CN114065037A - 基于大数据的数据处理方法及大数据服务器 - Google Patents

基于大数据的数据处理方法及大数据服务器 Download PDF

Info

Publication number
CN114065037A
CN114065037A CN202111358278.2A CN202111358278A CN114065037A CN 114065037 A CN114065037 A CN 114065037A CN 202111358278 A CN202111358278 A CN 202111358278A CN 114065037 A CN114065037 A CN 114065037A
Authority
CN
China
Prior art keywords
user
service
target
data source
target data
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
Application number
CN202111358278.2A
Other languages
English (en)
Inventor
温美荣
李建岭
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.)
Chengdu Hemengtiandi Information Technology Co ltd
Original Assignee
Chengdu Hemengtiandi 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 Chengdu Hemengtiandi Information Technology Co ltd filed Critical Chengdu Hemengtiandi Information Technology Co ltd
Priority to CN202111358278.2A priority Critical patent/CN114065037A/zh
Publication of CN114065037A publication Critical patent/CN114065037A/zh
Pending 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
    • G06F16/90—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
    • G06F16/9535—Search customisation based on user profiles and personalisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于大数据的数据处理方法及大数据服务器，通过业务标识信息确定用户对应的目标需求和业务兴趣度，并基于业务兴趣度确定大数据服务器中对应的数据源信息，基于业务逻辑分区，选取预设数量的业务逻辑分区并提取分区中的数据源信息，确保了用户需求和数据源之间的高度匹配；同时，通过底层引擎调取校验目标数据源中的数据信息，根据所述目标数据源，从预设的多个数据分析模型中选择与目标数据源匹配度最高的模型，并设置为目标分析模型，保证了用户获得的大数据信息的准确性和深度。

Description

基于大数据的数据处理方法及大数据服务器
技术领域
本发明涉及大数据和云计算技术领域，具体而言，涉及一种基于大数据的数据处理方法及大数据服务器。
背景技术
随着大数据时代的不断发展，数据的产生量越来越大，使用大数据的处理工具进行数据捕捉、处理时，往往由于数据量巨大和信息密度低得不到用户希望的有效信息，人们寄希望于新的大数据处理模式以应对现有技术的不足。如何增强决策力、洞察发现力和流程优化能力来应对海量的、高增长率的和多样化的信息资产成为当下研究的重点。
目前对大数据处理的过程中，相关技术往往忽略了用户的目标需求和业务兴趣度，没有真正识别到用户的业务互动意图，没有针对性地对大数据进行分区处理，从而对大数据进行分析时会极大的增加数据处理的工作量，导致效率较低，并且影响用户获得的大数据信息的准确性和深度。
发明内容
为了至少克服现有技术中的上述不足，本发明提供一种基于大数据的数据处理方法及大数据服务器。
本发明的第一个方面公开了一种基于大数据的数据处理方法，包括以下步骤：
S1：接收用户的访问请求。
S2：基于用户的访问请求提取用户的业务标识信息。
S3：根据所述用户的业务标识信息确定对应的存储在大数据服务器中的目标数据源。
S4：基于所述目标数据源确定所述目标数据源对应的目标分析模型。
S5：利用所述目标分析模型对所述目标数据源中的数据信息进行分析聚合以获得目标业务数据。
S6：根据所述用户的业务标识信息将所述目标业务数据发送给所述用户。
优选的实施方式中，所述用户的业务标识信息具体为：用户身份标识，业务流程信息，以及需求分类信息。
所述根据所述用户的业务标识信息确定对应的存储在大数据服务器中的目标数据源还包括以下步骤：
S301：基于所述用户在访问大数据平台时生成的业务流程信息和需求分类信息，确定用户对应的目标需求和业务兴趣度。
S302：基于所述业务兴趣度确定大数据服务器中对应的业务逻辑分区。
S303：基于所述业务逻辑分区，选取预设数量的业务逻辑分区并提取所述多个业务逻辑分区中的数据源，形成目标数据源。
优选的实施方式中，所述选取预设数量的业务逻辑分区并提取所述多个业务逻辑分区中的数据源，形成目标数据源所述，具体包括：
基于所述业务兴趣度确定大数据服务器中对应的业务逻辑分区。按照所述业务逻辑分区与所述业务兴趣度两者的匹配度将所述由高到低依次排序。
从排序好的业务逻辑分区中选取排序靠前的预设数量的业务逻辑分区。
提取选取的多个业务逻辑分区中的数据源，形成目标数据源。
优选的实施方式中，所述基于所述目标数据源确定所述目标数据源对应的目标分析模型包括以下步骤：
S401：获取所述目标数据源。
S402：基于所述目标数据源获取对应的业务逻辑分区的底层引擎。
S403：根据所述底层引擎调取校验目标数据源中的数据信息，并在校验通过后，根据所述目标数据源，从预设的多个数据分析模型中选择与目标数据源匹配度最高的模型，并设置为目标分析模型。
优选的实施方式中，所述接收用户的访问请求；基于用户的访问请求提取用户的业务标识信息；根据所述用户的业务标识信息确定对应的存储在大数据服务器中的目标数据源之后，还包括：
验证所述用户的访问权限，当所述用户不具有访问所述目标数据源的权限时，向所述用户发送拒绝访问信息。
本发明的第二个方面公开了一种大数据服务器，包括：
包括处理引擎、网络模块和存储器；所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎从所述存储器中读取计算机程序并运行，执行以下方法：
接收用户的访问请求。
基于用户的访问请求提取用户的业务标识信息。
根据所述用户的业务标识信息确定对应的存储在大数据服务器中的目标数据源。
基于所述目标数据源确定所述目标数据源对应的目标分析模型。
利用所述目标分析模型对所述目标数据源中的数据信息进行分析聚合以获得目标业务数据。
根据所述用户的业务标识信息将所述目标业务数据发送给所述用户。
优选的实施方式中，所述大数据服务器还包括：业务逻辑分区。
所述用户的业务标识信息具体为：用户身份标识，业务流程信息，以及需求分类信息。
所述根据所述用户的业务标识信息确定对应的存储在大数据服务器中的目标数据源还包括：基于所述用户在访问大数据平台时生成的业务流程信息和需求分类信息，确定用户对应的目标需求和业务兴趣度。基于所述业务兴趣度确定大数据服务器中对应的所述业务逻辑分区。
基于所述业务逻辑分区，选取预设数量的业务逻辑分区并提取所述多个业务逻辑分区中的数据源，形成目标数据源。
优选的实施方式中，所述选取预设数量的业务逻辑分区并提取所述多个业务逻辑分区中的数据源，形成目标数据源所述，具体包括：
基于所述业务兴趣度确定大数据服务器中对应的业务逻辑分区。按照所述业务逻辑分区与所述业务兴趣度两者的匹配度将所述由高到低依次排序。
从排序好的业务逻辑分区中选取排序靠前的预设数量的业务逻辑分区。
提取选取的多个业务逻辑分区中的数据源，形成目标数据源。
优选的实施方式中，所述业务逻辑分区还包括：底层引擎。
所述基于所述目标数据源确定所述目标数据源对应的目标分析模型包括：
获取所述目标数据源。
基于所述目标数据源获取对应的业务逻辑分区的底层引擎。
根据所述底层引擎调取校验目标数据源中的数据信息，并在校验通过后，根据所述目标数据源，从预设的多个数据分析模型中选择与目标数据源匹配度最高的模型，并设置为目标分析模型。
优选的实施方式中，所述接收用户的访问请求。基于用户的访问请求提取用户的业务标识信息。根据所述用户的业务标识信息确定对应的存储在大数据服务器中的目标数据源之后，还包括：验证所述用户的访问权限，当所述用户不具有访问所述目标数据源的权限时，向所述用户发送拒绝访问信息。
相较于现有技术，本发明提供的基于大数据的数据处理方法及大数据服务器具有以下技术效果：在接收用户的访问请求后，基于用户的业务标识信息获取用户的业务流程信息和需求分类信息，进一步确定用户对应的目标需求和业务兴趣度，如此，在基于上述用户分析的基础上获取目标数据源，保证了用户需求和数据源之间的高度匹配；同时，通过底层引擎调取校验目标数据源中的数据信息，根据所述目标数据源，从预设的多个数据分析模型中选择与目标数据源匹配度最高的模型，并设置为目标分析模型，保证了用户获得的大数据信息的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例，其中参考数字在附图的各个视图中代表相似的机构。
图1为一种基于大数据的数据处理方法流程图。
图2为一种基于大数据的数据处理系统框图。
图3为一种大数据服务器的结构框图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。
在下面的详细描述中，通过实例阐述了许多具体细节，以便提供对相关指导的全面了解；然而，对于本领域的技术人员来说，显然可以在没有这些细节的情况下实施本发明。
本发明中使用流程图说明根据本发明的实施例的系统所执行的执行过程。应当明确理解的是，流程图的执行过程可以不按顺序执行。相反，这些执行过程可以以相反的顺序或同时执行。另外，可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。
具体实施例一：
本发明首先提供了一种基于大数据的数据处理方法。
图1示出了根据本发明的一种基于大数据的数据处理方法的一个实施例的流程图。如图1所示，该方法包括如下步骤：
S1：接收用户的访问请求。
S2：基于用户的访问请求提取用户的业务标识信息。
所述访问请求包括所述用户的用户标识以及要分析的业务种类，根据要分析的业务种类以及预先设定的业务数据对应表，即可确定要访问的数据源标识。通过上述用户标识、要分析的业务种类、数据源标识，即可确定发明访问的用户身份、该用户要分析的业务种类、要实现该分析所需要的数据源以及获取该数据源的途径，以便后续分析工作的进行。
S3：根据所述用户的业务标识信息确定对应的存储在大数据服务器中的目标数据源。
S4：基于所述目标数据源确定所述目标数据源对应的目标分析模型。
具体地，访问业务逻辑分区的底层引擎，根据所述底层引擎调取校验目标数据源中的数据信息，并在校验通过后，根据所述目标数据源，从预设的多个数据分析模型中选择与目标数据源匹配度最高的模型，并设置为目标分析模型。
S5：利用所述目标分析模型对所述目标数据源中的数据信息进行分析聚合以获得目标业务数据。
S6：根据所述用户的业务标识信息将所述目标业务数据发送给所述用户。
优选的实施方式中，所述用户的业务标识信息具体为：用户身份标识，业务流程信息，以及需求分类信息。
所述根据所述用户的业务标识信息确定对应的存储在大数据服务器中的目标数据源还包括以下步骤：
S301：基于所述用户在访问大数据平台时生成的业务流程信息和需求分类信息，确定用户对应的目标需求和业务兴趣度。
S302：基于所述业务兴趣度确定大数据服务器中对应的业务逻辑分区。
S303：基于所述业务逻辑分区，选取预设数量的业务逻辑分区并提取所述多个业务逻辑分区中的数据源，形成目标数据源。
优选的实施方式中，所述选取预设数量的业务逻辑分区并提取所述多个业务逻辑分区中的数据源，形成目标数据源所述，具体包括：
基于所述业务兴趣度确定大数据服务器中对应的业务逻辑分区。按照所述业务逻辑分区与所述业务兴趣度两者的匹配度将所述由高到低依次排序。
从排序好的业务逻辑分区中选取排序靠前的预设数量的业务逻辑分区。
提取选取的多个业务逻辑分区中的数据源，形成目标数据源。
优选的实施方式中，所述基于所述目标数据源确定所述目标数据源对应的目标分析模型包括以下步骤：
S401：获取所述目标数据源。
S402：基于所述目标数据源获取对应的业务逻辑分区的底层引擎。
S403：根据所述底层引擎调取校验目标数据源中的数据信息，并在校验通过后，根据所述目标数据源，从预设的多个数据分析模型中选择与目标数据源匹配度最高的模型，并设置为目标分析模型。
优选的实施方式中，预设的模型来自大数据处理领域中的常用数据库，例如Spark、Hive、Python、Presto、 ElasticSearch、MLSQL等。
具体地，根据所提取的数据源的特征数据和采样数据，通过算法与预设的模型的数据库进行特征比对，从而选择匹配度最高的数据库类型以及解析方法，从而获取最合适的分析模型。
优选的实施方式中，所述接收用户的访问请求；基于用户的访问请求提取用户的业务标识信息；根据所述用户的业务标识信息确定对应的存储在大数据服务器中的目标数据源之后，还包括：
验证所述用户的访问权限，当所述用户不具有访问所述目标数据源的权限时，向所述用户发送拒绝访问信息。
具体实施例二：
本发明还提供了一种大数据服务器。
图2是根据本发明的一种大数据服务器的数据处理系统的框图，应用于大数据的数据处理，可以包括大数据服务器100和多个用户终端200。
在一些实施例中，如图3所示，大数据服务器100可以包括处理引擎110、网络模块120和存储器130，处理引擎110和存储器130通过网络模块120通信。
处理引擎110可以处理相关的信息和/或数据以执行本发明中描述的一个或多个功能。
例如，在一些实施例中，处理引擎110可以包括至少一个处理引擎(例如，单核处理引擎或多核处理器)。仅作为示例，处理引擎110可以包括中央处理单元(CentralProcessingUnit，CPU)、专用集成电路(Application-Specific Integrated Circuit，ASIC)、专用指令集处理器(Application-Specific Instruction-set Processor，ASIP)、图形处理单元(Graphics Processing Unit，GPU)、物理处理单元(Physics ProcessingUnit，PPU)、数字信号处理器(Digital Signal Processor，DSP)、现场可编程门阵列(FieldProgrammableGate Array，FPGA)、可编程逻辑器件(Programmable Logic Device，PLD)、控制器、微控制器单元、精简指令集计算机(Reduced Instruction-Set Computer，RISC)、微处理器等或其任意组合。
网络模块120可以促进信息和/或数据的交换。在一些实施例中，网络模块120可以是任何类型的有线或无线网络或其组合。仅作为示例，网络模块120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(Local Area Network，LAN)、广域网(Wide Area Network，WAN)、无线局域网络(Wireless Local Area Network，WLAN)、城域网(Metropolitan Area Network，MAN)、公用电话交换网(Public TelephoneSwitchedNetwork，PSTN)、蓝牙网络、无线个域网络、近场通讯(Near FieldCommunication，NFC)网络等或上述举例的任意组合。在一些实施例中，网络模块120可以包括至少一个网络接入点。
例如，网络模块120可以包括有线或无线网路接入点，如基站和/或网路接入点。
存储器130可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-OnlyMemory，PROM），可擦除只读存储器（Erasable Programmable Read-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。
其中，存储器130用于存储程序，所述处理引擎110在接收到执行指令后，执行所述程序。
可以理解，图3所示的结构仅为示意，大数据服务器100还可包括比图3中所示更多或者更少的组件，或者具有与图3所示不同的配置；图3中所示的各组件可以采用硬件、软件或其组合实现。
所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎从所述存储器中读取计算机程序并运行，执行以下方法：
接收用户的访问请求。
基于用户的访问请求提取用户的业务标识信息。
所述访问请求包括所述用户的用户标识以及要分析的业务种类，根据要分析的业务种类以及预先设定的业务数据对应表，即可确定要访问的数据源标识。通过上述用户标识、要分析的业务种类、数据源标识，即可确定发明访问的用户身份、该用户要分析的业务种类、要实现该分析所需要的数据源以及获取该数据源的途径，以便后续分析工作的进行。
根据所述用户的业务标识信息确定对应的存储在大数据服务器中的目标数据源。
基于所述目标数据源确定所述目标数据源对应的目标分析模型。
具体地，访问业务逻辑分区的底层引擎，根据所述底层引擎调取校验目标数据源中的数据信息，并在校验通过后，根据所述目标数据源，从预设的多个数据分析模型中选择与目标数据源匹配度最高的模型，并设置为目标分析模型。
利用所述目标分析模型对所述目标数据源中的数据信息进行分析聚合以获得目标业务数据。
根据所述用户的业务标识信息将所述目标业务数据发送给所述用户。
优选的实施方式中，所述大数据服务器还包括：业务逻辑分区。
所述用户的业务标识信息具体为：用户身份标识，业务流程信息，以及需求分类信息。
所述根据所述用户的业务标识信息确定对应的存储在大数据服务器中的目标数据源还包括：基于所述用户在访问大数据平台时生成的业务流程信息和需求分类信息，确定用户对应的目标需求和业务兴趣度。基于所述业务兴趣度确定大数据服务器中对应的所述业务逻辑分区。
基于所述业务逻辑分区，选取预设数量的业务逻辑分区并提取所述多个业务逻辑分区中的数据源，形成目标数据源。
优选的实施方式中，所述选取预设数量的业务逻辑分区并提取所述多个业务逻辑分区中的数据源，形成目标数据源所述，具体包括：
基于所述业务兴趣度确定大数据服务器中对应的业务逻辑分区。按照所述业务逻辑分区与所述业务兴趣度两者的匹配度将所述由高到低依次排序。
从排序好的业务逻辑分区中选取排序靠前的预设数量的业务逻辑分区。
提取选取的多个业务逻辑分区中的数据源，形成目标数据源。
优选的实施方式中，所述业务逻辑分区还包括：底层引擎。
所述基于所述目标数据源确定所述目标数据源对应的目标分析模型包括：
获取所述目标数据源。
基于所述目标数据源获取对应的业务逻辑分区的底层引擎。
根据所述底层引擎调取校验目标数据源中的数据信息，并在校验通过后，根据所述目标数据源，从预设的多个数据分析模型中选择与目标数据源匹配度最高的模型，并设置为目标分析模型。
优选的实施方式中，所述接收用户的访问请求。基于用户的访问请求提取用户的业务标识信息。根据所述用户的业务标识信息确定对应的存储在大数据服务器中的目标数据源之后，还包括：验证所述用户的访问权限，当所述用户不具有访问所述目标数据源的权限时，向所述用户发送拒绝访问信息。
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
以根据上述所公开的内容进行前后推导毫无疑义地确定其所指代的含义，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，在此均不作限定，本领域技术人员可以根据上述已公开的内容毫无意义对一些预设的、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和前后限定的术语，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。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅作为示例，而并不构成对本发明的限定。虽然此处并没有明确说明，本领域技术人员可以对本发明进行各种修改、改进和修正。该类修改、改进和修正在本发明中被建议，所以该类修改和改进仍属于本发明示范实施例的精神和范围。
同样应当理解的是，为了简化本发明揭示的表述，从而帮助对至少一个发明实施例的理解，前文对本发明实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本发明对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。应当理解，本领域技术人员基于上述公开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发明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。

Claims (10)

1.一种基于大数据的数据处理方法，其特征在于，所述处理方法包括：
接收用户的访问请求；
基于用户的访问请求提取用户的业务标识信息；
根据所述用户的业务标识信息确定对应的存储在大数据服务器中的目标数据源；
基于所述目标数据源确定所述目标数据源对应的目标分析模型；
利用所述目标分析模型对所述目标数据源中的数据信息进行分析聚合以获得目标业务数据；
根据所述用户的业务标识信息将所述目标业务数据发送给所述用户。
2.根据权利要求1所述的基于大数据的数据处理方法，其特征在于，所述用户的业务标识信息具体为：用户身份标识，业务流程信息，以及需求分类信息；
所述根据所述用户的业务标识信息确定对应的存储在大数据服务器中的目标数据源还包括：基于所述用户在访问大数据平台时生成的业务流程信息和需求分类信息，确定用户对应的目标需求和业务兴趣度；基于所述业务兴趣度确定大数据服务器中对应的业务逻辑分区；
基于所述业务逻辑分区，选取预设数量的业务逻辑分区并提取所述多个业务逻辑分区中的数据源，形成目标数据源。
3.根据权利要求2所述的基于大数据的数据处理方法，其特征在于，所述选取预设数量的业务逻辑分区并提取所述多个业务逻辑分区中的数据源，形成目标数据源所述，具体包括：
基于所述业务兴趣度确定大数据服务器中对应的业务逻辑分区；按照所述业务逻辑分区与所述业务兴趣度两者的匹配度将所述由高到低依次排序；
从排序好的业务逻辑分区中选取排序靠前的预设数量的业务逻辑分区；
提取选取的多个业务逻辑分区中的数据源，形成目标数据源。
4.根据权利要求2所述的基于人工智能的大数据处理方法，其特征在于，所述基于所述目标数据源确定所述目标数据源对应的目标分析模型包括：
获取所述目标数据源；
基于所述目标数据源获取对应的业务逻辑分区的底层引擎；
根据所述底层引擎调取校验目标数据源中的数据信息，并在校验通过后，根据所述目标数据源，从预设的多个数据分析模型中选择与目标数据源匹配度最高的模型，并设置为目标分析模型。
5.根据权利要求1-4任一项所述的基于人工智能的大数据处理方法，其特征在于，所述接收用户的访问请求；基于用户的访问请求提取用户的业务标识信息；根据所述用户的业务标识信息确定对应的存储在大数据服务器中的目标数据源之后，还包括：验证所述用户的访问权限，当所述用户不具有访问所述目标数据源的权限时，向所述用户发送拒绝访问信息。
6.一种大数据服务器，包括处理引擎、网络模块和存储器；所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎从所述存储器中读取计算机程序并运行，执行以下方法：
接收用户的访问请求；
基于用户的访问请求提取用户的业务标识信息；
根据所述用户的业务标识信息确定对应的存储在大数据服务器中的目标数据源；
基于所述目标数据源确定所述目标数据源对应的目标分析模型；
利用所述目标分析模型对所述目标数据源中的数据信息进行分析聚合以获得目标业务数据；
根据所述用户的业务标识信息将所述目标业务数据发送给所述用户。
7.根据权利要求6所述的大数据服务器，其特征在于，所述大数据服务器还包括：业务逻辑分区；
所述用户的业务标识信息具体为：用户身份标识，业务流程信息，以及需求分类信息；
所述根据所述用户的业务标识信息确定对应的存储在大数据服务器中的目标数据源还包括：基于所述用户在访问大数据平台时生成的业务流程信息和需求分类信息，确定用户对应的目标需求和业务兴趣度；基于所述业务兴趣度确定大数据服务器中对应的所述业务逻辑分区；
基于所述业务逻辑分区，选取预设数量的业务逻辑分区并提取所述多个业务逻辑分区中的数据源，形成目标数据源。
8.根据权利要求6所述的大数据服务器，其特征在于，所述选取预设数量的业务逻辑分区并提取所述多个业务逻辑分区中的数据源，形成目标数据源所述，具体包括：
基于所述业务兴趣度确定大数据服务器中对应的业务逻辑分区；按照所述业务逻辑分区与所述业务兴趣度两者的匹配度将所述由高到低依次排序；
从排序好的业务逻辑分区中选取排序靠前的预设数量的业务逻辑分区；
提取选取的多个业务逻辑分区中的数据源，形成目标数据源。
9.根据权利要求6所述的大数据服务器，其特征在于，所述业务逻辑分区还包括：底层引擎；
所述基于所述目标数据源确定所述目标数据源对应的目标分析模型包括：
获取所述目标数据源；
基于所述目标数据源获取对应的业务逻辑分区的底层引擎；
根据所述底层引擎调取校验目标数据源中的数据信息，并在校验通过后，根据所述目标数据源，从预设的多个数据分析模型中选择与目标数据源匹配度最高的模型，并设置为目标分析模型。
10.根据权利要求6-9任一项所述的大数据服务器，其特征在于，所述接收用户的访问请求；基于用户的访问请求提取用户的业务标识信息；根据所述用户的业务标识信息确定对应的存储在大数据服务器中的目标数据源之后，还包括：验证所述用户的访问权限，当所述用户不具有访问所述目标数据源的权限时，向所述用户发送拒绝访问信息。
CN202111358278.2A 2021-11-16 2021-11-16 基于大数据的数据处理方法及大数据服务器 Pending CN114065037A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111358278.2A CN114065037A (zh) 2021-11-16 2021-11-16 基于大数据的数据处理方法及大数据服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111358278.2A CN114065037A (zh) 2021-11-16 2021-11-16 基于大数据的数据处理方法及大数据服务器

Publications (1)

Publication Number Publication Date
CN114065037A true CN114065037A (zh) 2022-02-18

Family

ID=80272803

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111358278.2A Pending CN114065037A (zh) 2021-11-16 2021-11-16 基于大数据的数据处理方法及大数据服务器

Country Status (1)

Country Link
CN (1) CN114065037A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115730605A (zh) * 2022-11-21 2023-03-03 刘奕涵 基于多维信息的数据分析方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115730605A (zh) * 2022-11-21 2023-03-03 刘奕涵 基于多维信息的数据分析方法
CN115730605B (zh) * 2022-11-21 2024-02-02 暨南大学 基于多维信息的数据分析方法

Similar Documents

Publication Publication Date Title
CN109509021B (zh) 基于行为轨迹的异常识别方法、装置、服务器及存储介质
CN110276369B (zh) 基于机器学习的特征选择方法、装置、设备及存储介质
CN112035549B (zh) 数据挖掘方法、装置、计算机设备及存储介质
CN110442697B (zh) 一种人机交互方法、系统、计算机设备和存储介质
CN107679626A (zh) 机器学习方法、装置、系统、存储介质及设备
CN111259952A (zh) 异常用户识别方法、装置、计算机设备及存储介质
CN115577858B (zh) 基于区块链的碳排放量预测方法、装置及电子设备
CN111090807A (zh) 一种基于知识图谱的用户识别方法及装置
CN115329204A (zh) 基于大数据挖掘的云业务服务推送方法及推送处理系统
CN111259167B (zh) 用户请求风险识别方法及装置
CN112214677A (zh) 一种兴趣点推荐方法、装置、电子设备及存储介质
CN112488163A (zh) 一种异常账号的识别方法、装置、计算机设备及存储介质
CN114065037A (zh) 基于大数据的数据处理方法及大数据服务器
CN110866249A (zh) 一种动态检测恶意代码的方法、装置及电子设备
CN116340586A (zh) 基于云平台的汽车故障管理方法、系统及存储介质
CN111783830A (zh) 基于oct的视网膜分类方法、装置、计算机设备及存储介质
CN110781467A (zh) 异常业务数据分析方法、装置、设备及存储介质
CN114463499A (zh) 建筑物三维建模方法及装置
CN114416843A (zh) 敏感数据共享检测方法、装置、计算机设备及存储介质
CN113869398A (zh) 一种不平衡文本分类方法、装置、设备及存储介质
CN116151965B (zh) 一种风险特征提取方法、装置、电子设备及存储介质
CN113591046A (zh) 大数据访问控制的模型训练方法及大数据访问控制设备
CN112688897A (zh) 一种流量识别的方法、装置、存储介质及电子设备
CN113596061B (zh) 基于区块链技术的网络安全漏洞响应方法
CN116070149A (zh) 基于人工智能的数据分析方法、系统及云平台

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20220218