CN110808101B - 基于微服务的动态指标解析评测实现方法 - Google Patents

基于微服务的动态指标解析评测实现方法 Download PDF

Info

Publication number
CN110808101B
CN110808101B CN201911045126.XA CN201911045126A CN110808101B CN 110808101 B CN110808101 B CN 110808101B CN 201911045126 A CN201911045126 A CN 201911045126A CN 110808101 B CN110808101 B CN 110808101B
Authority
CN
China
Prior art keywords
evaluation
calculation
analysis
user
dynamic
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
CN201911045126.XA
Other languages
English (en)
Other versions
CN110808101A (zh
Inventor
谢小青
洪求兵
罗琼
杨明亮
侯军
凌菡
刘天龙
李凡
黄祥云
张享
朱林
刘维平
邵波
伍晓聪
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.)
Wuhan Lvan Jianshanfang Technology Co ltd
Original Assignee
Wuhan Lvan Jianshanfang 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 Wuhan Lvan Jianshanfang Technology Co ltd filed Critical Wuhan Lvan Jianshanfang Technology Co ltd
Priority to CN201911045126.XA priority Critical patent/CN110808101B/zh
Publication of CN110808101A publication Critical patent/CN110808101A/zh
Application granted granted Critical
Publication of CN110808101B publication Critical patent/CN110808101B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种基于微服务的动态指标解析评测实现方法，包括：步骤1)、服务器端基于Spring Cloud构建高可用、高性能微服务集群；步骤2)、服务器端接收来自用户的并发数据请求，请求直接分流到微服务集群不同服务器节点执行基础数据验证；步骤3)、单节点接收到的有效用户数据，缓存中间件redis计数器+1，根据机器负载阈值判断实时计算或异步执行；调用统一的评测计算引擎计算得到结果立即异步通知客户端；步骤4)、服务器端通过短信和/或系统消息下发通知用户查看评测报告。本发明方法可以很好地解决几百种疾病不同的计算方式的可配置化，实现线上配置，及时更新模型，计算效率高，系统运行稳定。

Description

基于微服务的动态指标解析评测实现方法
技术领域
本发明属于动态指标解析评测技术领域，特别涉及一种基于微服务的动态指标解析评测实现方法，该方法应用于健康问卷报告生成流程。
背景技术
经大量研究表明，我国目前有70％的人处于亚健康，15％的人处于疾病状态，只有15％的人处于健康状态。为促进健康理论的发展及对健康和亚健康的评估，许多学者和机构针对健康和亚健康判断标准的确定也做了一些有益的尝试，比如应用Delphi法评价亚健康的标准、亚健康自测法，采用量子共振仪和超倍生物显微系统等技术评价亚健康等。但总的来说，目前关于健康和亚健康的民众自测判断还缺乏简单有效的方法。健康自测评估能让自测者对近来的自身健康状况进行自我评估，以便在得出客观评估结论后对自身健康状况进行一定的自我判别和后续的积极行动。
问卷调查分析是获取调查数据、从中分析、挖掘有用信息，并加以利用的一种常用的科学研究和调查方法。随着Internet网络技术的发展，出现了大量的基于Internet问卷调查分析系统，集问卷调查、统计、分析于一体，通过固定量表按分值或对应条目来评测健康状态或状况，更多的还局限于被动式、量化式的计算型评测，将其应用于健康问卷调查报告的生成有很多局限性，现有的健康问卷报告生成方法而健康问卷涉及的内容复杂、计算量大，在一定程度上限制了用户查看报告结果得速度。
The Automatic Generated Analysing System Of Internet Q&A Based OnAsp.Net//Computer Systems&Applications，2005(12)中记载，目前，问卷调查、基于Internet的网络问卷调查分析统计用得非常普遍和频繁，每开发一个新的网络问卷调查分析系统，需要耗费大量时间、经费。主要介绍了基于ASP、NET实现"网络问卷调查分析系统"的动态生成的设计思路和实现方法。
中国专利申请公布号CN107516003A公开了一种动态问卷调查方法，由一个服务器及一个与该服务器连接的用户端装置实施。通过在该服务器中预先建立多个问卷及对应所述问卷的关联条件，并使该服务器根据用户对一个问卷的一个特定问题的回答结果及至少一个背景参数，来判断对应该问卷的一个关联条件是否成立，且在该关联条件成立时传送关联于该问卷的另一个问卷至该用户端装置给用户填答。
发明内容
针对上述现有技术的不足，本发明的目的是提供一种基于微服务的动态指标解析评测实现方法，可以很好地解决几百种疾病不同的计算方式的可配置化，实现线上配置，及时更新模型，计算效率高，系统运行稳定。
为达到上述目的，本发明的技术方案是这样实现的：
基于微服务的动态指标解析评测实现方法，其特征在于，包括如下步骤：
步骤1)、服务器端基于Spring Cloud构建高可用、高性能微服务集群；
步骤2)、服务器端接收来自用户的并发数据请求，请求直接分流到微服务集群不同服务器节点执行基础数据验证；
步骤3)、单节点接收到的有效用户数据，缓存中间件redis计数器+1，根据机器负载阈值判断实时计算或异步执行；实时计算使用线程池技术，多线程调用统一的评测计算引擎计算指标结果，快速响应用户报告；异步任务提交消息队列中间件MQ，微服务集群不同服务器节点并行消费消息队列中间件MQ中的数据，调用统一的评测计算引擎计算得到结果立即异步通知客户端；
步骤4)、服务器端通过短信和/或系统消息下发通知用户查看评测报告。
更进一步地，所述评测计算引擎主要包括如下步骤：
步骤3a)、评测项分析：系统内部建立了200+疾病评测模型，根据用户动态输入+系统静态数据判定评测项模型；
步骤3b)、指标分析计算：根据上一步得到的评测项模型，进一步剥离出并行评测项和依赖评测项，进行评测项的调度优先级排序；
然后构建指标分析调度器，指标分析调度器采用线程池模型，指标分析调度器加载每一个评测项的计算单元；
开始执行调度，调度过程由状态驱动；
步骤3c)、风险建议判断：指标分析计算引擎输出计算结果，根据计算结果从风险建议库匹配结论；
步骤3d)、评价指引：综合指标分析的结果，汇总输出评价，给出相关膳食推荐指引。
更进一步地，步骤3b)中，计算单元采用动态表达式引擎aviator。
更进一步地，步骤3b)中，状态包括初始化、开始、进行中、等待、异常；
执行调度过程为：
初始化：等待调度器执行；
开始：已经被调度器选中；
进行中：正在被调度器执行；
等待：存在依赖项，挂起执行等待被唤醒，唤醒则进入进行中；
异常：执行异常，根据系统规则判断是否终止本次评测流程。
本发明的有益效果是：
1)、基于动态表达式引擎aviator实现了复杂业务计算的可配置化；动态表达式引擎aviator技术，很好地解决了几百种疾病不同的计算方式的可配置化，实现了线上配置，及时更新模型；
2)、同步加异步计算的双流程，有效的解决了并发的峰值，保障了系统的稳定运行；
3)、redis+GuavaCache的缓存模型，满足高并发的用户需求；redis+GuavaCache的缓存模型，大大提高了计算的效率，用户能够更加快速的看到报告结果；
4)、基于Spring Cloud+K8S实现可以灵活扩展的部署架构。微服务+K8S的使用，使运维部署结构清晰，扩展灵活，进一步提高了服务的高可用。
附图说明
图1是本发明方法应用于健康问卷调查的报告生成流程图。
具体实施方式
下面通过具体实施例，对本发明的技术方案作进一步的具体说明。
如图1所示为本发明方法应用于健康问卷调查的报告生成流程图。
基于微服务的动态指标解析评测实现方法，包括如下步骤：
步骤1)、服务器端基于Spring Cloud构建高可用、高性能微服务集群；
步骤2)、服务器端接收来自用户的并发数据请求，请求直接分流到微服务集群不同服务器节点执行基础数据验证；
步骤3)、单节点接收到的有效用户数据，缓存中间件redis计数器+1，根据机器负载阈值(缓存中间件redis计数器)判断实时计算或异步执行；实时计算使用线程池技术，多线程调用统一的评测计算引擎计算指标结果，快速响应用户报告；异步任务提交消息队列中间件MQ，微服务集群不同服务器节点并行消费消息队列中间件MQ中的数据，调用统一的评测计算引擎计算得到结果立即异步通知客户端；
步骤4)、服务器端通过短信和/或系统消息下发通知用户查看评测报告。
其中，评测计算引擎主要包括如下步骤：
步骤3a)、评测项分析：系统内部建立了200+疾病评测模型，根据用户动态输入+系统静态数据判定评测项模型；
步骤3b)、指标分析计算：根据上一步得到的评测项模型，进一步剥离出并行评测项和依赖评测项，进行评测项的调度优先级排序；
然后构建指标分析调度器，指标分析调度器采用线程池模型，指标分析调度器加载每一个评测项的计算单元；
开始执行调度，调度过程由状态驱动；
步骤3c)、风险建议判断：指标分析计算引擎输出计算结果，根据计算结果从风险建议库匹配结论；
步骤3d)、评价指引：综合指标分析的结果，汇总输出评价，给出相关膳食推荐指引。
具体地，步骤3b)中，计算单元采用动态表达式引擎aviator，aviator是一个高性能、轻量级的java语言实现的表达式求值引擎,主要用于各种表达式的动态求值。
具体地，步骤3b)中，状态包括初始化、开始、进行中、等待、异常；
执行调度过程为：
初始化：等待调度器执行；
开始：已经被调度器选中；
进行中：正在被调度器执行；
等待：存在依赖项，挂起执行等待被唤醒，唤醒则进入进行中；
异常：执行异常，根据系统规则判断是否终止本次评测流程。
以上所述，仅为本发明较佳的具体实施方式，但本发明保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明保护范围之内。

Claims (3)

1.基于微服务的动态指标解析评测实现方法，其特征在于，包括如下步骤：
步骤1)、服务器端基于Spring Cloud构建高可用、高性能微服务集群；
步骤2)、服务器端接收来自用户的并发数据请求，请求直接分流到微服务集群不同服务器节点执行基础数据验证；
步骤3)、单节点接收到的有效用户数据，缓存中间件redis计数器+1，根据机器负载阈值判断实时计算或异步执行；实时计算使用线程池技术，多线程调用统一的评测计算引擎计算指标结果，快速响应用户报告；异步任务提交消息队列中间件MQ，微服务集群不同服务器节点并行消费消息队列中间件MQ中的数据，调用统一的评测计算引擎计算得到结果立即异步通知客户端；
步骤4)、服务器端通过短信和/或系统消息下发通知用户查看评测报告；所述评测计算引擎主要包括如下步骤：
步骤3a)、评测项分析：系统内部建立了200+疾病评测模型，根据用户动态输入+系统静态数据判定评测项模型；
步骤3b)、指标分析计算：根据上一步得到的评测项模型，进一步剥离出并行评测项和依赖评测项，进行评测项的调度优先级排序；
然后构建指标分析调度器，指标分析调度器采用线程池模型，指标分析调度器加载每一个评测项的计算单元；开始执行调度，调度过程由状态驱动；
步骤3c)、风险建议判断：指标分析计算引擎输出计算结果，根据计算结果从风险建议库匹配结论；
步骤3d)、评价指引：综合指标分析的结果，汇总输出评价，给出相关膳食推荐指引。
2.根据权利要求1所述基于微服务的动态指标解析评测实现方法，其特征在于，
步骤3b)中，计算单元采用动态表达式引擎aviator。
3.根据权利要求1所述基于微服务的动态指标解析评测实现方法，其特征在于，
步骤3b)中，状态包括初始化、开始、进行中、等待、异常；
执行调度过程为：
初始化：等待调度器执行；
开始：已经被调度器选中；
进行中：正在被调度器执行；
等待：存在依赖项，挂起执行等待被唤醒，唤醒则进入进行中；
异常：执行异常，根据系统规则判断是否终止本次评测流程。
CN201911045126.XA 2019-10-30 2019-10-30 基于微服务的动态指标解析评测实现方法 Active CN110808101B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911045126.XA CN110808101B (zh) 2019-10-30 2019-10-30 基于微服务的动态指标解析评测实现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911045126.XA CN110808101B (zh) 2019-10-30 2019-10-30 基于微服务的动态指标解析评测实现方法

Publications (2)

Publication Number Publication Date
CN110808101A CN110808101A (zh) 2020-02-18
CN110808101B true CN110808101B (zh) 2022-07-26

Family

ID=69489559

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911045126.XA Active CN110808101B (zh) 2019-10-30 2019-10-30 基于微服务的动态指标解析评测实现方法

Country Status (1)

Country Link
CN (1) CN110808101B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112486707A (zh) * 2020-12-14 2021-03-12 中国人民银行清算总中心 基于Redis的消息异步消费方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106844473A (zh) * 2016-12-23 2017-06-13 明博教育科技股份有限公司 一种基于微服务架构的教师评价分析方法
CN108091384A (zh) * 2017-11-09 2018-05-29 南京耐久软件科技有限公司 一种基于微服务框架的医学影像处理系统
CN109150957A (zh) * 2018-06-29 2019-01-04 中译语通科技股份有限公司 一种微服务并发控制系统
CN110136037A (zh) * 2019-05-22 2019-08-16 毕成 一种基于大数据和人工智能的互联网精准化教育辅导系统
CN110299193A (zh) * 2019-06-27 2019-10-01 合肥云诊信息科技有限公司 基于人工智能舌诊的中医健康云服务方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106844473A (zh) * 2016-12-23 2017-06-13 明博教育科技股份有限公司 一种基于微服务架构的教师评价分析方法
CN108091384A (zh) * 2017-11-09 2018-05-29 南京耐久软件科技有限公司 一种基于微服务框架的医学影像处理系统
CN109150957A (zh) * 2018-06-29 2019-01-04 中译语通科技股份有限公司 一种微服务并发控制系统
CN110136037A (zh) * 2019-05-22 2019-08-16 毕成 一种基于大数据和人工智能的互联网精准化教育辅导系统
CN110299193A (zh) * 2019-06-27 2019-10-01 合肥云诊信息科技有限公司 基于人工智能舌诊的中医健康云服务方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Bogner, J. ; Fritzsch, J. ; Wagner, S. ; Zimmermann, A..Limiting technical debt with maintainability assurance: An industry survey on used techniques and differences with service- and microservice-based systems.《Proceedings - International Conference on Software Engineering》.2018, *
基于微服务的软件体系结构设计方法研究与应用;蔡亚楠;《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》;20190815(第8期);第I138-278页 *

Also Published As

Publication number Publication date
CN110808101A (zh) 2020-02-18

Similar Documents

Publication Publication Date Title
Tantalaki et al. A review on big data real-time stream processing and its scheduling techniques
Ageed et al. Cloud computing resources impacts on heavy-load parallel processing approaches
Zhang et al. A task-level adaptive MapReduce framework for real-time streaming data in healthcare applications
Garraghan et al. An analysis of the server characteristics and resource utilization in google cloud
Chen et al. Patient flow scheduling and capacity planning in a smart hospital environment
EP2503733B1 (en) Data collecting method, data collecting apparatus and network management device
CN111143576A (zh) 一种面向事件的动态知识图谱构建方法和装置
KR102236298B1 (ko) 빅데이터 기반의 인공지능 통합 플랫폼 시스템
KR102236302B1 (ko) 빅데이터 기반의 인공지능 통합 플랫폼 서비스 방법
Dean Machine learning for systems and systems for machine learning
CN104572290A (zh) 消息处理线程的控制方法及装置
KR20060128597A (ko) 센서 네트워크 시스템 및 센서 네트워크 시스템의 데이터처리 방법
WO2012033909A2 (en) Method and system of simulating a data center
CN110245178A (zh) 营销自动化管理平台系统及其管理方法
CN109192248A (zh) 基于云平台的生物信息分析系统、方法及云计算平台系统
CN110808101B (zh) 基于微服务的动态指标解析评测实现方法
CN109783151A (zh) 规则变更的方法和装置
Jin et al. Specifying and detecting spatio-temporal events in the internet of things
Hirsch et al. A task execution scheme for dew computing with state-of-the-art smartphones
Raymundo Belleza et al. Performance study of real‐time operating systems for internet of things devices
CN108519908A (zh) 一种任务动态管理方法和装置
Achouri et al. Smart fog computing for efficient situations management in smart health environments
Paulheim Efficient semantic event processing: Lessons learned in user interface integration
Ma A survey of big data for IoT in cloud computing
Zhang et al. Inferbench: Understanding deep learning inference serving with an automatic benchmarking system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant