CN115185677A - 业务数据合并总账方法、装置、计算机设备及介质 - Google Patents
业务数据合并总账方法、装置、计算机设备及介质 Download PDFInfo
- Publication number
- CN115185677A CN115185677A CN202210724103.7A CN202210724103A CN115185677A CN 115185677 A CN115185677 A CN 115185677A CN 202210724103 A CN202210724103 A CN 202210724103A CN 115185677 A CN115185677 A CN 115185677A
- Authority
- CN
- China
- Prior art keywords
- subject
- preset
- data
- pool
- business
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 167
- 238000004590 computer program Methods 0.000 claims abstract description 41
- 238000012549 training Methods 0.000 claims description 10
- 238000009530 blood pressure measurement Methods 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 238000007596 consolidation process Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5018—Thread allocation
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种业务数据合并总账方法、装置、计算机设备、存储介质和计算机程序产品,其中方法包括:获取业务科目流水数据,将这些业务科目流水数据转存至类型对应的预设科目池,根据预设科目池内存储数据的大小,分配任务处理线程,以每个预设科目池作为单独的总账处理子单元并行处理,将每个预设科目池作为单独的总账处理单元,归集各预设科目池的子总账数据,得到业务数据合并总账结果。整个过程中,将业务科目流水数据分配到类型对应的预设科目池进行处理,通过并行处理的方式实现高效的业务数据合并总账。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种业务数据合并总账方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着企业的规模不断扩大以及信息化业务系统不断衍生增加,不同的业务系统的核算记账流水需要推送到大总账系统进行合并总账。随着源系统的增加以及独立系统的数据量不断庞大,对合并总账的处理效率提出了更高的要求。
目前较多的业务数据合并总账方案是通过文件推送源数据,大总账平台针对单个系统的流水逐一解析,如果存在多系统,则进行串行合并总账。
上述这种业务数据合并总账方式虽然可以实现总账,但是由于采用串行合并的方式,整个合并总账过程效率低下。
发明内容
基于此,有必要针对上述技术问题,提供一种高效的业务数据合并总账方法、装置、计算机设备、存储介质和计算机程序产品。
第一方面,本申请提供了一种业务数据合并总账方法。方法包括:
获取业务科目流水数据;
识别业务科目流水数据所属科目类型,将业务科目流水数据转存至类型对应的预设科目池,预设科目池包括多个,不同的预设科目池对应不同的科目类型;
根据预设科目池内存储数据的大小,分别分配各预设科目池对应的任务处理线程数;
并行控制各预设科目池根据已分配的任务处理线程执行总账处理,得到子总账数据;
归集子总账数据,得到业务数据合并总账结果。
在其中一个实施例中,根据预设科目池内存储数据的大小,分别分配各预设科目池对应的任务处理线程数包括:
获取预设科目池的处理性能参数;
根据预设科目池内存储数据的大小以及预设科目池的处理性能参数,分别分配各预设科目池对应的任务处理线程数。
在其中一个实施例中,根据预设科目池内存储数据的大小以及预设科目池的处理性能参数,分别分配各预设科目池对应的任务处理线程数包括:
根据预设科目池的处理性能参数,确定预设科目池对应的最佳线程数;
根据预设科目池内存储数据的大小,确定预设科目池对应的所需线程数;
基于最佳线程数以及所需线程数,确定预设科目池对应的任务处理线程数。
在其中一个实施例中,根据预设科目池的处理性能参数,确定预设科目池对应的最佳线程数包括:
获取预设自动分配线程模型;
根据预设科目池的处理性能参数以及预设自动分配线程模型,确定预设科目池对应的最佳线程数,预设自动分配线程模型采用大数据量压测法跑批训练得到。
在其中一个实施例中,基于最佳线程数以及所需线程数,确定预设科目池对应的任务处理线程数包括:
对比最佳线程数和所需线程数;
若最佳线程数不小于所需线程数,则确定预设科目池对应的任务处理线程数为所需线程数;
若最佳线程数小于所需线程数,则确定预设科目池对应的任务处理线程数为最佳线程数。
在其中一个实施例中,识别业务科目流水数据所属科目类型包括:
提取业务科目流水数据中携带的科目号;
根据科目号,识别业务科目流水数据所属科目类型。
第二方面,本申请还提供了一种业务数据合并总账装置。装置包括:
数据获取模块,用于获取业务科目流水数据;
识别转存模块,用于识别业务科目流水数据所属科目类型,将业务科目流水数据转存至类型对应的预设科目池,预设科目池包括多个,不同的预设科目池对应不同的科目类型;
线程分配模块,用于根据预设科目池内存储数据的大小,分别分配各预设科目池对应的任务处理线程数;
并行处理模块,用于并行控制各预设科目池根据已分配的任务处理线程执行总账处理,得到子总账数据;
总账模块,用于归集子总账数据,得到业务数据合并总账结果。
第三方面,本申请还提供了一种计算机设备。计算机设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
获取业务科目流水数据;
识别业务科目流水数据所属科目类型,将业务科目流水数据转存至类型对应的预设科目池,预设科目池包括多个,不同的预设科目池对应不同的科目类型;
根据预设科目池内存储数据的大小,分别分配各预设科目池对应的任务处理线程数;
并行控制各预设科目池根据已分配的任务处理线程执行总账处理,得到子总账数据;
归集子总账数据,得到业务数据合并总账结果。
第四方面,本申请还提供了一种计算机可读存储介质。计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取业务科目流水数据;
识别业务科目流水数据所属科目类型,将业务科目流水数据转存至类型对应的预设科目池,预设科目池包括多个,不同的预设科目池对应不同的科目类型;
根据预设科目池内存储数据的大小,分别分配各预设科目池对应的任务处理线程数;
并行控制各预设科目池根据已分配的任务处理线程执行总账处理,得到子总账数据;
归集子总账数据,得到业务数据合并总账结果。
第五方面,本申请还提供了一种计算机程序产品。计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取业务科目流水数据;
识别业务科目流水数据所属科目类型,将业务科目流水数据转存至类型对应的预设科目池,预设科目池包括多个,不同的预设科目池对应不同的科目类型;
根据预设科目池内存储数据的大小,分别分配各预设科目池对应的任务处理线程数;
并行控制各预设科目池根据已分配的任务处理线程执行总账处理,得到子总账数据;
归集子总账数据,得到业务数据合并总账结果。
上述业务数据合并总账方法、装置、计算机设备、存储介质和计算机程序产品,获取业务科目流水数据,将这些业务科目流水数据转存至类型对应的预设科目池,根据预设科目池内存储数据的大小,分配任务处理线程,以每个预设科目池作为单独的总账处理子单元并行处理,将每个预设科目池作为单独的总账处理单元,归集各预设科目池的子总账数据,得到业务数据合并总账结果。整个过程中,将业务科目流水数据分配到类型对应的预设科目池进行处理,通过并行处理的方式实现高效的业务数据合并总账。
附图说明
图1为一个实施例中业务数据合并总账方法的应用环境图;
图2为一个实施例中业务数据合并总账方法的流程示意图;
图3为另一个实施例中业务数据合并总账方法的流程示意图;
图4为应用实例中业务数据合并总账处理的架构示意图;
图5为一个实施例中业务数据合并总账装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的业务数据合并总账方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。终端102将业务科目流水数据发送至服务器104,服务器104获取业务科目流水数据;识别业务科目流水数据所属科目类型,将业务科目流水数据转存至类型对应的预设科目池,根据预设科目池内存储数据的大小,分别分配各预设科目池对应的任务处理线程数;并行控制各预设科目池根据已分配的任务处理线程执行总账处理,得到子总账数据;归集子总账数据,得到业务数据合并总账结果。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种业务数据合并总账方法,以该方法应用于图1中的服务器104为例进行说明,包括以下步骤:
S100:获取业务科目流水数据。
业务科目流水数据是指业务系统上传的科目流水。不同的业务系统在进行业务处理时生成对应的业务科目流水,这些业务科目流水上传至服务器,由服务器来进行合并总账处理。进一步的,服务器可以主动去扫描用于缓存业务系统上传业务科目流水数据的临时存储空间,判断是否有新的业务科目流水数据上传到该临时存储空间,若有,则读取新的业务科目流水数据。在实际应用中,针对不同的业务系统可以指定不同的文件存放目录,服务器不断去扫描这些文件存放目录来判断是否存在业务科目流水,服务器可以以OK文件的方式来判定某一个系统的业务科目流水是否完全就绪,若已经就绪,则进入后续处理流程。
S200:识别业务科目流水数据所属科目类型,将业务科目流水数据转存至类型对应的预设科目池,预设科目池包括多个,不同的预设科目池对应不同的科目类型。
不同业务科目流水是由不同的业务系统上传的,而不同的业务系统其可能是对不同的业务科目提供服务的系统,因此,不同的业务科目流水数据可能是属于不同的科目类型。预设科目池是预先设定的,其具体包括多个,其具体设定的数量与业务科目类型数量对应,例如若科目体系表征科目有8类,则可以设置8个科目池,每一个科目池分别对应一个不同的科目类型。进一步的,服务器可以通过识别每一条业务科目流水中科目号来识别每条业务科目流水所属的科目类型,具体可以是根据科目号的前4位识别每条科目流水属于哪类科目。在识别出业务科目流水属于哪类科目之后,将业务科目流水数据转存至类型对应的预设科目池。
S300:根据预设科目池内存储数据的大小,分别分配各预设科目池对应的任务处理线程数。
不同的预设科目池内存储的业务科目流数据大小不同,即不同的预设科目池需要处理的数量不同,不同的科目池分别作为一个独立的合并总账处理单元,针对每个预设科目池存储数据的大小,针对性分配对应数量的任务处理线程。可以理解的是,存储数据越多的科目池,其所需处理的数据量就越大,需要分配更多的任务处理线程;而存储数据越少的科目池,其所需处理的数据量就越小,需要分配到的任务处理线程数就越少。
S400:并行控制各预设科目池根据已分配的任务处理线程执行总账处理,得到子总账数据。
如上已述的,每个预设科目池作为单独的合并总账处理单元,即每个预设科目池基于分配的任务处理线程独立执行总账处理。从整体来看,服务器并行控制各预设科目池根据已分配的任务处理线程执行总账处理,得到子总账数据。即不同的科目池并行运转,同时处理业务科目流水,单个预设科目池得到一个小总账,从科目层面来说每个预设科目池独立处理,确保了总账的准确性。
S500:归集子总账数据,得到业务数据合并总账结果。
服务器将每个预设科目池处理得到的子总账数据归集,归集/汇总得到业务数据。这里的归集具体可以易理解将每一条子总账数据进行汇总,例如若整个体系设置了1000个科目,则总账数据最大是1000条,当所有预设科目池均已经完成总账处理之后,将各预设科目池对应的总账数据合并到汇聚库,从而得到全科目体系的总账数据。
上述业务数据合并总账方法,获取业务科目流水数据,将这些业务科目流水数据转存至类型对应的预设科目池,根据预设科目池内存储数据的大小,分配任务处理线程,以每个预设科目池作为单独的总账处理子单元并行处理,将每个预设科目池作为单独的总账处理单元,归集各预设科目池的子总账数据,得到业务数据合并总账结果。整个过程中,将业务科目流水数据分配到类型对应的预设科目池进行处理,通过并行处理的方式实现高效的业务数据合并总账。
如图3所示,在其中一个实施例中,S300包括:
S320:获取预设科目池的处理性能参数;
S340:根据预设科目池内存储数据的大小以及预设科目池的处理性能参数,分别分配各预设科目池对应的任务处理线程数。
处理性能参数用于表征预设科目池对数据的处理能力,一般来说,预设科目池可以理解为单独的数据处理单元,每个数据处理单元对数据的处理能力主要由内存和CPU核数表征,根据内存和CPU核数可以分析得出最佳线程数,例如4核、8G最佳线程数为16;4核16G最佳线程数为32。根据预设科目池的处理性能参数分析得出最佳线程数,根据预设科目池内存储数据的大小分析出处理这些数据所需的线程数,综合最佳线程数和所需线程数,得到最终的任务处理线程数。
在其中一个实施例中,根据预设科目池内存储数据的大小以及预设科目池的处理性能参数,分别分配各预设科目池对应的任务处理线程数包括:
根据预设科目池的处理性能参数,确定预设科目池对应的最佳线程数;根据预设科目池内存储数据的大小,确定预设科目池对应的所需线程数;基于最佳线程数以及所需线程数,确定预设科目池对应的任务处理线程数。
如上已述的,可以通过分析预设科目池的处理性能参数,确定预设科目池对应的最佳线程数。具体分析过程可以是基于历史经验数据得到或者采用试验测试方法得到,即分析在不同的处理能参数下,预设科目对应的最佳线程数。具体来说,可以测试实验条件下不同CPU核数和内存组合的系统对应的最佳线程数,具体可以通过监控系统的CPU和内存使用率来得到不同CPU核数和内存组合配置对应的最佳线程数,将此数据作为经验数据存储起来,即存储CPU核数-内存-最佳线程数之间的对应关系,在需要确定最佳线程数时,基于该对应关系直接得到。同理,根据预设科目池内存储数据的大小,确定预设科目池对应的所需线程数也可以基于经验数据分析得到,在此不再赘述。
在其中一个实施例中,根据预设科目池的处理性能参数,确定预设科目池对应的最佳线程数包括:
获取预设自动分配线程模型;根据预设科目池的处理性能参数以及预设自动分配线程模型,确定预设科目池对应的最佳线程数,预设自动分配线程模型采用大数据量压测法跑批训练得到。
在本实施例中,采用大数据量压测法跑批得到大量训练数据,基于该大量训练数据训练得到自动分配线程模型,在需要确定最佳线程数时,将预设科目池的处理性能参数输入至预设自动分配线程模型,得到预设科目池对应的最佳线程数。
在其中一个实施例中,基于最佳线程数以及所需线程数,确定预设科目池对应的任务处理线程数包括:
对比最佳线程数和所需线程数;若最佳线程数不小于所需线程数,则确定预设科目池对应的任务处理线程数为所需线程数;若最佳线程数小于所需线程数,则确定预设科目池对应的任务处理线程数为最佳线程数。
在本实施例中,综合对比最佳线程数和所需线程数来确定预设科目池对应的任务处理线程数。具体来说,若最佳线程数不小于所需线程数,则表明预设科目池对任务处理线程数需求较小,无需达到最佳线程数即可满足其数据处理需求,此时确定预设科目池对应的任务处理线程数为所需线程数;若最佳线程数小于所需线程数,则表明预设科目池有大量业务科目流数据需要处理,其需要分配较大数量的任务处理线程处理这些数据,但是若任务处理线程数过多又会降低整个预设科目池整体的处理效率,因此,此时以最佳线程数作为预设科目池对应的任务处理线程数。
在其中一个实施例中,识别业务科目流水数据所属科目类型包括:
提取业务科目流水数据中携带的科目号;根据科目号,识别业务科目流水数据所属科目类型。
业务科目流水数据中会携带有科目号,该科目号用于表征业务科目流水所属科目类型,因此,在实际应用中,可以根据科目号的识别出每条业务科目流水属于哪类科目,具体可以根据科目号的前4位识别每条业务科目流水属于哪类科目。
为详细说明本申请业务数据合并总账方法的技术方案,下面将以现有信贷系统和资金系统均单独核算生成单独的科目记账明细数据,需要推送到财务系统合并大总账场景为例详细说明整个过程,其整体数据处理架构如图4所示,其具体包括以下步骤:
1、信贷系统晚上4点推送科目明细到指定目录,入池调度A实时监控是否存在已就绪的文件,正常情况,信贷系统处理完所有的明细需要1个小时;
2、资金系统晚上4点半推送明细到指定目录,入池调度B实时监控是否存在已就绪的文件;
3、晚上4点开始,信贷系统的科目流水根据科目号入池子1、池子2...同时小总账的节点调度发现池子有流水了进行合并总账;
4、晚上4点半,信贷系统的科目流水还在入总账,同时资金系统的科目流水并行开始入池子1、池子2....小总账的节点调度无休止工作;
5、所有的池子小总账合并完,得到单个科目的小总账,推送至汇聚库得到全科目的大总账。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的业务数据合并总账方法的业务数据合并总账装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个业务数据合并总账装置实施例中的具体限定可以参见上文中对于业务数据合并总账方法的限定,在此不再赘述。
如图5所示,本申请还提供了一种业务数据合并总账装置。装置包括:
数据获取模块100,用于获取业务科目流水数据;
识别转存模块200,用于识别业务科目流水数据所属科目类型,将业务科目流水数据转存至类型对应的预设科目池,预设科目池包括多个,不同的预设科目池对应不同的科目类型;
线程分配模块300,用于根据预设科目池内存储数据的大小,分别分配各预设科目池对应的任务处理线程数;
并行处理模块400,用于并行控制各预设科目池根据已分配的任务处理线程执行总账处理,得到子总账数据;
总账模块500,用于归集子总账数据,得到业务数据合并总账结果。
上述业务数据合并总账装置,获取业务科目流水数据,将这些业务科目流水数据转存至类型对应的预设科目池,根据预设科目池内存储数据的大小,分配任务处理线程,以每个预设科目池作为单独的总账处理子单元并行处理,将每个预设科目池作为单独的总账处理单元,归集各预设科目池的子总账数据,得到业务数据合并总账结果。整个过程中,将业务科目流水数据分配到类型对应的预设科目池进行处理,通过并行处理的方式实现高效的业务数据合并总账。
在其中一个实施例中,线程分配模块300还用于获取预设科目池的处理性能参数;根据预设科目池内存储数据的大小以及预设科目池的处理性能参数,分别分配各预设科目池对应的任务处理线程数。
在其中一个实施例中,线程分配模块300还用于根据预设科目池的处理性能参数,确定预设科目池对应的最佳线程数;根据预设科目池内存储数据的大小,确定预设科目池对应的所需线程数;基于最佳线程数以及所需线程数,确定预设科目池对应的任务处理线程数。
在其中一个实施例中,线程分配模块300还用于获取预设自动分配线程模型;根据预设科目池的处理性能参数以及预设自动分配线程模型,确定预设科目池对应的最佳线程数,预设自动分配线程模型采用大数据量压测法跑批训练得到。
在其中一个实施例中,线程分配模块300还用于对比最佳线程数和所需线程数;若最佳线程数不小于所需线程数,则确定预设科目池对应的任务处理线程数为所需线程数;若最佳线程数小于所需线程数,则确定预设科目池对应的任务处理线程数为最佳线程数。
在其中一个实施例中,识别转存模块200还用于提取业务科目流水数据中携带的科目号;根据科目号,识别业务科目流水数据所属科目类型。
上述业务数据合并总账装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储预设科目池相关的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种业务数据合并总账方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取业务科目流水数据;
识别业务科目流水数据所属科目类型,将业务科目流水数据转存至类型对应的预设科目池,预设科目池包括多个,不同的预设科目池对应不同的科目类型;
根据预设科目池内存储数据的大小,分别分配各预设科目池对应的任务处理线程数;
并行控制各预设科目池根据已分配的任务处理线程执行总账处理,得到子总账数据;
归集子总账数据,得到业务数据合并总账结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取预设科目池的处理性能参数;根据预设科目池内存储数据的大小以及预设科目池的处理性能参数,分别分配各预设科目池对应的任务处理线程数。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据预设科目池的处理性能参数,确定预设科目池对应的最佳线程数;根据预设科目池内存储数据的大小,确定预设科目池对应的所需线程数;基于最佳线程数以及所需线程数,确定预设科目池对应的任务处理线程数。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取预设自动分配线程模型;根据预设科目池的处理性能参数以及预设自动分配线程模型,确定预设科目池对应的最佳线程数,预设自动分配线程模型采用大数据量压测法跑批训练得到。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对比最佳线程数和所需线程数;若最佳线程数不小于所需线程数,则确定预设科目池对应的任务处理线程数为所需线程数;若最佳线程数小于所需线程数,则确定预设科目池对应的任务处理线程数为最佳线程数。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
提取业务科目流水数据中携带的科目号;根据科目号,识别业务科目流水数据所属科目类型。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取业务科目流水数据;
识别业务科目流水数据所属科目类型,将业务科目流水数据转存至类型对应的预设科目池,预设科目池包括多个,不同的预设科目池对应不同的科目类型;
根据预设科目池内存储数据的大小,分别分配各预设科目池对应的任务处理线程数;
并行控制各预设科目池根据已分配的任务处理线程执行总账处理,得到子总账数据;
归集子总账数据,得到业务数据合并总账结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取预设科目池的处理性能参数;根据预设科目池内存储数据的大小以及预设科目池的处理性能参数,分别分配各预设科目池对应的任务处理线程数。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据预设科目池的处理性能参数,确定预设科目池对应的最佳线程数;根据预设科目池内存储数据的大小,确定预设科目池对应的所需线程数;基于最佳线程数以及所需线程数,确定预设科目池对应的任务处理线程数。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取预设自动分配线程模型;根据预设科目池的处理性能参数以及预设自动分配线程模型,确定预设科目池对应的最佳线程数,预设自动分配线程模型采用大数据量压测法跑批训练得到。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对比最佳线程数和所需线程数;若最佳线程数不小于所需线程数,则确定预设科目池对应的任务处理线程数为所需线程数;若最佳线程数小于所需线程数,则确定预设科目池对应的任务处理线程数为最佳线程数。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
提取业务科目流水数据中携带的科目号;根据科目号,识别业务科目流水数据所属科目类型。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取业务科目流水数据;
识别业务科目流水数据所属科目类型,将业务科目流水数据转存至类型对应的预设科目池,预设科目池包括多个,不同的预设科目池对应不同的科目类型;
根据预设科目池内存储数据的大小,分别分配各预设科目池对应的任务处理线程数;
并行控制各预设科目池根据已分配的任务处理线程执行总账处理,得到子总账数据;
归集子总账数据,得到业务数据合并总账结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取预设科目池的处理性能参数;根据预设科目池内存储数据的大小以及预设科目池的处理性能参数,分别分配各预设科目池对应的任务处理线程数。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据预设科目池的处理性能参数,确定预设科目池对应的最佳线程数;根据预设科目池内存储数据的大小,确定预设科目池对应的所需线程数;基于最佳线程数以及所需线程数,确定预设科目池对应的任务处理线程数。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取预设自动分配线程模型;根据预设科目池的处理性能参数以及预设自动分配线程模型,确定预设科目池对应的最佳线程数,预设自动分配线程模型采用大数据量压测法跑批训练得到。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对比最佳线程数和所需线程数;若最佳线程数不小于所需线程数,则确定预设科目池对应的任务处理线程数为所需线程数;若最佳线程数小于所需线程数,则确定预设科目池对应的任务处理线程数为最佳线程数。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
提取业务科目流水数据中携带的科目号;根据科目号,识别业务科目流水数据所属科目类型。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种业务数据合并总账方法,其特征在于,所述方法包括:
获取业务科目流水数据;
识别所述业务科目流水数据所属科目类型,将所述业务科目流水数据转存至类型对应的预设科目池,所述预设科目池包括多个,不同的所述预设科目池对应不同的科目类型;
根据所述预设科目池内存储数据的大小,分别分配各所述预设科目池对应的任务处理线程数;
并行控制各所述预设科目池根据已分配的任务处理线程执行总账处理,得到子总账数据;
归集所述子总账数据,得到业务数据合并总账结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述预设科目池内存储数据的大小,分别分配各所述预设科目池对应的任务处理线程数包括:
获取所述预设科目池的处理性能参数;
根据所述预设科目池内存储数据的大小以及所述预设科目池的处理性能参数,分别分配各所述预设科目池对应的任务处理线程数。
3.根据权利要求2所述的方法,其特征在于,所述根据所述预设科目池内存储数据的大小以及所述预设科目池的处理性能参数,分别分配各所述预设科目池对应的任务处理线程数包括:
根据所述预设科目池的处理性能参数,确定所述预设科目池对应的最佳线程数;
根据所述预设科目池内存储数据的大小,确定所述预设科目池对应的所需线程数;
基于所述最佳线程数以及所述所需线程数,确定所述预设科目池对应的任务处理线程数。
4.根据权利要求3所述的方法,其特征在于,所述根据所述预设科目池的处理性能参数,确定所述预设科目池对应的最佳线程数包括:
获取预设自动分配线程模型;
根据所述预设科目池的处理性能参数以及所述预设自动分配线程模型,确定所述预设科目池对应的最佳线程数,所述预设自动分配线程模型采用大数据量压测法跑批训练得到。
5.根据权利要求3所述的方法,其特征在于,所述基于所述最佳线程数以及所述所需线程数,确定所述预设科目池对应的任务处理线程数包括:
对比所述最佳线程数和所述所需线程数;
若所述最佳线程数不小于所述所需线程数,则确定预设科目池对应的任务处理线程数为所述所需线程数;
若所述最佳线程数小于所述所需线程数,则确定预设科目池对应的任务处理线程数为所述最佳线程数。
6.根据权利要求1所述的方法,其特征在于,所述识别所述业务科目流水数据所属科目类型包括:
提取所述业务科目流水数据中携带的科目号;
根据所述科目号,识别所述业务科目流水数据所属科目类型。
7.一种业务数据合并总账装置,其特征在于,所述装置包括:
数据获取模块,用于获取业务科目流水数据;
识别转存模块,用于识别所述业务科目流水数据所属科目类型,将所述业务科目流水数据转存至类型对应的预设科目池,所述预设科目池包括多个,不同的所述预设科目池对应不同的科目类型;
线程分配模块,用于根据所述预设科目池内存储数据的大小,分别分配各所述预设科目池对应的任务处理线程数;
并行处理模块,用于并行控制各所述预设科目池根据已分配的任务处理线程执行总账处理,得到子总账数据;
总账模块,用于归集所述子总账数据,得到业务数据合并总账结果。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其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权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210724103.7A CN115185677A (zh) | 2022-06-24 | 2022-06-24 | 业务数据合并总账方法、装置、计算机设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210724103.7A CN115185677A (zh) | 2022-06-24 | 2022-06-24 | 业务数据合并总账方法、装置、计算机设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115185677A true CN115185677A (zh) | 2022-10-14 |
Family
ID=83514862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210724103.7A Pending CN115185677A (zh) | 2022-06-24 | 2022-06-24 | 业务数据合并总账方法、装置、计算机设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115185677A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140089935A1 (en) * | 2011-05-19 | 2014-03-27 | Nec Corporation | Parallel processing device, parallel processing method, optimization device, optimization method and computer program |
CN106325980A (zh) * | 2015-06-30 | 2017-01-11 | 中国石油化工股份有限公司 | 一种多线程并发系统 |
CN108958894A (zh) * | 2018-06-14 | 2018-12-07 | 阿里巴巴集团控股有限公司 | 一种分布式事务处理方法、系统、事务管理器及终端设备 |
CN111796936A (zh) * | 2020-06-29 | 2020-10-20 | 平安普惠企业管理有限公司 | 请求处理方法、装置、电子设备及介质 |
CN111831411A (zh) * | 2020-07-01 | 2020-10-27 | Oppo广东移动通信有限公司 | 任务处理方法、装置、存储介质及电子设备 |
CN113391910A (zh) * | 2021-06-29 | 2021-09-14 | 未鲲(上海)科技服务有限公司 | 任务处理方法、装置、计算机设备及存储介质 |
CN113778656A (zh) * | 2020-09-16 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 线程池的线程配置方法、装置、服务器和存储介质 |
CN113886590A (zh) * | 2021-10-21 | 2022-01-04 | 平安养老保险股份有限公司 | 数据汇总方法、装置、计算机设备及存储介质 |
CN114510487A (zh) * | 2022-02-23 | 2022-05-17 | 平安科技(深圳)有限公司 | 数据表合并方法、装置、设备及存储介质 |
-
2022
- 2022-06-24 CN CN202210724103.7A patent/CN115185677A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140089935A1 (en) * | 2011-05-19 | 2014-03-27 | Nec Corporation | Parallel processing device, parallel processing method, optimization device, optimization method and computer program |
CN106325980A (zh) * | 2015-06-30 | 2017-01-11 | 中国石油化工股份有限公司 | 一种多线程并发系统 |
CN108958894A (zh) * | 2018-06-14 | 2018-12-07 | 阿里巴巴集团控股有限公司 | 一种分布式事务处理方法、系统、事务管理器及终端设备 |
CN111796936A (zh) * | 2020-06-29 | 2020-10-20 | 平安普惠企业管理有限公司 | 请求处理方法、装置、电子设备及介质 |
CN111831411A (zh) * | 2020-07-01 | 2020-10-27 | Oppo广东移动通信有限公司 | 任务处理方法、装置、存储介质及电子设备 |
CN113778656A (zh) * | 2020-09-16 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 线程池的线程配置方法、装置、服务器和存储介质 |
CN113391910A (zh) * | 2021-06-29 | 2021-09-14 | 未鲲(上海)科技服务有限公司 | 任务处理方法、装置、计算机设备及存储介质 |
CN113886590A (zh) * | 2021-10-21 | 2022-01-04 | 平安养老保险股份有限公司 | 数据汇总方法、装置、计算机设备及存储介质 |
CN114510487A (zh) * | 2022-02-23 | 2022-05-17 | 平安科技(深圳)有限公司 | 数据表合并方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9898522B2 (en) | Distributed storage of aggregated data | |
US8732118B1 (en) | Distributed performance of data aggregation operations | |
CN111427971B (zh) | 用于计算机系统的业务建模方法、装置、系统和介质 | |
CN111598575B (zh) | 业务流程控制方法、装置、电子设备和可读存储介质 | |
CN112100219A (zh) | 基于数据库查询处理的报表生成方法、装置、设备和介质 | |
CN110852559A (zh) | 资源的分配方法和装置、存储介质、电子装置 | |
CN111752944A (zh) | 数据分摊方法、装置、计算机设备及存储介质 | |
CN109240624A (zh) | 一种数据处理方法和装置 | |
CN116483822B (zh) | 业务数据预警方法、装置、计算机设备、存储介质 | |
CN115185677A (zh) | 业务数据合并总账方法、装置、计算机设备及介质 | |
CN116401270A (zh) | 数据查询方法、装置、计算机设备和存储介质 | |
CN115729687A (zh) | 任务调度方法、装置、计算机设备、存储介质 | |
CN110378760A (zh) | 数据处理方法及终端设备 | |
CN117455501A (zh) | 请求处理方法、装置、计算机设备和存储介质 | |
CN117035762A (zh) | 账户资源管理方法、装置、计算机设备和存储介质 | |
CN116521343A (zh) | 资源交互信息处理方法、装置、计算机设备和存储介质 | |
CN114331201A (zh) | 一种数据加工方法及装置、存储介质及电子设备 | |
CN117391330A (zh) | 金融业务办理顺序确定方法、装置和计算机设备 | |
CN117495518A (zh) | 银行积分系统的物品管理方法、装置、设备和存储介质 | |
CN117834715A (zh) | 服务访问处理方法、装置、计算机设备和存储介质 | |
CN116993358A (zh) | 业务处理方法、装置、计算机设备、存储介质和程序产品 | |
CN117574221A (zh) | 业务逻辑分析方法、装置、计算机设备和存储介质 | |
CN118153954A (zh) | 对象关系的识别方法、装置和计算机设备 | |
CN118093158A (zh) | 负载均衡方法、装置、计算机设备和存储介质 | |
CN117312906A (zh) | 目标用户的确定方法、装置、设备、存储介质和产品 |
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 |