CN110955709A - 一种数据的处理方法、装置及电子设备 - Google Patents

Abstract

本公开实施例中提供了一种数据的处理方法、装置及电子设备，该方法包括：获取多源异构数据，所述多源异构数据包括数据结构不同的数据；将所述多源异构数据进行转换，得到具有预设数据结构的数据；利用已有的所述具有预设数据结构的数据训练初始判断模型，得到最终判断模型；将待判断的多源异构数据输入至所述最终判断模型，通过所述最终判断模型对所述待判断的多源异构数据进行判断，得到判断结果，完成对所述待判断的多源异构数据的处理。通过本公开的处理方案，完成了对多源异构数据的处理，将其整合为同一种存储形式或者存储结构的数据，利用整合后的数据可以从整体上反映了系统的运行情况，方便了相关人员对于系统的了解。

Description

一种数据的处理方法、装置及电子设备

技术领域

本公开涉及数据处理技术领域，尤其涉及一种数据的处理方法、装置及电子设备。

背景技术

随着科学技术的发展和现实生活的需求，计算机和互联网在现实生活中的作用越发的重要。在计算机和互联网盛行的时代，通过计算机和互联网可以做很多在以前不能做的事情，给人类带来了极大的便利。

在计算机、网络、服务器、终端以及相关联的服务系统中存在有各种系统，并且对应有相应的数据信息，现有技术在处理这些数据信息时还存在有一些问题。例如，计算机、网络以及相关联的服务系统中存在有监控系统和各种工作日志，监控系统对应有监控数据，这些监控数据存在不同的相关的数据库中，每个数据库中的数据有自身的数据结构、存储方式等都是不同的，相应的数据管理系统也不相同，不同的数据源中的这些数据就产生了多源异构数据。目前的监控系统在处理监控信息时只是单一地对某一种数据源所提供的某一种格式的监控信息进行处理，得到的处理结果也只能是从某一方面来反映监控数据对应的系统或者机器的运行或者工作的情况。在该种情况下，从一部分数据来反映的系统或者相关服务的工作情况会存在片面、不准确的技术问题，很多时候会存在反映不准确或者误报的问题。

所以，对现有技术中并不能对监控数据信息进行整体处理，导致不能从整体上反映系统的运行或者工作情况。因此，需要一种更好的对数据的处理方法。

发明内容

有鉴于此，本公开实施例的主要目的在于提供一种数据的处理方法、装置及电子设备，至少部分解决现有技术中存在的问题。

第一方面，本公开实施例提供了一种数据的处理方法，包括：

获取多源异构数据；

将所述多源异构数据进行转换，得到具有预设数据结构的数据；

利用已有的所述具有预设数据结构的数据训练初始判断模型，得到最终判断模型；

将待判断的多源异构数据输入至所述最终判断模型，通过所述最终判断模型对所述待判断的多源异构数据进行判断，得到判断结果，完成对所述待判断的多源异构数据的处理。

根据本公开实施例的一种具体实现方式，所述获取多源异构数据具体包括：

获取系统中的日志数据、时序监控数据和结构化监控数据，所述时序监控数据包括性能对象对应的时序监控数据，所述结构化监控数据包括性能对象对应的结构化监控数据。

根据本公开实施例的一种具体实现方式，将所述多源异构数据进行转换，得到具有预设数据结构的数据，具体为：

确定时间节点，根据所述时间节点，将时序监控数据、结构化监控数据，以及系统的日志数据中性能对象对应的数据分别转换为预设的与时间节点对应的数据，预设的与时间节点对应的数据为具有预设数据结构的数据。

根据本公开实施例的一种具体实现方式，将所述多源异构数据进行转换，得到具有预设数据结构的数据，具体包括：

根据所述时间节点，将所述时序监控数据中一个以上性能对象对应的数据分别与所述时间节点进行对齐，得到包括所述时间节点，以及与所述时间节点对应的一个以上性能对象对应的数据的具有预设数据结构的数据；

根据所述时间节点对所述结构化监控数据进行采样，将采样的一个以上性能对象对应的结构化监控数据与所述时间节点进行对齐，得到包括所述时间节点，以及与所述时间节点对应的一个以上性能对象对应的数据的具有预设数据结构的数据；

根据所述时间节点提取所述日志数据中的关键字，将与所述关键字有关的信息转换为与所述时间节点对应的事件流，得到包括所述时间节点，以及与所述时间节点对应的一个以上性能对象对应的数据的具有预设数据结构的数据。

根据本公开实施例的一种具体实现方式，利用已有的所述具有预设数据结构的数据训练初始判断模型，具体包括：

根据所述时间节点，将一个以上所述性能对象对应的具有预设数据结构的数据进行整合，得到整合数据；

将所述整合数据作为训练样本训练所述初始判断模型。

根据本公开实施例的一种具体实现方式，将所述多源异构数据进行转换，得到具有预设数据结构的数据，具体为：

从所述多源异构数据中提取所述性能对象对应的不同结构的数据；

将所述性能对象对应的不同结构的数据，分别转换为预设的与时间节点一一对应的数据；

根据所述时间节点，将所述性能对象对应的不同结构的数据转换后得到的数据进行合并，得到所述具有预设数据结构的数据；所述具有预设数据结构的数据为所述时间节点分别与所述性能对象对应的不同结构的数据转换后得到的数据具有对应关系的数据，所述对应关系为一对多的关系。

根据本公开实施例的一种具体实现方式，将所述性能对象对应的不同结构的数据，分别转换为预设的与时间节点一一对应的数据，具体包括：

根据所述性能对象对应的时序监控数据中的时间戳与所述时间节点的关系，将所述性能对象对应的时序监控数据与所述时间节点进行对应。

根据本公开实施例的一种具体实现方式，将所述性能对象对应的不同结构的数据，分别转换为预设的与时间节点一一对应的数据，具体包括：

对所述性能对象对应的结构化监控数据进行采样；

对采样的所述性能对象对应的结构化监控数据添加时间标签；

根据所述时间标签与所述时间节点的关系，将所述性能对象对应的结构化监控数据与所述时间节点对应。

根据本公开实施例的一种具体实现方式，将所述性能对象对应的不同结构的数据，分别转换为预设的与时间节点一一对应的数据，具体包括：

提取所述日志数据对应的文本信息中的关键字；

根据提取所述日志数据对应的文本信息中的关键字时对应的时间与所述时间节点的对应关系，将所述日志数据对应的文本信息转换为与所述时间节点对应事件流。

根据本公开实施例的一种具体实现方式，利用已有的所述具有预设数据结构的数据训练初始判断模型，具体包括：

根据所述时间节点，将一个以上所述性能对象对应的具有预设数据结构的数据进行整合，得到整合数据；所述整合数据为一个以上所述性能对象对应的具有预设数据结构的数据分别与所述时间节点对应的数据；

将所述整合数据作为训练样本训练所述初始判断模型。

根据本公开实施例的一种具体实现方式，在所述得到最终判断模型之前，还包括：

优化所述初始判断模型的步骤。

根据本公开实施例的一种具体实现方式，所述将待判断的多源异构数据输入至所述最终判断模型，具体包括：

将所述待判断的多源异构数据进行转换，得到具有预设数据结构的数据；

根据所述时间节点，将一个以上所述性能对象对应的具有预设数据结构的数据进行整合，得到整合数据；

将所述整合数据输入至所述最终判断模型，以通过所述最终判断模型对所述待判断的多源异构数据进行判断。

第二方面，本公开实施例提供了一种数据的处理装置，包括：

获取模块，用于获取多源异构数据；

转换模块，用于将所述多源异构数据进行转换，得到具有预设数据结构的数据；

训练模块，用于利用已有的所述具有预设数据结构的数据训练初始判断模型，得到最终判断模型；

处理模块，用于将待判断的多源异构数据输入至所述最终判断模型，通过所述最终判断模型对所述待判断的多源异构数据进行判断，得到判断结果，完成对所述待判断的多源异构数据的处理。

第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：

至少一个处理器；以及，

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述任第一方面或第一方面的任一实现方式中的数据的处理方法。

第四方面，本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的数据的处理方法。

第五方面，本公开实施例还提供了一种计算机程序产品，该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程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述第一方面或第一方面的任一实现方式中的数据的处理方法。

本公开实施例中数据的处理方法通过将系统中存在的与性能对象有关的时序监控数据、结构化监控数据以及系统的日志信息等不同格式的数据进行转换，得到与预先设置的数据结构相对应的数据，根据时间节点将每个性能对象对应的不同格式的数据进行合并，得到性能对象在这个时间节点对应的数据结构相同的数据。然后再根据时间节点将一个以上的性能对象对应的数据结构相同的数据进行整合，得到在这个时间节点多个性能对象对应的数据结构相同的数据。将已有的这些数据作为训练初始判断模型的训练样本，训练初始判断模型得到最终判断模型，通过最终判断模型对需要进行处理的新的多源异构数据进行判断，根据判断结果可以得知系统、服务器等整体是否存在问题。

通过本公开实施例提供的方法，将不同格式的数据进行关联，不止从对单一数据进行处理，从单一方面反映系统的工作情况，而是可以从整体上反映系统、网络、服务器等的运行情况，通过训练模型并且利用训练的模型对新的需要处理的信息进行处理，极大的方便了相关人员对于系统工作情况的了解，有助于相关人员对系统、网络、服务器等进行维护等。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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它的附图。

图1为本公开实施例提供的一种数据的处理方法的流程示意图；

图2为本公开实施例提供的一种得到具有预设数据结构的数据的流程示意图；

图3为本公开实施例提供的一种得到具有预设数据结构的数据的示意图；

图4本公开实施例提供的一种数据的处理装置的结构示意图；

图5为本公开实施例提供的电子设备示意图。

具体实施方式

下面结合附图对本公开实施例进行详细描述。

以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。

还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。

本公开实施例提供一种数据的处理方法。本实施例提供的数据的处理方法可以由一计算装置来执行，该计算装置可以实现为软件，或者实现为软件和硬件的组合，该计算装置可以集成设置在服务器、终端设备等中。

参见图1，本公开实施例提供的一种数据的处理方法，该方法主要包括以下步骤：

步骤S100，获取多源异构数据。随着云计算、物联网、社交网络和社会新媒体等高新信息技术的飞速发展，现实世界大量的感知设备、智能产品、网络通信、计算机以及服务器等，从多个维度产生了大规模的多源异构数据，这些数据具有特征混杂、模态多样、类型复杂等特点，并在不同的视图下蕴含着不同的知识和价值。在许多实际应用中，数据被收集用于多个分析任务，可根据不同需求对数据进行处理。

在本实施例中的多源异构数据主要包括计算机系统、网络以及服务器中产生的数据，这些数据以不同的存储形式、不同的存储结构等存在与不同的数据库中，这些不同的数据库可以是相关联的数据库，这些相关联的数据库构成了多源异构数据库系统，相对应的多个相关联的不同存储形式以及不同结构的数据也就构成了多源异构数据。多源异构数据中的多个相关联的不同存储形式以及不同结构的数据是已经存在的，通过对多源异构数据进行处理，然后根据处理结果对系统、计算机或者服务器等相关对象进行分析，可以帮助相关人员了解系统、计算机或者服务器等等的工作以及运行情况，以便相关工作人员可以及时对有关问题进行处理。

本公开实施例以监控系统的监控数据为例，主要包括在计算机系统、网络以及数据库等方面中相关的监控系统的监控数据，目前这些方面相关的监控数据主要以时序监控数据、结构化监控数据和系统的日志数据为主，这三种不同存储形式或者不同存储结构的数据包括了目前所有的监控数据。想要了解计算机系统、网络以及服务器等的运行状况以及对计算机系统(后续简称系统)、网络以及服务器等的运行状况进行分析，就需要对这些数据进行处理，根据处理结果进而得知计算机系统、网络以及服务器等的运行情况。因此就需要先获取这些数据，即获取多源异构数据。

系统的日志数据用于收集、记录本地或远程计算机基于预先配置的日程参数的性能数据或者性能对象的性能数据，也可以称为性能日志，日志数据对应的信息是以文本形式存在的，日志数据对应的信息以文本形式记录性能对象对应的事件。时序监控数据包括监控系统监控的性能对象对应的时序数据，这些时序数据主要包括性能对象的使用、运行情况等易变信息。性能对象对应的时序监控数据主要为一对一的对应关系，例如，对于一个性能对象而言，一个时间戳对应一个该性能对象的运行信息，也就是一个key(键)对应一个value(值)。结构化监控数据包括监控系统监控的性能对象对应的结构化数据，性能对象对应的结构化监控数据主要包括性能对象的相关属性信息等，这些属性信息主要为不变的信息，例如，内存的规格为DDR4、硬盘的类型为固态硬盘(SSD)、CPU的型号等。性能对象对应的结构化监控数据主要为一对多的对应关系，例如，一个IP地址对应的计算机系统中对应有多个性能对象的属性信息等，也就就一个key(键)对应多个value(值)。

步骤S200，将多源异构数据进行转换，得到具有预设数据结构的数据。在获取多源异构数据之后，对获取的多源异构数据进行处理，得到想要的处理结果，该步骤主要是将多源异构数据中以不同形式或者不同结构存储的数据进行转换，转换为相同的存储形式或者相同的存储结构的数据。具有预设数据结构的数据为根据需要设置的一种数据结构的数据，例如可以是根据时间节点设置的包括时间节点、与该时间节点对应的各性能对象的时序监控数据、结构化监控数据或日志数据。具有预设数据结构的数据为一种中间数据结构，目的是将时序监控数据、结构化监控数据或日志数据转换为统一存储形式或者存储结构的数据，方便后续对其进行处理。将多源异构数据转换为相同存储形式或者存储结构的数据，消除了多源异构数据之间存在的存储形式或者存储结构之间的差异或者隔阂，方便后续对其进行处理。解决了现有技术中只能通过对某一种数据库对应的这一种存储形式或者存储结构的数据进行处理，根据单一方面的数据不能反映系统、网络以及服务器等整体情况的技术问题。选取的这个时间节点在时序监控数据、结构化监控数据和日志数据中为相同的时间，只有性能对象对应的这三种数据在同一时间时才能拿反映性能对象的整体工作情况。不同的性能对象之间在选取这个时间节点时，应该最少选取一个相同的时间节点，这样才能反映在某一时间节点系统的整体工作情况。

本公开实施例提供的一种得到具有预设数据结构的数据方法，该方法具体为：

根据时间节点，将一个以上性能对象对应的时序监控数据、结构化监控数据，以及系统的日志数据分别转换为预设的与时间节点对应的数据，预设的与时间节点对应的数据为具有预设数据结构的数据。该步骤中的时间节点为根据需求选择的时间，可以是被转换的时序监控数据对应的时间；也可以是将结构化监控数据进行转换时，被转换的结构化监控数据对应的时间；还可以是将日志数据进行转换时，被转换的日志数据对应的时间。在选择了其中一种数据对应的时间后，其他两种数据对应的时间需要与选择的这种数据对应的时间有相同的时间，也就是时序监控数据、结构化监控数据、日志数据这三种数据中的时间节点应该至少有一个相同的时间节点。将时序监控数据、结构化监控数据和日志数据分别转换为具有预设数据结构的数据，具有预设数据结构的数据即为预设的与时间节点对应的数据。

该步骤具体包括：

将时序监控数据转换为具有预设数据结构的数据时，时序监控数据中包括一个以上性能对象对应的时序监控数据，将这些性能对象对应的时序监控数据转换为具有预设数据结构的数据。具体可以是根据时序监控数据中的时间戳将一个以上性能对象的时序监控数据与该时间戳进行对齐，也就是选取时序监控数据中的一个以上性能对象对应的时序监控数据，将选取的这些性能对象对应的时序监控数据对应的时间戳作为具有预设数据结构的数据中的时间节点。根据该时间节点将不同性能对象对应的时序监控数据与该时间节点进行对应，也就是根据时间节点将一个以上性能对象对应的数据进行对齐，得到包括时间节点，和与该时间节点对齐的性能对象对应的时序监控数据的具有预设数据结构的数据，也就是一个中间数据结构。

将结构化监控数据转换为具有预设数据结构的数据时，选取结构化监控数据，该选取的步骤也称为采样的步骤，从结构化监控数据中采样，采样的结构化监控数据包括一个以上性能对象对应的结构化监控数据。该步骤中的一个以上性能对象与转换的时序监控数据中对应的一个以上性能对象至少有一个是相同的。采样时对应的时间至少包括一个与将时序监控数据转换为具有预设数据结构的数据时对应的时间戳相同的时间，也就时两者需要有时间交集，将这些时间作为具有预设数据结构的数据对应的时间节点。根据时间节点将采样的结构化数据中一个以上性能对象对应的结构化监控数据分别与时间节点对应，也就是分别将一个以上性能对象对应的结构化监控数据与时间节点对齐，得到包括时间节点和，与该时间节点对齐的性能对象对应的结构化监控数据的具有预设数据结构的数据，也就是一个中间数据结构。

简单说，可以是对存储在数据库里面的数据进行一个快照并进行存储，并把快照的数据与当前快照(采样)对应的时间进行拼接(对齐)，得到当前快照的数据对应的中间数据结构(具有预设数据结构的数据)，中间数据结构包括当前快照的数据和快照对应的时间。该快照的操作可以是一个定时任务(例如每1分钟进行一次快照)。

将日志数据转换为具有预设数据结构的数据时，需要提取日志数据中的关键字，该关键字包括一个以上性能对象的名称等信息，一个以上性能对象同样至少包括一个与被转换的时序监控数据或者结构化监控数据中对应的性能对象相同的性能对象。提取关键字时对应的时间同样至少包括一个与时序监控数据或者结构化监控数据中对应的时间节点相同的时间，将该一个以上相同的时间作为日志数据转换为具有预设数据结构的数据中的时间节点。根据提取的关键字将性能对象的对应的日志数据转换为事件流，将事件流与时间节点进行对应，也就是将事件流与时间节点对齐，得到包括时间节点和与时间节点对齐的事件流等的数据，即为具有预设数据结构的数据，也是一个中间数据结构。

上述三种情况中的时间节点，可以是将各自转换过程中的对应时间按照一定的时间间隔进行聚合，该时间间隔为以整秒、整分等为准，例如可以是从上一分钟结束到下一分钟结束的1分钟。将与这一时间间隔中的时间对应的数据进行整合，与该时间间隔的起始时间进行对应。也就是将属于该时间间隔中的时间向下取整，然后将这些向下取整的时间对应的数据与该时间间隔中的起始时间对齐。例如，该时间间隔可以是1分钟，这1分钟为某天的13时10分到13分11分之间的1分钟，根据时间向下取整，将这1分钟之间的时间向下取整到这1分钟的起始时间，然后将第10分到11分之间的时间对应的数据与向下取整后的起始时间对齐。该起始时间即为具有预设数据结构的数据中的时间节点。采样时对应的时间至少包括一个与将时序监控数据转换为具有预设数据结构的数据时对应的时间戳相同的时间，或者，提取关键字时对应的时间同样至少包括一个与时序监控数据或者结构化监控数据中对应的时间节点相同的时间指的是该起始时间，也就是至少有一个将相同的起始时间作为的时间节点。

步骤S300，利用已有的具有预设数据结构的数据训练初始判断模型，具体包括：

根据时间节点，将一个以上性能对象对应的具有预设数据结构的数据进行整合，得到整合数据。具体的可以是，根据时间节点，将一个以上性能对象对应的具有预设数据结构的数据与该时间节点进行对齐，得到包括该时间节点，和与该时间节点对应的不同性能对象对应的具有预设数据结构的数据的整合数据。将多个性能对象对应的具有预设数据结构的数据进行整合，得到系统中不同性能对象对应的具有预设数据结构的数据，这样才能从整体上反映系统的运行或者工作状况。

将所述整合数据作为训练样本训练所述初始判断模型。将整合数据作为训练样本训练初始判断模型，可以通过机器学习算法和深度学习算法训练初始判断模型。具体训练算法可以利用聚类算法来训练初始判断模型，聚类算法可以是K均值算法(K-Means)等算法，具体使用的算法可以根据实际需求进行调整，在此不做限定。在使用训练样本训练初始判断模型的过程中，还包括优化初始判断模型的步骤，该优化的步骤可以是根据实际需要对参数、权重的调整，或者增加新的影响因素以及调整该影响因素的权重等，本领域技术人员熟知的手段，在此不再赘述。通过优化初始判断模型的步骤可以使得训练得到的模型更加准确。通过训练样本训练初始判断模型和优化初始判断模型的步骤，得到训练完成的判断模型，即最终判断模型。

步骤S400，将待判断的多源异构数据输入至最终判断模型，通过最终判断模型对待判断的多源异构数据进行判断，得到判断结果，完成对待判断的多源异构数据的处理。

得到训练好的最终判断模型后，通过最终判断模型对系统中性能对象对应的新的多源异构数据进行处理，判断多源异构数据是否有异常。在通过最终判断模型对新的多源异构数据进行处理之前，同样需要通过上述步骤S100、S200、S300中的步骤对其进行处理，然后得到可以输入至最终判断模型的数据，最后在通过最终判断模型对其进行判断，完成对新的多源异构数据的处理，从而可以得知整个系统的运行或者工作状态。

具体为：将待判断的多源异构数据进行转换，得到具有预设数据结构的数据，根据时间节点，将一个以上性能对象对应的具有预设数据结构的数据进行整合，得到整合数据。将整合数据输入至最终判断模型，以通过最终判断模型对待判断的多源异构数据进行判断。对新的多源异构数据的处理的步骤与步骤S100、S200、S300中的步骤相同，在此不再赘述。

在另一实施例中，参考图2，本公开实施例提供的另一种得到具有预设数据结构的数据的方法，该方法具体包括以下步骤：

步骤S201，从多源异构数据中提取性能对象对应的不同结构的数据。从时序监控数据、结构化监控数据和日志数据中分别提取性能对象对应的数据，根据需要可以提取一个或者多个性能对象对应的数据，在此不做具体限定。

步骤S202，将性能对象对应的不同结构的数据，分别转换为预设的与时间节点一一对应的数据。从多源异构数据中提取的一个以上性能对象对应的不同结构的数据之后，对提取的这些数据进行转换，具体可以是根据时间节点(时间戳)进行转换，转换为与该时间节点对应的数据。该时间节点在时序监控数据、结构化监控数据和日志数据中包括至少一个相同的时间节点，即该时间节点为转换到具有预设数据结构的数据中所用的时间节点，也就是在性能对象分别对应的时序监控数据、结构化监控数据和日志数据转换后得到数据对应的时间节点中至少有一个时间节点是性能对象分别对应的时序监控数据、结构化监控数据和日志数据转换后得到数据分别都有对应的。

从时序监控数据中提取性能对象对应的数据后，将性能对象对应的时序监控数据进行转换，转换步骤具体包括：

根据性能对象对应的时序监控数据中的时间戳与时间节点的关系，将性能对象对应的时序监控数据与时间节点进行对应。性能对象对应的时序监控数据中的时间戳与时间节点的关系可以为时间戳与时间节点为一致的关系，也就是该时间节点与性能对象对应的时序监控数据中的时间戳相同，在选取该时间节点时，选择性能对象对应的时序监控数据中的时间戳对应的时间作为该时间节点即可。将性能对象对应的时序监控数据与时间节点进行对应，即为将性能对象在该时间节点时对应的时序监控数据与该时间节点进行对应，该对应关系为一一对应的关系，得到转换后的数据为包括时间节点和性能对象在该时间节点时对应的时序监控数据。

从结构化监控数据中提取性能对象对应的数据后，将性能对象对应的结构化监控数据进行转换，转换步骤具体包括：

对性能对象对应的结构化监控数据进行采样，从结构化监控数据中提取某一时刻性能对象对应的结构化监控数据，也就是对性能对象对应的结构化监控数据进行采样，将从结构化监控数据中提取的某一时刻性能对象对应的结构化监控数据作为采样样本。

对采样的性能对象对应的结构化监控数据添加时间标签，在对性能对象对应的结构化监控数据进行采样时，添加采样时间标签，添加采样时间标签是为了在后续步骤中与时序监控数据或者日志数据中性能对象对应的数据进行进一步处理。添加的时间标签与时间节点为相同的时间。

根据时间标签与时间节点的关系，由于添加的时间标签中的时间与时间节点为相同的时间，将性能对象对应的结构化监控数据与时间节点对应即为将在采样时间标签采样的性能对象对应的结构化监控数据与时间节点对应，该对应关系为一一对应的关系，得到转换后的数据为包括时间节点和性能对象在时间节点对应的结构化监控数据。

从结构化监控数据中提取性能对象对应的数据后，将性能对象对应的结构化监控数据进行转换，转换步骤具体包括：

提取日志数据对应的文本信息中的关键字，关键字包括性能对象的名称等与性能对象有关的信息，在提取关键字的同时，还需要获取提取这些关键字时对应的时间，提取这些关键字时对应的时间与时间节点为同一时间。

根据提取日志数据对应的文本信息中的关键字时对应的时间与时间节点的对应关系，由于提取这些关键字时对应的时间与时间节点为相同的时间，将日志数据对应的文本信息转换为与时间节点对应事件流，该事件流对应的时间与时间节点相同，得到转换后的数据为包括时间节点和事件流的数据。

步骤S203，在将性能对象对应的时序监控数据、结构化监控数据、日志数据分别进行转换后，将性能对象对应的转换后的数据进行处理，具体处理步骤为：

根据时间节点，将性能对象对应的不同结构的数据转换后得到的数据进行合并，得到具有预设数据结构的数据。按照时间节点，将性能对象对应的时序监控数据、结构化监控数据、日志数据分别转换后得到的数据进行合并，由于时间节点在性能对象对应的时序监控数据、结构化监控数据、日志数据分别转换后的数据中至少有一个是相同的，所以在根据这至少一个相同的时间节点将性能对象对应的时序监控数据、结构化监控数据、日志数据分别转换后的数据进行合并，合并后的数据即为具有预设数据结构的数据，也就是时间节点分别与性能对象对应的不同结构的数据转换后得到的数据具有对应关系的数据，对应关系为一对多的关系。具有预设数据结构的数据包括至少一个相同的时间节点，和与该至少一个相同的时间节点分别对应的性能对象对应的时序监控数据、结构化监控数据、日志数据分别转换后的数据。

步骤S300，利用已有的所述具有预设数据结构的数据训练初始判断模型，得到最终判断模型。

在将性能对象对应的时序监控数据、结构化监控数据、日志数据分别转换后的得到的数据进行合并，得到性能对象对应的合并后的数据。不同的性能对象对应的时序监控数据、结构化监控数据、日志数据均通过上述方法进行处理，每个性能对象均可以得到与其对应的合并后的数据，也就是具有预设数据结构的数据。将多个性能对象对应的具有预设数据结构的数据进行整合，得到系统中不同性能对象对应的具有预设数据结构的数据，这样才能从整体上反映系统的运行或者工作状况。

根据时间节点，将一个以上性能对象对应的具有预设数据结构的数据进行整合，得到整合数据。整合数据为一个以上性能对象对应的具有预设数据结构的数据分别与时间节点对应的数据。

将整合数据作为训练样本训练初始判断模型，可以通过机器学习算法和深度学习算法训练初始判断模型。具体训练算法可以利用聚类算法来训练初始判断模型，聚类算法可以是K均值算法(K-Means)等算法，具体使用的算法可以根据实际需求进行调整，在此不做限定。在使用训练样本训练初始判断模型的过程中，还包括优化初始判断模型的步骤，该优化的步骤可以是根据实际需要对参数、权重的调整，或者增加新的影响因素以及调整该影响因素的权重等，本领域技术人员熟知的手段，再次不再赘述。通过优化初始判断模型的步骤可以使得训练得到的模型更加准确。通过训练样本训练初始判断模型和优化初始判断模型的步骤，得到训练完成的判断模型，即最终判断模型。

在本实施例中，同样还包括步骤S100、S400，该实施例中未详细阐述的步骤S100、S400与上述图1中对应的步骤S100、S400相同。

参考图3，本说明书实施例还提供了另一种实施例，该实施例为将多源异构数据转换为具有预设数据结构的数据的实施例。

时序监控数据包括内存(mem)和CPU对应的时序监控数据，内存对应的时序监控数据包括时间戳和在该时间戳时内存对应的运行情况的数据，1566816810这一类数据为时间戳，012422这一类数据为与时间戳对应的内存运行情况的数据。同理，CPU对应的时序监控数据包括时间戳和在该时间戳时对应的CPU的运行情况的数据，CPU包括的数据中的1566816810这类数据同样为时间戳，CPU对应的时间戳和内存对应的时间戳至少有一个是相同的时间戳。还有一种情况，CPU对应的时间戳和内存对应的时间戳可以是不同的，即没有相同的时间戳，在该种情况下，将时间戳按照一定的时间间隔进行聚合，该时间间隔为以整秒、整分等为准，例如可以是从上一分钟结束到下一分钟结束的1分钟。将与这一时间间隔中的时间戳对应的数据进行整合，与该时间间隔的起始时间戳进行对应。也就是将属于该时间间隔中的时间戳向下取整，然后将这些向下取整的时间戳对应的数据与该时间间隔中的起始时间戳对齐。例如，该时间间隔可以是1分钟，这1分钟为某天的13时10分到13分11分之间的1分钟，根据时间戳向下取整，将这1分钟之间的时间戳向下取整到这1分钟的起始时间戳，然后将第10分到11分之间的时间戳对应的数据与向下取整后的起始时间戳对齐。该起始时间戳即为具有预设数据结构的数据中的时间节点。12这类数据为CPU的运行情况对应的数据。将时序监控数据转换为具有预设数据结构的数据(一种中间数据结构)，以时序监控数据中内存和CPU对应的时间戳为准，将内存和CPU对应的时间戳作为具有预设数据结构的数据中的时间节点，将内存和CPU对应的时序监控数据与时间节点(时间戳)对齐，也就是按照时间节点将内存和CPU对应的时序监控数据对齐到一起，转换后的结果为时序监控数据对应的具有预设数据结构的数据，具体参考图3中的数据，在此不再说明。

结构化监控数据包括内存、CPU、硬盘(disk)、IP地址(host)等性能对象的信息，这些信息为性能对象的属性信息等不易发生变化的信息，例如内存规格DDR4等。通过采样采集这些性能对象的结构化监控数据，在采集时同样附加有时间，即采样时间，也就是采集的是与时序监控数据中对应的时间戳相同的时间对应的数据。将采集时对应的时间戳作为具有预设数据结构的数据中的节点时间，根据该时间节点，将采集的性能对象的结构化监控数据与对应的时间节点对齐，得到转换后的中间数据结构即具有预设数据结构的数据。采样时间也可以采用将采样时间按照一定的时间间隔进行聚合，该时间间隔为以整秒、整分等为准的方式，例如可以是从上一分钟结束到下一分钟结束的1分钟。将与这一时间间隔中的采样时间对应的数据进行整合，与该时间间隔的起始采样时间进行对应。也就是将属于该时间间隔中的采样时间向下取整，然后将这些向下取整的采样时间对应的数据与该时间间隔中的起始采样时间对齐。例如，该时间间隔可以是1分钟，这1分钟为某天的13时10分到13分11分之间的1分钟，根据采样时间向下取整，将这1分钟之间的采样时间向下取整到这1分钟的起始采样时间，然后将第10分到11分之间的采样时间对应的数据与向下取整后的起始采样时间对齐。该起始采样时间即为具有预设数据结构的数据中的时间节点。根据该时间节点，将采集的性能对象的结构化监控数据与对应的时间节点对齐，得到转换后的中间数据结构即具有预设数据结构的数据。具体转换结果参考图3中结构化监控数据对应的具有预设数据结构的数据，在此不再详细说明。

日志数据包括CPU、内存等性能对象对应的工作日志信息，日志数据还记录有时间、性能对象的工作状况等信息，例如是否出现错误等。根据关键字，将关键字进行提取，关键字可以是性能对象的名称等，例如提取CPU，内存(mem)对应的信息，根据关键字将CPU、内存的日志信息转换为事件流。在提取关键字然后根据关键字将CPU、内存对应的信息转换为事件流的同时，还需要添加与该过程对应的时间，该时间至少包括一个与时序监控数据或者结构化监控数据对应的时间节点相同的时间，将该时间作为时间节点。还有一种情况，提取关键字对应的时间和时序监控数据或者结构化监控数据对应的时间节点可以是不同的。在该种情况下，将提取关键字对应的时间按照一定的时间间隔进行聚合，该时间间隔为以整秒、整分等为准，例如可以是从上一分钟结束到下一分钟结束的1分钟。将与这一时间间隔中提取关键字对应的时间对应的数据进行整合，与该时间间隔的提取关键字对应的起始时间进行对应。也就是将属于该时间间隔中的提取关键字对应的时间向下取整，然后将这些向下取整的提取关键字对应的时间对应的数据与该时间间隔中提取关键字对应的起始时间对齐。例如，该时间间隔可以是1分钟，这1分钟为某天的13时10分到13分11分之间的1分钟，根据提取关键字对应的时间向下取整，将这1分钟之间提取关键字对应的时间向下取整到这1分钟提取关键字对应的起始时间，然后将第10分到11分之间提取关键字对应的时间对应的数据与向下取整后提取关键字对应的起始时间对齐。该提取关键字对应的起始时间即为具有预设数据结构的数据中的时间节点，该提取关键字对应的起始时间至少包括一个与时序监控数据或者结构化监控数据对应的时间节点相同的时间。转换后的具有预设数据结构的数据包括时间节点和与该时间节点对应的事件流，具体转换结果参考图3中日志数据对应的具有预设数据结构的数据。

中间数据结构，即具有预设数据结构的数据为指标(metric)的结构，只是以多指标的形式存在，这里的指标为监控系统中的单元，一条metric相当于数据库表里的一条记录，本实施例中的具有预设数据结构的数据为基于metric新生成的数据。

将时序监控数据、结构化监控数据和日志数据转换后的具有预设数据结构的数据进行整合，由于三者转换后的数据中具有相同的时间节点，根据时间节点将三者转换后的数据进行整合，即根据时间节点将CPU、内存等对应的具有预设数据结构的数据整合，将CPU、内存等对应的具有预设数据结构的数据与时间节点对齐，得到整合数据，具体整合结构参考图3中的整合数据。整合数据用于训练初始判断模型。

与上面的方法实施例相对应，参见图4，本公开实施例还提供了一种数据的处理装置50，包括：

获取模块501，用于获取多源异构数据，所述多源异构数据包括数据结构不同的数据。

转换模块502，用于将所述多源异构数据进行转换，得到具有预设数据结构的数据。

训练模块503，用于利用已有的所述具有预设数据结构的数据训练初始判断模型，得到最终判断模型。

处理模块504，用于将待判断的多源异构数据输入至所述最终判断模型，通过所述最终判断模型对所述待判断的多源异构数据进行判断，得到判断结果，完成对所述待判断的多源异构数据的处理。

图4所示装置可以对应的执行上述方法实施例中的内容，本实施例未详细描述的部分，参照上述方法实施例中记载的内容，在此不再赘述。

参见图5，本公开实施例还提供了一种电子设备60，该电子设备包括：

至少一个处理器；以及，

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述方法实施例中数据的处理方法。

本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述方法实施例中。

本公开实施例还提供了一种计算机程序产品，该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程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述方法实施例中数据的处理方法。

下面参考图5，其示出了适于用来实现本公开实施例的电子设备60的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图5所示，电子设备60可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备60操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备60与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备60，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取至少两个网际协议地址；向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收所述节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。

或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收包括至少两个网际协议地址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。

以上所述，仅为本公开的具体实施方式，但本公开的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公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。

Claims (15)

1.一种数据的处理方法，其特征在于，包括：

获取多源异构数据；

将所述多源异构数据进行转换，得到具有预设数据结构的数据；

利用已有的所述具有预设数据结构的数据训练初始判断模型，得到最终判断模型；

将待判断的多源异构数据输入至所述最终判断模型，通过所述最终判断模型对所述待判断的多源异构数据进行判断，得到判断结果，完成对所述待判断的多源异构数据的处理。

2.根据权利要求1所述的处理方法，其特征在于，所述获取多源异构数据具体包括：

获取系统中的日志数据、时序监控数据和结构化监控数据，所述时序监控数据包括性能对象对应的时序监控数据，所述结构化监控数据包括性能对象对应的结构化监控数据。

3.根据权利要求2所述的处理方法，其特征在于，将所述多源异构数据进行转换，得到具有预设数据结构的数据，具体为：

确定时间节点，根据所述时间节点，将时序监控数据、结构化监控数据，以及系统的日志数据中性能对象对应的数据分别转换为预设的与时间节点对应的数据，预设的与时间节点对应的数据为具有预设数据结构的数据。

4.根据权利要求3所述的处理方法，其特征在于，将所述多源异构数据进行转换，得到具有预设数据结构的数据，具体包括：

根据所述时间节点，将所述时序监控数据中一个以上性能对象对应的数据分别与所述时间节点进行对齐，得到包括所述时间节点，以及与所述时间节点对应的一个以上性能对象对应的数据的具有预设数据结构的数据；

根据所述时间节点对所述结构化监控数据进行采样，将采样的一个以上性能对象对应的结构化监控数据与所述时间节点进行对齐，得到包括所述时间节点，以及与所述时间节点对应的一个以上性能对象对应的数据的具有预设数据结构的数据；

根据所述时间节点提取所述日志数据中的关键字，将与所述关键字有关的信息转换为与所述时间节点对应的事件流，得到包括所述时间节点，以及与所述时间节点对应的一个以上性能对象对应的数据的具有预设数据结构的数据。

5.根据权利要求4所述的处理方法，其特征在于，利用已有的所述具有预设数据结构的数据训练初始判断模型，具体包括：

根据所述时间节点，将一个以上所述性能对象对应的具有预设数据结构的数据进行整合，得到整合数据；

将所述整合数据作为训练样本训练所述初始判断模型。

6.根据权利要求2所述的处理方法，其特征在于，将所述多源异构数据进行转换，得到具有预设数据结构的数据，具体为：

从所述多源异构数据中提取所述性能对象对应的不同结构的数据；

将所述性能对象对应的不同结构的数据，分别转换为预设的与时间节点一一对应的数据；

根据所述时间节点，将所述性能对象对应的不同结构的数据转换后得到的数据进行合并，得到所述具有预设数据结构的数据；所述具有预设数据结构的数据为所述时间节点分别与所述性能对象对应的不同结构的数据转换后得到的数据具有对应关系的数据，所述对应关系为一对多的关系。

7.根据权利要求6所述的处理方法，其特征在于，将所述性能对象对应的不同结构的数据，分别转换为预设的与时间节点一一对应的数据，具体包括：

根据所述性能对象对应的时序监控数据中的时间戳与所述时间节点的关系，将所述性能对象对应的时序监控数据与所述时间节点进行对应。

8.根据权利要求6所述的处理方法，其特征在于，将所述性能对象对应的不同结构的数据，分别转换为预设的与时间节点一一对应的数据，具体包括：

对所述性能对象对应的结构化监控数据进行采样；

对采样的所述性能对象对应的结构化监控数据添加时间标签；

根据所述时间标签与所述时间节点的关系，将所述性能对象对应的结构化监控数据与所述时间节点对应。

9.根据权利要求6所述的处理方法，其特征在于，将所述性能对象对应的不同结构的数据，分别转换为预设的与时间节点一一对应的数据，具体包括：

提取所述日志数据对应的文本信息中的关键字；

根据提取所述日志数据对应的文本信息中的关键字时对应的时间与所述时间节点的对应关系，将所述日志数据对应的文本信息转换为与所述时间节点对应事件流。

10.根据权利要求6所述的处理方法，其特征在于，利用已有的所述具有预设数据结构的数据训练初始判断模型，具体包括：

根据所述时间节点，将一个以上所述性能对象对应的具有预设数据结构的数据进行整合，得到整合数据；所述整合数据为一个以上所述性能对象对应的具有预设数据结构的数据分别与所述时间节点对应的数据；

将所述整合数据作为训练样本训练所述初始判断模型。

11.根据权利要求5或10所述的处理方法，其特征在于，在所述得到最终判断模型之前，还包括：

优化所述初始判断模型的步骤。

12.根据权利要求11所述的处理方法，其特征在于，所述将待判断的多源异构数据输入至所述最终判断模型，具体包括：

将所述待判断的多源异构数据进行转换，得到具有预设数据结构的数据；

根据所述时间节点，将一个以上所述性能对象对应的具有预设数据结构的数据进行整合，得到整合数据；

将所述整合数据输入至所述最终判断模型，以通过所述最终判断模型对所述待判断的多源异构数据进行判断。

13.一种数据的处理装置，其特征在于，包括：

获取模块，用于获取多源异构数据；

转换模块，用于将所述多源异构数据进行转换，得到具有预设数据结构的数据；

训练模块，用于利用已有的所述具有预设数据结构的数据训练初始判断模型，得到最终判断模型；

处理模块，用于将待判断的多源异构数据输入至所述最终判断模型，通过所述最终判断模型对所述待判断的多源异构数据进行判断，得到判断结果，完成对所述待判断的多源异构数据的处理。

14.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述任一权利要求1-12所述的数据的处理方法。

15.一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述任一权利要求1-12所述的数据的处理方法。

Images