CN113239026B - 基于云服务器的云数据的处理方法及云服务器 - Google Patents

基于云服务器的云数据的处理方法及云服务器 Download PDF

Info

Publication number
CN113239026B
CN113239026B CN202110471968.2A CN202110471968A CN113239026B CN 113239026 B CN113239026 B CN 113239026B CN 202110471968 A CN202110471968 A CN 202110471968A CN 113239026 B CN113239026 B CN 113239026B
Authority
CN
China
Prior art keywords
data
check
target screening
target
data transmission
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110471968.2A
Other languages
English (en)
Other versions
CN113239026A (zh
Inventor
张军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai DC Science Co Ltd
Original Assignee
Shanghai DC Science Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai DC Science Co Ltd filed Critical Shanghai DC Science Co Ltd
Priority to CN202110471968.2A priority Critical patent/CN113239026B/zh
Publication of CN113239026A publication Critical patent/CN113239026A/zh
Application granted granted Critical
Publication of CN113239026B publication Critical patent/CN113239026B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0709—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in a distributed system consisting of a plurality of standalone computer nodes, e.g. clusters, client-server systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Debugging And Monitoring (AREA)
  • Stored Programmes (AREA)

Abstract

本发明公开了基于云服务器的云数据的处理方法及云服务器，通过数据管理层对获取到的实时输入数据进行管理，包括数据整合、数据分类，得到目标筛选数据，从而实现了对实时输入数据的筛选；进一步，误差校验算法层通过多层次的校验函数对目标筛选数据进行数据传输误差校验，得到校验结果，解决了现有技术中校验方式单一、适用面窄的问题，同时，引入误差校验方法，实现了对未知的数据传输误差的智能校验；更进一步，采用多种目标排序方式对校验结果进行储存，实现了校验结果的精确化，满足了不同数据的储存需求。

Description

基于云服务器的云数据的处理方法及云服务器
技术领域
本公开涉及云服务器及数据处理技术领域，特别涉及基于云服务器的云数据的处理方法及云服务器。
背景技术
数据处理(data processing)的基本目的是从大量的、可能是杂乱无章的、难以理解的数据中抽取并推导出对于某些特定的人们来说是有价值、有意义的数据。
数据处理对数据(包括数值的和非数值的)进行分析和加工的技术过程。包括对各种原始数据的分析、整理、计算、编辑等的加工和处理。比数据分析含义广。随着计算机的日益普及，在计算机应用领域中，数值计算所占比重很小，通过计算机数据处理进行信息管理已成为主要的应用。如测绘制图管理、仓库管理、财会管理、交通运输管理，技术情报管理、办公室自动化等。在地理数据方面既有大量自然环境数据(土地、水、气候、生物等各类资源数据)，也有大量社会经济数据(人口、交通、工农业等)，常要求进行综合性数据处理。故需建立地理数据库，系统地整理和存储地理数据减少冗余，发展数据处理软件，充分利用数据库技术进行数据管理和处理。但是，相关技术人员在实际操作过程过发现云数据处理存在一些缺陷。
发明内容
为改善相关技术中存在的上述背景技术存在的技术问题，本公开提供了基于云服务器的云数据的处理方法及云服务器。
本发明提供了一种基于云服务器的云数据的处理方法，包括：
对获取到的实时输入数据进行筛选，得到目标筛选数据；所述实时输入数据包含至少两种方式的输入渠道；
基于至少一个层次的校验函数对所述目标筛选数据进行数据传输误差校验，得到校验结果；
采用至少一种目标排序方式对所述校验结果进行储存。
优选地，当所述校验结果为数据传输误差时，所述方法还包括：
响应于针对所述数据传输误差的校验结果的验证参数，生成所述校验结果的验证结果；
基于所述验证结果迭代所述至少一个层次的校验函数。
优选地，所述对获取到的实时输入数据进行筛选，得到目标筛选数据，包括：
从至少一个数据采集设备中获取至少一种实时输入数据；
对所述至少一种实时输入数据进行数据整合，得到全局实时输入数据；
对所述全局实时输入数据进行分类，得到至少一种数据类型，并将所述至少一种数据类型作为目标筛选数据。
优选地，所述对所述全局实时输入数据进行分类，得到至少一种数据类型，包括：
基于时间层次、数据主层次、流速层次、数据主反馈的传输数据层次中的至少一种对所述全局实时输入数据进行分类，得到至少一种数据类型。
优选地，所述基于至少一个层次的校验函数对所述目标筛选数据进行数据传输误差校验，得到校验结果，包括以下至少一种：
基于所述目标筛选数据中的传输数据对所述目标筛选数据进行数据传输误差校验，得到校验结果；
基于数据传输匹配率对所述目标筛选数据进行数据传输误差校验，得到校验结果；
基于数据投放误差对所述目标筛选数据进行数据传输误差校验，得到校验结果；
基于误差校验方法对所述目标筛选数据进行数据传输误差校验，得到校验结果。
优选地，所述基于所述目标筛选数据中的传输数据对所述目标筛选数据进行数据传输误差校验，得到校验结果，包括：
获取所述目标筛选数据中的传输数据；
若校验到所述传输数据中存在集中数据反馈、内容输入错误以及行为方式错误中的至少一种，则判定所述目标筛选数据存在数据传输误差。
优选地，所述基于数据传输匹配率对所述目标筛选数据进行数据传输误差校验，得到校验结果，包括：
确定出所述目标筛选数据的数据主匹配失败率和传输数据匹配失败率；
若所述数据主匹配失败率超过数据主匹配失败率阈值，和/或，所述传输数据匹配失败率超过传输数据匹配失败率阈值，则判定所述目标筛选数据存在数据传输误差。
优选地，所述基于数据投放误差对所述目标筛选数据进行数据传输误差校验，得到校验结果，包括：
确定出所述目标筛选数据的数据传输速率预测差异和数据达成率；
若所述数据传输速率预测差异超过差异阈值，和/或，所述数据达成率超过数据达成率阈值，则判定所述目标筛选数据存在数据传输误差。
本发明提供了一种云服务器，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中调取计算机程序，并通过运行所述计算机程序实现上述任一项所述的方法。
本发明提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在运行时实现上述任一项所述的方法。
本公开的实施例提供的技术方案可以包括以下有益效果。
基于云服务器的云数据的处理方法及云服务器，数据传输误差校验系统对获取到的实时输入数据进行筛选，得到目标筛选数据；所述实时输入数据包含至少两种方式的输入渠道；然后基于至少一个层次的校验函数对所述目标筛选数据进行数据传输误差校验，得到校验结果，再采用至少一种目标排序方式对所述校验结果进行储存。这样，通过数据管理层对获取到的实时输入数据进行管理，包括数据整合、数据分类，得到目标筛选数据，从而实现了对实时输入数据的筛选；进一步，误差校验算法层通过多层次的校验函数对目标筛选数据进行数据传输误差校验，得到校验结果，解决了现有技术中校验方式单一、适用面窄的问题，同时，引入误差校验方法，实现了对未知的数据传输误差的智能校验；更进一步，采用多种目标排序方式对校验结果进行储存，实现了校验结果的精确化，满足了不同数据的储存需求。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并于说明书一起用于解释本发明的原理。
图1为本发明实施例所提供的基于云服务器的云数据的处理系统的架构示意图；
图2为本发明实施例所提供的基于云服务器的云数据的处理方法的流程图；
图3为本发明实施例所提供的基于云服务器的云数据的处理装置的功能模块框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
为了便于对上述的基于云服务器的云数据的处理方法及装置进行阐述，请结合参考图1，提供了本发明实施例所公开的基于云服务器的云数据的处理系统100的通信架构示意图。其中，所述基于云服务器的云数据的处理系统100可以包括云服务器300以及数据采集设备200，所述云服务器300与所述数据采集设备200通信连接。
在具体的实施方式中，云服务器300可以是台式电脑、平板电脑、笔记本电脑、手机或者其他能够实现数据处理以及数据通信的云服务器，在此不作过多限定。
在上述基础上，请结合参阅图2，为本发明实施例所提供的基于云服务器的云数据的处理方法的流程示意图，所述基于云服务器的云数据的处理方法可以应用于图1中的云服务器300，进一步地，所述基于云服务器的云数据的处理方法具体可以包括以下步骤S21-步骤S23所描述的内容。
步骤S21，对获取到的实时输入数据进行筛选，得到目标筛选数据；所述实时输入数据包含至少两种方式的输入渠道。
示例性的，所述目标筛选数据表示对实时输入数据进行初筛选的过程，能将实时输入数据不重要的相关数据进行删除，这样能有效地降低后续步骤的工作量。
步骤S22，基于至少一个层次的校验函数对所述目标筛选数据进行数据传输误差校验，得到校验结果。
示例性的，所述数据传输误差校验表示在目标筛选数据中存在错误的相关数据，这样就会将错误数据进行储存，为了避免这种情况的发生，需要将错误数据进行校验，这样得到的数据更加的精确。
步骤S23，采用至少一种目标排序方式对所述校验结果进行储存。
示例性的，按照至少一种目标排序方式对所述校验结果进行储存，这样再查询相关数据时，能快速的进行查找。
可以理解，在执行上述步骤S21-步骤S23所描述的内容时，数据传输误差校验系统对获取到的实时输入数据进行筛选，得到目标筛选数据；所述实时输入数据包含至少两种方式的输入渠道；然后基于至少一个层次的校验函数对所述目标筛选数据进行数据传输误差校验，得到校验结果，再采用至少一种目标排序方式对所述校验结果进行储存。这样，通过数据管理层对获取到的实时输入数据进行管理，包括数据整合、数据分类，得到目标筛选数据，从而实现了对实时输入数据的筛选；进一步，误差校验算法层通过多层次的校验函数对目标筛选数据进行数据传输误差校验，得到校验结果，解决了现有技术中校验方式单一、适用面窄的问题，同时，引入误差校验方法，实现了对未知的数据传输误差的智能校验；更进一步，采用多种目标排序方式对校验结果进行储存，实现了校验结果的精确化，满足了不同数据的储存需求。
基于上述基础，当所述校验结果为数据传输误差时，所述方法还包括以下步骤a1和步骤a2所描述的内容。
步骤a1，响应于针对所述数据传输误差的校验结果的验证参数，生成所述校验结果的验证结果。
步骤a2，基于所述验证结果迭代所述至少一个层次的校验函数。
可以理解，在执行上述步骤a1和步骤a2所描述的内容时，进一步地对校验结果进行参数验证，这样能有效地降低数据传输误差的工作量。
在实际操作过程中，发明人发现，在所述对获取到的实时输入数据进行筛选时，存在相关数据筛选错误的问题，从而难以准确地得到目标筛选数据，为了改善上述技术问题，步骤S21所描述的所述对获取到的实时输入数据进行筛选，得到目标筛选数据的步骤，具体可以包括以下步骤S211-步骤S213所描述的内容。
步骤S211，从至少一个数据采集设备中获取至少一种实时输入数据。
步骤S212，对所述至少一种实时输入数据进行数据整合，得到全局实时输入数据。
步骤S213，对所述全局实时输入数据进行分类，得到至少一种数据类型，并将所述至少一种数据类型作为目标筛选数据。
可以理解，在执行上述步骤S211-步骤S213所描述的内容时，在所述对获取到的实时输入数据进行筛选时，避免相关数据筛选错误的问题，从而能够准确地得到目标筛选数据。
在实际操作过程中，发明人发现，所述对所述全局实时输入数据进行分类时，存在分类不准确的问题，从而难以准确地得到至少一种数据类型，为了改善上述技术问题，步骤S213所描述的对所述全局实时输入数据进行分类，得到至少一种数据类型的步骤，具体可以包括以下步骤q1所描述的内容。
步骤q1，基于时间层次、数据主层次、流速层次、数据主反馈的传输数据层次中的至少一种对所述全局实时输入数据进行分类，得到至少一种数据类型。
可以理解，在执行上述步骤q1所描述的内容时，所述对所述全局实时输入数据进行分类时，避免分类不准确的问题，从而能够准确地得到至少一种数据类型。
在实际操作过程中，发明人发现，所述基于至少一个层次的校验函数对所述目标筛选数据进行数据传输误差校验时，存在校验不可靠的问题，从而难以可靠地得到校验结果，为了改善上述技术问题，步骤S22所描述的所述基于至少一个层次的校验函数对所述目标筛选数据进行数据传输误差校验，得到校验结果的步骤，具体可以包括以下步骤S221-步骤S224所描述的内容。
步骤S221，基于所述目标筛选数据中的传输数据对所述目标筛选数据进行数据传输误差校验，得到校验结果。
步骤S222，基于数据传输匹配率对所述目标筛选数据进行数据传输误差校验，得到校验结果。
步骤S223，基于数据投放误差对所述目标筛选数据进行数据传输误差校验，得到校验结果。
步骤S224，基于误差校验方法对所述目标筛选数据进行数据传输误差校验，得到校验结果。
可以理解，在执行上述步骤S221-步骤S224所描述的内容时，所述基于至少一个层次的校验函数对所述目标筛选数据进行数据传输误差校验时，避免校验不可靠的问题，从而能够可靠地得到校验结果。
在实际操作过程中，发明人发现，所述基于所述目标筛选数据中的传输数据对所述目标筛选数据进行数据传输误差校验时，存在多种数据错误而不能导致不能精确的确定数据传输错误的问题，从而难以精确地得到校验结果，为了改善上述问题，步骤S221所描述的所述基于所述目标筛选数据中的传输数据对所述目标筛选数据进行数据传输误差校验，得到校验结果的步骤，具体可以包括以下步骤W1和步骤W2所描述的内容。
步骤W1，获取所述目标筛选数据中的传输数据。
步骤W2，若校验到所述传输数据中存在集中数据反馈、内容输入错误以及行为方式错误中的至少一种，则判定所述目标筛选数据存在数据传输误差。
可以理解，在执行上述步骤W1和步骤W2所描述的内容时，所述基于所述目标筛选数据中的传输数据对所述目标筛选数据进行数据传输误差校验时，避免多种数据错误而不能导致不能精确的确定数据传输错误的问题，从而能够精确地得到校验结果。
在实际操作过程中，发明人发现，所述基于数据传输匹配率对所述目标筛选数据进行数据传输误差校验时，存在相关数据筛选错误的问题，从而难以精确地得到校验结果，为了改善上述技术问题，步骤S222所描述的基于数据传输匹配率对所述目标筛选数据进行数据传输误差校验，得到校验结果的步骤，具体可以包括以下步骤d1和步骤d2所描述的内容。
步骤d1，确定出所述目标筛选数据的数据主匹配失败率和传输数据匹配失败率。
步骤d2，若所述数据主匹配失败率超过数据主匹配失败率阈值，和/或，所述传输数据匹配失败率超过传输数据匹配失败率阈值，则判定所述目标筛选数据存在数据传输误差。
可以理解，所述基于数据传输匹配率对所述目标筛选数据进行数据传输误差校验时，避免相关数据筛选错误的问题，从而能够精确地得到校验结果。
在实际操作过程中，发明人发现，所述基于数据投放误差对所述目标筛选数据进行数据传输误差校验时，存在预设值不准确的问题，从而难以准确地得到校验结果，为了改善上述技术问题，步骤S222所描述的基于数据传输匹配率对所述目标筛选数据进行数据传输误差校验，得到校验结果的步骤，具体可以包括以下步骤t1和步骤t2所描述的内容。
步骤t1，确定出所述目标筛选数据的数据传输速率预测差异和数据达成率。
步骤t2，若所述数据传输速率预测差异超过差异阈值，和/或，所述数据达成率超过数据达成率阈值，则判定所述目标筛选数据存在数据传输误差。
可以理解，在执行上述步骤t1和步骤t2所描述的内容时，所述基于数据投放误差对所述目标筛选数据进行数据传输误差校验时，避免预设值不准确的问题，从而能够准确地得到校验结果。
在实际操作过程中，发明人发现，所述采用至少一种目标排序方式对所述校验结果进行储存，存在排列顺序混乱的问题，从而导致校验结果储存混乱，为了改善上述技术问题，步骤S23所描述的所述采用至少一种目标排序方式对所述校验结果进行储存的步骤，具体可以包括以下步骤S231和步骤S232所描述的内容。
步骤S231，获取所述至少一种目标排序方式各自对应的排序方式样本。
步骤S232，将所述校验结果输入至各个所述排序方式样本中，得到所述至少一种目标排序方式的校验结果，并将所述至少一种目标排序方式的校验结果进行储存。
可以理解，在执行上述步骤S231和步骤S232所描述的内容时，所述采用至少一种目标排序方式对所述校验结果进行储存，避免排列顺序混乱的问题，从而使校验结果有序的进行储存。
基于同样的发明构思，还提供了基于云服务器的云数据的处理系统，所述系统包括数据采集设备和云服务器，所述数据采集设备与所述云服务器通信连接，云服务器具体用于：
对获取到的实时输入数据进行筛选，得到目标筛选数据；所述实时输入数据包含至少两种方式的输入渠道；
基于至少一个层次的校验函数对所述目标筛选数据进行数据传输误差校验，得到校验结果；
采用至少一种目标排序方式对所述校验结果进行储存。
基于上述同样的发明构思，请结合参阅图3，还提供了基于云服务器的云数据的处理装置500的功能模块框图，关于所述基于云服务器的云数据的处理装置500的详细描述如下。
基于云服务器的云数据的处理装置500，应用于云服务器，所述装置500包括：
数据筛选模型510，用于对获取到的实时输入数据进行筛选，得到目标筛选数据；所述实时输入数据包含至少两种方式的输入渠道；
数据校验模块520，用于基于至少一个层次的校验函数对所述目标筛选数据进行数据传输误差校验，得到校验结果；
数据存储模块530，用于采用至少一种目标排序方式对所述校验结果进行储存。
一种云服务器，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中调取计算机程序，并通过运行所述计算机程序实现上述任一项所述的方法。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在运行时实现上述任一项所述的方法。
综上，基于云服务器的云数据的处理方法及云服务器，数据传输误差校验系统对获取到的实时输入数据进行筛选，得到目标筛选数据；所述实时输入数据包含至少两种方式的输入渠道；然后基于至少一个层次的校验函数对所述目标筛选数据进行数据传输误差校验，得到校验结果，再采用至少一种目标排序方式对所述校验结果进行储存。这样，通过数据管理层对获取到的实时输入数据进行管理，包括数据整合、数据分类，得到目标筛选数据，从而实现了对实时输入数据的筛选；进一步，误差校验算法层通过多层次的校验函数对目标筛选数据进行数据传输误差校验，得到校验结果，解决了现有技术中校验方式单一、适用面窄的问题，同时，引入误差校验方法，实现了对未知的数据传输误差的智能校验；更进一步，采用多种目标排序方式对校验结果进行储存，实现了校验结果的精确化，满足了不同数据的储存需求。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (3)

1.一种基于云服务器的云数据的处理方法，其特征在于，包括：
对获取到的实时输入数据进行筛选，得到目标筛选数据；所述实时输入数据包含至少两种方式的输入渠道；
基于多个层次的校验函数对所述目标筛选数据进行数据传输误差校验，得到校验结果；
采用多种目标排序方式对所述校验结果进行储存；
其中，当所述校验结果为数据传输误差时，所述方法还包括：
响应于针对所述数据传输误差的校验结果的验证参数，生成所述校验结果的验证结果；
基于所述验证结果迭代所述多个层次的校验函数；
其中，所述对获取到的实时输入数据进行筛选，得到目标筛选数据，包括：
从多个数据采集设备中获取多种实时输入数据；
对所述多种实时输入数据进行数据整合，得到全局实时输入数据；
对所述全局实时输入数据进行分类，得到多种数据类型，并将所述多种数据类型作为目标筛选数据；
其中，所述对所述全局实时输入数据进行分类，得到多种数据类型，包括：
基于时间层次、数据主层次、流速层次、数据主反馈的传输数据层次中的多种对所述全局实时输入数据进行分类，得到多种数据类型；
其中，所述基于多个层次的校验函数对所述目标筛选数据进行数据传输误差校验，得到校验结果，包括以下多种：
基于所述目标筛选数据中的传输数据对所述目标筛选数据进行数据传输误差校验，得到校验结果；
基于数据传输匹配率对所述目标筛选数据进行数据传输误差校验，得到校验结果；
基于数据投放误差对所述目标筛选数据进行数据传输误差校验，得到校验结果；
基于误差校验方法对所述目标筛选数据进行数据传输误差校验，得到校验结果；
其中于，所述基于所述目标筛选数据中的传输数据对所述目标筛选数据进行数据传输误差校验，得到校验结果，包括：
获取所述目标筛选数据中的传输数据；
若校验到所述传输数据中存在集中数据反馈、内容输入错误以及行为方式错误中的多种，则判定所述目标筛选数据存在数据传输误差；
其中，所述基于数据传输匹配率对所述目标筛选数据进行数据传输误差校验，得到校验结果，包括：
确定出所述目标筛选数据的数据主匹配失败率和传输数据匹配失败率；
若所述数据主匹配失败率超过数据主匹配失败率阈值，和/或，所述传输数据匹配失败率超过传输数据匹配失败率阈值，则判定所述目标筛选数据存在数据传输误差；
其中，所述基于数据投放误差对所述目标筛选数据进行数据传输误差校验，得到校验结果，包括：
确定出所述目标筛选数据的数据传输速率预测差异和数据达成率；
若所述数据传输速率预测差异超过差异阈值，和/或，所述数据达成率超过数据达成率阈值，则判定所述目标筛选数据存在数据传输误差；
其中，所述采用多种目标排序方式对所述校验结果进行储存的步骤，包括：
获取所述多种目标排序方式各自对应的排序方式样本；
将所述校验结果输入至各个所述排序方式样本中，得到所述多种目标排序方式的校验结果，并将所述多种目标排序方式的校验结果进行储存。
2.一种云服务器，其特征在于，包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中调取计算机程序，并通过运行所述计算机程序实现权利要求1所述的方法。
3.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序在运行时实现权利要求1所述的方法。
CN202110471968.2A 2021-04-29 2021-04-29 基于云服务器的云数据的处理方法及云服务器 Active CN113239026B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110471968.2A CN113239026B (zh) 2021-04-29 2021-04-29 基于云服务器的云数据的处理方法及云服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110471968.2A CN113239026B (zh) 2021-04-29 2021-04-29 基于云服务器的云数据的处理方法及云服务器

Publications (2)

Publication Number Publication Date
CN113239026A CN113239026A (zh) 2021-08-10
CN113239026B true CN113239026B (zh) 2022-08-16

Family

ID=77131380

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110471968.2A Active CN113239026B (zh) 2021-04-29 2021-04-29 基于云服务器的云数据的处理方法及云服务器

Country Status (1)

Country Link
CN (1) CN113239026B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102255974A (zh) * 2011-08-24 2011-11-23 无锡中科方德软件有限公司 一种云计算服务器的云存储方法
CN104008158A (zh) * 2014-05-27 2014-08-27 青岛海信移动通信技术股份有限公司 数据校验方法、校验装置及移动终端
CN104486150A (zh) * 2014-12-03 2015-04-01 中国航空工业集团公司第六三一研究所 一种机载网络数据内容完整性的测试方法
CN108429756A (zh) * 2018-03-22 2018-08-21 安徽八六物联科技有限公司 一种大数据安全存储校验系统
CN110806948A (zh) * 2019-10-31 2020-02-18 上海集成电路研发中心有限公司 一种数据校验方法及装置
CN111083115A (zh) * 2019-11-20 2020-04-28 中国航空工业集团公司西安航空计算技术研究所 数据传输方法和系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102984180A (zh) * 2011-09-02 2013-03-20 广东电子工业研究院有限公司 一种基于云存储的跨移动平台数据处理装置及其处理方法
CN110445583B (zh) * 2019-08-12 2022-05-17 珠海市伟高变频科技有限公司 数据传输的校验方法、校验系统及计算机可读存储介质
CN111614712B (zh) * 2020-03-13 2022-09-20 北京旷视科技有限公司 数据校验系统、方法、装置、服务器及存储介质
CN111385203B (zh) * 2020-03-19 2022-02-22 上海东普信息科技有限公司 基于混合云的数据传输方法、装置、设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102255974A (zh) * 2011-08-24 2011-11-23 无锡中科方德软件有限公司 一种云计算服务器的云存储方法
CN104008158A (zh) * 2014-05-27 2014-08-27 青岛海信移动通信技术股份有限公司 数据校验方法、校验装置及移动终端
CN104486150A (zh) * 2014-12-03 2015-04-01 中国航空工业集团公司第六三一研究所 一种机载网络数据内容完整性的测试方法
CN108429756A (zh) * 2018-03-22 2018-08-21 安徽八六物联科技有限公司 一种大数据安全存储校验系统
CN110806948A (zh) * 2019-10-31 2020-02-18 上海集成电路研发中心有限公司 一种数据校验方法及装置
CN111083115A (zh) * 2019-11-20 2020-04-28 中国航空工业集团公司西安航空计算技术研究所 数据传输方法和系统

Also Published As

Publication number Publication date
CN113239026A (zh) 2021-08-10

Similar Documents

Publication Publication Date Title
US20230009563A1 (en) Automated adaptive data analysis using dynamic data quality assessment
CN110781294B (zh) 训练语料库细化和增量更新
WO2018103718A1 (zh) 应用推荐的方法、装置及服务器
CN103513983B (zh) 用于预测性警报阈值确定工具的方法和系统
CN107633030B (zh) 基于数据模型的信用评估方法及装置
CN108241867B (zh) 一种分类方法及装置
US11599826B2 (en) Knowledge aided feature engineering
US20180046599A1 (en) Automatic detection of outliers in multivariate data
CN113554175B (zh) 一种知识图谱构建方法、装置、可读存储介质及终端设备
CN116882520A (zh) 针对预定预测问题的预测方法及系统
CN113657993A (zh) 信用风险识别方法、装置、设备及存储介质
CN112508456A (zh) 食品安全风险评估方法、系统、计算机设备及存储介质
CN113822488A (zh) 融资租赁的风险预测方法、装置、计算机设备及存储介质
Ramos-Gutiérrez et al. Discovering configuration workflows from existing logs using process mining
Gerrits Soul of a new machine: Self-learning algorithms in public administration
US11227288B1 (en) Systems and methods for integration of disparate data feeds for unified data monitoring
WO2021236423A1 (en) Identifying claim complexity by integrating supervised and unsupervised learning
CN113239026B (zh) 基于云服务器的云数据的处理方法及云服务器
CN114916237A (zh) 用于缺陷分析的计算机实现的方法、评估缺陷出现的可能性的计算机实现的方法、用于缺陷分析的设备、计算机程序产品和智能缺陷分析系统
CN110597796A (zh) 基于全生命周期的大数据实时建模方法及系统
US20220374401A1 (en) Determining domain and matching algorithms for data systems
CN114140004A (zh) 数据处理方法、装置、电子设备及存储介质
CN114493853A (zh) 信用等级评价方法、装置、电子设备及存储介质
CN113220551A (zh) 指标趋势预测及预警方法、装置、电子设备及存储介质
Uddin et al. Rough set based information theoretic approach for clustering uncertain categorical data

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