CN115866024B - 一种基于混合云智能部署的数据处理方法及系统 - Google Patents
一种基于混合云智能部署的数据处理方法及系统 Download PDFInfo
- Publication number
- CN115866024B CN115866024B CN202310028411.0A CN202310028411A CN115866024B CN 115866024 B CN115866024 B CN 115866024B CN 202310028411 A CN202310028411 A CN 202310028411A CN 115866024 B CN115866024 B CN 115866024B
- Authority
- CN
- China
- Prior art keywords
- privacy
- cloud service
- vocabulary
- information
- cloud
- 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.)
- Active
Links
Abstract
本发明提供了一种基于混合云智能部署的数据处理方法及系统,涉及数据智能处理技术领域,获取混合云服务类型与第一企业用户基本信息,包括业务类型信息,进行隐私敏感性分析获取业务隐私性评分,进行云服务归类获取云服务归类判定结果,根据所述业务类型信息进行业务量预测,获取第一企业用户业务量信息,联合云服务归类判定结果,判断是否满足设处理时限,若不满足构建临时云服务器进行业务辅助处理,解决了现有技术中当前业务部署方式主要为自定义部署,使得云服务类型与业务的部署刚需契合度不足,造成处理效率低下,影响最终处理效果的技术问题,针对业务进行隐私敏感性分析以匹配适配性云服务类型,实现智能化部署方式推荐,提高处理效率。
Description
技术领域
本发明涉及数据智能处理技术领域,具体涉及一种基于混合云智能部署的数据处理方法及系统。
背景技术
云服务部署基于其固有的灵活性、易用性等优势,成为当前企业的主流部署管理方法。同时由于云服务类型的多样性,需保障业务与服务类型的适配性,以保障合理的业务供需。当前适用的多种云部署方式并非与所有业务相适配,为保障业务部署处理的用户满意度,保障与用户需求相一致,需匹配适用性云服务类型,现如今,进行业务部署时主要通过自定义完成,无法保障部署结果符合用户期望状态,对此需进一步进行优化调整。
现有技术中,当前的业务部署方式主要为自定义部署,使得云服务类型与业务的部署刚需契合度不足,造成处理效率低下,影响最终处理效果。
发明内容
本申请提供了一种基于混合云智能部署的数据处理方法及系统,用于针对解决现有技术中存在的当前的业务部署方式主要为自定义部署,使得云服务类型与业务的部署刚需契合度不足,造成处理效率低下,影响最终处理效果的技术问题。
鉴于上述问题,本申请提供了一种基于混合云智能部署的数据处理方法及系统。
第一方面,本申请提供了一种基于混合云智能部署的数据处理方法,所述方法包括:
获取混合云服务类型,其中,所述混合云服务类型包括私有云服务类型、专属云服务类型和共有云服务类型;
获取第一企业用户基本信息,其中,所述第一企业用户基本信息包括业务类型信息;
对所述业务类型信息隐私敏感性分析,获取业务隐私性评分;
根据所述业务隐私性评分,遍历所述私有云服务类型、所述专属云服务类型和所述共有云服务类型进行云服务归类,获取云服务归类判定结果;
根据所述业务类型信息进行业务量预测,获取第一企业用户业务量信息,其中,所述第一企业用户业务量信息具有预设处理时限;
根据所述第一企业用户业务量信息和所述云服务归类判定结果,判断是否满足所述预设处理时限;
若不满足,根据所述云服务归类判定结果,构建临时云服务器进行业务辅助处理,其中,所述临时云服务器仅在所述预设处理时限内激活。
第二方面,本申请提供了一种基于混合云智能部署的数据处理系统,所述系统包括:
类型获取模块,所述类型获取模块用于获取混合云服务类型,其中,所述混合云服务类型包括私有云服务类型、专属云服务类型和共有云服务类型;
信息获取模块,所述信息获取模块用于获取第一企业用户基本信息,其中,所述第一企业用户基本信息包括业务类型信息;
隐私性评分模块,所述隐私性评分模块用于对所述业务类型信息隐私敏感性分析,获取业务隐私性评分;
云服务归类模块,所述云服务归类模块用于根据所述业务隐私性评分,遍历所述私有云服务类型、所述专属云服务类型和所述共有云服务类型进行云服务归类,获取云服务归类判定结果;
业务量预测模块,所述业务量预测模块用于根据所述业务类型信息进行业务量预测,获取第一企业用户业务量信息,其中,所述第一企业用户业务量信息具有预设处理时限;
时限判断模块,所诉时限判断模块用于根据所述第一企业用户业务量信息和所述云服务归类判定结果,判断是否满足所述预设处理时限;
辅助处理模块,所述辅助处理模块用于若不满足,根据所述云服务归类判定结果,构建临时云服务器进行业务辅助处理,其中,所述临时云服务器仅在所述预设处理时限内激活。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的一种基于混合云智能部署的数据处理方法,获取混合云服务类型,包括私有云服务类型、专属云服务类型和共有云服务类型,获取第一企业用户基本信息,包括业务类型信息,对所述业务类型信息隐私敏感性分析获取业务隐私性评分,遍历所述私有云服务类型、所述专属云服务类型和所述共有云服务类型进行云服务归类,获取云服务归类判定结果;根据所述业务类型信息进行业务量预测,获取第一企业用户业务量信息,所述第一企业用户业务量信息具有预设处理时限;根据所述第一企业用户业务量信息和所述云服务归类判定结果,判断是否满足所述预设处理时限,若不满足,根据所述云服务归类判定结果,构建临时云服务器进行业务辅助处理,所述临时云服务器仅在所述预设处理时限内激活。解决了现有技术中存在的当前的业务部署方式主要为自定义部署,使得云服务类型与业务的部署刚需契合度不足,造成处理效率低下,影响最终处理效果的技术问题,针对业务进行隐私敏感性分析以匹配适配性云服务类型,实现智能化部署方式推荐,提高处理效率。
附图说明
图1为本申请提供了一种基于混合云智能部署的数据处理方法流程示意图;
图2为本申请提供了一种基于混合云智能部署的数据处理方法中业务隐私性评分获取流程示意图;
图3为本申请提供了一种基于混合云智能部署的数据处理方法中第一企业用户业务量信息获取流程示意图;
图4为本申请提供了一种基于混合云智能部署的数据处理系统结构示意图。
附图标记说明:类型获取模块11,信息获取模块12,隐私性评分模块13,云服务归类模块14,业务量预测模块15,时限判断模块16,辅助处理模块17。
具体实施方式
本申请通过提供一种基于混合云智能部署的数据处理方法及系统,用于解决现有技术中存在的当前的业务部署方式主要为自定义部署,使得云服务类型与业务的部署刚需契合度不足,造成处理效率低下,影响最终处理效果的技术问题。
实施例一
如图1所示,本申请提供了一种基于混合云智能部署的数据处理方法,所述方法包括:
步骤S100:获取混合云服务类型,其中,所述混合云服务类型包括私有云服务类型、专属云服务类型和共有云服务类型;
具体而言,云计算基于其固有的灵活性、易用性等优势,成为当前企业的主流部署管理方法。同时由于云服务类型的多样性,需保障业务与服务类型的适配性,以保障合理的业务供需。本申请提供的一种基于混合云智能部署的数据处理方法,针对待管理业务进行评估分析,完成云服务类型的归属,进而基于业务量进行处理绝限预测,保障业务的有序推进。具体的,采集用于进行云计算部署的混合云服务类型,包括所述私有云服务类型、所述专属云服务类型和所述共有云服务类型,其中,所述私有云服务类型指私有化部署,指代一个能独自使用而构建的云系统,对于数据的安全性和服务质量控制能效较高;所述专属云服务类型指于共有云中针对特征客户需求所开辟的专属资源池,以进行资源存储管理;所述共有云服务类型为对外部开放申请与使用的云系统类型。所述混合云服务类型为业务部署处理的归属源,为后续进行云服务归类判定提供了基础支撑。
步骤S200:获取第一企业用户基本信息,其中,所述第一企业用户基本信息包括业务类型信息;
步骤S300:对所述业务类型信息隐私敏感性分析,获取业务隐私性评分;
具体而言,所述第一企业用户为待进行业务部署管理的目标用户,对所述第一企业用户的待管理业务进行类型分析评定,其中业务类型大体划定核心业务、非核心业务与创新型业务,对应的云服务部署方式存在差异性,例如,核心业务:ERP流程管理、MES生产管理、PLM产品生命周期管理等业务-私有云部署;非核心业务:OA自动化办公系统、测试开发管理等业务-部分本地部署、部分共有云部署;创新型业务:移动互联网、大数据、物联网、电子商务等业务-混合部署。确定所述第一企业用户基本信息,将所述第一企业用户基本信息作为部署目标,以进行后续业务归属分析。进一步的,针对所述业务类型信息,匹配业务案例信息进行隐私词汇识别分析,生成隐私词汇匹配集,对所述隐私词汇匹配集分别进行隐私权重分布判定,即词汇语义保密度。进一步进行隐私词汇触发频率统计,基于统计结果,联合隐私权重分布计算多个隐私系数,进而对所述多个隐私系数进行求和确定综合型隐私系数,作为所述业务隐私性评分。所述业务隐私性评分为进行云服务归属判定的参考依据,为后续进行云服务归类判定夯实了基础。
进一步而言,如图2所示,所述根据对所述业务类型信息隐私敏感性分析,获取业务隐私性评分,本申请步骤S300还包括:
步骤S310:根据所述业务类型信息,构建隐私词袋模型;
步骤S320:根据所述业务类型信息匹配业务案例信息,根据隐私词袋模型对所述业务案例信息进行隐私词汇匹配,生成多个隐私词汇序列;
步骤S330:遍历所述多个隐私词汇序列,获取隐私词汇匹配集;
步骤S340:遍历所述隐私词汇匹配集进行隐私系数评估,生成多个隐私系数;
步骤S350:对所述多个隐私系数进行求和运算,获取所述业务隐私性评分。
进一步而言,所述遍历所述隐私词汇匹配集进行隐私系数评估,生成多个隐私系数,本申请步骤S340还包括:
步骤S341:遍历所述隐私词汇匹配集进行隐私权重分布,获取隐私权重分布结果,其中,所述隐私权重分布结果之和等于1;
步骤S342:从所述隐私词汇匹配集提取第n隐私词汇,根据所述第n隐私词汇遍历所述多个隐私词汇序列,获取多个词汇触发频率参数;
步骤S343:根据所述多个词汇触发频率参数筛选满足词汇触发频率阈值的所述多个隐私词汇序列,设为敏感型隐私词汇序列;
步骤S344:根据所述敏感型隐私词汇序列,计算序列数量占比信息;
步骤S345:根据所述隐私权重分布结果和所述序列数量占比信息进行赋权计算,生成第n隐私词汇隐私系数,添加进所述多个隐私系数。
具体而言,基于所述业务类型信息构建所述隐私词袋模型,即进行业务信息隐私词汇识别提取的辅助分析工具,配置模型识别匹配机制,例如语义提取、关键字识别等。基于所述业务类型信息进行大数据调研,匹配具有借鉴意义的业务案例信息,即待评信息载体,将其输入所述隐私词袋模型中,进行识别匹配,识别匹配所述业务案例信息内的隐私词汇,即具有信息保密性,存在部署安全需求的表述,对匹配的所述隐私词汇进行序列化整合,生成所述多个隐私词汇序列。进一步遍历所述多个隐私词汇序列,对词汇进行汇总整合,即剔除同表达隐私词汇,确定单频隐私词汇集,作为所述隐私词汇匹配集。进而遍历所述隐私词汇匹配集,针对各隐私词汇分别进行隐私系数评估。
具体的,遍历所述隐私词汇匹配集,对各隐私词汇进行隐私权重分布,示例性的,可以由提前设定的隐私词汇权重分布表实现,而隐私权重分布表可以是基于区块链的多个同行企业构建的权重分布数据库,对所述隐私词汇匹配集进行权重标识,生成所述隐私权重分布结果,所述隐私权重分布结果之和为1。基于所述隐私词汇匹配集,随机提取一隐私词汇作为所述第n隐私词汇,遍历所述多个隐私词汇序列,统计所述第n隐私词汇的出现频次,作为所述第n词汇的触发频率参数,对所述隐私词汇匹配集分别进行频次识别统计,获取所述多个词汇触发频率参数,其中,n与所述隐私词汇匹配集涵盖词汇量一致。设定所述词汇触发频率阈值,即进行词汇敏感度限定的临界数值,将所述词汇触发频率阈值作为筛选标准,提取所述多个词汇触发频率参数中大于所述词汇触发频率的多个隐私词汇序列,将其作为所述敏感型隐私词汇序列,所述敏感型隐私词汇序列的指代语义比重较高。确定占比计算方式,即敏感型隐私词汇序列的序列数量/多个隐私词汇序列的序列数量,基于所述敏感型隐私词汇序列计算获取所述序列数量占比信息。进一步基于所述隐私权重分布结果与所述序列数量占比信息进行赋权相乘,其中,所述隐私权重分布结果与所述序列数量占比信息于词汇隐私系数呈正向反馈,确定所述隐私词汇匹配集中各词汇隐私系数,添加进所述多个隐私系数中,通过进行词汇隐私性的全方位评估,可有效提高所述多个隐私系数的精确度。
进一步的,对所述多个隐私系数求和,确定所述隐私词汇匹配集的综合系数值,作为所述业务隐私型评分,所述业务隐私性评分为与所述业务类型信息相契合,具有高匹配度的评分数据。
步骤S400:根据所述业务隐私性评分,遍历所述私有云服务类型、所述专属云服务类型和所述共有云服务类型进行云服务归类,获取云服务归类判定结果;
进一步而言,所述根据所述业务隐私性评分,遍历所述私有云服务类型、所述专属云服务类型、所述共有云服务类型进行云服务归类,获取云服务归类判定结果,本申请步骤S400还包括:
步骤S410:遍历所述私有云服务类型、所述专属云服务类型、所述共有云服务类型进行隐私性评分归类阈值设定,获取私有云隐私性评分归类阈值、专属云隐私性评分归类阈值和共有云隐私性评分归类阈值;
步骤S420:根据所述业务隐私性评分,遍历所述私有云隐私性评分归类阈值、所述专属云隐私性评分归类阈值和所述共有云隐私性评分归类阈值进行云服务归类,获取所述云服务归类判定结果。
具体而言,遍历所述私有云服务类型、所述专属云服务类型和所述共有云服务类型分别进行归类阈值划定,针对所述业务隐私性评分进行阈值判定,确定所归属云服务类型,作为所述云服务归类判定结果。
具体的,配置对所述业务类型信息进行归属的隐私性评分阈值,分别对所述私有云服务类型、所述专属云服务类型、所述共有云服务类型进行阈值设定,例如可基于大数据调研或专家定义进行阈值划分参考,获取所述私有云隐私性评分归类阈值、所述专属云隐私性评分归类阈值与所述共有云隐私性评分归类阈值其中,所述私有云隐私性评分归类阈值>所述专属云隐私性评分归类阈值>所述共有云隐私性评分归类阈值,各阈值相衔接,可能存在一定的交集区间。基于所述业务隐私性评分进行评分阈值匹配归属,根据所述私有云隐私性评分归类阈值、所述专属云隐私性评分归类阈值和所述共有云隐私性评分归类阈值,确定与所述业务隐私性相契合的阈值区间进行划定,作为所述云服务归类判定结果,所述云服务归类判定结果为客观分析下的归类结果,具有较高的精准度。
进一步而言,所述根据所述业务隐私性评分,遍历所述私有云隐私性评分归类阈值、所述专属云隐私性评分归类阈值和所述共有云隐私性评分归类阈值进行云服务归类,获取所述云服务归类判定结果,本申请步骤S420还包括:
步骤S421:当归类判定结果为多个时,获取多个云服务峰值工作量和多个云服务闲置工作量;
步骤S422:为所述峰值工作量设定第一权重,为所述闲置工作量设定第二权重;
步骤S423:根据所述第一权重对所述多个云服务峰值工作量进行赋权,获取多个峰值工作量赋权结果;
步骤S424:根据所述第二权重对所述多个云服务闲置工作量进行赋权,获取多个闲置工作量赋权结果;
步骤S425:遍历所述多个峰值工作量赋权结果和所述多个闲置工作量赋权结果求和,生成多个归类判定参数;
步骤S426:对所述多个归类判定参数进行最大值筛选,设为所述云服务归类判定结果。
具体而言,基于所述业务隐私性评分进行归类分析,生成所述归类判定结果,当所述归类判定结果为多个时,即处于阈值交集区间,将其归属于多个云服务类型,对应的云服务器皆可进行业务部署处理,针对多个分别判定结果分别进行对应的云服务器的多次峰值工作量均值与多次闲置工作量均值计量,获取所述多个云服务峰值工作量与所述多个云服务闲置工作量。进一步进行工作量权重设定,对所述峰值工作量设定所述第一权重,对所述闲置工作量设定所述第二权重,其中所述第二权重的优选性高于所述第二权重。基于所述第一权重与所述第二权重对所述多个云服务峰值工作量与所述多个云服务闲置工作量进行赋权,计算获取所述多个峰值工作量赋权结果与所述多个闲置工作量赋权结果。对所述多个峰值工作量赋权结果与所述多个闲置工作量赋权结果进行映射对应,基于映射结果对两者进行求和计算,生成所述多个归类判定参数,将所述多个归类判定参数为判定凭证,对所述多个归类判定参数进行大小排序,筛选序列最大值,作为所述云服务归类判定结果。所述云服务归类判定结果为细化评估后符合云服务器运行实况的优选性判定结果,可提供较为富足的部署处理时间与空间。
步骤S500:根据所述业务类型信息进行业务量预测,获取第一企业用户业务量信息,其中,所述第一企业用户业务量信息具有预设处理时限;
具体而言,基于所述业务类型信息,确定所述预设处理时限,即进行业务量部署处理的时区阈值,并划定数据采集时区,基于所述数据采集时区进一步划定上游业务类型业务量已分配时区和上游业务类型业务量空置时区,即数据采集时区内的已完成业务量分配的规划时区与未进行业务分配的空置时区,对空置时区内的业务量,基于历史数据进行预测,即依据历史记录数据与历史业务量增长率进行递推预测,将预测业务量与所述上游业务类型业务量已分配时区内的业务量进行求和计算,作为所述第一企业用户业务量信息,基于所述预设处理时限对其进行标识。所述第一企业用户业务量信息为待进行部署处理的总业务量,为后续进行业务完成度分析判定提供了数据源。
进一步而言,如图3所示,所述根据所述业务类型信息进行业务量预测,获取第一企业用户业务量信息,其中,所述第一企业用户业务量信息具有预设处理时限,本申请步骤S500还包括:
步骤S510:根据所述业务类型信息,匹配上游业务类型信息;
步骤S520:根据所述上游业务类型信息和所述业务类型信息,匹配业务量惯性流转时长;
步骤S530:基于所述预设处理时限和所述业务量惯性流转时长,获取数据采集时区;
步骤S540:根据所述数据采集时区,采集上游业务类型业务量信息;
步骤S550:将所述上游业务类型业务量信息,设为所述第一企业用户业务量信息。
进一步而言,所述根据所述数据采集时区,采集上游业务类型业务量信息,本申请步骤S540还包括:
步骤S541:根据所述数据采集时区,获取上游业务类型业务量已分配时区和上游业务类型业务量空置时区;
步骤S542:根据所述上游业务类型业务量已分配时区,加载上游业务类型第一业务量信息;
步骤S543:根据所述上游业务类型业务量空置时区,获取同时区历史业务量派发记录数据和同时区历史业务量增长率;
步骤S544:根据所述同时区历史业务量派发记录数据和所述同时区历史业务量增长率,生成上游业务类型第二业务量信息;
步骤S545:对所述上游业务类型第一业务量信息和所述上游业务类型第二业务量信息求和,获取所述上游业务类型业务量信息。
具体而言,针对所述业务类型信息,匹配业务洽谈接收完成后业务类型信息,作为所述上游业务类型信息,两者存在过渡关联,基于所述上游业务类型信息与所述业务类型信息,从任一个业务上游业务接收后开始计时,对流转到当前业务类型的平均时长进行计量,设为所述业务惯性流转时长。获取所述预设处理时限,即业务的既定处理时间区间,基于所述预设处理时限往前进行递推计算,将从所述预设处理时限的首位前推惯性流转时长所得到的时区,作为所述数据采集时区,采集推算所述数据采集时区内的上游已有的业务类型业务量信息。
具体的,基于所述数据采集时区,对过去的时区,以及已经分配了业务量的未来时区进行截取,作为所述上游业务类型业务量已分配时区,对未分配业务量的未来时区进行截取,作为所述上游业务类型业务量空置时区。对所述上游业务类型业务量已分配时区进行业务量加载汇总,作为所述上游业务类型第一业务量信息,所述第一业务量信息为预期规划的已知业务量信息。针对所述上游业务类型业务量空置时区,划定预设时间区间,即进行历史业务数据调取的时区,基于所述预设时间区间,采集不同时间周期下所述上游业务类型业务量空置时区的同时区历史业务量派发记录数据,进而对采集数据进行时序顺延,进行邻域数据递增速率计算,获取所述同时区历史业务量增长率。进一步基于所述同时区历史业务量派发记录数据与所述同时区历史业务量增长率,对所述上游业务类型业务量空置时区进行业务量推测,将推测业务量作为所述上游业务类型第二业务量信息,所述第二业务量信息为符合业务排布规律,存在事实依据的有效预测信息。对所述上游业务类型第一业务量信息与所述上游业务类型第二业务量信息求和,将业务总量作为所述上游业务各类型业务量信息。
进一步的,将所述上游业务各类型业务量信息作为所述第一企业用户业务量信息,即待进行部署处理的业务总量。通过进行业务实况划分与针对性分析处理,可有效保障所述第一企业用户业务量信息的统计精准度与实际贴合度。
步骤S600:根据所述第一企业用户业务量信息和所述云服务归类判定结果,判断是否满足所述预设处理时限;
步骤S700:若不满足,根据所述云服务归类判定结果,构建临时云服务器进行业务辅助处理,其中,所述临时云服务器仅在所述预设处理时限内激活。
具体而言,基于所述第一企业用户业务量信息与所述云服务归类判定结果进行业务处理时限判定,可基于云服务器的处理效率进行确定,进一步与所述预设处理时限进行校对,判断是否能满足处理时限刚需。当满足时,基于既定流程对所述第一企业用户业务量信息进行部署处理;当不满足时,需提前构建所述临时云服务器,即备用服务器进行辅助处理业务,所述临时云服务器于能满足任务量处理刚需状况下处于关闭状态,于所述预设处理时限内,即当存在处理时限调度时进行激活,辅助进行业务量部署处理,待完成后对其进行关闭以提高业务处理效率,满足用户的业务部署要求。
本申请实施例提供的一种基于混合云智能部署的数据处理方法及系统,具有如下技术效果:
1、本发明提供了一种基于混合云智能部署的数据处理方法,获取混合云服务类型与第一企业用户基本信息,包括业务类型信息,进行隐私敏感性分析获取业务隐私性评分,遍历混合云服务类型进行云服务归类,获取云服务归类判定结果,根据所述业务类型信息进行业务量预测,获取第一企业用户业务量信息,联合云服务归类判定结果,判断是否满足设处理时限,若不满足构建临时云服务器进行业务辅助处理,解决了现有技术中当前的业务部署方式主要为自定义部署,使得云服务类型与业务的部署刚需契合度不足,造成处理效率低下,影响最终处理效果的技术问题,针对业务进行隐私敏感性分析以匹配适配性云服务类型,实现智能化部署方式推荐,提高处理效率。
2、通过进行多层权重分配评估,可有效保障业务隐私性评分的精确度与云服务方式的业务契合度,保障部署方式推荐能效。对业务量进行处理时限评估,并构建临时云服务器辅助完成可能性预期业务,实现业务的高效处理。
实施例二
基于与前述实施例中一种基于混合云智能部署的数据处理方法相同的发明构思,如图4所示,本申请提供了一种基于混合云智能部署的数据处理系统,所述系统包括:
类型获取模块11,所述类型获取模块11用于获取混合云服务类型,其中,所述混合云服务类型包括私有云服务类型、专属云服务类型和共有云服务类型;
信息获取模块12,所述信息获取模块12用于获取第一企业用户基本信息,其中,所述第一企业用户基本信息包括业务类型信息;
隐私性评分模块13,所述隐私性评分模块13用于对所述业务类型信息隐私敏感性分析,获取业务隐私性评分;
云服务归类模块14,所述云服务归类模块14用于根据所述业务隐私性评分,遍历所述私有云服务类型、所述专属云服务类型和所述共有云服务类型进行云服务归类,获取云服务归类判定结果;
业务量预测模块15,所述业务量预测模块15用于根据所述业务类型信息进行业务量预测,获取第一企业用户业务量信息,其中,所述第一企业用户业务量信息具有预设处理时限;
时限判断模块16,所诉时限判断模块16用于根据所述第一企业用户业务量信息和所述云服务归类判定结果,判断是否满足所述预设处理时限;
辅助处理模块17,所述辅助处理模块17用于若不满足,根据所述云服务归类判定结果,构建临时云服务器进行业务辅助处理,其中,所述临时云服务器仅在所述预设处理时限内激活。
进一步而言,所述系统还包括:
模型构建模块,所述模型构建模块用于根据所述业务类型信息,构建隐私词袋模型;
序列生成模块,所述序列生成模块用于根据所述业务类型信息匹配业务案例信息,根据隐私词袋模型对所述业务案例信息进行隐私词汇匹配,生成多个隐私词汇序列;
匹配集获取模块,所述匹配集获取模块用于遍历所述多个隐私词汇序列,获取隐私词汇匹配集;
隐私系数生成模块,所述隐私系数生成模块用于遍历所述隐私词汇匹配集进行隐私系数评估,生成多个隐私系数;
评分获取模块,所述评分获取模块用于对所述多个隐私系数进行求和运算,获取所述业务隐私性评分。
进一步而言,所述系统还包括:
权重分布模块,所述权重分布模块用于遍历所述隐私词汇匹配集进行隐私权重分布,获取隐私权重分布结果,其中,所述隐私权重分布结果之和等于1;
触发频率参数获取模块,所述触发频率参数获取模块用于从所述隐私词汇匹配集提取第n隐私词汇,根据所述第n隐私词汇遍历所述多个隐私词汇序列,获取多个词汇触发频率参数;
敏感序列设定模块,所述敏感序列设定模块用于根据所述多个词汇触发频率参数筛选满足词汇触发频率阈值的所述多个隐私词汇序列,设为敏感型隐私词汇序列;
占比计算模块,所述占比计算模块用于根据所述敏感型隐私词汇序列,计算序列数量占比信息;
隐私系数获取模块,所述隐私系数获取模块用于根据所述隐私权重分布结果和所述序列数量占比信息进行赋权计算,生成第n隐私词汇隐私系数,添加进所述多个隐私系数。
进一步而言,所述系统还包括:
阈值设定模块,所述阈值设定模块用于遍历所述私有云服务类型、所述专属云服务类型、所述共有云服务类型进行隐私性评分归类阈值设定,获取私有云隐私性评分归类阈值、专属云隐私性评分归类阈值和共有云隐私性评分归类阈值;
归类判定模块,所述归类判定模块用于根据所述业务隐私性评分,遍历所述私有云隐私性评分归类阈值、所述专属云隐私性评分归类阈值和所述共有云隐私性评分归类阈值进行云服务归类,获取所述云服务归类判定结果。
进一步而言,所述系统还包括:
工作量获取模块,所述工作量获取模块用于当归类判定结果为多个时,获取多个云服务峰值工作量和多个云服务闲置工作量;
权重设定模块,所述权重设定模块用于为所述峰值工作量设定第一权重,为所述闲置工作量设定第二权重;
峰值工作量赋权模块,所述峰值工作量赋权模块用于根据所述第一权重对所述多个云服务峰值工作量进行赋权,获取多个峰值工作量赋权结果;
闲置工作量赋权模块,所述闲置工作量赋权模块用于根据所述第二权重对所述多个云服务闲置工作量进行赋权,获取多个闲置工作量赋权结果;
归类判定参数生成模块,所述归类判定参数生成模块用于遍历所述多个峰值工作量赋权结果和所述多个闲置工作量赋权结果求和,生成多个归类判定参数;
参数筛选模块,所述参数筛选模块用于对所述多个归类判定参数进行最大值筛选,设为所述云服务归类判定结果。
进一步而言,所述系统还包括:
信息匹配模块,所述信息匹配模块用于根据所述业务类型信息,匹配上游业务类型信息;
时长匹配模块,所述时长匹配模块用于根据所述上游业务类型信息和所述业务类型信息,匹配业务量惯性流转时长;
时区获取模块,所述时区获取模块用于基于所述预设处理时限和所述业务量惯性流转时长,获取数据采集时区;
信息采集模块,所述信息采集模块用于根据所述数据采集时区,采集上游业务类型业务量信息;
信息设定模块,所述信息设定模块用于将所述上游业务类型业务量信息,设为所述第一企业用户业务量信息。
进一步而言,所述系统还包括:
时区划分模块,所述时区划分模块用于根据所述数据采集时区,获取上游业务类型业务量已分配时区和上游业务类型业务量空置时区;
第一业务量信息加载模块,所述第一业务量信息加载模块用于根据所述上游业务类型业务量已分配时区,加载上游业务类型第一业务量信息;
历史数据获取模块,所述历史数据获取模块用于根据所述上游业务类型业务量空置时区,获取同时区历史业务量派发记录数据和同时区历史业务量增长率;
第二业务量信息生成模块,所述第二业务量信息生成模块用于根据所述同时区历史业务量派发记录数据和所述同时区历史业务量增长率,生成上游业务类型第二业务量信息;
业务量计算模块,所述业务量计算模块用于对所述上游业务类型第一业务量信息和所述上游业务类型第二业务量信息求和,获取所述上游业务类型业务量信息。
本说明书通过前述对一种基于混合云智能部署的数据处理方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于混合云智能部署的数据处理方法及系统,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.一种基于混合云智能部署的数据处理方法,其特征在于,包括:
获取混合云服务类型,其中,所述混合云服务类型包括私有云服务类型、专属云服务类型和共有云服务类型;
获取第一企业用户基本信息,其中,所述第一企业用户基本信息包括业务类型信息;
对所述业务类型信息进行隐私敏感性分析,获取业务隐私性评分,其中包括:根据所述业务类型信息,构建隐私词袋模型;根据所述业务类型信息匹配业务案例信息,根据隐私词袋模型对所述业务案例信息进行隐私词汇匹配,生成多个隐私词汇序列;遍历所述多个隐私词汇序列,获取隐私词汇匹配集;遍历所述隐私词汇匹配集进行隐私系数评估,生成多个隐私系数,其中包括:遍历所述隐私词汇匹配集进行隐私权重分布,获取隐私权重分布结果,其中,所述隐私权重分布结果之和等于1;从所述隐私词汇匹配集提取第n隐私词汇,根据所述第n隐私词汇遍历所述多个隐私词汇序列,获取多个词汇触发频率参数;根据所述多个词汇触发频率参数筛选满足词汇触发频率阈值的所述多个隐私词汇序列,设为敏感型隐私词汇序列;根据所述敏感型隐私词汇序列,计算序列数量占比信息;根据所述隐私权重分布结果和所述序列数量占比信息进行赋权计算,生成第n隐私词汇隐私系数,添加进所述多个隐私系数;对所述多个隐私系数进行求和运算,获取所述业务隐私性评分;
根据所述业务隐私性评分,遍历所述私有云服务类型、所述专属云服务类型和所述共有云服务类型进行云服务归类,获取云服务归类判定结果;
根据所述业务类型信息进行业务量预测,获取第一企业用户业务量信息,其中,所述第一企业用户业务量信息具有预设处理时限;
根据所述第一企业用户业务量信息和所述云服务归类判定结果,判断是否满足所述预设处理时限;
若不满足,根据所述云服务归类判定结果,构建临时云服务器进行业务辅助处理,其中,所述临时云服务器仅在所述预设处理时限内激活。
2.如权利要求1所述的方法,其特征在于,所述根据所述业务隐私性评分,遍历所述私有云服务类型、所述专属云服务类型、所述共有云服务类型进行云服务归类,获取云服务归类判定结果,包括:
遍历所述私有云服务类型、所述专属云服务类型、所述共有云服务类型进行隐私性评分归类阈值设定,获取私有云隐私性评分归类阈值、专属云隐私性评分归类阈值和共有云隐私性评分归类阈值;
根据所述业务隐私性评分,遍历所述私有云隐私性评分归类阈值、所述专属云隐私性评分归类阈值和所述共有云隐私性评分归类阈值进行云服务归类,获取所述云服务归类判定结果。
3.如权利要求2所述的方法,其特征在于,所述根据所述业务隐私性评分,遍历所述私有云隐私性评分归类阈值、所述专属云隐私性评分归类阈值和所述共有云隐私性评分归类阈值进行云服务归类,获取所述云服务归类判定结果,包括:
当归类判定结果为多个时,获取多个云服务峰值工作量和多个云服务闲置工作量;
为所述峰值工作量设定第一权重,为所述闲置工作量设定第二权重;
根据所述第一权重对所述多个云服务峰值工作量进行赋权,获取多个峰值工作量赋权结果;
根据所述第二权重对所述多个云服务闲置工作量进行赋权,获取多个闲置工作量赋权结果;
遍历所述多个峰值工作量赋权结果和所述多个闲置工作量赋权结果求和,生成多个归类判定参数;
对所述多个归类判定参数进行最大值筛选,设为所述云服务归类判定结果。
4.如权利要求1所述的方法,其特征在于,所述根据所述业务类型信息进行业务量预测,获取第一企业用户业务量信息,其中,所述第一企业用户业务量信息具有预设处理时限,包括:
根据所述业务类型信息,匹配上游业务类型信息;
根据所述上游业务类型信息和所述业务类型信息,匹配业务量惯性流转时长;
基于所述预设处理时限和所述业务量惯性流转时长,获取数据采集时区;
根据所述数据采集时区,采集上游业务类型业务量信息;
将所述上游业务类型业务量信息,设为所述第一企业用户业务量信息。
5.如权利要求4所述的方法,其特征在于,所述根据所述数据采集时区,采集上游业务类型业务量信息,包括:
根据所述数据采集时区,获取上游业务类型业务量已分配时区和上游业务类型业务量空置时区;
根据所述上游业务类型业务量已分配时区,加载上游业务类型第一业务量信息;
根据所述上游业务类型业务量空置时区,获取同时区历史业务量派发记录数据和同时区历史业务量增长率;
根据所述同时区历史业务量派发记录数据和所述同时区历史业务量增长率,生成上游业务类型第二业务量信息;
对所述上游业务类型第一业务量信息和所述上游业务类型第二业务量信息求和,获取所述上游业务类型业务量信息。
6.一种基于混合云智能部署的数据处理系统,其特征在于,包括:
类型获取模块,所述类型获取模块用于获取混合云服务类型,其中,所述混合云服务类型包括私有云服务类型、专属云服务类型和共有云服务类型;
信息获取模块,所述信息获取模块用于获取第一企业用户基本信息,其中,所述第一企业用户基本信息包括业务类型信息;
隐私性评分模块,所述隐私性评分模块用于对所述业务类型信息进行隐私敏感性分析,获取业务隐私性评分;
模型构建模块,所述模型构建模块用于根据所述业务类型信息,构建隐私词袋模型;
序列生成模块,所述序列生成模块用于根据所述业务类型信息匹配业务案例信息,根据隐私词袋模型对所述业务案例信息进行隐私词汇匹配,生成多个隐私词汇序列;
匹配集获取模块,所述匹配集获取模块用于遍历所述多个隐私词汇序列,获取隐私词汇匹配集;
隐私系数生成模块,所述隐私系数生成模块用于遍历所述隐私词汇匹配集进行隐私系数评估,生成多个隐私系数;
权重分布模块,所述权重分布模块用于遍历所述隐私词汇匹配集进行隐私权重分布,获取隐私权重分布结果,其中,所述隐私权重分布结果之和等于1;
触发频率参数获取模块,所述触发频率参数获取模块用于从所述隐私词汇匹配集提取第n隐私词汇,根据所述第n隐私词汇遍历所述多个隐私词汇序列,获取多个词汇触发频率参数;
敏感序列设定模块,所述敏感序列设定模块用于根据所述多个词汇触发频率参数筛选满足词汇触发频率阈值的所述多个隐私词汇序列,设为敏感型隐私词汇序列;
占比计算模块,所述占比计算模块用于根据所述敏感型隐私词汇序列,计算序列数量占比信息;
隐私系数获取模块,所述隐私系数获取模块用于根据所述隐私权重分布结果和所述序列数量占比信息进行赋权计算,生成第n隐私词汇隐私系数,添加进所述多个隐私系数;
评分获取模块,所述评分获取模块用于对所述多个隐私系数进行求和运算,获取所述业务隐私性评分;
云服务归类模块,所述云服务归类模块用于根据所述业务隐私性评分,遍历所述私有云服务类型、所述专属云服务类型和所述共有云服务类型进行云服务归类,获取云服务归类判定结果;
业务量预测模块,所述业务量预测模块用于根据所述业务类型信息进行业务量预测,获取第一企业用户业务量信息,其中,所述第一企业用户业务量信息具有预设处理时限;
时限判断模块,所述时限判断模块用于根据所述第一企业用户业务量信息和所述云服务归类判定结果,判断是否满足所述预设处理时限;
辅助处理模块,所述辅助处理模块用于若不满足,根据所述云服务归类判定结果,构建临时云服务器进行业务辅助处理,其中,所述临时云服务器仅在所述预设处理时限内激活。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310028411.0A CN115866024B (zh) | 2023-01-09 | 2023-01-09 | 一种基于混合云智能部署的数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310028411.0A CN115866024B (zh) | 2023-01-09 | 2023-01-09 | 一种基于混合云智能部署的数据处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115866024A CN115866024A (zh) | 2023-03-28 |
CN115866024B true CN115866024B (zh) | 2023-07-21 |
Family
ID=85657149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310028411.0A Active CN115866024B (zh) | 2023-01-09 | 2023-01-09 | 一种基于混合云智能部署的数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115866024B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3361395A1 (en) * | 2017-02-14 | 2018-08-15 | Wipro Limited | Methods and systems for classification of heterogeneous clouds |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7234065B2 (en) * | 2002-09-17 | 2007-06-19 | Jpmorgan Chase Bank | System and method for managing data privacy |
US9356961B1 (en) * | 2013-03-11 | 2016-05-31 | Emc Corporation | Privacy scoring for cloud services |
CN106878334A (zh) * | 2015-05-13 | 2017-06-20 | 西安三星电子研究有限公司 | 云的自动化部署系统和方法 |
US11288398B2 (en) * | 2019-06-03 | 2022-03-29 | Jpmorgan Chase Bank, N.A. | Systems, methods, and devices for obfuscation of browser fingerprint data on the world wide web |
CN115237592B (zh) * | 2022-07-12 | 2023-07-11 | 苏州大学 | 隐私感知的混合云服务流程调度方法 |
CN115081540A (zh) * | 2022-07-20 | 2022-09-20 | 国网江苏省电力有限公司营销服务中心 | 基于集成决策学习的数据隐私可保护分类分级方法及系统 |
-
2023
- 2023-01-09 CN CN202310028411.0A patent/CN115866024B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3361395A1 (en) * | 2017-02-14 | 2018-08-15 | Wipro Limited | Methods and systems for classification of heterogeneous clouds |
Also Published As
Publication number | Publication date |
---|---|
CN115866024A (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20070219837A1 (en) | Method and structure for risk-based workforce management and planning | |
CN110192393A (zh) | 大规模的实时视频分析 | |
WO2022262752A1 (zh) | 基于数据交互的信息推荐方法、装置、设备及存储介质 | |
CN111062564A (zh) | 一种电力客户诉求敏感值计算方法 | |
Do et al. | A new finite-source queueing model for mobile cellular networks applying spectrum renting | |
CN111652403A (zh) | 一种基于反馈修正的工作平台任务工作量预测方法 | |
CN115866024B (zh) | 一种基于混合云智能部署的数据处理方法及系统 | |
CN111079827A (zh) | 一种铁路数据状态评估方法及系统 | |
Magdon-Ismail et al. | Locating hidden groups in communication networks using hidden markov models | |
Rani et al. | Amazon Employee Access System using Machine Learning Algorithms | |
Lee et al. | A machine learning approach that meets axiomatic properties in probabilistic analysis of LTE spectral efficiency | |
Shah et al. | An outsourcing model for alert analysis in a cybersecurity operations center | |
Johansson et al. | Assessment of enterprise information security-estimating the credibility of the results | |
WO2022262774A1 (zh) | 信息交互方法、装置、设备及存储介质 | |
CN106612198B (zh) | 一种业务质量测试指标的测试方法及装置 | |
Makhijani et al. | Quest: Queue simulation for content moderation at scale | |
CN106127345A (zh) | 一种移动用户投诉的预测方法和预测系统 | |
Wang | Intelligent quality management using knowledge discovery in databases | |
CN117391644B (zh) | 一种合同管理过程中参数调整方法、装置、设备及介质 | |
Yue et al. | A Blackboard-based Approach Towards Predictive Analytics. | |
CN117408531B (zh) | 一种大数据智能匹配的客户信息管理方法及系统 | |
Bartolini et al. | Synthetic incident generation in the reenactment of IT support organization behavior | |
CN112737804B (zh) | 一种网络性能测试方法、装置及服务器 | |
Píchová et al. | Principle of using systemic approach to management audit implementation by small and medium-sized enterprises | |
Zheng et al. | Task assignment in business processes based on completion rate evaluation |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |