CN114840720A - 数据模型生成方法、装置、电子设备及可读存储介质 - Google Patents

数据模型生成方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN114840720A
CN114840720A CN202210589944.1A CN202210589944A CN114840720A CN 114840720 A CN114840720 A CN 114840720A CN 202210589944 A CN202210589944 A CN 202210589944A CN 114840720 A CN114840720 A CN 114840720A
Authority
CN
China
Prior art keywords
data
link
data model
generating
directed graph
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
CN202210589944.1A
Other languages
English (en)
Inventor
龙遗璟
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.)
Ping An Property and Casualty Insurance Company of China Ltd
Original Assignee
Ping An Property and Casualty Insurance Company of China 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 Ping An Property and Casualty Insurance Company of China Ltd filed Critical Ping An Property and Casualty Insurance Company of China Ltd
Priority to CN202210589944.1A priority Critical patent/CN114840720A/zh
Publication of CN114840720A publication Critical patent/CN114840720A/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
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2282—Tablespace storage structures; Management thereof
    • 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
    • G06F16/24—Querying
    • G06F16/242—Query formulation
    • G06F16/2433—Query languages
    • 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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases

Abstract

本发明涉及人工智能技术，揭露了一种数据模型生成方法，包括：获取数据标签集合，根据所述数据标签集合对全链路数据集合进行标记，得到标记链路数据集合，根据所述标记链路数据集合中的标记生成全链路血缘关系表，基于所述全链路血缘关系表生成原始数据有向图，将所述原始数据有向图作为原始数据模型，对所述原始数据模型进行链路迭代优化，得到标准数据模型。此外，本发明还涉及区块链技术，所述全链路数据集合可从区块链的节点中获取。本发明还提出一种数据模型生成方法装置、电子设备以及计算机可读存储介质。本发明可以生成一种能够进行准确数据链路定位的数据模型。

Description

数据模型生成方法、装置、电子设备及可读存储介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种数据模型生成方法、装置、电子设备及计算机可读存储介质。
背景技术
随着业务的发展，数据量呈现爆发式增长，数据血缘查询、数据链路定位也越来越重要。现有技术下，广泛使用数据模型来对数据链路产生的问题进行定位，例如，星型模型、雪花模型，宽表模型等。但是传统数据模型的生成会产生如下问题：指标口径不一致，数据重复建设，烟囱式开发等，导致数据链路定位不准确。因此亟需一种能够高效定位数据链路的数据模型。
发明内容
本发明提供一种数据模型生成方法、装置、电子设备及可读存储介质，其主要目的在于生成一种能够进行准确数据链路定位的数据模型。
为实现上述目的，本发明提供的一种数据模型生成方法，包括：
获取数据标签集合，根据所述数据标签集合对全链路数据集合进行标记，得到标记链路数据集合；
根据所述标记链路数据集合中的标记生成全链路血缘关系表；
基于所述全链路血缘关系表生成原始数据有向图，将所述原始数据有向图作为原始数据模型；
对所述原始数据模型进行链路迭代优化，得到标准数据模型。
可选地，所述根据所述数据标签集合对全链路数据集合进行标记，得到标记链路数据集合，包括：
根据所述数据标签集合中的链路标签对所述全链路数据集合中不同链路的数据进行标记，得到多个链路的标记数据集合；
对所述多个链路的标记数据集合中的数据进行数据应用标记及数据库表标记，汇总所述多个链路所有标记完的数据，得到所述标记链路数据集合。
可选地，所述根据所述标记链路数据集合中的标记生成全链路血缘关系表，包括：
根据预设的遍历语句对所述标记链路数据集合中的标记进行自上而下的遍历操作；
汇总所有遍历到的标记对应的数据，并按照自上而下的顺序进行排列，得到所述全链路血缘关系表。
可选地，所述基于所述全链路血缘关系表生成原始数据有向图，包括：
提取所述全链路血缘关系表中的所有表类数据，并将每个表类数据作为顶点，得到顶点集合；
按照自下而上的顺序反向连接所述顶点集合中的顶点，得到所述原始数据有向图。
可选地，所述对所述原始数据模型进行链路迭代优化，得到标准数据模型，包括：
确定所述原始数据模型中预设主题的链路为目标链路；
确定所述目标链路中使用次数最多的库表为次终点；
根据所述原始数据模型中的起点、终点及所述次终点对所述原始数据模型进行迭代优化，得到所述标准数据模型。
可选地，所述根据所述原始数据模型中的起点、终点及所述次终点对所述原始数据模型进行迭代优化，得到所述标准数据模型，包括：
汇总起点到所述次终点中的所有顶点的数据，得到第一局部数据集合，以及汇总次终点到所述终点中的所有顶点的数据，得到第二局部数据集合；
根据所述第一局部数据集合生成第一局部血缘关系表，以及根据所述第二局部数据集合生成第二局部血缘关系表；
根据所述第一局部血缘关系表及所述第二局部血缘关系表生成第一局部有向图及第二局部有向图，并分别确定所述第一局部有向图及第二局部有向图中的次终点；
根据所述第一局部有向图及第二局部有向图中的次终点分别对所述第一局部有向图及第二局部有向图进行链路迭代优化，直至所述目标链路的层级收敛，得到所述标准数据模型。
可选地，所述根据所述数据标签集合对全链路数据集合进行标记之前，所述方法还包括：
利用双边测试剔除方法对所述全链路数据集合中的数据进行异常值剔除，得到去异常数据集合；
利用预设的缺失值检测函数对所述去异常数据集合中的数据进行缺失值检测，并接收填充数据对缺失值进行填充，得到数据清洗后的所述全链路数据集合。
为了解决上述问题，本发明还提供一种数据模型生成装置，所述装置包括：
数据标记模块，用于获取数据标签集合，根据所述数据标签集合对全链路数据集合进行标记，得到标记链路数据集合；
血缘关系表生成模块，用于根据所述标记链路数据集合中的标记生成全链路血缘关系表；
原始模型生成模块，用于基于所述全链路血缘关系表生成原始数据有向图，将所述原始数据有向图作为原始数据模型；
标准模型生成模块，用于对所述原始数据模型进行链路迭代优化，得到标准数据模型。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个计算机程序；及
处理器，执行所述存储器中存储的计算机程序以实现上述所述的数据模型生成方法。
为了解决上述问题，本发明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中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的数据模型生成方法。
本发明通过对全链路数据集合进行标记，得到标记链路数据集合，根据所述标记链路数据集合中的标记生成全链路血缘关系表，可以更细粒度的对不同链路的数据进行细化，提高了数据模型构建的准确性。并且基于全链路血缘关系表生成原始数据有向图，对原始数据模型进行链路迭代优化，得到标准数据模型，由于标准数据模型基于全链路血缘关系表构建，因此可以提高数据链路定位的准确率。因此本发明提出的数据模型生成方法、装置、电子设备及计算机可读存储介质，可以生成一种能够进行准确数据链路定位的数据模型。
附图说明
图1为本发明一实施例提供的数据模型生成方法的流程示意图；
图2为本发明一实施例提供的数据模型生成装置的功能模块图；
图3为本发明一实施例提供的实现所述数据模型生成方法的电子设备的结构示意图。
本发明目的的实现、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以解释本发明，并不用于限定本发明。
本申请实施例提供一种数据模型生成方法。所述数据模型生成方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述数据模型生成方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的数据模型生成方法的流程示意图。在本实施例中，所述数据模型生成方法包括：
S1、获取数据标签集合，根据所述数据标签集合对全链路数据集合进行标记，得到标记链路数据集合。
本发明实施例中，所述数据标签集合包括数据应用标签及数据库表标签，其中，数据应用标签包括链路、数据域，主题(一/二/三级主题)，重要等级等标签，数据库表标签包括数据域，主题(一/二/三级主题)，业务过程，粒度，表层级，表类型等标签。所述全链路数据集合包括不同链路(业务活动的路径，如查询业务链路)从应用层(APP)到操作存储数据层(ODS层)的所有数据。
具体地，所述根据所述数据标签集合对全链路数据集合进行标记之前，所述方法还包括：
利用双边测试剔除方法对所述全链路数据集合中的数据进行异常值剔除，得到去异常数据集合；
利用预设的缺失值检测函数对所述去异常数据集合中的数据进行缺失值检测，并接收填充数据对缺失值进行填充，得到数据清洗后的所述全链路数据集合。
本发明实施例中，所述双边测试剔除方法包括：
Figure BDA0003664708760000051
其中，
Figure BDA0003664708760000052
表示所述全链路数据集合中数据的平均值，S表示所述全链路数据集合中数据的标准差，Yi表示所述全链路数据集合中的任一数据。G表示测试值，当G大于预设的测试阈值时，确定Yi为异常数据。
所述缺失值检测函数可以为missmap function缺失函数，若检测没有数据缺失值，则不作处理，若检测出现数据缺失值，本发明实施例通过向用户端发送告警，并根据接收的填充数据进行数据填充。
详细地，所述根据所述数据标签集合对全链路数据集合进行标记，得到标记链路数据集合，包括：
根据所述数据标签集合中的链路标签对所述全链路数据集合中不同链路的数据进行标记，得到多个链路的标记数据集合；
对所述多个链路的标记数据集合中的数据进行数据应用标记及数据库表标记，汇总所述多个链路所有标记完的数据，得到所述标记链路数据集合。
本发明实施例中，例如，对于打上数据查询业务(某一链路)标记的标记数据集合，根据数据查询业务所经过的应用(APP)添加数据应用标记，以及根据所使用的数据库表添加数据库表标记。
本发明实施例中，通过对全链路数据集合进行标记，得到标记链路数据集合，可以更细粒度的对不同链路的数据进行细化，提高了数据模型构建的准确性。
S2、根据所述标记链路数据集合中的标记生成全链路血缘关系表。
本发明实施例中，所述全链路血缘关系表中包含了从数据应用层(APP层)到操作存储数据层(ODS层)中所有数据血缘关系，包括应用名称，应用APP层库表，数据域，主题，重要等级，全链路中链路层级，库表，数据域，主题，业务过程，粒度，表层级，维度，指标，表类型，CPU消耗，库表大小，更变次数，完成时间等。
具体地，所述根据所述标记链路数据集合中的标记生成全链路血缘关系表，包括：
根据预设的遍历语句对所述标记链路数据集合中的标记进行自上而下的遍历操作；
汇总所有遍历到的标记对应的数据，并按照自上而下的顺序进行排列，得到所述全链路血缘关系表。
本发明一可选实施例中，所述预设的遍历语句可以为SQL语句等，通过自上而下的遍历，即从数据应用层(APP)出发，自顶向下，生成到操作存储数据层(ODS层)的全链路血缘关系表。
本发明实施例中，通过标记及自上而下的遍历，可以对不同链路中所有数据的关系进行提取，从而提高数据模型生成的准确性。
S3、基于所述全链路血缘关系表生成原始数据有向图，将所述原始数据有向图作为原始数据模型。
本发明实施例中，所述原始数据有向图G0＝(V，E)中包括顶点集合V，边集合E，其中顶点集合中起点为ODS层表，终点为APP层表，其余顶点为任意表，顶点集合中任意两个表之间的距离为1，边集合中方向是从ODS层流向APP层。
详细地，所述基于所述全链路血缘关系表生成原始数据有向图，包括：
提取所述全链路血缘关系表中的所有表类数据，并将每个表类数据作为顶点，得到顶点集合；
按照自下而上的顺序反向连接所述顶点集合中的顶点，得到所述原始数据有向图。
本发明实施例中，通过提取同一个主题(某一业务活动链路)内全链路血缘关系表中的所有库表，并将反向(即自下而上的顺序)转换成从起点到终点的带权有向图G0＝(V，E)，可以快速准确地构建原始数据模型。
S4、对所述原始数据模型进行链路迭代优化，得到标准数据模型。
本发明实施例中，所述链路迭代优化是指从不同链路出发，分别迭代找到各链路的局部最优链路，直至达到全链路最优。
具体地，所述对所述原始数据模型进行链路迭代优化，得到标准数据模型，包括：
确定所述原始数据模型中预设主题的链路为目标链路；
确定所述目标链路中使用次数最多的库表为次终点；
根据所述原始数据模型中的起点、终点及所述次终点对所述原始数据模型进行迭代优化，得到所述标准数据模型。
详细地，所述根据所述原始数据模型中的起点、终点及所述次终点对所述原始数据模型进行迭代优化，得到所述标准数据模型，包括：
汇总起点到所述次终点中的所有顶点的数据，得到第一局部数据集合，以及汇总次终点到所述终点中的所有顶点的数据，得到第二局部数据集合；
根据所述第一局部数据集合生成第一局部血缘关系表，以及根据所述第二局部数据集合生成第二局部血缘关系表；
根据所述第一局部血缘关系表及所述第二局部血缘关系表生成第一局部有向图及第二局部有向图，并分别确定所述第一局部有向图及第二局部有向图中的次终点；
根据所述第一局部有向图及第二局部有向图中的次终点分别对所述第一局部有向图及第二局部有向图进行链路迭代优化，直至所述目标链路的层级收敛，得到所述标准数据模型。
本发明一可选实施例中，将主题内全链路库表分成两部分起点>>次终点>>终点，分别找到各部分的局部最优链路，然后得到全链路最优，终止条件为全部链路的层级不能再减少，例如，对于起点到次终点的数据S，根据S2的步骤进行优化合并生成新的表，迭代优化，最终找到起点到次终点的最短路径，使得链路达到局部最优。次终点到终点的数据处理步骤与起点到次终点的刷数据的处理步骤类似，在此不再赘述。
本发明实施例中，从应用层(APP)到操作存储数据层(ODS层)出发，覆盖所有的应用数据，避免遗漏，并且基于反向全链路血缘关系有向图进行数据模型优化，借助图论的概念，从局部最优到全局最优，提高了数据模型的定位准确率。
本发明通过对全链路数据集合进行标记，得到标记链路数据集合，根据所述标记链路数据集合中的标记生成全链路血缘关系表，可以更细粒度的对不同链路的数据进行细化，提高了数据模型构建的准确性。并且基于全链路血缘关系表生成原始数据有向图，对原始数据模型进行链路迭代优化，得到标准数据模型，由于标准数据模型基于全链路血缘关系表构建，因此可以提高数据链路定位的准确率。因此本发明提出的数据模型生成方法，可以生成一种能够进行准确数据链路定位的数据模型。
如图2所示，是本发明一实施例提供的数据模型生成装置的功能模块图。
本发明所述数据模型生成装置100可以安装于电子设备中。根据实现的功能，所述数据模型生成装置100可以包括数据标记模块101、血缘关系表生成模块102、原始模型生成模块103及标准模型生成模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述数据标记模块101，用于获取数据标签集合，根据所述数据标签集合对全链路数据集合进行标记，得到标记链路数据集合；
所述血缘关系表生成模块102，用于根据所述标记链路数据集合中的标记生成全链路血缘关系表；
所述原始模型生成模块103，用于基于所述全链路血缘关系表生成原始数据有向图，将所述原始数据有向图作为原始数据模型；
所述标准模型生成模块104，用于对所述原始数据模型进行链路迭代优化，得到标准数据模型。
详细地，所述数据模型生成装置100各模块的具体实施方式如下：
步骤一、获取数据标签集合，根据所述数据标签集合对全链路数据集合进行标记，得到标记链路数据集合。
本发明实施例中，所述数据标签集合包括数据应用标签及数据库表标签，其中，数据应用标签包括链路、数据域，主题(一/二/三级主题)，重要等级等标签，数据库表标签包括数据域，主题(一/二/三级主题)，业务过程，粒度，表层级，表类型等标签。所述全链路数据集合包括不同链路(业务活动的路径，如查询业务链路)从应用层(APP)到操作存储数据层(ODS层)的所有数据。
具体地，所述根据所述数据标签集合对全链路数据集合进行标记之前，所述方法还包括：
利用双边测试剔除方法对所述全链路数据集合中的数据进行异常值剔除，得到去异常数据集合；
利用预设的缺失值检测函数对所述去异常数据集合中的数据进行缺失值检测，并接收填充数据对缺失值进行填充，得到数据清洗后的所述全链路数据集合。
本发明实施例中，所述双边测试剔除方法包括：
Figure BDA0003664708760000091
其中，
Figure BDA0003664708760000092
表示所述全链路数据集合中数据的平均值，S表示所述全链路数据集合中数据的标准差，Yi表示所述全链路数据集合中的任一数据。G表示测试值，当G大于预设的测试阈值时，确定Yi为异常数据。
所述缺失值检测函数可以为missmap function缺失函数，若检测没有数据缺失值，则不作处理，若检测出现数据缺失值，本发明实施例通过向用户端发送告警，并根据接收的填充数据进行数据填充。
详细地，所述根据所述数据标签集合对全链路数据集合进行标记，得到标记链路数据集合，包括：
根据所述数据标签集合中的链路标签对所述全链路数据集合中不同链路的数据进行标记，得到多个链路的标记数据集合；
对所述多个链路的标记数据集合中的数据进行数据应用标记及数据库表标记，汇总所述多个链路所有标记完的数据，得到所述标记链路数据集合。
本发明实施例中，例如，对于打上数据查询业务(某一链路)标记的标记数据集合，根据数据查询业务所经过的应用(APP)添加数据应用标记，以及根据所使用的数据库表添加数据库表标记。
本发明实施例中，通过对全链路数据集合进行标记，得到标记链路数据集合，可以更细粒度的对不同链路的数据进行细化，提高了数据模型构建的准确性。
步骤二、根据所述标记链路数据集合中的标记生成全链路血缘关系表。
本发明实施例中，所述全链路血缘关系表中包含了从数据应用层(APP层)到操作存储数据层(ODS层)中所有数据血缘关系，包括应用名称，应用APP层库表，数据域，主题，重要等级，全链路中链路层级，库表，数据域，主题，业务过程，粒度，表层级，维度，指标，表类型，CPU消耗，库表大小，更变次数，完成时间等。
具体地，所述根据所述标记链路数据集合中的标记生成全链路血缘关系表，包括：
根据预设的遍历语句对所述标记链路数据集合中的标记进行自上而下的遍历操作；
汇总所有遍历到的标记对应的数据，并按照自上而下的顺序进行排列，得到所述全链路血缘关系表。
本发明一可选实施例中，所述预设的遍历语句可以为SQL语句等，通过自上而下的遍历，即从数据应用层(APP)出发，自顶向下，生成到操作存储数据层(ODS层)的全链路血缘关系表。
本发明实施例中，通过标记及自上而下的遍历，可以对不同链路中所有数据的关系进行提取，从而提高数据模型生成的准确性。
步骤三、基于所述全链路血缘关系表生成原始数据有向图，将所述原始数据有向图作为原始数据模型。
本发明实施例中，所述原始数据有向图G0＝(V，E)中包括顶点集合V，边集合E，其中顶点集合中起点为ODS层表，终点为APP层表，其余顶点为任意表，顶点集合中任意两个表之间的距离为1，边集合中方向是从ODS层流向APP层。
详细地，所述基于所述全链路血缘关系表生成原始数据有向图，包括：
提取所述全链路血缘关系表中的所有表类数据，并将每个表类数据作为顶点，得到顶点集合；
按照自下而上的顺序反向连接所述顶点集合中的顶点，得到所述原始数据有向图。
本发明实施例中，通过提取同一个主题(某一业务活动链路)内全链路血缘关系表中的所有库表，并将反向(即自下而上的顺序)转换成从起点到终点的带权有向图G0＝(V，E)，可以快速准确地构建原始数据模型。
步骤四、对所述原始数据模型进行链路迭代优化，得到标准数据模型。
本发明实施例中，所述链路迭代优化是指从不同链路出发，分别迭代找到各链路的局部最优链路，直至达到全链路最优。
具体地，所述对所述原始数据模型进行链路迭代优化，得到标准数据模型，包括：
确定所述原始数据模型中预设主题的链路为目标链路；
确定所述目标链路中使用次数最多的库表为次终点；
根据所述原始数据模型中的起点、终点及所述次终点对所述原始数据模型进行迭代优化，得到所述标准数据模型。
详细地，所述根据所述原始数据模型中的起点、终点及所述次终点对所述原始数据模型进行迭代优化，得到所述标准数据模型，包括：
汇总起点到所述次终点中的所有顶点的数据，得到第一局部数据集合，以及汇总次终点到所述终点中的所有顶点的数据，得到第二局部数据集合；
根据所述第一局部数据集合生成第一局部血缘关系表，以及根据所述第二局部数据集合生成第二局部血缘关系表；
根据所述第一局部血缘关系表及所述第二局部血缘关系表生成第一局部有向图及第二局部有向图，并分别确定所述第一局部有向图及第二局部有向图中的次终点；
根据所述第一局部有向图及第二局部有向图中的次终点分别对所述第一局部有向图及第二局部有向图进行链路迭代优化，直至所述目标链路的层级收敛，得到所述标准数据模型。
本发明一可选实施例中，将主题内全链路库表分成两部分起点>>次终点>>终点，分别找到各部分的局部最优链路，然后得到全链路最优，终止条件为全部链路的层级不能再减少，例如，对于起点到次终点的数据S，根据S2的步骤进行优化合并生成新的表，迭代优化，最终找到起点到次终点的最短路径，使得链路达到局部最优。次终点到终点的数据处理步骤与起点到次终点的刷数据的处理步骤类似，在此不再赘述。
本发明实施例中，从应用层(APP)到操作存储数据层(ODS层)出发，覆盖所有的应用数据，避免遗漏，并且基于反向全链路血缘关系有向图进行数据模型优化，借助图论的概念，从局部最优到全局最优，提高了数据模型的定位准确率。
本发明通过对全链路数据集合进行标记，得到标记链路数据集合，根据所述标记链路数据集合中的标记生成全链路血缘关系表，可以更细粒度的对不同链路的数据进行细化，提高了数据模型构建的准确性。并且基于全链路血缘关系表生成原始数据有向图，对原始数据模型进行链路迭代优化，得到标准数据模型，由于标准数据模型基于全链路血缘关系表构建，因此可以提高数据链路定位的准确率。因此本发明提出的数据模型生成装置，可以生成一种能够进行准确数据链路定位的数据模型。
如图3所示，是本发明一实施例提供的实现数据模型生成方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信接口12和总线13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如数据模型生成程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如数据模型生成程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中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。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如数据模型生成程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述通信接口12用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
所述总线13可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线13可以分为地址总线、数据总线、控制总线等。所述总线13被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、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。所述电子设备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。
进一步地，所述电子设备还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地，该电子设备还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的数据模型生成程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取数据标签集合，根据所述数据标签集合对全链路数据集合进行标记，得到标记链路数据集合；
根据所述标记链路数据集合中的标记生成全链路血缘关系表；
基于所述全链路血缘关系表生成原始数据有向图，将所述原始数据有向图作为原始数据模型；
对所述原始数据模型进行链路迭代优化，得到标准数据模型。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取数据标签集合，根据所述数据标签集合对全链路数据集合进行标记，得到标记链路数据集合；
根据所述标记链路数据集合中的标记生成全链路血缘关系表；
基于所述全链路血缘关系表生成原始数据有向图，将所述原始数据有向图作为原始数据模型；
对所述原始数据模型进行链路迭代优化，得到标准数据模型。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，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，即可以位于一个地方，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，在本发明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，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明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发明。
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，本发明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发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
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。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求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发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种数据模型生成方法，其特征在于，所述方法包括：
获取数据标签集合，根据所述数据标签集合对全链路数据集合进行标记，得到标记链路数据集合；
根据所述标记链路数据集合中的标记生成全链路血缘关系表；
基于所述全链路血缘关系表生成原始数据有向图，将所述原始数据有向图作为原始数据模型；
对所述原始数据模型进行链路迭代优化，得到标准数据模型。
2.如权利要求1所述的数据模型生成方法，其特征在于，所述根据所述数据标签集合对全链路数据集合进行标记，得到标记链路数据集合，包括：
根据所述数据标签集合中的链路标签对所述全链路数据集合中不同链路的数据进行标记，得到多个链路的标记数据集合；
对所述多个链路的标记数据集合中的数据进行数据应用标记及数据库表标记，汇总所述多个链路所有标记完的数据，得到所述标记链路数据集合。
3.如权利要求2中所述的数据模型生成方法，其特征在于，所述根据所述标记链路数据集合中的标记生成全链路血缘关系表，包括：
根据预设的遍历语句对所述标记链路数据集合中的标记进行自上而下的遍历操作；
汇总所有遍历到的标记对应的数据，并按照自上而下的顺序进行排列，得到所述全链路血缘关系表。
4.如权利要求1所述的数据模型生成方法，其特征在于，所述基于所述全链路血缘关系表生成原始数据有向图，包括：
提取所述全链路血缘关系表中的所有表类数据，并将每个表类数据作为顶点，得到顶点集合；
按照自下而上的顺序反向连接所述顶点集合中的顶点，得到所述原始数据有向图。
5.如权利要求1所述的数据模型生成方法，其特征在于，所述对所述原始数据模型进行链路迭代优化，得到标准数据模型，包括：
确定所述原始数据模型中预设主题的链路为目标链路；
确定所述目标链路中使用次数最多的库表为次终点；
根据所述原始数据模型中的起点、终点及所述次终点对所述原始数据模型进行迭代优化，得到所述标准数据模型。
6.如权利要求5所述的数据模型生成方法，其特征在于，所述根据所述原始数据模型中的起点、终点及所述次终点对所述原始数据模型进行迭代优化，得到所述标准数据模型，包括：
汇总起点到所述次终点中的所有顶点的数据，得到第一局部数据集合，以及汇总次终点到所述终点中的所有顶点的数据，得到第二局部数据集合；
根据所述第一局部数据集合生成第一局部血缘关系表，以及根据所述第二局部数据集合生成第二局部血缘关系表；
根据所述第一局部血缘关系表及所述第二局部血缘关系表生成第一局部有向图及第二局部有向图，并分别确定所述第一局部有向图及第二局部有向图中的次终点；
根据所述第一局部有向图及第二局部有向图中的次终点分别对所述第一局部有向图及第二局部有向图进行链路迭代优化，直至所述目标链路的层级收敛，得到所述标准数据模型。
7.如权利要求1所述的数据模型生成方法，其特征在于，所述根据所述数据标签集合对全链路数据集合进行标记之前，所述方法还包括：
利用双边测试剔除方法对所述全链路数据集合中的数据进行异常值剔除，得到去异常数据集合；
利用预设的缺失值检测函数对所述去异常数据集合中的数据进行缺失值检测，并接收填充数据对缺失值进行填充，得到数据清洗后的所述全链路数据集合。
8.一种数据模型生成装置，其特征在于，所述装置包括：
数据标记模块，用于获取数据标签集合，根据所述数据标签集合对全链路数据集合进行标记，得到标记链路数据集合；
血缘关系表生成模块，用于根据所述标记链路数据集合中的标记生成全链路血缘关系表；
原始模型生成模块，用于基于所述全链路血缘关系表生成原始数据有向图，将所述原始数据有向图作为原始数据模型；
标准模型生成模块，用于对所述原始数据模型进行链路迭代优化，得到标准数据模型。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的数据模型生成方法。
10.一种计算机可读存储介质，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中任意一项所述的数据模型生成方法。
CN202210589944.1A 2022-05-26 2022-05-26 数据模型生成方法、装置、电子设备及可读存储介质 Pending CN114840720A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210589944.1A CN114840720A (zh) 2022-05-26 2022-05-26 数据模型生成方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210589944.1A CN114840720A (zh) 2022-05-26 2022-05-26 数据模型生成方法、装置、电子设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN114840720A true CN114840720A (zh) 2022-08-02

Family

ID=82573074

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210589944.1A Pending CN114840720A (zh) 2022-05-26 2022-05-26 数据模型生成方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN114840720A (zh)

Similar Documents

Publication Publication Date Title
CN113961584A (zh) 字段血缘分析方法、装置、电子设备及存储介质
CN112364107A (zh) 系统分析可视化方法、装置、电子设备及计算机可读存储介质
CN113704429A (zh) 基于半监督学习的意图识别方法、装置、设备及介质
CN112231417A (zh) 数据分类方法、装置、电子设备及存储介质
CN115408399A (zh) 基于sql脚本的血缘关系分析方法、装置、设备及存储介质
CN112528616A (zh) 业务表单生成方法、装置、电子设备及计算机存储介质
CN113887941A (zh) 业务流程生成方法、装置、电子设备及介质
CN113806434A (zh) 大数据处理方法、装置、设备及介质
CN114979120A (zh) 数据上传方法、装置、设备及存储介质
CN113434542B (zh) 数据关系识别方法、装置、电子设备及存储介质
CN115129753A (zh) 数据血缘关系分析方法、装置、电子设备及存储介质
CN115146064A (zh) 意图识别模型优化方法、装置、设备及存储介质
CN114138243A (zh) 基于开发平台的功能调用方法、装置、设备及存储介质
CN114385815A (zh) 基于业务需求的新闻筛选方法、装置、设备及存储介质
CN114840720A (zh) 数据模型生成方法、装置、电子设备及可读存储介质
CN114518993A (zh) 基于业务特征的系统性能监控方法、装置、设备及介质
CN114490666A (zh) 基于数据需求的图表生成方法、装置、设备及存储介质
CN113419951A (zh) 人工智能模型优化方法、装置、电子设备及存储介质
CN111680204A (zh) 数据采集方法、装置及计算机可读存储介
CN114357534B (zh) 基于区块链的课室实训平台构建方法、装置、设备及介质
CN114841317A (zh) 基于配置规则的活动标记方法、装置、设备及存储介质
CN114398277A (zh) 测试信息留痕方法、装置、设备及可读存储介质
CN114610340A (zh) 项目部署方法、装置、设备及存储介质
CN113627187A (zh) 命名实体识别方法、装置、电子设备及可读存储介质
CN114723282A (zh) 业务执行质量评分方法、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