CN113868300A - 数据跨库处理方法、系统、计算机设备及存储介质 - Google Patents

Abstract

本发明涉及金融及计算机数据处理领域，本发明实施例提供了一种数据跨库处理方法，所述方法包括：获取用户对第一数据库中待评估产品评估数据的选择操作，根据所述选择操作确定需要评估的数据，并将所述需要评估的数据同步至第二数据库；以所述需要评估的数据为索引，对所述第二数据库中的智能报表进行数据的查找；对查找出的目标数据进行校验，以确定所述目标数据是否符合预设的计算要求；当校验通过时，在所述第二数据库对所述目标数据进行计算，并将计算结果发送至所述第一数据库。本发明实施例通过直连第二数据库，直接关联所述第二数据库中的源计算结果，极大地提高了计算结果的实时性和准确度，从而提高数据的查询速度。

Description

数据跨库处理方法、系统、计算机设备及存储介质

技术领域

本发明实施例涉及计算机数据处理领域，尤其涉及一种数据跨库处理方法、系统、计算机设备及计算机可读存储介质。

背景技术

智能报价工具是基于既往的报价数据和出险理赔数据，对新的询价业务计算出一套报价成本数据。既往的报价数据和出险理赔数据由于数据量大，存放于大数据智能报表中。智能报价工具所需的数据需要通过调度平台将智能报表每月推送至智能报价计算使用的oracle数据库，然后oracle数据库将数据加工后供后续计算使用。

然而，在数据推送抓取过程中，存在增量数据，数据量大，每月需要将之前的所有数据清空，然后重新导入。在进行数据的重新导入过程中，由于中间件性能的问题，导致数据导入缓慢，并随着数量的增长容易出现超负荷及数据推送失败等异常。同时由于数据推送不及时，导致计算结果达不到预期。另外核心oracle数据库关联大数据基础数据查询慢，大数据查询缓慢，导致计算时间过长，极大地降低了数据计算的时效性。

发明内容

有鉴于此，本发明实施例的目的是提供一种数据跨库处理方法、系统、计算机设备及计算机可读存储介质，以解决上述由于数据推送不及时导致计算结果达不到预期以及在计算过程中由于数据库关联数据查询慢，导致计算时间过程，从而降低数据计算的时效性的技术问题。

为实现上述目的，本发明实施例提供了一种数据跨库处理方法，包括以下步骤：

获取用户对智能报价工具中第一数据库中的待评估产品评估数据的选择操作，根据所述选择操作确定需要评估的数据，并将所述需要评估的数据同步至第二数据库；

以所述需要评估的数据为索引，对所述第二数据库中的智能报表进行数据的查找；

对查找出的目标数据进行校验，以确定所述目标数据是否符合预设的计算要求；

当校验通过时，在所述第二数据库对所述目标数据进行计算，并将计算结果发送至所述第一数据库。

可选地，所述对查找出的目标数据进行校验，以确定所述目标数据是否符合预设的计算要求，包括：

获取所述目标数据对应的时长期限、对应的数据范围及评估时间范围、使用参数、用户人数；

对所述目标数据对应的时长期限、对应的数据范围及评估时间范围、使用参数、用户人数进行校验；

若所述目标数据对应的时长期限、对应的数据范围及评估时间范围、使用参数、用户人数均校验通过，则确定所述目标数据符合所述预设的计算要求。

可选地，所述对所述目标数据对应的时长期限、对应的数据范围及评估时间范围、使用参数、用户人数进行校验，包括：

判断所述时长期限是否均小于第一预设值，若均小于所述第一预设值，则校验不通过；

对所述对应的数据险范围以及所述评估时段范围进行预设值校验；

判断所述使用参数是否为第二预设值，若为所述第二预设值，则校验不通过；

判断所述用户人数是否第三预设值，若小于所述第三预设值，则校验不通过。

可选地，所述对所述目标数据进行计算，包括：

获取核保人员触发的计算指令，并根据所述计算指令生成待计算任务；

通过任务调度框架抓取所述待计算任务；

根据所述待计算任务，调度所述第二数据库对所述目标数据进行计算。

可选地，所述方法还包括：将所述计算结果上传至区块链中。

为实现上述目的，本发明实施例还提供了数据跨库处理系统，包括：

同步模块，用于获取用户对智能报价工具中第一数据库中的待评估产品评估数据的选择操作，根据所述选择操作确定需要评估的数据，并将所述需要评估的数据同步至第二数据库；

查找模块，用于以所述需要评估的数据为索引，对所述第二数据库中的智能报表进行数据的查找；

校验模块，用于对查找出的目标数据进行校验，以确定所述目标数据是否符合预设的计算要求；

计算模块，用于当校验通过时，在所述第二数据库对所述目标数据进行计算，并将计算结果发送至所述第一数据库。

为实现上述目的，本发明实施例还提供了一种计算机设备，所述计算机设备存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被处理器执行时实现如上所述的数据跨库处理方法的步骤。

为实现上述目的，本发明实施例还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内存储有计算机程序，所述计算机程序可被至少一个处理器所执行，以使所述至少一个处理器执行如上所述的数据跨库处理方法的步骤。

本发明实施例提供的数据跨库处理方法、系统、计算机设备及计算机可读存储介质，通过将需要评估的数据同步至第二数据库，以所述数据为索引，对所述第二数据库中智能报表进行数据的查找，并对查找出的目标数据进行校验，以确定待评估产品是否能够进行计算，若校验通过，则根据计算任务进行计算，并将计算结果发送至智能报价工具中的第一数据库。相比于现有技术中直接将智能报表中的数据导入至智能报价工具中进行报价计算，由于第二数据库中的源数据都是实时性的，本发明通过直连所述第二数据库，直接关联所述第二数据库中的源计算结果，极大地提高了计算结果的实时性和准确度，从而提高数据的查询速度。

附图说明

图1为本发明实施例一之数据跨库处理方法的运行环境示意图。

图2为本发明实施例一之数据跨库处理方法的流程示意图。

图3为图2中步骤S300的一示例性的具体流程示意图。

图4为图3中步骤S302的一示例性的具体流程示意图。

图5为图1中步骤S400的一示例性的具体流程示意图。

图6为本发明实施例一中一示例性的数据跨库处理方法的简单流程示意图。

图7为本发明实施例二之数据跨库处理系统的程序模块示意图。

图8为本发明实施例三之计算机设备的硬件结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通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。

图1所示，为本发明实施例之数据跨库处理方法的运行环境示意图。计算机设备2示例性的通过网络连接前端设备4、第一数据库及第二数据库。

所述前端设备4用于接收用户的操作指令，并根据操作指令发送对应的数据请求至所述计算机设备2。所述前端设备4上可以运行Microsoft Windows、Linux、Mac OS、Android、IOS等操作系统，并在上述操作系统中装载有浏览器应用程序(如，IE浏览器、Chrome浏览器等)。本实施例采用了浏览器/服务器(B/S)架构，即工作人员可以通过所述前端设备4的浏览器应用程序与所述计算机设备2进行数据交互，以向所述计算机设备2提供金融产品数据(如，产品描述信息)。当然，也可以采用客户端/服务器(C/S)等架构。需要说明的是，所述前端设备4可以是个人计算机、平板计算机、移动电话等。

所述计算机设备2根据所述数据请求将对应的数据同步至第二数据库，并在所述第二数据库进行数据的校验和计算，计算完成后将计算结果发送至第一数据库。

以下实施例将以计算机设备2为执行主体进行示例性描述。

实施例一

参阅图2，示出了本发明实施例一之数据跨库处理方法的步骤流程图。可以理解，本方法实施例中的流程图不用于对执行步骤的顺序进行限定。具体如下。

步骤S100，获取用户对智能报价工具中第一数据库中的待评估产品评估数据的选择操作，根据所述选择操作确定需要评估的数据，并将所述需要评估的数据同步至第二数据库。

具体地，在将所述需要评估的数据同步至所述第二数据库之前，需要建立所述需要评估的数据所在的数据源与所述第二数据库的通信连接，以便将所述需要评估的数据实时同步至所述第二数据库中。

在核保报价应用场景中，核保人员在进行报价时，根据待报价的业务类型，自动匹配团体或者个人智能报价模型，例如，组合险匹配个人智能报价模型。然后通过智能报价工具输入待评估产品，选择需要评估的数据。计算机设备2通过获取所述核保人员选择的评估数据(也即所述需要评估的数据)，然后将所述评估数据实时同步至所述第二数据库中。

需要说明的是，对于确定的待评估产品，需要评估的数据数量有限，相比于智能报表中存储的既往报价数据和出险理赔数据，仅需将极小部分的数据量同步(推送)至所述第二数据库，能够极大地数据同步的实时性以及计算效率。

在一示例性的实施例中，所述第一数据库可以为oracle数据库，所述第二数据库可以为Yellowbrick数据库。需要说明的是，所述oracle数据库位于智能报价工具中。所述Yellowbrick数据库性能卓越，支持近实时的复杂计算和即时查询，支持在线增删改，不需读写分离，能够查询更多历史数据，实现精准分析，支持实时导入数据同时快速查询，多表关联、多用户、多任务、高并发和混合负载表现稳定可靠，无需索引和预处理，支持集成交互应用，一站式管理界面，运维简单高效。

步骤S200，以所述需要评估的数据为索引，对所述第二数据库中智能报表进行数据的查找。

所述目标数据可以为索引因子，通过所述索引因子可以对所述第二数据库中的智能报表进行数据的查找。所述智能报表中的数据包括所述目标数据。例如，所述智能报表包括产品名称、年龄、性别、职业类别、机构等因子以及对应的数据，所述目标数据可以为产品名称、年龄、性别等。通过以所述目标数据为索引，可以查找出所述智能报表中所述索引下的全部数据。

通过关联所述智能报表，根据所述待评估产品对应的年龄、性别、职业类别、机构等因子可以获取暴露人数、累计出险人数、累计赔款、发生率、人均赔款、经过月度等数据。

步骤S300，对查找出的目标数据进行校验，以确定所述目标数据是否符合预设的计算要求。

在实际应用中，由于查找出的目标数据中存在符合计算目标和不符合计算目的的数据，故，需要对所述目标数据进行校验，以确定所述目标数据是否符合预设的计算要求。

在示例性的实施例中，如图3所示，所述步骤S300可以包括以下步骤：

步骤S301，获取所述目标数据对应的时长期限、对应的数据范围及评估时间范围、使用参数、用户人数。

步骤S302，对所述目标数据对应的时长期限、对应的数据范围及评估时间范围、使用参数、用户人数进行校验。

步骤S303，若所述目标数据对应的时长期限、对应的数据范围及评估时间范围、使用参数、用户人数均校验通过，则确定所述目标数据符合所述预设的计算要求。

需要说明的是，本实施例中的校验过程是针对组合险进行校验，也即对产品大类进行校验。所述产品大类可以包括，但不限于：财产保险、人身保险以及责任保险等。在具体实施例中，所述时长期限可以为组合险的保险期限。所述数据范围可以为组合险范围。所述评估时间范围可以为所述组合险的评估时间范围。所述使用参数可以为组合险既往未满期/满期赔款数。所述用户人数可以为组合险未满期/满期暴露人数。

具体地，在实际应用中，当上述4个校验过程中，若存在其中一项校验不通过，则确定所述目标数据不符合所述预设的计算要求。

在示例性的实施例中，如图4所示，所述步骤S302可以具体包括：

步骤S3021，判断所述时长期限是否均小于第一预设值，若均小于所述第一预设值，则校验不通过。

步骤S3022，对所述对应的数据范围以及所述评估时段范围进行预设值校验。

步骤S3023，判断所述使用参数是否为第二预设值，若为所述第二预设值，则校验不通过。

步骤S3024，判断所述用户人数是否第三预设值，若小于所述第三预设值，则校验不通过。

在实际应用中，以所述目标数据为保险相关数据为例进行说明。也即，所述时长期限为组合险的保险期限，所述数据范围为组合险范围，所述评估时间范围为所述组合险的评估时间范围，所述使用参数为组合险既往未满期/满期赔款数，所述用户人数为组合险未满期/满期暴露人数。在校验所述保险期限时，若所有组合险产品为月+天录入合计均小于所述第一预设值的产品，则校验不通过。例如，所有组合险产品录入合计大于或等于30天的产品则校验通过，若都小于30天，则校验不通过。在校验所述组合险评估时间范围时，评估产品范围选择：为保持数据一致性，默认为选定组合险代码评估范围，到选择产品进度法后可以删除，不可以增加。在评估时段范围选择时：为保证未满期数据评估合理性，避免前期0赔付的影响，核保仅能在此范围内修改评估时段范围，即当前月减去起始月大于或等于6个月且小于或等于17个月。在校验所述组合险既往未满期/满期赔款数时，若所有所选组合险既往赔款全部为0，则校验不通过，否则校验通过。在校验所述未满期/满期暴露人数是否超过所述第三阈值时，医疗费用类医疗津贴类及其他中人任一险种的暴露人数大于或者等于2000，若都小于2000，则校验不通过。

满期组合险范围数据使用优先级：机构+组合险+小险种(按照满期组合险范围)>机构+小险种>总部+组合险+小险种(按照满期组合险范围)>产品进度法总部基表(总部+业务类型+小险种取值对应业务类型险种进度系数)。

需要说明的是，通过上述校验过程，以确定是否可以使用产品进度法对所述目标数据进行计算。在进行上述校验过程之后，若校验失败，则表示没有供可以计算的数据。

步骤S400，当校验通过时，在所述第二数据库对所述目标数据进行计算，并将计算结果发送至所述第一数据库。

相比于现有技术，本发明通过将数据计算过程迁移至Yellowbrick数据库，可以极大地提高核心oracle数据库的查询速度，从而提高数据计算速度，提高计算的实时性。在计算完成后，将所述计算结果发送至所述智能报价工具中的核心oracle数据库以供所述智能报价工具调用。

在示例性的实施例中，如图5所示，所述步骤S400中对所述目标数据进行计算，可以具体包括：

步骤S401，获取核保人员触发的计算指令，并根据所述计算指令生成待计算任务。

步骤S402，通过任务调度框架抓取所述待计算任务。

步骤S403，根据所述待计算任务，调度所述第二数据库对所述目标数据进行计算。

在具体实施例中，通过所述任务调度框架进行待计算任务的抓取时，抓取的频率可以任意设定，例如，每分钟抓取一次。在根据所述计算指令生成待计算任务时，在所述第一数据库生产待计算的任务数据，以根据所述任务数据进行任务的抓取和计算。

在具体实施例中，当所述第二数据库对所述目标数据计算完成后，所述第二数据库通知所述第一数据库翻转或更新所述计算任务的状态为计算完成。

在一示例性的实施例中，所述方法还包括：将所述计算结果上传至区块链中。所述区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层。

在一具体实施例中，如图6所示，为本发明实施例一中一示例性的数据跨库处理方法的简单流程示意图。当用户需要进行数据计算时，选择需要评估的数据，然后将该需要评估的数据同步到YBD数据库，在所述YBD数据库中进行数据的校验，并将数据校验结果发送至智能报价工具，以通知所述智能报价工具数据校验结果。当数据校验失败时，整个流程结束，表示该数据无法按照进行预设的计算。当数据校验通过时，则触发计算，并返回计算结果至所述智能报价工具。

本发明通过将需要评估的数据同步至第二数据库，以所述数据为索引，对所述第二数据库中智能报表进行数据的查找，并对查找出的目标数据进行校验，以确定待评估产品是否能够进行计算，若校验通过，则根据计算任务进行计算，并将计算结果发送至智能报价工具中的第一数据库。相比于现有技术中直接将智能报表中的数据导入至智能报价工具中进行报价计算，由于第二数据库中的源数据都是实时性的，本发明通过直连所述第二数据库，直接关联所述第二数据库中的源计算结果，极大地提高了计算结果的实时性和准确度，从而提高数据的查询速度。同时，本发明无需将智能报表的数据导入至智能报价工具中，直接在第二数据库中进行校验和计算，计算后直接将计算结果返回至智能报价工具，能够加速数据的查询和计算速度，使得计算时效性大幅度提升。

实施例二

请继续参阅图7，示出了本发明数据跨库处理系统实施例二的程序模块示意图。在本实施例中，数据跨库处理系统20可以包括或被分割成一个或多个程序模块，一个或者多个程序模块被存储于存储介质中，并由一个或多个处理器所执行，以完成本发明，并可实现上述数据跨库处理方法。本发明实施例所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序本身更适合于描述数据跨库处理系统20在存储介质中的执行过程。以下描述将具体介绍本实施例各程序模块的功能：

同步模块200，用于获取用户对智能报价工具中第一数据库中的待评估产品评估数据的选择操作，根据所述选择操作确定需要评估的数据，并将所述需要评估的数据同步至第二数据库。

具体地，在将所述需要评估的数据同步至所述第二数据库之前，需要建立所述需要评估的数据所在的数据源与所述第二数据库的通信连接，以便将所述需要评估的数据实时同步至所述第二数据库中。

在核保报价应用场景中，核保人员在进行报价时，根据待报价的业务类型，自动匹配团体或者个人智能报价模型，例如，组合险匹配个人智能报价模型。然后通过智能报价工具输入待评估产品，选择需要评估的数据。计算机设备2通过获取所述核保人员选择的评估数据(也即所述需要评估的数据)，然后将所述评估数据实时同步至所述第二数据库中。

需要说明的是，对于确定的待评估产品，需要评估的数据数量有限，相比于智能报表中存储的既往报价数据和出险理赔数据，仅需将极小部分的数据量同步(推送)至所述第二数据库，能够极大地数据同步的实时性以及计算效率。

在一示例性的实施例中，所述第一数据库可以为oracle数据库，所述第二数据库可以为Yellowbrick数据库。需要说明的是，所述oracle数据库位于智能报价工具中。所述Yellowbrick数据库性能卓越，支持近实时的复杂计算和即时查询，支持在线增删改，不需读写分离，能够查询更多历史数据，实现精准分析，支持实时导入数据同时快速查询，多表关联、多用户、多任务、高并发和混合负载表现稳定可靠，无需索引和预处理，支持集成交互应用，一站式管理界面，运维简单高效。

查找模块201，用于以所述需要评估的数据为索引，对所述第二数据库中智能报表进行数据的查找。

所述目标数据可以为索引因子，通过所述索引因子可以对所述第二数据库中的智能报表进行数据的查找。所述智能报表中的数据包括所述目标数据。例如，所述智能报表包括产品名称、年龄、性别、职业类别、机构等因子以及对应的数据，所述目标数据可以为产品名称、年龄、性别等。通过以所述目标数据为索引，可以查找出所述智能报表中所述索引下的全部数据。

通过关联所述智能报表，根据所述待评估产品对应的年龄、性别、职业类别、机构等因子可以获取暴露人数、累计出险人数、累计赔款、发生率、人均赔款、经过月度等数据。

校验模块202，用于对查找出的目标数据进行校验，以确定所述目标数据是否符合预设的计算要求。

在实际应用中，由于查找出的目标数据中存在符合计算目标和不符合计算目的的数据，故，需要对所述目标数据进行校验，以确定所述目标数据是否符合预设的计算要求。

在示例性的实施例中，所述校验模块202可以具体包括获取单元、校验单元及确定单元：

所述获取单元，用于获取所述目标数据对应的时长期限、对应的数据范围及评估时间范围、使用参数、用户人数。

所述校验单元，用于对所述目标数据对应的时长期限、对应的数据范围及评估时间范围、使用参数、用户人数进行校验。

所述确定单元，用于若所述目标数据对应的时长期限、对应的数据范围及评估时间范围、使用参数、用户人数均校验通过，则确定所述目标数据符合所述预设的计算要求。

需要说明的是，本实施例中的校验过程是针对组合险进行校验，也即对产品大类进行校验。所述产品大类可以包括，但不限于：财产保险、人身保险以及责任保险等。在具体实施例中，所述时长期限可以为组合险的保险期限。所述数据范围可以为组合险范围。所述评估时间范围可以为所述组合险的评估时间范围。所述使用参数可以为组合险既往未满期/满期赔款数。所述用户人数可以为组合险未满期/满期暴露人数。

具体地，在实际应用中，当上述4个校验过程中，若存在其中一项校验不通过，则确定所述目标数据不符合所述预设的计算要求。

在示例性的实施例中，所述校验单元可以具体用于：

判断所述时长期限是否均小于第一预设值，若均小于所述第一预设值，则校验不通过；

对所述对应的数据范围以及所述评估时段范围进行预设值校验；

判断所述使用参数是否为第二预设值，若为所述第二预设值，则校验不通过；

判断所述用户人数是否第三预设值，若小于所述第三预设值，则校验不通过。

在实际应用中，以所述目标数据为保险相关数据为例进行说明。也即，所述时长期限为组合险的保险期限，所述数据范围为组合险范围，所述评估时间范围为所述组合险的评估时间范围，所述使用参数为组合险既往未满期/满期赔款数，所述用户人数为组合险未满期/满期暴露人数。在校验所述保险期限时，若所有组合险产品为月+天录入合计均小于所述第一预设值的产品，则校验不通过。例如，所有组合险产品录入合计大于或等于30天的产品则校验通过，若都小于30天，则校验不通过。在校验所述组合险评估时间范围时，评估产品范围选择：为保持数据一致性，默认为选定组合险代码评估范围，到选择产品进度法后可以删除，不可以增加。在评估时段范围选择时：为保证未满期数据评估合理性，避免前期0赔付的影响，核保仅能在此范围内修改评估时段范围，即当前月减去起始月大于或等于6个月且小于或等于17个月。在校验所述组合险既往未满期/满期赔款数时，若所有所选组合险既往赔款全部为0，则校验不通过，否则校验通过。在校验所述未满期/满期暴露人数是否超过所述第三阈值时，医疗费用类医疗津贴类及其他中人任一险种的暴露人数大于或者等于2000，若都小于2000，则校验不通过。

满期组合险范围数据使用优先级：机构+组合险+小险种(按照满期组合险范围)>机构+小险种>总部+组合险+小险种(按照满期组合险范围)>产品进度法总部基表(总部+业务类型+小险种取值对应业务类型险种进度系数)。

需要说明的是，通过上述校验过程，以确定是否可以使用产品进度法对所述目标数据进行计算。在进行上述校验过程之后，若校验失败，则表示没有供可以计算的数据。

计算模块203，当校验通过时，在所述第二数据库对所述目标数据进行计算，并将计算结果发送至所述第一数据库。

相比于现有技术，本发明通过将数据计算过程迁移至Yellowbrick数据库，可以极大地提高核心oracle数据库的查询速度，从而提高数据计算速度，提高计算的实时性。在计算完成后，将计算结果发送至所述智能报价工具中的核心oracle数据库以供所述智能报价工具调用。

在示例性的实施例中，所述计算模块203可以具体用于：

获取核保人员触发的计算指令，并根据所述计算指令生成待计算任务；

通过任务调度框架抓取所述待计算任务；

根据所述待计算任务，调度所述第二数据库对所述目标数据进行计算。

在具体实施例中，通过所述任务调度框架进行待计算任务的抓取时，抓取的频率可以任意设定，例如，每分钟抓取一次。在根据所述计算指令生成待计算任务时，在所述第一数据库生产待计算的任务数据，以根据所述任务数据进行任务的抓取和计算。

在具体实施例中，当所述第二数据库对所述目标数据计算完成后，所述第二数据库通知所述第一数据库翻转或更新所述计算任务的状态为计算完成。

在示例性的实施例中，所述数据跨库处理系统20还可以包括发送模块，用于：将所述计算结果发送至所述智能报价工具。具体实施例中，可以将所述计算结果发送至所述智能报价工具中的oracle数据库中。

在一示例性的实施例中，所述发送模块还用于：将所述计算结果上传至区块链中。所述区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层。

本发明实施例通过将需要评估的数据同步至第二数据库，以所述数据为索引，对所述第二数据库中智能报表进行数据的查找，并对查找出的目标数据进行校验，以确定待评估产品是否能够进行计算，若校验通过，则根据计算任务进行计算，并将计算结果发送至智能报价工具中的第一数据库。相比于现有技术中直接将智能报表中的数据导入至智能报价工具中进行报价计算，由于第二数据库中的源数据都是实时性的，本发明实施例通过直连所述第二数据库，直接关联所述第二数据库中的源计算结果，极大地提高了计算结果的实时性和准确度，从而提高数据的查询速度。同时，本发明实施例无需将智能报表的数据导入至智能报价工具中，直接在第二数据库中进行校验和计算，计算后直接将计算结果返回至智能报价工具，能够加速数据的查询和计算速度，使得计算时效性大幅度提升。

实施例三

参阅图8，是本发明实施例三之计算机设备的硬件架构示意图。本实施例中，所述计算机设备2是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。该计算机设备2可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。如图所示，所述计算机设备2至少包括，但不限于，可通过系统总线相互通信连接存储器21、处理器22、网络接口23以及数据跨库处理系统20。其中：

本实施例中，存储器21至少包括一种类型的计算机可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器21可以是计算机设备2的内部存储单元，例如该计算机设备2的硬盘或内存。在另一些实施例中，存储器21也可以是计算机设备2的外部存储设备，例如该计算机设备2上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器21还可以既包括计算机设备2的内部存储单元也包括其外部存储设备。本实施例中，存储器21通常用于存储安装于计算机设备2的操作系统和各类应用软件，例如实施例二的数据跨库处理系统20的程序代码等。此外，存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。

处理器22在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制计算机设备2的总体操作。本实施例中，处理器22用于运行存储器21中存储的程序代码或者处理数据，例如运行数据跨库处理系统20，以实现实施例一的数据跨库处理方法。

所述网络接口23可包括无线网络接口或有线网络接口，该网络接口23通常用于在所述计算机设备2与其他电子装置之间建立通信连接。例如，所述网络接口23用于通过网络将所述计算机设备2与外部终端相连，在所述计算机设备2与外部终端之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobile communication，GSM)、宽带码分多址(WidebandCode Division Multiple Access，WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。

需要指出的是，图8仅示出了具有部件20-23的计算机设备2，但是应理解的是，并不要求实施所有示出的部件，可以替代的实施更多或者更少的部件。

在本实施例中，存储于存储器21中的所述数据跨库处理系统20还可以被分割为一个或者多个程序模块，所述一个或者多个程序模块被存储于存储器21中，并由一个或多个处理器(本实施例为处理器22)所执行，以完成本发明。

例如，图7示出了所述实现数据跨库处理系统20实施例二的程序模块示意图，该实施例中，所述基于数据跨库处理系统20可以被划分为同步模块200、查找模块201，校验模块202以及计算模块203。其中，本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述所述数据跨库处理系统20在所述计算机设备2中的执行过程。所述程序模块200-203的具体功能在实施例二中已有详细描述，在此不再赘述。

实施例四

本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储数据跨库处理系统20，被处理器执行时实现实施例一的数据跨库处理方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种数据跨库处理方法，其特征在于，所述方法包括：

获取用户对智能报价工具中第一数据库中的待评估产品评估数据的选择操作，根据所述选择操作确定需要评估的数据，并将所述需要评估的数据同步至第二数据库；

以所述需要评估的数据为索引，对所述第二数据库中的智能报表进行数据的查找；

对查找出的目标数据进行校验，以确定所述目标数据是否符合预设的计算要求；

当校验通过时，在所述第二数据库对所述目标数据进行计算，并将计算结果发送至所述第一数据库。

2.根据权利要求1所述的数据跨库处理方法，其特征在于，所述对查找出的目标数据进行校验，以确定所述目标数据是否符合预设的计算要求，包括：

获取所述目标数据对应的时长期限、对应的数据范围以及评估时间范围、使用参数、用户人数；

对所述目标数据对应的时长期限、对应的数据范围及评估时间范围、使用参数、用户人数进行校验；

若所述目标数据对应的时长期限、对应的数据范围以及评估时间范围、使用参数、用户人数均校验通过，则确定所述目标数据符合所述预设的计算要求。

3.根据权利要求2所述的数据跨库处理方法，其特征在于，所述对所述目标数据对应的时长期限、对应的数据范围及评估时间范围、使用参数、用户人数进行校验，包括：

判断所述时长期限是否均小于第一预设值，若均小于所述第一预设值，则校验不通过；

对所述对应的数据范围以及所述评估时段范围进行预设值校验；

判断所述使用参数是否为第二预设值，若为所述第二预设值，则校验不通过；

判断所述用户人数是否第三预设值，若小于所述第三预设值，则校验不通过。

4.根据权利要求1-3中任意一项所述的数据跨库处理方法，其特征在于，所述对所述目标数据进行计算，包括：

获取核保人员触发的计算指令，并根据所述计算指令生成待计算任务；

通过任务调度框架抓取所述待计算任务；

根据所述待计算任务，调度所述第二数据库对所述目标数据进行计算。

5.根据权利要求4所述的数据跨库处理方法，其特征在于，所述方法还包括：将所述计算结果上传至区块链中。

6.一种数据跨库处理系统，其特征在于，包括：

同步模块，用于获取用户对智能报价工具中第一数据库中的待评估产品评估数据的选择操作，根据所述选择操作确定需要评估的数据，并将所述需要评估的数据同步至第二数据库；

查找模块，用于以所述需要评估的数据为索引，对所述第二数据库中的智能报表进行数据的查找；

校验模块，用于对查找出的目标数据进行校验，以确定所述目标数据是否符合预设的计算要求；

计算模块，用于当校验通过时，在所述第二数据库对所述目标数据进行计算，并将计算结果发送至所述第一数据库。

7.一种计算机设备，所述计算机设备存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的数据跨库处理方法的步骤。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序可被至少一个处理器所执行，以使所述至少一个处理器执行如权利要求1至5中任一项所述的数据跨库处理方法的步骤。

Images