CN114742028A - 基于特征的json一致性对比检测方法及系统 - Google Patents
基于特征的json一致性对比检测方法及系统 Download PDFInfo
- Publication number
- CN114742028A CN114742028A CN202210177113.3A CN202210177113A CN114742028A CN 114742028 A CN114742028 A CN 114742028A CN 202210177113 A CN202210177113 A CN 202210177113A CN 114742028 A CN114742028 A CN 114742028A
- Authority
- CN
- China
- Prior art keywords
- json
- comparison
- consistency
- data
- array
- 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
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
-
- 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
- G06F11/3604—Software analysis for verifying properties of programs
- G06F11/3608—Software analysis for verifying properties of programs using formal methods, e.g. model checking, abstract interpretation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/31—Programming languages or programming paradigms
- G06F8/315—Object-oriented languages
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种基于特征的JSON一致性对比检测方法及系统,包括:对待对比检测的JSON进行数据解析,生成抽象语法树;递归进行树结构对比;在调用集合对比算法和数组对比算法进行一致性对比检测时,发现不一致,通过消息机制或回调机制返回不一致结果;在不一致的数组或集合中进行不一致分析,进行逐一对比,定位差异数据元素;对树结构进行对比,检测不一致树结构和定位差异数据元素,输出不一致数据检测结果;如果在整个一致性对比检测过程中,则表明所对比的JSON数据是一致的,在输出一致结果后,过程结束。本发明通过对JSON数据结构中的集合进行相对正交的特征提取,基于特征进行一致性对比,极大提高了集合的对比效率。
Description
技术领域
本发明涉及网络安全的技术领域,具体地,涉及基于特征的JSON一致性对比检测方法及系统。
背景技术
第四次工业革命的到来使得互联网、物联网间的数据交互成为影响系统效率、可靠性、安全性等非功能性质的关键。JSON(JavaScript Object Notation,JS对象简谱)作为一种轻量级的数据交互格式,有效地提升了网络中数据交互的效率,成为目前主流的数据格式。在异步系统和分布式系统中,数据同步、数据有效性检查等任务的基础算法是JSON数据的一致性对比检测。JSON一致性对比检测方法的效率和准确度决定着数据同步等过程的速度和正确性。在冗余系统中,系统的输入输出需要经一致性裁决以得到可靠的输入输出数据,在该过程中,JSON数据的一致性决定着系统能否有效交互、生成正确处理结果。
目前,JSON的一致性对比检测方法主要有JSON数据重排对比、文件MD5属性对比等,通过将顺序不敏感的JSON数据用某种方式重新排序,生成有序数据,再进行对比检测,或对重排后的有序数据进行MD5特征对比。但重排对比方法需要重新排序,在排序中解决JSON键/键值重名的问题,对比效率低;基于MD5特征的对比方法错误率较高,这是由于JSON中集合元素是无序的,等价JSON集合的MD5特征不一致,并且该方法对不一致数据的定位困难。
现有基于重排的JSON一致性对比检测方法、基于MD5特征的JSON一致性对比检测方法等的对比效率低下,在一定程度上影响了分布式系统、冗余系统的实时性。另外,现有方法对不一致性数据的检测和定位较高错误率和较低的效率在一定程度上影响了系统诊断的正确性和诊断效率。
在公开号为CN113190220A的专利文献中公开了JSON文件差异化对比方法及装置,涉及数据处理技术领域。通过遍历第一测试样本文件中的第一键值对的键并从第二测试样本文件中找到与第一键值的键相同的第二键值对,并通过对比第一键值对的值与第二键值对的值,得到第一测试样本文件与第二测试样本文件差异化的比对结果。该专利(JSON文件差异化对比方法及装置)在JSON文件对比过程中未处理重复键值对、重复键名等特殊情况,可能会生成错误的对比结果;该专利采用的是两个集合元素逐一相互查找的对比方法;该专利只进行了对JSON文件的不一致定性检测,没有进行不一致数据的定位。
因此,需要提出一种新的技术方案。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于特征的JSON一致性对比检测方法及系统。
根据本发明提供的一种基于特征的JSON一致性对比检测方法,所述方法包括如下步骤:
步骤S1:对待对比检测的JSON进行数据解析,生成由集合和数组嵌套组成的抽象语法树;
步骤S2:递归进行集合和数组的树结构对比,即自底向上对比集合和数组的基本结构;
步骤S3:在调用集合对比算法和数组对比算法进行一致性对比检测时,如果发现不一致,通过消息机制或回调机制优先返回不一致结果;
步骤S4:在不一致的数组或集合中进行不一致分析,进行逐一对比,定位差异数据元素;
步骤S5:当数组或集合不一致分析结束后,对树结构进行对比,检测不一致树结构和定位差异数据元素,直至树根节点完成对比分析,输出不一致数据检测结果;
步骤S6:如果在整个一致性对比检测过程中,直至树根节点未发现不一致,则表明所对比的JSON数据是一致的,在输出一致结果后,过程结束。
优选地,所述步骤S2中的数组的对比包括MD5特征提取和比较和数组元素逐一比较。
优选地,所述步骤S2中集合的对比包括如下步骤:
步骤S2.1:JSON集合数据数值化;
步骤S2.2:对待对比的数值集合提取特征;
步骤S2.3:通过对比特征的一致性,得到对JSON集合数据的一致性判定。
优选地,所述步骤S2.1将集合中的每一个元素用哈希算法计算生成一个相应的独一无二的数值,将待对比的两个JSON数据集合转换为等价的数值集合。
优选地,所述步骤S2.2使用两种符合集合特性的相对正交的特征,一种是集合所有数值累加求和,另一种是集合所有数值累乘求积。
本发明还提供一种基于特征的JSON一致性对比检测系统,所述系统包括如下模块:
模块M1:对待对比检测的JSON进行数据解析,生成由集合和数组嵌套组成的抽象语法树;
模块M2:递归进行集合和数组的树结构对比,即自底向上对比集合和数组的基本结构;
模块M3:在调用集合对比算法和数组对比算法进行一致性对比检测时,如果发现不一致,通过消息机制或回调机制优先返回不一致结果;
模块M4:在不一致的数组或集合中进行不一致分析,进行逐一对比,定位差异数据元素;
模块M5:当数组或集合不一致分析结束后,对树结构进行对比,检测不一致树结构和定位差异数据元素,直至树根节点完成对比分析,输出不一致数据检测结果;
模块M6:如果在整个一致性对比检测过程中,直至树根节点未发现不一致,则表明所对比的JSON数据是一致的,在输出一致结果后,过程结束。
优选地,所述模块M2中的数组的对比包括MD5特征提取和比较和数组元素逐一比较。
优选地,所述模块M2中集合的对比包括如下模块:
模块M2.1:JSON集合数据数值化;
模块M2.2:对待对比的数值集合提取特征;
模块M2.3:通过对比特征的一致性,得到对JSON集合数据的一致性判定。
优选地,所述模块M2.1将集合中的每一个元素用哈希算法计算生成一个相应的独一无二的数值,将待对比的两个JSON数据集合转换为等价的数值集合。
优选地,所述模块M2.2使用两种符合集合特性的相对正交的特征,一种是集合所有数值累加求和,另一种是集合所有数值累乘求积。
与现有技术相比,本发明具有如下的有益效果:
1、本发明通过将JSON数据解析为由集合和数组嵌套组成的树状结构,递归实现树节点(集合或数组)自底向上的对比,快速检测JSON数据的一致性,并定位不一致数据;
2、本发明通过对JSON数据结构中的集合进行相对正交的特征提取,基于特征进行一致性对比,极大提高了集合的对比效率;
3、本发明通过在JSON数据数值化处理过程中使用多次哈希、迭代哈希的策略,以及在集合特征提取过程中使用特征数据溢出截取的方法,在提高效率的同时将由于特征碰撞导致的一致性误判概率降低到了可接受范围之类。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明基于特征的JSON一致性对比检测流程图;
图2为本发明基于特征的集合对比原理图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明根据JSON数据结构特点,将待对比JSON数据抽象为由无序的集合和有序的数组嵌套组成的树结构,通过自底向上的基础数据元素对比,实现了快速JSON数据一致性对比和集合/数组低粒度的不一致数据检测定位,并进一步进行不一致数据的精确定位。本发明针对JSON数据结构中的集合数据元素对比,通过提取集合的特征,基于特征对JSON集合数据一致性进行对比检测,极大提高了检测效率。本发明对特征提取过程进行了优化,通过不同的策略,使用普通哈希等方法,得到相对正交的特征,提高了特征提取效率,扩展了特征提取方法种类。
基于特征的JSON一致性对比检测方法将JSON数据视为由数组和集合嵌套组合成的层次化树状结构,其中数组和集合中的元素为JSON键值对,在JSON一致性对比检测过程中自底向上地对比各数组和集合,以快速得到对比结果和定位不一致数据。对于数组的一致性对比,由于数组内元素的有序性,可以通过MD5特征提取和MD5值比较得到对比结果,可以通过数组内元素的逐个比较定位不一致数据。对于集合的一致性对比,由于集合内元素的无序性、不重复性,通过特征的提取和特征比较快速得到对比结果,确定不一致的集合,并可以通过集合的排序、去重等处理后比较集合元素或集合元素逐一查询快速定位不一致数据。本发明所提出的基于特征的JSON一致性对比检测方法还可用于其他基于标签层次化组织内容的数据一致性对比和检测,如XML等。
如图1所示,本发明在JSON一致性对比检测过程中,首先对待对比检测的JSON进行数据解析,生成由集合和数组嵌套组成的抽象语法树,然后递归进行集合和数组的树结构对比,即自底向上对比集合和数组这些树的基本结构。在调用集合对比算法和数组对比算法进行一致性对比检测时,如果发现不一致,通过消息机制或回调机制等优先返回不一致结果,然后继续在不一致的数组或集合中进行不一致分析,其中数组的不一致分析可逐个对比数组元素即可定位差异数据元素;集合的不一致分析可对集合进行排序、合并相同元素等操作,然后进行逐一对比,从而定位差异数据元素。当某个数组或集合不一致分析结束后,继续对树结构进行对比,检测不一致树结构和定位差异数据元素,直至树根节点也完成对比分析,最终输出不一致数据检测结果。如果在整个一致性对比检测过程中,直至树根节点也未发现不一致,则表明所对比的JSON数据是一致的,在输出一致结果后,过程结束。
对于数组的对比,已经有MD5特征提取和比较、数组元素逐一比较等较成熟高效的一致性对比检测方法。对于集合的对比,本发明通过提取集合的一组特征进行比较,确定其一致性,如图2所示。首先,JSON集合数据数值化。将集合中的每一个元素用哈希算法计算生成一个相应的独一无二的数值,这样待对比的两个JSON数据集合被转换为等价的数值集合。然后,对待对比的数值集合提取特征。这里使用两种符合集合特性的相对正交的特征,一种是集合所有数值累加求和,另一种是集合所有数值累乘求积。最后通过对比这些特征的一致性,得到对JSON集合数据的一致性判定。
所选的集合两个相对独立的特征由于计算次序无关,符合集合元素次序无关的特性,而集合无重复元素的特性则由哈希算法在数值转换时保证。这两种相对独立的特征提取方法本质上是将整个集合映射为整个数值空间上的一个点,其中累加求和的方法映射范围较小,而累乘求积映射范围远大于前者几个数量级,通过这两种特征在几乎所有情况下都能判定出JSON集合数据的一致性,但也存在很小概率的特征碰撞导致误判。为了将导致误判的碰撞概率控制在可接受范围内,本发明使用差异较大的哈希算法,使不同集合数值转换处于不同数量级的数值空间,使得不同集合的特征碰撞不可能发生。在集合数值进行累乘求积时,目前64位计算机会很快出现数据溢出的情况,本发明采用两种不同的方式处理该问题:(1)在使用64位地址空间进行累乘计算时,将溢出部分看作为截尾操作,只将最终地址空间中的64数值作为特征。由于溢出相当于截去了超出64位存储数据的大端,而小端数据则类似于MD5值,相较于大端数据更具有差异性,更能代表集合的特征。(2)由于数值化过程和特征提取对比过程相互独立,整个JSON集合对比误判概率=哈希值碰撞概率*特征碰撞概率,在JSON数据数值化的过程中,使用不同的哈希函数多次进行哈希计算,然后只进行累加求和的特征提取和对比。为保证多次数值化差异足够大,能够将碰撞概率控制在可接受范围内,可使用差异较大的哈希算法,或使用不同哈希算法多次迭代哈希计算。
本发明可使用JSON解析器,将JSON数据以相同的规则解析为由集合和数组嵌套组成的抽象语法树。然后,从树根开始,递归进行树结构一致性对比,最终实现从叶子节点开始的自底向上的逐层集合或数组比较。在一致性对比过程中,如果发现不一致的集合或数组,则通过消息或回调函数的方法优先返回不一致结果,并对不一致的集合或数组进行不一致数据定位,缓存所定位到其中的所有不一致数据,并继续进行抽象语法树的一致性检测和不一致数据的定位,直至完成树根节点的一致性对比检测,返回所有定位到的不一致数据。如果直至树根节点完成一致性对比检测仍为发现不一致,则返回一致结果。其中,在对集合进行对比时,首先使用不同的差异较大的哈希算法对JSON集合分别进行数值化,将其中的键值对转换为相应独一无二的且差异较大数字集合。然后对集合中的每个数值进行截尾累乘求积、累加求合,将所得的数值作为该集合相对正交的两个特征。最后,通过对这两个特征进行对比,确定JSON集合是否一致。在对数组进行对比时,可直接使用数组的MD5值作为特征进行对比,确定JSON数组的一致性。在遇到不一致集合或数组进行不一致数据定位时,对于数组,可直接从数组首元素开始逐一对比两个数组对应下标的元素,从而定位数组中所有不一致数据;对应集合,首先使用排序算法,对集合元素按照统一的规则进行排序,然后再用数组的不一致数据定位方法进行定位。
本发明还提供一种基于特征的JSON一致性对比检测系统,所述系统包括如下模块:
模块M1:对待对比检测的JSON进行数据解析,生成由集合和数组嵌套组成的抽象语法树。
模块M2:递归进行集合和数组的树结构对比,即自底向上对比集合和数组的基本结构;数组的对比包括MD5特征提取和比较和数组元素逐一比较。
集合的对比包括如下模块:
模块M2.1:JSON集合数据数值化;将集合中的每一个元素用哈希算法计算生成一个相应的独一无二的数值,将待对比的两个JSON数据集合转换为等价的数值集合。
模块M2.2:对待对比的数值集合提取特征;使用两种符合集合特性的相对正交的特征,一种是集合所有数值累加求和,另一种是集合所有数值累乘求积。
模块M2.3:通过对比特征的一致性,得到对JSON集合数据的一致性判定。
模块M3:在调用集合对比算法和数组对比算法进行一致性对比检测时,如果发现不一致,通过消息机制或回调机制优先返回不一致结果;模块M4:在不一致的数组或集合中进行不一致分析,进行逐一对比,定位差异数据元素;模块M5:当数组或集合不一致分析结束后,对树结构进行对比,检测不一致树结构和定位差异数据元素,直至树根节点完成对比分析,输出不一致数据检测结果;模块M6:如果在整个一致性对比检测过程中,直至树根节点未发现不一致,则表明所对比的JSON数据是一致的,在输出一致结果后,过程结束。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以,本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构;也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种基于特征的JSON一致性对比检测方法,其特征在于,所述方法包括如下步骤:
步骤S1:对待对比检测的JSON进行数据解析,生成由集合和数组嵌套组成的抽象语法树;
步骤S2:递归进行集合和数组的树结构对比,即自底向上对比集合和数组的基本结构;
步骤S3:在调用集合对比算法和数组对比算法进行一致性对比检测时,如果发现不一致,通过消息机制或回调机制优先返回不一致结果;
步骤S4:在不一致的数组或集合中进行不一致分析,进行逐一对比,定位差异数据元素;
步骤S5:当数组或集合不一致分析结束后,对树结构进行对比,检测不一致树结构和定位差异数据元素,直至树根节点完成对比分析,输出不一致数据检测结果;
步骤S6:如果在整个一致性对比检测过程中,直至树根节点未发现不一致,则表明所对比的JSON数据是一致的,在输出一致结果后,过程结束。
2.根据权利要求1所述的基于特征的JSON一致性对比检测方法,其特征在于,所述步骤S2中的数组的对比包括MD5特征提取和比较和数组元素逐一比较。
3.根据权利要求1所述的基于特征的JSON一致性对比检测方法,其特征在于,所述步骤S2中集合的对比包括如下步骤:
步骤S2.1:JSON集合数据数值化;
步骤S2.2:对待对比的数值集合提取特征;
步骤S2.3:通过对比特征的一致性,得到对JSON集合数据的一致性判定。
4.根据权利要求3所述的基于特征的JSON一致性对比检测方法,其特征在于,所述步骤S2.1将集合中的每一个元素用哈希算法计算生成一个相应的独一无二的数值,将待对比的两个JSON数据集合转换为等价的数值集合。
5.根据权利要求3所述的基于特征的JSON一致性对比检测方法,其特征在于,所述步骤S2.2使用两种符合集合特性的相对正交的特征,一种是集合所有数值累加求和,另一种是集合所有数值累乘求积。
6.一种基于特征的JSON一致性对比检测系统,其特征在于,所述系统包括如下模块:
模块M1:对待对比检测的JSON进行数据解析,生成由集合和数组嵌套组成的抽象语法树;
模块M2:递归进行集合和数组的树结构对比,即自底向上对比集合和数组的基本结构;
模块M3:在调用集合对比算法和数组对比算法进行一致性对比检测时,如果发现不一致,通过消息机制或回调机制优先返回不一致结果;
模块M4:在不一致的数组或集合中进行不一致分析,进行逐一对比,定位差异数据元素;
模块M5:当数组或集合不一致分析结束后,对树结构进行对比,检测不一致树结构和定位差异数据元素,直至树根节点完成对比分析,输出不一致数据检测结果;
模块M6:如果在整个一致性对比检测过程中,直至树根节点未发现不一致,则表明所对比的JSON数据是一致的,在输出一致结果后,过程结束。
7.根据权利要求6所述的基于特征的JSON一致性对比检测系统,其特征在于,所述模块M2中的数组的对比包括MD5特征提取和比较和数组元素逐一比较。
8.根据权利要求6所述的基于特征的JSON一致性对比检测系统,其特征在于,所述模块M2中集合的对比包括如下模块:
模块M2.1:JSON集合数据数值化;
模块M2.2:对待对比的数值集合提取特征;
模块M2.3:通过对比特征的一致性,得到对JSON集合数据的一致性判定。
9.根据权利要求8所述的基于特征的JSON一致性对比检测系统,其特征在于,所述模块M2.1将集合中的每一个元素用哈希算法计算生成一个相应的独一无二的数值,将待对比的两个JSON数据集合转换为等价的数值集合。
10.根据权利要求8所述的基于特征的JSON一致性对比检测系统,其特征在于,所述模块M2.2使用两种符合集合特性的相对正交的特征,一种是集合所有数值累加求和,另一种是集合所有数值累乘求积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210177113.3A CN114742028A (zh) | 2022-02-24 | 2022-02-24 | 基于特征的json一致性对比检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210177113.3A CN114742028A (zh) | 2022-02-24 | 2022-02-24 | 基于特征的json一致性对比检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114742028A true CN114742028A (zh) | 2022-07-12 |
Family
ID=82275634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210177113.3A Pending CN114742028A (zh) | 2022-02-24 | 2022-02-24 | 基于特征的json一致性对比检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114742028A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116302078A (zh) * | 2023-05-19 | 2023-06-23 | 深圳前海环融联易信息科技服务有限公司 | 代码文件合并方法及装置、存储介质、计算机设备 |
-
2022
- 2022-02-24 CN CN202210177113.3A patent/CN114742028A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116302078A (zh) * | 2023-05-19 | 2023-06-23 | 深圳前海环融联易信息科技服务有限公司 | 代码文件合并方法及装置、存储介质、计算机设备 |
CN116302078B (zh) * | 2023-05-19 | 2023-08-01 | 深圳前海环融联易信息科技服务有限公司 | 代码文件合并方法及装置、存储介质、计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107729371B (zh) | 区块链的数据索引及查询方法、装置、设备及存储介质 | |
US20150186471A1 (en) | System and method for approximate searching very large data | |
CN104809161B (zh) | 一种对稀疏矩阵进行压缩和查询的方法及系统 | |
CN114742028A (zh) | 基于特征的json一致性对比检测方法及系统 | |
CN111435343A (zh) | 计算机系统日志模板的自动生成和在线更新方法与系统 | |
CN112765155B (zh) | 基于区块链的键值存储方法、装置、终端设备及介质 | |
CN106815179B (zh) | 一种文本相似度确定方法及装置 | |
CN114791927A (zh) | 一种数据分析方法和装置 | |
CN113722600A (zh) | 应用于大数据的数据查询方法、装置、设备及产品 | |
CN115525235B (zh) | 一种基于存储结构的数据运算方法及系统 | |
CN116723090A (zh) | 告警根因的定位方法、装置、电子设备及可读存储介质 | |
CN111090630A (zh) | 基于多源空间点数据的数据融合处理方法 | |
CN116628138A (zh) | 应用于深度学习的物流订单文本挖掘方法及系统 | |
CN112540906B (zh) | 基于探针的业务与数据关系智能解析方法及系统 | |
CN115658360A (zh) | 一种基于日志数据的云系统故障诊断方法 | |
CN115757365A (zh) | 多维时序数据异常检测方法、模型训练方法及装置 | |
CN108304467A (zh) | 用于文本间匹配的方法 | |
CN114185875A (zh) | 一种基于云计算的大数据统一分析处理系统 | |
CN114238822A (zh) | 一种Web服务设备的识别方法及装置 | |
CN113495901A (zh) | 一种面向可变长数据块的快速检索方法 | |
CN112990466A (zh) | 一种冗余规则检测方法、装置以及服务器 | |
CN115858636B (zh) | 面向大数据流的分布式索引搜索方法、装置 | |
CN115687792B (zh) | 针对在线互联网服务的大数据采集方法及系统 | |
CN118069701B (zh) | 反向查询链路的构建方法、装置、计算机设备及存储介质 | |
CN112765174B (zh) | 基于哈希连接的探测方法、装置、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 |