CN112907221B - 一种自服务方法、装置及系统 - Google Patents
一种自服务方法、装置及系统 Download PDFInfo
- Publication number
- CN112907221B CN112907221B CN202110314018.9A CN202110314018A CN112907221B CN 112907221 B CN112907221 B CN 112907221B CN 202110314018 A CN202110314018 A CN 202110314018A CN 112907221 B CN112907221 B CN 112907221B
- Authority
- CN
- China
- Prior art keywords
- self
- data
- service
- behavior
- preset
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000013486 operation strategy Methods 0.000 claims abstract description 60
- 238000012544 monitoring process Methods 0.000 claims abstract description 42
- 230000006399 behavior Effects 0.000 claims description 122
- 230000000903 blocking effect Effects 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 19
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 7
- 238000012423 maintenance Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 111
- 230000015654 memory Effects 0.000 description 28
- 230000006854 communication Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 125000000524 functional group Chemical group 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3051—Monitoring arrangements for monitoring the configuration of the computing system or of the computing system component, e.g. monitoring the presence of processing resources, peripherals, I/O links, software programs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/448—Execution paradigms, e.g. implementations of programming paradigms
- G06F9/4488—Object-oriented
- G06F9/449—Object-oriented method invocation or resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/542—Event management; Broadcasting; Multicasting; Notifications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Multimedia (AREA)
- Marketing (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种自服务方法、装置及系统，其中自服务方法包括：监听操作数据，并判断是否需要发送自服务请求；当需要发送自服务请求时，向服务端发送自服务请求，自服务请求中携带有操作数据；接收服务端基于操作数据与预设操作链路反馈的目标操作策略；执行目标操作策略。本发明通过监听操作数据，并利用操作数据判断需要发送自服务请求后，向服务端发送请求并接收服务端反馈的目标操作策略；实现软件的自服务能力，与传统的服务方式相比，用户从发生问题到解决问题的等待时间短策略响应时间短，提升了响应效率，摆脱了对人工客服的依赖程度，能够有效降低人工客服的服务量，减少维护成本。
Description
技术领域
本发明涉及计算机技术领域，具体涉及一种自服务方法、装置及系统。
背景技术
随着建筑行业的不断发展，各种工作慢慢由传统的手动操作转向了计算机软件系统。以工程算量业务为例，当用户操作算量软件的过程中，对算量软件的操作流程不熟悉，或者算量软件对一些复杂的功能不能正确的完成操作，从而得不到想要的结果的情况下，一般需要用户主动给开发算量软件的工程师进行询问。虽然现有的算量软件提供了在线机器人来解决问题，但是还需要在用户操作过程中发现问题后发起提问请求，在沟通过程中受专业语言以及问题匹配准确性的限制，导致问题处理时间长、服务成本高等问题。
发明内容
有鉴于此，本发明实施例提供了一种自服务方法、装置及系统，解决现有的软件系统中问题处理时间长、服务成本高等问题。
根据第一方面，本发明实施例提供了一种自服务方法，包括：
监听操作数据，并判断是否需要发送自服务请求；
当需要发送所述自服务请求时，向服务端发送所述自服务请求，所述自服务请求中携带有所述操作数据；
接收所述服务端基于所述操作数据与预设操作链路反馈的目标操作策略；
执行所述目标操作策略。
本发明实施例提供的自服务方法，通过监听操作数据，并利用操作数据判断需要发送自服务请求后，向服务端发送请求并接收服务端反馈的目标操作策略；实现软件的自服务能力，与传统的服务方式相比，用户从发生问题到解决问题的等待时间短策略响应时间短，提升了响应效率，摆脱了对人工客服的依赖程度，能够有效降低人工客服的服务量，减少维护成本。
结合第一方面，在第一方面第一实施方式中，所述监听操作数据，并判断是否需要发送自服务请求，包括：
监听操作数据，基于所述操作数据确定是否发生服务阻塞；
当发生服务阻塞时，发送自服务请求。
本发明实施例提供的自服务方法，通过对操作数据的监听，保证在监听到服务阻塞时即可直接进行自服务请求，进而保证服务的准确性。
结合第一方面第一实施方式，在第一方面第二实施方式中，所述操作数据包括：功能组信息，所述基于所述操作数据确定是否发生服务阻塞，包括：
获取当前的操作数据的上一操作数据；
判断当前的操作数据与上一操作数据中的功能组信息是否发生改变，当所述功能组信息发生改变时，确定发生服务阻塞。
本发明实施例提供的自服务方法，通过判断功能组信息是否发生改变确定服务是否阻塞，保证了服务的准确性与效率。
结合第一方面第一实施方式，在第一方面第三实施方式中，所述操作数据还包括：功能码，所述基于所述操作数据确定是否发生服务阻塞，还包括：
监听当前操作数据对应的执行时间；
判断所述执行时间是否超过所述功能码对应的预设时间，当所述执行时间超过预设时间时，确定发生服务阻塞。
本发明实施例提供的自服务方法，利用功能码的预设执行时间，判断命令是否超时，进一步提高了服务的准确性与效率。
结合第一方面，在第一方面第四实施方式中，所述自服务方法，还包括：
监听用户的操作行为，并将所述操作行为数据发送至服务端，以使得所述服务端形成预设操作链路。
结合第一方面第四实施方式，在第一方面第五实施方式中，所述将所述操作行为数据发送至服务端，包括：按照预设缓存时间将所述操作行为数据发送至服务端，并将本地缓存中的数据进行清除。
本发明实施例提供的自服务方法，通过定时上传操作行为数据的方式将数据进行上传，进而保证存储空间的可利用性，确保了服务的高效性。
结合第一方面第四实施方式，在第一方面第六实施方式中，所述将所述操作行为数据发送至服务端，还包括：
将所述所述操作行为数据进行存储；
当监听到用户的操作行为是预设结束行为时，将本地存储的数据发送至服务端。
根据第二方面，本发明实施例提供了一种自服务方法，包括：接收客户端发送的自服务请求，所述自服务请求中携带有所述客户端的操作数据；
将所述操作数据与预设操作链路进行比较，确定目标操作策略；
将所述目标操作策略反馈给所述客户端，以使得所述客户端执行所述目标操作策略。
本发明实施例提供的自服务方法，通过预先建立好的预设操作链路，对操作数据进行比较，以确定目标操作策略，保证了自服务的准确性，避免服务的依赖性。
结合第二方面，在第二方面第一实施方式中，所述将所述操作数据与预设操作链路进行比较，确定目标操作策略，包括：
获取预设操作链路；
对接收的操作数据进行解析，确定行为请求路径；
将所述预设操作链路与所述行为请求路径进行匹配，以确定所述行为请求路径中缺失的操作行为；
利用缺失的操作行为在预设操作策略中查找对应的目标操作策略。
结合第二方面第一实施方式，在第二方面第二实施方式中，所述获取预设操作链路，包括：
接收客户端发送的操作行为数据，所述操作行为数据包括：功能组信息、功能码、触发时间和用户信息；
利用所述用户信息将所述操作行为数据进行分组；
将各个用户分组内的所述操作行为数据按照功能组信息进行功能组拆分，并将拆分后的所述操作行为数据按照所述触发时间进行排序；
利用排序后的所述操作行为数据的功能码确定预设操作链路。
本发明实施例提供的自服务方法，通过服务端接收的各个操作行为数据，构建预设操作链路，以实现自服务的操作选择，保证服务的准确性。
结合第二方面第二实施方式，在第二方面第三实施方式中，所述接收客户端发送的操作行为数据，包括：
接收客户端发送的操作行为数据，对所述操作行为数据进行过滤，以确定有效行为数据。
根据第三方面，本发明实施例提供了一种自服务装置，包括：
第一处理模块，用于监听操作数据，并判断是否需要发送自服务请求；
第二处理模块，用于当需要发送所述自服务请求时，向服务端发送所述自服务请求，所述自服务请求中携带有所述操作数据；
第三处理模块，用于接收所述服务端基于所述操作数据与预设操作链路反馈的目标操作策略；
第四处理模块，用于执行所述目标操作策略。
根据第三方面，在第三方面第一实施方式中，所述自服务装置的各个模块之间通过内核对象、信号量或者互斥量实现同步。
根据第四方面，本发明实施例提供了一种自服务装置，包括：
接收模块，用于接收客户端发送的自服务请求，所述自服务请求中携带有所述客户端的操作数据；
比较模块，用于将所述操作数据与预设操作链路进行比较，确定目标操作策略；
反馈确定模块，用于将所述目标操作策略反馈给所述客户端，以使得所述客户端执行所述目标操作策略。
根据第五方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中所述的自服务方法，或者执行第二方面或者第二方面的任意一种实施方式中所述的自服务方法。
根据第六方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的自服务方法，或者执行第二方面或者第二方面的任意一种实施方式中所述的自服务方法。
根据第七方面，本发明实施例提供了一种边缘计算系统，包括：
至少一个客户端，所述客户端用于执行第一方面或者第一方面的任意一种实施方式中所述的自服务方法；
服务端，与所述至少一个客户端连接，所述服务端用于执行第二方面或者第二方面的任意一种实施方式中所述的自服务方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术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是根据本发明实施例的自服务方法应用于客户端的流程图；
图2是根据本发明实施例的自服务方法应用于客户端的另一流程图；
图3是根据本发明实施例优选实施例的自服务方法应用于客户端的流程图；
图4是根据本发明实施例的自服务方法应用于服务端的流程图；
图5是根据本发明实施例的自服务方法应用于服务端的另一流程图；
图6是根据本发明实施例的自服务方法的流程图；
图7是根据本发明实施例的自服务装置应用于客户端的示意图；
图8是根据本发明实施例的自服务装置应用于服务端的示意图；
图9是根据本发明实施例的自服务系统的示意图；
图10是根据本发明实施例的自服务系统的具体结构示意图；
图11是本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域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例，都属于本发明保护的范围。
本发明实施例提供的自服务方法，可以应用于建筑行业的造价算量软件中，也可以应用于其他手机或者电脑开发的数据服务的软件中。在本发明中对自服务方法的具体应用场景并不作任何限制，在下文的描述中，以建筑行业的造价算量软件的应用为例进行详细描述。
随着建筑行业的不断发展，算量业务变得越来越复杂，造价员的算量工作慢慢的由传统的手算，正在逐步向算量软件迁移；针对老一代造价员以及刚从事造价行业的造价员而言，他们对软件的操作流程可能不熟悉，或者只对简单的功能(比如绘制、汇总计算等)熟悉，但是对一些复杂的功能不能正确的完成操作，从而得不到想要的结果(如识别梁结果失败)，因为他们不知道识别梁之前，还需要提取梁标注、提取梁边线等操作；当这些用户遇到问题的时候，一般是通过给算量软件客服打电话，或者一些产品提供的在线机器人来解决问题。现有的实现方案主要有以下缺陷：
1、无自主服务能力
当用户遇到问题或者操作受阻时，由用户自主发起服务(打电话给客服，或者在线机器人中寻找答案)，算量软件无用户阻塞识别能力和自服务解决问题能力。
2、依赖性强
采用人工客服服务的方式，依赖客服人员的稳定性，客服人员变动将会影响服务质量；在线机器人服务方式，依赖于机器人后台维护的问题和解决方法集合，这些问题和解决方法集合是人工客服手动记录，缺乏正确性；另外，当算量软件添加了新功能，或者业务操作发生变化后，机器人后台维护的信息就失真了，从而导致在线机器人问题匹配不正确，返回的答案无法解决用户问题。
3、响应慢
无论是人工客服服务方式还是在线机器人服务方式，都避免不了用户与客服或者机器人从头开始描述问题，因为客服和机器人不知道用户当前操作的上下文，只能被动的从用户描述中来获取知识，然后在给用户处理问题或者给用户找处理问题的方法。除此之外，人工客服还会导致用户浪费约10分钟等待时间，还有远程给用户解决问题的时间；在线机器人也存在机器人被唤醒和退出的时间，这些都会延长问题被处理的时间。
4、服务成本高
算量软件平均1个月会收到7万条用户来电，平均每通电话的成本约7元，因此算量软件一年的人工客服服务成本为500万以上，服务成本巨大。
根据本发明实施例，提供了一种自服务方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种自服务方法，可用于客户端，例如电脑、手机、平板电脑等。图1是根据本发明实施例的自服务方法的流程图，如图1所示，该流程包括如下步骤：
S11，监听操作数据，并判断是否需要发送自服务请求。
其中，以建筑行业的造价算量软件为例，客户端对用户的操作的算量软件的所有功能进行行为埋点监听，行为埋点主要是对算量软件的全功能做行为埋点设计，监听到用户操作的功能行为对应的操作数据，对操作数据进行阻塞监控，以判断是否需要发送自服务请求，需要说明的是，自服务请求是在监控到操作数据发生异常时发出的请求。
S12，当需要发送自服务请求时，向服务端发送自服务请求，自服务请求中携带有操作数据。
客户端在上述S11判断需要发送自服务请求之后，即将自服务请求发送给服务端，其中自服务请求的参数为用户埋点模块缓存的功能组下的操作数据，数据统一封装成json格式，作为请求参数。该请求将返回服务器端针对本次用户操作功能行为下发的策略，策略中包含策略类型、响应功能。其中自服务通过线程的方式在算量软件启动时运行，需要说明的是，本实施例应用于客户端，此客户端通过网络通信的方式与服务端进行通信，便于后续的数据及信息的通信传输。
S13，接收服务端基于操作数据与预设操作链路反馈的目标操作策略。
本实施例中，客户端接收服务端下发的目标操作策略，其中目标操作策略使服务端基于操作数据与预设操作链路反馈的，具体地关于该步骤具体将在下文中进行详细描述。
S14，执行目标操作策略。
服务端将推荐的操作与目标操作策略封装成统一的JSON格式数据，主要包含策略类型(StratrgyType)、对应结果(ret)；返回给客户端请求，客户端解析请求后，可以根据策略类型，执行相应的策略。本实施例根据不同的策略类型和返回结果执行相关策略，如执行某个功能、升级软件、更新规则等；当策略执行完成后，软件中会弹窗提示相应的执行结果，如【图纸添加成功\失败】、【软件升级成功\失败】、【规则库更新更新\失败】等，以便于提醒用户功能操作情况。
本实施例提供的自服务方法，通过监听操作数据，并利用操作数据判断需要发送自服务请求后，向服务端发送请求并接收服务端反馈的目标操作策略；实现软件的自服务能力，与传统的服务方式相比，用户从发生问题到解决问题的等待时间短、策略响应时间短，提升了响应效率，摆脱了对人工客服的依赖程度，能够有效降低人工客服的服务量，减少维护成本。
在本实施例中提供了一种自服务方法，图2是根据本发明实施例的自服务方法的流程图，如图2所示，该流程包括如下步骤：
S21，监听操作数据，并判断是否需要发送自服务请求。
具体地，上述S21包括如下步骤：
S211，监听操作数据，基于操作数据确定是否发生服务阻塞。
基于系统中缓存的操作数据判断是否会发生服务阻塞，具体的判断方法在下文进行阐述。
在一具体实施例中，操作数据包括：功能组信息，上述步骤S211，包括如下步骤：
(1)获取当前的操作数据的上一操作数据。
首先客户端缓存了当前用户操作的功能链路，可以制定一定的监控策略来检测用户当前的操作是否受阻，进而获取当前的操作数据对应的上一操作数据，其中所有功能行为对应的操作数据均会存储在软件缓存中。
(2)判断当前的操作数据与上一操作数据中的功能组信息是否发生改变，当功能组信息发生改变时，确定发生服务阻塞。
其中，判断当前的操作数据与上一操作数据中的功能组信息是否发生改变，其中功能组标志着系统的具体操作软件的模块是否发生改变，即从当前算量软件的模块，转入其他操作的模块中，当功能组信息发生改变时，确定发生服务阻塞。需要说明的是，对于功能组信息的分类本实施例仅以具体操作软件改变为例进行说明，在实际应用中还可以是其他类型的分类，本实施例并不以此为限。
具体地，监听用户操作功能行为通过行为埋点线程，采用全局的事件内核对象g_BehObsEvent来实现同步，监控的初始状态无信号，当算量软件记录埋点信息时，会将g_BehObsEven设置为有信号状态，然后检测用户的行为，判断操作的功能组是否发生变化，如果功能组未变化，则将g_BehObsEven设置为无信号状态，同时往埋点记录的链表MDList中加入该条行为埋点信息；如果功能组有变化，则先将MDList作为参数，异步发送自服务请求，然后将MDList清空，再插入行为埋点记录到MDList中。
在一具体实施例中，操作数据还包括：功能码，上述步骤S211，还包括如下步骤：
(1)监听当前操作数据对应的执行时间。
其中在判断是否需要发送自服务请求还可以通过监听当前操作数据对应的功能执行时间，对于当前操作数据的执行时间，系统会在当前操作执行开始时即进行监听，记录当前操作数据对应的执行时间。
(2)判断执行时间是否超过功能码对应的预设时间，当执行时间超过预设时间时，确定发生服务阻塞。
每个功能码对应了软件中的一个功能，其中每个功能的执行时间即预设时间是根据此功能执行的历史记录时间确定的，具体地可以是历史记录时间的1.5倍，其中在算量软件中，操作一个功能，就是执行一条命令，主要监控功能执行的时间是否超过历史记录时间的1.5倍(功能的历史运行时间是服务器端通过对历史操作的统计，然后将结果导出到配置文件中，算量软件启动的时候会加载该配置文件，缓存到系统中)，如果功能执行超时，则发起自服务请求。需要说明的是，本实施例中仅仅是以历史记录时间的1.5倍为例进行说明，在实际应用中还可以是根据实际需求设定的其他时间，本实施例并不以此为限。
具体地，命令监听还可以采用线程，会使用两个全局的事件内核对象g_CmdBeginEvent和g_CmdEndEvent，分别表示功能开始和结束；两个内核对象初始状态均为无信号状态，命令监听线程开始等待g_CmdBeginEvent有信号，当功能触发时，g_CmdBeginEvent设置成有信号状态，命令继续执行；同时命令监听线程开始执行，并记录当前功能名称与状态，然后获取功能历史执行时间(功能历史运行时间存储在配置文件中，算量软件启动时加载到缓存中)，然后计算命令超时结束间隔timeOut；然后调用WaitForSingleObject(g_CmdEndEvent,timeOut)有限制的等待，该等待正常结束有两种情况，其一是功能结束的时候将g_CmdEndEvent设置为有信号状态，此时WaitForSingleObject返回为WAIT_OBJECT_0，表明此功能已经在timeOut时间内完成；其二是等待超时，此时WaitForSingleObject的返回结果WAIT_TIMEOUT,表示功能执行已经超时，此时则将行为埋点记录MDList作为参数，异步发送自服务请求。
S212，当发生服务阻塞时，发送自服务请求。
本实施例中，当服务发生阻塞时，向服务器端发送服务请求，同时接收服务器端下发的策略，并对策略做出响应。
S22，当需要发送自服务请求时，向服务端发送自服务请求，自服务请求中携带有操作数据。
详细请参见图1所示实施例的S12，在此不再赘述。
S23，接收服务端基于操作数据与预设操作链路反馈的目标操作策略。
详细请参见图1所示实施例的S13，在此不再赘述。
S24，执行目标操作策略。
详细请参见图1所示实施例的S14，在此不再赘述。
本实施例提供的自服务方法，通过对操作数据的监听，保证在监听到服务阻塞时即可直接进行自服务请求，进而保证服务的准确性；通过判断功能组信息是否发生改变确定服务是否阻塞，保证了服务的准确性与效率。
在本实施例中提供了一种自服务方法，图3是根据本发明实施例的自服务方法的流程图，如图3所示，该流程包括如下步骤：
S31，监听操作数据，并判断是否需要发送自服务请求。
详细请参见图1所示实施例的S11，在此不再赘述。
S32，当需要发送自服务请求时，向服务端发送自服务请求，自服务请求中携带有操作数据。
详细请参见图1所示实施例的S12，在此不再赘述。
S33，接收服务端基于操作数据与预设操作链路反馈的目标操作策略。
详细请参见图1所示实施例的S13，在此不再赘述。
S34，执行目标操作策略。
详细请参见图1所示实施例的S14，在此不再赘述。
S35，监听用户的操作行为，并将操作行为数据发送至服务端，以使得服务端形成预设操作链路。客户端提供数据上传接口服务，将客户端端用户正在操作的功能分组、功能码、功能名、操作时间等数据上传到云端，然后存储到数据库中，为后期数据分析做准备。
本实施例对用户的操作行为进行监控，即用户操作行为埋点，对算量软件所有功能进行行为埋点，目的是记录用户在什么时候操作了什么功能组(不同的功能组有不同的GroupID,包含多个功能)下的什么功能(不同的功能有不同的FnCode标识)；因此，当用户操作到该功能时，就将该用户的ID，功能名称、触发时间封装到一起，形成Json格式的埋点数据，并将该埋点数据上传到云服务器。本实施例中将所有的功能按照业务相关性(如CAD识别、图形建模、钢筋计算、土建计算等)分组(功能组)，不同的功能组具有不同的GroupID,然后将该功能组下的功能分配唯一的功能码FnCode和功能名称FnName。因此，埋点内容包含功能组(FnGroup)、功能码(FnCode)、功能名称(FnName)、触发时间(TriggerTime)、用户ID(UserID)。当用户操作了某一个功能时，将这些内容封装成json格式的埋点数据，缓存到软件中，为上传做好数据准备。功能的埋点是成对出现的，包含功能开始执行的行为埋点，同时还包含功能将结束前的埋点，因此，1次功能操作会产生2个行为埋点数据。
行为埋点设计的原则是，所有功能的开始执行、执行过程(非必须)、执行结束作为一条完整的埋点，埋点的数据结构包含功能组(fnGroup)、功能码(fnCode)、用户ID(UserID)、触发时间(TriggerTime)。
fnGroup：将算量软件按模块相关性拆分成不同的功能组，不同的功能组具有唯一的fnGroup标识，作为功能组的编码，因此功能组与fnGroup具有一对一的关系。
fnCode:功能编码，唯一标识，1个fnGroup下包含多个fnCode，1个fnCode只对应1个fnGroup，因此fnCode与fnGroup的关系为多对一。
UserID：用户ID，唯一标识算量软件所安装的设备，记录在计算机的注册表中。
TriggerTime：功能触发时间，标识执行算量软件某个功能的开始。
具体地，上述S35包括如下步骤：
S351，按照预设缓存时间将操作行为数据发送至服务端，并将本地缓存中的数据进行清除。
将以上缓存的埋点数据即用户操作行为数据，根据服务器端提供的接口，将这些埋点数据上传到服务器。为了减少服务器请求的频率，默认埋点数据上传的时间间隔为5分钟(也就是5分钟内产生的埋点数据将一起发送到服务器)，上传完成后，将清空缓存的埋点数据。需要说明的是，本实施例是将预设缓存时间设置成5分钟，在实际应用中可以根据实际需求进行设置，本实施例并不以此为限。
在一具体实施例中，上述S35还包括如下步骤：
S352，将操作行为数据进行存储。
在另一具体实施例中，还可以将所有的操作行为数据进行存储，然后一起进行数据上传。
S353，当监听到用户的操作行为是预设结束行为时，将本地存储的数据发送至服务端。将埋点数据存储在本地文件中，然后关闭软件的时候，将埋点数据上传到服务端。
本实施例中提供的自服务方法，通过定时上传操作行为数据的方式将数据进行上传，进而保证存储空间的可利用性，确保了服务的高效性。
在本实施例中提供了一种自服务方法，可用于服务端，例如电脑、手机、平板电脑等。图4是根据本发明实施例的自服务方法的流程图，如图4所示，该流程包括如下步骤：
S41，接收客户端发送的自服务请求，自服务请求中携带有客户端的操作数据。
S42，将操作数据与预设操作链路进行比较，确定目标操作策略。
利用操作数据与预先设置的预设操作链路进行比较，确定目标操作策略，其中预设操作链路可以时具体学习模型构建的系统的整个功能关系图，此步骤将在下文详细阐述。
S43，将目标操作策略反馈给客户端，以使得客户端执行目标操作策略。其中客户端执行目标操作策略的步骤具体如图1步骤S14的详细描述。
本实施例提供的自服务方法，通过预先建立好的预设操作链路，对操作数据进行比较，以确定目标操作策略，保证了自服务的准确性，避免服务的依赖性。
在本实施例中提供了一种自服务方法，可以应用于服务端，如图5所示，该流程包括如下步骤：
S51，接收客户端发送的自服务请求，自服务请求中携带有客户端的操作数据。
详细请参见图4所示实施例的S41，在此不再赘述。
S52，将操作数据与预设操作链路进行比较，确定目标操作策略。
具体地，上述S52包括如下步骤：
S521，获取预设操作链路。
在一具体实施例中，上述S521包括如下步骤：
(1)接收客户端发送的操作行为数据，操作行为数据包括：功能组信息、功能码、触发时间和用户信息。
具体地，在接收客户端发送的操作行为数据之后，还可以选择对操作行为数据进行过滤，以确定有效行为数据。主要对收集上来的用户行为数据做预处理，剔除掉一些关键内容(功能码、触发时间、用户ID等)缺失的数据，以及不完整(功能开始执行的埋点数据或者功能结束的埋点数据缺失)的用户行为数据，以及处理一些重复的行为数据。
(2)利用用户信息将操作行为数据进行分组。
(3)将各个用户分组内的操作行为数据按照功能组信息进行功能组拆分，并将拆分后的操作行为数据按照触发时间进行排序。
(4)利用排序后的操作行为数据的功能码确定预设操作链路。
本实施例中，首先会将数据处理模块保存的结果，按照用户分组；然后将用户的行为数据按触发时间排序，同时按照功能组拆分，在同一个功能组形成功能操作链，不同的功能组中形成模块操作链，最终将算量软件功能构件成一个巨大的功能关系图，利用机器学习算法，不断学习迭代，让功能关系图逐步贴近现实业务。
S522，对接收的操作数据进行解析，确定行为请求路径。
服务端对接收的操作数据进行解析，以得到服务端能够识别的数据，利用操作数据确定行为请求路径，也就是用户实际的操作过程中的操作链路。
S523，将预设操作链路与行为请求路径进行匹配，以确定行为请求路径中缺失的操作行为。
预设操作链路实际上对应1个系统的功能关系图，接收到监听自服务请求后，并将请求构建成一条操作链(请求路径)，然后基于最大匹配算法，在预设操作链路中寻找一条最佳的匹配路径，然后将该路径与请求路径做匹配，预测出请求的操作链中缺少的功能。
S524，利用缺失的操作行为在预设操作策略中查找对应的目标操作策略。
预设操作策略主要是预定义了一些策略规则(如执行功能、升级软件、安装规则等)，并将功能映射到策略规则上，保存到数据库中。利用缺失的操作行为在预设操作策略中查找对应的目标操作策略。其中当需要实现一种新策略时，就将新的策略添加到数据库中，并将相关的功能映射到策略规则上。当需要对旧规则做了修改时，就用新规则替换旧规则。
S53，将目标操作策略反馈给客户端，以使得客户端执行目标操作策略。其中客户端执行目标操作策略的步骤具体如图1步骤S14的详细描述。
本实施例提供的自服务方法，通过服务端接收的各个操作行为数据，构建预设操作链路，以实现自服务的操作选择，保证服务的准确性。
在本实施例中提供了一种自服务方法，如图6所示，通过客户端及服务端进行数据通信及数据处理，实现软件系统的自服务。
S61，客户端监听操作数据，并判断是否需要发送自服务请求；详细请参见图1所示实施例的S11，在此不再赘述。
S62，当需要发送自服务请求时，向服务端发送自服务请求，自服务请求中携带有操作数据；详细请参见图1所示实施例的S12，在此不再赘述。
S63，服务端接收客户端发送的自服务请求，自服务请求中携带有客户端的操作数据。详细请参见图4所示实施例的S41，在此不再赘述。
S64，服务端将操作数据与预设操作链路进行比较，确定目标操作策略。详细请参见图4所示实施例的S42，在此不再赘述。
S65，服务端将目标操作策略反馈给客户端，以使得客户端执行目标操作策略。详细请参见图4所示实施例的S43，在此不再赘述。
S66，客户端接收服务端基于操作数据与预设操作链路反馈的目标操作策略。详细请参见图1所示实施例的S13，在此不再赘述。
S67，执行目标操作策略。详细请参见图1所示实施例的S14，在此不再赘述。
在本实施例中还提供了一种自服务装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种自服务装置，如图7所示，包括：第一处理模块1，用于监听操作数据，并判断是否需要发送自服务请求；第二处理模块2，用于当需要发送自服务请求时，向服务端发送自服务请求，自服务请求中携带有操作数据；第三处理模块3，用于接收服务端基于操作数据与预设操作链路反馈的目标操作策略；第四处理模块4，用于执行目标操作策略。其中，各个模块之间通过内核对象、信号量或者互斥量实现同步。
本实施例提供一种自服务装置，如图8所示，包括：接收模块01，用于接收客户端发送的自服务请求，自服务请求中携带有客户端的操作数据；比较模块02，用于将操作数据与预设操作链路进行比较，确定目标操作策略；反馈确定模块03，用于将目标操作策略反馈给客户端，以使得客户端执行目标操作策略。
本实施例中的自服务装置是以功能单元的形式来呈现，这里的单元是指ASIC电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。
上述各个模块的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
本实施例还提供一种边缘计算系统，如图9所示，包括：
至少一个客户端010，客户端010用于执行第一方面或者第一方面的任意一种实施方式中的自服务方法。
上述各个模块的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
服务端020，与至少一个客户端010连接，服务端020用于执行第二方面或者第二方面的任意一种实施方式中的自服务方法。
上述各个模块的更进一步的功能描述与上述对应实施例相同，在此不再赘述。
具体地以上述建筑工程的算量软件为例，如图10所示，本实施例提供的自服务系统包括：算量软件端(PC端)和服务器端；算量软件在原始实现的基础上，增加了行为埋点设计；同时启动了4个线程，分别为自服务线程、行为埋点监听线程、命令监听线程、行为埋点上传线程。云端主要包含两个服务：模型构建服务和策略服务。
对于算量软件端，其中自服务线程在算量软件启动时运行，与其他线程用事件(Event)内核对象g_serviceEvent同步，初始状态g_serviceEvent为无信号状态，线程运行开始调用WaitForSingleObject等待g_serviceEvent有信号；当其他线程发起自服务请求时，则调用setEvent将g_serviceEvent设置为有信号状态，自服务线程开始执行后续工作。先将行为埋点封装成json格式的请求包，请求包的格式如下：
{data:
[
{“fngroup”：fnGroup1,”fncode”:fnCode1,”devID”:UserID1,”time”:TriggerTime1},
{“fngroup”：fnGroup2,”fncode”:fnCode2,”devID”:UserID2,”time”:TriggerTime2},
{“fngroup”：fnGroup3,”fncode”:fnCode3,”devID”:UserID3,”time”:TriggerTime3},
{…}
]
}
然后向服务器端发起请求。服务器的返回结果也封装成json格式，如下：
{
“StratrgyType”:xxx,
“ret”:xxx,
}
返回结果说明如下：
根据返回的结果，算量软件可以解析应该执行什么策略，同时将g_serviceEvent恢复成无信号状态。
行为埋点线程也采用全局的事件内核对象g_BehObsEvent来实现同步，初始状态无信号，当算量软件记录埋点信息时，会将g_BehObsEven设置为有信号状态，然后检测用户的行为,判断操作的功能组是否发生变化，如果功能组未变化，则将g_BehObsEven设置为无信号状态，同时往埋点记录的链表MDList中加入该条行为埋点信息；如果功能组有变化，则先将MDList作为参数，异步发送自服务请求，然后将MDList清空，再插入行为埋点记录到MDList中。
命令监听线程会使用两个全局的事件内核对象g_CmdBeginEvent和g_CmdEndEvent，分别表示功能开始和结束；两个内核对象初始状态均为无信号状态，命令监听线程开始等待g_CmdBeginEvent有信号，当功能触发时，g_CmdBeginEvent设置成有信号状态，命令继续执行；同时命令监听线程开始执行，并记录当前功能名称与状态，然后获取功能历史执行时间(功能历史运行时间存储在配置文件中，算量软件启动时加载到缓存中)，然后计算命令超时结束间隔timeOut；然后调用WaitForSingleObject(g_CmdEndEvent,timeOut)有限制的等待，该等待正常结束有两种情况，其一是功能结束的时候将g_CmdEndEvent设置为有信号状态，此时WaitForSingleObject返回为WAIT_OBJECT_0，表明此功能已经在timeOut时间内完成；其二是等待超时，此时WaitForSingleObject的返回结果WAIT_TIMEOUT,表示功能执行已经超时，此时则将行为埋点记录MDList作为参数，异步发送自服务请求。
行为埋点上传线程主要负责上传行为埋点数据，每次休眠(Sleep)5分钟，然后将行为埋点封装成json格式(同自升级线程中的行为埋点请求包)数据，上传到服务器。
对于服务器端，模型构建服务主要负责服务器端模型的构建，先统计出行为埋点数据，然后将行为埋点按用户ID分组，去掉不完整的行为埋点(记录了开始，未记录结束)；然后采用机器学习的方法建模，将埋点行为持续迭代聚类，学习出功能之间的关系模型，指导后续策略服务做推荐。
策略服务主要是对功能关系模型的使用，响应算量软件的服务请求。首先根据算量软件的请求参数，基于最大匹配算法从模型中找到最匹配的路径；然后基于贝叶斯算法预测出该条路径的缺失功能和下一步操作功能的概率，找到概率最大的功能，然后从策略规则中匹配出该功能对应的策略，封装成JSON格式(子服务线程时提到的服务器端返回的格式)，返回给客户端。
本发明实施例还提供一种移动终端，具有上述图11所示的自服务装置。
请参阅图11，图11是本发明可选实施例提供的一种终端的结构示意图，如图11所示，该终端可以包括：至少一个处理器601，例如CPU(Central Processing Unit，中央处理器)，至少一个通信接口603，存储器604，至少一个通信总线602。其中，通信总线602用于实现这些组件之间的连接通信。其中，通信接口603可以包括显示屏(Display)、键盘(Keyboard)，可选通信接口603还可以包括标准的有线接口、无线接口。存储器604可以是高速RAM存储器(Random Access Memory，易挥发性随机存取存储器)，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器604可选的还可以是至少一个位于远离前述处理器601的存储装置。其中处理器601可以结合图9和图10所描述的装置，存储器604中存储应用程序，且处理器601调用存储器604中存储的程序代码，以用于执行上述任一方法步骤。
其中，通信总线602可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。通信总线602可以分为地址总线、数据总线、控制总线等。为便于表示，图11中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器604可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)，硬盘(英文：hard diskdrive，缩写：HDD)或固态硬盘(英文：solid-state drive，缩写：SSD)；存储器604还可以包括上述种类的存储器的组合。
其中，处理器601可以是中央处理器(英文：central processing unit，缩写：CPU)，网络处理器(英文：network processor，缩写：NP)或者CPU和NP的组合。
其中，处理器601还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文：application-specific integrated circuit，缩写：ASIC)，可编程逻辑器件(英文：programmable logic device，缩写：PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文：complex programmable logic device，缩写：CPLD)，现场可编程逻辑门阵列(英文：field-programmable gate array，缩写：FPGA)，通用阵列逻辑(英文：generic arraylogic,缩写：GAL)或其任意组合。
可选地，存储器604还用于存储程序指令。处理器601可以调用程序指令，实现如本申请图1和5实施例中所示的方法。
本发明实施例还提供了一种非暂态计算机存储介质，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的自服务方法。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种自服务方法，其特征在于，包括：
监听操作数据，并判断是否需要发送自服务请求，所述操作数据包括功能组信息及功能码；
当需要发送所述自服务请求时，向服务端发送所述自服务请求，所述自服务请求中携带有所述操作数据；
接收所述服务端基于所述操作数据与预设操作链路反馈的目标操作策略；
执行所述目标操作策略；
所述监听操作数据，并判断是否需要发送自服务请求，包括：
监听操作数据，基于所述操作数据确定是否发生服务阻塞；
当发生服务阻塞时，发送自服务请求；
所述基于所述操作数据确定是否发生服务阻塞，包括：
获取当前的操作数据的上一操作数据；判断当前的操作数据与上一操作数据中的功能组信息是否发生改变，当所述功能组信息发生改变时，确定发生服务阻塞；或者，
监听当前操作数据对应的执行时间；判断所述执行时间是否超过所述功能码对应的预设时间，当所述执行时间超过预设时间时，确定发生服务阻塞。
2.根据权利要求1所述的自服务方法，其特征在于，还包括：
监听用户的操作行为，并将所述操作行为数据发送至服务端，以使得所述服务端形成预设操作链路。
3.根据权利要求2所述的自服务方法，其特征在于，所述将所述操作行为数据发送至服务端，包括：按照预设缓存时间将所述操作行为数据发送至服务端，并将本地缓存中的数据进行清除。
4.根据权利要求2所述的自服务方法，其特征在于，所述将所述操作行为数据发送至服务端，还包括：
将所述操作行为数据进行存储；
当监听到用户的操作行为是预设结束行为时，将本地存储的数据发送至服务端。
5.一种自服务方法，其特征在于，包括：
接收客户端发送的自服务请求，所述自服务请求中携带有所述客户端的操作数据；
将所述操作数据与预设操作链路进行比较，确定目标操作策略；
将所述目标操作策略反馈给所述客户端，以使得所述客户端执行所述目标操作策略；
所述将所述操作数据与预设操作链路进行比较，确定目标操作策略，包括：
获取预设操作链路；
对接收的操作数据进行解析，确定行为请求路径；
将所述预设操作链路与所述行为请求路径进行匹配，以确定所述行为请求路径中缺失的操作行为；
利用缺失的操作行为在预设操作策略中查找对应的目标操作策略；
所述获取预设操作链路，包括：
接收客户端发送的操作行为数据，所述操作行为数据包括：功能组信息、功能码、触发时间和用户信息；
利用所述用户信息将所述操作行为数据进行分组；
将各个用户分组内的所述操作行为数据按照功能组信息进行功能组拆分，并将拆分后的所述操作行为数据按照所述触发时间进行排序；
利用排序后的所述操作行为数据的功能码确定预设操作链路。
6.根据权利要求5所述的自服务方法，其特征在于，所述接收客户端发送的操作行为数据，包括：
接收客户端发送的操作行为数据，对所述操作行为数据进行过滤，以确定有效行为数据。
7.一种自服务装置，其特征在于，包括：
第一处理模块，用于监听操作数据，并判断是否需要发送自服务请求，所述操作数据包括功能组信息及功能码；所述监听操作数据，并判断是否需要发送自服务请求，包括：
监听操作数据，基于所述操作数据确定是否发生服务阻塞；
当发生服务阻塞时，发送自服务请求；
所述基于所述操作数据确定是否发生服务阻塞，包括：
获取当前的操作数据的上一操作数据；判断当前的操作数据与上一操作数据中的功能组信息是否发生改变，当所述功能组信息发生改变时，确定发生服务阻塞；或者，
监听当前操作数据对应的执行时间；判断所述执行时间是否超过所述功能码对应的预设时间，当所述执行时间超过预设时间时，确定发生服务阻塞；
第二处理模块，用于当需要发送所述自服务请求时，向服务端发送所述自服务请求，所述自服务请求中携带有所述操作数据；
第三处理模块，用于接收所述服务端基于所述操作数据与预设操作链路反馈的目标操作策略；
第四处理模块，用于执行所述目标操作策略。
8.根据权利要求7所述的自服务装置，其特征在于，所述自服务装置的各个模块之间通过内核对象、信号量或者互斥量实现同步。
9.一种自服务装置，其特征在于，包括：
接收模块，用于接收客户端发送的自服务请求，所述自服务请求中携带有所述客户端的操作数据；
比较模块，用于将所述操作数据与预设操作链路进行比较，确定目标操作策略；所述将所述操作数据与预设操作链路进行比较，确定目标操作策略，包括：
获取预设操作链路；对接收的操作数据进行解析，确定行为请求路径；将所述预设操作链路与所述行为请求路径进行匹配，以确定所述行为请求路径中缺失的操作行为；利用缺失的操作行为在预设操作策略中查找对应的目标操作策略；
所述获取预设操作链路，包括：
接收客户端发送的操作行为数据，所述操作行为数据包括：功能组信息、功能码、触发时间和用户信息；利用所述用户信息将所述操作行为数据进行分组；将各个用户分组内的所述操作行为数据按照功能组信息进行功能组拆分，并将拆分后的所述操作行为数据按照所述触发时间进行排序；利用排序后的所述操作行为数据的功能码确定预设操作链路
反馈确定模块，用于将所述目标操作策略反馈给所述客户端，以使得所述客户端执行所述目标操作策略。
10.一种自服务系统，其特征在于，包括：至少一个客户端和服务端，
至少一个客户端，所述客户端用于执行权利要求1-4中任一项所述的自服务方法；
服务端，与所述至少一个客户端连接，所述服务端用于执行权利要求5-6中任一项所述的自服务方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110314018.9A CN112907221B (zh) | 2021-03-24 | 2021-03-24 | 一种自服务方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110314018.9A CN112907221B (zh) | 2021-03-24 | 2021-03-24 | 一种自服务方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112907221A CN112907221A (zh) | 2021-06-04 |
| CN112907221B true CN112907221B (zh) | 2024-03-26 |
Family
ID=76106207
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110314018.9A Active CN112907221B (zh) | 2021-03-24 | 2021-03-24 | 一种自服务方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112907221B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1358033A (zh) * | 2000-11-03 | 2002-07-10 | 哈拉营业股份有限公司 | 自动服务调度系统 |
| CN101051254A (zh) * | 2007-05-18 | 2007-10-10 | 中国工商银行股份有限公司 | 自助服务终端的字符输入方法及其自助服务终端 |
| WO2009026795A1 (fr) * | 2007-08-25 | 2009-03-05 | Huawei Technologies Co., Ltd. | Entité, et système et procédé de mise en oeuvre d'un service autonome de politique utilisateur |
| JP2015028704A (ja) * | 2013-07-30 | 2015-02-12 | 株式会社リコー | サービス提供システム、サービス提供方法及びプログラム |
| CN106066788A (zh) * | 2015-04-22 | 2016-11-02 | 埃森哲环球服务有限公司 | 生成和提供自服务演示以促进自服务任务的执行 |
| CN106297073A (zh) * | 2016-07-29 | 2017-01-04 | 深圳怡化电脑股份有限公司 | 一种自助终端业务处理方法及系统 |
| CN107769951A (zh) * | 2016-08-22 | 2018-03-06 | 南京中兴软件有限责任公司 | 链路处理方法及装置 |
| CN107945048A (zh) * | 2017-11-15 | 2018-04-20 | 广东电网有限责任公司电力科学研究院 | 一种基于计量自动化系统的数据补采系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120158813A1 (en) * | 2010-12-16 | 2012-06-21 | Udaya Kumar | Service abstraction layer for accessing a plurality of services |
-
2021
- 2021-03-24 CN CN202110314018.9A patent/CN112907221B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1358033A (zh) * | 2000-11-03 | 2002-07-10 | 哈拉营业股份有限公司 | 自动服务调度系统 |
| CN101051254A (zh) * | 2007-05-18 | 2007-10-10 | 中国工商银行股份有限公司 | 自助服务终端的字符输入方法及其自助服务终端 |
| WO2009026795A1 (fr) * | 2007-08-25 | 2009-03-05 | Huawei Technologies Co., Ltd. | Entité, et système et procédé de mise en oeuvre d'un service autonome de politique utilisateur |
| JP2015028704A (ja) * | 2013-07-30 | 2015-02-12 | 株式会社リコー | サービス提供システム、サービス提供方法及びプログラム |
| CN106066788A (zh) * | 2015-04-22 | 2016-11-02 | 埃森哲环球服务有限公司 | 生成和提供自服务演示以促进自服务任务的执行 |
| CN106297073A (zh) * | 2016-07-29 | 2017-01-04 | 深圳怡化电脑股份有限公司 | 一种自助终端业务处理方法及系统 |
| CN107769951A (zh) * | 2016-08-22 | 2018-03-06 | 南京中兴软件有限责任公司 | 链路处理方法及装置 |
| CN107945048A (zh) * | 2017-11-15 | 2018-04-20 | 广东电网有限责任公司电力科学研究院 | 一种基于计量自动化系统的数据补采系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112907221A (zh) | 2021-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10318366B2 (en) | System and method for relationship based root cause recommendation | |
| CN110166462B (zh) | 访问控制方法、系统、电子设备及计算机存储介质 | |
| US11138058B2 (en) | Hierarchical fault determination in an application performance management system | |
| US11153183B2 (en) | Compacted messaging for application performance management system | |
| CN116107589B (zh) | 软件代码的自动编译方法、装置、设备及存储介质 | |
| CN109783459A (zh) | 从日志中提取数据的方法、装置及计算机可读存储介质 | |
| US20230205516A1 (en) | Software change analysis and automated remediation | |
| CN114328132A (zh) | 外部数据源的状态监控方法、装置、设备和介质 | |
| CN115333923A (zh) | 一种故障点溯源分析方法、装置、设备及介质 | |
| CN110737548A (zh) | 数据请求方法和服务器 | |
| CN117407245A (zh) | 模型训练任务异常检测方法及系统、电子设备和存储介质 | |
| CN112907221B (zh) | 一种自服务方法、装置及系统 | |
| KR102512857B1 (ko) | 빅데이터 기반의 스마트 팩토리 분석시스템 및 방법 | |
| KR20220020553A (ko) | 멀티 클라우드 환경에서 애플리케이션 성능 모니터링 방법 및 장치 | |
| US20160366021A1 (en) | User interface for an application performance management system | |
| CN116450176A (zh) | 版本更新方法、装置、电子设备及存储介质 | |
| EP3772834B1 (en) | A method of predicting the time course of a plurality of data relative to a telephony infrastructure for network function virtualization | |
| CN114385398A (zh) | 一种请求响应状态确定方法、装置、设备和存储介质 | |
| CN115168509A (zh) | 风控数据的处理方法及装置、存储介质、计算机设备 | |
| CN114968271A (zh) | 模型部署方法、装置、电子设备及存储介质 | |
| CN114282940A (zh) | 用于意图识别的方法及装置、存储介质及电子设备 | |
| US10817396B2 (en) | Recognition of operational elements by fingerprint in an application performance management system | |
| US12130720B2 (en) | Proactive avoidance of performance issues in computing environments using a probabilistic model and causal graphs | |
| US20230105304A1 (en) | Proactive avoidance of performance issues in computing environments | |
| US11977435B2 (en) | Access method, communication system, and non-transitory computer readable memory |
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 |