CN113849190B - 一种基于云管理平台的持续集成和部署方法及装置 - Google Patents

一种基于云管理平台的持续集成和部署方法及装置 Download PDF

Info

Publication number
CN113849190B
CN113849190B CN202111437169.XA CN202111437169A CN113849190B CN 113849190 B CN113849190 B CN 113849190B CN 202111437169 A CN202111437169 A CN 202111437169A CN 113849190 B CN113849190 B CN 113849190B
Authority
CN
China
Prior art keywords
time interval
time
preset
test
determining
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
CN202111437169.XA
Other languages
English (en)
Other versions
CN113849190A (zh
Inventor
万彦鹏
曹连峰
何奎
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.)
Guangzhou Lubangtong Intelligent Technology Co ltd
Original Assignee
Guangzhou Lubangtong Intelligent 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 Guangzhou Lubangtong Intelligent Technology Co ltd filed Critical Guangzhou Lubangtong Intelligent Technology Co ltd
Priority to CN202111437169.XA priority Critical patent/CN113849190B/zh
Publication of CN113849190A publication Critical patent/CN113849190A/zh
Application granted granted Critical
Publication of CN113849190B publication Critical patent/CN113849190B/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
    • G06F8/00—Arrangements for software engineering
    • G06F8/60—Software deployment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3672—Test management
    • G06F11/3684—Test management for test design, e.g. generating new test cases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3672—Test management
    • G06F11/3688—Test management for test execution, e.g. scheduling of test suites

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于云管理平台的持续集成和部署方法及装置，其中，方法包括：步骤1：定时获取目标用户新上传至云管理平台的代码信息；步骤2：提取代码信息中对应于同一应用的多个测试代码；步骤3：对各测试代码进行集成测试，获得测试结果；步骤4：基于测试结果，对相应应用的源代码重新进行部署。本发明的基于云管理平台的持续集成和部署方法及装置，不同的开发人员可以直接将自己新开发完成的代码上传至云管理平台，进行集成测试，方便快速进行集成测试，提升了开发人员新开发的代码进行汇总的效率，同时，也提升了软件开发的效率。

Description

一种基于云管理平台的持续集成和部署方法及装置
技术领域
本发明涉及云管理平台技术领域，特别涉及一种基于云管理平台的持续集成和部署方法及装置。
背景技术
目前，在将应用软件交付至用户前，开发人员需要每天集成他们的工作，即将新开发的代码汇总进行集成测试，及时发现进步和不足，及时做出应对处理，对应用软件的源代码做不断改进；但是，开发人员集成他们的工作时，需要进行汇总，一些软件开发项目还会雇佣少数的外包人员，汇总的便捷性较低，软件开发的效率也较低；
因此，亟需一种解决办法。
发明内容
本发明目的之一在于提供了一种基于云管理平台的持续集成和部署方法及装置，不同的开发人员可以直接将自己新开发完成的代码上传至云管理平台，进行集成测试，方便快速进行集成测试，提升了开发人员新开发的代码进行汇总的效率，同时，也提升了软件开发的效率。
本发明实施例提供的一种基于云管理平台的持续集成和部署方法，包括：
步骤1：定时获取目标用户新上传至云管理平台的代码信息；
步骤2：提取所述代码信息中对应于同一应用的多个测试代码；
步骤3：对各所述测试代码进行集成测试，获得测试结果；
步骤4：基于所述测试结果，对相应所述应用的源代码重新进行部署。
优选的，步骤1：定时获取目标用户新上传至云管理平台的代码信息，包括：
获取预设的用户集，所述用户集包括：多个第一用户；
获取所述第一用户的担保信息，所述担保信息包括：至少一个担保机构和至少一个担保人；
基于预设的担保机构-担保链库，确定所述担保机构对应的多个担保链；
确定所述第一用户在所述担保链上的第一位置；
分别确定所述担保链的首端的第二位置和所述担保链的末端的第三位置；
确定所述第一位置和所述第二位置之间相距的第一距离；
确定所述第一位置和所述第三位置之间相距的第二距离；
确定所述第一距离和所述第二距离的比值，获得距离比；
获取所述担保链的担保类型；
基于预设的担保类型-距离比-担保值库，确定所述担保类型和对应所述距离比共同对应的第一担保值；
获取所述担保人对所述第一用户进行担保的担保关系，所述担保关系包括：主动担保和被动担保；
当所述担保关系为主动担保时，确定所述担保人在所述担保链上的第四位置；
若所述第四位置在所述第一位置之前，确定所述第四位置与对应所述第一位置之间相距的第三距离，并与所述担保链的所述担保类型进行对应；
基于预设的担保类型-距离-担保值库，确定所述担保类型和对应所述第三距离对应的第二担保值；
汇总所述第一担保值和所述第二担保值，获得担保值和；
将所述第一用户基于对应所述担保值和从大到小进行排序，获得第一用户序列；
选取所述第一用户序列中前n个所述第一用户，作为第二用户；
获取所述第二用户的行为查询信息，所述行为查询信息包括：多个第一查询节点；
通过所述第一查询节点获取所述第二用户的第一行为信息，所述第一行为信息包括：多个第一行为项；
建立时间轴，基于预设的展开规则，将所述第一行为项在所述时间轴上进行展开；
获取预设的可疑行为判定模型，将所述第一行为项输入所述可疑行为判定模型，由所述可疑行为判定模型判定所述第一行为项是否可疑；
若是，将对应所述第一行为项作为第二行为项；
选取所述时间轴上前和/或后预设的范围内的所述第一行为项，作为第三行为项；
将所述第二行为项和所述第三行为项进行随机组合，获得多个组合行为；
获取预设的恶意值确定模型，将所述组合行为输入所述恶意值确定模型，由所述恶意值确定模型确定所述组合行为的恶意值；
汇总所述恶意值，获得恶意值和；
将所述第二用户基于对应所述恶意值和从小到大进行排序，获得第二用户序列；
选取所述第二用户序列中前m个所述第二用户，并作为目标用户；
构建时间区间-时间间隔库，基于所述时间区间-时间间隔库，确定当前时间所在的第一时间区间对应的第一时间间隔；
每隔所述第一时间间隔获取所述目标用户新上传至云管理平台的代码信息；
所述展开规则包括：将所述第一行为项的产生时间与所述时间轴上的时间节点一一对应，进行展开。
优选的，构建时间区间-时间间隔库，包括：
获取预设的时间区间集，所述时间区间集包括：预设个数个第二时间区间；
基于预设的构建规则，构建所述第二时间区间对应的虚拟时间圈，所述虚拟时间圈内的时间区域与所述第二时间区间一一对应；
获取所述目标用户的上传记录，所述上传记录包括：预设的时间段内的多个上传时间点；
确定所述上传时间点对应的所述第二时间区间；
基于预设的表示规则，在所述上传时间点对应的所述第二时间区间对应所述时间区域内表示对应于所述上传时间点的时间轴线；
获取所述上传时间点对应的所述第二时间区间对应所述时间区域内的中轴线；
计算所述时间轴线和所述中轴线的夹角；
若所述夹角小于等于预设的角度阈值，查询预设的第一夹角-调整值库，确定所述夹角对应的第一调整值，并与所述上传时间点对应的所述第二时间区间进行关联；
否则，查询预设的第二夹角-调整值库，确定所述夹角对应的第二调整值，并与所述上传时间点对应的所述第二时间区间进行关联，同时，确定所述时间轴线相对于所述中轴线的方向，将所述第二调整值与所述上传时间点对应的所述第二时间区间对应所述时间区域在所述方向上的相邻所述时间区域对应的所述第二时间区间也进行关联；
全部赋予完毕后，获取预设的调整模型，将所述第二时间区间关联的所述第一调整值和所述第二调整值输入所述调整模型，由所述调整模型对所述第二时间区间对应的初始时间间隔进行调整，获得第二时间间隔；
将所述第二时间间隔与对应所述第二时间区间进行组合，获得一个对照组；
获取预设的空白数据库，将所述对照组存入所述空白数据库；
当需要存入所述空白数据库的所述对照组均存入后，将所述空白数据库作为时间区间-时间间隔库，完成构建。
优选的，步骤3：对各所述测试代码进行集成测试，获得测试结果，包括：
获取所述测试代码的第一代码属性；
基于预设的代码属性-测试节点库，确定所述第一代码属性对应的至少一个测试节点；
将所述测试代码发送至对应所述测试节点；
当各所述测试代码均发送至对应所述测试节点时，开始进行集成测试；
测试完毕时，获取所述测试节点反馈的至少一个结果项；
整合获取的各所述结果项，获得测试结果。
优选的，步骤4：基于所述测试结果，对相应所述应用的源代码重新进行部署，包括：
获取预设的部署模型，将所述测试结果输入所述部署模型，获得至少一个部署结果项；
提取所述部署结果项中的第二代码属性和对应于所述第二代码属性的替换节点；
将对应于所述第二代码属性的所述测试代码发送至对应所述替换节点，对所述源代码中对应于所述第二代码属性的当前代码进行代码替换；
当代码替换均完成后，完成所述源代码的重新部署。
本发明实施例提供的一种基于云管理平台的持续集成和部署装置，包括：
获取模块，用于定时获取目标用户新上传至云管理平台的代码信息；
提取模块，用于提取所述代码信息中对应于同一应用的多个测试代码；
测试模块，用于对各所述测试代码进行集成测试，获得测试结果；
部署模块，用于基于所述测试结果，对相应所述应用的源代码重新进行部署。
优选的，所述获取模块执行如下操作：
获取预设的用户集，所述用户集包括：多个第一用户；
获取所述第一用户的担保信息，所述担保信息包括：至少一个担保机构和至少一个担保人；
基于预设的担保机构-担保链库，确定所述担保机构对应的多个担保链；
确定所述第一用户在所述担保链上的第一位置；
分别确定所述担保链的首端的第二位置和所述担保链的末端的第三位置；
确定所述第一位置和所述第二位置之间相距的第一距离；
确定所述第一位置和所述第三位置之间相距的第二距离；
确定所述第一距离和所述第二距离的比值，获得距离比；
获取所述担保链的担保类型；
基于预设的担保类型-距离比-担保值库，确定所述担保类型和对应所述距离比共同对应的第一担保值；
获取所述担保人对所述第一用户进行担保的担保关系，所述担保关系包括：主动担保和被动担保；
当所述担保关系为主动担保时，确定所述担保人在所述担保链上的第四位置；
若所述第四位置在所述第一位置之前，确定所述第四位置与对应所述第一位置之间相距的第三距离，并与所述担保链的所述担保类型进行对应；
基于预设的担保类型-距离-担保值库，确定所述担保类型和对应所述第三距离对应的第二担保值；
汇总所述第一担保值和所述第二担保值，获得担保值和；
将所述第一用户基于对应所述担保值和从大到小进行排序，获得第一用户序列；
选取所述第一用户序列中前n个所述第一用户，作为第二用户；
获取所述第二用户的行为查询信息，所述行为查询信息包括：多个第一查询节点；
通过所述第一查询节点获取所述第二用户的第一行为信息，所述第一行为信息包括：多个第一行为项；
建立时间轴，基于预设的展开规则，将所述第一行为项在所述时间轴上进行展开；
获取预设的可疑行为判定模型，将所述第一行为项输入所述可疑行为判定模型，由所述可疑行为判定模型判定所述第一行为项是否可疑；
若是，将对应所述第一行为项作为第二行为项；
选取所述时间轴上前和/或后预设的范围内的所述第一行为项，作为第三行为项；
将所述第二行为项和所述第三行为项进行随机组合，获得多个组合行为；
获取预设的恶意值确定模型，将所述组合行为输入所述恶意值确定模型，由所述恶意值确定模型确定所述组合行为的恶意值；
汇总所述恶意值，获得恶意值和；
将所述第二用户基于对应所述恶意值和从小到大进行排序，获得第二用户序列；
选取所述第二用户序列中前m个所述第二用户，并作为目标用户；
构建时间区间-时间间隔库，基于所述时间区间-时间间隔库，确定当前时间所在的第一时间区间对应的第一时间间隔；
每隔所述第一时间间隔获取所述目标用户新上传至云管理平台的代码信息；
所述展开规则包括：将所述第一行为项的产生时间与所述时间轴上的时间节点一一对应，进行展开。
优选的，所述获取模块执行如下操作：
获取预设的时间区间集，所述时间区间集包括：预设个数个第二时间区间；
基于预设的构建规则，构建所述第二时间区间对应的虚拟时间圈，所述虚拟时间圈内的时间区域与所述第二时间区间一一对应；
获取所述目标用户的上传记录，所述上传记录包括：预设的时间段内的多个上传时间点；
确定所述上传时间点对应的所述第二时间区间；
基于预设的表示规则，在所述上传时间点对应的所述第二时间区间对应所述时间区域内表示对应于所述上传时间点的时间轴线；
获取所述上传时间点对应的所述第二时间区间对应所述时间区域内的中轴线；
计算所述时间轴线和所述中轴线的夹角；
若所述夹角小于等于预设的角度阈值，查询预设的第一夹角-调整值库，确定所述夹角对应的第一调整值，并与所述上传时间点对应的所述第二时间区间进行关联；
否则，查询预设的第二夹角-调整值库，确定所述夹角对应的第二调整值，并与所述上传时间点对应的所述第二时间区间进行关联，同时，确定所述时间轴线相对于所述中轴线的方向，将所述第二调整值与所述上传时间点对应的所述第二时间区间对应所述时间区域在所述方向上的相邻所述时间区域对应的所述第二时间区间也进行关联；
全部赋予完毕后，获取预设的调整模型，将所述第二时间区间关联的所述第一调整值和所述第二调整值输入所述调整模型，由所述调整模型对所述第二时间区间对应的初始时间间隔进行调整，获得第二时间间隔；
将所述第二时间间隔与对应所述第二时间区间进行组合，获得一个对照组；
获取预设的空白数据库，将所述对照组存入所述空白数据库；
当需要存入所述空白数据库的所述对照组均存入后，将所述空白数据库作为时间区间-时间间隔库，完成构建。
优选的，所述测试模块执行如下操作：
获取所述测试代码的第一代码属性；
基于预设的代码属性-测试节点库，确定所述第一代码属性对应的至少一个测试节点；
将所述测试代码发送至对应所述测试节点；
当各所述测试代码均发送至对应所述测试节点时，开始进行集成测试；
测试完毕时，获取所述测试节点反馈的至少一个结果项；
整合获取的各所述结果项，获得测试结果。
优选的，所述部署模块执行如下操作：
获取预设的部署模型，将所述测试结果输入所述部署模型，获得至少一个部署结果项；
提取所述部署结果项中的第二代码属性和对应于所述第二代码属性的替换节点；
将对应于所述第二代码属性的所述测试代码发送至对应所述替换节点，对所述源代码中对应于所述第二代码属性的当前代码进行代码替换；
当代码替换均完成后，完成所述源代码的重新部署。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种基于云管理平台的持续集成和部署方法的流程图；
图2为本发明实施例中又一基于云管理平台的持续集成和部署方法的流程图；
图3为本发明实施例中一种基于云管理平台的持续集成和部署装置的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供了一种基于云管理平台的持续集成和部署方法，如图1所示，包括：
步骤1：定时获取目标用户新上传至云管理平台的代码信息；
步骤2：提取所述代码信息中对应于同一应用的多个测试代码；
步骤3：对各所述测试代码进行集成测试，获得测试结果；
步骤4：基于所述测试结果，对相应所述应用的源代码重新进行部署。
上述技术方案的工作原理及有益效果为：
不同的开发人员可以登录云管理平台，上传自己新开发完成的代码，上传时，标注代码对应的应用；定时获取代码信息，提取代码信息中对应于同一应用的多个测试代码；对各测试代码进行集成测试，获得测试结果；基于测试结果，对相应应用的源代码重新进行部署【例如：测试结果表征某测试代码与其它代码的集成效果更佳，应将源代码中对应于该测试代码的当前代码替换成该测试代码】；
本发明实施例不同的开发人员可以直接将自己新开发完成的代码上传至云管理平台，进行集成测试，方便快速进行集成测试，提升了开发人员新开发的代码进行汇总的效率，同时，也提升了软件开发的效率。
本发明实施例提供了一种基于云管理平台的持续集成和部署方法，步骤1：定时获取目标用户新上传至云管理平台的代码信息，包括：
获取预设的用户集，所述用户集包括：多个第一用户；
获取所述第一用户的担保信息，所述担保信息包括：至少一个担保机构和至少一个担保人；
基于预设的担保机构-担保链库，确定所述担保机构对应的多个担保链；
确定所述第一用户在所述担保链上的第一位置；
分别确定所述担保链的首端的第二位置和所述担保链的末端的第三位置；
确定所述第一位置和所述第二位置之间相距的第一距离；
确定所述第一位置和所述第三位置之间相距的第二距离；
确定所述第一距离和所述第二距离的比值，获得距离比；
获取所述担保链的担保类型；
基于预设的担保类型-距离比-担保值库，确定所述担保类型和对应所述距离比共同对应的第一担保值；
获取所述担保人对所述第一用户进行担保的担保关系，所述担保关系包括：主动担保和被动担保；
当所述担保关系为主动担保时，确定所述担保人在所述担保链上的第四位置；
若所述第四位置在所述第一位置之前，确定所述第四位置与对应所述第一位置之间相距的第三距离，并与所述担保链的所述担保类型进行对应；
基于预设的担保类型-距离-担保值库，确定所述担保类型和对应所述第三距离对应的第二担保值；
汇总所述第一担保值和所述第二担保值，获得担保值和；
将所述第一用户基于对应所述担保值和从大到小进行排序，获得第一用户序列；
选取所述第一用户序列中前n个所述第一用户，作为第二用户；
获取所述第二用户的行为查询信息，所述行为查询信息包括：多个第一查询节点；
通过所述第一查询节点获取所述第二用户的第一行为信息，所述第一行为信息包括：多个第一行为项；
建立时间轴，基于预设的展开规则，将所述第一行为项在所述时间轴上进行展开；
获取预设的可疑行为判定模型，将所述第一行为项输入所述可疑行为判定模型，由所述可疑行为判定模型判定所述第一行为项是否可疑；
若是，将对应所述第一行为项作为第二行为项；
选取所述时间轴上前和/或后预设的范围内的所述第一行为项，作为第三行为项；
将所述第二行为项和所述第三行为项进行随机组合，获得多个组合行为；
获取预设的恶意值确定模型，将所述组合行为输入所述恶意值确定模型，由所述恶意值确定模型确定所述组合行为的恶意值；
汇总所述恶意值，获得恶意值和；
将所述第二用户基于对应所述恶意值和从小到大进行排序，获得第二用户序列；
选取所述第二用户序列中前m个所述第二用户，并作为目标用户；
构建时间区间-时间间隔库，基于所述时间区间-时间间隔库，确定当前时间所在的第一时间区间对应的第一时间间隔；
每隔所述第一时间间隔获取所述目标用户新上传至云管理平台的代码信息；
所述展开规则包括：将所述第一行为项的产生时间与所述时间轴上的时间节点一一对应，进行展开。
上述技术方案的工作原理及有益效果为：
预设的用户集具体为：一个集合，内包含有注册云管理平台的多个第一用户【开发人员】；预设的担保机构-担保链库具体为：数据库，内包含有不同担保机构的对应的多个担保链【担保机构处于担保链的首端，由担保机构担保的被担保人依次排在担保机构之后，担保机构对被担保人的力度越大，被担保人在担保链上的位置越靠前即越接近担保机构】，担保类型【对被担保人不会发送恶意数据进行担保、对被担保人不会将云管理平台的账号借用给他人进行担保等】的不同，担保链也不同；预设的担保类型-距离比-担保值库具体为：数据库，内包含有不同担保类型和不同距离比共同对应的担保值，距离比越小，说明被担保人在相应担保链上的位置越靠前，第一担保值越大；预设的担保类型-距离-担保值库具体为：数据库，内包含有不同担保类型和不同距离对应的担保值，距离越大，说明担保机构对第一用户的担保人的担保力度比第一用户更大，第一用户产生恶意行为，对担保人进行追责，同时，由于担保人是主动担保【例如：与云管理平台签订对第一用户进行担保的担保合约并缴纳担保金】还可以对担保人的担保机构进行追责，同时，也可直接对第一以后的担保机构进行追责，实现双重追责，第二担保值越大；预设的可疑行为判定模型具体为：利用机器学习算法对大量人工判定可疑行为的记录进行学习后生成的模型；预设的范围具体为：时间轴上的时间范围，例如：3天；预设的恶意值确定模型具体为：利用机器学习算法对大量人工确定恶意值的记录进行学习后生成的模型，确定的恶意值越大，行为的恶意程度越高；
每一个第一用户要在云管理平台上上传代码，需要至少一个担保机构和至少一个担保人对其进行担保；基于担保机构对应于不同担保类型的担保链，快速确定担保机构对第一用户的担保力度【一些担保机构的担保能力有限，若用户在担保链的后端位置，在追责时，担保机构做出的补偿根本不能满足自身的损失】，获得第一担保值；担保人与第一用户的担保关系分为两种，主动担保和被动担保【例如：担保人和第一用户同属于一个软件开发公司，两者形成被动担保关系】，当担保关系为主动担保时，确定第二担保值，第二担保值越大，进行双重追责的效果越好；对第一担保值和第二担保值进行汇总【求和计算】，获得担保值和；基于担保值和对第一用户进行排序，选取前n【一个常数，可由用户设定】个第一用户，作为第二用户；
获取第二用户的行为查询信息【多个查询节点，每个查询节点对应一个云管理平台的行为记录数据库】；用户在产生恶意行为时，均是采用拼接方式，；例如，依次上传多个部分恶意代码，届时将它们进行拼接组合即可；因此，设置可疑行为判定模型，发现该恶意行为，获取该恶意行为前和/或后一定数量的行为，进行随机组合，判定随机组合后的行为是否为恶意行为，获取恶意值；汇总【求和计算】恶意值，获得恶意值和；将第二用户按恶意值和从小到大进行排序，筛选出前m【一个常数，可由用户设定】个第二用户作为目标用户；
基于云管理平台汇总不同开发人员新开发的代码，虽然方便，但是，安全性较低【开发人员均是软件开发领域的专业人员，产生恶意行为容易】，为了解决这个问题，本发明实施例筛选出合格的目标用户，获取目标用户新上传至云管理平台的代码，极大程度上提升了安全性，同时，适用性很高。
本发明实施例提供了一种基于云管理平台的持续集成和部署方法，构建时间区间-时间间隔库，包括：
获取预设的时间区间集，所述时间区间集包括：预设个数个第二时间区间；
基于预设的构建规则，构建所述第二时间区间对应的虚拟时间圈，所述虚拟时间圈内的时间区域与所述第二时间区间一一对应；
获取所述目标用户的上传记录，所述上传记录包括：预设的时间段内的多个上传时间点；
确定所述上传时间点对应的所述第二时间区间；
基于预设的表示规则，在所述上传时间点对应的所述第二时间区间对应所述时间区域内表示对应于所述上传时间点的时间轴线；
获取所述上传时间点对应的所述第二时间区间对应所述时间区域内的中轴线；
计算所述时间轴线和所述中轴线的夹角；
若所述夹角小于等于预设的角度阈值，查询预设的第一夹角-调整值库，确定所述夹角对应的第一调整值，并与所述上传时间点对应的所述第二时间区间进行关联；
否则，查询预设的第二夹角-调整值库，确定所述夹角对应的第二调整值，并与所述上传时间点对应的所述第二时间区间进行关联，同时，确定所述时间轴线相对于所述中轴线的方向，将所述第二调整值与所述上传时间点对应的所述第二时间区间对应所述时间区域在所述方向上的相邻所述时间区域对应的所述第二时间区间也进行关联；
全部赋予完毕后，获取预设的调整模型，将所述第二时间区间关联的所述第一调整值和所述第二调整值输入所述调整模型，由所述调整模型对所述第二时间区间对应的初始时间间隔进行调整，获得第二时间间隔；
将所述第二时间间隔与对应所述第二时间区间进行组合，获得一个对照组；
获取预设的空白数据库，将所述对照组存入所述空白数据库；
当需要存入所述空白数据库的所述对照组均存入后，将所述空白数据库作为时间区间-时间间隔库，完成构建。
上述技术方案的工作原理及有益效果为：
预设的时间区间集具体为：一个集合，内包含有预设个数【例如：12】个第二时间区间；预设的构建规则具体为：例如，第二时间区间为12个，利用圆心和圆圈的圈边进行连线将一个圆圈等分成12份，一份相当于2小时，中轴线即为一份圈边的中点与圆心的连线；预设的表示规则具体为：找到圆圈上表示上传时间点对应的点，圆心与该点的连线则为时间轴线；预设的角度阈值具体为：例如，10度；预设的空白数据库具体为：数据库，内无内容；预设的第一夹角-调整值库具体为：数据库，内包含有不同夹角对应的第一调整值，夹角越小，调整值越小；预设的第二夹角-调整值库具体为：数据库，内包含有不同夹角对应的第二调整值，夹角越大，第二调整值越大；第一调整值和第二调整值均小于1；预设的调整模型具体为：一种计算模型，内设置有调整公式；
若夹角小于等于角度阈值，说明时间轴线靠近中轴线，以后对应目标用户的上传时间点也落在对应时间区间的可能性越大，获取第一调整值；否则，以后对应目标用户的上传时间点落在可能落在该时间区间，还有可能落在对应方向上的时间区间内，应分别赋予较小的第二调整值；
本发明实施例基于上传记录【开发人员的上班作息一定，大多为公司下班时间前上传代码，因此可以基于上传记录来确定】构建时间区间-时间间隔库，确定当前时间最适宜的获取时间间隔，降低了系统的功耗，同时，也更加智能化。
本发明实施例提供了一种基于云管理平台的持续集成和部署方法，所述调整模型对所述第二时间区间对应的初始时间间隔进行调整，调整公式如下：
Figure DEST_PATH_IMAGE001
Figure 111075DEST_PATH_IMAGE002
其中，
Figure 983085DEST_PATH_IMAGE003
为调整后的所述第二时间间隔，
Figure 223180DEST_PATH_IMAGE004
为调整前的初始时间间隔，
Figure 841243DEST_PATH_IMAGE005
为所述 第二时间区间关联的第
Figure 987054DEST_PATH_IMAGE006
个所述第一调整值，
Figure 815202DEST_PATH_IMAGE007
为所述第二时间区间关联的所述第一调整 值的总数目，
Figure 127496DEST_PATH_IMAGE008
为所述第二时间区间关联的第
Figure 865645DEST_PATH_IMAGE006
个所述第二调整值，
Figure 916778DEST_PATH_IMAGE009
为所述第二时间区 间关联的所述第二调整值的总数目，
Figure 294539DEST_PATH_IMAGE010
为中间变量，
Figure 925371DEST_PATH_IMAGE011
和
Figure 252447DEST_PATH_IMAGE012
为预设的常数，
Figure 691126DEST_PATH_IMAGE013
。
上述技术方案的工作原理及有益效果为：
基于第一调整值和第二调整值对第二时间区间对应的初始时间间隔进行调整，调整后，获得第二时间间隔；利用上述公式可以快速对初始时间间隔进行调整，极大程度上提升了系统的工作效率；第一调整值和第二调整值越小，，说明对应时间区间内上传的人会越多，将初始时间间隔调至越小。
本发明实施例提供了一种基于云管理平台的持续集成和部署方法，如图2所示，步骤3：对各所述测试代码进行集成测试，获得测试结果，包括：
步骤301：获取所述测试代码的第一代码属性；
步骤302：基于预设的代码属性-测试节点库，确定所述第一代码属性对应的至少一个测试节点；
步骤303：将所述测试代码发送至对应所述测试节点；
步骤304：当各所述测试代码均发送至对应所述测试节点时，开始进行集成测试；
步骤305：测试完毕时，获取所述测试节点反馈的至少一个结果项；
步骤306：整合获取的各所述结果项，获得测试结果。
上述技术方案的工作原理及有益效果为：
预设的代码属性-测试节点库具体为：数据库，内包含有不同代码属性对应的测试节点；代码属性具体为：例如，代码为某应用中某功能模块的子代码；
预先构建测试节点网络，测试节点网络包含有多个测试节点，每个测试节点上均设置有集成测试工具，测试节点间也被预先赋予的对应的关联关系【例如：应用中某功能模块内的多个代码分别设置不同的测试节点，在进行测试时，这些测试节点共同进行测试，完成模块的功能性测试】；测试完毕后，测试节点会反馈结果项，整合各结果项即获得测试结果。
本发明实施例提供了一种基于云管理平台的持续集成和部署方法，步骤4：基于所述测试结果，对相应所述应用的源代码重新进行部署，包括：
获取预设的部署模型，将所述测试结果输入所述部署模型，获得至少一个部署结果项；
提取所述部署结果项中的第二代码属性和对应于所述第二代码属性的替换节点；
将对应于所述第二代码属性的所述测试代码发送至对应所述替换节点，对所述源代码中对应于所述第二代码属性的当前代码进行代码替换；
当代码替换均完成后，完成所述源代码的重新部署。
上述技术方案的工作原理及有益效果为：
预设的部署模型具体为：利用机器学习算法对大量人工部署的记录进行学习后生成的模型；
将测试结果输入部署模型后，部署模型可以确定源代码中需要替换的当前代码和替换节点，直接将对应测测试代码发送至替换节点即可完成替换。
本发明实施例提供了一种基于云管理平台的持续集成和部署装置，如图3所示，包括：
获取模块1，用于定时获取目标用户新上传至云管理平台的代码信息；
提取模块2，用于提取所述代码信息中对应于同一应用的多个测试代码；
测试模块3，用于对各所述测试代码进行集成测试，获得测试结果；
部署模块4，用于基于所述测试结果，对相应所述应用的源代码重新进行部署。
上述技术方案的工作原理及有益效果为：
不同的开发人员可以登录云管理平台，上传自己新开发完成的代码，上传时，标注代码对应的应用；定时获取代码信息，提取代码信息中对应于同一应用的多个测试代码；对各测试代码进行集成测试，获得测试结果；基于测试结果，对相应应用的源代码重新进行部署【例如：测试结果表征某测试代码与其它代码的集成效果更佳，应将源代码中对应于该测试代码的当前代码替换成该测试代码】；
本发明实施例不同的开发人员可以直接将自己新开发完成的代码上传至云管理平台，进行集成测试，方便快速进行集成测试，提升了开发人员新开发的代码进行汇总的效率，同时，也提升了软件开发的效率。
本发明实施例提供了一种基于云管理平台的持续集成和部署装置，所述获取模块1执行如下操作：
获取预设的用户集，所述用户集包括：多个第一用户；
获取所述第一用户的担保信息，所述担保信息包括：至少一个担保机构和至少一个担保人；
基于预设的担保机构-担保链库，确定所述担保机构对应的多个担保链；
确定所述第一用户在所述担保链上的第一位置；
分别确定所述担保链的首端的第二位置和所述担保链的末端的第三位置；
确定所述第一位置和所述第二位置之间相距的第一距离；
确定所述第一位置和所述第三位置之间相距的第二距离；
确定所述第一距离和所述第二距离的比值，获得距离比；
获取所述担保链的担保类型；
基于预设的担保类型-距离比-担保值库，确定所述担保类型和对应所述距离比共同对应的第一担保值；
获取所述担保人对所述第一用户进行担保的担保关系，所述担保关系包括：主动担保和被动担保；
当所述担保关系为主动担保时，确定所述担保人在所述担保链上的第四位置；
若所述第四位置在所述第一位置之前，确定所述第四位置与对应所述第一位置之间相距的第三距离，并与所述担保链的所述担保类型进行对应；
基于预设的担保类型-距离-担保值库，确定所述担保类型和对应所述第三距离对应的第二担保值；
汇总所述第一担保值和所述第二担保值，获得担保值和；
将所述第一用户基于对应所述担保值和从大到小进行排序，获得第一用户序列；
选取所述第一用户序列中前n个所述第一用户，作为第二用户；
获取所述第二用户的行为查询信息，所述行为查询信息包括：多个第一查询节点；
通过所述第一查询节点获取所述第二用户的第一行为信息，所述第一行为信息包括：多个第一行为项；
建立时间轴，基于预设的展开规则，将所述第一行为项在所述时间轴上进行展开；
获取预设的可疑行为判定模型，将所述第一行为项输入所述可疑行为判定模型，由所述可疑行为判定模型判定所述第一行为项是否可疑；
若是，将对应所述第一行为项作为第二行为项；
选取所述时间轴上前和/或后预设的范围内的所述第一行为项，作为第三行为项；
将所述第二行为项和所述第三行为项进行随机组合，获得多个组合行为；
获取预设的恶意值确定模型，将所述组合行为输入所述恶意值确定模型，由所述恶意值确定模型确定所述组合行为的恶意值；
汇总所述恶意值，获得恶意值和；
将所述第二用户基于对应所述恶意值和从小到大进行排序，获得第二用户序列；
选取所述第二用户序列中前m个所述第二用户，并作为目标用户；
构建时间区间-时间间隔库，基于所述时间区间-时间间隔库，确定当前时间所在的第一时间区间对应的第一时间间隔；
每隔所述第一时间间隔获取所述目标用户新上传至云管理平台的代码信息；
所述展开规则包括：将所述第一行为项的产生时间与所述时间轴上的时间节点一一对应，进行展开。
上述技术方案的工作原理及有益效果为：
预设的用户集具体为：一个集合，内包含有注册云管理平台的多个第一用户【开发人员】；预设的担保机构-担保链库具体为：数据库，内包含有不同担保机构的对应的多个担保链【担保机构处于担保链的首端，由担保机构担保的被担保人依次排在担保机构之后，担保机构对被担保人的力度越大，被担保人在担保链上的位置越靠前即越接近担保机构】，担保类型【对被担保人不会发送恶意数据进行担保、对被担保人不会将云管理平台的账号借用给他人进行担保等】的不同，担保链也不同；预设的担保类型-距离比-担保值库具体为：数据库，内包含有不同担保类型和不同距离比共同对应的担保值，距离比越小，说明被担保人在相应担保链上的位置越靠前，第一担保值越大；预设的担保类型-距离-担保值库具体为：数据库，内包含有不同担保类型和不同距离对应的担保值，距离越大，说明担保机构对第一用户的担保人的担保力度比第一用户更大，第一用户产生恶意行为，对担保人进行追责，同时，由于担保人是主动担保【例如：与云管理平台签订对第一用户进行担保的担保合约并缴纳担保金】还可以对担保人的担保机构进行追责，同时，也可直接对第一以后的担保机构进行追责，实现双重追责，第二担保值越大；预设的可疑行为判定模型具体为：利用机器学习算法对大量人工判定可疑行为的记录进行学习后生成的模型；预设的范围具体为：时间轴上的时间范围，例如：3天；预设的恶意值确定模型具体为：利用机器学习算法对大量人工确定恶意值的记录进行学习后生成的模型，确定的恶意值越大，行为的恶意程度越高；
每一个第一用户要在云管理平台上上传代码，需要至少一个担保机构和至少一个担保人对其进行担保；基于担保机构对应于不同担保类型的担保链，快速确定担保机构对第一用户的担保力度【一些担保机构的担保能力有限，若用户在担保链的后端位置，在追责时，担保机构做出的补偿根本不能满足自身的损失】，获得第一担保值；担保人与第一用户的担保关系分为两种，主动担保和被动担保【例如：担保人和第一用户同属于一个软件开发公司，两者形成被动担保关系】，当担保关系为主动担保时，确定第二担保值，第二担保值越大，进行双重追责的效果越好；对第一担保值和第二担保值进行汇总【求和计算】，获得担保值和；基于担保值和对第一用户进行排序，选取前n【一个常数，可由用户设定】个第一用户，作为第二用户；
获取第二用户的行为查询信息【多个查询节点，每个查询节点对应一个云管理平台的行为记录数据库】；用户在产生恶意行为时，均是采用拼接方式，；例如，依次上传多个部分恶意代码，届时将它们进行拼接组合即可；因此，设置可疑行为判定模型，发现该恶意行为，获取该恶意行为前和/或后一定数量的行为，进行随机组合，判定随机组合后的行为是否为恶意行为，获取恶意值；汇总【求和计算】恶意值，获得恶意值和；将第二用户按恶意值和从小到大进行排序，筛选出前m【一个常数，可由用户设定】个第二用户作为目标用户；
基于云管理平台汇总不同开发人员新开发的代码，虽然方便，但是，安全性较低【开发人员均是软件开发领域的专业人员，产生恶意行为容易】，为了解决这个问题，本发明实施例筛选出合格的目标用户，获取目标用户新上传至云管理平台的代码，极大程度上提升了安全性，同时，适用性很高。
本发明实施例提供了一种基于云管理平台的持续集成和部署装置，所述获取模块1执行如下操作：
获取预设的时间区间集，所述时间区间集包括：预设个数个第二时间区间；
基于预设的构建规则，构建所述第二时间区间对应的虚拟时间圈，所述虚拟时间圈内的时间区域与所述第二时间区间一一对应；
获取所述目标用户的上传记录，所述上传记录包括：预设的时间段内的多个上传时间点；
确定所述上传时间点对应的所述第二时间区间；
基于预设的表示规则，在所述上传时间点对应的所述第二时间区间对应所述时间区域内表示对应于所述上传时间点的时间轴线；
获取所述上传时间点对应的所述第二时间区间对应所述时间区域内的中轴线；
计算所述时间轴线和所述中轴线的夹角；
若所述夹角小于等于预设的角度阈值，查询预设的第一夹角-调整值库，确定所述夹角对应的第一调整值，并与所述上传时间点对应的所述第二时间区间进行关联；
否则，查询预设的第二夹角-调整值库，确定所述夹角对应的第二调整值，并与所述上传时间点对应的所述第二时间区间进行关联，同时，确定所述时间轴线相对于所述中轴线的方向，将所述第二调整值与所述上传时间点对应的所述第二时间区间对应所述时间区域在所述方向上的相邻所述时间区域对应的所述第二时间区间也进行关联；
全部赋予完毕后，获取预设的调整模型，将所述第二时间区间关联的所述第一调整值和所述第二调整值输入所述调整模型，由所述调整模型对所述第二时间区间对应的初始时间间隔进行调整，获得第二时间间隔；
将所述第二时间间隔与对应所述第二时间区间进行组合，获得一个对照组；
获取预设的空白数据库，将所述对照组存入所述空白数据库；
当需要存入所述空白数据库的所述对照组均存入后，将所述空白数据库作为时间区间-时间间隔库，完成构建。
上述技术方案的工作原理及有益效果为：
预设的时间区间集具体为：一个集合，内包含有预设个数【例如：12】个第二时间区间；预设的构建规则具体为：例如，第二时间区间为12个，利用圆心和圆圈的圈边进行连线将一个圆圈等分成12份，一份相当于2小时，中轴线即为一份圈边的中点与圆心的连线；预设的表示规则具体为：找到圆圈上表示上传时间点对应的点，圆心与该点的连线则为时间轴线；预设的角度阈值具体为：例如，10度；预设的空白数据库具体为：数据库，内无内容；预设的第一夹角-调整值库具体为：数据库，内包含有不同夹角对应的第一调整值，夹角越小，调整值越小；预设的第二夹角-调整值库具体为：数据库，内包含有不同夹角对应的第二调整值，夹角越大，第二调整值越大；第一调整值和第二调整值均小于1；预设的调整模型具体为：一种计算模型，内设置有调整公式；
若夹角小于等于角度阈值，说明时间轴线靠近中轴线，以后对应目标用户的上传时间点也落在对应时间区间的可能性越大，获取第一调整值；否则，以后对应目标用户的上传时间点落在可能落在该时间区间，还有可能落在对应方向上的时间区间内，应分别赋予较小的第二调整值；
本发明实施例基于上传记录【开发人员的上班作息一定，大多为公司下班时间前上传代码，因此可以基于上传记录来确定】构建时间区间-时间间隔库，确定当前时间最适宜的获取时间间隔，降低了系统的功耗，同时，也更加智能化。
本发明实施例提供了一种基于云管理平台的持续集成和部署装置，所述调整模型对所述第二时间区间对应的初始时间间隔进行调整，调整公式如下：
Figure 306915DEST_PATH_IMAGE014
Figure 866072DEST_PATH_IMAGE015
其中，
Figure 375551DEST_PATH_IMAGE003
为调整后的所述第二时间间隔，
Figure 96382DEST_PATH_IMAGE004
为调整前的初始时间间隔，
Figure 153462DEST_PATH_IMAGE005
为所述 第二时间区间关联的第
Figure 250731DEST_PATH_IMAGE006
个所述第一调整值，
Figure 958924DEST_PATH_IMAGE007
为所述第二时间区间关联的所述第一调整 值的总数目，
Figure 850657DEST_PATH_IMAGE008
为所述第二时间区间关联的第
Figure 893568DEST_PATH_IMAGE006
个所述第二调整值，
Figure 794528DEST_PATH_IMAGE009
为所述第二时间区 间关联的所述第二调整值的总数目，
Figure 91648DEST_PATH_IMAGE010
为中间变量，
Figure 839768DEST_PATH_IMAGE011
和
Figure 979762DEST_PATH_IMAGE012
为预设的常数，
Figure 559779DEST_PATH_IMAGE013
。
上述技术方案的工作原理及有益效果为：
基于第一调整值和第二调整值对第二时间区间对应的初始时间间隔进行调整，调整后，获得第二时间间隔；利用上述公式可以快速对初始时间间隔进行调整，极大程度上提升了系统的工作效率；第一调整值和第二调整值越小，，说明对应时间区间内上传的人会越多，将初始时间间隔调至越小。
本发明实施例提供了一种基于云管理平台的持续集成和部署装置，所述测试模块3执行如下操作：
获取所述测试代码的第一代码属性；
基于预设的代码属性-测试节点库，确定所述第一代码属性对应的至少一个测试节点；
将所述测试代码发送至对应所述测试节点；
当各所述测试代码均发送至对应所述测试节点时，开始进行集成测试；
测试完毕时，获取所述测试节点反馈的至少一个结果项；
整合获取的各所述结果项，获得测试结果。
上述技术方案的工作原理及有益效果为：
预设的代码属性-测试节点库具体为：数据库，内包含有不同代码属性对应的测试节点；代码属性具体为：例如，代码为某应用中某功能模块的子代码；
预先构建测试节点网络，测试节点网络包含有多个测试节点，每个测试节点上均设置有集成测试工具，测试节点间也被预先赋予的对应的关联关系【例如：应用中某功能模块内的多个代码分别设置不同的测试节点，在进行测试时，这些测试节点共同进行测试，完成模块的功能性测试】；测试完毕后，测试节点会反馈结果项，整合各结果项即获得测试结果。
本发明实施例提供了一种基于云管理平台的持续集成和部署装置，所述部署模块4执行如下操作：
获取预设的部署模型，将所述测试结果输入所述部署模型，获得至少一个部署结果项；
提取所述部署结果项中的第二代码属性和对应于所述第二代码属性的替换节点；
将对应于所述第二代码属性的所述测试代码发送至对应所述替换节点，对所述源代码中对应于所述第二代码属性的当前代码进行代码替换；
当代码替换均完成后，完成所述源代码的重新部署。
上述技术方案的工作原理及有益效果为：
预设的部署模型具体为：利用机器学习算法对大量人工部署的记录进行学习后生成的模型；
将测试结果输入部署模型后，部署模型可以确定源代码中需要替换的当前代码和替换节点，直接将对应测测试代码发送至替换节点即可完成替换。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种基于云管理平台的持续集成和部署方法，其特征在于，包括：
步骤1：定时获取目标用户新上传至云管理平台的代码信息；
步骤2：提取所述代码信息中对应于同一应用的多个测试代码；
步骤3：对各所述测试代码进行集成测试，获得测试结果；
步骤4：基于所述测试结果，对相应所述应用的源代码重新进行部署；
步骤1：定时获取目标用户新上传至云管理平台的代码信息，包括：
获取预设的用户集，所述用户集包括：多个第一用户；
获取所述第一用户的担保信息，所述担保信息包括：至少一个担保机构和至少一个担保人；
基于预设的担保机构-担保链库，确定所述担保机构对应的多个担保链；
确定所述第一用户在所述担保链上的第一位置；
分别确定所述担保链的首端的第二位置和所述担保链的末端的第三位置；
确定所述第一位置和所述第二位置之间相距的第一距离；
确定所述第一位置和所述第三位置之间相距的第二距离；
确定所述第一距离和所述第二距离的比值，获得距离比；
获取所述担保链的担保类型；
基于预设的担保类型-距离比-担保值库，确定所述担保类型和对应所述距离比共同对应的第一担保值；
获取所述担保人对所述第一用户进行担保的担保关系，所述担保关系包括：主动担保和被动担保；
当所述担保关系为主动担保时，确定所述担保人在所述担保链上的第四位置；
若所述第四位置在所述第一位置之前，确定所述第四位置与对应所述第一位置之间相距的第三距离，并与所述担保链的所述担保类型进行对应；
基于预设的担保类型-距离-担保值库，确定所述担保类型和对应所述第三距离对应的第二担保值；
汇总所述第一担保值和所述第二担保值，获得担保值和；
将所述第一用户基于对应所述担保值和从大到小进行排序，获得第一用户序列；
选取所述第一用户序列中前n个所述第一用户，作为第二用户；
获取所述第二用户的行为查询信息，所述行为查询信息包括：多个第一查询节点；
通过所述第一查询节点获取所述第二用户的第一行为信息，所述第一行为信息包括：多个第一行为项；
建立时间轴，基于预设的展开规则，将所述第一行为项在所述时间轴上进行展开；
获取预设的可疑行为判定模型，将所述第一行为项输入所述可疑行为判定模型，由所述可疑行为判定模型判定所述第一行为项是否可疑；
若是，将对应所述第一行为项作为第二行为项；
选取所述时间轴上前和/或后预设的范围内的所述第一行为项，作为第三行为项；
将所述第二行为项和所述第三行为项进行随机组合，获得多个组合行为；
获取预设的恶意值确定模型，将所述组合行为输入所述恶意值确定模型，由所述恶意值确定模型确定所述组合行为的恶意值；
汇总所述恶意值，获得恶意值和；
将所述第二用户基于对应所述恶意值和从小到大进行排序，获得第二用户序列；
选取所述第二用户序列中前m个所述第二用户，并作为目标用户；
构建时间区间-时间间隔库，基于所述时间区间-时间间隔库，确定当前时间所在的第一时间区间对应的第一时间间隔；
每隔所述第一时间间隔获取所述目标用户新上传至云管理平台的代码信息；
所述展开规则包括：将所述第一行为项的产生时间与所述时间轴上的时间节点一一对应，进行展开。
2.如权利要求1所述的一种基于云管理平台的持续集成和部署方法，其特征在于，构建时间区间-时间间隔库，包括：
获取预设的时间区间集，所述时间区间集包括：预设个数个第二时间区间；
基于预设的构建规则，构建所述第二时间区间对应的虚拟时间圈，所述虚拟时间圈内的时间区域与所述第二时间区间一一对应；
获取所述目标用户的上传记录，所述上传记录包括：预设的时间段内的多个上传时间点；
确定所述上传时间点对应的所述第二时间区间；
基于预设的表示规则，在所述上传时间点对应的所述第二时间区间对应所述时间区域内表示对应于所述上传时间点的时间轴线；
获取所述上传时间点对应的所述第二时间区间对应所述时间区域内的中轴线；
计算所述时间轴线和所述中轴线的夹角；
若所述夹角小于等于预设的角度阈值，查询预设的第一夹角-调整值库，确定所述夹角对应的第一调整值，并与所述上传时间点对应的所述第二时间区间进行关联；
否则，查询预设的第二夹角-调整值库，确定所述夹角对应的第二调整值，并与所述上传时间点对应的所述第二时间区间进行关联，同时，确定所述时间轴线相对于所述中轴线的方向，将所述第二调整值与所述上传时间点对应的所述第二时间区间对应所述时间区域在所述方向上的相邻所述时间区域对应的所述第二时间区间也进行关联；
全部赋予完毕后，获取预设的调整模型，将所述第二时间区间关联的所述第一调整值和所述第二调整值输入所述调整模型，由所述调整模型对所述第二时间区间对应的初始时间间隔进行调整，获得第二时间间隔；
将所述第二时间间隔与对应所述第二时间区间进行组合，获得一个对照组；
获取预设的空白数据库，将所述对照组存入所述空白数据库；
当需要存入所述空白数据库的所述对照组均存入后，将所述空白数据库作为时间区间-时间间隔库，完成构建。
3.如权利要求1所述的一种基于云管理平台的持续集成和部署方法，其特征在于，步骤3：对各所述测试代码进行集成测试，获得测试结果，包括：
获取所述测试代码的第一代码属性；
基于预设的代码属性-测试节点库，确定所述第一代码属性对应的至少一个测试节点；
将所述测试代码发送至对应所述测试节点；
当各所述测试代码均发送至对应所述测试节点时，开始进行集成测试；
测试完毕时，获取所述测试节点反馈的至少一个结果项；
整合获取的各所述结果项，获得测试结果。
4.如权利要求1所述的一种基于云管理平台的持续集成和部署方法，其特征在于，步骤4：基于所述测试结果，对相应所述应用的源代码重新进行部署，包括：
获取预设的部署模型，将所述测试结果输入所述部署模型，获得至少一个部署结果项；
提取所述部署结果项中的第二代码属性和对应于所述第二代码属性的替换节点；
将对应于所述第二代码属性的所述测试代码发送至对应所述替换节点，对所述源代码中对应于所述第二代码属性的当前代码进行代码替换；
当代码替换均完成后，完成所述源代码的重新部署。
5.一种基于云管理平台的持续集成和部署装置，其特征在于，包括：
获取模块，用于定时获取目标用户新上传至云管理平台的代码信息；
提取模块，用于提取所述代码信息中对应于同一应用的多个测试代码；
测试模块，用于对各所述测试代码进行集成测试，获得测试结果；
部署模块，用于基于所述测试结果，对相应所述应用的源代码重新进行部署；
所述获取模块执行如下操作：
获取预设的用户集，所述用户集包括：多个第一用户；
获取所述第一用户的担保信息，所述担保信息包括：至少一个担保机构和至少一个担保人；
基于预设的担保机构-担保链库，确定所述担保机构对应的多个担保链；
确定所述第一用户在所述担保链上的第一位置；
分别确定所述担保链的首端的第二位置和所述担保链的末端的第三位置；
确定所述第一位置和所述第二位置之间相距的第一距离；
确定所述第一位置和所述第三位置之间相距的第二距离；
确定所述第一距离和所述第二距离的比值，获得距离比；
获取所述担保链的担保类型；
基于预设的担保类型-距离比-担保值库，确定所述担保类型和对应所述距离比共同对应的第一担保值；
获取所述担保人对所述第一用户进行担保的担保关系，所述担保关系包括：主动担保和被动担保；
当所述担保关系为主动担保时，确定所述担保人在所述担保链上的第四位置；
若所述第四位置在所述第一位置之前，确定所述第四位置与对应所述第一位置之间相距的第三距离，并与所述担保链的所述担保类型进行对应；
基于预设的担保类型-距离-担保值库，确定所述担保类型和对应所述第三距离对应的第二担保值；
汇总所述第一担保值和所述第二担保值，获得担保值和；
将所述第一用户基于对应所述担保值和从大到小进行排序，获得第一用户序列；
选取所述第一用户序列中前n个所述第一用户，作为第二用户；
获取所述第二用户的行为查询信息，所述行为查询信息包括：多个第一查询节点；
通过所述第一查询节点获取所述第二用户的第一行为信息，所述第一行为信息包括：多个第一行为项；
建立时间轴，基于预设的展开规则，将所述第一行为项在所述时间轴上进行展开；
获取预设的可疑行为判定模型，将所述第一行为项输入所述可疑行为判定模型，由所述可疑行为判定模型判定所述第一行为项是否可疑；
若是，将对应所述第一行为项作为第二行为项；
选取所述时间轴上前和/或后预设的范围内的所述第一行为项，作为第三行为项；
将所述第二行为项和所述第三行为项进行随机组合，获得多个组合行为；
获取预设的恶意值确定模型，将所述组合行为输入所述恶意值确定模型，由所述恶意值确定模型确定所述组合行为的恶意值；
汇总所述恶意值，获得恶意值和；
将所述第二用户基于对应所述恶意值和从小到大进行排序，获得第二用户序列；
选取所述第二用户序列中前m个所述第二用户，并作为目标用户；
构建时间区间-时间间隔库，基于所述时间区间-时间间隔库，确定当前时间所在的第一时间区间对应的第一时间间隔；
每隔所述第一时间间隔获取所述目标用户新上传至云管理平台的代码信息；
所述展开规则包括：将所述第一行为项的产生时间与所述时间轴上的时间节点一一对应，进行展开。
6.如权利要求5所述的一种基于云管理平台的持续集成和部署装置，其特征在于，所述获取模块执行如下操作：
获取预设的时间区间集，所述时间区间集包括：预设个数个第二时间区间；
基于预设的构建规则，构建所述第二时间区间对应的虚拟时间圈，所述虚拟时间圈内的时间区域与所述第二时间区间一一对应；
获取所述目标用户的上传记录，所述上传记录包括：预设的时间段内的多个上传时间点；
确定所述上传时间点对应的所述第二时间区间；
基于预设的表示规则，在所述上传时间点对应的所述第二时间区间对应所述时间区域内表示对应于所述上传时间点的时间轴线；
获取所述上传时间点对应的所述第二时间区间对应所述时间区域内的中轴线；
计算所述时间轴线和所述中轴线的夹角；
若所述夹角小于等于预设的角度阈值，查询预设的第一夹角-调整值库，确定所述夹角对应的第一调整值，并与所述上传时间点对应的所述第二时间区间进行关联；
否则，查询预设的第二夹角-调整值库，确定所述夹角对应的第二调整值，并与所述上传时间点对应的所述第二时间区间进行关联，同时，确定所述时间轴线相对于所述中轴线的方向，将所述第二调整值与所述上传时间点对应的所述第二时间区间对应所述时间区域在所述方向上的相邻所述时间区域对应的所述第二时间区间也进行关联；
全部赋予完毕后，获取预设的调整模型，将所述第二时间区间关联的所述第一调整值和所述第二调整值输入所述调整模型，由所述调整模型对所述第二时间区间对应的初始时间间隔进行调整，获得第二时间间隔；
将所述第二时间间隔与对应所述第二时间区间进行组合，获得一个对照组；
获取预设的空白数据库，将所述对照组存入所述空白数据库；
当需要存入所述空白数据库的所述对照组均存入后，将所述空白数据库作为时间区间-时间间隔库，完成构建。
7.如权利要求5所述的一种基于云管理平台的持续集成和部署装置，其特征在于，所述测试模块执行如下操作：
获取所述测试代码的第一代码属性；
基于预设的代码属性-测试节点库，确定所述第一代码属性对应的至少一个测试节点；
将所述测试代码发送至对应所述测试节点；
当各所述测试代码均发送至对应所述测试节点时，开始进行集成测试；
测试完毕时，获取所述测试节点反馈的至少一个结果项；
整合获取的各所述结果项，获得测试结果。
8.如权利要求5所述的一种基于云管理平台的持续集成和部署装置，其特征在于，所述部署模块执行如下操作：
获取预设的部署模型，将所述测试结果输入所述部署模型，获得至少一个部署结果项；
提取所述部署结果项中的第二代码属性和对应于所述第二代码属性的替换节点；
将对应于所述第二代码属性的所述测试代码发送至对应所述替换节点，对所述源代码中对应于所述第二代码属性的当前代码进行代码替换；
当代码替换均完成后，完成所述源代码的重新部署。
CN202111437169.XA 2021-11-30 2021-11-30 一种基于云管理平台的持续集成和部署方法及装置 Active CN113849190B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111437169.XA CN113849190B (zh) 2021-11-30 2021-11-30 一种基于云管理平台的持续集成和部署方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111437169.XA CN113849190B (zh) 2021-11-30 2021-11-30 一种基于云管理平台的持续集成和部署方法及装置

Publications (2)

Publication Number Publication Date
CN113849190A CN113849190A (zh) 2021-12-28
CN113849190B true CN113849190B (zh) 2022-03-08

Family

ID=78982301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111437169.XA Active CN113849190B (zh) 2021-11-30 2021-11-30 一种基于云管理平台的持续集成和部署方法及装置

Country Status (1)

Country Link
CN (1) CN113849190B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117614865B (zh) * 2024-01-23 2024-03-29 浙江华安技术有限公司 一种分布式信息发布方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109783086A (zh) * 2018-12-14 2019-05-21 深圳壹账通智能科技有限公司 基于持续集成平台的应用开发方法、终端设备及介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10216509B2 (en) * 2016-03-18 2019-02-26 TUPL, Inc. Continuous and automatic application development and deployment
CN109146483B (zh) * 2018-08-31 2022-01-07 刘一涵 基于区块链网络的信用记录方法和系统
CN111610967A (zh) * 2020-04-08 2020-09-01 曙光信息产业(北京)有限公司 基于云管理平台的持续集成和部署方法及装置
CN112506525A (zh) * 2020-12-03 2021-03-16 中国人寿保险股份有限公司 持续集成和持续交付方法、装置、电子设备及存储介质
CN113504939B (zh) * 2021-07-08 2022-09-09 建信金融科技有限责任公司 项目版本发布的管理方法、装置、电子设备及计算机可读介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109783086A (zh) * 2018-12-14 2019-05-21 深圳壹账通智能科技有限公司 基于持续集成平台的应用开发方法、终端设备及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
企业开发、测试环境快速部署方案的设计与实现;徐星等;《工业控制计算机》;20180325(第03期);第15-17页 *

Also Published As

Publication number Publication date
CN113849190A (zh) 2021-12-28

Similar Documents

Publication Publication Date Title
Dawid et al. Coherent analysis of forensic identification evidence
CN111737493B (zh) 基于决策树的异常数据源输出方法、装置和计算机设备
US8825645B1 (en) Determining quality of linked documents
CN112162977B (zh) 一种面向mes的海量数据去冗余方法和系统
CN113849190B (zh) 一种基于云管理平台的持续集成和部署方法及装置
JP2002032773A (ja) 地図データの処理装置及び方法
CN109818961A (zh) 一种网络入侵检测方法、装置和设备
CN114036347B (zh) 一种支持数字融合业务的云平台及工作方法
CN105630801A (zh) 用于检测偏离用户的方法和装置
CA2304387A1 (en) A system for identification of selectively related database records
CN108228787A (zh) 按照多级类目处理信息的方法和装置
CN114022292A (zh) 基于人工智能的定损规则筛选方法、装置、设备及介质
CN109102303A (zh) 风险检测方法和相关装置
CN112527897A (zh) 一种数据处理方法及系统
CN109992592B (zh) 基于校园消费卡流水数据的高校贫困生识别方法
CN115455457B (zh) 基于智慧大数据的链数据管理方法、系统和存储介质
CN110751168A (zh) 信息推送方法、装置、计算机设备和存储介质
CN104166719B (zh) 基于泛化双向相似连接技术的匹配方法
CN112527813A (zh) 业务系统的数据处理方法及装置、电子设备、存储介质
CN108256083A (zh) 基于深度学习的内容推荐方法
CN108256086A (zh) 数据特征统计分析方法
CN108280176A (zh) 基于MapReduce的数据挖掘优化方法
US11501020B2 (en) Method for anonymizing personal information in big data and combining anonymized data
US20180322214A1 (en) Data display method
CN113807927A (zh) 一种基于互联网的竞价抢单平台

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
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20211228

Assignee: Guangzhou lubangtong Internet of things Technology Co.,Ltd.

Assignor: Guangzhou lubangtong Intelligent Technology Co.,Ltd.

Contract record no.: X2024980017701

Denomination of invention: A method and device for continuous integration and deployment based on cloud management platform

Granted publication date: 20220308

License type: Common License

Record date: 20241010