CN115619538A - 挖掘事件逻辑链路的方法、装置及计算机设备 - Google Patents
挖掘事件逻辑链路的方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN115619538A CN115619538A CN202211260590.2A CN202211260590A CN115619538A CN 115619538 A CN115619538 A CN 115619538A CN 202211260590 A CN202211260590 A CN 202211260590A CN 115619538 A CN115619538 A CN 115619538A
- Authority
- CN
- China
- Prior art keywords
- event
- service
- target
- data
- 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
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及数据处理技术领域,具体公开了一种挖掘事件逻辑链路的方法、装置及计算机设备,所述方法包括:获取业务数据,所述业务数据包括所述业务数据的来源信息;根据所述来源信息确定所述业务数据的目标业务场景;将所述业务数据与所述目标业务场景相关联的业务事件进行匹配,确定与所述业务数据相匹配的目标业务事件;获取与所述目标业务事件具有第一关联关系的链路事件,根据所述第一关联关系和时间约束确定目标事件链。本公开可以深度感知业务数据的目标业务事件发生场景以及上下文,有助于对用户进行流程情景感知分析,提高了业务系统的数字化程度,加强了业务系统的数据管理。
Description
技术领域
本公开涉及数据处理技术领域,特别是涉及一种挖掘事件逻辑链路的方法、装置及计算机设备。
背景技术
随着互联网产品和通信数据交互技术的快速发展,不断变化的应用环境和用户诉求带来了纷繁复杂的业务需求。业务系统需要支撑的业务场景越来越广、涵盖的业务逻辑越来越多,系统的复杂度也跟着快速提升。因此,可观测性作为业务系统高可用的重要保障,链式事件可视化系统已经成为系统建设中不可或缺的一环。
相关技术中,目前已有的链式事件可视化系统主要基于已有的批量规则引擎进行动态事件分析,已有的链式事件可视化模型方面主要是基于领域驱动模型,难以满足用户对业务的响应和智能决策也提出的更高要求,且海量业务数据涉及事件组合,仅用领域驱动模型不能解决实时感知到的事件缺乏特定维度信息、缺乏事件原因、缺乏因果性等问题。
发明内容
基于此,有必要针对上述技术问题,提供一种挖掘事件逻辑链路的方法、装置、计算机设备、存储介质和计算机程序产品。
第一方面,本公开提供了一种挖掘事件逻辑链路的方法。所述方法包括:
获取业务数据,所述业务数据包括所述业务数据的来源信息;
根据所述来源信息确定所述业务数据的目标业务场景;
将所述业务数据与所述目标业务场景相关联的业务事件进行匹配,确定与所述业务数据相匹配的目标业务事件;
获取与所述目标业务事件具有第一关联关系的链路事件,根据所述第一关联关系和时间约束确定目标事件链。
在其中一个实施例中,所述获取业务数据包括:
通过消息中间件接收所述业务数据,所述业务数据为标准消息体,所述标准消息体包括事件头字段和事件体字段,所述事件头字段包括所述来源信息和业务事件类型,所述事件体字段包括具体业务字段。
在其中一个实施例中,所述将所述业务数据与所述目标业务场景相关联的业务事件进行匹配,确定与所述业务数据相匹配的目标业务事件包括:
将所述业务数据与所述目标业务场景相关联的业务事件的事件数据模板进行匹配,所述事件数据模板与所述业务事件存在第二关联关系;
确定与所述业务数据存在映射关系的目标数据模板。
在其中一个实施例中,所述获取与所述目标业务事件具有第一关联关系的链路事件包括:
根据所述业务数据和所述目标业务事件确定所述业务数据的业务主体;
确定与所述业务主体具有第三关联关系的候选业务事件;
在所述候选业务事件中确定与所述目标业务事件具有第一关联关系的链路事件。
在其中一个实施例中,所述根据所述第一关联关系和时间约束确定目标事件链包括:
基于链式配置模板配置所述目标业务事件的目标事件链,所述链式配置模板用于配置所述链路事件、所述链路事件的组合。
在其中一个实施例中,所述方法还包括:
获取所述目标事件链中节点事件的时间信息和流量信息;
通过事件链展示界面展示所述目标事件链、所述目标事件链中节点事件的时间信息和流量信息。
第二方面,本公开还提供了一种挖掘事件逻辑链路的装置。所述装置包括:
数据获取模块,用于获取业务数据,所述业务数据包括所述业务数据的来源信息;
业务场景模块,用于根据所述来源信息确定所述业务数据的目标业务场景;
业务事件模块,用于将所述业务数据与所述目标业务场景相关联的业务事件进行匹配,确定与所述业务数据相匹配的目标业务事件;
事件链模块,用于获取与所述目标业务事件具有第一关联关系的链路事件,根据所述第一关联关系和时间约束确定目标事件链。
在其中一个实施例中,所述数据获取模块包括:
消息中间件单元,用于通过消息中间件接收所述业务数据,所述业务数据为标准消息体,所述标准消息体包括事件头字段和事件体字段,所述事件头字段包括所述来源信息和业务事件类型,所述事件体字段包括具体业务字段。
在其中一个实施例中,所述业务事件模块包括:
数据模板匹配单元,用于将所述业务数据与所述目标业务场景相关联的业务事件的事件数据模板进行匹配,所述事件数据模板与所述业务事件存在第二关联关系;
目标数据模板单元,用于确定与所述业务数据存在映射关系的目标数据模板。
在其中一个实施例中,所述事件链模块包括:
业务主体单元,用于根据所述业务数据和所述目标业务事件确定所述业务数据的业务主体;
候选业务事件单元,用于确定与所述业务主体具有第三关联关系的候选业务事件;
链路事件单元,用于在所述候选业务事件中确定与所述目标业务事件具有第一关联关系的链路事件。
在其中一个实施例中,所述事件链模块包括:
链式配置模块,用于基于链式配置模板配置所述目标业务事件的目标事件链,所述链式配置模板用于配置所述链路事件、所述链路事件的组合。
在其中一个实施例中,所述装置还包括:
感知模块,用于获取所述目标事件链中节点事件的时间信息和流量信息;
可视化模块,用于通过事件链展示界面展示所述目标事件链、所述目标事件链中节点事件的时间信息和流量信息。
第三方面,本公开还提供了一种计算机设备。所述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,所述处理器执行所述计算机程序时实现上述挖掘事件逻辑链路的方法的步骤。
第四方面,本公开还提供了一种计算机可读存储介质。所述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上述挖掘事件逻辑链路的方法的步骤。
第五方面,本公开还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述挖掘事件逻辑链路的方法的步骤。
上述挖掘事件逻辑链路的方法、装置、计算机设备、存储介质和计算机程序产品,至少包括以下有益效果:
本公开通过处理解析采集的业务数据,根据来源信息确定业务数据的目标业务场景,进一步将业务数据与业务场景下的业务事件进行匹配得到相匹配的目标业务事件,并基于目标业务事件挖掘业务数据潜在的目标事件链,实现通过业务数据分析得到更为复杂和完整的事件链,可以深度感知业务数据的目标业务事件发生场景以及上下文,有助于对用户进行流程情景感知分析,感知用户在连续不同场景(例如线上线下全渠道)的切换,便于为用户提供个性化服务。同时,感知事件发生的环境、场景与上下文,可以更好地支撑面向场景的风控需求,并提高了业务系统的数字化程度,加强了业务系统的数据管理。
附图说明
为了更清楚地说明本公开实施例或传统技术中的技术方案,下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为一个实施例中挖掘事件逻辑链路的方法的应用环境图;
图2为一个实施例中挖掘事件逻辑链路的方法的流程示意图;
图3为一个实施例中Flink框架的示意图;
图4为另一个实施例中挖掘事件逻辑链路的方法的流程示意图;
图5为一个实施例中业务场景与业务事件的示意图;
图6为另一个实施例中挖掘事件逻辑链路的方法的流程示意图;
图7为一个实施例中配置链式配置模板示意图;
图8为一个实施例中模式组配置界面示意图;
图9为一个实施例中运行结果示意图;
图10为另一个实施例中挖掘事件逻辑链路的方法的流程示意图;
图11为一个实施例中事件链展示界面示意图;
图12为一个实施例中挖掘事件逻辑链路的装置的结构框图;
图13为另一个实施例中挖掘事件逻辑链路的装置的结构框图;
图14为另一个实施例中挖掘事件逻辑链路的装置的结构框图;
图15为另一个实施例中挖掘事件逻辑链路的装置的结构框图;
图16为另一个实施例中挖掘事件逻辑链路的装置的结构框图;
图17为一个实施例中计算机设备的内部结构框图。
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。
除非另有定义,本文所使用的所有的技术和科学术语与属于本公开的技术领域的技术人员通常理解的含义相同。本文中在本公开的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本公开。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。例如若使用到第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
在此使用时,单数形式的“一”、“一个”和“所述/该”也可以包括复数形式,除非上下文清楚指出另外的方式。还应当理解的是,术语“包括/包含”或“具有”等指定所陈述的特征、整体、步骤、操作、组件、部分或它们的组合的存在,但是不排除存在或添加一个或更多个其他特征、整体、步骤、操作、组件、部分或它们的组合的可能性。同时,在本说明书中,术语“和/或”包括相关所列项目的任何及所有组合。
本公开实施例提供的挖掘事件逻辑链路的方法,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。服务器104可以获取业务系统的业务数据,通过处理业务数据确定业务数据对应的目标业务事件以及目标事件链,并通过终端102配备的显示装置显示该目标事件链,即服务器104可以接收终端102发送的查询请求,服务器104响应该查询请求,将目标事件链的相关信息发送至终端102进行显示。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。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。
在本公开的一些实施例中,如图2所示,提供了一种挖掘事件逻辑链路的方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤S10:获取业务数据,所述业务数据包括所述业务数据的来源信息。
具体地,服务器可以直接对接业务系统,采集业务数据。业务数据可以用于表征业务的具体的信息,同时,业务数据可以包括业务数据的来源信息,例如业务数据的来源系统。这里来源系统可以是复杂业务系统,例如银行业务系统,也可以是独立整合的子系统,例如银行系统下的信贷系统等。
步骤S20:根据所述来源信息确定所述业务数据的目标业务场景。
具体地,服务器可以解析业务数据的来源信息,获得业务数据的来源系统,进而获得业务数据的目标业务场景。来源系统可以包括一个或多个业务场景,例如,信贷系统可以包括零售信贷场景、特定信贷场景、担保信贷场景等,根据业务数据的来源信息进一步确定业务数据的目标业务场景,即确定该业务数据是由来源系统的目标业务场景所产生。
步骤S30:将所述业务数据与所述目标业务场景相关联的业务事件进行匹配,确定与所述业务数据相匹配的目标业务事件。
具体地,在实际应用中,每个业务场景下都关联有一个或多个具体的业务事件。根据业务数据,与目标业务场景下的业务事件相匹配,确定与业务数据相匹配的目标业务事件。例如,通过业务数据的来源信息确定目标业务场景为零售信贷业务场景,零售信贷业务场景包括的业务事件有:业务受理、审查审批、放款监督、放款成功等。将业务数据与目标业务场景下的业务事件进行匹配,得到目标业务事件(例如业务受理、审查审批、放款监督、放款成功中的一个)。
步骤S40:获取与所述目标业务事件具有第一关联关系的链路事件,根据所述第一关联关系和时间约束确定目标事件链。
具体地,在基于业务数据确定目标业务事件后,根据目标业务事件追溯与目标业务事件具有第一关联关系的链路事件。第一关联关系可以包括业务逻辑的顺序关系、数量关系、否定关系等。通过追溯与目标业务事件具有第一关联关系的事件可以得到一系列的链路事件。根据第一关联关系的约束,将链路事件与目标业务事件进行梳理整合,进行关系链路构建,并附加时间约束,可以得到一条或多条包括目标业务事件的目标事件链。例如,在一些实施例中,服务器根据获取的业务数据,确定目标业务事件为零售信贷业务场景中的业务受理。服务器可以基于业务受理追溯与业务受理具有第一关联关系的链路事件,即追溯与业务受理在业务上存在流程上的顺序或者业务逻辑的其他业务事件作为业务受理的链路事件,可以认为链路事件与目标业务事件存在潜在的链路关系。例如根据业务受理可以追溯得到链路事件有审查审批、放款监督、放款成功等。进而根据第一关联关系的约束,将链路事件进行梳理整合,可以构建得到具有顺序关系的目标事件链“业务受理→审查审批→放款监督→放款成功”。
上述挖掘事件逻辑链路的方法中,通过处理解析采集的业务数据,根据来源信息确定业务数据的目标业务场景,进一步将业务数据与业务场景下的业务事件进行匹配得到相匹配的目标业务事件,并基于目标业务事件挖掘业务数据潜在的目标事件链,实现通过业务数据分析得到更为复杂和完整的事件链,可以深度感知业务数据的目标业务事件发生场景以及上下文,有助于对用户进行流程情景感知分析,感知用户在连续不同场景(例如线上线下全渠道)的切换,便于为用户提供个性化服务。同时,感知事件发生的环境、场景与上下文,可以更好地支撑面向场景的风控需求,并提高了业务系统的数字化程度,加强了业务系统的数据管理。
在本公开的一些实施例中,步骤S10包括:
通过消息中间件接收所述业务数据。
具体地,通过消息中间件实现快速接收上游业务系统的业务数据。消息中间件可以采用Kafka分布式发布订阅消息系统,消息中间件接入的业务数据为符合约束的数据模板的数据,即标准消息体。标准消息体包括事件头字段和事件体字段,事件头字段包括业务数据的来源信息和业务事件类型,事件体字段包括具体业务字段。
本实施例通过标准消息体的方式获取业务数据,大大提高了数据处理效率,为后续业务数据的解析提供了便利。
在一些实施例中,如图3所示,本公开实施例提供的挖掘事件逻辑链路的方法可以基于Flink框架实现。Flink框架通常是指一种开源流处理框架,其核心是用Java语言和Scala语言编写的分布式流数据流引擎。Flink以数据并行和流水线方式执行任意流数据程序,Flink的流水线运行时系统可以执行批处理和流处理程序。Flink框架可以通过消息中间件Kafka对接上游数据,实时接收上游发过来的实时业务数据,Flink是标准的流执行模式,基于Flink集成组件进行数据流式处理。Flink集成组件可以包括Kafka采集组件、转换组件、映射组件、Flink-CEP(Complex Event Processing,复合事件处理)组件、Kafka输出组件。
其中,通过对Kafka采集组件进行配置实现获取业务数据,例如在Kafka采集组件的配置界面设置好服务名称、服务地址等配置信息后,保存组件配置信息,再执行流程保存、编译、启动。流程保存、编译后生成Flink作业文件,启动时会将Flink作业文件提交到大数据平台(图1中的服务器),由大数据平台执行作业,通过消息中间件kafka对接上游数据。转换组件可以对业务数据进行转换处理,以及映射组件可以对业务数据进行映射,筛选出目标业务事件。Flink-CEP组件可以通过分析事件间的关系,利用过滤、关联、聚合等技术,根据事件间的时序关系和聚合关系制定检测规则,持续地从事件流中查询出符合要求的事件序列,最终分析得到更复杂的复合事件,即得到事件链。Kafka输出组件可以将得到的事件链输出。
本实施例通过Flink框架和消息中间件kafka进行数据流式处理,进一步提高了业务数据的处理效率。
在本公开的一些实施例中,如图4所示,步骤S30包括:
步骤S32:将所述业务数据与所述目标业务场景相关联的业务事件的事件数据模板进行匹配,所述事件数据模板与所述业务事件存在第二关联关系。
具体地,业务事件具有存在第二关联关系的事件数据模板,第二关联关系可以是一一对应。事件数据模板可以是一种规范化的数据模板结构,业务数据在匹配时,将事件数据模板与目标业务场景相关联的业务事件的事件数据模板进行匹配。
步骤S34:确定与所述业务数据存在映射关系的目标数据模板。
具体地,通过匹配,得到与业务数据存在映射关系的目标数据模板,结合目标数据模板的第二关联关系,进而确定业务数据映射的目标业务事件。
例如,如图5所示,在零售信贷业务场景下,与业务受理、审查审批、放款监督、放款成功分别具有第二关联关系的事件数据模板为业务受理模板、审查审批模板、放款监督模板、放款成功模板。在一些实施例中,对于单个系统或系统间的事件链建链,可通过梳理不同场景下的业务流程和事件类型,挖掘可能存在的事件链路。可以在步骤S32之前,对业务系统、业务场景、业务事件进行梳理,建立业务系统模型,业务系统模型包括业务系统、业务场景、业务事件,以及业务系统与业务场景的映射关系、业务场景与业务事件的映射关系。构建业务系统模型的步骤,具体可以秉承以先自上而下、由大及小的原则进行业务系统、业务场景和业务事件梳理,从业务系统下的业务场景出发,确定该业务场景下的各类业务流程,再细化到各类业务流程所发生的业务事件,以获取业务场景相关联的业务事件。
本实施例通过将业务数据与业务事件的事件数据模板进行匹配,得到与业务数据存在映射关系的目标数据模板,进而得到业务数据的目标业务事件,通过事件数据模板的介入,提高了匹配的规范程度和效率,可以快速根据事件数据模板确定业务数据与目标业务事件的映射关系。
在本公开的一些实施例中,如图6所示,步骤S40包括:
步骤S42:根据所述业务数据和所述目标业务事件确定所述业务数据的业务主体。
具体地,在确定业务数据的目标业务事件后,可以通过解析目标业务事件的目标数据模板确定目标业务事件的业务主体。例如,零售信贷业务场景下,业务受理、审查审批、放款监督、放款成功四个事件分别对应的业务主体为业务受理(行员、客户)、审查审批(客户、产品)、放款监督(客户、产品)、放款成功(客户、产品)。
步骤S44:确定与所述业务主体具有第三关联关系的候选业务事件。
具体地,从主体维度出发,确定与业务主体具有第三关联关系的候选业务事件,例如,可以枚举所有涉及该业务主体的候选业务事件。
步骤S46:在所述候选业务事件中确定与所述目标业务事件具有第一关联关系的链路事件。
具体地,基于筛选出的候选业务事件,确定与目标业务事件具有第一关联关系的链路事件。例如,在零售信贷业务场景下,业务受理、审查审批、放款监督、放款成功四个事件之间彼此存在顺序关系。
本实施例基于业务数据的主体维度挖掘潜在的链路事件,提高了对目标业务事件的规范梳理,可以快速准确的追溯到涉及目标业务事件的业务主体的候选业务事件,提高了业务数据的事件链挖掘的效率。
在一些实施例中,业务数据来源于零售信贷系统,业务数据的目标业务场景为零售信贷场景。零售信贷系统是以客户为中心的开放式零售信贷服务系统,其主要应用场景为提供信贷服务,该场景下的事件包括:业务受理、审查审批、放款监督、放款成功四个事件,业务数据与业务事件之间存在映射关系,该场景下其可能的业务周期为1个月。
通过解析目标业务事件的目标数据模板确定目标业务事件的业务主体。业务受理、审查审批、放款监督、放款成功四个事件分别对应的业务主体为业务受理(行员、客户)、审查审批(客户、产品)、放款监督(客户、产品)、放款成功(客户、产品)。
在确定目标业务事件后,解析其业务主体。例如,以客户为业务主体,结合业务流程可以确定客户维度下的业务事件包含顺序关系,可以得到一系列链路事件,即客户申请信贷产品,通过审批,并收到放款,客户维度下的事件不包含数量关系和否定关系。
例如,以业务工作人员(如行员)为业务主体,结合业务流程可以确定行员只发生业务受理事件,因此不存在顺序关系、数量关系和否定关系。
例如,以产品为业务主体,结合业务流程可以确定其与客户维度的轨迹相似,也存在顺序关系,可以得到一系列链路事件,即产品被申请,通过审批,最后被执行放款,由于该链路与客户维度的链路在数据层面是重叠的,因此可以忽略。
通过基于多个主体维度追溯链路事件,在结合时间约束,可以得到完整的目标事件链,即客户申请信贷产品,在一个月内通过审批,并收到放款。
在本公开的一些实施例中,步骤S40还包括:
步骤S48:基于链式配置模板配置所述目标业务事件的目标事件链,所述链式配置模板用于配置所述链路事件、所述链路事件的组合。
具体地,链式配置模板可以包括链式处理组件模式、模式组和模式序列,这里模式可以用于描述某一类事件,可以针对字段进行条件筛选,模式组可以包括若干个模式和规则连接,模式序列可以包括若干个模式、模式组连接。通过配置链式配置模板的模式、模式组、模式序列,可以实现对链路事件和链路事件组合的配置。
本实施例通过对实时感知的业务数据进行事件形式化,通过链式配置模板添加模式,添加顺序关系,从海量的业务数据中挖掘出了需要的事件链,解决了领域驱动模型的事件形式化中不能准确描述业务场景事件的问题,更好的支撑场景需求。
例如,如图7所示,在一些实施例中,基于Flink-CEP组件在配置链式配置模板时,可以在配置界面设置模式的名称,在数据定义中添加类,类的字段用于模式的条件筛选。基本信息用于填写模板名称和备注,模式用于定义个体事件、模式组用于组合模式、模式序列用于拼接模式组和模式。
在模式中通过构建的数据定义,添加模式,配置第一个模式A-fisrt,通过添加条件可以对模式A-first进行规则约束,这里约束了约束字段类型为A;通过点击添加模式,可以将模式B-first、模式C-first、模式A、模式B、模式C完成规则配置。
如图8所示,模式组配置界面,按顺序配置ABC即可,这里采用了times(1,1)表示,重复发生1到1次,也就是1次,连接方式采用next,表示和下一个模式之间为严格相邻。
配置模式序列时,可以将时间间隔设置为1分钟,跳过策略配置为NO_SKIP(FlinkCEP提供的选项),和模式组配置类似,这里依次配置A-fist、B-first、C-first、ABC,其中ABC模式组的times设置为(2,2)表示重复2次。1分钟内发生ABCABCABC的模式就配置完成。配置完成后,Flink-CEP组件运行后可以得到如图9所示的结果。
在本公开的一些实施例中,如图10所示,所述方法还包括:
步骤S50:获取所述目标事件链中节点事件的时间信息和流量信息。
具体地,通过感知实时业务数据,以及感知得到的目标事件链,可以实时获取目标事件链中节点事件的时间信息和流量信息,例如获取每个节点事件的时间信息,以及节点事件所在环节的请求人数、完成人数和剩余人数。在一些实施例中,还可以进一步获取业务流程的整体转化率和所需时间,以及目标事件链中节点事件所在环节的节点转换率和所需时间。
步骤S60:通过事件链展示界面展示所述目标事件链、所述目标事件链中节点事件的时间信息和流量信息。
具体地,通过显示装置显示事件链展示界面,用户可以通过查询请求访问事件链展示界面。如图11所示,通过事件链展示界面可以展示目标事件链,以及步骤S50中获得的时间信息和流量信息,以及转换率、流失率等信息。
本实施例可以深度感知业务数据的目标事件链,以及感知目标时间链整体和事件节点的流量信息和时间信息,得到转换率、流失率等,便于及时获取业务过程中的异常数据,有助于提高业务数据的管理和预警。
应该理解的是,虽然如上所述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,如上所述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,本公开实施例还提供了一种用于实现上述所涉及的挖掘事件逻辑链路的方法的挖掘事件逻辑链路的装置。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挖掘事件逻辑链路的装置实施例中的具体限定可以参见上文中对于挖掘事件逻辑链路的方法的限定,在此不再赘述。
所述装置可以包括使用了本说明书实施例所述方法的系统(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思,本公开实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似,因此本说明书实施例具体的装置的实施可以参见前述方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
在本公开的一些实施例中,如图12所示,提供了一种挖掘事件逻辑链路的装置,所述装置可以为前述所述为服务器,或者集成于所述服务器的模块、组件、器件、单元等。该装置Z00可以包括:
数据获取模块Z10,用于获取业务数据,所述业务数据包括所述业务数据的来源信息;
业务场景模块Z20,用于根据所述来源信息确定所述业务数据的目标业务场景;
业务事件模块Z30,用于将所述业务数据与所述目标业务场景相关联的业务事件进行匹配,确定与所述业务数据相匹配的目标业务事件;
事件链模块Z40,用于获取与所述目标业务事件具有第一关联关系的链路事件,根据所述第一关联关系和时间约束确定目标事件链。
在本公开的一些实施例中,所述数据获取模块包括:
消息中间件单元,用于通过消息中间件接收所述业务数据,所述业务数据为标准消息体,所述标准消息体包括事件头字段和事件体字段,所述事件头字段包括所述来源信息和业务事件类型,所述事件体字段包括具体业务字段。
在本公开的一些实施例中,如图13所示,所述业务事件模块Z30包括:
数据模板匹配单元Z32,用于将所述业务数据与所述目标业务场景相关联的业务事件的事件数据模板进行匹配,所述事件数据模板与所述业务事件存在第二关联关系;
目标数据模板单元Z34,用于确定与所述业务数据存在映射关系的目标数据模板。
在本公开的一些实施例中,如图14所示,所述事件链模块Z40包括:
业务主体单元Z42,用于根据所述业务数据和所述目标业务事件确定所述业务数据的业务主体;
候选业务事件单元Z44,用于确定与所述业务主体具有第三关联关系的候选业务事件;
链路事件单元Z46,用于在所述候选业务事件中确定与所述目标业务事件具有第一关联关系的链路事件。
在本公开的一些实施例中,如图15所示,所述事件链模块Z40包括:
链式配置模块Z48,用于基于链式配置模板配置所述目标业务事件的目标事件链,所述链式配置模板用于配置所述链路事件、所述链路事件的组合。
在本公开的一些实施例中,如图16所示,所述装置Z00还包括:
感知模块Z50,用于获取所述目标事件链中节点事件的时间信息和流量信息;
可视化模块Z60,用于通过事件链展示界面展示所述目标事件链、所述目标事件链中节点事件的时间信息和流量信息。
上述挖掘事件逻辑链路的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。需要说明的是,本公开实施例中对模块的划分是示意性的,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。
基于前述挖掘事件逻辑链路的方法的实施例描述,在本公开提供的另一个实施例中,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17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挖掘事件逻辑链路的方法。
本领域技术人员可以理解,图中示出的结构,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。
基于前述挖掘事件逻辑链路的方法的实施例描述,在本公开提供的另一个实施例中,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上述各方法实施例中的步骤。
基于前述挖掘事件逻辑链路的方法的实施例描述,在本公开提供的另一个实施例中,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上述各方法实施例中的步骤。
需要说明的是,本公开所涉及的用户信息(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,所述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。
在本说明书的描述中,参考术语“有些实施例”、“其他实施例”、“理想实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特征包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性描述不一定指的是相同的实施例或示例。
可以理解的是,本说明书中上述方法的各个实施例均采用递进的方式描述,各个实施例之间相同/相似的部分互相参见即可,每个实施例重点说明的都是与其它实施例的不同之处。相关之处参见其他方法实施例的描述说明即可。
上所述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。
以上所述实施例仅表达了本公开的几种实施方式,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,在不脱离本公开构思的前提下,还可以做出若干变形和改进,这些都属于本公开的保护范围。因此,本公开专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种挖掘事件逻辑链路的方法,其特征在于,所述方法包括:
获取业务数据,所述业务数据包括所述业务数据的来源信息;
根据所述来源信息确定所述业务数据的目标业务场景;
将所述业务数据与所述目标业务场景相关联的业务事件进行匹配,确定与所述业务数据相匹配的目标业务事件;
获取与所述目标业务事件具有第一关联关系的链路事件,根据所述第一关联关系和时间约束确定目标事件链。
2.根据权利要求1所述的方法,其特征在于,所述获取业务数据包括:
通过消息中间件接收所述业务数据,所述业务数据为标准消息体,所述标准消息体包括事件头字段和事件体字段,所述事件头字段包括所述来源信息和业务事件类型,所述事件体字段包括具体业务字段。
3.根据权利要求1所述的方法,其特征在于,所述将所述业务数据与所述目标业务场景相关联的业务事件进行匹配,确定与所述业务数据相匹配的目标业务事件包括:
将所述业务数据与所述目标业务场景相关联的业务事件的事件数据模板进行匹配,所述事件数据模板与所述业务事件存在第二关联关系;
确定与所述业务数据存在映射关系目标数据模板。
4.根据权利要求1所述的方法,其特征在于,所述获取与所述目标业务事件具有第一关联关系的链路事件包括:
根据所述业务数据和所述目标业务事件确定所述业务数据的业务主体;
确定与所述业务主体具有第三关联关系的候选业务事件;
在所述候选业务事件中确定与所述目标业务事件具有第一关联关系的链路事件。
5.根据权利要求4所述的方法,其特征在于,所述根据所述第一关联关系和时间约束确定目标事件链包括:
基于链式配置模板配置所述目标业务事件的目标事件链,所述链式配置模板用于配置所述链路事件、所述链路事件的组合。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述目标事件链中节点事件的时间信息和流量信息;
通过事件链展示界面展示所述目标事件链、所述目标事件链中节点事件的时间信息和流量信息。
7.一种挖掘事件逻辑链路的装置,其特征在于,所述装置包括:
数据获取模块,用于获取业务数据,所述业务数据包括所述业务数据的来源信息;
业务场景模块,用于根据所述来源信息确定所述业务数据的目标业务场景;
业务事件模块,用于将所述业务数据与所述目标业务场景相关联的业务事件进行匹配,确定与所述业务数据相匹配的目标业务事件;
事件链模块,用于获取与所述目标业务事件具有第一关联关系的链路事件,根据所述第一关联关系和时间约束确定目标事件链。
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 |
---|---|---|---|
CN202211260590.2A CN115619538A (zh) | 2022-10-14 | 2022-10-14 | 挖掘事件逻辑链路的方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211260590.2A CN115619538A (zh) | 2022-10-14 | 2022-10-14 | 挖掘事件逻辑链路的方法、装置及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115619538A true CN115619538A (zh) | 2023-01-17 |
Family
ID=84862486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211260590.2A Pending CN115619538A (zh) | 2022-10-14 | 2022-10-14 | 挖掘事件逻辑链路的方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115619538A (zh) |
-
2022
- 2022-10-14 CN CN202211260590.2A patent/CN115619538A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106067080B (zh) | 提供可配置工作流能力 | |
CN102682059B (zh) | 用于将用户分配到集群的方法和系统 | |
CN109716320A (zh) | 用于分布式事件处理系统的图生成 | |
US8108193B2 (en) | Collaboration framework for modeling | |
CN105917315A (zh) | 数据生成 | |
CN116882520A (zh) | 针对预定预测问题的预测方法及系统 | |
CN111340240A (zh) | 实现自动机器学习的方法及装置 | |
CN113420009A (zh) | 一种基于大数据的电磁数据分析装置、系统及方法 | |
CN110135815A (zh) | 差旅订单监控方法、装置、计算机设备和存储介质 | |
Subramanian et al. | Systems dynamics-based modeling of data warehouse quality | |
CN115525724A (zh) | 应用于数据仓库的建模方法、系统以及电子设备 | |
CN114791915B (zh) | 数据归集方法、装置、计算机设备和存储介质 | |
Alhaj Ali et al. | Distributed data mining systems: techniques, approaches and algorithms | |
Dibouliya et al. | Review on: Modern Data Warehouse & how is it accelerating digital transformation | |
CN115619538A (zh) | 挖掘事件逻辑链路的方法、装置及计算机设备 | |
CN116302867A (zh) | 行为数据分析方法、装置、计算机设备、介质和程序产品 | |
CN114722789A (zh) | 数据报表集成方法、装置、电子设备及存储介质 | |
CN110262973B (zh) | 数据养成维护方法、装置、设备及计算机存储介质 | |
US20140149186A1 (en) | Method and system of using artifacts to identify elements of a component business model | |
CN114547157A (zh) | 一种知识图谱分析系统及方法 | |
CN111143328A (zh) | 一种敏捷商业智能数据构建方法、系统、设备、存储介质 | |
Pratama et al. | Data processing architecture using opensource bigdata technology to increase transaction speed | |
Mansion et al. | DebiAI: Open-Source Toolkit for Data Analysis, Visualisation and Evaluation in Machine Learning | |
CN114185536A (zh) | 征信数据处理方法、装置、计算机设备及存储介质 | |
CN115456583A (zh) | 问卷调查数据处理方法、设备、计算机设备和存储介质 |
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 |