CN115048801A - 基于b_s架构的数据分析处理方法及数据分析处理系统 - Google Patents

Abstract

本发明提出了基于B_S架构的数据分析处理方法及数据分析处理系统，属于仿真试验数据处理技术领域，其包括获取仿真试验结果文件目录；选择仿真试验结果文件目录中的待处理结果文件，并发送至客户端；客户端生成数据配置文件，选取待处理结果文件中的数据字段作为数据分析处理的源数据，将源数据导入数据配置文件中；判断源数据是否需要配置算法；服务端接收源数据，并对源数据进行过滤和封装，形成预设结构数据，发送给python进行处理得到结果数据并反馈至客户端。本发明不用下载安装matlab等软件进行数据处理和分析，提高了用户使用的便利性。

Description

基于B_S架构的数据分析处理方法及数据分析处理系统

技术领域

本发明属于仿真试验数据处理技术领域，具体为基于B_S架构的数据分析处理方法及数据分析处理系统。

背景技术

在仿真试验结束后，用户需要对仿真试验产生的结果进行处理和分析，传统技术中大多数采用的方法是将试验结果通过matlab等软件进行相应的数据处理和分析，matlab等软件需要先进行安装包下载，然后进行安装，进而对实验数据进行处理和分析，通过matlab等软件的下载和安装操作是非常麻烦的，会给用户带来了极大的不便利性，并且占据的存储空间大，对用户计算机的存储空间要求高，不能适用于多个用户终端的数据处理和算法配置编辑的过程操作，也无法在多个用户终端进行直观分析显示，导致数据处理和分析的灵活性和操作效率非常低。

发明内容

针对上述试验仿真系统进行数据处理和分析时，其分析和处理的软件不能适用于多个用户终端的数据处理和算法配置编辑的过程操作，也无法在多个用户终端进行直观分析显示，导致数据处理和分析的灵活性和操作效率非常低，本发明提出了基于B_S架构的数据分析处理方法及数据分析处理系统。

本发明相对于传统的仿真试验数据的处理方法而言，其不仅可以支持多终端用户使用，也不需要下载，在仿真试验完成之后可以通过访问浏览器的方式直接对试验结果进行处理和分析，极大地提高了仿真试验数据处理和分析的灵活性和效率；其具体技术方案如下：

基于B_S架构的数据分析处理方法，包括以下步骤：

获取仿真试验结果文件目录；

选择所述仿真试验结果文件目录中的待处理结果文件，并发送至客户端；

客户端生成数据配置文件，选取待处理结果文件中的数据字段作为数据分析处理的源数据，将所述源数据导入数据配置文件中；

判断所述源数据是否需要配置算法；

若需要，则配置算法及参数，重复判断步骤；

若不需要，则将源数据和/或完成算法配置的源数据发送至服务端；

服务端接收源数据和/或完成算法配置的源数据，并对源数据和/或完成算法配置的源数据进行过滤和封装，形成预设结构数据，发送给python进行处理得到结果数据并反馈至客户端。

进一步限定，所述服务端接收源数据，并对源数据进行过滤和封装，形成预设结构数据，发送给python进行处理得到结果数据并反馈至客户端具体包括：

服务端接收源数据和/或完成算法配置的源数据，并对源数据和/或完成算法配置的源数据进行过滤处理生成过程数据；

服务端将所述过程数据进行封装形成预设结构数据；

服务端将预设结构数据发送给python进行数据处理生成结果数据；

服务端将结果数据反馈至客户端。

进一步限定，所述服务端将预设结构数据发送给python进行数据处理生成结果数据具体为：

服务端通过控制cmd命令的方式启动python数据处理过程，并将预设结构数据发送给python进行数据处理，生成结果数据。

进一步限定，所述服务端接收源数据，并对源数据进行过滤和封装，形成预设结构数据，发送给python进行处理得到结果数据并反馈至客户端还包括：对结果数据进行存储。

进一步限定，所述基于B_S架构的数据分析处理方法还包括：

客户端接收服务端反馈的结果数据，并根据结果数据进行可视化分析。

进一步限定，所述若需要，则配置算法及参数，重复判断步骤还包括：

对配置完算法的源数据进行存储。

进一步限定，所述源数据和/或完成算法配置的源数据通过http请求的方式发送至服务端。

一种基于B_S架构的数据分析处理系统，包括

数据获取模块：用于获取仿真试验结果文件目录；

数据选择模块：用于选择所述仿真试验结果文件目录中的待处理结果文件，并发送至客户端；

配置文件生成模块：用于客户端生成数据配置文件，选取待处理结果文件中的数据字段作为数据分析处理的源数据，将所述源数据导入数据配置文件中；

配置模块：用于判断所述源数据是否需要配置算法；若需要，则配置算法及参数，重复判断步骤；若不需要，则将源数据和/或完成算法配置的源数据发送至服务端；

以及数据处理模块：用于服务端接收源数据和/或完成算法配置的源数据，并对源数据和/或完成算法配置的源数据进行过滤和封装，形成预设结构数据，发送给python进行处理得到结果数据并反馈至客户端。

进一步限定，所述数据处理模块具体为：用于服务端接收源数据和/或完成算法配置的源数据，并对源数据和/或完成算法配置的源数据进行过滤和封装，形成预设结构数据，通过控制cmd命令的方式启动python数据处理过程，并将预设结构数据发送给python进行数据处理，处理完成后生成结果数据，并将结果数据反馈至客户端。

进一步限定，所述基于B_S架构的数据分析处理系统还包括可视化分析模块，

所述可视化分析模块：用于客户端接收服务端反馈的结果数据，并根据结果数据进行可视化分析。

与现有技术相比，本发明的有益效果在于：

1、本发明基于B_S架构的数据分析处理方法，其先获取仿真试验结果文件目录；选择需要数据分析处理的发送至客户端，在客户端进行算法配置和参数配置，配置完算法之后发送至服务端，通过服务端进行数据的分析处理，处理完之后再反馈至客户端，通过客户端进行展示。本发明的数据分析处理方法，其能够支持多终端通过浏览器进行快速访问，不用下载安装便可进行数据的处理和分析，提高了用户使用的便利性。

2、本发明基于B_S架构的数据分析处理方法，其还包括：根据结果数据在客户端进行可视化分析，使用户可以在客户端直接进行可视化图形分析，并可以定制各种图形分析的style和图例，视觉效果上更加美观，数据分析观察非常直观，进一步提高用户使用的便利性。

3、为了适用于B_S架构，在客户端为源数据配置算法，并为算法配置相应的参数，之后发送至服务端进行处理，通过对源数据进行过滤处理，过滤掉没有源数据的算法和参数，防止数据处理过程和分析过程出错；形成预设结构数据，方便源数据、算法和参数之间进行对应匹配。

附图说明

图1为实施例1中基于B_S架构的数据分析处理方法的过程示意图；

图2为实施例2中基于B_S架构的数据分析处理方法的过程示意图；

图3为实施例3基于B_S架构的数据分析处理系统的示意图；

图4为实施例4基于B_S架构的数据分析处理系统的示意图。

具体实施方式

下面结合附图及实施例对本发明的技术方案进行进一步地解释说明，但本发明并不限于以下说明的实施方式。

实施例1

参见图1，本实施例基于B_S架构的数据分析处理方法，其包括以下步骤：

S1：获取需要处理的仿真试验结果文件目录；其仿真试验结果文件目录是从磁盘或者数据库中进行读取的，获取的仿真试验结果文件目录不仅包括仿真试验产生的结果文件，也包括经过数据处理之后产生的结果文件，这些文件存储在磁盘上，在数据库中进行维护。

S2：在步骤S1获取的仿真试验结果文件目录中选择需要进行数据分析处理的一个或多个结果文件，并将选择的一个或多个结果文件发送至客户端；发送到客户端后，在客户端对结果文件目录以浏览器的方式进行展示；可在客户端对结果文件目录进行新增、删除、修改、检索、查看等功能，也可对历史版本低的结果文件目录进行新增、删除、修改、检索、查看等功能。

S3：客户端生成数据配置文件，选取步骤S2中结果文件的数据字段作为数据分析处理的源数据，将源数据导入至数据配置文件中；

S4：判断步骤S3中的源数据是否需要配置算法，若源数据需要配置算法，则为源数据配置算法，并为算法配置相应的参数；若源数据不需要配置算法，则将则将不需要配置算法的源数据发送至服务端；对配置完算法后对源数据进行存储，以便后续追溯、查看；本步骤中的算法包括三角函数算法(勾股定律、正弦函数等)、科学计算算法(加法、减法、平方根、均方根等)、统计学算法(峰值、排序等)以及信号处理算法(过滤、傅里叶变换)等；

判断配置完算法的源数据是否需要再次配置算法，若需要再次配置算法，则重复配置算法过程，直至算法配置完成，将配置完算法的源数据发送至服务端；若不需要再次配置算法，则将配置完算法的源数据发送至服务端；

S5：服务端接收步骤S4配置完算法的源数据和不需要配置算法的源数据，对配置完算法的源数据和不需要配置算法的源数据进行过滤处理，并封装形成预设结构数据，服务端将预设结构数据发送给python进行数据处理，处理完成后生成结果数据，并将结果数据反馈至客户端，并对生成的结果数据进行存储，优选的，存储在磁盘中。优选的，本步骤中配置完算法的源数据或不需要配置算法的源数据通过http请求的方式发送至服务端。进一步优选的，本步骤中服务端通过控制cmd命令的方式启动python数据处理过程，并将预设结构数据发送给python进行数据处理；其中，过滤处理是指过滤掉只有算法，但是没有数据源的配置数据，留下具有数据源的配置数据；预设结构数据是指包含数据源、算法以及为算法配置的参数所形成的二维数组。

本实施例以副翼开环频响试验数据为例进行说明：

S1：从数据库中获取副翼开环频响试验数据的仿真试验结果文件目录；

S2：在步骤S1获取的副翼开环频响试验数据的仿真试验结果文件中选择需要进行数据分析处理的副翼开环频响试验数据的一个或多个结果文件，并选择一个或多个结果文件发送至客户端；并在客户端对副翼开环频响试验数据的仿真试验结果文件目录进行新增、删除、修改、检索、查看等功能；

S3：客户端生成数据配置文件，选取步骤S2中结果文件中副翼开环频响试验数据的字段作为数据分析处理的源数据，将源数据导入至配置数据文件中；

S4：判断步骤S3中的源数据是否需要配置算法，若源数据需要配置算法，则为源数据配置算法，并为算法配置相应的参数，例如：为源数据配置均方根算法并配置加2的参数；若源数据不需要配置算法，则将则将不需要配置算法的源数据通过http请求的方式发送至服务端，对配置完算法后对源数据进行存储，以便后续追溯、查看；

判断配置完算法的源数据是否需要再次配置算法，若需要再次配置算法，则重复配置算法过程，直至算法配置完成，将配置完算法的源数据通过http请求的方式发送至服务端；若不需要再次配置算法，则将配置完算法的源数据通过http请求的方式发送至服务端；

S5：服务端接收步骤S4配置完算法的源数据，对源数据进行过滤处理，并封装形成指定预设结构数据，服务端通过控制cmd命令的方式启动python数据处理过程，并将预设结构数据发送给python进行数据处理，处理完成后生成结果数据，并将结果数据反馈至客户端，并对生成的结果数据进行存储。

实施例2

参见图2，本实施例基于B_S架构的数据分析处理方法，其还包括S6，

S6：客户端接收步骤S5的结果数据，并根据结果数据进行可视化分析。具体的，在客户端对收到的结果数据进行展示，并根据结果数据进行可视化图形分析，包括柱状图分析，折现图分析、饼状图分析以及气泡图等。具体的，数据处理完成之后，将处理完成的结果数据返给客户端进行呈现，用户可以根据返回来的处理结果在浏览器界面上进行指定形式的可视化图形分析，直观的查看试验处理结果。

实施例3

参见图3，本实施例一种基于B_S架构的数据分析处理系统，其是在实施例1的基础上形成的，包括数据获取模块、数据选择模块、配置文件生成模块、配置模块、算法判断模块和数据处理模块，

数据获取模块：用于获取需要处理的仿真试验结果文件目录；其仿真试验结果文件目录是从磁盘或者数据库中进行读取的，获取的仿真试验结果文件目录不仅包括仿真试验产生的结果文件，也包括经过数据处理之后产生的结果文件，这些文件存储在磁盘上，在数据库中进行维护。

数据选择模块：用于在获取的仿真试验结果文件目录中选择需要进行数据分析处理的一个或多个结果文件，并将选择的一个或多个结果文件发送至客户端；发送到客户端后，在客户端对结果文件目录以浏览器的方式进行展示；也可在客户端对结果文件目录进行新增、删除、修改、检索、查看等功能，也可对历史版本低的结果文件目录进行新增、删除、修改、检索、查看等功能。

配置文件生成模块：用于在客户端生成数据配置文件，选取结果文件的数据字段作为数据分析处理的源数据，将源数据导入至数据配置文件中；

配置模块：用于判断源数据是否需要配置算法，若源数据需要配置算法，则为源数据配置算法，并为算法配置相应的参数；若源数据不需要配置算法，则将则将不需要配置算法的源数据发送至服务端；对配置完算法后对源数据进行存储，以便后续追溯、查看；其中，算法包括三角函数算法(勾股定律、正弦函数等)、科学计算算法(加法、减法、平方根、均方根等)、统计学算法(峰值、排序等)以及信号处理算法(过滤、傅里叶变换)等；

判断配置完算法的源数据是否需要再次配置算法，若需要再次配置算法，则重复启动配置模块，直至算法配置完成，将配置完算法的源数据发送至服务端；若不需要再次配置算法，则将配置完算法的源数据发送至服务端；

数据处理模块：用于服务端接收配置完算法的源数据和不需要配置算法的源数据，对配置完算法的源数据和不需要配置算法的源数据进行过滤处理，并封装形成预设结构数据，服务端将预设结构数据发送给python进行数据处理，处理完成后生成结果数据，并将结果数据反馈至客户端，并对生成的结果数据进行存储，优选的，存储在磁盘中。优选的，配置完算法的源数据通过http请求的方式发送至服务端。进一步优选的，服务端通过控制cmd命令的方式启动python数据处理过程，并将指定数据结构的数据发送给python进行数据处理。

本实施例以副翼开环频响试验数据为例进行说明：

数据获取模块：用于从数据库中获取副翼开环频响试验数据的仿真试验结果文件目录；

数据选择模块：用于在获取的副翼开环频响试验数据的仿真试验结果文件中选择需要进行数据分析处理的副翼开环频响试验数据的一个或多个结果文件，并选择一个或多个结果文件发送至客户端；并在客户端对副翼开环频响试验数据的仿真试验结果文件目录进行新增、删除、修改、检索、查看等功能；

配置文件生成模块：用于客户端生成数据配置文件，选取结果文件中副翼开环频响试验数据的字段作为数据分析处理的源数据，将源数据导入至配置数据文件中；

配置模块：用于判断源数据是否需要配置算法，若源数据需要配置算法，则为源数据配置算法，并为算法配置相应的参数，例如：为源数据配置均方根算法并配置加2的参数；若源数据不需要配置算法，则将不需要配置算法的源数据通过http请求的方式发送至服务端，对配置完算法后对源数据进行存储，以便后续追溯、查看；

判断配置完算法的源数据是否需要再次配置算法，若需要再次配置算法，则重复配置模块，直至算法配置完成，将配置完算法的源数据发送至服务端；若不需要再次配置算法，则将配置完算法的源数据通过http请求的方式发送至服务端；

数据处理模块：用于服务端接收配置完算法的源数据，对源数据进行过滤处理，并封装形成预设结构数据，服务端通过控制cmd命令的方式启动python数据处理过程，并将预设结构数据发送给python进行数据处理，处理完成后生成结果数据，并将结果数据反馈至客户端，并对生成的结果数据进行存储。

实施例4

参见图4，本实施例一种基于B_S架构的数据分析处理系统，其在实施例3的基础上，还包括可视化分析模块，

可视化分析模块：用于在客户端接收结果数据，并根据结果数据进行可视化分析。具体的，在客户端对收到的结果数据进行展示，并根据结果数据进行可视化图形分析，包括柱状图分析，折现图分析、饼状图分析以及气泡图等。具体的，数据处理完成之后，将处理完成的结果数据返给客户端进行呈现，用户可以根据返回来的处理结果在浏览器界面上进行指定形式的可视化图形分析，直观的查看试验处理结果。

Claims (10)

1.基于B_S架构的数据分析处理方法，其特征在于，包括以下步骤：

获取仿真试验结果文件目录；

选择所述仿真试验结果文件目录中的待处理结果文件，并发送至客户端；

客户端生成数据配置文件，选取待处理结果文件中的数据字段作为数据分析处理的源数据，将所述源数据导入数据配置文件中；

判断所述源数据是否需要配置算法；

若需要，则配置算法及参数，重复判断步骤；

若不需要，则将源数据和/或完成算法配置的源数据发送至服务端；

服务端接收源数据和/或完成算法配置的源数据，并对源数据和/或完成算法配置的源数据进行过滤和封装，形成预设结构数据，发送给python进行处理得到结果数据并反馈至客户端。

2.如权利要求1所述的基于B_S架构的数据分析处理方法，其特征在于，所述服务端接收源数据，并对源数据进行过滤和封装，形成预设结构数据，发送给python进行处理得到结果数据并反馈至客户端具体包括：

服务端接源数据和/或完成算法配置的源数据，并对源数据和/或完成算法配置的源数据进行过滤处理生成过程数据；

服务端将所述过程数据进行封装形成预设结构数据；

服务端将预设结构数据发送给python进行数据处理生成结果数据；

服务端将结果数据反馈至客户端。

3.如权利要求2所述的基于B_S架构的数据分析处理方法，其特征在于，所述服务端将预设结构数据发送给python进行数据处理生成结果数据具体为：

服务端通过控制cmd命令的方式启动python数据处理过程，并将预设结构数据发送给python进行数据处理，生成结果数据。

4.如权利要求3所述的基于B_S架构的数据分析处理方法，其特征在于，所述服务端接收源数据，并对源数据进行过滤和封装，形成预设结构数据，发送给python进行处理得到结果数据并反馈至客户端还包括：对结果数据进行存储。

5.如权利要求1-4任一项所述的基于B_S架构的数据分析处理方法，其特征在于，所述基于B_S架构的数据分析处理方法还包括：

客户端接收服务端反馈的结果数据，并根据结果数据进行可视化分析。

6.如权利要求1-4任一项所述的基于B_S架构的数据分析处理方法，其特征在于，所述若需要，则配置算法及参数，重复判断步骤还包括：

对配置完算法的源数据进行存储。

7.如权利要求1-4任一项所述的基于B_S架构的数据分析处理方法，其特征在于，所述源数据和/或完成算法配置的源数据通过http请求的方式发送至服务端。

8.一种基于B_S架构的数据分析处理系统，其特征在于，包括

数据获取模块：用于获取仿真试验结果文件目录；

数据选择模块：用于选择所述仿真试验结果文件目录中的待处理结果文件，并发送至客户端；

配置文件生成模块：用于客户端生成数据配置文件，选取待处理结果文件中的数据字段作为数据分析处理的源数据，将所述源数据导入数据配置文件中；

配置模块：用于判断所述源数据是否需要配置算法；若需要，则配置算法及参数，重复判断步骤；若不需要，则将源数据和/或完成算法配置的源数据发送至服务端；

以及数据处理模块：用于服务端接收源数据和/或完成算法配置的源数据，并对源数据和/或完成算法配置的源数据进行过滤和封装，形成预设结构数据，发送给python进行处理得到结果数据并反馈至客户端。

9.如权利要求8所述的基于B_S架构的数据分析处理系统，其特征在于，所述数据处理模块具体为：用于服务端接收源数据和/或完成算法配置的源数据，并对源数据和/或完成算法配置的源数据进行过滤和封装，形成预设结构数据，通过控制cmd命令的方式启动python数据处理过程，并将预设结构数据发送给python进行数据处理，处理完成后生成结果数据，并将结果数据反馈至客户端。

10.如权利要求8或9所述的基于B_S架构的数据分析处理系统，其特征在于，所述基于B_S架构的数据分析处理系统还包括可视化分析模块，

所述可视化分析模块：用于客户端接收服务端反馈的结果数据，并根据结果数据进行可视化分析。

Images