CN115576744A - 一种业务数据还原方法、装置、设备和介质 - Google Patents

Abstract

本申请提供一种业务数据还原方法、装置、设备和介质，涉及智慧医疗领域，该方法包括：获取商城业务数据，根据所述商城业务数据生成单个商品的商品数据表；将所述商品数据表与预设的数据模板进行比对，得到差异数据项；将所述差异特征与预设的处理节点的节点特征进行相似度比对，得到匹配的处理节点用于对所述差异数据项进行处理以生成对应商品数据的标准数据表；调用所述标准数据表生成当前商品数据。本申请可用于药品等产品的上架前的测试数据自动还原，提高上架验证的效率以及数据的可重用性。

Description

一种业务数据还原方法、装置、设备和介质

技术领域

本申请涉及智慧医疗领域，尤其涉及一种业务数据还原方法、装置、设备和介质。

背景技术

随着商城成为互联网公司的标配，商城能力中台化的趋势越发的明显，商城接入的业务方类型包括app内接入、外司app接入和微信公众号小程序接入等，不同的业务有着不同的业务数据要求，数据的使用频率、周期和类型都有差异。商城有丰富的数据种类，除了普通商品、虚拟商品、海淘商品、药品的售卖外，还有营销数据如秒杀、限时抢购、拼团等。其营销数据应用于各个业务线和子公司合作项目中，所以当数据过期后，其数据的快速恢复可以减少测试环境的联调成本，也能保证数据的持续可用。

然而商品或活动上架前，需要对对应商品或商品活动进行测试，测试数据创建要经过商家收品、创建活动、活动报名、搭建页面等复杂工序，依赖对流程熟知的人员操作。现有的商品或商品活动数据一旦失效需要人工和业务方确认之前的诉求和配置，然后去运营后台手工恢复数据，既耗时又繁琐、沟通成本也高。

发明内容

鉴于以上现有技术存在的问题，本申请提出一种业务数据还原方法、装置、设备和介质，主要解决现有商城数据依赖于手工恢复，且操作复杂的问题。

为了实现上述目的及其他目的，本申请采用的技术方案如下。

本申请提供一种业务数据还原方法，包括：

获取商城业务数据，根据所述商城业务数据生成单个商品的商品数据表；

将所述商品数据表与预设的数据模板进行比对，得到差异数据项；

对所述差异数据项进行特征提取，得到差异特征，将所述差异特征与预设的处理节点的节点特征进行相似度比对，得到匹配的处理节点用于对所述差异数据项进行处理以生成标准商品数据，并根据所述标准商品数据构建对应商品数据的标准数据表；

响应于商品业务请求，调用所述标准数据表生成当前商品数据。

在本申请一实施例中，获取商城业务数据之后，还包括：

根据所述商城业务数据生成单个商品活动的待恢复数据表；

响应于商品活动业务请求，调用所述待恢复数据表生成当前商品活动数据。

在本申请一实施例中，根据所述商城业务数据生成单个商品的商品数据表，包括：

遍历商城中所有商品，根据各商品的第一标识调用对应商品数据；

对所述商品数据进行分类，并根据分类结果生成商品数据项；

将所述商品数据项存入预设备用表中，得到对应商品的商品数据表。

在本申请一实施例中，根据所述商城业务数据生成单个商品活动的待恢复数据表，包括：

获取商城中各商品活动的第二标识，根据所述第二标识调用关联的商品活动数据；

将所述商品活动数据输入预设的特征提取模型，得到商品活动特征；

根据所述商品活动特征生成商品活动数据项以构建对应商品活动的待恢复数据表。

在本申请一实施例中，将所述商品数据表与预设的数据模板进行比对，得到差异数据项，包括：

根据所述商品数据表中的实体以及实体之间的关系，构建商品图谱；

将所述商品图谱中的节点与所述数据模板中的数据进行相似度比对，标记存在匹配数据的节点即为标记节点，将与所述标记节点连接的未标记节点作为差异数据项。

在本申请一实施例中，将所述差异特征与预设的处理节点的节点特征进行相似度比对，得到匹配的处理节点用于对所述差异数据项进行处理以生成标准商品数据，并根据所述标准商品数据构建对应商品数据的标准数据表包括：

根据所述差异特征从预设处理节点库中检索匹配的处理节点，所述处理节点包括：去除活动标签、去除活动价、恢复库存、恢复售卖区域、检查门店和商家上架状态；

将所有匹配的处理节点根据预设节点接口串接成处理链，将所述差异数据项输入所述处理链，得到标准商品数据；

将所述标准商品数据用于替换所述商品数据表中的差异数据项，得到标准数据表。

在本申请一实施例中，调用所述待恢复数据表生成当前商品活动数据，包括：

根据所述商品活动业务请求确定当前商品活动的第一关键特征；

根据所述第一关键特征检索所有历史商品活动，得到匹配的商品活动；

调用所述匹配的商品活动对应的待恢复数据表；

根据所述商品活动业务请求确定当前商品活动时间；

根据所述当前商品活动时间对所述待恢复数据表中的时间进行调整，以使对应待恢复数据表中的数据重新生效。

在本申请一实施例中，调用所述标准数据表生成当前商品数据，包括：

根据所述商品业务请求确定当前商品的第二关键特征；

将所述第二关键特征与各商品的标准数据表进行比对，获取匹配的标准数据表；

将所述商品业务请求中当前商品参数与所述标准数据表中对应数据项进行关联，生成当前商品数据，其中所述当前商品参数包括：商户类型、渠道价、商品图文、售卖渠道。

本申请还提供一种业务数据还原装置，包括：

业务数据处理模块，用于获取商城业务数据，根据所述商城业务数据生成单个商品的商品数据表；

差异获取模块，用于将所述商品数据表与预设的数据模板进行比对，得到差异数据项；

标准数据获取模块，用于将所述差异特征与预设的处理节点的节点特征进行相似度比对，得到匹配的处理节点用于对所述差异数据项进行处理以生成标准商品数据，并根据所述标准商品数据构建对应商品数据的标准数据表；

业务响应模块，用于响应于业务请求，调用所述待恢复数据表生成当前商品活动数据，或者调用所述标准数据表生成当前商品数据。

本申请还提供一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的业务数据还原方法的步骤。

本申请还提供一种计算机可读存储介质，其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所述的业务数据还原方法的步骤。

如上所述，本申请一种业务数据还原方法、装置、设备和介质，具有以下有益效果。

本申请通过获取商城业务数据，根据所述商城业务数据生成单个商品的商品数据表；将所述商品数据表与预设的数据模板进行比对，得到差异数据项；对所述差异数据项进行特征提取，得到差异特征，将所述差异特征与预设的处理节点的节点特征进行相似度比对，得到匹配的处理节点用于对所述差异数据项进行处理以生成标准商品数据，并根据所述标准商品数据构建对应商品数据的标准数据表；响应于商品业务请求，调用所述标准数据表生成当前商品数据。本申请可基于商城历史商品数据进行数据还原，以便于自动根据还原的商品数据表重新生成需求的商品数据，避免反复与供应商沟通，提高商城业务数据再用率，保证相应产品上架前测试数据的快速响应。

附图说明

图1为本申请一实施例中商城业务数据还原方法的应用环境示意图。

图2为本申请一实施例中商城业务数据还原方法的流程示意图。

图3为本申请一实施例中获取商品数据表的流程示意图。

图4为本申请一实施例中商城业务数据还原装置的模块图。

图5为本申请一实施例中设备的结构示意图。

具体实施方式

以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本申请的基本构想，遂图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

技术术语：

pipeline的概念可以抽象为：将一件需要重复做的事情切割成各个不同的阶段(以为客户准备美食为例，可分为四个阶段：盘子，薯条，豌豆，饮料)，每一个阶段由独立的单元负责(四个生产者分别负责不同的环节)。所有待执行的对象依次进入作业队列(这里是所有的客户排好队依次进入服务，除了开始和结尾的一段时间，任意时刻，四个客户被同时服务)。

本申请实施例可应用于各种场景，包括但不限于云技术、人工智能、数字医疗等。下面说明本申请实施例提供的设备的示例性应用，本申请实施例提供的设备可以实施为智能手机、智能手表、笔记本电脑，平板电脑，台式计算机，机顶盒，移动设备(例如，移动电话，便携式音乐播放器，个人数字助理，专用消息设备，便携式游戏设备)、智能语音交互设备、智能家电和车载终端等各种类型的用户终端，也可以实施为服务器。下面将说明设备实施为服务器时的示例性应用。

参见图1，图1是本申请实施例提供的业务数据还原方法的一个可选的应用环境示意图。终端400(示例性示出了终端400-1与终端400-2)通过网络300连接服务器200，网络300可以是广域网或者局域网，又或者是二者的组合。

终端400-1归属公司业务人员或管理人员，终端400-1上运行有用于进行商城业务数据管理的客户端410-1，以进行商城药品管理为例，用于录入药品的图片、描述文本、价格、库存的新建和上架等，将录入信息通过网络300上传至服务器200。

服务器200，用于基于录入信息进行药品上架管理，如将药品信息组装到服务器200中预设的pipeline中，完成添加商品标签、添加活动价、设置售卖区域等一套流水线的商品分阶段组装上架。终端400-2通过网络300从服务器200处拉取上架的药品，对上架药品进行审核或者将药品与具体促销活动等商品活动进行关联，生成商品编码或者活动编码，将所有药品关联的数据反馈给服务器200。服务器200在获取药品数据的同时，将药品数据以及其关联数据生成表数据备份到临时表中。服务器200还可预先存储每种商品的标准数据模板，以便于终端400-2上客户端调用服务器200中的标准数据模板和临时表中的数据进行差异化比对。服务器200在获取每个商品活动数据后，可基于商品活动数据生成待恢复数据表，其中待恢复数据表中可包括以下信息：活动场次时间、活动计划时间、商品活动价周期等。将待恢复数据表与商品活动的编码进行关联，以便基于编码进行数据表调用编辑。

终端400-2，用于调用服务器200存储的数据或者服务其200下发的待审核药品信息，对药品进行审核或者基于调用的表数据将原有商品数据还原成标准化的商品数据，以便于根据需求调用标准化的商品数据生成需求的商品数据，生成表转化的商品数据包括将商品数据与标准数据模板进行比对获取差异化数据，对差异化数据进行修正，将差异化数据用标准化数据替换，包括活动标签去除、活动价去除、恢复库存、恢复售卖区域、检查门店和商家上架态度等一台标准化检查以恢复商品数据。

终端400-2，还用于将业务需求信息通过请求的方式发送至服务器200，由服务器200响应于业务请求，指定恢复特定商品数据或者进行商品数据定制化恢复，例如根据当前业务的最新诉求，在标准化商品数据的基础上填入商户类型、渠道价、商品图文、售卖渠道等，已自动生成对应的商品数据，并保存在数据库500中，和/或转发至终端400-1，在终端400-1的客户端410中显示。

在一些实施例中，服务器200可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、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、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。终端400可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表、智能语音交互设备、智能家电和车载终端等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请实施例中不做限制。

在一些实施例中，终端400-1也可以直接与终端400-2连接，终端400-1上直接进行商品上架前的组装，包括将商品图片、文案、价格、库存的新建和上架通过pipeline完成组装，得到商品数据。将商品数据输出至终端400-2，通过终端400-2将商品数据转换为数据表存储在临时表中，以便与预设的标准数据模板进行比对，基于差异化数据还原得到对应商品的标准化商品数据表，以及通过终端400-2将商品活动数据进行还原生成待恢复数据表，以便于需要调用过期的商品活动时，直接匹配对应的待恢复数据表，注意获取当前活动的所有时间，计算其周期并和当前时间做等量顺延后，重新落库、打标刷新缓存以使活动数据重新生效。

请参阅图2，本申请提供业务数据还原方法，该方法包括以下步骤：

步骤S200，获取商城业务数据，根据所述商城业务数据生成单个商品的商品数据表。

在一实施例中，可通过遍历商城中所有的商品类型，将新的商品按照商品类型将进行组装，实现商品数据的图片、文案、价格、库存的新建和上架，商品的上架可通过pipeline来实现。即通过流水线作业，将商品上架的流程拆分为多个阶段，多个商品基于pipeline队列进行同步组装，完成上架后生成每个商品的唯一标识。可基于商品的唯一标识进行入参获得商品的待还原数据，得到商品的表数据以及关联表数据。表数据中存储商品名称、类别、价格、图片等数据，关联表数据中记录了商品库存、上架区域、活动标签、活动价格、售卖渠道等数据。具体表数据以及关联表数据中存储的内容可根据实际应用需求进行选择和调整这里不作限制。基于商品的表数据和关联表数据可生成对应商品的商品数据表。在每个新商品上架后，均可生成对应新商品的商品数据表，并将商品数据表存储在临时表中，当商品数据过期时，可通过调用临时表中的商品数据表快速还原对应的商品数据。

请参阅图3，图3为本申请一实施例中获取商品数据表的流程示意图。在本实施例中，根据所述商城业务数据生成单个商品的商品数据表，包括以下步骤：

步骤S300，遍历商城中所有商品，根据各商品的第一标识调用对应商品数据。

在一实施例中，可通过遍历商城中的所有商品，提取所有商品的第一标识，生成标识表。其中第一标识可以为商品的唯一识别码。根据标识表中的记录，逐条提取商品的第一标识，根据该第一标识调用对应商品的商品数据。

步骤S301，对所述商品数据进行分类，并根据分类结果生成商品数据项。

在一实施例中，可通过神经网络构建分类模型，将商品数据输入预训练的分类模型得到商品数据的不同分类。其中，商品数据类别可包括商品图片、商品文案、商品价格、商品库存等，具体类别可根据实际应用需求进行设置和调整，这里不作限制。在训练分类模型之前，可收集各类商品数据，对各类商品数据进行类别标注，并将标注后的数据作为训练样本用于训练分类模型，通过训练样本与标注类别之间的相似度构建损失函数，并通过梯度下降更新模型参数，直到损失值到达设定阈值，固化网络参数，得到对应的分类模型。每个商品数据类别可作为一个商品数据项，经过分类后可得到多个商品数据项。

步骤S302，将所述商品数据项存入预设备用表中，得到对应商品的商品数据表。

在一实施例中，可为每个类别的商品设置一个备用表(即临时表)，将每个商品的商品数据项输入该备用表中，得到该商品的商品数据表。可将商品数据表与对应商品的商品唯一编码进行关联。管理人员可通过商品唯一编码调用对应的商品数据表进行审核和验证，对统计偏差信息进行编辑和修改等操作，以保证后续商品数据还原的准确性。

在一实施例中，获取商城业务数据之后，还包括以下步骤：

根据所述商城业务数据生成单个商品活动的待恢复数据表；

响应于商品活动业务请求，调用所述待恢复数据表生成当前商品活动数据。

具体地，由于商城业务数据中可能同时包含商品数据和商品活动相关数据，为了方便历史商品活动数据的重新生效利用，可根据商城业务数据生成对应历史商品活动的待恢复数据表，基于待恢复数据表可生成历史商品活动数据，也可生成满足当前需求的新商品活动数据。

在一实施例中，根据所述商城业务数据生成单个商品活动的待恢复数据表，包括以下步骤：

步骤S400，获取商城中各商品活动的第二标识，根据所述第二标识调用关联的商品活动数据。

在一实施例中，商城中商品活动可包括秒杀活动、限时抢购、拼团、套餐等。创建商品活动时，可为每个商品活动分配第二标识，该第二标识可以为商品活动的唯一识别码。通过遍历商城中所有商品活动，将所有商品活动的第二标识记录在一个活动表中。可根据活动表中记录的商品活动唯一识别码逐条调用对应的商品活动数据。

步骤S401，将所述商品活动数据输入预设的特征提取模型，得到商品活动特征。

在一实施例中，可通过深度神经网络训练特征提取模型，将前述步骤得到的商品活动数据输入特征提取模型，提取商品活动特征，其中商品活动特征可包括活动场次时间、活动计划时间、商品活动价周期等。深度神经网络可采用长短期记忆神经网络，具体神经网络结构可根据实际应用需求进行选择和调整，这里不作限制。

步骤S402，根据所述商品活动特征生成商品活动数据项以构建对应商品活动的待恢复数据表。

在一实施例中，将提取的每个商品活动特征作为一个商品活动数据项，或者根据商品活动特征从商品活动数据中截取对应的原始数据作为商品活动数据项内容，进而基于所有商品活动数据项生成待恢复数据表，该待恢复数据表中记录了对应商品活动的活动特征。

在需要上架新新的商品活动时，为了进行有效的上架前测试，可通过调用对应商品活动的待恢复数据表快速得到测试用的数据。具体地，相关测试人员可基于待测试商品活动生成商品活动业务请求发送至服务器端。服务器端接收到对应的商品活动业务请求后，对该商品活动业务请求进行解析，进而针对性地输出业务响应数据。

在一实施例中，调用所述待恢复数据表生成当前商品活动数据，包括以下步骤：

步骤S231，根据所述商品活动业务请求确定当前商品活动的第一关键特征。

在一实施例中，获取商品活动业务请求中商品活动的描述信息，对该描述信息进行特征提取，得到商品活动的第一关键特征。

步骤S232，根据所述第一关键特征检索所有历史商品活动，得到匹配的商品活动。

在一实施例中，可基于商品活动业务请求对应的第一关键特征，与所有历史上架的商品活动的活动数据进行相似度比对，确定当前请求的商品活动存在相似的历史商品活动。

步骤S233，调用所述匹配的商品活动对应的待恢复数据表。

在一实施例中，若根据第一关键特征确定存在相似的历史商品活动，可调用对应商品活动的待恢复数据表，以便于基于待恢复数据表还原商品活动数据，使得商品活动数据重新生效。

步骤S234，根据所述商品活动业务请求确定当前商品活动时间；

在一实施例中，可提取商品活动业务请求中当前商品活动的时间信息，包括商品活动的开始时间、结束时间等。

步骤S235，根据所述当前商品活动时间对所述待恢复数据表中的时间进行调整，以使对应待恢复数据表中的数据重新生效。

在一实施例中，可基于当前商品活动的时间信息计算活动周期与待恢复数据表中的时间信息进行比对，以当前商品活动的开始时间为基准，对待恢复数据表中的时间信息进行等量顺延，或者直接还原历史商品活动数据，使得活动数据重新有效。示例性地，某某业务方曾经制作了一个为期五天的618秒杀活动，每天四个场次每个场次五个秒杀品，每个品价格和库存各不相同。在商品活动过期的情况下，可通过还原该秒杀活动数据，帮助业务快速试错和验证。在另一实施例中，也可在待恢复数据的基础上，对时间信息进行顺延，或者调整后，重新落库、打标、刷新缓存以使新的活动数据生效。

步骤S210，将所述商品数据表与预设的数据模板进行比对，得到差异数据项。

在一实施例中，在进行商品数据还原时，需要将商品数据还原成标准化的数据，标准数据中只记录商品基础信息，不包含商品活动标签等商城业务相关信息。标准化的商品数据可用于还原商城中上架过的历史商品数据，也可基于标准化的商品数据生成新的待上架商品数据，以便于进行商品上架前的测试验证。因此，可设置数据模板，在该数据模板中规定哪些数据属于商品的基础信息，以便于基于数据模板进行商品数据标准化检测和还原。数据模板可以是针对多种商品数据的通用数据模板，也可以是针对特定商品类别的数据模板。若数据模板为针对特定商品类别的数据模板，可基于商品类别进行匹配调用，将商品数据表与数据模板进行比对，确定商品数据表中的差异数据项。

在一实施例中，将所述商品数据表与预设的数据模板进行比对，得到差异数据项，包括以下步骤：

步骤S211，根据所述商品数据表中的实体以及实体之间的关系，构建商品图谱。

在一实施例中，可通过预设的实体识别模型提取商品数据表中各实体信息，根据各实体信息在商品数据表中的对应商品数据项之间的预设层级关系，确定实体时间的连接关系。示例性地，商品名称可设置为第一层级，商品活动标签可设置为第二层级，活动价格可设置为第三层级，具体层级设置可根据实际应用需求进行调整，这里不做限制。根据实体以及实体之间的连接关系构建商品图谱，以商品对应的实体作为商品图谱中的节点。

步骤S212，将所述商品图谱中的节点与所述数据模板中的数据进行相似度比对，标记存在匹配数据的节点即为标记节点，将与所述标记节点连接的未标记节点作为差异数据项。

在一实施例中，可基于商品图谱中的各节点从数据模板中检索匹配的数据，具体地，可分别计算各节点中实体与数据模板中数据的相似度，若存在相似度达到设定阈值的数据，则标记该节点，完成所有节点检索后，统计被标记的节点，将未被标记的节点作为与数据模板存在差异的差异数据项。

步骤S220，对所述差异数据项进行特征提取，得到差异特征，将所述差异特征与预设的处理节点的节点特征进行相似度比对，得到匹配的处理节点用于对所述差异数据项进行处理以生成标准商品数据，并根据所述标准商品数据构建对应商品数据的标准数据表。

在一实施例中，为了将商品数据还原成标准化数据，需要对差异数据项进行修正，通过标准数据替换差异数据项。因此，需要一套标准化的差异项检测处理流程，以便还原商品数据，得到可重用的标准化商品数据。

在一实施例中，将所述差异特征与预设的处理节点的节点特征进行相似度比对，得到匹配的处理节点用于对所述差异数据项进行处理以生成标准商品数据，并根据所述标准商品数据构建对应商品数据的标准数据表，包括以下步骤：

步骤S221，根据所述差异特征从预设处理节点库中检索匹配的处理节点，所述处理节点包括：去除活动标签、去除活动价、恢复库存、恢复售卖区域、检查门店和商家上架状态。

在一实施例中，由于需要得到标准化的商品数据，因此通过前述步骤得到的差异数据项可包括活动标签、活动价格、历史库存、历史售卖区域以及历史门店或商家商家状态记录等。可通过神经网络对差异数据项进行特征提取，得到每个差异数据项的差异特征。通过差异特征检索匹配对应的差异数据项标准化处理节点。具体地，可预先构建各类差异数据的处理节点，将处理节点与差异数据的关键词或关键短语的特征进行关联后，存储在数据库中，形成处理节点库。在通过前述步骤得到差异数据项后，可基于差异数据项的差异特征从处理节点库中获取匹配的处理节点。

步骤S222，将所有匹配的处理节点根据预设节点接口串接成处理链，将所述差异数据项输入所述处理链，得到标准商品数据。

在一实施例中，获取差异数据项的匹配处理节点后，可将不同差异数据项的处理节点串接形成处理链。各处理节点之间的节点接口可设置为通用接口，以便于处理节点之间可任意组合对接。示例性地，得到的处理节点可包括：去除活动标签节点、去除活动价节点、恢复库存节点、恢复售卖区域节点、检查门店和商家状态节点等，将各处理节点串接形成一条处理链。将各差异数据项输入该处理链中，通过处理链中不同处理节点完成对应的标准化处理，如去除活动标签、去除活动价、库存清零、售卖区域置空、门店和商家状态清零等。完成这一系列标准化处理后可得到差异数据项的标准数据。

步骤S223，将所述标准商品数据用于替换所述商品数据表中的差异数据项，得到标准数据表。

在一实施例中，将该标准数据与商品图谱中被标记节点对应的数据项组合，便可得到对应商品的标准商品数据。将标准商品数据记录在对应商品的预设标准表中，便可得到商品的标准数据表。

步骤S230，响应于商品业务请求，调用所述标准数据表生成当前商品数据。

在一实施例中，在需要上架新商品时，为了进行有效的上架前测试，可通过调用商品的标准数据表快速得到测试用的数据。具体地，相关测试人员可基于待测试商品生成商品业务请求发送至服务器端。服务器端接收到对应的商品业务请求后，对该商品业务请求进行解析，进而针对性地输出业务响应数据。

在一实施例中，调用所述标准数据表生成当前商品数据，包括以下步骤：

步骤236，根据所述商品业务请求确定当前商品的第二关键特征。

在一实施例中，若业务请求为商品业务请求，则获取业务请求中当前商品的描述文本，提取描述文本中的关键特征作为当前商品的第二关键特征。第二关键特征可包括商品类别、商品名称等。业务请求中的描述文本可根据管理人员或测试人员的需求进行设置，这里不作限制。

步骤237，将所述第二关键特征与各商品的标准数据表进行比对，获取匹配的标准数据表；

在一实施例中，通过前述步骤中标准化的检测处理流程得到了商城中各商品的标准数据表。在获取业务请求后，需要判断商城中是否存在与业务请求测试的商品相近的商品，如果存在，则调用对应的近似商品数据进行当前商品的上架前验证。具体地，可通过第二关键特征从商城的所有商品对应的标准数据表中获取匹配的标准数据表。

步骤238，将所述商品业务请求中当前商品参数与所述标准数据表中对应数据项进行关联，生成当前商品数据，其中所述当前商品参数包括：商户类型、渠道价、商品图文、售卖渠道。

在一实施例中，商品业务请求中还可包含请求商品特定的参数，如活动标签、拟上架时间、库存等。可基于业务请求执行两种方式的商品数据调用。第一种为指定商品还原，通过业务请求调用特定商品的标准数据表，还原已过期的对应商品数据，使得该商品数据重新生效。另一种为定制化商品数据还原，即通过调用商品的标准数据表，并录入当前请求商品的特定参数，与标准化数据表中的商品数据进行重新组合得到需求商品的商品数据。具体地，可以根据当前业务最新的诉求，在输入框中填入商户类型、渠道价、商品图文和售卖渠道等来自动生成对应数据。

基于以上技术方案，本申请的业务数据还原方法可快速恢复商品数据和活动数据，通过标准化的商品数据匹配商品原有的目标数据如商品标签、活动价等，得到与过期商品配置一致的还原数据；也可通过录入需求数据与标准化的商品数据进行组合，数据还原的同时，将原商品标签、库存等替换成需求数据，快速生成需求的商品数据，以完成测试数据构建，极大地增加测试数据的可重用性和可维护性。通过生成标准化数据，大幅降低脏数据对测试验证的影响；直接通过活动数据的待恢复数据表进行活动数据的延展和重用，降低系统之间沟通成本，提高测试数据构建的效率。

在一实施例中，如图4所示，提供一种业务数据还原装置，该装置包括：业务数据处理模块10，用于获取商城业务数据，根据所述商城业务数据生成单个商品的商品数据表；差异获取模块11，用于将所述商品数据表与预设的数据模板进行比对，得到差异数据项；标准数据获取模块12，用于对所述差异数据项进行特征提取，得到差异特征，将所述差异特征与预设的处理节点的节点特征进行相似度比对，得到匹配的处理节点用于对所述差异数据项进行处理以生成标准商品数据，并根据所述标准商品数据构建对应商品数据的标准数据表；业务响应模块13，用于响应于商品业务请求，调用所述标准数据表生成当前商品数据。

在一实施例中，业务数据处理模块10包括：商品活动数据处理单元，用于获取商城业务数据之后，还包括：根据所述商城业务数据生成单个商品活动的待恢复数据表；响应于商品活动业务请求，调用所述待恢复数据表生成当前商品活动数据。

在一实施例中，业务数据处理模块10还包括：商品数据表获取单元，用于遍历商城中所有商品，根据各商品的第一标识调用对应商品数据；对所述商品数据进行分类，并根据分类结果生成商品数据项；将所述商品数据项存入预设备用表中，得到对应商品的商品数据表。

在一实施例中，业务数据处理模块10还用于根据所述商城业务数据生成单个商品活动的待恢复数据表，包括：获取商城中各商品活动的第二标识，根据所述第二标识调用关联的商品活动数据；将所述商品活动数据输入预设的特征提取模型，得到商品活动特征；根据所述商品活动特征生成商品活动数据项以构建对应商品活动的待恢复数据表。

在一实施例中，差异获取模块11还用于将所述商品数据表与预设的数据模板进行比对，得到差异数据项，包括：根据所述商品数据表中的实体以及实体之间的关系，构建商品图谱；将所述商品图谱中的节点与所述数据模板中的数据进行相似度比对，标记存在匹配数据的节点即为标记节点，将与所述标记节点连接的未标记节点作为差异数据项。

在一实施例中，标准数据获取模块12还用于根据所述差异特征匹配预设的处理节点以生成标准商品数据，得到对应商品数据的标准数据表包括：根据所述差异特征从预设处理节点库中检索匹配的处理节点，所述处理节点包括：去除活动标签、去除活动价、恢复库存、恢复售卖区域、检查门店和商家上架状态；将所有匹配的处理节点根据预设节点接口串接成处理链，将所述差异数据项输入所述处理链，得到标准商品数据；将所述标准商品数据用于替换所述商品数据表中的差异数据项，得到标准数据表。

在一实施例中，业务响应模块13还用于调用所述待恢复数据表生成当前商品活动数据，包括：根据所述商品活动业务请求确定当前商品活动的第一关键特征；根据所述第一关键特征检索所有历史商品活动，得到匹配的商品活动；调用所述匹配的商品活动对应的待恢复数据表；根据所述商品活动业务请求确定当前商品活动时间；根据所述当前商品活动时间对所述待恢复数据表中的时间进行调整，以使对应待恢复数据表中的数据重新生效。

在一实施例中，业务响应模块13还用于调用所述标准数据表生成当前商品数据，包括：根据所述商品业务请求确定当前商品的第二关键特征；将所述第二关键特征与各商品的标准数据表进行比对，获取匹配的标准数据表；将所述商品业务请求中当前商品参数与所述标准数据表中对应数据项进行关联，生成当前商品数据，其中所述当前商品参数包括：商户类型、渠道价、商品图文、售卖渠道。

上述业务数据还原方法可以以一种计算机程序的形式实现，计算机程序可以在如图5所示的计算机设备上运行。计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序。

上述业务数据还原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终端的存储器中，也可以以软件形式存储于终端的存储器中，以便于处理器调用执行以上各个模块对应的操作。该处理器可以为中央处理单元(CPU)、微处理器、单片机等。

如图5所示，为一个实施例中计算机设备的内部结构示意图。提供了一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取商城业务数据，根据所述商城业务数据生成单个商品的商品数据表；将所述商品数据表与预设的数据模板进行比对，得到差异数据项；对所述差异数据项进行特征提取，得到差异特征，将所述差异特征与预设的处理节点的节点特征进行相似度比对，得到匹配的处理节点用于对所述差异数据项进行处理以生成标准商品数据，并根据所述标准商品数据构建对应商品数据的标准数据表；响应于商品业务请求，或者调用所述标准数据表生成当前商品数据。

在一实施例中，上述处理器执行时，所实现的获取商城业务数据之后，还包括：根据所述商城业务数据生成单个商品活动的待恢复数据表；响应于商品活动业务请求，调用所述待恢复数据表生成当前商品活动数据。

在一实施例中，上述处理器执行时，所实现的根据所述商城业务数据生成单个商品的商品数据表，包括：遍历商城中所有商品，根据各商品的第一标识调用对应商品数据；对所述商品数据进行分类，并根据分类结果生成商品数据项；将所述商品数据项存入预设备用表中，得到对应商品的商品数据表。

在一实施例中，上述处理器执行时，所实现的根据所述商城业务数据生成单个商品活动的待恢复数据表，包括：获取商城中各商品活动的第二标识，根据所述第二标识调用关联的商品活动数据；将所述商品活动数据输入预设的特征提取模型，得到商品活动特征；根据所述商品活动特征生成商品活动数据项以构建对应商品活动的待恢复数据表。

在一实施例中，上述处理器执行时，所实现的将所述商品数据表与预设的数据模板进行比对，得到差异数据项，包括：根据所述商品数据表中的实体以及实体之间的关系，构建商品图谱；将所述商品图谱中的节点与所述数据模板中的数据进行相似度比对，标记存在匹配数据的节点即为标记节点，将与所述标记节点连接的未标记节点作为差异数据项。

在一实施例中，上述处理器执行时，所实现的对所述差异数据项进行特征提取，得到差异特征，将所述差异特征与预设的处理节点的节点特征进行相似度比对，得到匹配的处理节点用于对所述差异数据项进行处理以生成标准商品数据，并根据所述标准商品数据构建对应商品数据的标准数据表包括：根据所述差异特征从预设处理节点库中检索匹配的处理节点，所述处理节点包括：去除活动标签、去除活动价、恢复库存、恢复售卖区域、检查门店和商家上架状态；将所有匹配的处理节点根据预设节点接口串接成处理链，将所述差异数据项输入所述处理链，得到标准商品数据；将所述标准商品数据用于替换所述商品数据表中的差异数据项，得到标准数据表。

在一实施例中，上述处理器执行时，所实现的调用所述待恢复数据表生成当前商品活动数据，包括：根据所述商品活动业务请求确定当前商品活动的第一关键特征；根据所述第一关键特征检索所有历史商品活动，得到匹配的商品活动；调用所述匹配的商品活动对应的待恢复数据表；根据所述商品活动业务请求确定当前商品活动时间；根据所述当前商品活动时间对所述待恢复数据表中的时间进行调整，以使对应待恢复数据表中的数据重新生效。

在一实施例中，上述处理器执行时，所实现的调用所述标准数据表生成当前商品数据，包括：根据所述商品业务请求确定当前商品的第二关键特征；将所述第二关键特征与各商品的标准数据表进行比对，获取匹配的标准数据表；将所述商品业务请求中当前商品参数与所述标准数据表中对应数据项进行关联，生成当前商品数据，其中所述当前商品参数包括：商户类型、渠道价、商品图文、售卖渠道。

在一个实施例中，上述的计算机设备可用作服务器，包括但不限于独立的物理服务器，或者是多个物理服务器构成的服务器集群，该计算机设备还可用作终端，包括但不限手机、平板电脑、个人数字助理或者智能设备等。如图5所示，该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、内存储器、显示屏和网络接口。

其中，该计算机设备的处理器用于提供计算和控制能力，支撑整个计算机设备的运行。计算机设备的非易失性存储介质存储有操作系统和计算机程序。该计算机程序可被处理器所执行，以用于实现以上各个实施例所提供的一种业务数据还原方法。计算机设备中的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提供高速缓存的运行环境。显示界面可通过显示屏进行数据展示。显示屏可以是触摸屏，比如为电容屏或电子屏，可通过接收作用于该触摸屏上显示的控件的点击操作，生成相应的指令。

本领域技术人员可以理解，图5中示出的计算机设备的结构，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，提供了一种计算机可读存储介质，其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以下步骤：获取商城业务数据，根据所述商城业务数据生成单个商品的商品数据表；将所述商品数据表与预设的数据模板进行比对，得到差异数据项；对所述差异数据项进行特征提取，得到差异特征，将所述差异特征与预设的处理节点的节点特征进行相似度比对，得到匹配的处理节点用于对所述差异数据项进行处理以生成标准商品数据，并根据所述标准商品数据构建对应商品数据的标准数据表；响应于商品业务请求，调用所述标准数据表生成当前商品数据。

在一实施例中，该计算机程序被处理器执行时，所实现的获取商城业务数据之后，还包括：根据所述商城业务数据生成单个商品活动的待恢复数据表；响应于商品活动业务请求，调用所述待恢复数据表生成当前商品活动数据。

在一实施例中，该计算机程序被处理器执行时，所实现的根据所述商城业务数据生成单个商品的商品数据表，包括：遍历商城中所有商品，根据各商品的第一标识调用对应商品数据；对所述商品数据进行分类，并根据分类结果生成商品数据项；将所述商品数据项存入预设备用表中，得到对应商品的商品数据表。

在一实施例中，该计算机程序被处理器执行时，所实现的根据所述商城业务数据生成单个商品活动的待恢复数据表，包括：获取商城中各商品活动的第二标识，根据所述第二标识调用关联的商品活动数据；将所述商品活动数据输入预设的特征提取模型，得到商品活动特征；根据所述商品活动特征生成商品活动数据项以构建对应商品活动的待恢复数据表。

在一实施例中，该计算机程序被处理器执行时，所实现的将所述商品数据表与预设的数据模板进行比对，得到差异数据项，包括：根据所述商品数据表中的实体以及实体之间的关系，构建商品图谱；将所述商品图谱中的节点与所述数据模板中的数据进行相似度比对，标记存在匹配数据的节点即为标记节点，将与所述标记节点连接的未标记节点作为差异数据项。

在一实施例中，该计算机程序被处理器执行时，所实现的对所述差异数据项进行特征提取，得到差异特征，将所述差异特征与预设的处理节点的节点特征进行相似度比对，得到匹配的处理节点用于对所述差异数据项进行处理以生成标准商品数据，并根据所述标准商品数据构建对应商品数据的标准数据表包括：根据所述差异特征从预设处理节点库中检索匹配的处理节点，所述处理节点包括：去除活动标签、去除活动价、恢复库存、恢复售卖区域、检查门店和商家上架状态；将所有匹配的处理节点根据预设节点接口串接成处理链，将所述差异数据项输入所述处理链，得到标准商品数据；将所述标准商品数据用于替换所述商品数据表中的差异数据项，得到标准数据表。

在一实施例中，该计算机程序被处理器执行时，所实现的调用所述待恢复数据表生成当前商品活动数据，包括：根据所述商品活动业务请求确定当前商品活动的第一关键特征；根据所述第一关键特征检索所有历史商品活动，得到匹配的商品活动；调用所述匹配的商品活动对应的待恢复数据表；根据所述商品活动业务请求确定当前商品活动时间；根据所述当前商品活动时间对所述待恢复数据表中的时间进行调整，以使对应待恢复数据表中的数据重新生效。

在一实施例中，该指令被处理器执行时，所实现的调用所述标准数据表生成当前商品数据，包括：根据所述商品业务请求确定当前商品的第二关键特征；将所述第二关键特征与各商品的标准数据表进行比对，获取匹配的标准数据表；将所述商品业务请求中当前商品参数与所述标准数据表中对应数据项进行关联，生成当前商品数据，其中所述当前商品参数包括：商户类型、渠道价、商品图文、售卖渠道。

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，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等。

上述实施例仅例示性说明本申请的原理及其功效，而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本申请的权利要求所涵盖。

Claims (11)

1.一种业务数据还原方法，其特征在于，包括：

获取商城业务数据，根据所述商城业务数据生成单个商品的商品数据表；

将所述商品数据表与预设的数据模板进行比对，得到差异数据项；

对所述差异数据项进行特征提取，得到差异特征，将所述差异特征与预设的处理节点的节点特征进行相似度比对，得到匹配的处理节点用于对所述差异数据项进行处理以生成标准商品数据，并根据所述标准商品数据构建对应商品数据的标准数据表；

响应于商品业务请求，调用所述标准数据表生成当前商品数据。

2.根据权利要求1所述的业务数据还原方法，其特征在于，获取商城业务数据之后，还包括：

根据所述商城业务数据生成单个商品活动的待恢复数据表；

响应于商品活动业务请求，调用所述待恢复数据表生成当前商品活动数据。

3.根据权利要求1所述的业务数据还原方法，其特征在于，根据所述商城业务数据生成单个商品的商品数据表，包括：

遍历商城中所有商品，根据各商品的第一标识调用对应商品数据；

对所述商品数据进行分类，并根据分类结果生成商品数据项；

将所述商品数据项存入预设备用表中，得到对应商品的商品数据表。

4.根据权利要求2所述的商城业务数据还原方法，其特征在于，根据所述商城业务数据生成单个商品活动的待恢复数据表，包括：

获取商城中各商品活动的第二标识，根据所述第二标识调用关联的商品活动数据；

将所述商品活动数据输入预设的特征提取模型，得到商品活动特征；

根据所述商品活动特征生成商品活动数据项以构建对应商品活动的待恢复数据表。

5.根据权利要求1所述的业务数据还原方法，其特征在于，将所述商品数据表与预设的数据模板进行比对，得到差异数据项，包括：

根据所述商品数据表中的实体以及实体之间的关系，构建商品图谱；

将所述商品图谱中的节点与所述数据模板中的数据进行相似度比对，标记存在匹配数据的节点即为标记节点，将与所述标记节点连接的未标记节点作为差异数据项。

6.根据权利要求1所述的业务数据还原方法，其特征在于，将所述差异特征与预设的处理节点的节点特征进行相似度比对，得到匹配的处理节点用于对所述差异数据项进行处理以生成标准商品数据，并根据所述标准商品数据构建对应商品数据的标准数据表，包括：

根据所述差异特征从预设处理节点库中检索匹配的处理节点，所述处理节点包括：去除活动标签、去除活动价、恢复库存、恢复售卖区域、检查门店和商家上架状态；

将所有匹配的处理节点根据预设节点接口串接成处理链，将所述差异数据项输入所述处理链，得到标准商品数据；

将所述标准商品数据用于替换所述商品数据表中的差异数据项，得到标准数据表。

7.根据权利要求2所述的业务数据还原方法，其特征在于，调用所述待恢复数据表生成当前商品活动数据，包括：

根据所述商品活动业务请求确定当前商品活动的第一关键特征；

根据所述第一关键特征检索所有历史商品活动，得到匹配的商品活动；

调用所述匹配的商品活动对应的待恢复数据表；

根据所述业务请求确定当前商品活动时间；

根据所述当前商品活动时间对所述待恢复数据表中的时间进行调整，以使对应待恢复数据表中的数据重新生效。

8.根据权利要求1所述的业务数据还原方法，其特征在于，调用所述标准数据表生成当前商品数据，包括：

根据所述商品业务请求确定当前商品的第二关键特征；

将所述第二关键特征与各商品的标准数据表进行比对，获取匹配的标准数据表；

将所述业务请求中当前商品参数与所述标准数据表中对应数据项进行关联，生成当前商品数据，其中所述当前商品参数包括：商户类型、渠道价、商品图文、售卖渠道。

9.一种业务数据还原装置，其特征在于，包括：

业务数据处理模块，用于获取商城业务数据，根据所述商城业务数据生成单个商品的商品数据表；

差异获取模块，用于将所述商品数据表与预设的数据模板进行比对，得到差异数据项；

标准数据获取模块，用于对所述差异数据项进行特征提取，得到差异特征，将所述差异特征与预设的处理节点的节点特征进行相似度比对，得到匹配的处理节点用于对所述差异数据项进行处理以生成标准商品数据，并根据所述标准商品数据构建对应商品数据的标准数据表；

业务响应模块，用于响应于商品业务请求，调用所述标准数据表生成当前商品数据。

10.一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，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8中任一项所述的业务数据还原方法的步骤。

11.一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8中任一项所述的业务数据还原方法的步骤。

Images