CN114201212A - 配置文件处理方法、装置、计算机设备及存储介质 - Google Patents
配置文件处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114201212A CN114201212A CN202111531981.9A CN202111531981A CN114201212A CN 114201212 A CN114201212 A CN 114201212A CN 202111531981 A CN202111531981 A CN 202111531981A CN 114201212 A CN114201212 A CN 114201212A
- Authority
- CN
- China
- Prior art keywords
- configuration
- initial
- code
- target
- configuration file
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims description 21
- 238000000034 method Methods 0.000 claims abstract description 61
- 238000012545 processing Methods 0.000 claims abstract description 59
- 230000008859 change Effects 0.000 claims abstract description 57
- 230000008569 process Effects 0.000 claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 238000009960 carding Methods 0.000 claims description 24
- 238000013507 mapping Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013178 mathematical model Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 21
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000011161 development Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 8
- 230000007774 longterm Effects 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/70—Software maintenance or management
- G06F8/71—Version control; Configuration management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Computer Security & Cryptography (AREA)
- Life Sciences & Earth Sciences (AREA)
- Stored Programmes (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及人工智能技术,提供一种配置文件处理方法、装置、计算机设备与存储介质,包括:拆分处理初始代码配置文件对应的梳理策略,得到若干类别策略,并根据类别策略确定分类维度;调用目标执行节点按照分类维度分类处理初始代码配置文件,得到中间代码配置文件;解析中间代码配置文件,得到初始配置项集;获取每一初始配置项对应历史配置变更频率,并选取目标配置项集;选取第一目标配置项对应的第一代码配置文件,并调用配置风险计算模型处理配置更新信息,得到配置风险值;当配置风险值低于预设风险阈值时,调整第二代码配置文件,得到目标代码配置文件。本申请能够提高代码配置文件处理的准确性,促进智慧城市的快速发展。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种配置文件处理方法、装置、计算机设备及存储介质。
背景技术
目前,随着互联网的快速发展,应用软件的复杂度越来越高,运维难度越来越大。代码配置文件是应用软件中的最重要的组成部分,决定了应用软件的业务能力与技术可用性。例如,据统计,信用卡某个应用程序约有6w个代码配置,其中包含大量的业务配置、开关配置等,需要对代码配置进行梳理,以保证应用程序的可用性与可维护性。
在实现本申请的过程中,申请人发现现有技术存在如下技术问题:现有的代码配置梳理大多是对代码配置按照特定维度进行分类处理,再对每一分类维度下的代码配置生成统一格式,以便系统人员维护应用程序。然而,一个应用程序的代码配置文件中可能包含大量不变配置,若仅是对代码配置进行分类处理而不对大量的不变配置进行识别确认,系统人员需维护的代码配置文件量仍是巨大的,代码配置文件处理的准确性较差。
因此,有必要提供一种配置文件处理方法,能够提高代码配置文件处理的准确性。
发明内容
鉴于以上内容,有必要提出一种配置文件处理方法、配置文件处理装置、计算机设备及存储介质,能够提高代码配置文件处理的准确性。
本申请实施例第一方面提供一种配置文件处理方法,所述配置文件处理方法包括:
拆分处理初始代码配置文件对应的梳理策略,得到若干类别策略,并根据所述类别策略确定所述初始代码配置文件的分类维度;
获取所述类别策略对应的目标执行节点,并调用所述目标执行节点按照所述分类维度分类处理所述初始代码配置文件,得到中间代码配置文件;
解析所述中间代码配置文件,得到初始配置项集;
获取所述初始配置项集中每一初始配置项对应的历史配置变更频率,并选取所述历史配置变更频率低于预设配置变更频率阈值且属于目标分类维度的配置项组成目标配置项集;
选取所述目标配置项集中预设数量的第一目标配置项对应的第一代码配置文件,并调用预先训练好的配置风险计算模型处理所述第一代码配置文件对应的配置更新信息,得到配置风险值;
当所述配置风险值低于预设风险阈值时,根据所述配置更新信息调整所述目标配置项集中剩余的第二目标配置项对应的第二代码配置文件,得到目标代码配置文件。
进一步地,在本申请实施例提供的上述配置文件处理方法中,所述拆分处理初始代码配置文件对应的梳理策略,得到若干类别策略包括:
获取所述初始代码配置文件对应的梳理需求信息;
解析所述梳理需求信息,得到若干待梳理项以及每一所述待梳理项对应的梳理指令;
按照预设数据格式组合所述待梳理项与所述梳理指令,得到所述初始代码配置文件对应的梳理策略;
按照所述待梳理项拆分处理所述梳理策略,得到若干类别策略。
进一步地,在本申请实施例提供的上述配置文件处理方法中,所述根据所述类别策略确定所述初始代码配置文件的分类维度包括:
获取所述类别策略中的待梳理项;
确定预先设置的待梳理项与分类维度的映射关系;
根据所述待梳理项遍历所述映射关系,得到每一所述待梳理项对应的分类维度。
进一步地,在本申请实施例提供的上述配置文件处理方法中,所述获取所述类别策略对应的目标执行节点包括:
获取所述类别策略的数量,并建立所述数量的初始执行节点;
确定所述初始执行节点的初始配置信息,并获取所述初始配置信息的预设位置处的初始执行代码;
获取所述类别策略对应的目标执行代码,并将所述初始执行代码替换为所述目标执行代码,得到目标执行节点。
进一步地,在本申请实施例提供的上述配置文件处理方法中,所述调用所述目标执行节点按照所述分类维度分类处理所述初始代码配置文件,得到中间代码配置文件包括:
确定所述目标执行节点对应的目标分类维度;
获取所述目标分类维度下的初始子代码配置文件;
调用所述目标执行节点处理所述初始子代码配置文件,得到目标子代码配置文件;
组合若干所述目标子代码配置文件,得到中间代码配置文件。
进一步地,在本申请实施例提供的上述配置文件处理方法中,所述解析所述中间代码配置文件,得到初始配置项集包括:
检测所述中间代码配置文件是否存在预设关键词;
当检测结果为所述中间代码配置文件中存在所述预设关键词时,确定与所述预设关键词存在映射关系的初始配置项;
组合所述初始配置项,得到初始配置项集。
进一步地,在本申请实施例提供的上述配置文件处理方法中,所述获取所述初始配置项集中每一初始配置项对应的历史配置变更频率包括:
获取所述初始配置集中每一初始配置项对应的配置日志;
获取所述配置日志中的历史配置信息,所述历史配置信息包括历史配置次数与历史配置时间;
调用预设数学模型处理所述历史配置次数与所述历史配置时间,得到所述初始配置项对应的历史配置变更频率。
本申请实施例第二方面还提供一种配置文件处理装置,所述配置文件处理装置包括:
策略拆分模块,用于拆分处理初始代码配置文件对应的梳理策略,得到若干类别策略,并根据所述类别策略确定所述初始代码配置文件的分类维度;
节点获取模块,用于获取所述类别策略对应的目标执行节点,并调用所述目标执行节点按照所述分类维度分类处理所述初始代码配置文件,得到中间代码配置文件;
文件解析模块,用于解析所述中间代码配置文件,得到初始配置项集;
频率获取模块,用于获取所述初始配置项集中每一初始配置项对应的历史配置变更频率,并选取所述历史配置变更频率低于预设配置变更频率阈值且属于目标分类维度的配置项组成目标配置项集;
文件选取模块,用于选取所述目标配置项集中预设数量的第一目标配置项对应的第一代码配置文件,并调用预先训练好的配置风险计算模型处理所述第一代码配置文件对应的配置更新信息,得到配置风险值;
配置调整模块,用于当所述配置风险值低于预设风险阈值时,根据所述配置更新信息调整所述目标配置项集中剩余的第二目标配置项对应的第二代码配置文件,得到目标代码配置文件。
本申请实施例第三方面还提供一种计算机设备,所述计算机设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如上述任意一项所述配置文件处理方法。
本申请实施例第四方面还提供一种计算机可读存储介质,所述计算机可读存储介质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任意一项所述配置文件处理方法。
本申请实施例提供的上述配置文件处理方法、配置文件处理装置、计算机设备以及计算机可读存储介质,根据初始配置项对应的历史配置变更频率识别确认大量代码配置文件中的不变配置,并对不变配置进行处理,能够减少系统人员需维护的代码配置文件量,从而提高代码配置文件处理的准确性;此外,本申请通过先选取所述预设梳理的第一目标配置项对应的第一代码配置文件进行试点配置,再调用预先训练好的配置风险计算模型处理所述第一代码配置文件,得到配置风险值,并依据配置风险值确定是否需要更新代码配置文件,避免直接对大量代码配置文件进行更新导致应用程序报错的问题,能够提高配置文件处理的准确性。本申请可应用于智慧政务、智慧交通等智慧城市的各个功能模块中,比如智慧政务的配置文件处理模块等,能够促进智慧城市的快速发展。
附图说明
图1是本申请实施例一提供的配置文件处理方法的流程图。
图2是本申请实施例二提供的配置文件处理装置的结构图。
图3是本申请实施例三提供的计算机设备的结构示意图。
如下具体实施方式将结合上述附图进一步说明本申请。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点,下面结合附图和具体实施例对本申请进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请,所描述的实施例是本申请一部分实施例,而不是全部的实施例。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
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。
本发明实施例提供的配置文件处理方法由计算机设备执行,相应地,配置文件处理装置运行于计算机设备中。图1是本申请实施例一提供的配置文件处理方法的流程图。如图1所示,所述配置文件处理方法可以包括如下步骤,根据不同的需求,该流程图中步骤的顺序可以改变,某些可以省略:
S11,拆分处理初始代码配置文件对应的梳理策略,得到若干类别策略,并根据所述类别策略确定所述初始代码配置文件的分类维度。
在本申请的至少一实施例中,所述初始代码配置文件可以是系统人员编写的用于对应用程序进行解释以保证应用程序正常运行的文件。所述初始代码配置文件中包含若干配置项对应的代码,所述配置项可以包括开关配置项、业务配置项、技术配置项与环境配置项等,在此不做限制。针对每一所述配置项,均对应设置有代码信息,组合代码信息,可以得到初始代码配置文件。所述初始代码配置文件可存储于预设数据库中,考虑到数据存储的可靠性与隐私性,所述预设数据库可以为区块链上的目标节点。在一实施例中,所述初始代码配置文件与应用程序间存在映射关系,通过查询所述映射关系即可以获取应用程序对应的初始代码配置文件,在此不做限制。
在一实施例中,所述梳理策略为预先设置的对所述初始代码配置文件设置的控制指令,所述梳理策略中包含若干类别策略,所述类别策略可以是针对每一所述分类维度设定的对所述代码配置文件的控制指令,示例性地,对于“技术/业务”分类维度,技术类的代码配置文件可按照特定数据格式统一处理,业务类的代码配置文件需存储至预设数据库中。
可选地,所述拆分处理初始代码配置文件对应的梳理策略,得到若干类别策略包括:
获取所述初始代码配置文件对应的梳理需求信息;
解析所述梳理需求信息,得到若干待梳理项以及每一所述待梳理项对应的梳理指令;
按照预设数据格式组合所述待梳理项与所述梳理指令,得到所述初始代码配置文件对应的梳理策略;
按照所述待梳理项拆分处理所述梳理策略,得到若干类别策略。
其中,所述梳理需求信息可以是系统人员根据所述初始代码配置文件对应的应用程序预先设置的控制指令,所述梳理需求信息中包含若干待梳理项以及每一所述待梳理项对应的梳理指令,所述梳理指令用于对所述待梳理项的代码配置进行梳理控制,得到符合梳理需求的配置文件。所述预设数据格式为系统人员预先设置的用于组合所述待梳理项与所述梳理指令的格式,例如,所述预设数据格式可以为[待梳理项,梳理指令],在此不做限制。在一实施例中,[待梳理项,梳理指令]可以作为一条类别策略,若干条所述类别策略可以组成所述梳理策略。
在一实施例中,所述分类维度可以包括:是否使用、开关/配置、技术/业务、公共/私有、变化/不变等。其中,“是否使用”分类维度是指该配置在生产过程中是否使用,“开关/配置”分类维度是指通过关键词或者特征词的方式确定代码配置文件中是否存在开关配置,“技术/业务”分类维度是指代码配置文件属于技术配置或是业务配置,“公共/私有”分类维度是指代码配置文件是应用于多个系统中或是应用于单个系统中,“变化/不变”分类维度是指代码配置文件是否发生变更。
可选地,所述根据所述类别策略确定所述初始代码配置文件的分类维度包括:
获取所述类别策略中的待梳理项;
确定预先设置的待梳理项与分类维度的映射关系;
根据所述待梳理项遍历所述映射关系,得到每一所述待梳理项对应的分类维度。
其中,所述类别策略包括待梳理项与梳理指令,所述待梳理项与所述分类维度间存在映射关系,在一实施例中,所述待梳理项与所述分类维度存在一一映射的关系,通过查询所述映射关系,能够得到与所述待梳理项对应的所述分类维度。
S12,获取所述类别策略对应的目标执行节点,并调用所述目标执行节点按照所述分类维度分类处理所述初始代码配置文件,得到中间代码配置文件。
在本申请的至少一实施例中,所述目标执行节点是指用于执行所述类别策略中各项指令的程序,调用所述目标执行节点对每一所述分类维度下的初始代码配置文件进行处理,能够得到中间代码配置文件。其中,所述目标执行节点的处理可以包括但不限于:格式统一处理、代码配置文件迁移处理等。
可选地,所述获取所述类别策略对应的目标执行节点包括:
获取所述类别策略的数量,并建立所述数量的初始执行节点;
确定所述初始执行节点的初始配置信息,并获取所述初始配置信息的预设位置处的初始执行代码;
获取所述类别策略对应的目标执行代码,并将所述初始执行代码替换为所述目标执行代码,得到目标执行节点。
其中,对每一所述类别策略均建立相应的目标执行节点,由其执行该类别策略。所述初始执行节点为配置信息初始化的节点,通过将初始化配置信息调整为包含所述类别策略的配置信息,能够得到所述目标执行节点。在一实施例中,所述初始执行节点的初始化配置信息中预设位置用于存储执行节点的初始执行代码,通过将所述初始执行代码更新为所述类别策略对应的目标执行代码,能够实现节点的配置信息更新,从而得到目标配置节点。
可选地,所述调用所述目标执行节点按照所述分类维度分类处理所述初始代码配置文件,得到中间代码配置文件包括:
确定所述目标执行节点对应的目标分类维度;
获取所述目标分类维度下的初始子代码配置文件;
调用所述目标执行节点处理所述初始子代码配置文件,得到目标子代码配置文件;
组合若干所述目标子代码配置文件,得到中间代码配置文件。
其中,所述初始子代码配置文件是指所述目标分类维度下的代码信息。所述获取所述目标分类维度下的初始子代码配置文件也即将所述初始代码配置文件中的各个配置项按照所述分类维度进行分类处理,得到每一分类维度下的初始子代码配置文件。其中,每一分类维度均有对应的分类规则,例如,“是否使用”分类维度是指该配置在生产过程中是否使用,通过检测各个配置项的代码配置文件是否在生产过程中被使用进行分类处理;又例如,“开关/配置”分类维度是指通过关键词或者特征词的方式确定代码配置文件中是否存在开关配置,通过检测各个配置项的代码配置文件是否存在关键词或者特征词进行分类处理,在此不做赘述。可以对所述分类维度进行排序,并按照该顺序组合所述目标子代码配置文件,得到中间代码配置文件。在一实施例中,可以按照所述分类维度的重要性等属性进行排序,所述分类维度的重要性可以为预先设置的,在此不做限制。
S13,解析所述中间代码配置文件,得到初始配置项集。
在本申请的至少一实施例中,所述中间代码配置文件中包含若干配置项对应的代码,所述配置项可以包括开关配置项、业务配置项、技术配置项与环境配置项等。对于每一所述配置项,均存在与之对应的预设关键词或者预设特征词,通过查询所述预设关键词或者所述预设特征词能够从所述中间代码配置文件中得到若干初始配置项,组合若干初始配置项,得到初始配置项集。示例性地,对于所述开关配置项来说,所述预设关键词可以为“circuit”等,所述预设特征词可以为“on-off”“1-0”、“yes-no”等。所述预设关键词与所述预设特征词可以为系统人员预先设置的。在一实施例中,以按照所述预设关键词确定初始配置项举例说明。
可选地,所述解析所述中间代码配置文件,得到初始配置项集包括:
检测所述中间代码配置文件是否存在预设关键词;
当检测结果为所述中间代码配置文件中存在所述预设关键词时,确定与所述预设关键词存在映射关系的初始配置项;
组合所述初始配置项,得到初始配置项集。
其中,所述预设关键词与所述初始配置项间存在一一映射关系,通过查询该映射关系即可以确定所述预设关键词对应的所述初始配置项。
S14,获取所述初始配置项集中每一初始配置项对应的历史配置变更频率,并选取所述历史配置变更频率低于预设配置变更频率阈值且属于目标分类维度的配置项组成目标配置项集。
在本申请的至少一实施例中,所述预设配置变更频率为系统人员预先设置的用于评估配置文件是否长期不变的频率,当所述历史配置变更频率高于所述预设配置变更频率时,确定所述初始配置项对应的代码配置文件不属于长期不变的类型;当所述历史配置变更频率低于所述预设配置变更频率时,确定所述初始配置项对应的代码配置文件属于长期不变的类型。
在一实施例中,对于每一初始配置项,均存在配置日志,通过查询所述配置日志的内容,能够得到所述初始配置项对应的历史配置信息,所述历史配置信息可以包括:历史配置次数、历史配置时间、历史配置内容等。通过获取所述历史配置时间与所述历史配置次数对应的数学模型即可得到所述初始配置项对应的历史配置变更频率。
可选地,所述获取所述初始配置项集中每一初始配置项对应的历史配置变更频率包括:
获取所述初始配置集中每一初始配置项对应的配置日志;
获取所述配置日志中的历史配置信息,所述历史配置信息包括历史配置次数与历史配置时间;
调用预设数学模型处理所述历史配置次数与所述历史配置时间,得到所述初始配置项对应的历史配置变更频率。
其中,所述预设数学模型是指系统人员预先设置的用于基于所述历史配置次数与所述历史配置时间计算所述历史配置变更频率的模型。通过查询所述配置日志中的特定关键词,能够得到所述历史配置信息。
可选地,所述选取所述历史配置变更频率低于预设配置变更频率阈值且属于目标分类维度的配置项组成目标配置项集包括:
获取所述初始配置项集中每一初始配置项对应的历史配置变更频率,并选取所述历史配置频率低于预设配置变更频率阈值的配置项作为中间配置项集;
确定所述中间配置项集中每一中间配置项对应的分类维度;
选取属于目标分类维度的配置项组成目标配置项集。
其中,当所述历史配置变更频率低于所述预设配置变更频率时,确定所述初始配置项对应的代码配置文件属于长期不变的类型。对于长期不变的配置项,说明该配置项可能属于重要性较低的项目,或者说明该配置项属于重要性较高但运行稳定的项目。所述目标分类维度是指系统人员预先设置用于评估配置项是否重要的分类维度。当所述配置项属于所述目标分类维度时,说明该配置项的重要性较低;当所述配置项不属于所述目标分类维度时,说明该配置项的重要性较高。
S15,选取所述目标配置项集中预设数量的第一目标配置项对应的第一代码配置文件,并调用预先训练好的配置风险计算模型处理所述第一代码配置文件对应的配置更新信息,得到配置风险值。
在本申请的至少一实施例中,所述预设数量为系统人员预先设置的用于进行试点配置的数量,从所述目标配置项集中选取第一目标配置项选取的方式可以为随机选取,或者按照所述配置项的重要性等属性选取,在此不做限制。所述第一代码配置文件是指所述第一目标配置项对应的代码。所述配置更新信息是指对所述第一代码配置文件进行更新操作的信息,所述配置更新信息可以为对所述第一代码配置文件进行下线处理等,在此不做限制。所述配置风险计算模型是指用于评估配置更新信息对应用程序的正常运行计算风险值的模型。所述配置风险计算模型的输入信息可以为向量化的配置更新信息,输出信息可以为配置风险值。模型的训练过程为现有技术,在此不做赘述。
可选地,调用预先训练好的配置风险计算模型处理所述第一代码配置文件对应的配置更新信息,得到配置风险值包括:
获取所述第一代码配置信息对应的配置更新信息;
向量化处理所述配置更新信息,得到配置更新向量;
输入所述配置更新向量至所述配置风险计算模型中,得到所述配置更新新对应的配置风险值。
本申请通过先选取所述预设梳理的第一目标配置项对应的第一代码配置文件进行试点配置,再调用预先训练好的配置风险计算模型处理所述第一代码配置文件,得到配置风险值,并依据配置风险值确定是否需要更新代码配置文件,避免直接对大量代码配置文件进行更新导致应用程序报错的问题,能够提高配置文件处理的准确性。
S16,当所述配置风险值低于预设风险阈值时,根据所述配置更新信息调整所述目标配置项集中剩余的第二目标配置项对应的第二代码配置文件,得到目标代码配置文件。
在本申请的至少一实施例中,当所述配置风险值低于预设风险阈值时,说明对所述目标配置项集中的目标配置项按照所述配置更新信息进行处理时,不影响应用程序的正常运行,此时,可以根据所述配置更新信息调整所述目标配置项集中剩余的第二目标配置项对应的第二代码配置文件,得到目标代码配置文件。当所述配置风险值高于预设风险阈值时,说明对所述目标配置项集中的目标配置项按照所述配置更新信息进行处理时,会影响应用程序的正常运行,此时,不按照所述配置更新信息调整所述目标配置项集中剩余的第二目标配置项对应的第二代码配置文件。
本申请实施例提供的上述配置文件处理方法,根据初始配置项对应的历史配置变更频率识别确认大量代码配置文件中的不变配置,并对不变配置进行处理,能够减少系统人员需维护的代码配置文件量,从而提高代码配置文件处理的准确性;此外,本申请通过先选取所述预设梳理的第一目标配置项对应的第一代码配置文件进行试点配置,再调用预先训练好的配置风险计算模型处理所述第一代码配置文件,得到配置风险值,并依据配置风险值确定是否需要更新代码配置文件,避免直接对大量代码配置文件进行更新导致应用程序报错的问题,能够提高配置文件处理的准确性。本申请可应用于智慧政务、智慧交通等智慧城市的各个功能模块中,比如智慧政务的配置文件处理模块等,能够促进智慧城市的快速发展。
图2是本申请实施例二提供的配置文件处理装置的结构图。
在一些实施例中,所述配置文件处理装置20可以包括多个由计算机程序段所组成的功能模块。所述配置文件处理装置20中的各个程序段的计算机程序可以存储于计算机设备的存储器中,并由至少一个处理器所执行,以执行(详见图1描述)配置文件处理的功能。
本实施例中,所述配置文件处理装置20根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:策略拆分模块201、节点获取模块202、文件解析模块203、频率获取模块204、文件选取模块205以及配置调整模块206。本申请所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。在本实施例中,关于各模块的功能将在后续的实施例中详述。
所述策略拆分模块201用于拆分处理初始代码配置文件对应的梳理策略,得到若干类别策略,并根据所述类别策略确定所述初始代码配置文件的分类维度。
在本申请的至少一实施例中,所述初始代码配置文件可以是系统人员编写的用于对应用程序进行解释以保证应用程序正常运行的文件。所述初始代码配置文件中包含若干配置项对应的代码,所述配置项可以包括开关配置项、业务配置项、技术配置项与环境配置项等,在此不做限制。针对每一所述配置项,均对应设置有代码信息,组合代码信息,可以得到初始代码配置文件。所述初始代码配置文件可存储于预设数据库中,考虑到数据存储的可靠性与隐私性,所述预设数据库可以为区块链上的目标节点。在一实施例中,所述初始代码配置文件与应用程序间存在映射关系,通过查询所述映射关系即可以获取应用程序对应的初始代码配置文件,在此不做限制。
在一实施例中,所述梳理策略为预先设置的对所述初始代码配置文件设置的控制指令,所述梳理策略中包含若干类别策略,所述类别策略可以是针对每一所述分类维度设定的对所述代码配置文件的控制指令,示例性地,对于“技术/业务”分类维度,技术类的代码配置文件可按照特定数据格式统一处理,业务类的代码配置文件需存储至预设数据库中。
可选地,所述拆分处理初始代码配置文件对应的梳理策略,得到若干类别策略包括:
获取所述初始代码配置文件对应的梳理需求信息;
解析所述梳理需求信息,得到若干待梳理项以及每一所述待梳理项对应的梳理指令;
按照预设数据格式组合所述待梳理项与所述梳理指令,得到所述初始代码配置文件对应的梳理策略;
按照所述待梳理项拆分处理所述梳理策略,得到若干类别策略。
其中,所述梳理需求信息可以是系统人员根据所述初始代码配置文件对应的应用程序预先设置的控制指令,所述梳理需求信息中包含若干待梳理项以及每一所述待梳理项对应的梳理指令,所述梳理指令用于对所述待梳理项的代码配置进行梳理控制,得到符合梳理需求的配置文件。所述预设数据格式为系统人员预先设置的用于组合所述待梳理项与所述梳理指令的格式,例如,所述预设数据格式可以为[待梳理项,梳理指令],在此不做限制。在一实施例中,[待梳理项,梳理指令]可以作为一条类别策略,若干条所述类别策略可以组成所述梳理策略。
在一实施例中,所述分类维度可以包括:是否使用、开关/配置、技术/业务、公共/私有、变化/不变等。其中,“是否使用”分类维度是指该配置在生产过程中是否使用,“开关/配置”分类维度是指通过关键词或者特征词的方式确定代码配置文件中是否存在开关配置,“技术/业务”分类维度是指代码配置文件属于技术配置或是业务配置,“公共/私有”分类维度是指代码配置文件是应用于多个系统中或是应用于单个系统中,“变化/不变”分类维度是指代码配置文件是否发生变更。
可选地,所述根据所述类别策略确定所述初始代码配置文件的分类维度包括:
获取所述类别策略中的待梳理项;
确定预先设置的待梳理项与分类维度的映射关系;
根据所述待梳理项遍历所述映射关系,得到每一所述待梳理项对应的分类维度。
其中,所述类别策略包括待梳理项与梳理指令,所述待梳理项与所述分类维度间存在映射关系,在一实施例中,所述待梳理项与所述分类维度存在一一映射的关系,通过查询所述映射关系,能够得到与所述待梳理项对应的所述分类维度。
所述节点获取模块202用于获取所述类别策略对应的目标执行节点,并调用所述目标执行节点按照所述分类维度分类处理所述初始代码配置文件,得到中间代码配置文件。
在本申请的至少一实施例中,所述目标执行节点是指用于执行所述类别策略中各项指令的程序,调用所述目标执行节点对每一所述分类维度下的初始代码配置文件进行处理,能够得到中间代码配置文件。其中,所述目标执行节点的处理可以包括但不限于:格式统一处理、代码配置文件迁移处理等。
可选地,所述获取所述类别策略对应的目标执行节点包括:
获取所述类别策略的数量,并建立所述数量的初始执行节点;
确定所述初始执行节点的初始配置信息,并获取所述初始配置信息的预设位置处的初始执行代码;
获取所述类别策略对应的目标执行代码,并将所述初始执行代码替换为所述目标执行代码,得到目标执行节点。
其中,对每一所述类别策略均建立相应的目标执行节点,由其执行该类别策略。所述初始执行节点为配置信息初始化的节点,通过将初始化配置信息调整为包含所述类别策略的配置信息,能够得到所述目标执行节点。在一实施例中,所述初始执行节点的初始化配置信息中预设位置用于存储执行节点的初始执行代码,通过将所述初始执行代码更新为所述类别策略对应的目标执行代码,能够实现节点的配置信息更新,从而得到目标配置节点。
可选地,所述调用所述目标执行节点按照所述分类维度分类处理所述初始代码配置文件,得到中间代码配置文件包括:
确定所述目标执行节点对应的目标分类维度;
获取所述目标分类维度下的初始子代码配置文件;
调用所述目标执行节点处理所述初始子代码配置文件,得到目标子代码配置文件;
组合若干所述目标子代码配置文件,得到中间代码配置文件。
其中,所述初始子代码配置文件是指所述目标分类维度下的代码信息。所述获取所述目标分类维度下的初始子代码配置文件也即将所述初始代码配置文件中的各个配置项按照所述分类维度进行分类处理,得到每一分类维度下的初始子代码配置文件。其中,每一分类维度均有对应的分类规则,例如,“是否使用”分类维度是指该配置在生产过程中是否使用,通过检测各个配置项的代码配置文件是否在生产过程中被使用进行分类处理;又例如,“开关/配置”分类维度是指通过关键词或者特征词的方式确定代码配置文件中是否存在开关配置,通过检测各个配置项的代码配置文件是否存在关键词或者特征词进行分类处理,在此不做赘述。可以对所述分类维度进行排序,并按照该顺序组合所述目标子代码配置文件,得到中间代码配置文件。在一实施例中,可以按照所述分类维度的重要性等属性进行排序,在此不做限制。
所述文件解析模块203用于解析所述中间代码配置文件,得到初始配置项集。
在本申请的至少一实施例中,所述中间代码配置文件中包含若干配置项对应的代码,所述配置项可以包括开关配置项、业务配置项、技术配置项与环境配置项等。对于每一所述配置项,均存在与之对应的预设关键词或者预设特征词,通过查询所述预设关键词或者所述预设关键词能够从所述中间代码配置文件中得到若干初始配置项,组合若干初始配置项,得到初始配置项集。示例性地,对于所述开关配置项来说,所述预设关键词可以为“circuit”等,所述预设特征词可以为“on-off”“1-0”、“yes-no”等。所述预设关键词与所述预设特征词可以为系统人员预先设置的。在一实施例中,以按照所述预设关键词确定初始配置项举例说明。
可选地,所述解析所述中间代码配置文件,得到初始配置项集包括:
检测所述中间代码配置文件是否存在预设关键词;
当检测结果为所述中间代码配置文件中存在所述预设关键词时,确定与所述预设关键词存在映射关系的初始配置项;
组合所述初始配置项,得到初始配置项集。
其中,所述预设关键词与所述初始配置项间存在一一映射关系,通过查询该映射关系即可以确定所述预设关键词对应的所述初始配置项。
所述频率获取模块204用于获取所述初始配置项集中每一初始配置项对应的历史配置变更频率,并选取所述历史配置变更频率低于预设配置变更频率阈值且属于目标分类维度的配置项组成目标配置项集。
在本申请的至少一实施例中,所述预设配置变更频率为系统人员预先设置的用于评估配置文件是否长期不变的频率,当所述历史配置变更频率高于所述预设配置变更频率时,确定所述初始配置项对应的代码配置文件不属于长期不变的类型;当所述历史配置变更频率低于所述预设配置变更频率时,确定所述初始配置项对应的代码配置文件属于长期不变的类型。在一实施例中,对于每一初始配置项,均存在配置日志,通过查询所述配置日志的内容,能够得到所述初始配置项对应的历史配置信息,所述历史配置信息可以包括:历史配置次数、历史配置时间、历史配置内容等。通过获取所述历史配置时间与所述历史配置次数对应的数学模型即可得到所述初始配置项对应的历史配置变更频率。
可选地,所述获取所述初始配置项集中每一初始配置项对应的历史配置变更频率包括:
获取所述初始配置集中每一初始配置项对应的配置日志;
获取所述配置日志中的历史配置信息,所述历史配置信息包括历史配置次数与历史配置时间;
调用预设数学模型处理所述历史配置次数与所述历史配置时间,得到所述初始配置项对应的历史配置变更频率。
其中,所述预设数学模型是指系统人员预先设置的用于基于所述历史配置次数与所述历史配置时间计算所述历史配置变更频率的模型。通过查询所述配置日志中的特定关键词,能够得到所述历史配置信息。
可选地,所述选取所述历史配置变更频率低于预设配置变更频率阈值且属于目标分类维度的配置项组成目标配置项集包括:
获取所述初始配置项集中每一初始配置项对应的历史配置变更频率,并选取所述历史配置频率低于预设配置变更频率阈值的配置项作为中间配置项集;
确定所述中间配置项集中每一中间配置项对应的分类维度;
选取属于目标分类维度的配置项组成目标配置项集。
其中,当所述历史配置变更频率低于所述预设配置变更频率时,确定所述初始配置项对应的代码配置文件属于长期不变的类型。对于长期不变的配置项,说明该配置项可能属于重要性较低的项目,或者说明该配置项属于重要性较高但运行稳定的项目。所述目标分类维度是指系统人员预先设置用于评估配置项是否重要的分类维度。当所述配置项属于所述目标分类维度时,说明该配置项的重要性较低;当所述配置项不属于所述目标分类维度时,说明该配置项的重要性较高。
所述文件选取模块205用于选取所述目标配置项集中预设数量的第一目标配置项对应的第一代码配置文件,并调用预先训练好的配置风险计算模型处理所述第一代码配置文件对应的配置更新信息,得到配置风险值。
在本申请的至少一实施例中,所述预设数量为系统人员预先设置的用于进行试点配置的数量,从所述目标配置项集中选取第一目标配置项选取的方式可以为随机选取,或者按照所述配置项的重要性等属性选取,在此不做限制。所述第一代码配置文件是指所述第一目标配置项对应的代码。所述配置更新信息是指对所述第一代码配置文件进行更新操作的信息,所述配置更新信息可以为对所述第一代码配置文件进行下线处理等,在此不做限制。所述配置风险计算模型是指用于评估配置更新信息对应用程序的正常运行计算风险值的模型。所述配置风险计算模型的输入信息可以为向量化的配置更新信息,输出信息可以为配置风险值。模型的训练过程为现有技术,在此不做赘述。
可选地,调用预先训练好的配置风险计算模型处理所述第一代码配置文件对应的配置更新信息,得到配置风险值包括:
获取所述第一代码配置信息对应的配置更新信息;
向量化处理所述配置更新信息,得到配置更新向量;
输入所述配置更新向量至所述配置风险计算模型中,得到所述配置更新新对应的配置风险值。
本申请通过先选取所述预设梳理的第一目标配置项对应的第一代码配置文件进行试点配置,再调用预先训练好的配置风险计算模型处理所述第一代码配置文件,得到配置风险值,并依据配置风险值确定是否需要更新代码配置文件,避免直接对大量代码配置文件进行更新导致应用程序报错的问题,能够提高配置文件处理的准确性。
所述配置调整模块206用于当所述配置风险值低于预设风险阈值时,根据所述配置更新信息调整所述目标配置项集中剩余的第二目标配置项对应的第二代码配置文件,得到目标代码配置文件。
在本申请的至少一实施例中,当所述配置风险值低于预设风险阈值时,说明对所述目标配置项集中的目标配置项按照所述配置更新信息进行处理时,不影响应用程序的正常运行,此时,可以根据所述配置更新信息调整所述目标配置项集中剩余的第二目标配置项对应的第二代码配置文件,得到目标代码配置文件。当所述配置风险值高于预设风险阈值时,说明对所述目标配置项集中的目标配置项按照所述配置更新信息进行处理时,会影响应用程序的正常运行,此时,不按照所述配置更新信息调整所述目标配置项集中剩余的第二目标配置项对应的第二代码配置文件。
参阅图3所示,为本申请实施例三提供的计算机设备的结构示意图。在本申请较佳实施例中,所述计算机设备3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。
本领域技术人员应该了解,图3示出的计算机设备的结构并不构成本申请实施例的限定,既可以是总线型结构,也可以是星形结构,所述计算机设备3还可以包括比图示更多或更少的其他硬件或者软件,或者不同的部件布置。
在一些实施例中,所述计算机设备3是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述计算机设备3还可包括客户设备,所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、数码相机等。
需要说明的是,所述计算机设备3仅为举例,其他现有的或今后可能出现的电子产品如可适应于本申请,也应包含在本申请的保护范围以内,并以引用方式包含于此。
在一些实施例中,所述存储器31中存储有计算机程序,所述计算机程序被所述至少一个处理器32执行时实现如所述的配置文件处理方法中的全部或者部分步骤。所述存储器31包括只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-OnlyMemory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
进一步地,所述计算机可读存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本申请所指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。
在一些实施例中,所述至少一个处理器32是所述计算机设备3的控制核心(Control Unit),利用各种接口和线路连接整个计算机设备3的各个部件,通过运行或执行存储在所述存储器31内的程序或者模块,以及调用存储在所述存储器31内的数据,以执行计算机设备3的各种功能和处理数据。例如,所述至少一个处理器32执行所述存储器中存储的计算机程序时实现本申请实施例中所述的配置文件处理方法的全部或者部分步骤;或者实现配置文件处理装置的全部或者部分功能。所述至少一个处理器32可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。
在一些实施例中,所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
尽管未示出,所述计算机设备3还可以包括给各个部件供电的电源(比如电池),优选的,电源可以通过电源管理装置与所述至少一个处理器32逻辑相连,从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述计算机设备3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,计算机设备,或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的部分。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或,单数不排除复数。说明书中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本申请的技术方案而非限制,尽管参照较佳实施例对本申请进行了详细说明,本领域的普通技术人员应当理解,可以对本申请的技术方案进行修改或等同替换,而不脱离本申请技术方案的精神和范围。
Claims (10)
1.一种配置文件处理方法,其特征在于,所述配置文件处理方法包括:
拆分处理初始代码配置文件对应的梳理策略,得到若干类别策略,并根据所述类别策略确定所述初始代码配置文件的分类维度;
获取所述类别策略对应的目标执行节点,并调用所述目标执行节点按照所述分类维度分类处理所述初始代码配置文件,得到中间代码配置文件;
解析所述中间代码配置文件,得到初始配置项集;
获取所述初始配置项集中每一初始配置项对应的历史配置变更频率,并选取所述历史配置变更频率低于预设配置变更频率阈值且属于目标分类维度的配置项组成目标配置项集;
选取所述目标配置项集中预设数量的第一目标配置项对应的第一代码配置文件,并调用预先训练好的配置风险计算模型处理所述第一代码配置文件对应的配置更新信息,得到配置风险值;
当所述配置风险值低于预设风险阈值时,根据所述配置更新信息调整所述目标配置项集中剩余的第二目标配置项对应的第二代码配置文件,得到目标代码配置文件。
2.根据权利要求1所述的配置文件处理方法,其特征在于,所述拆分处理初始代码配置文件对应的梳理策略,得到若干类别策略包括:
获取所述初始代码配置文件对应的梳理需求信息;
解析所述梳理需求信息,得到若干待梳理项以及每一所述待梳理项对应的梳理指令;
按照预设数据格式组合所述待梳理项与所述梳理指令,得到所述初始代码配置文件对应的梳理策略;
按照所述待梳理项拆分处理所述梳理策略,得到若干类别策略。
3.根据权利要求2所述的配置文件处理方法,其特征在于,所述根据所述类别策略确定所述初始代码配置文件的分类维度包括:
获取所述类别策略中的待梳理项;
确定预先设置的待梳理项与分类维度的映射关系;
根据所述待梳理项遍历所述映射关系,得到每一所述待梳理项对应的分类维度。
4.根据权利要求1所述的配置文件处理方法,其特征在于,所述获取所述类别策略对应的目标执行节点包括:
获取所述类别策略的数量,并建立所述数量的初始执行节点;
确定所述初始执行节点的初始配置信息,并获取所述初始配置信息的预设位置处的初始执行代码;
获取所述类别策略对应的目标执行代码,并将所述初始执行代码替换为所述目标执行代码,得到目标执行节点。
5.根据权利要求1所述的配置文件处理方法,其特征在于,所述调用所述目标执行节点按照所述分类维度分类处理所述初始代码配置文件,得到中间代码配置文件包括:
确定所述目标执行节点对应的目标分类维度;
获取所述目标分类维度下的初始子代码配置文件;
调用所述目标执行节点处理所述初始子代码配置文件,得到目标子代码配置文件;
组合若干所述目标子代码配置文件,得到中间代码配置文件。
6.根据权利要求1所述的配置文件处理方法,其特征在于,所述解析所述中间代码配置文件,得到初始配置项集包括:
检测所述中间代码配置文件是否存在预设关键词;
当检测结果为所述中间代码配置文件中存在所述预设关键词时,确定与所述预设关键词存在映射关系的初始配置项;
组合所述初始配置项,得到初始配置项集。
7.根据权利要求1所述的配置文件处理方法,其特征在于,所述获取所述初始配置项集中每一初始配置项对应的历史配置变更频率包括:
获取所述初始配置集中每一初始配置项对应的配置日志;
获取所述配置日志中的历史配置信息,所述历史配置信息包括历史配置次数与历史配置时间;
调用预设数学模型处理所述历史配置次数与所述历史配置时间,得到所述初始配置项对应的历史配置变更频率。
8.一种配置文件处理装置,其特征在于,所述配置文件处理装置包括:
策略拆分模块,用于拆分处理初始代码配置文件对应的梳理策略,得到若干类别策略,并根据所述类别策略确定所述初始代码配置文件的分类维度;
节点获取模块,用于获取所述类别策略对应的目标执行节点,并调用所述目标执行节点按照所述分类维度分类处理所述初始代码配置文件,得到中间代码配置文件;
文件解析模块,用于解析所述中间代码配置文件,得到初始配置项集;
频率获取模块,用于获取所述初始配置项集中每一初始配置项对应的历史配置变更频率,并选取所述历史配置变更频率低于预设配置变更频率阈值且属于目标分类维度的配置项组成目标配置项集;
文件选取模块,用于选取所述目标配置项集中预设数量的第一目标配置项对应的第一代码配置文件,并调用预先训练好的配置风险计算模型处理所述第一代码配置文件对应的配置更新信息,得到配置风险值;
配置调整模块,用于当所述配置风险值低于预设风险阈值时,根据所述配置更新信息调整所述目标配置项集中剩余的第二目标配置项对应的第二代码配置文件,得到目标代码配置文件。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述配置文件处理方法。
10.一种计算机可读存储介质,所述计算机可读存储介质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如权利要求1至7中任意一项所述配置文件处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111531981.9A CN114201212B (zh) | 2021-12-14 | 2021-12-14 | 配置文件处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111531981.9A CN114201212B (zh) | 2021-12-14 | 2021-12-14 | 配置文件处理方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114201212A true CN114201212A (zh) | 2022-03-18 |
CN114201212B CN114201212B (zh) | 2024-08-27 |
Family
ID=80653938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111531981.9A Active CN114201212B (zh) | 2021-12-14 | 2021-12-14 | 配置文件处理方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114201212B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114675863A (zh) * | 2022-05-27 | 2022-06-28 | 浙江大华技术股份有限公司 | 算法配置文件更新方法及相关方法、装置、设备、介质 |
CN114968412A (zh) * | 2022-06-20 | 2022-08-30 | 中国平安财产保险股份有限公司 | 基于人工智能的配置文件生成方法、装置、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110865835A (zh) * | 2019-10-15 | 2020-03-06 | 网联清算有限公司 | 配置文件更新方法、装置、计算机设备和存储介质 |
CN113515322A (zh) * | 2021-06-29 | 2021-10-19 | 平安养老保险股份有限公司 | 应用程序加载方法、装置、计算机设备和可读存储介质 |
CN113609295A (zh) * | 2021-08-11 | 2021-11-05 | 平安科技(深圳)有限公司 | 文本分类方法、装置及相关设备 |
-
2021
- 2021-12-14 CN CN202111531981.9A patent/CN114201212B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110865835A (zh) * | 2019-10-15 | 2020-03-06 | 网联清算有限公司 | 配置文件更新方法、装置、计算机设备和存储介质 |
CN113515322A (zh) * | 2021-06-29 | 2021-10-19 | 平安养老保险股份有限公司 | 应用程序加载方法、装置、计算机设备和可读存储介质 |
CN113609295A (zh) * | 2021-08-11 | 2021-11-05 | 平安科技(深圳)有限公司 | 文本分类方法、装置及相关设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114675863A (zh) * | 2022-05-27 | 2022-06-28 | 浙江大华技术股份有限公司 | 算法配置文件更新方法及相关方法、装置、设备、介质 |
CN114968412A (zh) * | 2022-06-20 | 2022-08-30 | 中国平安财产保险股份有限公司 | 基于人工智能的配置文件生成方法、装置、设备及介质 |
CN114968412B (zh) * | 2022-06-20 | 2024-02-02 | 中国平安财产保险股份有限公司 | 基于人工智能的配置文件生成方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114201212B (zh) | 2024-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114201212B (zh) | 配置文件处理方法、装置、计算机设备及存储介质 | |
CN111695594A (zh) | 图像类别识别方法、装置、计算机设备及介质 | |
CN112948275A (zh) | 测试数据生成方法、装置、设备及存储介质 | |
CN114663223A (zh) | 基于人工智能的信用风险评估方法、装置及相关设备 | |
CN113435998A (zh) | 贷款逾期预测方法、装置、电子设备及存储介质 | |
CN111950706A (zh) | 基于人工智能的数据处理方法、装置、计算机设备及介质 | |
CN114201328A (zh) | 基于人工智能的故障处理方法、装置、电子设备及介质 | |
CN113256108A (zh) | 人力资源分配方法、装置、电子设备及存储介质 | |
CN114221908B (zh) | 动态限流熔断处理方法、装置、计算机设备及存储介质 | |
CN113420847B (zh) | 基于人工智能的目标对象匹配方法及相关设备 | |
WO2023040145A1 (zh) | 基于人工智能的文本分类方法、装置、电子设备及介质 | |
CN111651452A (zh) | 数据存储方法、装置、计算机设备及存储介质 | |
CN114881313A (zh) | 基于人工智能的行为预测方法、装置及相关设备 | |
CN116108276A (zh) | 基于人工智能的信息推荐方法、装置及相关设备 | |
CN113010425B (zh) | 系统质量监测方法、装置、计算机设备及存储介质 | |
CN114968336A (zh) | 应用灰度发布方法、装置、计算机设备及存储介质 | |
CN114239538A (zh) | 断言处理方法、装置、计算机设备及存储介质 | |
CN115271821A (zh) | 网点分布处理方法、装置、计算机设备及存储介质 | |
CN114996386A (zh) | 业务角色识别方法、装置、设备及存储介质 | |
CN114398345A (zh) | 数据迁移方法、装置、计算机设备及存储介质 | |
CN112036641A (zh) | 基于人工智能的留存预测方法、装置、计算机设备及介质 | |
CN112365051A (zh) | 代理人留存预测方法、装置、计算机设备及存储介质 | |
CN113722590B (zh) | 基于人工智能的医学信息推荐方法、装置、设备及介质 | |
CN114399318B (zh) | 链路处理方法、装置、计算机设备及存储介质 | |
CN115757005A (zh) | 规则引擎处理方法、装置、计算机设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |