CN111309754A - 服务数据接入方法、装置、存储介质和电子设备 - Google Patents
服务数据接入方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN111309754A CN111309754A CN202010075451.7A CN202010075451A CN111309754A CN 111309754 A CN111309754 A CN 111309754A CN 202010075451 A CN202010075451 A CN 202010075451A CN 111309754 A CN111309754 A CN 111309754A
- Authority
- CN
- China
- Prior art keywords
- database
- statement
- execution plan
- data access
- service data
- 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.)
- Granted
Links
Images
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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- H04L67/50—Network services
- H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及一种服务数据接入方法、装置、存储介质和电子设备,该方法包括:在第1个运行阶段中,根据网络服务请求中的目标服务信息确定网络服务请求对应的数据库语句和数据库语句对应的执行计划,以执行服务数据接入过程;在第1个运行阶段后,对预设数量的数据库语句进行聚类,以获取预设数量的数据库语句对应的多个语句类别,每个语句类别对应于相同的执行计划;在第2个运行阶段中,根据聚类结果和每个目标服务信息对应的数据库语句,确定每个数据库语句的执行计划,以执行服务数据接入过程。能够对初始阶段执行的数据库语句进行聚类并根据聚类结果确定下一阶段数据库语句的执行计划,提高执行计划确定的效率,进而提高数据库语句的执行效率。
Description
技术领域
本公开涉及网络管理领域,具体地,涉及一种服务数据接入方法、装置、存储介质和电子设备。
背景技术
5G通讯技术是网络技术的一场革命,其势必将深远的改变人们的生活方式。随着5G通讯技术的不断成熟,其商用之日也近在眼前。作为支持5G网络的基础设施,大网管理系统架构面临新的挑战。现有的大网管理系统主要针对于对4G网络的管理,5G网络相比于4G网络带宽更高并且速率更快,所以对大网管理系统的可靠性、延时、吞吐量和负载等都提出了更严格的要求。具体地,针对于大网管理系统的数据处理和接入网技术,在现有技术中,在接收到用户上传的数据服务请求后,通常将这些数据直接转发至大网管理系统架构中的数据库,再由数据库根据每个数据服务请求的内容生成相应的数据库语句,再根据数据库的实际运行情况确定每个数据库语句的执行计划。而面对5G网络环境中的海量数据的情况,上述确定执行计划的技术手段效率较低,进而造成数据库语句的执行效率较低,导致较高的网络时延,影响整体网络架构的响应速度。
发明内容
本公开的主要目的是提供一种服务数据接入方法、装置、存储介质和电子设备,以解决相关技术中确定执行计划的技术手段效率较低,进而造成数据库语句的执行效率较低的技术问题。
为了实现上述目的,本公开第一方面提供一种服务数据接入方法,所述方法包括:
在第1个运行阶段中,根据用户上传的网络服务请求中的目标服务信息确定所述网络服务请求对应的第一数据库语句和所述第一数据库语句对应的执行计划,以执行服务数据接入过程;其中,在所述第1个运行阶段中被执行的所述第一数据库语言的数量为预设数量;
在所述第1个运行阶段结束后,对所述预设数量的第一数据库语句进行聚类,以获取所述预设数量的第一数据库语句的第一聚类结果,所述第一聚类结果包括多个第一语句类别,每个所述第一语句类别中的第一数据库语句对应于相同的执行计划;
在获取所述第一聚类结果后的第2个运行阶段中,根据所述第一聚类结果和每个所述目标服务信息对应的第二数据库语句,确定每个所述第二数据库语句对应的执行计划,以执行所述服务数据接入过程;其中,
所述服务数据接入过程,包括:以所述网络服务请求对应的数据库语句对应的执行计划执行所述数据库语句,以将所述网络服务请求的网络服务数据传输至对应网络接入点。
可选的,所述方法还包括:
在第i个运行阶段中,对每个所述数据库语句的执行时间监测,以根据所述执行时间确定是否执行语句类别调整过程;其中,i>1,所述语句类别调整过程,包括:
从所述第i个运行阶段结束的时间点开始,对在所述第i运行阶段中已执行的多个数据库语句进行聚类,以获取多个数据库语句聚类的第二聚类结果,所述第二聚类结果包括多个第二语句类别,其中,每个所述第二语句类别中的数据库语句对应于相同的执行计划;
在获取所述第二聚类结果后的第i+1个运行阶段,根据所述第二聚类结果和所述每个网络服务请求对应的数据库语句,确定每个所述数据库语句的执行计划,以执行所述数据接入过程。
可选的,所述在所述第1个运行阶段结束后,对所述预设数量的第一数据库语句进行聚类,以获取所述预设数量的第一数据库语句的第一聚类结果,包括:
若在所述第1个运行阶段中被执行的所述第一数据库语言的数量达到所述预设数量,确定所述第1个运行阶段结束;
获取每个所述第一数据库语句对应的特征向量;
将预设数量的所述特征向量作为预设的聚类模型的输入,以获取所述聚类模型输出的所述多个第一语句类别;
将每个所述第一语句类别中的任一第一数据库语言对应的执行计划作为所述第一语句类别对应的执行计划。
可选的,所述在获取所述第一聚类结果后的第2个运行阶段中,根据所述第一聚类结果和每个所述目标服务信息对应的第二数据库语句,确定每个所述第二数据库语句对应的执行计划,以执行所述服务数据接入过程,包括:
从所述网络服务请求中提取所述目标服务信息;
根据预设的数据库语句生成规则和所述目标服务信息确定所述第二数据库语句;
通过预设的第一分类模型确定所述第二数据库语句所属的目标语句类别,以将所述目标语句类别对应的执行计划作为所述第二数据库语句对应的执行计划,所述目标语句类别包含于所述多个第一语句类别中;
在所述服务数据接入过程中,以所述第二数据库语句对应的执行计划执行所述第二数据库语句,以将网络服务请求的网络服务数据传输至对应网络接入点。
可选的,所述在第1个运行阶段中,根据用户上传的网络服务请求中的目标服务信息确定所述网络服务请求对应的第一数据库语句和所述第一数据库语句的执行计划,以执行服务数据接入过程,包括:
从所述网络服务请求中提取所述目标服务信息;
根据预设的数据库语句生成规则和所述目标服务信息确定所述第一数据库语句;
根据预设的执行计划生成规则和所述目标服务信息确定所述第一数据库语句对应的执行计划;
在所述服务数据接入过程中,以所述第一数据库语句对应的执行计划执行所述第一数据库语句,以将网络服务请求的网络服务数据传输至对应网络接入点。
可选的,从所述网络服务请求中提取所述目标服务信息,包括:
获取所述网络服务请求中的所有服务信息;
将所述所有服务信息对应的特征向量作为预先训练好的第二分类模型的输入,以获取所述第二分类模型输出的一个或多个有效服务信息和一个或多个无效服务信息;
将所述一个或多个有效服务信息作为所述目标服务信息。
可选的,所述在第i个运行阶段中,对每个所述数据库语句的执行时间进行监测,以根据所述执行时间确定是否执行语句类别调整过程,包括:
在所述第i个运行阶段中,对每个所述数据库语句的执行时间进行监测;
若监测到执行时间大于预设的时间阈值的异常数据库语句,将监测到所述异常数据库语句的时间点作为所述第i运行阶段结束的时间点,执行所述语句类别调整过程。
本公开第二方面提供一种服务数据接入装置,所述装置包括:
第一服务数据接入模块,用于在第1个运行阶段中,根据用户上传的网络服务请求中的目标服务信息确定所述网络服务请求对应的第一数据库语句和所述第一数据库语句对应的执行计划,以执行服务数据接入过程;其中,在所述第1个运行阶段中被执行的所述第一数据库语言的数量为预设数量;
数据库语句聚类模块,用于在所述第1个运行阶段结束后,对所述预设数量的第一数据库语句进行聚类,以获取所述预设数量的第一数据库语句的第一聚类结果,所述第一聚类结果包括多个第一语句类别,每个所述第一语句类别中的第一数据库语句对应于相同的执行计划;
第二服务数据接入模块,用于在获取所述第一聚类结果后的第2个运行阶段中,根据所述第一聚类结果和每个所述目标服务信息对应的第二数据库语句,确定每个所述第二数据库语句对应的执行计划,以执行所述服务数据接入过程;其中,
所述服务数据接入过程,包括:以所述网络服务请求对应的数据库语句对应的执行计划执行所述数据库语句,以将所述网络服务请求的网络服务数据传输至对应网络接入点。
可选的,所述装置还包括:
类别调整模块,用于在第i个运行阶段中,对每个所述数据库语句的执行时间监测,以根据所述执行时间确定是否执行语句类别调整过程;其中,i>1,所述语句类别调整过程,包括:
从所述第i个运行阶段结束的时间点开始,对在所述第i运行阶段中已执行的多个数据库语句进行聚类,以获取多个数据库语句聚类的第二聚类结果,所述第二聚类结果包括多个第二语句类别,其中,每个所述第二语句类别中的数据库语句对应于相同的执行计划;
在获取所述第二聚类结果后的第i+1个运行阶段,根据所述第二聚类结果和所述每个网络服务请求对应的数据库语句,确定每个所述数据库语句的执行计划,以执行所述数据接入过程。
可选的,所述数据库语句聚类模块,用于:
若在所述第1个运行阶段中被执行的所述第一数据库语言的数量达到所述预设数量,确定所述第1个运行阶段结束;
获取每个所述第一数据库语句对应的特征向量;
将预设数量的所述特征向量作为预设的聚类模型的输入,以获取所述聚类模型输出的所述多个第一语句类别;
将每个所述第一语句类别中的任一第一数据库语言对应的执行计划作为所述第一语句类别对应的执行计划。
可选的,所述第二服务数据接入模块,用于:
从所述网络服务请求中提取所述目标服务信息;
根据预设的数据库语句生成规则和所述目标服务信息确定所述第二数据库语句;
通过预设的第一分类模型确定所述第二数据库语句所属的目标语句类别,以将所述目标语句类别对应的执行计划作为所述第二数据库语句对应的执行计划,所述目标语句类别包含于所述多个第一语句类别中;
在所述服务数据接入过程中,以所述第二数据库语句对应的执行计划执行所述第二数据库语句,以将网络服务请求的网络服务数据传输至对应网络接入点。
可选的,所述第一服务数据接入模块,用于:
从所述网络服务请求中提取所述目标服务信息;
根据预设的数据库语句生成规则和所述目标服务信息确定所述第一数据库语句;
根据预设的执行计划生成规则和所述目标服务信息确定所述第一数据库语句对应的执行计划;
在所述服务数据接入过程中,以所述第一数据库语句对应的执行计划执行所述第一数据库语句,以将网络服务请求的网络服务数据传输至对应网络接入点。
可选的,所述第一服务数据接入模块和所述第二服务数据接入模块,均用于:
获取所述网络服务请求中的所有服务信息;
将所述所有服务信息对应的特征向量作为预先训练好的第二分类模型的输入,以获取所述第二分类模型输出的一个或多个有效服务信息和一个或多个无效服务信息;
将所述一个或多个有效服务信息作为所述目标服务信息。
可选的,所述类别调整模块,用于:
在所述第i个运行阶段中,对每个所述数据库语句的执行时间进行监测;
若监测到执行时间大于预设的时间阈值的异常数据库语句,将监测到所述异常数据库语句的时间点作为所述第i运行阶段结束的时间点,执行所述语句类别调整过程。
本公开第三方面提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面所述的服务数据接入方法的步骤。
本公开第四方面提供一种电子设备,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现第一方面所述的服务数据接入方法的步骤。
采用本公开提供的技术方案,至少可以达到如下技术效果:
在第1个运行阶段中,根据用户上传的网络服务请求中的目标服务信息确定该网络服务请求对应的第一数据库语句和该第一数据库语句对应的执行计划,以执行服务数据接入过程;其中,在该第1个运行阶段中被执行的该第一数据库语言的数量为预设数量;在该第1个运行阶段结束后,对该预设数量的第一数据库语句进行聚类,以获取该预设数量的第一数据库语句的第一聚类结果,该第一聚类结果包括多个第一语句类别,每个该第一语句类别中的第一数据库语句对应于相同的执行计划;在获取该第一聚类结果后的第2个运行阶段中,根据该第一聚类结果和每个该目标服务信息对应的第二数据库语句,确定每个该第二数据库语句对应的执行计划,以执行该服务数据接入过程;其中,该服务数据接入过程,包括:以该网络服务请求对应的数据库语句对应的执行计划执行该数据库语句,以将该网络服务请求的网络服务数据传输至对应网络接入点。能够对初始阶段执行的数据库语句进行聚类并根据聚类结果确定下一阶段数据库语句的执行计划,提高执行计划确定的效率,进而提高数据库语句的执行效率。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是根据一示例性实施例示出的一种服务数据接入方法的流程图;
图2是根据图1示出的另一种服务数据接入方法的流程图;
图3是根据图2示出的一种数据库语句聚类方法的流程图;
图4是根据图2示出的一种服务数据接入过程的执行方法的流程图;
图5是根据图2示出的另一种服务数据接入过程的执行方法的流程图;
图6是根据图2示出的另一种数据库语句类别调整方法的流程图;
图7是根据一示例性实施例示出的一种服务数据接入装置的框图;
图8是根据图7示出的另一种服务数据接入装置的框图;
图9是根据一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
本公开实施例提供的服务数据接入方法的执行主体可以为针对于5G的大网管理系统架构的控制模块或者该大网管理系统架构中的支持分布式数据存储的功能模块和/或功能实体,例如分布式数据库。该大网管理系统架构可以包括:出口模块、分布式业务处理模块、分布式数据存储模块和采集模块,上述的四个模块之间能够实现网络服务请求和相关网络服务数据的传输和转发。
其中,该出口模块中包含多个出口节点,用于接收用户上传的网络服务请求和向用户转发该请求对应的网络服务数据。
该分布式业务处理模块可以按照微服务架构实施,支持分布式计算处理,采用多实例和无状态模式,以进行弹性扩展。其包括多个业务节点,不同的业务节点处理不同的业务内容和场景,集中出口模块将业务场景划分后交由相应的业务节点处理,业务节点在与分布式存储模块等交互后将最终处理结果返回给相应的出口节点。因此,业务的处理可以并行的在不同节点执行。每个业务节点还提供主备机制,在节点故障之后能够快速切换。
该分布式数据存储模块可以为分布式数据库,其可以支持分布式文件系统和数据库分组冗余管理,能够实现业务分层存储和读写分离,支持弹性扩展。
该采集模块采用多通道接入和采集,接入5G网络,为上层节点提供数据服务,具体来说,该采集模块包含多个接入采集节点,每个接入采集节点都被接入至5G网络提供的不同业务内容和场景的接入采集服务连接。
在本公开一实施例中,上述的出口模块和该采集模块可以采用集中出口、集中采集的方式,对接入口进行统一化的软件管理,减少硬件设备数量,从而减少机房的机柜数量,降低空间占用率。
需要说明的是,上述的大网管理系统架构的控制模块或分布式数据库为本公开提供的服务数据接入方法的执行主体的一示例性实施例,本公开的执行主体还可以根据实际使用需求被确定为具备其他结构的接入网结构,该接入网结构至少包含一分布式数据库。
下面以针对于5G的大网管理系统架构中的分布式数据库为例,对本公开实施例提供的服务数据接入方法进行示例性的说明。
图1是根据一示例性实施例示出的一种服务数据接入方法的流程图,如图1所示,应用于上述分布式数据库,该方法包括以下步骤:
在步骤101中,在第1个运行阶段中,根据用户上传的网络服务请求中的目标服务信息确定该网络服务请求对应的第一数据库语句和该第一数据库语句对应的执行计划,以执行服务数据接入过程。
其中,在该第1个运行阶段中被执行的该第一数据库语言的数量为预设数量。该数据库语句为SQL语句。
示例地,在通过上述的出口采集模块接收用户上传的数据服务请求,并通过上述分布式业务处理模块提取出数据服务请求携带的有效服务信息(即上述的目标服务信息)后,该分布式数据库可以通过现有的执行规则确定每个有效服务信息对应的SQL语句,和SQL语句的执行计划。可以理解的是,该执行计划用于指示在执行该SQL语句时具体的执行细节,包括:如何使用索引,连接查询的执行顺序,查询的数据行数等。在首个运行阶段(该第1个运行阶段),需要执行预设数量(例如,10000条)SQL语句,并在执行的同时记录每个SQL语句与其执行计划。需要说明的是,该预设数量可以根据实际需求进行设置,其主要的目的是通过足够的样本数据使得聚类结果达到稳定。
在步骤102中,在该第1个运行阶段结束后,对该预设数量的第一数据库语句进行聚类,以获取该预设数量的第一数据库语句的第一聚类结果。
其中,该第一聚类结果包括多个第一语句类别,每个该第一语句类别中的第一数据库语句对应于相同的执行计划。
示例地,当执行的SQL语句达到预设数量后,可以认为该第1个运行阶段已经结束。此时,分布式数据库系统实际上记录了,例如,10000组,SQL语句与其执行计划的组合。此时,可以通过预设的聚类算法,为这些组合进行聚类,以获取上述的多个第一语句类别。优选地,聚类后的每个第一语句类别中的SQL包含一种语法模式,语法模式相同的SQL语句对应于相同的执行计划。需要说明的是,此处的第1个运行阶段(以及下列的第2个运行阶段和第i个运行阶段)为便于描述所使用的代称,实际的处理服务数据请求接入的整个过程中并无需指定不同的运行阶段。
在步骤103中,在获取该第一聚类结果后的第2个运行阶段中,根据该第一聚类结果和每个该目标服务信息对应的第二数据库语句,确定每个该第二数据库语句对应的执行计划,以执行该服务数据接入过程。
示例地,从获取到该第一聚类结果的时间点开始,该处理服务数据请求接入的整个过程进行第2个运行阶段。在第2个运行阶段中,可以通过现有的规则确定该SQL语句,再通过预设的分类算法对该SQL语句分类。需要说明的是,该分类也可以成为归类,即将该SQL语句划归到上述多个第一语句类别中的任意一个中,并进而根据该第一语句类别对应的执行计划执行该服务数据接入过程。另外,在确定了SQL语句和相应的执行计划后,该步骤103和上述步骤101中的服务数据接入过程是相同的。
示例地,该服务数据接入过程,包括:以该网络服务请求对应的数据库语句对应的执行计划执行该数据库语句,以将该网络服务请求的网络服务数据传输至对应网络接入点。具体来说,在该服务数据接入过程中,以相应的执行计划执行该SQL语句,可以从该分布式数据库中提取出该网络服务请求对应的网络服务数据。再根据该网络服务数据的内容在该集中采集模块中选择适当的接入采集节点(即网络接入点)进行数据传输。
综上所述,本公开的实施例所提供的技术方案,能够在第1个运行阶段中,根据用户上传的网络服务请求中的目标服务信息确定该网络服务请求对应的第一数据库语句和该第一数据库语句对应的执行计划,以执行服务数据接入过程;其中,在该第1个运行阶段中被执行的该第一数据库语言的数量为预设数量;在该第1个运行阶段结束后,对该预设数量的第一数据库语句进行聚类,以获取该预设数量的第一数据库语句的第一聚类结果,该第一聚类结果包括多个第一语句类别,每个该第一语句类别中的第一数据库语句对应于相同的执行计划;在获取该第一聚类结果后的第2个运行阶段中,根据该第一聚类结果和每个该目标服务信息对应的第二数据库语句,确定每个该第二数据库语句对应的执行计划,以执行该服务数据接入过程;其中,该服务数据接入过程,包括:以该网络服务请求对应的数据库语句对应的执行计划执行该数据库语句,以将该网络服务请求的网络服务数据传输至对应网络接入点。能够对初始阶段执行的数据库语句进行聚类并根据聚类结果确定下一阶段数据库语句的执行计划,提高执行计划确定的效率,进而提高数据库语句的执行效率。
图2是根据图1示出的另一种服务数据接入方法的流程图,如图2所示,该方法还包括:
在步骤104中,在第i个运行阶段中,对每个该数据库语句的执行时间监测,以根据该执行时间确定是否执行语句类别调整过程。
示例地,可以理解的是,在本公开实施例中,除第1个运行阶段采用现有的执行计划生成方式确定执行计划外,之后的每个数据服务请求对应的SQL语句和执行计划,都是通过分类方式来确定的。5G环境下的海量数据会导致的SQL语句类别不稳定的情况,具体来说,某一时段的服务数据适用于现有的聚类结果,而在下一时期另一种服务数据增加,原有的聚类结果无法适应这一时期的服务数据,进而导致根据现有的聚类结果确定的执行计划并不适当)。从第2个运行阶段开始,可以为执行计划的执行效率进行监测,其具体的方法为对每个该数据库语句的执行时间进行监测,如果该执行时间过长,则认为根据原有的聚类结果确定的执行计划的执行效率不好。进而通过执行语句类别调整过程重新生成另一个聚类结果。
基于此,若i>1(即除了上述的第1个运行阶段外),该语句类别调整过程,包括:从该第i个运行阶段结束的时间点开始,对在该第i运行阶段中已执行的多个数据库语句进行聚类,以获取多个数据库语句聚类的第二聚类结果,该第二聚类结果包括多个第二语句类别,其中,每个该第二语句类别中的数据库语句对应于相同的执行计划;在获取该第二聚类结果后的第i+1个运行阶段,根据该第二聚类结果和该每个网络服务请求对应的数据库语句,确定每个该数据库语句的执行计划,以执行该数据接入过程。其中,监测到执行时间异常的SQL语句的时间点即为该第i个运行阶段结束的时间点,得到新的聚类结果的时间点即为第i+1个运行阶段开始的时间点。该语句类别调整过程中的聚类方法与上述步骤102中的聚类方法一致,而相比于上述步骤102,聚类的对象由第1个运行阶段的所有SQL语句,变化为第i个运行阶段的所有SQL语句。
另外,需要说明的是,针对于上述步骤102和该语句类别调整过程,其中的聚类方法,优选为,能够使对SQL语句聚类所需的时间极短并可以忽略不计。但是,若该聚类方法对SQL语句聚类所需的时间较长,在对SQL语句进行聚类的这段时间内,该分布式数据库依然采用上一个运行阶段确定的执行计划的方法(即原有的执行计划确定方法)确定执行计划,进而执行上述服务数据接入过程。
图3是根据图2示出的一种数据库语句聚类方法的流程图,如图3所示,该步骤102,包括:
在步骤1021中,若在该第1个运行阶段中被执行的该第一数据库语言的数量达到该预设数量,确定该第1个运行阶段结束。
在步骤1022中,获取每个该第一数据库语句对应的特征向量。
示例地,该特征向量的获取过程包括:提取SQL语句的语法树;将该语法树与分布式数据库的表数据量和表中字段的非重复值数量等因素相结合,进而转换为该SQL语句对应的特征向量。
在步骤1023中,将预设数量的该特征向量作为预设的聚类模型的输入,以获取该聚类模型输出的上述多个第一语句类别。
示例地,该聚类模型可以为能够对数据点划分为多个类别的聚类模型,优选为K-means聚类模型。在上述步骤102开始之前,需要对该聚类模型中的聚类参数进行设置,以使该聚类模型能够实现上述预设数量的特征向量的聚类。实际上,该聚类模型输出的结果为特征向量集合的形式,根据输出的特征向量集合即可确定包含SQL语句的语句类别的集合。
在步骤1024中,将每个该第一语句类别中的任一第一数据库语言对应的执行计划作为该第一语句类别对应的执行计划。
示例地,每个第一语句类别中的SQL语句的语法模式相同,因此,其相应的执行计划也相同,因此,可以将某个第一语句类别中的任一第一数据库语言对应的执行计划作为该第一语句类别对应的执行计划。
图4是根据图2示出的一种服务数据接入过程的执行方法的流程图,如图4所示,该步骤103,包括:
在步骤1031中,从该网络服务请求中提取该目标服务信息。
示例地,用户上传的网络服务请求中会携带大量服务信息,其中,包含有效的内容信息和无效的内容信息。为了减少后续数据库操作的工作量,也避免无效的内容信息对后续SQL语句聚类和分类的影响,在步骤1041(以及下列的步骤1011中),需要对服务信息进行筛选。具体地,该步骤1041,包括:获取该网络服务请求中的所有服务信息;将该所有服务信息对应的特征向量作为预先训练好的第二分类模型的输入,以获取该第二分类模型输出的一个或多个有效服务信息和一个或多个无效服务信息;将上述一个或多个有效服务信息作为该目标服务信息。该第二分类模型可以为能够进行二分类划分的分类模型,优选为,支持向量机(SVM)模型。可以在步骤101开始之前,通过大量的有效服务信息样本和无效服务信息样本对该SVM模型进行训练,以将训练好的SVM模型作为上述的第二分类模型。
在步骤1032中,根据预设的数据库语句生成规则和该目标服务信息确定该第二数据库语句。
在步骤1033中,通过预设的第一分类模型确定该第二数据库语句所属的目标语句类别,以将该目标语句类别对应的执行计划作为该第二数据库语句对应的执行计划。
其中,该目标语句类别包含于上述多个第一语句类别中。该第一分类模型与上述的K-means模型对应,能够接收以划分好的多个类别,并根据一划分好的类别对新的SQL语句进行分类,优选为KNN分类模型。
在步骤1034中,在该服务数据接入过程中,以该第二数据库语句对应的执行计划执行该第二数据库语句,以将网络服务请求的网络服务数据传输至对应网络接入点。
图5是根据图2示出的另一种服务数据接入过程的执行方法的流程图,如图5所示,在步骤101包括:
在步骤1011中,从该网络服务请求中提取该目标服务信息。
在步骤1012中,根据预设的数据库语句生成规则和该目标服务信息确定该第一数据库语句。
在步骤1013中,根据预设的执行计划生成规则和该目标服务信息确定该第一数据库语句对应的执行计划。
示例地,该数据库语句生成规则和该执行计划生成规则实际为分布式数据库原有的数据库语句和执行技术生成规则。
在步骤1014中,在该服务数据接入过程中,以该第一数据库语句对应的执行计划执行该第一数据库语句,以将网络服务请求的网络服务数据传输至对应网络接入点。
图6是根据图2示出的另一种数据库语句类别调整方法的流程图,如图6所示,该步骤104,包括:
步骤1041,在该第i个运行阶段中,对每个该数据库语句的执行时间进行监测。
步骤1042,若监测到执行时间大于预设的时间阈值的异常数据库语句,将监测到该异常数据库语句的时间点作为该第i运行阶段结束的时间点,执行该语句类别调整过程。
示例地,该时间阈值可以为预先设定的时间阈值,或者,优选的,该事件阈值可以为根据划分好的语句类别中的多个SQL语句的执行时间自动生成的时间阈值,在此情况下,不同的SQL语句基于其所属的语句类别不同,其执行时间的时间阈值可以是不同的。
综上所述,本公开的实施例所提供的技术方案,能够在第1个运行阶段中,根据用户上传的网络服务请求中的目标服务信息确定该网络服务请求对应的第一数据库语句和该第一数据库语句对应的执行计划,以执行服务数据接入过程;其中,在该第1个运行阶段中被执行的该第一数据库语言的数量为预设数量;在该第1个运行阶段结束后,对该预设数量的第一数据库语句进行聚类,以获取该预设数量的第一数据库语句的第一聚类结果,该第一聚类结果包括多个第一语句类别,每个该第一语句类别中的第一数据库语句对应于相同的执行计划;在获取该第一聚类结果后的第2个运行阶段中,根据该第一聚类结果和每个该目标服务信息对应的第二数据库语句,确定每个该第二数据库语句对应的执行计划,以执行该服务数据接入过程;其中,该服务数据接入过程,包括:以该网络服务请求对应的数据库语句对应的执行计划执行该数据库语句,以将该网络服务请求的网络服务数据传输至对应网络接入点。能够对初始阶段执行的数据库语句进行聚类并根据聚类结果确定下一阶段数据库语句的执行计划,并在初始阶段之后的运行阶段根据数据库语句的执行效率对上述聚类结果进行更新,以动态地优化执行计划,提高执行计划确定的效率,进而提高数据库语句的执行效率。
图7是根据一示例性实施例示出的一种服务数据接入装置的框图,如图7所示,应用于上述分布式数据库,该装置700包括:
第一服务数据接入模块710,用于在第1个运行阶段中,根据用户上传的网络服务请求中的目标服务信息确定该网络服务请求对应的第一数据库语句和该第一数据库语句对应的执行计划,以执行服务数据接入过程;其中,在该第1个运行阶段中被执行的该第一数据库语言的数量为预设数量;
数据库语句聚类模块720,用于在该第1个运行阶段结束后,对该预设数量的第一数据库语句进行聚类,以获取该预设数量的第一数据库语句的第一聚类结果,该第一聚类结果包括多个第一语句类别,每个该第一语句类别中的第一数据库语句对应于相同的执行计划;
第二服务数据接入模块730,用于在获取该第一聚类结果后的第2个运行阶段中,根据该第一聚类结果和每个该目标服务信息对应的第二数据库语句,确定每个该第二数据库语句对应的执行计划,以执行该服务数据接入过程;其中,
该服务数据接入过程,包括:以该网络服务请求对应的数据库语句对应的执行计划执行该数据库语句,以将该网络服务请求的网络服务数据传输至对应网络接入点。
综上所述,本公开的实施例所提供的技术方案,能够在第1个运行阶段中,根据用户上传的网络服务请求中的目标服务信息确定该网络服务请求对应的第一数据库语句和该第一数据库语句对应的执行计划,以执行服务数据接入过程;其中,在该第1个运行阶段中被执行的该第一数据库语言的数量为预设数量;在该第1个运行阶段结束后,对该预设数量的第一数据库语句进行聚类,以获取该预设数量的第一数据库语句的第一聚类结果,该第一聚类结果包括多个第一语句类别,每个该第一语句类别中的第一数据库语句对应于相同的执行计划;在获取该第一聚类结果后的第2个运行阶段中,根据该第一聚类结果和每个该目标服务信息对应的第二数据库语句,确定每个该第二数据库语句对应的执行计划,以执行该服务数据接入过程;其中,该服务数据接入过程,包括:以该网络服务请求对应的数据库语句对应的执行计划执行该数据库语句,以将该网络服务请求的网络服务数据传输至对应网络接入点。能够对初始阶段执行的数据库语句进行聚类并根据聚类结果确定下一阶段数据库语句的执行计划,提高执行计划确定的效率,进而提高数据库语句的执行效率。
图8是根据图7示出的另一种服务数据接入装置的框图,如图8所示,该装置700还包括:
类别调整模块740,用于在第i个运行阶段中,对每个该数据库语句的执行时间监测,以根据该执行时间确定是否执行语句类别调整过程;其中,i>1,该语句类别调整过程,包括:
从该第i个运行阶段结束的时间点开始,对在该第i运行阶段中已执行的多个数据库语句进行聚类,以获取多个数据库语句聚类的第二聚类结果,该第二聚类结果包括多个第二语句类别,其中,每个该第二语句类别中的数据库语句对应于相同的执行计划;
在获取该第二聚类结果后的第i+1个运行阶段,根据该第二聚类结果和该每个网络服务请求对应的数据库语句,确定每个该数据库语句的执行计划,以执行该数据接入过程。
可选的,该数据库语句聚类模块720,用于:
若在该第1个运行阶段中被执行的该第一数据库语言的数量达到该预设数量,确定该第1个运行阶段结束;
获取每个该第一数据库语句对应的特征向量;
将预设数量的该特征向量作为预设的聚类模型的输入,以获取该聚类模型输出的上述多个第一语句类别;
将每个该第一语句类别中的任一第一数据库语言对应的执行计划作为该第一语句类别对应的执行计划。
可选的,该第二服务数据接入模块730,用于:
从该网络服务请求中提取该目标服务信息;
根据预设的数据库语句生成规则和该目标服务信息确定该第二数据库语句;
通过预设的第一分类模型确定该第二数据库语句所属的目标语句类别,以将该目标语句类别对应的执行计划作为该第二数据库语句对应的执行计划,该目标语句类别包含于上述多个第一语句类别中;
在该服务数据接入过程中,以该第二数据库语句对应的执行计划执行该第二数据库语句,以将网络服务请求的网络服务数据传输至对应网络接入点。
可选的,该第一服务数据接入模块710,用于:
从该网络服务请求中提取该目标服务信息;
根据预设的数据库语句生成规则和该目标服务信息确定该第一数据库语句;
根据预设的执行计划生成规则和该目标服务信息确定该第一数据库语句对应的执行计划;
在该服务数据接入过程中,以该第一数据库语句对应的执行计划执行该第一数据库语句,以将网络服务请求的网络服务数据传输至对应网络接入点。
可选的,该第一服务数据接入模块710和该第二服务数据接入模块730,用于:
获取该网络服务请求中的所有服务信息;
将该所有服务信息对应的特征向量作为预先训练好的第二分类模型的输入,以获取该第二分类模型输出的一个或多个有效服务信息和一个或多个无效服务信息;
将上述一个或多个有效服务信息作为该目标服务信息。
可选的,该类别调整模块740,用于:
在该第i个运行阶段中,对每个该数据库语句的执行时间进行监测;
若监测到执行时间大于预设的时间阈值的异常数据库语句,将监测到该异常数据库语句的时间点作为该第i运行阶段结束的时间点,执行该语句类别调整过程。
综上所述,本公开的实施例所提供的技术方案,能够在第1个运行阶段中,根据用户上传的网络服务请求中的目标服务信息确定该网络服务请求对应的第一数据库语句和该第一数据库语句对应的执行计划,以执行服务数据接入过程;其中,在该第1个运行阶段中被执行的该第一数据库语言的数量为预设数量;在该第1个运行阶段结束后,对该预设数量的第一数据库语句进行聚类,以获取该预设数量的第一数据库语句的第一聚类结果,该第一聚类结果包括多个第一语句类别,每个该第一语句类别中的第一数据库语句对应于相同的执行计划;在获取该第一聚类结果后的第2个运行阶段中,根据该第一聚类结果和每个该目标服务信息对应的第二数据库语句,确定每个该第二数据库语句对应的执行计划,以执行该服务数据接入过程;其中,该服务数据接入过程,包括:以该网络服务请求对应的数据库语句对应的执行计划执行该数据库语句,以将该网络服务请求的网络服务数据传输至对应网络接入点。能够对初始阶段执行的数据库语句进行聚类并根据聚类结果确定下一阶段数据库语句的执行计划,并在初始阶段之后的运行阶段根据数据库语句的执行效率对上述聚类结果进行更新,以动态地优化执行计划,提高执行计划确定的效率,进而提高数据库语句的执行效率。
示例地,图9是根据一示例性实施例示出的一种电子设备900的框图。例如,电子设备900可以被提供为一服务器。参照图9,服务器900包括处理器901,其数量可以为一个或多个,以及存储器902,用于存储可由处理器901执行的计算机程序。存储器902中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理器901可以被配置为执行该计算机程序,以执行上述的服务数据接入方法。
另外,服务器900还可以包括电源组件903和通信组件904,该电源组件903可以被配置为执行服务器900的电源管理,该通信组件904可以被配置为实现服务器900的通信,例如,有线或无线通信。此外,该服务器900还可以包括输入/输出(I/O)接口905。服务器900可以操作基于存储在存储器902的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM等等。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的服务数据接入方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器902,上述程序指令可由服务器900的处理器901执行以完成上述的服务数据接入方法。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
Claims (16)
1.一种服务数据接入方法,其特征在于,所述方法包括:
在第1个运行阶段中,根据用户上传的网络服务请求中的目标服务信息确定所述网络服务请求对应的第一数据库语句和所述第一数据库语句对应的执行计划,以执行服务数据接入过程;其中,在所述第1个运行阶段中被执行的所述第一数据库语言的数量为预设数量;
在所述第1个运行阶段结束后,对所述预设数量的第一数据库语句进行聚类,以获取所述预设数量的第一数据库语句的第一聚类结果,所述第一聚类结果包括多个第一语句类别,每个所述第一语句类别中的第一数据库语句对应于相同的执行计划;
在获取所述第一聚类结果后的第2个运行阶段中,根据所述第一聚类结果和每个所述目标服务信息对应的第二数据库语句,确定每个所述第二数据库语句对应的执行计划,以执行所述服务数据接入过程;其中,
所述服务数据接入过程,包括:以所述网络服务请求对应的数据库语句对应的执行计划执行所述数据库语句,以将所述网络服务请求的网络服务数据传输至对应网络接入点。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在第i个运行阶段中,对每个所述数据库语句的执行时间监测,以根据所述执行时间确定是否执行语句类别调整过程;其中,i>1,所述语句类别调整过程,包括:
从所述第i个运行阶段结束的时间点开始,对在所述第i运行阶段中已执行的多个数据库语句进行聚类,以获取多个数据库语句聚类的第二聚类结果,所述第二聚类结果包括多个第二语句类别,其中,每个所述第二语句类别中的数据库语句对应于相同的执行计划;
在获取所述第二聚类结果后的第i+1个运行阶段,根据所述第二聚类结果和所述每个网络服务请求对应的数据库语句,确定每个所述数据库语句的执行计划,以执行所述数据接入过程。
3.根据权利要求1所述的方法,其特征在于,所述在所述第1个运行阶段结束后,对所述预设数量的第一数据库语句进行聚类,以获取所述预设数量的第一数据库语句的第一聚类结果,包括:
若在所述第1个运行阶段中被执行的所述第一数据库语言的数量达到所述预设数量,确定所述第1个运行阶段结束;
获取每个所述第一数据库语句对应的特征向量;
将预设数量的所述特征向量作为预设的聚类模型的输入,以获取所述聚类模型输出的所述多个第一语句类别;
将每个所述第一语句类别中的任一第一数据库语言对应的执行计划作为所述第一语句类别对应的执行计划。
4.根据权利要求3所述的方法,其特征在于,所述在获取所述第一聚类结果后的第2个运行阶段中,根据所述第一聚类结果和每个所述目标服务信息对应的第二数据库语句,确定每个所述第二数据库语句对应的执行计划,以执行所述服务数据接入过程,包括:
从所述网络服务请求中提取所述目标服务信息;
根据预设的数据库语句生成规则和所述目标服务信息确定所述第二数据库语句;
通过预设的第一分类模型确定所述第二数据库语句所属的目标语句类别,以将所述目标语句类别对应的执行计划作为所述第二数据库语句对应的执行计划,所述目标语句类别包含于所述多个第一语句类别中;
在所述服务数据接入过程中,以所述第二数据库语句对应的执行计划执行所述第二数据库语句,以将网络服务请求的网络服务数据传输至对应网络接入点。
5.根据权利要求1所述的方法,其特征在于,所述在第1个运行阶段中,根据用户上传的网络服务请求中的目标服务信息确定所述网络服务请求对应的第一数据库语句和所述第一数据库语句的执行计划,以执行服务数据接入过程,包括:
从所述网络服务请求中提取所述目标服务信息;
根据预设的数据库语句生成规则和所述目标服务信息确定所述第一数据库语句;
根据预设的执行计划生成规则和所述目标服务信息确定所述第一数据库语句对应的执行计划;
在所述服务数据接入过程中,以所述第一数据库语句对应的执行计划执行所述第一数据库语句,以将网络服务请求的网络服务数据传输至对应网络接入点。
6.根据权利要求3或4所述的方法,其特征在于,从所述网络服务请求中提取所述目标服务信息,包括:
获取所述网络服务请求中的所有服务信息;
将所述所有服务信息对应的特征向量作为预先训练好的第二分类模型的输入,以获取所述第二分类模型输出的一个或多个有效服务信息和一个或多个无效服务信息;
将所述一个或多个有效服务信息作为所述目标服务信息。
7.根据权利要求1所述的方法,其特征在于,所述在第i个运行阶段中,对每个所述数据库语句的执行时间进行监测,以根据所述执行时间确定是否执行语句类别调整过程,包括:
在所述第i个运行阶段中,对每个所述数据库语句的执行时间进行监测;
若监测到执行时间大于预设的时间阈值的异常数据库语句,将监测到所述异常数据库语句的时间点作为所述第i运行阶段结束的时间点,执行所述语句类别调整过程。
8.一种服务数据接入装置,其特征在于,所述装置包括:
第一服务数据接入模块,用于在第1个运行阶段中,根据用户上传的网络服务请求中的目标服务信息确定所述网络服务请求对应的第一数据库语句和所述第一数据库语句对应的执行计划,以执行服务数据接入过程;其中,在所述第1个运行阶段中被执行的所述第一数据库语言的数量为预设数量;
数据库语句聚类模块,用于在所述第1个运行阶段结束后,对所述预设数量的第一数据库语句进行聚类,以获取所述预设数量的第一数据库语句的第一聚类结果,所述第一聚类结果包括多个第一语句类别,每个所述第一语句类别中的第一数据库语句对应于相同的执行计划;
第二服务数据接入模块,用于在获取所述第一聚类结果后的第2个运行阶段中,根据所述第一聚类结果和每个所述目标服务信息对应的第二数据库语句,确定每个所述第二数据库语句对应的执行计划,以执行所述服务数据接入过程;其中,
所述服务数据接入过程,包括:以所述网络服务请求对应的数据库语句对应的执行计划执行所述数据库语句,以将所述网络服务请求的网络服务数据传输至对应网络接入点。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
类别调整模块,用于在第i个运行阶段中,对每个所述数据库语句的执行时间监测,以根据所述执行时间确定是否执行语句类别调整过程;其中,i>1,所述语句类别调整过程,包括:
从所述第i个运行阶段结束的时间点开始,对在所述第i运行阶段中已执行的多个数据库语句进行聚类,以获取多个数据库语句聚类的第二聚类结果,所述第二聚类结果包括多个第二语句类别,其中,每个所述第二语句类别中的数据库语句对应于相同的执行计划;
在获取所述第二聚类结果后的第i+1个运行阶段,根据所述第二聚类结果和所述每个网络服务请求对应的数据库语句,确定每个所述数据库语句的执行计划,以执行所述数据接入过程。
10.根据权利要求8所述的装置,其特征在于,所述数据库语句聚类模块,用于:
若在所述第1个运行阶段中被执行的所述第一数据库语言的数量达到所述预设数量,确定所述第1个运行阶段结束;
获取每个所述第一数据库语句对应的特征向量;
将预设数量的所述特征向量作为预设的聚类模型的输入,以获取所述聚类模型输出的所述多个第一语句类别;
将每个所述第一语句类别中的任一第一数据库语言对应的执行计划作为所述第一语句类别对应的执行计划。
11.根据权利要求10所述的装置,其特征在于,所述第二服务数据接入模块,用于:
从所述网络服务请求中提取所述目标服务信息;
根据预设的数据库语句生成规则和所述目标服务信息确定所述第二数据库语句;
通过预设的第一分类模型确定所述第二数据库语句所属的目标语句类别,以将所述目标语句类别对应的执行计划作为所述第二数据库语句对应的执行计划,所述目标语句类别包含于所述多个第一语句类别中;
在所述服务数据接入过程中,以所述第二数据库语句对应的执行计划执行所述第二数据库语句,以将网络服务请求的网络服务数据传输至对应网络接入点。
12.根据权利要求8所述的装置,其特征在于,所述第一服务数据接入模块,用于:
从所述网络服务请求中提取所述目标服务信息;
根据预设的数据库语句生成规则和所述目标服务信息确定所述第一数据库语句;
根据预设的执行计划生成规则和所述目标服务信息确定所述第一数据库语句对应的执行计划;
在所述服务数据接入过程中,以所述第一数据库语句对应的执行计划执行所述第一数据库语句,以将网络服务请求的网络服务数据传输至对应网络接入点。
13.根据权利要求11或12所述的装置,其特征在于,所述第一服务数据接入模块和所述第二服务数据接入模块,用于:
获取所述网络服务请求中的所有服务信息;
将所述所有服务信息对应的特征向量作为预先训练好的第二分类模型的输入,以获取所述第二分类模型输出的一个或多个有效服务信息和一个或多个无效服务信息;
将所述一个或多个有效服务信息作为所述目标服务信息。
14.根据权利要求8所述的装置,其特征在于,所述类别调整模块,用于:
在所述第i个运行阶段中,对每个所述数据库语句的执行时间进行监测;
若监测到执行时间大于预设的时间阈值的异常数据库语句,将监测到所述异常数据库语句的时间点作为所述第i运行阶段结束的时间点,执行所述语句类别调整过程。
15.一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,该程序被处理器执行时实现权利要求1至7中任一项所述的服务数据接入方法的步骤。
16.一种集群管理设备,其特征在于,包括:
存储器,其上存储有计算机程序;
处理器,用于执行所述存储器中的所述计算机程序,以实现权利要求1至7中任一项所述的服务数据接入方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010075451.7A CN111309754B (zh) | 2020-01-22 | 2020-01-22 | 服务数据接入方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010075451.7A CN111309754B (zh) | 2020-01-22 | 2020-01-22 | 服务数据接入方法、装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111309754A true CN111309754A (zh) | 2020-06-19 |
CN111309754B CN111309754B (zh) | 2020-11-27 |
Family
ID=71158240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010075451.7A Expired - Fee Related CN111309754B (zh) | 2020-01-22 | 2020-01-22 | 服务数据接入方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111309754B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102419778A (zh) * | 2012-01-09 | 2012-04-18 | 中国科学院软件研究所 | 一种挖掘查询语句子话题并聚类的信息搜索方法 |
CN102479223A (zh) * | 2010-11-25 | 2012-05-30 | 中国移动通信集团浙江有限公司 | 数据查询方法及系统 |
CN105260736A (zh) * | 2015-09-08 | 2016-01-20 | 西安交通大学 | 基于归一化非负稀疏编码器的图像快速特征表示方法 |
CN109101597A (zh) * | 2018-07-31 | 2018-12-28 | 中电传媒股份有限公司 | 一种电力新闻数据采集系统 |
CN109582782A (zh) * | 2018-10-26 | 2019-04-05 | 杭州电子科技大学 | 一种基于用弱监督深度学习的文本聚类方法 |
CN109918529A (zh) * | 2019-02-25 | 2019-06-21 | 重庆邮电大学 | 一种基于树形聚类矢量量化的图像检索方法 |
CN110442718A (zh) * | 2019-08-08 | 2019-11-12 | 腾讯科技(深圳)有限公司 | 语句处理方法、装置及服务器和存储介质 |
CN110472046A (zh) * | 2019-07-11 | 2019-11-19 | 广东奥博信息产业股份有限公司 | 一种政企服务文本聚类方法 |
WO2019245887A1 (en) * | 2018-06-22 | 2019-12-26 | Microsoft Technology Licensing, Llc | Taxonomic tree generation |
CN110674014A (zh) * | 2019-09-16 | 2020-01-10 | 中国银联股份有限公司 | 一种确定异常查询请求的方法及装置 |
-
2020
- 2020-01-22 CN CN202010075451.7A patent/CN111309754B/zh not_active Expired - Fee Related
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102479223A (zh) * | 2010-11-25 | 2012-05-30 | 中国移动通信集团浙江有限公司 | 数据查询方法及系统 |
CN102419778A (zh) * | 2012-01-09 | 2012-04-18 | 中国科学院软件研究所 | 一种挖掘查询语句子话题并聚类的信息搜索方法 |
CN105260736A (zh) * | 2015-09-08 | 2016-01-20 | 西安交通大学 | 基于归一化非负稀疏编码器的图像快速特征表示方法 |
WO2019245887A1 (en) * | 2018-06-22 | 2019-12-26 | Microsoft Technology Licensing, Llc | Taxonomic tree generation |
CN109101597A (zh) * | 2018-07-31 | 2018-12-28 | 中电传媒股份有限公司 | 一种电力新闻数据采集系统 |
CN109582782A (zh) * | 2018-10-26 | 2019-04-05 | 杭州电子科技大学 | 一种基于用弱监督深度学习的文本聚类方法 |
CN109918529A (zh) * | 2019-02-25 | 2019-06-21 | 重庆邮电大学 | 一种基于树形聚类矢量量化的图像检索方法 |
CN110472046A (zh) * | 2019-07-11 | 2019-11-19 | 广东奥博信息产业股份有限公司 | 一种政企服务文本聚类方法 |
CN110442718A (zh) * | 2019-08-08 | 2019-11-12 | 腾讯科技(深圳)有限公司 | 语句处理方法、装置及服务器和存储介质 |
CN110674014A (zh) * | 2019-09-16 | 2020-01-10 | 中国银联股份有限公司 | 一种确定异常查询请求的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111309754B (zh) | 2020-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111752965B (zh) | 一种基于微服务的实时数据库数据交互方法和系统 | |
US20030055950A1 (en) | Method and apparatus for packet analysis in a network | |
CN112751726B (zh) | 一种数据处理方法、装置、电子设备和存储介质 | |
US8583783B1 (en) | Method and system for adaptive recovery of heap memory | |
CN110430068B (zh) | 一种特征工程编排方法及装置 | |
CN108509453B (zh) | 一种信息处理方法及装置 | |
CN111385142B (zh) | 基于Kubernetes的自适应伸缩web容器的方法 | |
CN111966289A (zh) | 基于Kafka集群的分区优化方法和系统 | |
CN111459698A (zh) | 一种数据库集群故障自愈方法及装置 | |
CN111581234A (zh) | Rac多节点数据库查询方法、装置及系统 | |
CN111970205A (zh) | 网关接口流量控制方法及系统 | |
CN111782672A (zh) | 多领域数据管理方法及相关装置 | |
CN113328927B (zh) | 一种具有计算、存储和网络交换功能的工业物联网网关 | |
Nunes et al. | State of the art on microservices autoscaling: An overview | |
CN112925634A (zh) | 异构资源调度方法和系统 | |
CN114265857A (zh) | 查询语句处理方法以及装置 | |
CN111309754B (zh) | 服务数据接入方法、装置、存储介质和电子设备 | |
CN112735406A (zh) | 设备的控制方法及装置、存储介质及电子装置 | |
CN109710487A (zh) | 一种监控方法和装置 | |
CN116126415A (zh) | 一种基于场景的上云组件配置推荐方法及系统 | |
CN113177060A (zh) | 一种管理sql语句的方法、装置及设备 | |
CN114328683A (zh) | 一种数据导入方法、装置、设备及存储介质 | |
CN112148554A (zh) | 实时计算redis业务数据占用大小的方法及装置 | |
WO2023179604A1 (zh) | 信息处理方法、装置、相关设备及存储介质 | |
CN115114012B (zh) | 一种任务分配方法、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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201127 Termination date: 20220122 |
|
CF01 | Termination of patent right due to non-payment of annual fee |