页面还可以包括调用量趋势预测栏，所述调用量趋势预测栏可以用来查询请求方的数据调用趋势图。所述趋势图预测栏可以包括时间栏位及名称栏。所述时间栏用于输入目标趋势图的指定时间段，该时间段优选是以月为周期，例如一年的(2018.1.1-2018.12.31)A银行的数据调用量趋势图，趋势图包括2018年每月的数据调用量，所述名称栏用于输入指定请求方名称。
在一实施方式中，对于目标趋势图的涉及的数据若可以统计得到，可以直接根据所述待查询信息进行统计得到，若所述目标趋势图的数据不可以统计得到，则可以通过一数据调用量趋势预测模型进行预测得到。
在一实施方式中，可以通过获取每一请求方的历史调用数据，并根据所述历史调用数据建立得到与每一所述请求方对应的数据调用量趋势预测模型。具体地，建立一神经网络模型，利用所述请求方的历史调用数据对所述神经网络模型进行训练，得到与所述请求方对应的数据调用量趋势预测模型。
在一实施方式中，所述神经网络模型包括输入层、多个隐藏层及输出层。所述请求方的历史调用数据作为所述神经网络模型的训练样本数据。输入层用于接收所述训练样本数据，每一隐藏层包括相应多个节点(神经元)，每一隐藏层中的每一节点被配置成对来自所述模型中的相邻下层的至少一个节点的输出执行线性或非线性变换。其中，上层隐藏层的节点的输入可以基于相邻下层中的一个节点或若干节点的输出。每个隐藏层具有对应的权值，其中该权值是基于训练样本数据获得的。在对模型进行训练时，可以通过利用有监督的学习过程来进行模型的预训练，得到各个隐藏层的初始权值。对各隐藏层的权值的精细调节，可以通过采用向后传播(Back propagation，BP)算法来进行，输出层用于接收来自最后一层隐藏层的输出信。
在一实施方式中，所述训练样本数据可以被划分为训练集以及验证集。其中，训练集用于对神经网络模型进行训练，验证集用于对训练后的神经网络模型进行验证。具体地，先利用所述训练集对神经网络模型进行训练得到一中间模型，将所述验证集中的训练样本数据输入至所述中间模型中进行调用量预测验证(如果预测调用量与实际调用量差值在预设范围内，验证通过)，根据每一验证结果可以统计得到一模型预测准确率，判断所述模型预测准确率是否小于预设阈值。当所述模型预测准确率不小于所述预设阈值，表明此中间模型预测效果较好，满足使用需求，可以将所述中间模型作为所述数据调用量趋势预测模型。当模型预测准确率小于所述预设阈值时，表明此中间模型预测效果不好，需要进行改善，此时调整所述神经网络模型的参数，并利用所述训练集重新对调整后的神经网络模型进行训练得到一新的中间模型，然后再次利用所述验证集对重新得到的中间模型进行验证得到一新的模型预测准确率。所述调整所述神经网络模型的参数可以是调整神经网络模型的总层数、调整每一层的神经元数等。所述预设阈值可以根据实际使用需求进行设定(例如预设阈值为95％)。
在一实施方式中，如果该新的模型预测准确率仍然小于所述预设阈值，需要再次重复上述步骤直至通过验证集得到的模型预测准确率不小于所述预设阈值。
上述数据调用量统计方法，可实现统计每一数据调用方的数据调用量及预测数据调用方的数据调用趋势，为后端系统复盘/分析等操作提供数据支持，且可根据数据调用量的统计结果采取与之匹配的管控策略，确保数据调用操作正常运行。
实施例三：
图3为本发明数据调用量统计系统较佳实施例的功能模块图。
参阅图3所示，所述数据调用量统计系统10可以包括配置模块101、接收模块102、调用模块103、建立模块104、第一查询模块105、管控模块106及第二查询模块107。
所述配置模块101用于为目标共享应用平台配置信息交互协议，所述目标共享应用平台与多个请求方对接。
在一实施方式中，所述目标共享应用平台优选为1：N的底层输出平台，N为大于等于1的任意自然数，其可实现对接多个请求方(即多条业务线)，每条业务线可以从所述目标共享应用平台调用数据。所述配置模块101为目标共享应用平台配置信息交互协议，可以使得每条业务线可以接入并与所述目标共享应用平台进行通信，所述信息交互协议可以包括以下一种或多种协议：TCP协议、UDP协议、SOAP协议、HTTP协议、MQ协议。例如，所述目标共享应用平台可以是为各银行系统提供数据业务的数据库系统，业务线可以是银行系统(A银行系统、B银行系统、C银行系统)、电子合同系统等。
所述接收模块102用于接收数据调用请求，并对所述数据调用请求进行合法性检测。
在一实施方式中，所述接收模块102对所述数据调用请求进行合法性检测可以是对发送所述数据调用请求的请求方进行检测，可以包括对请求方的身份鉴别信息、发送地址信息以及传输方向验证信息中的至少一种信息的合法性检测。可以理解的是，所述合法性检测中所谓的“合法”是由预先设定的检测规则所确定。例如，可以对所述数据调用请求中关于请求方的IP地址、物理地址、用户名信息等进行合法性检测。
所述调用模块103用于在所述数据调用请求为合法性请求，根据所述数据调用请求进行数据调用操作，其中所述数据调用操作添加有请求方标识。
在一实施方式中，若对所述数据调用请求的合法性检测不通过，则确定该数据调用请求为无效请求，所述调用模块103不对所述数据调用请求进行数据调用操作响应；若对所述数据调用请求的合法性检测通过，所述调用模块103根据所述数据调用请求进行数据调用操作，其中所述数据调用操作添加有请求方的唯一标识，以便于后续进行数据调用量追溯与统计。
在一实施方式中，若所述数据调用请求的合法性检测通过，所述调用模块103还进一步对响应所述数据调用请求进行数据调用操作的待输出数据进行合法性检测。具体地，所述调用模块103确定所述待输出数据的数据类型及数据特征，基于与所述待输出数据的数据类型相对应的数据特征库对所待输出数据进行合法性检测，若所述待输出数据的数据特征与所述数据特征库中的数据特征相匹配，则确定所述待输出数据的合法性检测通过，若确定所述待输出数据的数据特征不是所述数据特征库所包含的数据类型，则确定所述待输出数据为非法数据并丢弃所述待输出数据。在本发明的其他实施方式中，当确定所述待输出数据为非法数据时，还输出非法数据警示信息，以提示运维人员。
在一实施方式中，对于所述目标共享应用平台支持的每个数据类型分别设置相应的数据特征库，所述数据特征库中包括该数据类型所有合法的数据特征，例如数据包的构成形式等。所述调用模块103通过将所述待输出数据的数据特征与数据特征库的数据特征进行比对以确定所述待输出数据是否是合法数据，若所述待输出数据与所述数据特征不相匹配，则确定所述待输出数据为非法数据，所述非法数据主要包括病毒、木马等具有危害性的数据。若所述待输出数据与所述数据特征库中的数据特征相匹配，则确定对所述待输出数据的合法性检测通过。在本发明的其他实施方式中，在每个支持的数据类型所对应的数据特征库中也可以设置所有非法的数据特征，若所述待输出数据的数据特征与所述数据特征库中的非法数据特征相匹配，则确定所述待输出数据为非法数据；反之，若所述待输出数据与所述数据特征库中的非法数据特征不相匹配，则确定所述待输出数据的合法性检测通过。
所述建立模块104用于建立一数据流统计页面并配置数据统计条件及数据统计逻辑，所述数据流统计页面包括调用量统计栏。
在一实施方式中，所述调用量统计栏可以用来查询请求方的数据调用量。所述数据统计条件可以是时间段或者请求方名称，所述调用量统计栏可以支持按照时间段和/或者请求方名称来查询某一请求方的数据调用量，所述调用量统计栏可以包括时间选定子栏位、名称选定子栏位/名称输入子栏位等。所述时间选定子栏位可以是时间控件框，当接收到点击指令时，时间控件弹出供用户选择具体时间段，例如通过所述“时间控件框”选择查询时间：2018-01-01～2018-03-31。所述名称选定子栏位的样式可以是下拉框，下拉框中的列表来源可以根据接入的请求方名称进行设定。
所述统计逻辑定义了变量s{*}，其中的“*”号可以是中文字符串或者数字串，再设置该变量与时间选定子栏位及名称选定子栏位的对应关系，使得调用量统计栏与查询逻辑对应。例如，可以在调用量统计栏选定日期为2018.1.1-2018.1.31来查询目标共享应用平台在1月份的总调用量；也可以在调用量统计栏选定日期为2018.1.1-2018.1.31，名称为“A银行”进行查询得到A银行在1月份的数据调用量。
所述第一查询模块105用于获取在所述调用量统计栏输入的查询信息，根据所述查询信息生成统计指令，并返回所述统计指令对应的统计结果。
在一实施方式中，当完成对所述调用量统计栏输入操作后，所述第一查询模块105获取在所述调用量统计栏输入的查询信息，并将所述调用量统计栏内的查询信息封装成一SQL查询语句，进而可在所述目标共享应用平台中执行统计操作。具体地，可以预先在所述共享应用平台建立一接口查询数据库来实现执行SQL查询语句，当所述共享应用平台执行所述统计指令时，所述共享应用平台会返回对应的统计结果，所述统计结果可以通过所述数据流统计页面进行显示。
在一实施方式中，由于每次进行的数据调用操作添加有请求方标识，所述第一查询模块105可以通过该标识信息可以识别是那一请求方进行的数据调用，因而在进行数据统计查询时，SQL查询语句可以基于该请求方标识来区分并统计每一请求方的数据调用量。
所述管控模块106用于根据所述统计结果采取与所述统计结果匹配的管控策略。
在一实施方式中，所述管控模块106根据所述统计结果采取与所述统计结果匹配的管控策略，所述管控策略可以是对请求方调用量进行限流、增加服务器等措施。当根据所述统计结果得到数据调用量超过目标共享应用平台的上限阈值，采取对指定请求方进行数据调用限流或者增加服务器来保证目标共享应用平台的数据调用业务正常运行。例如，统计结果为目标共享应用平台在1月份的总调用量，当所述总调用量大于月上限阈值时，输出一警示信息，用户可以根据该警示信息来考量是否增加服务器来提升目标共享应用平台的对接能力。
所述第二查询模块107用于获取在所述调用量趋势预测栏输入的待查询信息，根据所述待查询信息生成预测指令，并返回所述预测指令对应的趋势图。
在一实施方式中，所述数据流统计页面还可以包括调用量趋势预测栏，所述调用量趋势预测栏可以用来查询请求方的数据调用趋势图。所述趋势图预测栏可以包括时间栏位及名称栏。所述时间栏用于输入目标趋势图的指定时间段，该时间段优选是以月为周期，例如一年的(2018.1.1-2018.12.31)A银行的数据调用量趋势图，趋势图包括2018年每月的数据调用量，所述名称栏用于输入指定请求方名称。
在一实施方式中，对于目标趋势图的涉及的数据若可以统计得到，可以直接根据所述待查询信息进行统计得到，若所述目标趋势图的数据不可以统计得到，则可以通过一数据调用量趋势预测模型进行预测得到。
在一实施方式中，可以通过获取每一请求方的历史调用数据，并根据所述历史调用数据建立得到与每一所述请求方对应的数据调用量趋势预测模型。具体地，建立一神经网络模型，利用所述请求方的历史调用数据对所述神经网络模型进行训练，得到与所述请求方对应的数据调用量趋势预测模型。
在一实施方式中，所述神经网络模型包括输入层、多个隐藏层及输出层。所述请求方的历史调用数据作为所述神经网络模型的训练样本数据。输入层用于接收所述训练样本数据，每一隐藏层包括相应多个节点(神经元)，每一隐藏层中的每一节点被配置成对来自所述模型中的相邻下层的至少一个节点的输出执行线性或非线性变换。其中，上层隐藏层的节点的输入可以基于相邻下层中的一个节点或若干节点的输出。每个隐藏层具有对应的权值，其中该权值是基于训练样本数据获得的。在对模型进行训练时，可以通过利用有监督的学习过程来进行模型的预训练，得到各个隐藏层的初始权值。对各隐藏层的权值的精细调节，可以通过采用向后传播(Back propagation，BP)算法来进行，输出层用于接收来自最后一层隐藏层的输出信。
在一实施方式中，所述训练样本数据可以被划分为训练集以及验证集。其中，训练集用于对神经网络模型进行训练，验证集用于对训练后的神经网络模型进行验证。具体地，先利用所述训练集对神经网络模型进行训练得到一中间模型，将所述验证集中的训练样本数据输入至所述中间模型中进行调用量预测验证(如果预测调用量与实际调用量差值在预设范围内，验证通过)，根据每一验证结果可以统计得到一模型预测准确率，判断所述模型预测准确率是否小于预设阈值。当所述模型预测准确率不小于所述预设阈值，表明此中间模型预测效果较好，满足使用需求，可以将所述中间模型作为所述数据调用量趋势预测模型。当模型预测准确率小于所述预设阈值时，表明此中间模型预测效果不好，需要进行改善，此时调整所述神经网络模型的参数，并利用所述训练集重新对调整后的神经网络模型进行训练得到一新的中间模型，然后再次利用所述验证集对重新得到的中间模型进行验证得到一新的模型预测准确率。所述调整所述神经网络模型的参数可以是调整神经网络模型的总层数、调整每一层的神经元数等。所述预设阈值可以根据实际使用需求进行设定(例如预设阈值为95％)。
在一实施方式中，如果该新的模型预测准确率仍然小于所述预设阈值，需要再次重复上述步骤直至通过验证集得到的模型预测准确率不小于所述预设阈值。
上述数据调用量统计系统，可实现统计每一数据调用方的数据调用量及预测数据调用方的数据调用趋势，为后端系统复盘/分析等操作提供数据支持，且可根据数据调用量的统计结果采取与之匹配的管控策略，确保数据调用操作正常运行。
图4为本发明计算机装置较佳实施例的示意图。
所述计算机装置1包括存储器20、处理器30以及存储在所述存储器20中并可在所述处理器30上运行的计算机程序40，例如数据调用量统计程序。所述处理器30执行所述计算机程序40时实现上述数据调用量统计方法实施例中的步骤，例如图1所示的步骤S11～S16、图2所示的步骤S11～S17。或者，所述处理器30执行所述计算机程序40时实现上述数据调用量统计系统实施例中各模块的功能，例如图3中的模块101～107。
示例性的，所述计算机程序40可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器20中，并由所述处理器30执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，所述指令段用于描述所述计算机程序40在所述计算机装置1中的执行过程。例如，所述计算机程序40可以被分割成图3中的配置模块101、接收模块102、调用模块103、建立模块104、第一查询模块105、管控模块106及第二查询模块107。各模块具体功能参见实施例三。
所述计算机装置1可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本领域技术人员可以理解，所述示意图仅仅是计算机装置1的示例，并不构成对计算机装置1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，例如所述计算机装置1还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者所述处理器30也可以是任何常规的处理器等，所述处理器30是所述计算机装置1的控制中心，利用各种接口和线路连接整个计算机装置1的各个部分。
所述存储器20可用于存储所述计算机程序40和/或模块/单元，所述处理器30通过运行或执行存储在所述存储器20内的计算机程序和/或模块/单元，以及调用存储在存储器20内的数据，实现所述计算机装置1的各种功能。所述存储器20可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机装置1的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器20可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述计算机装置1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，所述计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
在本发明所提供的几个实施例中，应该理解到，所揭露的计算机装置和方法，可以通过其它的方式实现。例如，以上所描述的计算机装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
另外，在本发明各个实施例中的各功能单元可以集成在相同处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在相同单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。计算机装置权利要求中陈述的多个单元或计算机装置也可以由同一个单元或计算机装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
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限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种数据调用量统计方法，其特征在于，所述方法包括：
接收数据调用请求，并对所述数据调用请求进行合法性检测；
若所述数据调用请求为合法性请求，则根据所述数据调用请求进行数据调用操作，其中所述数据调用操作添加有请求方标识；
建立一数据流统计页面并配置数据统计条件及数据统计逻辑，所述数据流统计页面包括调用量统计栏；
获取在所述调用量统计栏输入的查询信息，根据所述查询信息生成统计指令，并返回所述统计指令对应的统计结果；及
根据所述统计结果采取与所述统计结果匹配的管控策略。
2.如权利要求1所述的数据调用量统计方法，其特征在于，所述接收数据调用请求的步骤之前还包括：
为目标共享应用平台配置信息交互协议，所述目标共享应用平台与多个请求方对接，所述信息交互协议包括以下一种或多种协议：TCP协议、UDP协议、SOAP协议、HTTP协议、MQ协议。
3.如权利要求1或2所述的数据调用量统计方法，其特征在于，所述对所述数据调用请求进行合法性检测的步骤之后还包括：
若所述数据调用请求为非法请求，则不响应所述数据调用请求进行数据调用操作。
4.如权利要求1或2所述的数据调用量统计方法，其特征在于，所述若所述数据调用请求为合法性请求，则根据所述数据调用请求进行数据调用操作的步骤包括：
若所述数据调用请求为合法性请求，则对响应所述数据调用请求进行数据调用操作的待输出数据进行合法性检测；
若所述待输出数据为合法数据，则响应所述数据调用请求并输出所述待输出数据；及
若所述待输出数据为非法数据，则丢弃所述待输出数据并输出警示信息。
5.如权利要求4所述的数据调用量统计方法，其特征在于，所述对待输出数据进行合法性检测的步骤包括：
确定所述待输出数据的数据类型及数据特征；
基于与所述待输出数据的数据类型相对应的数据特征库对所述待输出数据进行合法性检测；
若所述待输出数据的数据特征与所述数据特征库中的一数据特征相匹配，则确定所述待输出数据为合法数据。
6.如权利要求1或2所述的数据调用量统计方法，其特征在于，所述数据流统计页面还包括调用量趋势预测栏，所述方法还包括：
获取在所述调用量趋势预测栏输入的待查询信息，根据所述待查询信息生成预测指令，并返回所述预测指令对应的趋势图。
7.如权利要求6所述的数据调用量统计方法，其特征在于，所述获取在所述调用量趋势预测栏输入的待查询信息的步骤之前还包括：
获取每一请求方的历史调用数据；及
根据所述历史调用数据建立得到与每一所述请求方对应的数据调用量趋势预测模型。
8.一种数据调用量统计系统，其特征在于，所述系统包括：
接收模块，用于接收数据调用请求，并对所述数据调用请求进行合法性检测；
调用模块，用于在所述数据调用请求为合法性请求时，根据所述数据调用请求进行数据调用操作，其中所述数据调用操作添加有请求方标识；
建立模块，用于建立一数据流统计页面并配置数据统计条件及数据统计逻辑，所述数据流统计页面包括调用量统计栏；
查询模块，用于获取在所述调用量统计栏输入的查询信息，根据所述查询信息生成统计指令，并返回所述统计指令对应的统计结果；及
管控模块，用于根据所述统计结果采取与所述统计结果匹配的管控策略。
9.一种计算机装置，所述计算机装置包括处理器及存储器，所述存储器上存储有若干计算机程序，其特征在于，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-7中任意一项所述的数据调用量统计方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任意一项所述的数据调用量统计方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910199905.9A CN110109955A (zh) | 2019-03-15 | 2019-03-15 | 数据调用量统计方法、系统、计算机装置及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910199905.9A CN110109955A (zh) | 2019-03-15 | 2019-03-15 | 数据调用量统计方法、系统、计算机装置及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110109955A true CN110109955A (zh) | 2019-08-09 |
Family
ID=67484299
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910199905.9A Pending CN110109955A (zh) | 2019-03-15 | 2019-03-15 | 数据调用量统计方法、系统、计算机装置及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110109955A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111080033A (zh) * | 2019-12-30 | 2020-04-28 | 北京三快在线科技有限公司 | 预测服务容量的方法、装置、计算机设备及存储介质 |
| CN111158926A (zh) * | 2019-12-12 | 2020-05-15 | 口碑(上海)信息技术有限公司 | 业务请求分析方法、装置及设备 |
| CN113779374A (zh) * | 2021-02-24 | 2021-12-10 | 北京京东振世信息技术有限公司 | 一种页面查询管理方法和装置 |
| CN114390321A (zh) * | 2021-10-11 | 2022-04-22 | 北京仁光科技有限公司 | 信号源调用复盘的方法、系统、可读存储介质和电子设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101072122A (zh) * | 2007-03-30 | 2007-11-14 | 腾讯科技（深圳）有限公司 | 获取访问量统计数据的方法、系统和用户端设备 |
| CN103200269A (zh) * | 2013-04-12 | 2013-07-10 | 亿赞普(北京)科技有限公司 | 互联网信息统计方法及系统 |
| CN103345527A (zh) * | 2013-07-23 | 2013-10-09 | 深圳市博瑞得科技有限公司 | 数据智能统计系统 |
| CN103873463A (zh) * | 2014-02-26 | 2014-06-18 | 北京优炫软件股份有限公司 | 多级过滤防火墙系统及多级过滤方法 |
| CN107092990A (zh) * | 2017-05-03 | 2017-08-25 | 西安电子科技大学 | 基于大数据分析的盾构施工地面沉降预测系统和方法 |
| CN107623714A (zh) * | 2017-07-28 | 2018-01-23 | 平安科技（深圳）有限公司 | 数据共享方法、装置及计算机可读存储介质 |
| CN108446369A (zh) * | 2018-03-15 | 2018-08-24 | 深圳市中科新业信息科技发展有限公司 | 海量数据下实时数据报表统计方法 |
| CN109062769A (zh) * | 2018-08-21 | 2018-12-21 | 南京星邺汇捷网络科技有限公司 | It系统性能风险趋势预测的方法、装置和设备 |
-
2019
- 2019-03-15 CN CN201910199905.9A patent/CN110109955A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101072122A (zh) * | 2007-03-30 | 2007-11-14 | 腾讯科技（深圳）有限公司 | 获取访问量统计数据的方法、系统和用户端设备 |
| CN103200269A (zh) * | 2013-04-12 | 2013-07-10 | 亿赞普(北京)科技有限公司 | 互联网信息统计方法及系统 |
| CN103345527A (zh) * | 2013-07-23 | 2013-10-09 | 深圳市博瑞得科技有限公司 | 数据智能统计系统 |
| CN103873463A (zh) * | 2014-02-26 | 2014-06-18 | 北京优炫软件股份有限公司 | 多级过滤防火墙系统及多级过滤方法 |
| CN107092990A (zh) * | 2017-05-03 | 2017-08-25 | 西安电子科技大学 | 基于大数据分析的盾构施工地面沉降预测系统和方法 |
| CN107623714A (zh) * | 2017-07-28 | 2018-01-23 | 平安科技（深圳）有限公司 | 数据共享方法、装置及计算机可读存储介质 |
| CN108446369A (zh) * | 2018-03-15 | 2018-08-24 | 深圳市中科新业信息科技发展有限公司 | 海量数据下实时数据报表统计方法 |
| CN109062769A (zh) * | 2018-08-21 | 2018-12-21 | 南京星邺汇捷网络科技有限公司 | It系统性能风险趋势预测的方法、装置和设备 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111158926A (zh) * | 2019-12-12 | 2020-05-15 | 口碑(上海)信息技术有限公司 | 业务请求分析方法、装置及设备 |
| CN111158926B (zh) * | 2019-12-12 | 2024-01-30 | 口碑(上海)信息技术有限公司 | 业务请求分析方法、装置及设备 |
| CN111080033A (zh) * | 2019-12-30 | 2020-04-28 | 北京三快在线科技有限公司 | 预测服务容量的方法、装置、计算机设备及存储介质 |
| CN111080033B (zh) * | 2019-12-30 | 2021-09-28 | 北京三快在线科技有限公司 | 预测服务容量的方法、装置、计算机设备及存储介质 |
| CN113779374A (zh) * | 2021-02-24 | 2021-12-10 | 北京京东振世信息技术有限公司 | 一种页面查询管理方法和装置 |
| CN113779374B (zh) * | 2021-02-24 | 2023-09-26 | 北京京东振世信息技术有限公司 | 一种页面查询管理方法和装置 |
| CN114390321A (zh) * | 2021-10-11 | 2022-04-22 | 北京仁光科技有限公司 | 信号源调用复盘的方法、系统、可读存储介质和电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110109955A (zh) | 数据调用量统计方法、系统、计算机装置及可读存储介质 | |
| Hajimirzaei et al. | Intrusion detection for cloud computing using neural networks and artificial bee colony optimization algorithm | |
| Chanta et al. | The minimum p-envy location problem: a new model for equitable distribution of emergency resources | |
| US20180247265A1 (en) | Task grouping method and apparatus, electronic device, and computer storage medium | |
| US11265225B2 (en) | Systems and methods for prediction of anomalies | |
| CN109214446B (zh) | 潜力绩优人员类型识别方法、系统、终端及计算机可读存储介质 | |
| CN109933601A (zh) | 数据库管理方法、系统、计算机装置及可读存储介质 | |
| CN111181770B (zh) | 一种资源分配方法、系统、电子设备和存储介质 | |
| CN110309058A (zh) | 业务端测试方法、装置、计算机装置及计算机存储介质 | |
| Galvao et al. | Emergency service systems: The use of the hypercube queueing model in the solution of probabilistic location problems | |
| CN109614238A (zh) | 一种目标对象识别方法、装置、系统及可读存储介质 | |
| CN108985694A (zh) | 用于确定配送中心地址的方法和装置 | |
| WO2020049391A1 (en) | Suspicious activity detection in computer networks | |
| CN109669837A (zh) | 设备状态预警方法、系统、计算机装置及可读存储介质 | |
| CN109615504A (zh) | 产品推荐方法、装置、电子设备和计算机可读存储介质 | |
| US20210110248A1 (en) | Identifying and optimizing skill scarcity machine learning algorithms | |
| CN108470312A (zh) | 理赔案件的分析方法、装置、存储介质及终端 | |
| CN112070603A (zh) | 评分卡模型及其配置系统、进行评分处理的方法 | |
| CN116684330A (zh) | 基于人工智能的流量预测方法、装置、设备及存储介质 | |
| CN113344647B (zh) | 一种信息推荐的方法及装置 | |
| CN110428122A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN113658689A (zh) | 多智能体模型的训练方法、装置、电子设备及存储介质 | |
| CN109816360A (zh) | 理财收益数据处理方法、装置、计算机装置及存储介质 | |
| CN109598410A (zh) | 预售风险评估方法、系统、计算机装置及可读存储介质 | |
| EP3301638A1 (en) | Method for automatic property valuation |
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 |