CN113986581A - 数据聚合处理方法、装置、计算机设备和存储介质 - Google Patents
数据聚合处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113986581A CN113986581A CN202111268185.0A CN202111268185A CN113986581A CN 113986581 A CN113986581 A CN 113986581A CN 202111268185 A CN202111268185 A CN 202111268185A CN 113986581 A CN113986581 A CN 113986581A
- Authority
- CN
- China
- Prior art keywords
- information
- data
- preset
- acquiring
- user
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G06F9/547—Remote procedure calls [RPC]; Web services
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请涉及人工智能技术领域,提供一种数据聚合处理方法、装置、计算机设备和存储介质,方法包括:当接收到数据获取请求时,获取用户的指纹图像、手部动作信息与用户信息,基于注册用户名单、指纹图像与手部动作信息对用户进行身份验证;若验证通过,获取配置信息,并对配置信息进行解析得到解析信息;调用与各源接口信息分别对应的微服务接口获取与预设结果字段对应的结果数据;基于目标数据聚合格式对所有结果数据进行聚合得到的聚合数据;调用与目标接口信息对应的目标接口将聚合数据发送至客户端。本申请能够提高接口数据聚合的处理效率。本申请还可以应用于区块链领域,上述聚合数据等数据可以存储于区块链上。
Description
技术领域
本申请涉及人工智能技术领域,具体涉及一种数据聚合处理方法、装置、计算机设备和存储介质。
背景技术
在当前微服务系统架构下,接口相对比较分散,多数场景下需要聚合多个微服务接口后才能提供完整的服务。例如,用户需要客户端响应查询服务,该查询服务所需展示的数据结果涉及从系统A中获取用户身份信息,以及从系统B中获取用户银行账户信息等等,因需要从不同的系统获取数据,获取数据的接口必然不同,故需要对这些不同的用于获取数据的接口进行聚合,才能为用户提供所需的服务数据。
现有的实现接口数据聚合的方式需要开发人员根据业务需求进行聚合代码的定制开发。但随着业务需求的变更与增加,为了支持新的业务需求,微服务的数量与接口数量也会相应增加,使得接口数据聚合所对应的聚合代码的兼容修改工作会越来越多,极大地增加了接口数据聚合的工作量,导致接口数据聚合的处理效率较低。
发明内容
本申请的主要目的为提供一种数据聚合处理方法、装置、计算机设备和存储介质,旨在解决现有的实现接口数据聚合的方式需要开发人员根据业务需求进行聚合代码的定制开发,导致接口数据聚合的工作量较大,且接口数据聚合的处理效率较低的技术问题。
本申请提出一种数据聚合处理方法,所述方法包括步骤:
判断是否接收到用户通过客户端触发的数据获取请求;其中,所述数据获取请求携带配置信息与所述用户的用户信息;
若接收到所述数据获取请求,获取所述用户的指纹图像、手部动作信息与所述用户信息,基于预设的注册用户名单、预设的指纹图像与预设的手部动作信息对所述用户进行身份验证,并判断身份验证是否通过;
若身份验证通过,获取所述配置信息,并对所述配置信息进行解析处理得到对应的解析信息;其中,所述解析信息包括源接口信息,目标接口信息,预设结果字段以及目标数据聚合格式,所述源接口信息的数量包括多个;
调用与各所述源接口信息分别对应的微服务接口,分别通过各所述微服务接口对应获取与所述预设结果字段对应的结果数据;
基于所述目标数据聚合格式对所有所述结果数据进行聚合处理,得到对应的聚合数据;
调用与所述目标接口信息对应的目标接口,通过所述目标接口将所述聚合数据发送至所述客户端。
可选地,所述获取所述用户的指纹图像、手部动作信息与所述用户信息,基于预设的注册用户名单、预设的指纹图像与预设的手部动作信息对所述用户进行身份验证,并判断身份验证是否通过的步骤,包括:
获取预存储的注册用户名单,判断所述注册用户名单内是否存储有与所述用户信息相同的指定用户信息;
若存储有所述指定用户信息,基于预设的目标手指信息获取所述用户的第一指纹图像;
从预存储的与所述指定用户信息对应的所有注册指纹图像中筛选出与所述目标手指信息对应的第二指纹图像;
判断所述第一指纹图像与所述第二指纹图像是否匹配;
若匹配,展示预设的动作输入提醒信息;
获取所述用户输入的手部动作信息,以及获取与所述第一指定用户信息对应的注册手部动作信息;其中,所述手部动作信息包括手部动作序列,所述手部动作序列为包含依次执行的多个手部动作;
判断所述手部动作信息中包含的每一个手部动作与所述注册手部动作信息中对应位置处的手部动作是否全部匹配;
若全部匹配,判定身份验证通过,否则判定身份验证不通过。
可选地,所述判断所述第一指纹图像与所述第二指纹图像是否匹配的步骤,包括:
按照预设的区块划分规则,将所述第一指纹图像中包含的指纹区域划分为多个第一指纹子区块;以及,
按照所述区块划分规则,将所述第二指纹图像中包含的指纹区域划分为多个第二指纹子区块;
获取预设的多种相似度算法,从所有所述相似度算法中确定出符合预设条件的目标相似度算法;
通过所述目标相似度算法分别对所述第一指纹图像包含的所有第一指纹子区块与所述第二指纹图像包含的所有第二指纹子区块进行一一对应的比对处理,得到对应的多个相似度;
获取预设的相似度阈值,判断得到的所有所述相似度是否均大于所述相似度阈值;
若均大于所述相似度阈值,判定所述第一指纹图像与所述第二指纹图像相匹配,否则判定所述第一指纹图像与所述第二指纹图像不匹配。
可选地,所述从所有所述相似度算法中确定出符合预设条件的目标相似度算法的步骤,包括:
获取预设的测试图像数据;其中,所述测试图像数据包括待比对的两个指纹测试图像;
基于所述指纹测试图像生成与各所述相似度算法分别对应的比对处理时间;
从所有所述相似度算法中筛选出比对处理时间小于预设的比对处理时间阈值的指定相似度算法;
获取各所述指定相似度算法的发布时间信息;
获取与所述比对处理时间对应的第一权重,以及获取与所述发布时间信息对应的第二权重;
基于所述第一权重、所述第二权重、所述指定相似度算法的比对处理时间与发布时间信息,通过预设的计算公式生成各所述指定相似度算法的处理分值;
从所有所述指定相似度算法中筛选出处理分值最大的算法,得到所述目标相似度算法。
可选地,所述基于所述目标数据聚合格式对所有所述结果数据进行聚合处理,得到对应的聚合数据的步骤,包括:
将所述结果数据存储至预设的上下文对象中;
从所述配置信息中获取所述目标数据聚合格式;
基于所述目标数据聚合格式对所述上下文对象中的结果数据进行聚合处理,得到所述聚合数据。
可选地,所述过所述目标接口将所述聚合数据发送至所述客户端的步骤之后,包括:
获取所述聚合数据的占用内存数值;
获取预设的区块链中包含的多个存储区块的剩余内存,从所有所述存储区块中筛选出剩余内存大于所述占用内存数值的第一存储区块;
获取各所述第一存储区块在预设时间周期内的数据存储失败次数,从所有所述第一存储区块中筛选出数据存储失败次数小于预设的数据存储失败次数阈值的第二存储区块;
获取各所述第二存储区块在所述预设时间周期内的数据存储次数,从所有所述第二存储区块中筛选出数据存储次数大于预设的数据存储次数阈值的第三存储区块;
计算各所述第三存储区块的数据清理系数;
从所述第三存储区块中获取数据清理系数最小的目标存储区块;
将所述聚合数据发送至所述目标存储区块。
可选地,所述计算各所述第三存储区块的数据清理系数的步骤,包括:
获取指定存储区块在所述预设时间周期内的数据清理次数;其中,所述指定存储区块为所有所述第三存储区块中的任意一个存储区块;
获取所述指定存储区块在所述预设时间周期内每一次的清理内存数值,并从所有所述清理内存数值中筛选出数值大于预设的清理内存阈值的指定清理内存数值;
获取所述指定清理内存数值的数量;
分别计算各所述指定清理内存数值与所述清理内存阈值的差值,并计算所有所述差值的和值得到额外清理内存数值;
获取与所述数据清理次数对应的第三权重,获取与所述指定清理内存数值的数量对应的第四权重,以及获取与所述额外清理内存数值对应的第五权重;
基于所述第三权重、所述第四权重与所述第五权重对所述内存清理次数、所述指定清理内存数值的数量以及所述额外清理内存数值进行加权求和,得到所述指定存储区块的数据清理系数。
本申请还提供一种数据聚合处理装置,包括:
判断模块,用于判断是否接收到用户通过客户端触发的数据获取请求;其中,所述数据获取请求携带配置信息与所述用户的用户信息;
验证模块,用于若接收到所述数据获取请求,获取所述用户的指纹图像、手部动作信息与所述用户信息,基于预设的注册用户名单、预设的指纹图像与预设的手部动作信息对所述用户进行身份验证,并判断身份验证是否通过;
解析模块,用于若身份验证通过,获取所述配置信息,并对所述配置信息进行解析处理得到对应的解析信息;其中,所述解析信息包括源接口信息,目标接口信息,预设结果字段以及目标数据聚合格式,所述源接口信息的数量包括多个;
第一获取模块,用于调用与各所述源接口信息分别对应的微服务接口,分别通过各所述微服务接口对应获取与所述预设结果字段对应的结果数据;
聚合模块,用于基于所述目标数据聚合格式对所有所述结果数据进行聚合处理,得到对应的聚合数据;
第一发送模块,用于调用与所述目标接口信息对应的目标接口,通过所述目标接口将所述聚合数据发送至所述客户端。
本申请还提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
本申请还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
本申请中提供的数据聚合处理方法、装置、计算机设备和存储介质,具有以下有益效果:
本申请中提供的数据聚合处理方法、装置、计算机设备和存储介质,在接收到用户通过客户端触发的数据获取请求,且判别出用户通过身份验证后,会先对数据获取请求中的配置信息进行解析得到相应的解析信息,之后根据解析信息中的源接口信息与预设结果字段来从相应的微服务接口中获取结果数据,后续基于解析信息中的目标数据聚合格式对所述结果数据进行聚合处理得到对应的聚合数据,最后通过与所述目标接口对应的目标接口将所述聚合数据发送至所述客户端,以实现接口数据聚合。本申请通过获取数据获取请求中的配置信息,进而根据对于配置信息的解析信息来实现快速准确地生成所需的聚合数据,使得不再需要每次接收到新的业务请求时要对聚合代码进行兼容修改,大大减少了接口数据聚合的工作量,有效地降低了接口数据聚合的处理成本,提高了接口数据聚合的处理效率。另外,通过基于用户输入的可配置化的配置信息来实现接口数据聚合的处理过程,有利于使接口的变更和维护能够更加高效便捷。
附图说明
图1是本申请一实施例的数据聚合处理方法的流程示意图;
图2是本申请一实施例的数据聚合处理装置的结构示意图;
图3是本申请一实施例的计算机设备的结构示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用于解释本申请,并不用于限定本申请。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
参照图1,本申请一实施例的数据聚合处理方法,包括:
S10:判断是否接收到用户通过客户端触发的数据获取请求;其中,所述数据获取请求携带配置信息与所述用户的用户信息;
S20:若接收到所述数据获取请求,获取所述用户的指纹图像、手部动作信息与所述用户信息,基于预设的注册用户名单、预设的指纹图像与预设的手部动作信息对所述用户进行身份验证,并判断身份验证是否通过;
S30:若身份验证通过,获取所述配置信息,并对所述配置信息进行解析处理得到对应的解析信息;其中,所述解析信息包括源接口信息,目标接口信息,预设结果字段以及目标数据聚合格式,所述源接口信息的数量包括多个;
S40:调用与各所述源接口信息分别对应的微服务接口,分别通过各所述微服务接口对应获取与所述预设结果字段对应的结果数据;
S50:基于所述目标数据聚合格式对所有所述结果数据进行聚合处理,得到对应的聚合数据;
S60:调用与所述目标接口信息对应的目标接口,通过所述目标接口将所述聚合数据发送至所述客户端。
如上述步骤S10至S60所述,本方法实施例的执行主体为一种数据聚合处理装置。在实际应用中,上述数据聚合处理装置可以通过虚拟装置,例如软件代码实现,也可以通过写入或集成有相关执行代码的实体装置实现,且可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。本实施例中的数据聚合处理装置,能够大大减少接口数据聚合的工作量,有效降低了接口数据聚合的处理成本,提高接口数据聚合的处理效率。具体地,首先判断是否接收到用户通过客户端触发的数据获取请求。其中,所述数据获取请求携带配置信息与所述用户的用户信息。具体的,所述配置信息可包括聚合格式配置模块部分、数据来源请求配置模块部分与数据结果配置模块部分,不同配置模块部分可设置有相应的标识码来进行区分。所述聚合格式配置模块部分中包括目标接口信息与目标数据聚合格式,所述数据来源请求配置模块部分中包括源接口信息,所述数据结果配置模块部分包括预设结果字段。另外,可预先提供配置信息模板,且配置文件模板可包括对于需输入数据的相关解释说明,以指导用户根据模板输入相应的填充数据来生成所需的配置信息。此外,所述用户信息可指用户的id信息或姓名信息。若接收到所述数据获取请求,获取所述用户的指纹图像、手部动作信息与所述用户信息,基于预设的注册用户名单、预设的指纹图像与预设的手部动作信息对所述用户进行身份验证,并判断身份验证是否通过。其中,对于所述基于预设的注册用户名单、预设的指纹图像与预设的手部动作信息对所述用户进行身份验证的具体实现过程,本申请将在后续的具体实施例中对此作进一步的描述,在此不予赘述。
若身份验证通过,获取所述配置信息,并对所述配置信息进行解析处理得到对应的解析信息。其中,所述解析信息包括源接口信息,目标接口信息,预设结果字段以及目标数据聚合格式,所述源接口信息的数量包括多个。具体的,可对配置信息中各配置模块部分分别进行解析从而得到各种解析信息。通过对聚合格式配置模块部分所包含的信息进行解析,可以得到目标接口信息与目标数据聚合格式;通过对数据来源请求配置模块部分所包含的信息进行解析,可以得到源接口信息;通过对数据结果配置模块部分所包含的信息进行解析,可以得到预设结果字段。另外,所述源接口信息是指能够实现所述请求配置信息对应功能的目标微服务所对应的接口的信息。所述目标接口信息是指用于将生成的聚合数据传输给客户端的接口的信息。所述预设结果字段是指通过源接口从相应的微服务中需要获取的结果数据所对应的字段。所述目标数据聚合格式是指对所有结果数据进行聚合处理所需遵循的格式规范。此外,可对请求配置模块部分包含的信息进行解析,确定出能够实现所述请求配置模块部分对应功能的微服务作为目标微服务,再遍历所有的微服务接口,从微服务接口中确定出目标微服务对应的接口,并将所确定接口的接口信息作为所述源接口信息。
然后调用与各所述源接口信息分别对应的微服务接口,分别通过各所述微服务接口对应获取与所述预设结果字段对应的结果数据。其中,微服务接口与微服务之间具有一一对应的关系,一个微服务接口对应一个微服务。可通过微服务接口来与微服务接口对应的微服务建立对接,再从微服务中获取到与所述预设结果字段对应的结果数据。另外,预设结果字段与源接口信息具有对应关系,一个源接口信息至少对应一个预设结果字段。举例地,源接口信息A对应的预设结果字段为姓名信息,源接口信息B对应的预设结果字段为银行账户信息,则会通过源接口信息A对应的微服务接口1来从相应的微服务中获取相关的姓名信息,以及通过源接口信息B对应的微服务接口2来从相应的微服务中获取相关的银行账户信息,并将得到的姓名信息与银行账户信息作为结果数据。
之后基于所述目标数据聚合格式对所有所述结果数据进行聚合处理,得到对应的聚合数据。其中,对于目标数据聚合格式的具体格式不做限定,可根据实际需求进行确定。举例地,可先从对于配置文件信息对应的解析信息中获取目标数据聚合格式,再基于该目标数据聚合格式,使用表达式语言(Expression Language,,EL)表达式将上下文中的结果数据聚合成目标数据聚合格式的目标结果数据,得到的目标结果数据即为所述聚合数据。使用表达式语言可以方便的访问对象中的属性、提交的参数以及进行各种数学运算。使用表达式语言,如果输入的内容为空,则会自动使用空字符串代替。表达式语言的使用方法为${属性名称}。再比如,所述目标数据聚合格式包括数据聚合计算公式配置项,该计算公式可以由多个预先配置的运算函数模板组合而成。例如,数据聚合计算公式可为:H=F[f(H1)+f(H2)+f(H3)+…+f(Hn)],其中,H为聚合数据,H1、H2、H3、…、Hn为结果数据,f为对结果数据实施的数据转换运算,F为对多个结果数据执行的逻辑运算。最后调用与所述目标接口信息对应的目标接口,通过所述目标接口将所述聚合数据发送至所述客户端。其中,可以先从解析信息中获取到目标接口信息,进而基于目标接口信息来实现对于目标接口的调用,进而通过所述目标接口将所述聚合数据发送至所述客户端,以完成对于用户通过客户端触发的数据获取请求的处理。
本实施例中,在接收到用户通过客户端触发的数据获取请求,且判别出用户通过身份验证后,会先对数据获取请求中的配置信息进行解析得到相应的解析信息,之后根据解析信息中的源接口信息与预设结果字段来从相应的微服务接口中获取结果数据,后续基于解析信息中的目标数据聚合格式对所述结果数据进行聚合处理得到对应的聚合数据,最后通过与所述目标接口对应的目标接口将所述聚合数据发送至所述客户端,以实现接口数据聚合。本实施例通过获取数据获取请求中的配置信息,进而根据对于配置信息的解析信息来实现快速准确地生成所需的聚合数据,使得不再需要每次接收到新的业务请求时要对聚合代码进行兼容修改,大大减少了接口数据聚合的工作量,有效地降低了接口数据聚合的处理成本,提高了接口数据聚合的处理效率。另外,通过基于用户输入的可配置化的配置信息来实现接口数据聚合的处理过程,有利于使接口的变更和维护能够更加高效便捷。
进一步地,本申请一实施例中,上述步骤S20,包括:
S200:获取预存储的注册用户名单,判断所述注册用户名单内是否存储有与所述用户信息相同的指定用户信息;
S201:若存储有所述指定用户信息,基于预设的目标手指信息获取所述用户的第一指纹图像;
S202:从预存储的与所述指定用户信息对应的所有注册指纹图像中筛选出与所述目标手指信息对应的第二指纹图像;
S203:判断所述第一指纹图像与所述第二指纹图像是否匹配;
S204:若匹配,展示预设的动作输入提醒信息;
S205:获取所述用户输入的手部动作信息,以及获取与所述第一指定用户信息对应的注册手部动作信息;其中,所述手部动作信息包括手部动作序列,所述手部动作序列为包含依次执行的多个手部动作;
S206:判断所述手部动作信息中包含的每一个手部动作与所述注册手部动作信息中对应位置处的手部动作是否全部匹配;
S207:若全部匹配,判定身份验证通过,否则判定身份验证不通过。
如上述步骤S200至S207所述,所述获取所述用户的指纹图像、手部动作信息与所述用户信息,基于预设的注册用户名单、预设的指纹图像与预设的手部动作信息对所述用户进行身份验证,并判断身份验证是否通过的步骤,具体可包括:首先获取预存储的注册用户名单,判断所述注册用户名单内是否存储有与所述用户信息相同的指定用户信息。其中,所述注册用户名单为预先收集的具有合法身份用户的用户信息的名单数据。若存储有所述指定用户信息,基于预设的目标手指信息获取所述用户的第一指纹图像。其中,所述目标手指信息是指指纹图像所对应的手指信息,可包括左手食指或右手大拇指。然后从预存储的与所述指定用户信息对应的所有注册指纹图像中筛选出与所述目标手指信息对应的第二指纹图像。其中,预先创建有存储了各个具有合法身份用户的注册指纹图像的数据库,可基于所述指定用户信息与所述目标手指信息从该数据库中查询出所述第二指纹图像。在得到所述第二指纹图像后,判断所述第一指纹图像与所述第二指纹图像是否匹配。其中,对于所述判断所述第一指纹图像与所述第二指纹图像是否匹配的具体实现过程,本申请将在后续的具体实施例中对此作进一步的描述,在此不予赘述。若匹配,展示预设的动作输入提醒信息。其中,为保证用户输入的是手部动作信息,可提前提供并展示动作输入提示信息,以提示用户输入对应的手部动作信息,例如竖起大拇指,比出Y型手势,比出OK手势,握拳头等等,从而后续将该手部动作信息与预存储的与所述指定用户信息对应的注册手部动作信息进行对比处理,以得到与用户对应的身份验证结果。之后获取所述用户输入的手部动作信息,以及获取与所述第一指定用户信息对应的注册手部动作信息。其中,所述手部动作信息包括手部动作序列,所述手部动作序列为包含依次执行的多个手部动作,所述注册手部动作信息为注册用户预设的标准手部动作信息。所述手部动作信息为包括用户的手部动作的图像序列,可通过摄像头获取用户的手部动作信息。图像序列中包括多张图像,图像序列中的每一张图像中包含有一个手部动作。以获取目标用户的手部动作序列为例,装置可通过摄像头采集多张图像,每一张图像中包含有用户执行的一个手部动作。具体的,手部动作序列是指包括多个手部动作的图像序列。例如,一个手部动作序列包括依次执行的竖起大拇指,比出Y型手势,比出OK手势,握拳头这4个手部动作。可通过如下方式获取用户的手部动作序列:通过摄像头采集用户的一个手部动作;检测获取到继续采集指示或停止采集指示;其中,继续采集指示用于指示继续采集手部动作,停止采集指示用于指示停止采集手部动作;若获取到继续采集指示,则再次从上述通过摄像头获取用户的一个手部动作的步骤开始执行;若获取到停止采集指示,则根据已获取到的用户的各个手部动作生成用户的手部动作序列。其中,继续采集指示和停止采集指示可通过相应的选择控件触发。在时间维度上,通过依次执行多个手部动作即形成手部动作序列。最后判断所述手部动作信息中包含的每一个手部动作与所述注册手部动作信息中对应位置处的手部动作是否全部匹配。若全部匹配,判定身份验证通过,否则判定身份验证不通过。其中。比对每一组手部动作是否匹配时的过程可包括:采用预设方式从包含有用户的单个手部动作的图像中识别用户的单个手部动作;若用户的单个手部动作和注册手部动作信息中对应位置处的单个手部动作相同,则判定该组手部动作相匹配,否则判定该组手部动作不匹配。其中,上述预设方式还可以是采用手部动作识别模型从图像中识别单个手部动作。手部动作识别模型可采用隐马尔科夫模型(Hidden Markov Model,HMM),也可以采用机器学习算法构建神经网络(NeuralNetwork,NN)模型,本实施例对此不作限定。利用神经网络模型进行手部动作识别,由于模型是通过大量训练样本训练得到的,因此具有较高的容错能力。另外,上述预设方式可以是采用模板匹配方式从图像中识别单个手部动作。预先构建手部动作模板集合,该手部动作模板集合中包括多个手部动作模板,每一个手部动作模板可以是一张包含有单个手部动作的图像。以对用户的单个手部动作进行识别为例,计算包含有用户的单个手部动作的图像与各个手部动作模板之间的相似度,手部动作识别结果即为相似度最高的手部动作模板中的单个手部动作。此种处理方式的原理较为简单,且易于添加和改进手部动作模板。在本实施例中,通过采用多维的匹配方式来对用户进行身份验证,只有当用户信息、指纹识别以及手部动作识别同时通过验证后才会认为用户通过身份验证,从而提高了对于用户的身份验证流程的安全性。并且,由于手部动作信息和指纹图像均可通过摄像头采集得到,因此不会影响到信息采集的便捷性,也不会额外增加设备的硬件成本。另外,通过引入手部动作信息结合指纹图像一起进行身份验证,即使用户的指纹信息被他人获取,只要用户设置的手部动作信息不泄漏给他人,他人仍然无法仿冒用户通过身份验证,有效地提高了身份验证的安全性。此外,只有在用户通过了身份验证时,后续才会对接收到的数据获取请求进行进一步的处理,有效规避出现不法用户违规获取重要数据的现象,保证了请求处理过程中的安全性与规范性。
进一步地,本申请一实施例中,上述步骤S203,包括:
S2030:按照预设的区块划分规则,将所述第一指纹图像中包含的指纹区域划分为多个第一指纹子区块;以及,
S2031:按照所述区块划分规则,将所述第二指纹图像中包含的指纹区域划分为多个第二指纹子区块;
S2032:获取预设的多种相似度算法,从所有所述相似度算法中确定出符合预设条件的目标相似度算法;
S2033:通过所述目标相似度算法分别对所述第一指纹图像包含的所有第一指纹子区块与所述第二指纹图像包含的所有第二指纹子区块进行一一对应的比对处理,得到对应的多个相似度;
S2034:获取预设的相似度阈值,判断得到的所有所述相似度是否均大于所述相似度阈值;
S2035:若均大于所述相似度阈值,判定所述第一指纹图像与所述第二指纹图像相匹配,否则判定所述第一指纹图像与所述第二指纹图像不匹配。
如上述步骤S2030至S2035所述,所述判断所述第一指纹图像与所述第二指纹图像是否匹配的步骤,具体可包括:首先按照预设的区块划分规则,将所述第一指纹图像中包含的指纹区域划分为多个第一指纹子区块。其中,对于第一指纹图像中的指纹区域所采用的区块划分方式不作限定,可根据实际需求进行确定,只需保证第一目标指纹图像中的指纹区域所采用的区块划分方式与第二目标指纹图像中的指纹区域的区块划分方式保持相同即可。举例地,可采用与九宫格对应的四条划分线段来对第一指纹图像中包含的指纹区域进行划分,得到相应的九个第一指纹子区块。以及按照所述区块划分规则,将所述第二指纹图像中包含的指纹区域划分为多个第二指纹子区块。然后获取预设的多种相似度算法,从所有所述相似度算法中确定出符合预设条件的目标相似度算法。其中,所述相似度算法是指图像相似度算法,所述相似度算法可采用现有的用于计算图像相似度的算法,举例地,所述相似度算法可包括汉明距离算法、余弦距离算法、欧式距离算法、均值哈希算法,等等。另外,所述预设条件可为相似度算法的比对处理时间小于预设处理时间阈值且处理准确率数值较高的条件。之后通过所述目标相似度算法分别对所述第一指纹图像包含的所有第一指纹子区块与所述第二指纹图像包含的所有第二指纹子区块进行一一对应的比对处理,得到对应的多个相似度。其中,所述比对处理是指使用目标相似度算法进行相似度计算的处理,对此不作过多阐述。最后获取预设的相似度阈值,判断得到的所有所述相似度是否均大于所述相似度阈值。其中,对于所述相似度阈值的取值不作具体限定,可根据实际需求进行设置,例如可设为0.95。若均大于所述相似度阈值,判定所述第一指纹图像与所述第二指纹图像相匹配,否则判定所述第一指纹图像与所述第二指纹图像不匹配。本实施例中,通过采用区块划分比较的方式来进行所述第一指纹图像与所述第二指纹图像的匹配比对,只有在确定出通过目标相似度算法得到的所有所述相似度均大于预设的相似度阈值,才会判定所述第一指纹图像与所述第二指纹图像相匹配,有效地保证了对于所述第一指纹图像与所述第二指纹图像的匹配比对的准确性。有利于后续在得到的匹配比对结果的基础上,再利用手部动作识别来对用户进行身份验证处理,从而进一步提高了对于用户的身份验证流程的安全性。
进一步地,本申请一实施例中,上述步骤S2032,包括:
S20320:获取预设的测试图像数据;其中,所述测试图像数据包括待比对的两个指纹测试图像;
S20321:基于所述指纹测试图像生成与各所述相似度算法分别对应的比对处理时间;
S20322:从所有所述相似度算法中筛选出比对处理时间小于预设的比对处理时间阈值的指定相似度算法;
S20323:获取各所述指定相似度算法的发布时间信息;
S20324:获取与所述比对处理时间对应的第一权重,以及获取与所述发布时间信息对应的第二权重;
S20325:基于所述第一权重、所述第二权重、所述指定相似度算法的比对处理时间与发布时间信息,通过预设的计算公式生成各所述指定相似度算法的处理分值;
S20326:从所有所述指定相似度算法中筛选出处理分值最大的算法,得到所述目标相似度算法。
如上述步骤S20320至S20326所述,所述从所有所述相似度算法中确定出符合预设条件的目标相似度算法的步骤,具体可包括:首先获取预设的测试图像数据。其中,所述测试图像数据包括待比对的两个指纹测试图像。然后基于所述指纹测试图像生成与各所述相似度算法分别对应的比对处理时间。其中,所述处理时间是指相似度算法在接收到待比对的两个指纹测试图像直至输出与该两个指纹测试图像对应的相似识别结果所花费的时间。举例地,将测试图像数据J输入至相似度算法的时间为T1,相似度算法输出测试图像数据J的相似识别结果时的时间为T2,则可得到该相似度算法的比对处理时间为T=T2-T1。在得到所述比对处理时间后,从所有所述相似度算法中筛选出比对处理时间小于预设的比对处理时间阈值的指定相似度算法。其中,对于所述比对处理时间阈值的取值不作具体限定,可根据实际需求进行设置。在得到所述指定相似度算法后,获取各所述指定相似度算法的发布时间信息。其中,所述发布时间信息可指发布的具体年份。之后获取与所述比对处理时间对应的第一权重,以及获取与所述发布时间信息对应的第二权重。后续基于所述第一权重、所述第二权重、所述指定相似度算法的比对处理时间与发布时间信息,通过预设的计算公式生成各所述指定相似度算法的处理分值。其中,对于所述第一权重与第二权重的取值不作具体限定,可根据实际需求进行设置或根据大量数据模拟得到。另外,可通过计算公式S=a/C+b*F,S为处理分值,C为比对处理时间,a为第一权重,F为发布时间信息,b为第二权重。通常认为发布时间越新的算法的准确率会越高,比对处理时间越小,发布时间信息越大则相似度算法的处理分值越高。最后从所有所述指定相似度算法中筛选出处理分值最大的算法,得到所述目标相似度算法。本实施例在获得了预设数量的相似度算法后,还会对所有所述相似度算法进行比对处理时间与发布时间信息的综合考量,在筛选出小于预设比对处理时间阈值的第一相似度算法后,进而会基于各所述指定相似度算法的发布时间信息与比对处理时间计算出各所述指定相似度算法的处理分值,并将处理分值最大的相似度算法用作目标相似度算法。由于得到的目标相似度算法具有较高的处理效率与较高的处理准确率,使得后续在利用目标相似度算法对所述第一指纹图像包含的所有第一指纹子区块与所述第二指纹图像包含的所有第二指纹子区块进行一一对应的比对处理,得到对应的多个相似度的过程中,能够在保证目标相似度算法输出的多个相似度的准确性的基础上,有效地提高生成相似度的处理效率,进而有利于根据得到的相似度来实现准确快速地对用户的身份验证处理。
进一步地,本申请一实施例中,上述步骤S50,包括:
S500:将所述结果数据存储至预设的上下文对象中;
S501:从所述配置信息中获取所述目标数据聚合格式;
S502:基于所述目标数据聚合格式对所述上下文对象中的结果数据进行聚合处理,得到所述聚合数据。
如上述步骤S500至S502所述,所述基于所述目标数据聚合格式对所有所述结果数据进行聚合处理,得到对应的聚合数据的步骤,具体可包括:首先将所述结果数据存储至预设的上下文对象中。然后从所述配置信息中获取所述目标数据聚合格式。最后基于所述目标数据聚合格式对所述上下文对象中的结果数据进行聚合处理,得到所述聚合数据。其中,所述上下文对象是指代码中的Context对象。由于获取得到的每一个的结果数据的时间可能不相同,在得到了任意一个结果数据后会先将该结果数据存储于上下文中,之后当检测到上下文中存储有与各所述源接口信息对应的接口分别获取到的结果数据后,再基于所述目标数据聚合格式对所述上下文中的结果数据进行聚合处理,保证了数据聚合处理的智能性与规范性。本实施例中,通过预先将各接口获取到的结果数据存放至上下文中,可以保证结果数据的安全性,避免结果数据出现丢失。之后再基于所述目标数据聚合格式对所述上下文中的数据进行聚合处理来得到对应的聚合数据,提高了数据聚合处理的规范性与安全性。
进一步地,本申请一实施例中,上述步骤S60之后,包括:
S600:获取所述聚合数据的占用内存数值;
S601:获取预设的区块链中包含的多个存储区块的剩余内存,从所有所述存储区块中筛选出剩余内存大于所述占用内存数值的第一存储区块;
S602:获取各所述第一存储区块在预设时间周期内的数据存储失败次数,从所有所述第一存储区块中筛选出数据存储失败次数小于预设的数据存储失败次数阈值的第二存储区块;
S603:获取各所述第二存储区块在所述预设时间周期内的数据存储次数,从所有所述第二存储区块中筛选出数据存储次数大于预设的数据存储次数阈值的第三存储区块;
S604:计算各所述第三存储区块的数据清理系数;
S605:从所述第三存储区块中获取数据清理系数最小的目标存储区块;
S606:将所述聚合数据发送至所述目标存储区块。
如上述步骤S600至S606所述,在执行完所述过所述目标接口将所述聚合数据发送至所述客户端的步骤之后,还可包括对于所述聚合数据的安全存储过程。具体地,首先获取所述聚合数据的占用内存数值。然后获取预设的区块链中包含的多个存储区块的剩余内存,从所有所述存储区块中筛选出剩余内存大于所述占用内存数值的第一存储区块。在得到所述第一存储区块后,获取各所述第一存储区块在预设时间周期内的数据存储失败次数,从所有所述第一存储区块中筛选出数据存储失败次数小于预设的数据存储失败次数阈值的第二存储区块。其中,对于所述预设时间周期不作具体限定,可根据实际需求进行设置,例如可为距离当前时间的前一个星期。另外,对于所述数据存储失败次数阈值的取值不作具体限定,可根据实际需求进行设置。之后获取各所述第二存储区块在所述预设时间周期内的数据存储次数,从所有所述第二存储区块中筛选出数据存储次数大于预设的数据存储次数阈值的第三存储区块。其中,对于所述数据存储次数阈值的取值不作具体限定,可根据实际需求进行设置。在得到所述第三存储区块后,计算各所述第三存储区块的数据清理系数。其中,所述数据清理系数可根据存储区块在预设时间周期内与内存相应的清理数据计算生成。对于所述计算各所述第三存储区块的数据清理系数的具体实现过程,本申请将在后续的具体实施例中对此作进一步的描述,在此不予赘述。后续从所述第三存储区块中获取数据清理系数最小的目标存储区块。最后将所述聚合数据发送至所述目标存储区块。本实施例中,通过获取各所述存储区块的剩余内存、数据存储失败次数、数据存储次数以及数据清理系数来依次对各所述存储区块进行条件筛选,并最终确定出所述目标存储区块。由于得到目标存储区块的剩余内存足以存储聚合数据,为常用的用于存储数据的区块,数据存储很少出现失败的情况,且该存储区块内存储的数据被清理的可能性越小,可以保证用户的使用满意度,提高数据存储的智能性与稳定性。通过本实施例有效地实现了根据存储区块的存储情况和清理情况合理选取相应的存储区块来进行生成的聚合数据的存储,有效的保证了得到的目标存储区块的准确性,也可以减少聚合数据被清理的可能性,提高数据的存储效率与存储智能性,以方便用户能够快速查询。
进一步地,本申请一实施例中,上述步骤S604,包括:
S6040:获取指定存储区块在所述预设时间周期内的数据清理次数;其中,所述指定存储区块为所有所述第三存储区块中的任意一个存储区块;
S6041:获取所述指定存储区块在所述预设时间周期内每一次的清理内存数值,并从所有所述清理内存数值中筛选出数值大于预设的清理内存阈值的指定清理内存数值;
S6042:获取所述指定清理内存数值的数量;
S6043:分别计算各所述指定清理内存数值与所述清理内存阈值的差值,并计算所有所述差值的和值得到额外清理内存数值;
S6044:获取与所述数据清理次数对应的第三权重,获取与所述指定清理内存数值的数量对应的第四权重,以及获取与所述额外清理内存数值对应的第五权重;
S6045:基于所述第三权重、所述第四权重与所述第五权重对所述内存清理次数、所述指定清理内存数值的数量以及所述额外清理内存数值进行加权求和,得到所述指定存储区块的数据清理系数。
如上述步骤S6040至S6045所述,所述计算各所述第三存储区块的数据清理系数的步骤,具体可包括:首先获取指定存储区块在所述预设时间周期内的数据清理次数。其中,所述指定存储区块为所有所述第三存储区块中的任意一个存储区块。然后获取所述指定存储区块在所述预设时间周期内每一次的清理内存数值,并从所有所述清理内存数值中筛选出数值大于预设的清理内存阈值的指定清理内存数值。其中,对于所述清理内存阈值的取值不作具体限定,可根据实际需求进行设置。在得到所述指定清理内存数值后,获取所述指定清理内存数值的数量。之后分别计算各所述指定清理内存数值与所述清理内存阈值的差值,并计算所有所述差值的和值得到额外清理内存数值。后续获取与所述数据清理次数对应的第三权重,获取与所述指定清理内存数值的数量对应的第四权重,以及获取与所述额外清理内存数值对应的第五权重。其中,对于所述第三权重、第四权重与第五权重的取值不作具体限定,可根据实际需求进行设置或根据大量数据模拟得到。最后基于所述第三权重、所述第四权重与所述第五权重对所述内存清理次数、所述指定清理内存数值的数量以及所述额外清理内存数值进行加权求和,得到所述指定存储区块的数据清理系数。本实施例中,通过获取预设时间周期内的每一个第三存储区块的内存清理次数、指定清理内存数值的数量以及额外清理内存数值来快速准确地计算出每一个第三存储区块的数据清理系数,有利于后续能够基于该数据清理系数来准确快速地从所有第三存储区块中确定出目标存储区块,以使得后续可以将生成的聚合数据存储于该目标存储区块内,从而可以提高聚合数据的存储效率与存储智能性,减少聚合数据被清理的可能性,并且方便用户能够对聚合数据进行快速查询。
本申请实施例中的数据聚合处理方法还可以应用于区块链领域,如将上述聚合数据等数据存储于区块链上。通过使用区块链来对上述聚合数据进行存储和管理,能够有效地保证上述聚合数据的安全性与不可篡改性。
上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等。
区块链底层平台可以包括用户管理、基础服务、智能合约以及运营监控等处理模块。其中,用户管理模块负责所有区块链参与者的身份信息管理,包括维护公私钥生成(账户管理)、密钥管理以及用户真实身份和区块链地址对应关系维护(权限管理)等,并且在授权的情况下,监管和审计某些真实身份的交易情况,提供风险控制的规则配置(风控审计);基础服务模块部署在所有区块链节点设备上,用来验证业务请求的有效性,并对有效请求完成共识后记录到存储上,对于一个新的业务请求,基础服务先对接口适配解析和鉴权处理(接口适配),然后通过共识算法将业务信息加密(共识管理),在加密之后完整一致的传输至共享账本上(网络通信),并进行记录存储;智能合约模块负责合约的注册发行以及合约触发和合约执行,开发人员可以通过某种编程语言定义合约逻辑,发布到区块链上(合约注册),根据合约条款的逻辑,调用密钥或者其它的事件触发执行,完成合约逻辑,同时还提供对合约升级注销的功能;运营监控模块主要负责产品发布过程中的部署、配置的修改、合约设置、云适配以及产品运行中的实时状态的可视化输出,例如:告警、监控网络情况、监控节点设备健康状态等。
参照图2,本申请一实施例中还提供了一种数据聚合处理装置,包括:
判断模块1,用于判断是否接收到用户通过客户端触发的数据获取请求;其中,所述数据获取请求携带配置信息与所述用户的用户信息;
验证模块2,用于若接收到所述数据获取请求,获取所述用户的指纹图像、手部动作信息与所述用户信息,基于预设的注册用户名单、预设的指纹图像与预设的手部动作信息对所述用户进行身份验证,并判断身份验证是否通过;
解析模块3,用于若身份验证通过,获取所述配置信息,并对所述配置信息进行解析处理得到对应的解析信息;其中,所述解析信息包括源接口信息,目标接口信息,预设结果字段以及目标数据聚合格式,所述源接口信息的数量包括多个;
第一获取模块4,用于调用与各所述源接口信息分别对应的微服务接口,分别通过各所述微服务接口对应获取与所述预设结果字段对应的结果数据;
聚合模块5,用于基于所述目标数据聚合格式对所有所述结果数据进行聚合处理,得到对应的聚合数据;
第一发送模块6,用于调用与所述目标接口信息对应的目标接口,通过所述目标接口将所述聚合数据发送至所述客户端。
本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据聚合处理方法的步骤一一对应,在此不再赘述。
进一步地,本申请一实施例中,上述验证模块2,包括:
第一判断子模块,用于获取预存储的注册用户名单,判断所述注册用户名单内是否存储有与所述用户信息相同的指定用户信息;
第一获取子模块,用于若存储有所述指定用户信息,基于预设的目标手指信息获取所述用户的第一指纹图像;
第一筛选子模块,用于从预存储的与所述指定用户信息对应的所有注册指纹图像中筛选出与所述目标手指信息对应的第二指纹图像;
第二判断子模块,用于判断所述第一指纹图像与所述第二指纹图像是否匹配;
展示子模块,用于若匹配,展示预设的动作输入提醒信息;
第二获取子模块,用于获取所述用户输入的手部动作信息,以及获取与所述第一指定用户信息对应的注册手部动作信息;其中,所述手部动作信息包括手部动作序列,所述手部动作序列为包含依次执行的多个手部动作;
第三判断子模块,用于判断所述手部动作信息中包含的每一个手部动作与所述注册手部动作信息中对应位置处的手部动作是否全部匹配;
判定模块,用于若全部匹配,判定身份验证通过,否则判定身份验证不通过。
本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据聚合处理方法的步骤一一对应,在此不再赘述。
进一步地,本申请一实施例中,上述第二判断子模块,包括:
第一划分单元,用于按照预设的区块划分规则,将所述第一指纹图像中包含的指纹区域划分为多个第一指纹子区块;以及,
第二划分单元,用于按照所述区块划分规则,将所述第二指纹图像中包含的指纹区域划分为多个第二指纹子区块;
筛选单元,用于获取预设的多种相似度算法,从所有所述相似度算法中确定出符合预设条件的目标相似度算法;
比对单元,用于通过所述目标相似度算法分别对所述第一指纹图像包含的所有第一指纹子区块与所述第二指纹图像包含的所有第二指纹子区块进行一一对应的比对处理,得到对应的多个相似度;
判断单元,用于获取预设的相似度阈值,判断得到的所有所述相似度是否均大于所述相似度阈值;
判定单元,用于若均大于所述相似度阈值,判定所述第一指纹图像与所述第二指纹图像相匹配,否则判定所述第一指纹图像与所述第二指纹图像不匹配。
本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据聚合处理方法的步骤一一对应,在此不再赘述。
进一步地,本申请一实施例中,上述筛选单元,包括:
第一获取子单元,用于获取预设的测试图像数据;其中,所述测试图像数据包括待比对的两个指纹测试图像;
第一生成子单元,用于基于所述指纹测试图像生成与各所述相似度算法分别对应的比对处理时间;
第一筛选子单元,用于从所有所述相似度算法中筛选出比对处理时间小于预设的比对处理时间阈值的指定相似度算法;
第二获取子单元,用于获取各所述指定相似度算法的发布时间信息;
第三获取子单元,用于获取与所述比对处理时间对应的第一权重,以及获取与所述发布时间信息对应的第二权重;
第二生成子单元,用于基于所述第一权重、所述第二权重、所述指定相似度算法的比对处理时间与发布时间信息,通过预设的计算公式生成各所述指定相似度算法的处理分值;
第二筛选子单元,用于从所有所述指定相似度算法中筛选出处理分值最大的算法,得到所述目标相似度算法。
本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据聚合处理方法的步骤一一对应,在此不再赘述。
进一步地,本申请一实施例中,上述聚合模块5,包括:
存储子模块,用于将所述结果数据存储至预设的上下文对象中;
第三获取子模块,用于从所述配置信息中获取所述目标数据聚合格式;
处理子模块,用于基于所述目标数据聚合格式对所述上下文对象中的结果数据进行聚合处理,得到所述聚合数据。
本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据聚合处理方法的步骤一一对应,在此不再赘述。
进一步地,本申请一实施例中,上述数据聚合处理装置,包括:
第二获取模块,用于获取所述聚合数据的占用内存数值;
第一筛选模块,用于获取预设的区块链中包含的多个存储区块的剩余内存,从所有所述存储区块中筛选出剩余内存大于所述占用内存数值的第一存储区块;
第二筛选模块,用于获取各所述第一存储区块在预设时间周期内的数据存储失败次数,从所有所述第一存储区块中筛选出数据存储失败次数小于预设的数据存储失败次数阈值的第二存储区块;
第三筛选模块,用于获取各所述第二存储区块在所述预设时间周期内的数据存储次数,从所有所述第二存储区块中筛选出数据存储次数大于预设的数据存储次数阈值的第三存储区块;
计算模块,用于计算各所述第三存储区块的数据清理系数;
第三获取模块,用于从所述第三存储区块中获取数据清理系数最小的目标存储区块;
第二发送模块,用于将所述聚合数据发送至所述目标存储区块。
本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据聚合处理方法的步骤一一对应,在此不再赘述。
进一步地,本申请一实施例中,上述计算模块,包括:
第三获取子模块,用于获取指定存储区块在所述预设时间周期内的数据清理次数;其中,所述指定存储区块为所有所述第三存储区块中的任意一个存储区块;
第二筛选子模块,用于获取所述指定存储区块在所述预设时间周期内每一次的清理内存数值,并从所有所述清理内存数值中筛选出数值大于预设的清理内存阈值的指定清理内存数值;
第四获取子模块,用于获取所述指定清理内存数值的数量;
第一计算子模块,用于分别计算各所述指定清理内存数值与所述清理内存阈值的差值,并计算所有所述差值的和值得到额外清理内存数值;
第五获取子模块,用于获取与所述数据清理次数对应的第三权重,获取与所述指定清理内存数值的数量对应的第四权重,以及获取与所述额外清理内存数值对应的第五权重;
第二计算子模块,用于基于所述第三权重、所述第四权重与所述第五权重对所述内存清理次数、所述指定清理内存数值的数量以及所述额外清理内存数值进行加权求和,得到所述指定存储区块的数据清理系数。
本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据聚合处理方法的步骤一一对应,在此不再赘述。
参照图3,本申请实施例中还提供一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏、输入装置和数据库。其中,该计算机设备设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括存储介质、内存储器。该存储介质存储有操作系统、计算机程序和数据库。该内存储器为存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储配置信息、用户信息、指纹图像、手部动作信息、解析信息、结果数据以及聚合数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机设备的显示屏是计算机中必不可少的一种图文输出设备,用于将数字信号转换为光信号,使文字与图形在显示屏的屏幕上显示出来。该计算机设备的输入装置是计算机与用户或其他设备之间进行信息交换的主要装置,用于把数据、指令及某些标志信息等输送到计算机中去。该计算机程序被处理器执行时以实现一种数据聚合处理方法。
上述处理器执行上述数据聚合处理方法的步骤:
判断是否接收到用户通过客户端触发的数据获取请求;其中,所述数据获取请求携带配置信息与所述用户的用户信息;
若接收到所述数据获取请求,获取所述用户的指纹图像、手部动作信息与所述用户信息,基于预设的注册用户名单、预设的指纹图像与预设的手部动作信息对所述用户进行身份验证,并判断身份验证是否通过;
若身份验证通过,获取所述配置信息,并对所述配置信息进行解析处理得到对应的解析信息;其中,所述解析信息包括源接口信息,目标接口信息,预设结果字段以及目标数据聚合格式,所述源接口信息的数量包括多个;
调用与各所述源接口信息分别对应的微服务接口,分别通过各所述微服务接口对应获取与所述预设结果字段对应的结果数据;
基于所述目标数据聚合格式对所有所述结果数据进行聚合处理,得到对应的聚合数据;
调用与所述目标接口信息对应的目标接口,通过所述目标接口将所述聚合数据发送至所述客户端。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的装置、计算机设备的限定。
本申请一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现一种数据聚合处理方法,具体为:
判断是否接收到用户通过客户端触发的数据获取请求;其中,所述数据获取请求携带配置信息与所述用户的用户信息;
若接收到所述数据获取请求,获取所述用户的指纹图像、手部动作信息与所述用户信息,基于预设的注册用户名单、预设的指纹图像与预设的手部动作信息对所述用户进行身份验证,并判断身份验证是否通过;
若身份验证通过,获取所述配置信息,并对所述配置信息进行解析处理得到对应的解析信息;其中,所述解析信息包括源接口信息,目标接口信息,预设结果字段以及目标数据聚合格式,所述源接口信息的数量包括多个;
调用与各所述源接口信息分别对应的微服务接口,分别通过各所述微服务接口对应获取与所述预设结果字段对应的结果数据;
基于所述目标数据聚合格式对所有所述结果数据进行聚合处理,得到对应的聚合数据;
调用与所述目标接口信息对应的目标接口,通过所述目标接口将所述聚合数据发送至所述客户端。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM通过多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请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,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种数据聚合处理方法,其特征在于,包括:
判断是否接收到用户通过客户端触发的数据获取请求;其中,所述数据获取请求携带配置信息与所述用户的用户信息;
若接收到所述数据获取请求,获取所述用户的指纹图像、手部动作信息与所述用户信息,基于预设的注册用户名单、预设的指纹图像与预设的手部动作信息对所述用户进行身份验证,并判断身份验证是否通过;
若身份验证通过,获取所述配置信息,并对所述配置信息进行解析处理得到对应的解析信息;其中,所述解析信息包括源接口信息,目标接口信息,预设结果字段以及目标数据聚合格式,所述源接口信息的数量包括多个;
调用与各所述源接口信息分别对应的微服务接口,分别通过各所述微服务接口对应获取与所述预设结果字段对应的结果数据;
基于所述目标数据聚合格式对所有所述结果数据进行聚合处理,得到对应的聚合数据;
调用与所述目标接口信息对应的目标接口,通过所述目标接口将所述聚合数据发送至所述客户端。
2.根据权利要求1所述的数据聚合处理方法,其特征在于,所述获取所述用户的指纹图像、手部动作信息与所述用户信息,基于预设的注册用户名单、预设的指纹图像与预设的手部动作信息对所述用户进行身份验证,并判断身份验证是否通过的步骤,包括:
获取预存储的注册用户名单,判断所述注册用户名单内是否存储有与所述用户信息相同的指定用户信息;
若存储有所述指定用户信息,基于预设的目标手指信息获取所述用户的第一指纹图像;
从预存储的与所述指定用户信息对应的所有注册指纹图像中筛选出与所述目标手指信息对应的第二指纹图像;
判断所述第一指纹图像与所述第二指纹图像是否匹配;
若匹配,展示预设的动作输入提醒信息;
获取所述用户输入的手部动作信息,以及获取与所述第一指定用户信息对应的注册手部动作信息;其中,所述手部动作信息包括手部动作序列,所述手部动作序列为包含依次执行的多个手部动作;
判断所述手部动作信息中包含的每一个手部动作与所述注册手部动作信息中对应位置处的手部动作是否全部匹配;
若全部匹配,判定身份验证通过,否则判定身份验证不通过。
3.根据权利要求2所述的数据聚合处理方法,其特征在于,所述判断所述第一指纹图像与所述第二指纹图像是否匹配的步骤,包括:
按照预设的区块划分规则,将所述第一指纹图像中包含的指纹区域划分为多个第一指纹子区块;以及,
按照所述区块划分规则,将所述第二指纹图像中包含的指纹区域划分为多个第二指纹子区块;
获取预设的多种相似度算法,从所有所述相似度算法中确定出符合预设条件的目标相似度算法;
通过所述目标相似度算法分别对所述第一指纹图像包含的所有第一指纹子区块与所述第二指纹图像包含的所有第二指纹子区块进行一一对应的比对处理,得到对应的多个相似度;
获取预设的相似度阈值,判断得到的所有所述相似度是否均大于所述相似度阈值;
若均大于所述相似度阈值,判定所述第一指纹图像与所述第二指纹图像相匹配,否则判定所述第一指纹图像与所述第二指纹图像不匹配。
4.根据权利要求3所述的数据聚合处理方法,其特征在于,所述从所有所述相似度算法中确定出符合预设条件的目标相似度算法的步骤,包括:
获取预设的测试图像数据;其中,所述测试图像数据包括待比对的两个指纹测试图像;
基于所述指纹测试图像生成与各所述相似度算法分别对应的比对处理时间;
从所有所述相似度算法中筛选出比对处理时间小于预设的比对处理时间阈值的指定相似度算法;
获取各所述指定相似度算法的发布时间信息;
获取与所述比对处理时间对应的第一权重,以及获取与所述发布时间信息对应的第二权重;
基于所述第一权重、所述第二权重、所述指定相似度算法的比对处理时间与发布时间信息,通过预设的计算公式生成各所述指定相似度算法的处理分值;
从所有所述指定相似度算法中筛选出处理分值最大的算法,得到所述目标相似度算法。
5.根据权利要求1所述的数据聚合处理方法,其特征在于,所述基于所述目标数据聚合格式对所有所述结果数据进行聚合处理,得到对应的聚合数据的步骤,包括:
将所述结果数据存储至预设的上下文对象中;
从所述配置信息中获取所述目标数据聚合格式;
基于所述目标数据聚合格式对所述上下文对象中的结果数据进行聚合处理,得到所述聚合数据。
6.根据权利要求1所述的数据聚合处理方法,其特征在于,所述过所述目标接口将所述聚合数据发送至所述客户端的步骤之后,包括:
获取所述聚合数据的占用内存数值;
获取预设的区块链中包含的多个存储区块的剩余内存,从所有所述存储区块中筛选出剩余内存大于所述占用内存数值的第一存储区块;
获取各所述第一存储区块在预设时间周期内的数据存储失败次数,从所有所述第一存储区块中筛选出数据存储失败次数小于预设的数据存储失败次数阈值的第二存储区块;
获取各所述第二存储区块在所述预设时间周期内的数据存储次数,从所有所述第二存储区块中筛选出数据存储次数大于预设的数据存储次数阈值的第三存储区块;
计算各所述第三存储区块的数据清理系数;
从所述第三存储区块中获取数据清理系数最小的目标存储区块;
将所述聚合数据发送至所述目标存储区块。
7.根据权利要求6所述的数据聚合处理方法,其特征在于,所述计算各所述第三存储区块的数据清理系数的步骤,包括:
获取指定存储区块在所述预设时间周期内的数据清理次数;其中,所述指定存储区块为所有所述第三存储区块中的任意一个存储区块;
获取所述指定存储区块在所述预设时间周期内每一次的清理内存数值,并从所有所述清理内存数值中筛选出数值大于预设的清理内存阈值的指定清理内存数值;
获取所述指定清理内存数值的数量;
分别计算各所述指定清理内存数值与所述清理内存阈值的差值,并计算所有所述差值的和值得到额外清理内存数值;
获取与所述数据清理次数对应的第三权重,获取与所述指定清理内存数值的数量对应的第四权重,以及获取与所述额外清理内存数值对应的第五权重;
基于所述第三权重、所述第四权重与所述第五权重对所述内存清理次数、所述指定清理内存数值的数量以及所述额外清理内存数值进行加权求和,得到所述指定存储区块的数据清理系数。
8.一种数据聚合处理装置,其特征在于,包括:
判断模块,用于判断是否接收到用户通过客户端触发的数据获取请求;其中,所述数据获取请求携带配置信息与所述用户的用户信息;
验证模块,用于若接收到所述数据获取请求,获取所述用户的指纹图像、手部动作信息与所述用户信息,基于预设的注册用户名单、预设的指纹图像与预设的手部动作信息对所述用户进行身份验证,并判断身份验证是否通过;
解析模块,用于若身份验证通过,获取所述配置信息,并对所述配置信息进行解析处理得到对应的解析信息;其中,所述解析信息包括源接口信息,目标接口信息,预设结果字段以及目标数据聚合格式,所述源接口信息的数量包括多个;
第一获取模块,用于调用与各所述源接口信息分别对应的微服务接口,分别通过各所述微服务接口对应获取与所述预设结果字段对应的结果数据;
聚合模块,用于基于所述目标数据聚合格式对所有所述结果数据进行聚合处理,得到对应的聚合数据;
第一发送模块,用于调用与所述目标接口信息对应的目标接口,通过所述目标接口将所述聚合数据发送至所述客户端。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111268185.0A CN113986581A (zh) | 2021-10-29 | 2021-10-29 | 数据聚合处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111268185.0A CN113986581A (zh) | 2021-10-29 | 2021-10-29 | 数据聚合处理方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113986581A true CN113986581A (zh) | 2022-01-28 |
Family
ID=79744009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111268185.0A Pending CN113986581A (zh) | 2021-10-29 | 2021-10-29 | 数据聚合处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113986581A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116305043A (zh) * | 2022-12-28 | 2023-06-23 | 南京邮电大学盐城大数据研究院有限公司 | 一种基于多种生物特征的通用的身份验证方法 |
CN117558457A (zh) * | 2024-01-11 | 2024-02-13 | 合肥特斯塔信息科技有限公司 | 一种客户关系管理系统中客户画像分析方法 |
-
2021
- 2021-10-29 CN CN202111268185.0A patent/CN113986581A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116305043A (zh) * | 2022-12-28 | 2023-06-23 | 南京邮电大学盐城大数据研究院有限公司 | 一种基于多种生物特征的通用的身份验证方法 |
CN116305043B (zh) * | 2022-12-28 | 2023-12-19 | 南京邮电大学盐城大数据研究院有限公司 | 一种基于多种生物特征的通用的身份验证方法 |
CN117558457A (zh) * | 2024-01-11 | 2024-02-13 | 合肥特斯塔信息科技有限公司 | 一种客户关系管理系统中客户画像分析方法 |
CN117558457B (zh) * | 2024-01-11 | 2024-03-26 | 合肥特斯塔信息科技有限公司 | 一种客户关系管理系统中客户画像分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112528259A (zh) | 身份验证方法、装置、计算机设备和存储介质 | |
CN112464117A (zh) | 请求处理方法、装置、计算机设备和存储介质 | |
CN113986581A (zh) | 数据聚合处理方法、装置、计算机设备和存储介质 | |
CN112527630A (zh) | 测试用例生成方法、装置、计算机设备和存储介质 | |
CN113742776A (zh) | 基于生物识别技术的数据校验方法、装置和计算机设备 | |
CN112329865A (zh) | 基于自编码器的数据异常识别方法、装置和计算机设备 | |
CN112668041A (zh) | 单证文件的生成方法、装置、计算机设备和存储介质 | |
CN113241138B (zh) | 医疗事件信息的抽取方法、装置、计算机设备及存储介质 | |
CN114840387A (zh) | 微服务监控方法、装置、计算机设备和存储介质 | |
CN112463599A (zh) | 自动化测试方法、装置、计算机设备和存储介质 | |
CN115237802A (zh) | 基于人工智能的模拟测试方法及相关设备 | |
CN114817055A (zh) | 基于接口的回归测试方法、装置、计算机设备和存储介质 | |
CN113642039A (zh) | 单证模板的配置方法、装置、计算机设备和存储介质 | |
CN113672654B (zh) | 数据查询方法、装置、计算机设备和存储介质 | |
CN113889262A (zh) | 基于模型的数据预测方法、装置、计算机设备和存储介质 | |
CN114090408A (zh) | 数据监控分析方法、装置、计算机设备和存储介质 | |
CN111813946A (zh) | 医疗信息反馈方法、装置、设备及可读存储介质 | |
CN113435990B (zh) | 基于规则引擎的凭证生成方法、装置和计算机设备 | |
CN113656588A (zh) | 基于知识图谱的数据对码方法、装置、设备和存储介质 | |
CN114978968A (zh) | 微服务的异常检测方法、装置、计算机设备和存储介质 | |
CN113918609A (zh) | 试卷创建方法、装置、计算机设备和存储介质 | |
CN113873088A (zh) | 语音通话的交互方法、装置、计算机设备和存储介质 | |
CN113191146B (zh) | 诉求数据的分配方法、装置、计算机设备和存储介质 | |
CN114360732B (zh) | 医疗数据分析方法、装置、电子设备及存储介质 | |
CN114036117A (zh) | 日志查看方法、装置、计算机设备和存储介质 |
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 |