CN116112557A - 一种基于确定数据的多种报文格式适配方法和系统 - Google Patents
一种基于确定数据的多种报文格式适配方法和系统 Download PDFInfo
- Publication number
- CN116112557A CN116112557A CN202310382472.7A CN202310382472A CN116112557A CN 116112557 A CN116112557 A CN 116112557A CN 202310382472 A CN202310382472 A CN 202310382472A CN 116112557 A CN116112557 A CN 116112557A
- Authority
- CN
- China
- Prior art keywords
- message
- format
- target
- data
- message data
- 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 31
- 238000011156 evaluation Methods 0.000 claims abstract description 86
- 238000000605 extraction Methods 0.000 claims abstract description 68
- 238000006243 chemical reaction Methods 0.000 claims description 43
- 230000004927 fusion Effects 0.000 claims description 33
- 238000012549 training Methods 0.000 claims description 15
- 230000006978 adaptation Effects 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 12
- 239000000203 mixture Substances 0.000 claims description 12
- 239000002131 composite material Substances 0.000 claims description 6
- 238000013210 evaluation model Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate
Landscapes
- Debugging And Monitoring (AREA)
Abstract
本发明提出了一种基于确定数据的多种报文格式适配方法和系统。所述多种报文格式适配方法包括获利用历史报文数据获得特征提取模型；利用所述特征提取模型获取所述目标接口的实时报文数据的报文格式特征和每种格式对应的数据类型综合评估参数；根据数据类型综合评估参数结合目标格式的报文格式特征确定每个目标接口输入的不同格式类型的报文数据对应的目标格式；在目标接口获取其对应的目标格式后，将目标接口产生的不同格式的报文数据均转换为符合所述目标格式的报文数据，并根据目标接口输入的不同格式类型的报文数据对应的数据类型综合评估参数的变化调整所述目标接口对应的目标格式。所述系统包括与所述方法步骤对应的模块。
Description
技术领域
本发明提出了一种基于确定数据的多种报文格式适配方法和系统，属于报文格式技术领域。
背景技术
从服务器与设备之间往往存在密集的数据往来，但是，由于设备所产生的信息不同导致其产生的报文数据的格式多种多样，通常情况下，需要将一个设备所产生的多种格式的报文数据进行格式转化，形成统一的报文格式，然而，所述统一的报文格式往往是针对设备进行随机设置的，且不能改变，因此，常常导致报文转化延时较长，效率较低的问题发生。
发明内容
本发明提供了一种基于确定数据的多种报文格式适配方法和系统，用以解决现有技术中各个目标接口产生的多种报文转换均转换成统一报文格式，导致统一报文格式与所述目标接口实际产生的报文格式情况不符，进而导致报文格式转换效率低，延时长的问题，所采取的技术方案如下：
一种基于确定数据的多种报文格式适配方法，所述多种报文格式适配方法包括：
获取所有目标接口输入的历史报文数据，利用历史报文数据对特征提取模型进行训练，获得训练后的特征提取模型；
利用所述特征提取模型获取所述目标接口的实时报文数据的报文格式特征，并利用所述报文格式特征获取报文数据的每种格式对应的数据类型综合评估参数；
根据所述数据类型综合评估参数结合目标格式的报文格式特征确定每个目标接口输入的不同格式类型的报文数据对应的目标格式；
在所述目标接口获取其对应的目标格式后，将所述目标接口产生的不同格式的报文数据均转换为符合所述目标格式的报文数据，并根据目标接口输入的不同格式类型的报文数据对应的数据类型综合评估参数的变化调整所述目标接口对应的目标格式。
进一步地，获取所有目标接口输入的历史报文数据，利用历史报文数据对特征提取模型进行训练，获得训练后的特征提取模型，包括：
获取所有目标接口输入的历史报文数据；
根据所述历史报文数据确定所述目标接口对应的报文格式特征；其中，所述报文格式特征包括报文组成结构个数、单位时间内所述报文格式对应的报文数据量和单位时间内所述报文格式对应的报文数据产生次数，并且，单位时间的取值范围为1s-5s；
利用所有目标接口对应的历史报文数据的报文格式特征进行特征提取模型训练，获得训练后的特征提取模型。
其中，所述特征提取模型为具备特征提取功能的卷积神经网络。
进一步地，利用所述特征提取模型获取所述目标接口的实时报文数据的报文格式特征，并利用所述报文格式特征获取报文数据的每种格式对应的数据类型综合评估参数，包括：
利用所述特征提取模型实时对所有目标接口输入的实时报文数据进行报文格式特征提取，获得目标接口各自产生的报文数据的每种格式对应的报文格式特征；
根据所述目标接口的实时报文数据的报文格式特征结合所述综合评估模型，获取所述目标接口的报文数据的不同报文格式对应的数据类型综合评估参数；
其中，所述数据类型综合评估参数如下：
其中，P表示数据类型综合评估参数；P 0表示基础标准参数；m表示单位时间的个数；k jt 表示第t个单位时间内第j种报文格式对应的报文数据产生次数；C jt 表示第t个单位时间内第j种报文格式对应的报文数据量；f表示所述目标接口产生的报文格式对应的种类数量；C zt 表示第t个单位时间内的目标接口产生的总报文数据量；n表示目标格式的种类个数；T i 表示一种报文格式向第i个目标格式进行转换所消耗的单次时间；T 0表示预设的转换时间标准值；T max 表示所述目标接口与其对应的服务器之间的报文数据一个通信回合的最大通信延时时间。
进一步地，根据所述数据类型综合评估参数结合目标格式的报文格式特征确定每个目标接口输入的不同格式类型的报文数据对应的目标格式，包括：
提取每个目标接口的不同格式类型对应的综合评估参数，并提取所述综合评估参数高于预设参数阈值的报文数据格式作为候选格式；
获取所述候选格式对应的报文格式特征，将所述候选格式对应的报文格式特征与所述目标格式对应的报文格式特征进行融合，获取融合参数值；
将候选格式对应的报文格式特征与所述目标格式对应的报文格式特征之间融合参数值最大的目标格式作为目标接口输入对应的目标格式。
进一步地，所述融合参数值通过如下公式获取：
其中，Q表示融合参数值；Q 1表示所述目标格式的报文格式特征形成的特征向量；Q 2表示所述候选格式的报文格式特征形成的特征向量；所述特征向量为以所述报文格式特征为向量元素的向量，并且特征元素的顺序依次为报文组成结构个数、单位时间内所述报文格式对应的报文数据量和单位时间内所述报文格式对应的报文数据产生次数；P表示数据类型综合评估参数。
一种基于确定数据的多种报文格式适配系统，所述多种报文格式适配系统包括：
获取模块，用于获取所有目标接口输入的历史报文数据，利用历史报文数据对特征提取模型进行训练，获得训练后的特征提取模型；
参数获取模块，用于利用所述特征提取模型获取所述目标接口的实时报文数据的报文格式特征，并利用所述报文格式特征获取报文数据的每种格式对应的数据类型综合评估参数；
目标格式确定模块，用于根据所述数据类型综合评估参数结合目标格式的报文格式特征确定每个目标接口输入的不同格式类型的报文数据对应的目标格式；
转换模块，用于在所述目标接口获取其对应的目标格式后，将所述目标接口产生的不同格式的报文数据均转换为符合所述目标格式的报文数据，并根据目标接口输入的不同格式类型的报文数据对应的数据类型综合评估参数的变化调整所述目标接口对应的目标格式。
进一步地，所述获取模块包括：
数据获取模块，用于获取所有目标接口输入的历史报文数据；
特征确定模块，用于根据所述历史报文数据确定所述目标接口对应的报文格式特征；其中，所述报文格式特征包括报文组成结构个数、单位时间内所述报文格式对应的报文数据量和单位时间内所述报文格式对应的报文数据产生次数，并且，单位时间的取值范围为1s-5s；
模型获取模块，用于利用所有目标接口对应的历史报文数据的报文格式特征进行特征提取模型训练，获得训练后的特征提取模型。
其中，所述特征提取模型为具备特征提取功能的卷积神经网络。
进一步地，所述参数获取模块包括：
特征提取模块，用于利用所述特征提取模型实时对所有目标接口输入的实时报文数据进行报文格式特征提取，获得目标接口各自产生的报文数据的每种格式对应的报文格式特征；
评估参数获取模块，用于根据所述目标接口的实时报文数据的报文格式特征结合所述综合评估模型，获取所述目标接口的报文数据的不同报文格式对应的数据类型综合评估参数；
其中，所述数据类型综合评估参数如下：
其中，P表示数据类型综合评估参数；P 0表示基础标准参数；m表示单位时间的个数；k jt 表示第t个单位时间内第j种报文格式对应的报文数据产生次数；C jt 表示第t个单位时间内第j种报文格式对应的报文数据量；f表示所述目标接口产生的报文格式对应的种类数量；C zt 表示第t个单位时间内的目标接口产生的总报文数据量；n表示目标格式的种类个数；T i 表示一种报文格式向第i个目标格式进行转换所消耗的单次时间；T 0表示预设的转换时间标准值；T max 表示所述目标接口与其对应的服务器之间的报文数据一个通信回合的最大通信延时时间。
进一步地，所述目标格式确定模块包括：
候选格式确定模块，用于提取每个目标接口的不同格式类型对应的综合评估参数，并提取所述综合评估参数高于预设参数阈值的报文数据格式作为候选格式；
融合参数值模块，用于获取所述候选格式对应的报文格式特征，将所述候选格式对应的报文格式特征与所述目标格式对应的报文格式特征进行融合，获取融合参数值；
目标格式获取模块，用于将候选格式对应的报文格式特征与所述目标格式对应的报文格式特征之间融合参数值最大的目标格式作为目标接口输入对应的目标格式。
进一步地，所述融合参数值通过如下公式获取：
其中，Q表示融合参数值；Q 1表示所述目标格式的报文格式特征形成的特征向量；Q 2表示所述候选格式的报文格式特征形成的特征向量；所述特征向量为以所述报文格式特征为向量元素的向量，并且特征元素的顺序依次为报文组成结构个数、单位时间内所述报文格式对应的报文数据量和单位时间内所述报文格式对应的报文数据产生次数；P表示数据类型综合评估参数。
本发明有益效果：
本发明提出了一种基于确定数据的多种报文格式适配方法和系统，能够针对目标接口的实际报文数据格式情况进行报文格式筛选，进而获取与所述目标接口的报文数据相匹配的目标报文格式进行目标接口的统一格式转换，能够有效提高目标格式与所述目标接口实际报文数据情况之间的匹配性，进而有效提高目标格式确定的准确性。同时，根据目标格式的确定能够有效提高目标接口的各种报文数据格式转换的速度，缩短报文格式转换的延时，进而提高报文转换效率。同时，本发明提出的一种基于确定数据的多种报文格式适配方法和系统能够根据目标接口的实际报文数据的实时变化进行目标格式的自适应调整，有效提高了目标格式确定和自适应调整的灵活性和自适应性能，保证目标接口实施具备高效的报文转化效率。
附图说明
图1为本发明所述多种报文格式适配方法的流程图；
图2为本发明所述多种报文格式适配系统的系统框图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明提供了一种基于确定数据的多种报文格式适配方法和系统，用以解决现有技术中各个目标接口产生的多种报文转换均转换成统一报文格式，导致统一报文格式与所述目标接口实际产生的报文格式情况不符，进而导致报文格式转换效率低，延时长的问题，所采取的技术方案如下：
本发明实施例提出了一种基于确定数据的多种报文格式适配方法，如图1所示，所述多种报文格式适配方法包括：
S1、获取所有目标接口输入的历史报文数据，利用历史报文数据对特征提取模型进行训练，获得训练后的特征提取模型；
S2、利用所述特征提取模型获取所述目标接口的实时报文数据的报文格式特征，并利用所述报文格式特征获取报文数据的每种格式对应的数据类型综合评估参数；
S3、根据所述数据类型综合评估参数结合目标格式的报文格式特征确定每个目标接口输入的不同格式类型的报文数据对应的目标格式；
S4、在所述目标接口获取其对应的目标格式后，将所述目标接口产生的不同格式的报文数据均转换为符合所述目标格式的报文数据，并根据目标接口输入的不同格式类型的报文数据对应的数据类型综合评估参数的变化调整所述目标接口对应的目标格式。
具体的，获取所有目标接口输入的历史报文数据，利用历史报文数据对特征提取模型进行训练，获得训练后的特征提取模型，包括：
S101、获取所有目标接口输入的历史报文数据；
S102、根据所述历史报文数据确定所述目标接口对应的报文格式特征；其中，所述报文格式特征包括报文组成结构个数、单位时间内所述报文格式对应的报文数据量和单位时间内所述报文格式对应的报文数据产生次数，并且，单位时间的取值范围为1s-5s；
S103、利用所有目标接口对应的历史报文数据的报文格式特征进行特征提取模型训练，获得训练后的特征提取模型。
其中，所述特征提取模型为具备特征提取功能的卷积神经网络。
上述技术方案的原理及效果为：本实施例中，首先，获取所有目标接口输入的历史报文数据，通过获取到的历史报文数据对预先已有的特征提取模型进行训练，获得训练后的特征提取模型，其中，所述特征提取模型为具备特征提取功能的卷积神经网络；然后，利用训练后的所述特征提取模型实时监测所述目标接口是否出现报文数据，并出现所述报文数据时获取所述目标接口的实时报文数据对应的报文格式特征；在获取所述报文格式特征之后，利用所述报文格式特征获取报文数据的每种格式对应的数据类型综合评估参数，并根据所述数据类型综合评估参数结合目标格式的报文格式特征确定每个目标接口输入的不同格式类型的报文数据对应的目标格式；最后，在所述目标接口获取其对应的目标格式后，将所述目标接口产生的不同格式的报文数据均转换为符合所述目标格式的报文数据，并根据目标接口输入的不同格式类型的报文数据对应的数据类型综合评估参数的变化调整所述目标接口对应的目标格式。
本实施例提出了一种基于确定数据的多种报文格式适配方法，能够针对目标接口的实际报文数据格式情况进行报文格式筛选，进而获取与所述目标接口的报文数据相匹配的目标报文格式进行目标接口的统一格式转换，能够有效提高目标格式与所述目标接口实际报文数据情况之间的匹配性，进而有效提高目标格式确定的准确性。同时，根据目标格式的确定能够有效提高目标接口的各种报文数据格式转换的速度，缩短报文格式转换的延时，进而提高报文转换效率。同时，本发明提出的一种基于确定数据的多种报文格式适配方法和系统能够根据目标接口的实际报文数据的实时变化进行目标格式的自适应调整，有效提高了目标格式确定和自适应调整的灵活性和自适应性能，保证目标接口实施具备高效的报文转化效率。
本发明的一个实施例，利用所述特征提取模型获取所述目标接口的实时报文数据的报文格式特征，并利用所述报文格式特征获取报文数据的每种格式对应的数据类型综合评估参数，包括：
S201、利用所述特征提取模型实时对所有目标接口输入的实时报文数据进行报文格式特征提取，获得目标接口各自产生的报文数据的每种格式对应的报文格式特征；
S202、根据所述目标接口的实时报文数据的报文格式特征结合所述综合评估模型，获取所述目标接口的报文数据的不同报文格式对应的数据类型综合评估参数；
其中，所述数据类型综合评估参数如下：
其中，P表示数据类型综合评估参数；P 0表示基础标准参数；m表示单位时间的个数；k jt 表示第t个单位时间内第j种报文格式对应的报文数据产生次数；C jt 表示第t个单位时间内第j种报文格式对应的报文数据量；f表示所述目标接口产生的报文格式对应的种类数量；C zt 表示第t个单位时间内的目标接口产生的总报文数据量；n表示目标格式的种类个数；T i 表示一种报文格式向第i个目标格式进行转换所消耗的单次时间；T 0表示预设的转换时间标准值；T max 表示所述目标接口与其对应的服务器之间的报文数据一个通信回合的最大通信延时时间。同时，本实施例提出的一种基于确定数据的多种报文格式适配方法能够根据目标接口的实际报文数据的实时变化进行目标格式的自适应调整，有效提高了目标格式确定和自适应调整的灵活性和自适应性能，保证目标接口实施具备高效的报文转化效率。
上述技术方案的原理及效果为：本实施例中通过针对每个目标接口输入的实时报文数据的报文格式对应的格式特征进行综合评估，并获得每个目标接口的数据类型综合评估参数；通过数据类型综合评估参数能够综合筛选出所述目标接口中的报文格式对应的具体综合分数，有效提高报文格式在所述目标接口中的综合指标评价的准确性和评价效率。同时，当目标接口的报文格式对应的报文数据发生变化时，所述数据类型综合评估参数能够根据目标接口的报文数据的实时变化而进行自适应参数调整，进而有效提高每个单位时间对应的报文格式的数据类型综合评估参数的评价准确性和评价参数调整及时性，防止数据类型综合评估参数调整及时性较差，针对具体报文格式的评价针对性较差而导致后续目标接口的候选报文格式选择准确性降低以及候选报文格式的自适应改变及时性较低的问题发生。
本发明的一个实施例，根据所述数据类型综合评估参数结合目标格式的报文格式特征确定每个目标接口输入的不同格式类型的报文数据对应的目标格式，包括：
S301、提取每个目标接口的不同格式类型对应的综合评估参数，并提取所述综合评估参数高于预设参数阈值的报文数据格式作为候选格式；
S302、获取所述候选格式对应的报文格式特征，将所述候选格式对应的报文格式特征与所述目标格式对应的报文格式特征进行融合，获取融合参数值；
S303、将候选格式对应的报文格式特征与所述目标格式对应的报文格式特征之间融合参数值最大的目标格式作为目标接口输入对应的目标格式。
其中，所述融合参数值通过如下公式获取：
其中，Q表示融合参数值；Q 1表示所述目标格式的报文格式特征形成的特征向量；Q 2表示所述候选格式的报文格式特征形成的特征向量；所述特征向量为以所述报文格式特征为向量元素的向量，并且特征元素的顺序依次为报文组成结构个数、单位时间内所述报文格式对应的报文数据量和单位时间内所述报文格式对应的报文数据产生次数；P表示数据类型综合评估参数。
上述技术方案的原理及效果为：本实施例能够针对目标接口的实际报文数据格式情况进行报文格式筛选，进而获取与所述目标接口的报文数据相匹配的目标报文格式进行目标接口的统一格式转换，能够有效提高目标格式与所述目标接口实际报文数据情况之间的匹配性，进而有效提高目标格式确定的准确性。同时，根据目标格式的确定能够有效提高目标接口的各种报文数据格式转换的速度，缩短报文格式转换的延时，进而提高报文转换效率。
另一方面，通过上述融合方式获得融合参数值，并通过融合参数值确定所述目标接口对应的目标格式，然后，将所述目标接口后续的报文格式均按照所述目标格式进行转换，能够不有效提高目标格式设置与目标接口实际接收报文数据情况之间的匹配性，进而降低需要进行报文格式转换的报文数据数量，进一步提高后续目标接口报文数据进行格式转换的效率。防止统一固定设置的报文格式与实际目标接口产生的报文数据情况不匹配导致需要转换的报文数据较多，不仅降低报文格式转换效率，同时提高数据格式转换负荷，增加资源浪费的问题发生。同时，本实施例提出的上述方式能够根据目标接口的实际产生报文数据格式的变化情况进行目标格式的实时调整，提高了每个目标接口的目标格式的自适应调整性能，有效改善固定统一设定的报文格式无法随着目标接口的实际报文数据变化情况而进行自适应调整的问题。
本实施例提出的一种基于确定数据的多种报文格式适配系统，如图2所示，所述多种报文格式适配系统包括：
获取模块，用于获取所有目标接口输入的历史报文数据，利用历史报文数据对特征提取模型进行训练，获得训练后的特征提取模型；
参数获取模块，用于利用所述特征提取模型获取所述目标接口的实时报文数据的报文格式特征，并利用所述报文格式特征获取报文数据的每种格式对应的数据类型综合评估参数；
目标格式确定模块，用于根据所述数据类型综合评估参数结合目标格式的报文格式特征确定每个目标接口输入的不同格式类型的报文数据对应的目标格式；
转换模块，用于在所述目标接口获取其对应的目标格式后，将所述目标接口产生的不同格式的报文数据均转换为符合所述目标格式的报文数据，并根据目标接口输入的不同格式类型的报文数据对应的数据类型综合评估参数的变化调整所述目标接口对应的目标格式。
具体的，所述获取模块包括：
数据获取模块，用于获取所有目标接口输入的历史报文数据；
特征确定模块，用于根据所述历史报文数据确定所述目标接口对应的报文格式特征；其中，所述报文格式特征包括报文组成结构个数、单位时间内所述报文格式对应的报文数据量和单位时间内所述报文格式对应的报文数据产生次数，并且，单位时间的取值范围为1s-5s；
模型获取模块，用于利用所有目标接口对应的历史报文数据的报文格式特征进行特征提取模型训练，获得训练后的特征提取模型。
其中，所述特征提取模型为具备特征提取功能的卷积神经网络。
上述技术方案的原理及效果为：本实施例中，首先，通过获取模块获取所有目标接口输入的历史报文数据，通过获取到的历史报文数据对预先已有的特征提取模型进行训练，获得训练后的特征提取模型，其中，所述特征提取模型为具备特征提取功能的卷积神经网络；然后，利用参数获取模块获取训练后的所述特征提取模型实时监测所述目标接口是否出现报文数据，并出现所述报文数据时获取所述目标接口的实时报文数据对应的报文格式特征；并在获取所述报文格式特征之后，利用所述报文格式特征获取报文数据的每种格式对应的数据类型综合评估参数；然后，通过目标格式确定模块根据所述数据类型综合评估参数结合目标格式的报文格式特征确定每个目标接口输入的不同格式类型的报文数据对应的目标格式；最后，通过转换模块在所述目标接口获取其对应的目标格式后，将所述目标接口产生的不同格式的报文数据均转换为符合所述目标格式的报文数据，并根据目标接口输入的不同格式类型的报文数据对应的数据类型综合评估参数的变化调整所述目标接口对应的目标格式。
本实施例提出了一种基于确定数据的多种报文格式适配系统，能够针对目标接口的实际报文数据格式情况进行报文格式筛选，进而获取与所述目标接口的报文数据相匹配的目标报文格式进行目标接口的统一格式转换，能够有效提高目标格式与所述目标接口实际报文数据情况之间的匹配性，进而有效提高目标格式确定的准确性。同时，根据目标格式的确定能够有效提高目标接口的各种报文数据格式转换的速度，缩短报文格式转换的延时，进而提高报文转换效率。同时，本发明提出的一种基于确定数据的多种报文格式适配方法和系统能够根据目标接口的实际报文数据的实时变化进行目标格式的自适应调整，有效提高了目标格式确定和自适应调整的灵活性和自适应性能，保证目标接口实施具备高效的报文转化效率。
本发明的一个实施例，所述参数获取模块包括：
特征提取模块，用于利用所述特征提取模型实时对所有目标接口输入的实时报文数据进行报文格式特征提取，获得目标接口各自产生的报文数据的每种格式对应的报文格式特征；
评估参数获取模块，用于根据所述目标接口的实时报文数据的报文格式特征结合所述综合评估模型，获取所述目标接口的报文数据的不同报文格式对应的数据类型综合评估参数；
其中，所述数据类型综合评估参数如下：
其中，P表示数据类型综合评估参数；P 0表示基础标准参数；m表示单位时间的个数；k jt 表示第t个单位时间内第j种报文格式对应的报文数据产生次数；C jt 表示第t个单位时间内第j种报文格式对应的报文数据量；f表示所述目标接口产生的报文格式对应的种类数量；C zt 表示第t个单位时间内的目标接口产生的总报文数据量；n表示目标格式的种类个数；T i 表示一种报文格式向第i个目标格式进行转换所消耗的单次时间；T 0表示预设的转换时间标准值；T max 表示所述目标接口与其对应的服务器之间的报文数据一个通信回合的最大通信延时时间。
上述技术方案的原理及效果为：本实施例中通过针对每个目标接口输入的实时报文数据的报文格式对应的格式特征进行综合评估，并获得每个目标接口的数据类型综合评估参数；通过数据类型综合评估参数能够综合筛选出所述目标接口中的报文格式对应的具体综合分数，有效提高报文格式在所述目标接口中的综合指标评价的准确性和评价效率。同时，当目标接口的报文格式对应的报文数据发生变化时，所述数据类型综合评估参数能够根据目标接口的报文数据的实时变化而进行自适应参数调整，进而有效提高每个单位时间对应的报文格式的数据类型综合评估参数的评价准确性和评价参数调整及时性，防止数据类型综合评估参数调整及时性较差，针对具体报文格式的评价针对性较差而导致后续目标接口的候选报文格式选择准确性降低以及候选报文格式的自适应改变及时性较低的问题发生。
本发明的一个实施例，所述目标格式确定模块包括：
候选格式确定模块，用于提取每个目标接口的不同格式类型对应的综合评估参数，并提取所述综合评估参数高于预设参数阈值的报文数据格式作为候选格式；
融合参数值模块，用于获取所述候选格式对应的报文格式特征，将所述候选格式对应的报文格式特征与所述目标格式对应的报文格式特征进行融合，获取融合参数值；
目标格式获取模块，用于将候选格式对应的报文格式特征与所述目标格式对应的报文格式特征之间融合参数值最大的目标格式作为目标接口输入对应的目标格式。
其中，所述融合参数值通过如下公式获取：
其中，Q表示融合参数值；Q 1表示所述目标格式的报文格式特征形成的特征向量；Q 2表示所述候选格式的报文格式特征形成的特征向量；所述特征向量为以所述报文格式特征为向量元素的向量，并且特征元素的顺序依次为报文组成结构个数、单位时间内所述报文格式对应的报文数据量和单位时间内所述报文格式对应的报文数据产生次数；P表示数据类型综合评估参数。
上述技术方案的效果为：本实施例能够针对目标接口的实际报文数据格式情况进行报文格式筛选，进而获取与所述目标接口的报文数据相匹配的目标报文格式进行目标接口的统一格式转换，能够有效提高目标格式与所述目标接口实际报文数据情况之间的匹配性，进而有效提高目标格式确定的准确性。同时，根据目标格式的确定能够有效提高目标接口的各种报文数据格式转换的速度，缩短报文格式转换的延时，进而提高报文转换效率。
另一方面，通过上述融合方式获得融合参数值，并通过融合参数值确定所述目标接口对应的目标格式，然后，将所述目标接口后续的报文格式均按照所述目标格式进行转换，能够不有效提高目标格式设置与目标接口实际接收报文数据情况之间的匹配性，进而降低需要进行报文格式转换的报文数据数量，进一步提高后续目标接口报文数据进行格式转换的效率。防止统一固定设置的报文格式与实际目标接口产生的报文数据情况不匹配导致需要转换的报文数据较多，不仅降低报文格式转换效率，同时提高数据格式转换负荷，增加资源浪费的问题发生。同时，本实施例提出的上述方式能够根据目标接口的实际产生报文数据格式的变化情况进行目标格式的实时调整，提高了每个目标接口的目标格式的自适应调整性能，有效改善固定统一设定的报文格式无法随着目标接口的实际报文数据变化情况而进行自适应调整的问题。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于确定数据的多种报文格式适配方法，其特征在于，所述多种报文格式适配方法包括：
获取所有目标接口输入的历史报文数据，利用历史报文数据对特征提取模型进行训练，获得训练后的特征提取模型；
利用所述特征提取模型获取所述目标接口的实时报文数据的报文格式特征，并利用所述报文格式特征获取报文数据的每种格式对应的数据类型综合评估参数；
根据所述数据类型综合评估参数结合目标格式的报文格式特征确定每个目标接口输入的不同格式类型的报文数据对应的目标格式；
在所述目标接口获取其对应的目标格式后，将所述目标接口产生的不同格式的报文数据均转换为符合所述目标格式的报文数据，并根据目标接口输入的不同格式类型的报文数据对应的数据类型综合评估参数的变化调整所述目标接口对应的目标格式。
2.根据权利要求1所述多种报文格式适配方法，其特征在于，获取所有目标接口输入的历史报文数据，利用历史报文数据对特征提取模型进行训练，获得训练后的特征提取模型，包括：
获取所有目标接口输入的历史报文数据；
根据所述历史报文数据确定所述目标接口对应的报文格式特征；其中，所述报文格式特征包括报文组成结构个数、单位时间内所述报文格式对应的报文数据量和单位时间内所述报文格式对应的报文数据产生次数，并且，单位时间的取值范围为1s-5s；
利用所有目标接口对应的历史报文数据的报文格式特征进行特征提取模型训练，获得训练后的特征提取模型。
3.根据权利要求1所述多种报文格式适配方法，其特征在于，利用所述特征提取模型获取所述目标接口的实时报文数据的报文格式特征，并利用所述报文格式特征获取报文数据的每种格式对应的数据类型综合评估参数，包括：
利用所述特征提取模型实时对所有目标接口输入的实时报文数据进行报文格式特征提取，获得目标接口各自产生的报文数据的每种格式对应的报文格式特征；
根据所述目标接口的实时报文数据的报文格式特征结合综合评估模型，获取所述目标接口的报文数据的不同报文格式对应的数据类型综合评估参数；
其中，所述数据类型综合评估参数如下：
其中，P表示数据类型综合评估参数；P 0表示基础标准参数；m表示单位时间的个数；k jt 表示第t个单位时间内第j种报文格式对应的报文数据产生次数；C jt 表示第t个单位时间内第j种报文格式对应的报文数据量；f表示所述目标接口产生的报文格式对应的种类数量；C zt 表示第t个单位时间内的目标接口产生的总报文数据量；n表示目标格式的种类个数；T i 表示一种报文格式向第i个目标格式进行转换所消耗的单次时间；T 0表示预设的转换时间标准值；T max 表示所述目标接口与其对应的服务器之间的报文数据一个通信回合的最大通信延时时间。
4.根据权利要求1所述多种报文格式适配方法，其特征在于，根据所述数据类型综合评估参数结合目标格式的报文格式特征确定每个目标接口输入的不同格式类型的报文数据对应的目标格式，包括：
提取每个目标接口的不同格式类型对应的综合评估参数，并提取所述综合评估参数高于预设参数阈值的报文数据格式作为候选格式；
获取所述候选格式对应的报文格式特征，将所述候选格式对应的报文格式特征与所述目标格式对应的报文格式特征进行融合，获取融合参数值；
将候选格式对应的报文格式特征与所述目标格式对应的报文格式特征之间融合参数值最大的目标格式作为目标接口输入对应的目标格式。
5.根据权利要求4所述多种报文格式适配方法，其特征在于，所述融合参数值通过如下公式获取：
其中，Q表示融合参数值；Q 1表示所述目标格式的报文格式特征形成的特征向量；Q 2表示所述候选格式的报文格式特征形成的特征向量；所述特征向量为以所述报文格式特征为向量元素的向量，并且特征元素的顺序依次为报文组成结构个数、单位时间内所述报文格式对应的报文数据量和单位时间内所述报文格式对应的报文数据产生次数；P表示数据类型综合评估参数。
6.一种基于确定数据的多种报文格式适配系统，其特征在于，所述多种报文格式适配系统包括：
获取模块，用于获取所有目标接口输入的历史报文数据，利用历史报文数据对特征提取模型进行训练，获得训练后的特征提取模型；
参数获取模块，用于利用所述特征提取模型获取所述目标接口的实时报文数据的报文格式特征，并利用所述报文格式特征获取报文数据的每种格式对应的数据类型综合评估参数；
目标格式确定模块，用于根据所述数据类型综合评估参数结合目标格式的报文格式特征确定每个目标接口输入的不同格式类型的报文数据对应的目标格式；
转换模块，用于在所述目标接口获取其对应的目标格式后，将所述目标接口产生的不同格式的报文数据均转换为符合所述目标格式的报文数据，并根据目标接口输入的不同格式类型的报文数据对应的数据类型综合评估参数的变化调整所述目标接口对应的目标格式。
7.根据权利要求6所述多种报文格式适配系统，其特征在于，所述获取模块包括：
数据获取模块，用于获取所有目标接口输入的历史报文数据；
特征确定模块，用于根据所述历史报文数据确定所述目标接口对应的报文格式特征；其中，所述报文格式特征包括报文组成结构个数、单位时间内所述报文格式对应的报文数据量和单位时间内所述报文格式对应的报文数据产生次数，并且，单位时间的取值范围为1s-5s；
模型获取模块，用于利用所有目标接口对应的历史报文数据的报文格式特征进行特征提取模型训练，获得训练后的特征提取模型。
8.根据权利要求6所述多种报文格式适配系统，其特征在于，所述参数获取模块包括：
特征提取模块，用于利用所述特征提取模型实时对所有目标接口输入的实时报文数据进行报文格式特征提取，获得目标接口各自产生的报文数据的每种格式对应的报文格式特征；
评估参数获取模块，用于根据所述目标接口的实时报文数据的报文格式特征结合综合评估模型，获取所述目标接口的报文数据的不同报文格式对应的数据类型综合评估参数；
其中，所述数据类型综合评估参数如下：
其中，P表示数据类型综合评估参数；P 0表示基础标准参数；m表示单位时间的个数；k jt 表示第t个单位时间内第j种报文格式对应的报文数据产生次数；C jt 表示第t个单位时间内第j种报文格式对应的报文数据量；f表示所述目标接口产生的报文格式对应的种类数量；C zt 表示第t个单位时间内的目标接口产生的总报文数据量；n表示目标格式的种类个数；T i 表示一种报文格式向第i个目标格式进行转换所消耗的单次时间；T 0表示预设的转换时间标准值；T max 表示所述目标接口与其对应的服务器之间的报文数据一个通信回合的最大通信延时时间。
9.根据权利要求6所述多种报文格式适配系统，其特征在于，所述目标格式确定模块包括：
候选格式确定模块，用于提取每个目标接口的不同格式类型对应的综合评估参数，并提取所述综合评估参数高于预设参数阈值的报文数据格式作为候选格式；
融合参数值模块，用于获取所述候选格式对应的报文格式特征，将所述候选格式对应的报文格式特征与所述目标格式对应的报文格式特征进行融合，获取融合参数值；
目标格式获取模块，用于将候选格式对应的报文格式特征与所述目标格式对应的报文格式特征之间融合参数值最大的目标格式作为目标接口输入对应的目标格式。
10.根据权利要求9所述多种报文格式适配系统，其特征在于，所述融合参数值通过如下公式获取：
其中，Q表示融合参数值；Q 1表示所述目标格式的报文格式特征形成的特征向量；Q 2表示所述候选格式的报文格式特征形成的特征向量；所述特征向量为以所述报文格式特征为向量元素的向量，并且特征元素的顺序依次为报文组成结构个数、单位时间内所述报文格式对应的报文数据量和单位时间内所述报文格式对应的报文数据产生次数；P表示数据类型综合评估参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310382472.7A CN116112557A (zh) | 2023-04-12 | 2023-04-12 | 一种基于确定数据的多种报文格式适配方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310382472.7A CN116112557A (zh) | 2023-04-12 | 2023-04-12 | 一种基于确定数据的多种报文格式适配方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116112557A true CN116112557A (zh) | 2023-05-12 |
Family
ID=86256516
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310382472.7A Pending CN116112557A (zh) | 2023-04-12 | 2023-04-12 | 一种基于确定数据的多种报文格式适配方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116112557A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117354070A (zh) * | 2023-12-06 | 2024-01-05 | 南京勤德智能科技有限公司 | 基于物联网的智慧水务数据终端安全保护系统及方法 |
| CN117555957A (zh) * | 2024-01-12 | 2024-02-13 | 中电数据产业有限公司 | 一种api报文格式自动适配和转换方法及系统 |
| CN117743446A (zh) * | 2024-02-19 | 2024-03-22 | 中国标准化研究院 | 一种基于多数据传输链路聚合的数据转换方法和系统 |
-
2023
- 2023-04-12 CN CN202310382472.7A patent/CN116112557A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117354070A (zh) * | 2023-12-06 | 2024-01-05 | 南京勤德智能科技有限公司 | 基于物联网的智慧水务数据终端安全保护系统及方法 |
| CN117555957A (zh) * | 2024-01-12 | 2024-02-13 | 中电数据产业有限公司 | 一种api报文格式自动适配和转换方法及系统 |
| CN117743446A (zh) * | 2024-02-19 | 2024-03-22 | 中国标准化研究院 | 一种基于多数据传输链路聚合的数据转换方法和系统 |
| CN117743446B (zh) * | 2024-02-19 | 2024-06-07 | 中国标准化研究院 | 一种基于多数据传输链路聚合的数据转换方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116112557A (zh) | 一种基于确定数据的多种报文格式适配方法和系统 | |
| CN111628855B (zh) | 基于深度强化学习的工业5g动态多优先级多接入方法 | |
| CN111741073B (zh) | 基于5g通信网络的电力数据传输系统 | |
| CN109981744B (zh) | 数据的分发方法、装置、存储介质及电子设备 | |
| US11570063B2 (en) | Quality of experience optimization system and method | |
| CN113518007B (zh) | 一种基于联邦学习的多物联网设备异构模型高效互学习方法 | |
| CN110324260B (zh) | 一种基于流量识别的网络功能虚拟化智能调度方法 | |
| CN104102875A (zh) | 基于加权朴素贝叶斯分类器的软件服务质量监控方法及系统 | |
| CN112860407B (zh) | 一种云边协作的序列依赖流水车间任务调度执行优化方法 | |
| CN104021433A (zh) | 数据信息通信网络中实现用户流失预测的系统及方法 | |
| CN109767052A (zh) | 自动任务分配方法和系统 | |
| CN116233026B (zh) | 一种用于数据中心的智能管理方法及系统 | |
| CN111343006B (zh) | 一种cdn峰值流量预测方法、装置及存储介质 | |
| CN109688065B (zh) | 参数的处理方法、装置及存储介质 | |
| CN117880206A (zh) | 一种物联网管理设备的负载平衡方法及系统 | |
| CN104766221A (zh) | 流量精细化营销参数的选取方法 | |
| CN115793749B (zh) | 一种基于云计算的智能温室环境控制系统及方法 | |
| WO2024108601A2 (zh) | 终端选择方法、模型训练方法、装置及系统 | |
| CN112511702B (zh) | 媒体帧的推送方法、服务器、电子设备和存储介质 | |
| CN110572356B (zh) | 基于边缘网关数据质量评价的计算能力迁移方法及系统 | |
| CN114339967A (zh) | 基站业务量的预测方法及装置 | |
| CN103353977A (zh) | 一种基于发电厂机组调节中优先选择重要遥测进行传输的方法 | |
| CN112667602A (zh) | 一种电网运行场景划分方法、系统及存储介质 | |
| CN116778363B (zh) | 一种基于联邦学习的低通信量库区水环境风险识别方法 | |
| CN113964820B (zh) | 一种可控负荷资源参与电力系统调频的参与因子计算方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230512 |