CN113297162A - 一种基于云计算的数据存储方法及装置 - Google Patents

一种基于云计算的数据存储方法及装置 Download PDF

Info

Publication number
CN113297162A
CN113297162A CN202011425817.5A CN202011425817A CN113297162A CN 113297162 A CN113297162 A CN 113297162A CN 202011425817 A CN202011425817 A CN 202011425817A CN 113297162 A CN113297162 A CN 113297162A
Authority
CN
China
Prior art keywords
service data
data
matching
stored
tag information
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.)
Withdrawn
Application number
CN202011425817.5A
Other languages
English (en)
Inventor
顾黎明
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.)
Suzhou Lyudian Information Technology Co ltd
Original Assignee
Suzhou Lyudian Information Technology 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 Suzhou Lyudian Information Technology Co ltd filed Critical Suzhou Lyudian Information Technology Co ltd
Priority to CN202011425817.5A priority Critical patent/CN113297162A/zh
Publication of CN113297162A publication Critical patent/CN113297162A/zh
Withdrawn legal-status Critical Current

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
    • G06F16/10—File systems; File servers
    • G06F16/18—File system types
    • G06F16/182—Distributed file systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H04L67/01—Protocols
    • H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
    • 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
    • H04L67/14—Session management
    • H04L67/146—Markers for unambiguous identification of a particular session, e.g. session cookie or URL-encoding

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于云计算的数据存储方法及装置。在该方法中，首先确定第一待存储业务数据与第二待存储业务数据，获取第一待存储业务数据的第一数据类型和所述第二待存储业务数据的第二数据类型，其次确定第一数据类型中的每一个标签信息与第二数据类型中的每一个标签信息，得到第一标签信息集，进而确定第一标签信息集中的任意两个标签信息之间的匹配度，得到匹配关系列表，进而将匹配关系列表中的匹配值小于第一预设阀值的匹配度调整为第一预设阀值，在得到匹配值列表之后，根据预设的路径对匹配值列表中的待存储业务数据进行存储。这样一来，可以避免企业中的重要客户数据丢失。

Description

一种基于云计算的数据存储方法及装置
技术领域
本发明涉及云计算的数据存储技术领域，特别涉及基于云计算的数据存储方法及装置。
背景技术
目前，企业对于数据存储大部分是存储在电脑设备的本地盘中，若电脑设备出现故障，则较大可能会导致企业中的重要客户数据丢失。
发明内容
为改善相关技术中存在的技术问题，本发明提供了基于云计算的数据存储方法及装置。
本发明提供了一种基于云计算的数据存储方法，应用于数据存储终端，包括：
确定第一待存储业务数据与第二待存储业务数据，获取所述第一待存储业务数据的第一数据类型和所述第二待存储业务数据的第二数据类型；其中，所述第一待存储业务数据中包括第一业务数据标识，所述第二待存储业务数据中包括第二业务数据标识；
获取所述第一数据类型中的每一个标签信息与所述第二数据类型中的每一个标签信息，得到第一标签信息集；
确定所述第一标签信息集中的任意两个标签信息之间的匹配度，得到匹配关系列表；将所述匹配关系列表中的匹配值小于第一预设阀值的匹配度调整为第一预设阀值，得到匹配值列表；
根据预设的路径对所述匹配值列表中的待存储业务数据进行存储，得到第一存储文件，其中，所述第一存储文件用于指示所述第一业务数据标识与所述第二业务数据标识为同一业务数据标识或者为不同业务数据标识。
在一种可替换的实施方式中，所述确定所述第一标签信息集中的任意两个标签信息之间的匹配度，得到匹配关系列表，包括：将所述第一标签信息集中的每一个标签信息确定为当前标签信息，执行以下步骤，直到遍历所述第一标签信息集：计算所述当前标签信息与所述第一标签信息集中的每一个标签信息的匹配度，将计算得到的多个所述匹配度确定为所述匹配关系列表中的一个列表。
在一种可替换的实施方式中，确定两个所述标签信息之间的匹配度，包括：计算两个所述标签信息的内积，得到计算结果；将所述计算结果确定为两个所述标签信息之间的所述匹配度。
在一种可替换的实施方式中，所述将所述匹配关系列表中的匹配值小于第一预设阀值的匹配度调整为第一预设阀值，得到匹配值列表，包括：将所述匹配关系列表中的每一个匹配值确定为当前匹配值，执行以下步骤，直到遍历所述匹配关系列表：获取所述当前匹配值；在所述当前匹配值小于所述第一预设阀值的情况下，将所述当前匹配值调整为所述第一预设阀值；在遍历完成后，将调整后的所述匹配关系列表确定为所述匹配值列表。
在一种可替换的实施方式中，所述根据预设的路径对所述匹配值列表中的待存储业务数据进行存储，得到第一存储文件，包括：将所述匹配值列表转换为匹配值单元；将所述匹配值列表、所述匹配值单元、所述第一数据类型与所述第二数据类型输入到预定公式中，得到所述第一待存储业务数据与所述第二待存储业务数据的存储数据；使用目标神经网络模型验证所述存储数据，得到所述第一存储文件。
在一种可替换的实施方式中，在得到所述第一存储文件之后，所述方法还包括：在所述第一存储文件大于或等于第二预设阀值的情况下，确定所述第一业务数据标识与所述第二业务数据标识为同一业务数据标识；在所述第一存储文件小于所述第二预设阀值的情况下，确定所述第一业务数据标识与所述第二业务数据标识为不同业务数据标识。
在一种可替换的实施方式中，在获取所述第一待存储业务数据的所述第一数据类型和所述第二待存储业务数据的所述第二数据类型之前，所述方法还包括：获取一组样本待存储业务数据组；将所述一组样本待存储业务数据组输入到原始神经网络模型中，训练所述原始神经网络模型，直到得到目标神经网络模型，其中，所述目标神经网络模型用于验证所述第一业务数据标识与所述第二业务数据标识是否为同一业务数据标识。
在一种可替换的实施方式中，所述将所述一组样本待存储业务数据组输入到原始神经网络模型中，训练所述原始神经网络模型，直到得到目标神经网络模型包括：从所述样本待存储业务数据组中确定出第一样本待存储业务数据与第二样本待存储业务数据；确定所述第一样本待存储业务数据与所述第二样本待存储业务数据的存储数据；通过所述存储数据确定出所述原始神经网络模型数据综合值；在所述数据综合值大于第三预设阀值的情况下，调整所述原始神经网络模型，直到所述数据综合值小于或等于所述第三预设阀值。
在一种可替换的实施方式中，在确定所述第一业务数据标识与所述第二业务数据标识为同一业务数据标识之后，所述方法还包括：将所述第一业务数据标识的第一数据标识记录轨迹和所述第二业务数据标识的第二数据标识记录轨迹进行拼接，得到所述第一业务数据标识的目标数据标识记录轨迹。
本发明还提供了一种基于云计算的数据存储装置，包括：
数据类型确定模块，用于确定第一待存储业务数据与第二待存储业务数据，获取所述第一待存储业务数据的第一数据类型和所述第二待存储业务数据的第二数据类型；其中，所述第一待存储业务数据中包括第一业务数据标识，所述第二待存储业务数据中包括第二业务数据标识；
标签信息确定模块，用于获取所述第一数据类型中的每一个标签信息与所述第二数据类型中的每一个标签信息，得到第一标签信息集；
匹配关系列表获取模块，用于确定所述第一标签信息集中的任意两个标签信息之间的匹配度，得到匹配关系列表；将所述匹配关系列表中的匹配值小于第一预设阀值的匹配度调整为第一预设阀值，得到匹配值列表；
数据存储模块，用于根据预设的路径对所述匹配值列表中的待存储业务数据进行存储，得到第一存储文件，其中，所述第一存储文件用于指示所述第一业务数据标识与所述第二业务数据标识为同一业务数据标识或者为不同业务数据标识。
本发明的实施例提供的技术方案可以包括以下有益效果。
本发明提供了基于云计算的数据存储方法及装置，首先确定第一待存储业务数据与第二待存储业务数据，进而获取第一待存储业务数据的第一数据类型和所述第二待存储业务数据的第二数据类型，其次确定第一数据类型中的每一个标签信息与第二数据类型中的每一个标签信息，得到第一标签信息集，在此基础上，确定第一标签信息集中的任意两个标签信息之间的匹配度，得到匹配关系列表，进而将匹配关系列表中的匹配值小于第一预设阀值的匹配度调整为第一预设阀值，在得到匹配值列表之后，根据预设的路径对匹配值列表中的待存储业务数据进行存储。这样一来，可以避免企业中的重要客户数据丢失。
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是本发明实施例提供的一种基于云计算的数据存储方法的流程图。
图2是本发明实施例提供的一种基于云计算的数据存储装置的框图。
图3是本发明实施例提供的一种数据存储终端的硬件结构示意图。
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。
请结合参阅图1，提供了一种基于云计算的数据存储方法的流程示意图，应用于数据存储终端，在实现上述方法时具体执行以下步骤S11-步骤S14所描述的内容。
步骤S11，确定第一待存储业务数据与第二待存储业务数据，获取所述第一待存储业务数据的第一数据类型和所述第二待存储业务数据的第二数据类型；其中，所述第一待存储业务数据中包括第一业务数据标识，所述第二待存储业务数据中包括第二业务数据标识。
步骤S12，获取所述第一数据类型中的每一个标签信息与所述第二数据类型中的每一个标签信息，得到第一标签信息集。
步骤S13，确定所述第一标签信息集中的任意两个标签信息之间的匹配度，得到匹配关系列表；将所述匹配关系列表中的匹配值小于第一预设阀值的匹配度调整为第一预设阀值，得到匹配值列表。
步骤S14，根据预设的路径对所述匹配值列表中的待存储业务数据进行存储，得到第一存储文件，其中，所述第一存储文件用于指示所述第一业务数据标识与所述第二业务数据标识为同一业务数据标识或者为不同业务数据标识。
在执行上述步骤S11-步骤S14所描述的方法时可以达到如下有益技术效果：首先确定第一待存储业务数据与第二待存储业务数据，进而获取第一待存储业务数据的第一数据类型和所述第二待存储业务数据的第二数据类型，其次确定第一数据类型中的每一个标签信息与第二数据类型中的每一个标签信息，得到第一标签信息集，在此基础上，确定第一标签信息集中的任意两个标签信息之间的匹配度，得到匹配关系列表，进而将匹配关系列表中的匹配值小于第一预设阀值的匹配度调整为第一预设阀值，在得到匹配值列表之后，根据预设的路径对匹配值列表中的待存储业务数据进行存储。这样一来，可以避免企业中的重要客户数据丢失。
在一种可替换的实施方式中，所述确定所述第一标签信息集中的任意两个标签信息之间的匹配度，得到匹配关系列表，包括：将所述第一标签信息集中的每一个标签信息确定为当前标签信息，执行以下步骤，直到遍历所述第一标签信息集：计算所述当前标签信息与所述第一标签信息集中的每一个标签信息的匹配度，将计算得到的多个所述匹配度确定为所述匹配关系列表中的一个列表。
在一种可替换的实施方式中，确定两个所述标签信息之间的匹配度，包括：计算两个所述标签信息的内积，得到计算结果；将所述计算结果确定为两个所述标签信息之间的所述匹配度。
在一种可替换的实施方式中，所述将所述匹配关系列表中的匹配值小于第一预设阀值的匹配度调整为第一预设阀值，得到匹配值列表，包括：将所述匹配关系列表中的每一个匹配值确定为当前匹配值，执行以下步骤，直到遍历所述匹配关系列表：获取所述当前匹配值；在所述当前匹配值小于所述第一预设阀值的情况下，将所述当前匹配值调整为所述第一预设阀值；在遍历完成后，将调整后的所述匹配关系列表确定为所述匹配值列表。
在一种可替换的实施方式中，所述根据预设的路径对所述匹配值列表中的待存储业务数据进行存储，得到第一存储文件，包括：将所述匹配值列表转换为匹配值单元；将所述匹配值列表、所述匹配值单元、所述第一数据类型与所述第二数据类型输入到预定公式中，得到所述第一待存储业务数据与所述第二待存储业务数据的存储数据；使用目标神经网络模型验证所述存储数据，得到所述第一存储文件。
在一种可替换的实施方式中，在得到所述第一存储文件之后，所述方法还包括：在所述第一存储文件大于或等于第二预设阀值的情况下，确定所述第一业务数据标识与所述第二业务数据标识为同一业务数据标识；在所述第一存储文件小于所述第二预设阀值的情况下，确定所述第一业务数据标识与所述第二业务数据标识为不同业务数据标识。
在一种可替换的实施方式中，在获取所述第一待存储业务数据的所述第一数据类型和所述第二待存储业务数据的所述第二数据类型之前，所述方法还包括：获取一组样本待存储业务数据组；将所述一组样本待存储业务数据组输入到原始神经网络模型中，训练所述原始神经网络模型，直到得到目标神经网络模型，其中，所述目标神经网络模型用于验证所述第一业务数据标识与所述第二业务数据标识是否为同一业务数据标识。
在一种可替换的实施方式中，所述将所述一组样本待存储业务数据组输入到原始神经网络模型中，训练所述原始神经网络模型，直到得到目标神经网络模型包括：从所述样本待存储业务数据组中确定出第一样本待存储业务数据与第二样本待存储业务数据；确定所述第一样本待存储业务数据与所述第二样本待存储业务数据的存储数据；通过所述存储数据确定出所述原始神经网络模型数据综合值；在所述数据综合值大于第三预设阀值的情况下，调整所述原始神经网络模型，直到所述数据综合值小于或等于所述第三预设阀值。
在一种可替换的实施方式中，在确定所述第一业务数据标识与所述第二业务数据标识为同一业务数据标识之后，所述方法还包括：将所述第一业务数据标识的第一数据标识记录轨迹和所述第二业务数据标识的第二数据标识记录轨迹进行拼接，得到所述第一业务数据标识的目标数据标识记录轨迹。
基于同样的发明构思，请结合图2，本发明还提供了一种基于云计算的数据存储装置20的框图，该装置具体可以包括以下功能模块：
数据类型确定模块21，用于确定第一待存储业务数据与第二待存储业务数据，获取所述第一待存储业务数据的第一数据类型和所述第二待存储业务数据的第二数据类型；其中，所述第一待存储业务数据中包括第一业务数据标识，所述第二待存储业务数据中包括第二业务数据标识；
标签信息确定模块22，用于获取所述第一数据类型中的每一个标签信息与所述第二数据类型中的每一个标签信息，得到第一标签信息集；
匹配关系列表获取模块23，用于确定所述第一标签信息集中的任意两个标签信息之间的匹配度，得到匹配关系列表；将所述匹配关系列表中的匹配值小于第一预设阀值的匹配度调整为第一预设阀值，得到匹配值列表；
数据存储模块24，用于根据预设的路径对所述匹配值列表中的待存储业务数据进行存储，得到第一存储文件，其中，所述第一存储文件用于指示所述第一业务数据标识与所述第二业务数据标识为同一业务数据标识或者为不同业务数据标识。
在上述基础上，请结合参阅图3，提供了一种数据存储终端110，包括处理器111以及与所述处理器111连接的存储器112和总线113；其中，所述处理器111和所述存储器112通过所述总线113完成相互间的通信；所述处理器111用于调用所述存储器112中的程序指令，以执行上述的方法。
进一步地，还提供了一种可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。
需要理解的是，针对上述内容没有进行名词解释的技术术语，本领域技术人员可以根据上述所发明的内容进行前后推导毫无疑义地确定其所指代的含义，例如针对一些值、系数、权重等术语，本领域技术人员可以根据前后的逻辑关系进行推导和确定，这些数值的取值范围可以根据实际情况进行选取，例如0~1，又例如1~10，再例如50~100，在此均不作限定，本领域技术人员可以根据上述已发明的内容毫无疑义对一些预设的、基准的、预定的、设定的以及目标的技术特征/技术术语进行确定。对于一些未作解释的技术特征术语，本领域技术人员完全能够基于前后文的逻辑关系进行合理地、毫无疑义地推导，从而清楚、完整地实施上述技术方案。因此上述内容对于本领域技术人员而言是清楚完整的。应当理解，本领域技术人员基于上述发明的内容对未作解释的技术术语进行推导和分析的过程是基于本申请所记载的内容进行的，因此上述内容并不是对整体方案的创造性的评判。
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 (10)

1.一种基于云计算的数据存储方法，其特征在于，应用于数据存储终端，包括：
确定第一待存储业务数据与第二待存储业务数据，获取所述第一待存储业务数据的第一数据类型和所述第二待存储业务数据的第二数据类型；其中，所述第一待存储业务数据中包括第一业务数据标识，所述第二待存储业务数据中包括第二业务数据标识；
获取所述第一数据类型中的每一个标签信息与所述第二数据类型中的每一个标签信息，得到第一标签信息集；
确定所述第一标签信息集中的任意两个标签信息之间的匹配度，得到匹配关系列表；将所述匹配关系列表中的匹配值小于第一预设阀值的匹配度调整为第一预设阀值，得到匹配值列表；
根据预设的路径对所述匹配值列表中的待存储业务数据进行存储，得到第一存储文件，其中，所述第一存储文件用于指示所述第一业务数据标识与所述第二业务数据标识为同一业务数据标识或者为不同业务数据标识。
2.根据权利要求1所述的方法，其特征在于，所述确定所述第一标签信息集中的任意两个标签信息之间的匹配度，得到匹配关系列表，包括：将所述第一标签信息集中的每一个标签信息确定为当前标签信息，执行以下步骤，直到遍历所述第一标签信息集：计算所述当前标签信息与所述第一标签信息集中的每一个标签信息的匹配度，将计算得到的多个所述匹配度确定为所述匹配关系列表中的一个列表。
3.根据权利要求2所述的方法，其特征在于，确定两个所述标签信息之间的匹配度，包括：计算两个所述标签信息的内积，得到计算结果；将所述计算结果确定为两个所述标签信息之间的所述匹配度。
4.根据权利要求1所述的方法，其特征在于，所述将所述匹配关系列表中的匹配值小于第一预设阀值的匹配度调整为第一预设阀值，得到匹配值列表，包括：将所述匹配关系列表中的每一个匹配值确定为当前匹配值，执行以下步骤，直到遍历所述匹配关系列表：获取所述当前匹配值；在所述当前匹配值小于所述第一预设阀值的情况下，将所述当前匹配值调整为所述第一预设阀值；在遍历完成后，将调整后的所述匹配关系列表确定为所述匹配值列表。
5.根据权利要求1所述的方法，其特征在于，所述根据预设的路径对所述匹配值列表中的待存储业务数据进行存储，得到第一存储文件，包括：将所述匹配值列表转换为匹配值单元；将所述匹配值列表、所述匹配值单元、所述第一数据类型与所述第二数据类型输入到预定公式中，得到所述第一待存储业务数据与所述第二待存储业务数据的存储数据；使用目标神经网络模型验证所述存储数据，得到所述第一存储文件。
6.根据权利要求1所述的方法，其特征在于，在得到所述第一存储文件之后，所述方法还包括：在所述第一存储文件大于或等于第二预设阀值的情况下，确定所述第一业务数据标识与所述第二业务数据标识为同一业务数据标识；在所述第一存储文件小于所述第二预设阀值的情况下，确定所述第一业务数据标识与所述第二业务数据标识为不同业务数据标识。
7.根据权利要求1所述的方法，其特征在于，在获取所述第一待存储业务数据的所述第一数据类型和所述第二待存储业务数据的所述第二数据类型之前，所述方法还包括：获取一组样本待存储业务数据组；将所述一组样本待存储业务数据组输入到原始神经网络模型中，训练所述原始神经网络模型，直到得到目标神经网络模型，其中，所述目标神经网络模型用于验证所述第一业务数据标识与所述第二业务数据标识是否为同一业务数据标识。
8.根据权利要求7所述的方法，其特征在于，所述将所述一组样本待存储业务数据组输入到原始神经网络模型中，训练所述原始神经网络模型，直到得到目标神经网络模型包括：从所述样本待存储业务数据组中确定出第一样本待存储业务数据与第二样本待存储业务数据；确定所述第一样本待存储业务数据与所述第二样本待存储业务数据的存储数据；通过所述存储数据确定出所述原始神经网络模型数据综合值；在所述数据综合值大于第三预设阀值的情况下，调整所述原始神经网络模型，直到所述数据综合值小于或等于所述第三预设阀值。
9.根据权利要求1至8中任一项所述的方法，其特征在于，在确定所述第一业务数据标识与所述第二业务数据标识为同一业务数据标识之后，所述方法还包括：将所述第一业务数据标识的第一数据标识记录轨迹和所述第二业务数据标识的第二数据标识记录轨迹进行拼接，得到所述第一业务数据标识的目标数据标识记录轨迹。
10.一种基于云计算的数据存储装置，其特征在于，包括：
数据类型确定模块，用于确定第一待存储业务数据与第二待存储业务数据，获取所述第一待存储业务数据的第一数据类型和所述第二待存储业务数据的第二数据类型；其中，所述第一待存储业务数据中包括第一业务数据标识，所述第二待存储业务数据中包括第二业务数据标识；
标签信息确定模块，用于获取所述第一数据类型中的每一个标签信息与所述第二数据类型中的每一个标签信息，得到第一标签信息集；
匹配关系列表获取模块，用于确定所述第一标签信息集中的任意两个标签信息之间的匹配度，得到匹配关系列表；将所述匹配关系列表中的匹配值小于第一预设阀值的匹配度调整为第一预设阀值，得到匹配值列表；
数据存储模块，用于根据预设的路径对所述匹配值列表中的待存储业务数据进行存储，得到第一存储文件，其中，所述第一存储文件用于指示所述第一业务数据标识与所述第二业务数据标识为同一业务数据标识或者为不同业务数据标识。
CN202011425817.5A 2020-12-09 2020-12-09 一种基于云计算的数据存储方法及装置 Withdrawn CN113297162A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011425817.5A CN113297162A (zh) 2020-12-09 2020-12-09 一种基于云计算的数据存储方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011425817.5A CN113297162A (zh) 2020-12-09 2020-12-09 一种基于云计算的数据存储方法及装置

Publications (1)

Publication Number Publication Date
CN113297162A true CN113297162A (zh) 2021-08-24

Family

ID=77318465

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011425817.5A Withdrawn CN113297162A (zh) 2020-12-09 2020-12-09 一种基于云计算的数据存储方法及装置

Country Status (1)

Country Link
CN (1) CN113297162A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116627356A (zh) * 2023-07-21 2023-08-22 江苏华存电子科技有限公司 一种大容量存储数据的分布控制方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116627356A (zh) * 2023-07-21 2023-08-22 江苏华存电子科技有限公司 一种大容量存储数据的分布控制方法及系统
CN116627356B (zh) * 2023-07-21 2023-11-14 江苏华存电子科技有限公司 一种大容量存储数据的分布控制方法及系统

Similar Documents

Publication Publication Date Title
CN108427874A (zh) 身份认证方法、服务器及计算机可读存储介质
CN109753561B (zh) 一种自动回复的生成方法及装置
CN111353689B (zh) 一种风险评估方法及装置
CN110348471B (zh) 异常对象识别方法、装置、介质及电子设备
CN110851817A (zh) 一种终端类型识别方法及装置
CN115859128B (zh) 一种基于档案数据交互相似度的分析方法和系统
CN107402878B (zh) 测试方法和装置
CN113297162A (zh) 一种基于云计算的数据存储方法及装置
CN114860742A (zh) 基于人工智能的ai客服交互方法、装置、设备及介质
CN107526580A (zh) 终端应用识别方法及装置
CN109615458A (zh) 客户管理方法、装置、终端设备及计算机可读存储介质
CN111309882B (zh) 用于实现智能客服问答的方法和装置
CN111178037A (zh) 重复缺陷报告识别方法、装置及电子设备
CN105808612B (zh) 用于迁移数据库的数据的方法及设备
CN113704123B (zh) 接口测试方法、装置、设备以及存储介质
CN111737090B (zh) 日志仿真方法、装置、计算机设备和存储介质
CN115080401A (zh) 一种自动化测试方法和相关装置
CN114595318A (zh) 一种客服回复质量评价方法及系统
CN110266610B (zh) 流量识别方法、装置、电子设备
CN114443493A (zh) 一种测试案例生成方法、装置、电子设备和存储介质
CN114529191A (zh) 用于风险识别的方法和装置
CN111190986B (zh) 一种地图数据对比方法和装置
CN114265917A (zh) 工单类别识别方法、模型训练方法、装置和设备
CN113487326A (zh) 基于智能合约的交易限制参数设置方法及装置
CN112784032A (zh) 会话语料推荐评价方法、装置、存储介质和电子设备

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210824