CN111858706A - 一种数据处理的方法和装置 - Google Patents
一种数据处理的方法和装置 Download PDFInfo
- Publication number
- CN111858706A CN111858706A CN202010628272.1A CN202010628272A CN111858706A CN 111858706 A CN111858706 A CN 111858706A CN 202010628272 A CN202010628272 A CN 202010628272A CN 111858706 A CN111858706 A CN 111858706A
- Authority
- CN
- China
- Prior art keywords
- time
- attribute information
- calling
- windows
- target
- 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
- 238000003672 processing method Methods 0.000 title abstract description 6
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 13
- 238000007726 management method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012958 reprocessing Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 238000012950 reanalysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06F16/245—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
- 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
- G06F16/248—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开了数据处理的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括接收数据请求，解析获得所述请求的时间窗口；调用日期管理组件，根据预设分块模型将所述时间窗口拆分为一个或多个时间子窗口，以基于当前数据库调取每个时间子窗口对应的指标数据；调用分布式增量计算引擎组件，通过预设的泛化增量算法对所述指标数据进行处理得到目标指标值，进而返回所述目标指标值并进行展示。从而，本发明的实施方式能够解决现有对用户数据请求的计算效率低的问题。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种数据处理的方法和装置。
背景技术
大数据时代，随着数据量的指数式激增，对数据处理的计算能力要求也越来越高，计算机系统面临的不仅是数据存储与传输的效率的压力，还有用户对于时效性要求的压力。在市场上，越来越多的金融机构提出于实时计算的需求，即需要基于每时每刻的数据进行高效运算，以满足用户需求。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
目前，对金融时间序列数据的研究往往频繁的滑动时间窗口，而金融数据的体量往往是巨大的，传统全量的金融时序数据效率低下，并且对历史数据的重复计算造成计算资源的浪费，且适用范围太小。
发明内容
有鉴于此，本发明实施例提供一种数据处理的方法和装置，能够解决现有对用户数据请求的计算效率低的问题。
为实现上述目的，根据本发明实施例的一个方面，提供了一种数据处理的方法，包括接收数据请求，解析获得所述请求的时间窗口；调用日期管理组件，根据预设分块模型将所述时间窗口拆分为一个或多个时间子窗口，以基于当前数据库调取每个时间子窗口对应的指标数据；调用分布式增量计算引擎组件，通过预设的泛化增量算法对所述指标数据进行处理得到目标指标值，进而返回所述目标指标值并进行展示。
可选地，调用分布式增量计算引擎组件之后，包括：
判断是否接收到用户选取的泛化增量算法，若是则通过选取的泛化增量算法对所述指标数据进行处理得到目标指标值；若否则根据预设配置信息匹配泛化增量算法，以基于匹配后的泛化增量算法对所述指标数据进行处理得到目标指标值。
可选地，根据预设分块模型将所述时间窗口拆分为一个或多个时间子窗口，包括：
根据所述时间窗口，获取相应的开始时间和结束时间；
提取开始时间和结束时间中的第一目标属性信息，以计算两者之差并判断是否大于或等于预设第一阈值，若是则调取第一分块模型，将所述时间窗口拆分为一个或多个时间子窗口；若否则判断是否等于0，如果是则提取开始时间和结束时间中的第二目标属性信息以将所述时间窗口拆分为一个或多个时间子窗口，如果否则提取开始时间和结束时间中的第二目标属性信息和第三目标属性信息以将所述时间窗口拆分为一个或多个时间子窗口。
可选地，提取开始时间和结束时间中的第二目标属性信息以将所述时间窗口拆分为一个或多个时间子窗口，包括：
提取开始时间和结束时间中的第二目标属性信息，计算两者之差并判断是否大于1，若是则调取第二分块模型，将所述时间窗口拆分为一个或多个时间子窗口；若否则调取第三分块模型，将所述时间窗口拆分为一个或多个时间子窗口。
可选地，提取开始时间和结束时间中的第二目标属性信息和第三目标属性信息以将所述时间窗口拆分为一个或多个时间子窗口，包括：
提取开始时间和结束时间中的第二目标属性信息和第三目标属性信息，判断开始时间的第二目标属性信息以及第三目标属性信息是否分别等于对应属性信息集中的最小数值；
若是则判断结束时间的第二目标属性信息以及第三目标属性信息是否分别等于对应属性信息集中的最大数值，如果是则调取第四分块模型，将所述时间窗口拆分为一个或多个时间子窗口；如果否则调取第五分块模型，将所述时间窗口拆分为一个或多个时间子窗口；
若否则判断结束时间的第二目标属性信息以及第三目标属性信息是否分别等于对应属性信息集中的最大数值，如果是则调取第六分块模型，将所述时间窗口拆分为一个或多个时间子窗口；如果否则调取第七分块模型，将所述时间窗口拆分为一个或多个时间子窗口。
可选地，所述泛化增量算法，包括算术均值算法、几何均值算法、总体方差算法、样本方差算法、总体协方差算法以及样本协方差算法的一种或多种。
可选地，返回所述目标指标值并进行展示，包括：
返回所述目标指标值，以在展示页面基于时间子窗口输出对应的目标指标值，进而供用户选择和浏览。
另外，本发明还提供了一种数据处理的装置，包括获取模块，用于接收数据请求，解析获得所述请求的时间窗口；处理模块，用于调用日期管理组件，根据预设分块模型将所述时间窗口拆分为一个或多个时间子窗口，以基于当前数据库调取每个时间子窗口对应的指标数据；调用分布式增量计算引擎组件，通过预设的泛化增量算法对所述指标数据进行处理得到目标指标值，进而返回所述目标指标值并进行展示。
上述发明中的一个实施例具有如下优点或有益效果：本发明对用户的数据请求提供应用于对时间序列数据的高效处理，包括时间增量数据的处理，和对已有数据再加工的快速算法，更适合当前大数据时代对数据处理的要求，灵活高效、指标适用范围大。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明第一实施例的数据处理的方法的主要流程的示意图；
图2是根据本发明第二实施例的数据处理的方法的主要流程的示意图；
图3是根据本发明实施例的拆分时间窗口的示意图；
图4是根据本发明实施例的数据处理的装置的主要模块的示意图；
图5是本发明实施例可以应用于其中的示例性系统架构图；
图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明第一实施例的数据处理的方法的主要流程的示意图，如图1所示，所述数据处理的方法包括：
步骤S101，接收数据请求，解析获得所述请求的时间窗口。
步骤S102，调用日期管理组件，根据预设分块模型将所述时间窗口拆分为一个或多个时间子窗口，以基于当前数据库调取每个时间子窗口对应的指标数据。
在一些实施例中，根据预设分块模型将所述时间窗口拆分为一个或多个时间子窗口的时候，可以根据所述时间窗口，获取相应的开始时间和结束时间；提取开始时间和结束时间中的第一目标属性信息，以计算两者之差并判断是否大于或等于预设第一阈值，若是则调取第一分块模型，将所述时间窗口拆分为一个或多个时间子窗口；若否则判断是否等于0，如果是则提取开始时间和结束时间中的第二目标属性信息以将所述时间窗口拆分为一个或多个时间子窗口，如果否则提取开始时间和结束时间中的第二目标属性信息和第三目标属性信息以将所述时间窗口拆分为一个或多个时间子窗口。
进一步地实施例，提取开始时间和结束时间中的第二目标属性信息以将所述时间窗口拆分为一个或多个时间子窗口的时候，可以提取开始时间和结束时间中的第二目标属性信息，计算两者之差并判断是否大于1，若是则调取第二分块模型，将所述时间窗口拆分为一个或多个时间子窗口；若否则调取第三分块模型，将所述时间窗口拆分为一个或多个时间子窗口。
作为另一些进一步地实施例，提取开始时间和结束时间中的第二目标属性信息和第三目标属性信息以将所述时间窗口拆分为一个或多个时间子窗口，包括：
提取开始时间和结束时间中的第二目标属性信息和第三目标属性信息，判断开始时间的第二目标属性信息以及第三目标属性信息是否分别等于对应属性信息集中的最小数值(例如属性信息集中的最小数值为1)。
若是则判断结束时间的第二目标属性信息以及第三目标属性信息是否分别等于对应属性信息集中的最大数值(例如属性信息集中的最大数值为31)，如果是则调取第四分块模型，将所述时间窗口拆分为一个或多个时间子窗口；如果否则调取第五分块模型，将所述时间窗口拆分为一个或多个时间子窗口；
若否则判断结束时间的第二目标属性信息以及第三目标属性信息是否分别等于对应属性信息集中的最大数值，如果是则调取第六分块模型，将所述时间窗口拆分为一个或多个时间子窗口；如果否则调取第七分块模型，将所述时间窗口拆分为一个或多个时间子窗口。
值得说明的是，根据数据请求确定待计算的目标指标，找到对应参数的指标数据。例如：发起计算m段算术均值，那么对应参数的指标数据为每一子区间的算术均值、子区间内的计数个数。再例如：发起计算m段样本方差，那么对应参数的指标数据为每一子区间的样本方差、每一子区间的算术均值以及子区间内的计数个数。
步骤S103，调用分布式增量计算引擎组件，通过预设的泛化增量算法对所述指标数据进行处理得到目标指标值，进而返回所述目标指标值并进行展示。
在一些实施例中，调用分布式增量计算引擎组件之后，包括：
判断是否接收到用户选取的泛化增量算法，若是则通过选取的泛化增量算法对所述指标数据进行处理得到目标指标值；若否则根据预设配置信息匹配泛化增量算法，以基于匹配后的泛化增量算法对所述指标数据进行处理得到目标指标值。
作为又一些实施例，步骤S103返回所述目标指标值之后，可以在展示页面基于时间子窗口输出对应的目标指标值，进而供用户选择和浏览。也就是说，本发明实施例可以接收用户的数据请求，并将基于数据请求处理后的目标指标值返回给用户，以使用户进行阅览查询以及再分析。
还值得说明的是，所述泛化增量算法，包括算术均值算法、几何均值算法、总体方差算法、样本方差算法、总体协方差算法以及样本协方差算法的一种或多种。其中，
m段算术均值：
m段几何均值：
Gj：每一子区间的几何均值；Nj：子区间内的计数个数；m：子区间个数。
m段总体方差：
Nj：子区间内的计数个数；m：子区间个数。
m段样本方差：
Nj：子区间内的计数个数；m：子区间个数。
m段总体协方差：
covj(x,y):每一子区间上x和y的总体协方差；
Nj：子区间内的计数个数；m：子区间个数。
m段样本协方差：
covj(x,y):每一子区间上x和y的样本协方差；
Nj：子区间内的计数个数；m：子区间个数。
可以看出，对于历史数据的指标值都是已经计算好并存储在数据库中的，如果时间推进一天，现有技术全量计算模式需要重新计算包含历史数据的指标，这样的方法对于时间窗口太长、大样本量的计算消耗是巨大的，并且大部分都消耗在重复的计算过程中，同时还将面临数据读取的限制问题。本发明则不会存在这样的问题，只需调用已经计算好并存储在数据库中的指标值和新一天的数据，就可以快速计算出结果。另外，如果用户想要查看指定某段时间的指标值，现有技术会调取该时间窗口的全量基础数据进行计算，但本发明增量计算模式则不需要调用如此大规模的基础数据，而是调用已有的现存数据进行再处理，极大的简化了计算，提高了计算效率。
图2是根据本发明第二实施例的数据处理的方法的主要流程的示意图，所述数据处理的方法可以包括：
步骤S201，接收数据请求，解析获得所述请求的时间窗口。
步骤S202，调用日期管理组件，根据所述时间窗口获取相应的开始时间和结束时间。
步骤S203，提取开始时间和结束时间中的目标属性信息，以根据预设分块模型将所述时间窗口拆分为一个或多个时间子窗口。
步骤S204，基于当前数据库调取每个时间子窗口对应的指标数据。
步骤S205，调用分布式增量计算引擎组件。
步骤S206，判断是否接收到用户选取的泛化增量算法，若是则进行步骤S207，若否则进行步骤S208。
步骤S207，通过选取的泛化增量算法对所述指标数据进行处理得到目标指标值，进行步骤S209。
步骤S208，根据预设配置信息匹配泛化增量算法，以基于匹配后的泛化增量算法对所述指标数据进行处理得到目标指标值，进行步骤S209。
步骤S209，返回所述目标指标值并进行展示。
作为一个具体的实施例，在执行步骤S203时，可以提取开始时间和结束时间中的第一目标属性信息(例如年份信息)，以计算两者之差并判断是否大于或等于预设第一阈值(例如第一阈值为2)，若是则调取第一分块模型，将所述时间窗口拆分为一个或多个时间子窗口。例如，如图3所示，获取时间窗口的开始时间为Y1，M1，D1，结束时间为Y2，M2，D2，判断Y2-Y1是否大于或等于2，若是则如图3中所示的进行分块，比如：时间窗口为2018年01月10日至2020年5月20日，解析日期后Y1＝2018，M1＝1，D1＝10，Y2＝2020，M2＝5，D2＝20。Y2-Y1＝2，大于等于2，数据为：2019年的年度数据、2018年2月至2018年12月的月频数据、2020年1月至2020年4月的月频数据、2018年1月10日至2018年1月月底的数据和2020年5月1日至2020年5月20日的日频数据。
若否则判断是否等于0，如果是则提取开始时间和结束时间中的第二目标属性信息(例如月份信息)以将所述时间窗口拆分为一个或多个时间子窗口，如果否则提取开始时间和结束时间中的第二目标属性信息和第三目标属性信息(例如日期信息)以将所述时间窗口拆分为一个或多个时间子窗口。
其中，可以提取开始时间和结束时间中的第二目标属性信息，计算两者之差并判断是否大于1，若是则调取第二分块模型，将所述时间窗口拆分为一个或多个时间子窗口；若否则调取第三分块模型，将所述时间窗口拆分为一个或多个时间子窗口。例如，如图3所示，Y2-Y1＝0时判断M2-M1是否大于1，进而依据对应的分块模型进行拆分。
其中，提取开始时间和结束时间中的第二目标属性信息和第三目标属性信息，判断开始时间的第二目标属性信息以及第三目标属性信息是否分别等于对应属性信息集中的最小数值；若是则判断结束时间的第二目标属性信息以及第三目标属性信息是否分别等于对应属性信息集中的最大数值，如果是则调取第四分块模型，将所述时间窗口拆分为一个或多个时间子窗口；如果否则调取第五分块模型，将所述时间窗口拆分为一个或多个时间子窗口；若否则判断结束时间的第二目标属性信息以及第三目标属性信息是否分别等于对应属性信息集中的最大数值，如果是则调取第六分块模型，将所述时间窗口拆分为一个或多个时间子窗口；如果否则调取第七分块模型，将所述时间窗口拆分为一个或多个时间子窗口。例如，如图3所示，Y2-Y1＝1时判断是否M1＝1以及D1＝1，进而依据对应的分块模型进行拆分。比如时间窗口为2018年01月10日至2019年5月20日，解析日期后Y1＝2018，M1＝1，D1＝10，Y2＝2019，M2＝5，D2＝20。Y2-Y1＝1，且不为年初和年末，数据为：2018年2月至2019年4月的月频数据、2018年1月10日至2018年1月底日频数据和2019年5月1日至2019年5月20日的日频数据。
图4是根据本发明实施例的数据处理的装置的主要模块的示意图，如图4所示，所述数据处理的装置400包括获取模块401和处理模块402。其中，获取模块401接收数据请求，解析获得所述请求的时间窗口；处理模块402调用日期管理组件，根据预设分块模型将所述时间窗口拆分为一个或多个时间子窗口，以基于当前数据库调取每个时间子窗口对应的指标数据；调用分布式增量计算引擎组件，通过预设的泛化增量算法对所述指标数据进行处理得到目标指标值，进而返回所述目标指标值并进行展示。
在一些实施例中，处理模块402调用分布式增量计算引擎组件之后，包括：
判断是否接收到用户选取的泛化增量算法，若是则通过选取的泛化增量算法对所述指标数据进行处理得到目标指标值；若否则根据预设配置信息匹配泛化增量算法，以基于匹配后的泛化增量算法对所述指标数据进行处理得到目标指标值。
在一些实施例中，处理模块402根据预设分块模型将所述时间窗口拆分为一个或多个时间子窗口，包括：
根据所述时间窗口，获取相应的开始时间和结束时间；
提取开始时间和结束时间中的第一目标属性信息，以计算两者之差并判断是否大于或等于预设第一阈值，若是则调取第一分块模型，将所述时间窗口拆分为一个或多个时间子窗口；若否则判断是否等于0，如果是则提取开始时间和结束时间中的第二目标属性信息以将所述时间窗口拆分为一个或多个时间子窗口，如果否则提取开始时间和结束时间中的第二目标属性信息和第三目标属性信息以将所述时间窗口拆分为一个或多个时间子窗口。
在一些实施例中，处理模块402提取开始时间和结束时间中的第二目标属性信息以将所述时间窗口拆分为一个或多个时间子窗口，包括：
提取开始时间和结束时间中的第二目标属性信息，计算两者之差并判断是否大于1，若是则调取第二分块模型，将所述时间窗口拆分为一个或多个时间子窗口；若否则调取第三分块模型，将所述时间窗口拆分为一个或多个时间子窗口。
在一些实施例中，处理模块402提取开始时间和结束时间中的第二目标属性信息和第三目标属性信息以将所述时间窗口拆分为一个或多个时间子窗口，包括：
提取开始时间和结束时间中的第二目标属性信息和第三目标属性信息，判断开始时间的第二目标属性信息以及第三目标属性信息是否分别等于对应属性信息集中的最小数值；
若是则判断结束时间的第二目标属性信息以及第三目标属性信息是否分别等于对应属性信息集中的最大数值，如果是则调取第四分块模型，将所述时间窗口拆分为一个或多个时间子窗口；如果否则调取第五分块模型，将所述时间窗口拆分为一个或多个时间子窗口；
若否则判断结束时间的第二目标属性信息以及第三目标属性信息是否分别等于对应属性信息集中的最大数值，如果是则调取第六分块模型，将所述时间窗口拆分为一个或多个时间子窗口；如果否则调取第七分块模型，将所述时间窗口拆分为一个或多个时间子窗口。
在一些实施例中，所述泛化增量算法，包括算术均值算法、几何均值算法、总体方差算法、样本方差算法、总体协方差算法以及样本协方差算法的一种或多种。
在一些实施例中，处理模块402返回所述目标指标值并进行展示，包括：
返回所述目标指标值，以在展示页面基于时间子窗口输出对应的目标指标值，进而供用户选择和浏览。
需要说明的是，在本发明所述数据处理的方法和所述数据处理的装置在具体实施内容上具有相应关系，故重复内容不再说明。
图5示出了可以应用本发明实施例的数据处理的方法或数据处理的装置的示例性系统架构500。
如图5所示，系统架构500可以包括终端设备501、502、503，网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备501、502、503通过网络504与服务器505交互，以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备501、502、503可以是具有数据处理的屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器505可以是提供各种服务的服务器，例如对用户利用终端设备501、502、503所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的数据处理的方法一般由服务器505执行，相应地，计算装置一般设置于服务器505中。
应该理解，图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图6，其示出了适于用来实现本发明实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU)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部分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RAM603中，还存储有计算机系统600操作所需的各种程序和数据。CPU601、ROM602以及RAM603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。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶数据处理的器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本发明公开的实施例，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，本发明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部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示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。在本发明中，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。而在本发明中，计算机可读的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。计算机可读的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：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、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，上述模块、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，框图或流程图中的每个方框、以及框图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。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块和处理模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。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一个该设备执行时，使得该设备包括接收数据请求，解析获得所述请求的时间窗口；调用日期管理组件，根据预设分块模型将所述时间窗口拆分为一个或多个时间子窗口，以基于当前数据库调取每个时间子窗口对应的指标数据；调用分布式增量计算引擎组件，通过预设的泛化增量算法对所述指标数据进行处理得到目标指标值，进而返回所述目标指标值并进行展示。
根据本发明实施例的技术方案，能够解决现有对用户数据请求的计算效率低的问题。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种数据处理的方法，其特征在于，包括：
接收数据请求，解析获得所述请求的时间窗口；
调用日期管理组件，根据预设分块模型将所述时间窗口拆分为一个或多个时间子窗口，以基于当前数据库调取每个时间子窗口对应的指标数据；
调用分布式增量计算引擎组件，通过预设的泛化增量算法对所述指标数据进行处理得到目标指标值，进而返回所述目标指标值并进行展示。
2.根据权利要求1所述的方法，其特征在于，调用分布式增量计算引擎组件之后，包括：
判断是否接收到用户选取的泛化增量算法，若是则通过选取的泛化增量算法对所述指标数据进行处理得到目标指标值；若否则根据预设配置信息匹配泛化增量算法，以基于匹配后的泛化增量算法对所述指标数据进行处理得到目标指标值。
3.根据权利要求1所述的方法，其特征在于，根据预设分块模型将所述时间窗口拆分为一个或多个时间子窗口，包括：
根据所述时间窗口，获取相应的开始时间和结束时间；
提取开始时间和结束时间中的第一目标属性信息，以计算两者之差并判断是否大于或等于预设第一阈值，若是则调取第一分块模型，将所述时间窗口拆分为一个或多个时间子窗口；若否则判断是否等于0，如果是则提取开始时间和结束时间中的第二目标属性信息以将所述时间窗口拆分为一个或多个时间子窗口，如果否则提取开始时间和结束时间中的第二目标属性信息和第三目标属性信息以将所述时间窗口拆分为一个或多个时间子窗口。
4.根据权利要求3所述的方法，其特征在于，提取开始时间和结束时间中的第二目标属性信息以将所述时间窗口拆分为一个或多个时间子窗口，包括：
提取开始时间和结束时间中的第二目标属性信息，计算两者之差并判断是否大于1，若是则调取第二分块模型，将所述时间窗口拆分为一个或多个时间子窗口；若否则调取第三分块模型，将所述时间窗口拆分为一个或多个时间子窗口。
5.根据权利要求3所述的方法，其特征在于，提取开始时间和结束时间中的第二目标属性信息和第三目标属性信息以将所述时间窗口拆分为一个或多个时间子窗口，包括：
提取开始时间和结束时间中的第二目标属性信息和第三目标属性信息，判断开始时间的第二目标属性信息以及第三目标属性信息是否分别等于对应属性信息集中的最小数值；
若是则判断结束时间的第二目标属性信息以及第三目标属性信息是否分别等于对应属性信息集中的最大数值，如果是则调取第四分块模型，将所述时间窗口拆分为一个或多个时间子窗口；如果否则调取第五分块模型，将所述时间窗口拆分为一个或多个时间子窗口；
若否则判断结束时间的第二目标属性信息以及第三目标属性信息是否分别等于对应属性信息集中的最大数值，如果是则调取第六分块模型，将所述时间窗口拆分为一个或多个时间子窗口；如果否则调取第七分块模型，将所述时间窗口拆分为一个或多个时间子窗口。
6.根据权利要求1所述的方法，其特征在于，所述泛化增量算法，包括算术均值算法、几何均值算法、总体方差算法、样本方差算法、总体协方差算法以及样本协方差算法的一种或多种。
7.根据权利要求1-6任一所述的方法，其特征在于，返回所述目标指标值并进行展示，包括：
返回所述目标指标值，以在展示页面基于时间子窗口输出对应的目标指标值，进而供用户选择和浏览。
8.一种数据处理的装置，其特征在于，包括：
获取模块，用于接收数据请求，解析获得所述请求的时间窗口；
处理模块，用于调用日期管理组件，根据预设分块模型将所述时间窗口拆分为一个或多个时间子窗口，以基于当前数据库调取每个时间子窗口对应的指标数据；调用分布式增量计算引擎组件，通过预设的泛化增量算法对所述指标数据进行处理得到目标指标值，进而返回所述目标指标值并进行展示。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010628272.1A CN111858706A (zh) | 2020-07-02 | 2020-07-02 | 一种数据处理的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010628272.1A CN111858706A (zh) | 2020-07-02 | 2020-07-02 | 一种数据处理的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111858706A true CN111858706A (zh) | 2020-10-30 |
Family
ID=73151796
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010628272.1A Pending CN111858706A (zh) | 2020-07-02 | 2020-07-02 | 一种数据处理的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111858706A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112559592A (zh) * | 2020-12-11 | 2021-03-26 | 深圳前海微众银行股份有限公司 | 实时数据处理方法、装置及设备 |
| CN113505172A (zh) * | 2021-07-02 | 2021-10-15 | 泰康保险集团股份有限公司 | 数据处理方法、装置、电子设备及可读存储介质 |
| CN113779102A (zh) * | 2020-11-04 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 数据特征生成方法、装置、电子设备以及计算机可读介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104317738A (zh) * | 2014-10-24 | 2015-01-28 | 中国科学技术大学 | 一种基于MapReduce的增量计算方法 |
| CN106909495A (zh) * | 2016-06-03 | 2017-06-30 | 阿里巴巴集团控股有限公司 | 一种数据的窗口统计方法、装置及系统 |
| US9753935B1 (en) * | 2016-08-02 | 2017-09-05 | Palantir Technologies Inc. | Time-series data storage and processing database system |
| US10275488B1 (en) * | 2014-12-09 | 2019-04-30 | Cloud & Stream Gears Llc | Incremental covariance calculation for big data or streamed data using components |
| CN110309172A (zh) * | 2019-06-06 | 2019-10-08 | 阿里巴巴集团控股有限公司 | 一种数据计算方法、系统、装置及电子设备 |
-
2020
- 2020-07-02 CN CN202010628272.1A patent/CN111858706A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104317738A (zh) * | 2014-10-24 | 2015-01-28 | 中国科学技术大学 | 一种基于MapReduce的增量计算方法 |
| US10275488B1 (en) * | 2014-12-09 | 2019-04-30 | Cloud & Stream Gears Llc | Incremental covariance calculation for big data or streamed data using components |
| CN106909495A (zh) * | 2016-06-03 | 2017-06-30 | 阿里巴巴集团控股有限公司 | 一种数据的窗口统计方法、装置及系统 |
| US9753935B1 (en) * | 2016-08-02 | 2017-09-05 | Palantir Technologies Inc. | Time-series data storage and processing database system |
| CN110309172A (zh) * | 2019-06-06 | 2019-10-08 | 阿里巴巴集团控股有限公司 | 一种数据计算方法、系统、装置及电子设备 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113779102A (zh) * | 2020-11-04 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 数据特征生成方法、装置、电子设备以及计算机可读介质 |
| CN112559592A (zh) * | 2020-12-11 | 2021-03-26 | 深圳前海微众银行股份有限公司 | 实时数据处理方法、装置及设备 |
| CN113505172A (zh) * | 2021-07-02 | 2021-10-15 | 泰康保险集团股份有限公司 | 数据处理方法、装置、电子设备及可读存储介质 |
| CN113505172B (zh) * | 2021-07-02 | 2023-10-24 | 泰康保险集团股份有限公司 | 数据处理方法、装置、电子设备及可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111858706A (zh) | 一种数据处理的方法和装置 | |
| CN110689268B (zh) | 一种提取指标的方法和装置 | |
| CN112527649A (zh) | 一种测试用例的生成方法和装置 | |
| CN107908662B (zh) | 搜索系统的实现方法和实现装置 | |
| CN113342686B (zh) | 一种测试数据生成方法和装置 | |
| CN113836314A (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
| CN113010542B (zh) | 业务数据处理方法、装置、计算机设备及存储介质 | |
| CN112818026A (zh) | 数据整合方法和装置 | |
| CN112783887A (zh) | 一种基于数据仓库的数据处理方法及装置 | |
| CN113535726A (zh) | 数据库扩容方法及装置 | |
| CN108985805B (zh) | 一种选择性执行推送任务的方法和装置 | |
| CN112685481B (zh) | 一种数据处理方法和装置 | |
| CN113761565A (zh) | 数据脱敏方法和装置 | |
| CN111414523A (zh) | 一种数据获取方法和装置 | |
| CN114817297A (zh) | 一种处理数据的方法和装置 | |
| CN113485763A (zh) | 一种数据处理方法、装置、电子设备及计算机可读介质 | |
| CN113722593A (zh) | 事件数据处理方法、装置、电子设备和介质 | |
| CN112887426A (zh) | 信息流的推送方法、装置、电子设备以及存储介质 | |
| CN112988857A (zh) | 一种业务数据的处理方法和装置 | |
| CN112925772A (zh) | 一种数据动态拆分方法和装置 | |
| CN113722193A (zh) | 检测页面异常的方法和装置 | |
| CN112667627B (zh) | 一种数据处理方法及装置 | |
| CN112862554A (zh) | 一种订单数据的处理方法和装置 | |
| CN113704242A (zh) | 一种数据处理方法和装置 | |
| CN112799903A (zh) | 一种业务系统健康状态的评估方法和装置 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220926 Address after: 25 Financial Street, Xicheng District, Beijing 100033 Applicant after: CHINA CONSTRUCTION BANK Corp. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right |