CN116225879B - 一种节点脱落分析方法、装置和计算机终端 - Google Patents
一种节点脱落分析方法、装置和计算机终端 Download PDFInfo
- Publication number
- CN116225879B CN116225879B CN202310499273.4A CN202310499273A CN116225879B CN 116225879 B CN116225879 B CN 116225879B CN 202310499273 A CN202310499273 A CN 202310499273A CN 116225879 B CN116225879 B CN 116225879B
- Authority
- CN
- China
- Prior art keywords
- service
- node
- event
- flow sequence
- sequence
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3476—Data logging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3495—Performance evaluation by tracing or monitoring for systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/80—Database-specific techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/835—Timestamp
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/86—Event-based monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/865—Monitoring of software
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Debugging And Monitoring (AREA)
- Stored Programmes (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及产品开发技术领域,提供一种节点脱落分析方法、装置和计算机终端,该方法包括:在用户进入目标业务的前端页面后,初始化一全局前端流程序列;每当检测到有前端事件被触发时,利用前端流程序列对触发的前端事件进行行为记录;若被触发的前端事件存在后端业务响应,则通过一全局业务流程序列对产生业务响应的前端事件进行行为记录,将前端流程序列与业务流程序列进行关联并持久化;在对目标业务进行节点脱落分析时,根据业务流程序列和前端流程序列确定相关行为记录数据,以得到目标业务的节点脱落信息。通过结合两个全局序列号来实现用户行为的全链路追踪,可得到节点脱落情况,进而便于分析系统的不足之点,提升用户体验。
Description
技术领域
本申请涉及产品开发技术领域,尤其涉及一种节点脱落分析方法、装置和计算机终端。
背景技术
随着业务产品的不断推出,越来越多的用户在客户的APP端或网页端进行业务产品的了解或业务操作,然而,在实际的用户操作过程中,有时可能会因为应用的一些前端操作问题或其他流程节点设置不合理等问题,导致用户在进行该业务操作时出现节点脱落而无法成功转化为业务,为了便于了解用户的使用痛点,需要对这些业务产品的开发应用或操作流程等进行分析,以便优化系统,进而提升用户体验,提升业务量等。
发明内容
有鉴于此,本申请实施例提供一种节点脱落分析方法、装置和计算机终端,可以有效实现用户进行业务操作时的节点跟踪问题,进而进行节点脱落分析等。
第一方面,本申请实施例提供一种节点脱落分析方法,包括:
在用户进入目标业务的前端页面后,初始化一全局前端流程序列;
每当检测到有前端事件被触发时,利用所述前端流程序列对当前触发的前端事件进行行为记录;
若所述被触发的前端事件存在后端业务响应,则通过一全局业务流程序列对每次产生业务响应的前端事件进行行为记录,将所述前端流程序列与所述业务流程序列进行关联并持久化;
在对所述目标业务进行节点脱落分析时,根据所述业务流程序列和所述前端流程序列确定对应的行为记录数据,进而得到所述目标业务的节点脱落信息。
在一些实施例中,将所述前端流程序列与所述业务流程序列持久化至事件数据库中,所述根据所述业务流程序列和所述前端流程序列确定对应的行为记录数据,包括:
根据业务系统中记录的所述业务流程序列,从测试系统中的所述事件数据库中查询关联的所述前端流程序列,并基于所述前端流程序列定位所述目标业务的行为记录数据。
在一些实施例中,所述行为记录数据包括:所述目标业务中被触发的所有前端事件信息,其中包括每个前端事件的事件ID、事件描述、事件时间和用于行为记录的前端流程序列,以及涉及后端业务响应的用于行为记录的业务流程序列。
在一些实施例中,所述节点脱落信息包括流程节点脱落率,所述基于所述前端流程序列定位所述目标业务的行为记录数据,以得到所述目标业务的节点脱落信息,包括:
根据所述前端流程序列,读取预设数量用户操作同一所述目标业务的所有行为记录数据并过滤每个用户下具有相同事件ID的重复行为记录;
按照流程节点统计,计算得到所述目标业务中每个流程节点的脱落率。
在一些实施例中,所述节点脱落信息包括系统节点脱落率,所述基于所述前端流程序列定位所述目标业务的行为记录数据,以得到所述目标业务的节点脱落信息,包括:
根据所述前端流程序列,读取同一时间点下的所述目标业务的所有行为记录数据;
按照事件触发统计,计算得到所述目标业务的系统节点脱落率。
在一些实施例中,所述在用户进入目标业务的前端页面后,之前还包括:
对每个业务场景进行预先分类,并确定分类后的每个业务场景的全流程节点,进而对每个流程节点进行前端事件埋点,以使得用户在相应业务界面每次操作时会触发对应的前端事件记录。
在一些实施例中,所述前端流程序列与所述业务流程序列均由前缀部分和预设位数的字符串构成,所述字符串包括如下组成部分:符号位部分、时间识别部分,设备识别部分及递增区别部分;
其中,所述前缀部分用于记录对应的业务场景分类;所述时间识别部分用于记录所述对应的业务场景下的用户首次操作时的系统时间戳;所述设备识别部分用于记录对应的设备ID;所述递增区别部分用于记录同一毫秒内设备产生不同标识的能力。
第二方面,本申请实施例提供一种节点脱落分析装置,包括:
初始化模块,用于在用户进入目标业务的前端页面后,初始化一全局前端流程序列;
前端事件记录模块,用于每当检测到有前端事件被触发时,利用所述前端流程序列对当前触发的前端事件进行行为记录;
后端响应记录模块,用于若所述被触发的前端事件存在后端业务响应,则通过一全局业务流程序列对每次产生业务响应的前端事件进行行为记录,将所述前端流程序列与所述业务流程序列进行关联并持久化;
脱落分析模块,用于在对所述目标业务进行节点脱落分析时,根据所述业务流程序列和所述前端流程序列确定对应的行为记录数据,进而得到所述目标业务的节点脱落信息。
第三方面,本申请实施例提供一种计算机终端,所述计算机终端包括处理器和存储器,所述存储器存储有计算机程序,所述处理器用于执行所述计算机程序以实施所述的节点脱落分析方法。
第四方面,本申请实施例提供一种可读存储介质,其存储有计算机程序,所述计算机程序在处理器上执行时,实施所述的节点脱落分析方法。
本申请的实施例具有如下有益效果:
本申请提出的节点脱落分析方法通过在用户进入目标业务的前端页面后,初始化一全局前端流程序列;每当检测到有前端事件被触发时,利用前端流程序列对触发的前端事件进行行为记录;若被触发的前端事件存在后端业务响应,则通过一全局业务流程序列对产生业务响应的前端事件进行行为记录,将前端流程序列与业务流程序列进行关联并持久化;在对目标业务进行节点脱落分析时,根据业务流程序列和前端流程序列确定相关行为记录数据,以得到目标业务的节点脱落信息。该方法通过增设两个全局序列号,一个用于前端流程记录,另一个用于后端业务记录,来实现用户行为的全链路追踪,进而可以得到业务节点的脱落情况,这样便于分析系统的不足之点,尤其在业务量异常时,可快速定位问题节点并给出解决方案,以达到提升用户体验,提升业务量等。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本申请实施例节点脱落分析方法的第一流程图;
图2示出了本申请实施例节点脱落分析方法的第二流程图;
图3示出了本申请实施例节点脱落分析方法的一种应用场景图;
图4示出了本申请实施例节点脱落分析方法的行为记录数据的一示例;
图5示出了本申请实施例节点脱落分析装置的一种结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。
通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
在下文中,可在本申请的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
除非另有限定,否则这里使用的所有术语(包括技术术语和科学术语)具有与本申请的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本申请的各种实施例中被清楚地限定。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互结合。
图1示出了本申请实施例的节点脱落分析方法的一种流程图。示范性地,该节点脱落分析方法包括以下步骤:
S110,在用户进入目标业务的前端页面后,初始化一全局前端流程序列。
示范性地,当客户端检测到用户点击进入了目标业务的页面后,则会进行前端流程序列的初始化赋值操作,其中,该全局的前端流程序列将用于对当前业务界面中的每次用户行为操作进行唯一行为记录。
在一种实施方式中,该前端流程序列可由一个前缀部分和预设位数的字符串构成,进一步地,该字符串可包括如下组成部分:符号位部分、时间识别部分、设备识别部分及递增区别部分等。其中,所述前缀部分用于记录对应的业务场景分类;所述时间识别部分用于记录所述对应的业务场景下的用户首次操作时的系统时间戳;所述设备识别部分用于记录对应的设备ID;所述递增区别部分用于记录同一毫秒内设备产生不同标识的能力。其中,上述的字符串并不仅限为数字,也可以包含部分大小字母等。
可以理解,通过将业务场景与特定字符串的有机组合,可以生成一个全局唯一不重复的序列,以便实现不同用户进行不同业务操作时的全链路唯一追踪。
例如,上述的预设位数的字符串,可包括但不限于为18~64个比特(Bit)位等,具体位数可根据实际需求来设定。以一个包含64位Bit的字符串的业务流程序列为例,具体地,该64位的字符串包括:占用1个Bit的符号位、占用41个Bit的系统时间戳、占用10个Bit的设备ID以及占用12个Bit的递增子序列。
此外,如图2所示,上述步骤S110之前,该方法还包括:
S100,对每个业务场景进行预先分类,并确定分类后的每个业务场景的全流程节点,进而对每个关键流程节点进行前端事件埋点,以使得用户在相应业务界面每次操作时会触发对应的前端事件记录。
对于业务方而言,其每个业务都会有各自的属性,通过对每个业务场景进行分类,并对每个业务场景的关键流程节点进行事件埋点,以便进行用户行为监测。可以理解,这里的关键流程节点是可能会影响前端业务操作到后端业务转化的一些用户比较关注或需要做的行为操作。
例如,以借款这一业务为例,主要关注的几个流程节点可包括但不限于包括,借款套餐、全部借出、借款试算、对公账户、确认借款、阅读协议、同意协议、交易密码、人脸识别、人脸识别成功、放款审核中等节点。
S120,每当检测到有前端事件被触发时,利用所述前端流程序列对当前触发的前端事件进行行为记录。
S130,若被触发的前端事件存在后端业务响应,则通过一全局业务流程序列对每次产生业务响应的前端事件进行行为记录,将所述前端流程序列与所述业务流程序列进行关联并持久化。
示范性地,当用户在前端页面进行了预设有埋点的相应行为操作时,则会触发前端流程序列对该前端事件的行为记录。随着用户在操作过程中,若是该前端事件的触发需要后端的业务系统进行实际业务响应时,则还会触发业务流程序列一并进行行为记录。其中,该业务流程序列同样由一个前缀部分和预设位数的字符串构成,其生成方式可参考上述的前端流程序列的生成规则,这里不再重复描述。
可以理解,并不是所有的前端操作都会需要后端的业务系统进行实际业务响应的。例如,当用户在借款页面进行借款试算等操作时,由于用户并没有进行真正的借款业务操作(如第一步对公账号等都没有输入提交等),自然也就不会触发业务系统进行响应。
本实施例中,考虑到后续需要结合基于事件埋点得到的行为记录数据进行进一步分析,这里可将所述前端流程序列与所述业务流程序列持久化至测试系统中的事件数据库中。例如,如图3所示,用户在客户端可以进行行为操作,相应地,由入口网关系统对应用前端进行鉴权限流、协议转换等操作,进而由测试系统进行事件埋点设置,进而,可通过消息中间件Kafka进行异步处理埋点数据的同步,通过将触发的前端事件的行为数据同步至测试系统及进行持久化至事件数据库中。可以理解,由于用户的行为发生在前端,而测试系统在后端,并且与产生业务响应及存储业务数据的业务系统并不属于同一系统,因为当业务系统中需要对某一业务进行节点脱落分析时,还需要从测试系统中的事件数据库中获取到相应的行为记录。
在一种实施方式中,持久化的行为记录数据主要包括以下内容:目标业务中被触发的所有前端事件信息,其中包括每个前端事件的事件ID、事件描述、事件时间和用于行为记录的前端流程序列(记为bizSerialNo),以及涉及后端业务响应的用于行为记录的业务流程序列(记为businessNo)。
以一个借款业务为例,当应用端检测到用户进入了借款页面时,应用前端将会初始化bizSerialNo序列,并全局赋值为jCt5G8N1667305810817;进而,当用户点击了该借款页面上的借款套餐时,此时会触发对应的事件埋点(对应于事件ID3301),同时会记录该借款套餐的事件时间并利用bizSerialNo进行行为记录;然后,当用户再点击全部借出操作及借款试算等操作时,同样会记录被触发的全部借出这一事件ID、事件时间及bizSerialNo。需要明白的是,在用户输入真正会涉及后端业务的操作之前,仅会利用bizSerialNo进行前端所有行为的记录。而当用户进行了对公账户、确认借款等需要后端业务响应的相关操作时,除了会利用bizSerialNo进行前端事件的记录,同时还会触发业务流程序列进行相应事件的记录,例如,这里对businessNo全局赋值为DR251686580610138113。因此,对于借款业务中的用户每个关键性行为操作,都会通过bizSerialNo和businessNo进行相应行为记录,以此可得到如图4所示的具体行为记录数据。
值得注意的是,图4所示的仅为一个借款业务的成功转化完整操作,若在某个节点,如交易密码(对应于事件1801)这一节点,用户停止了操作且退出了该借款页面,则后续的事件(如人脸识别、人脸识别成功及放款审核中等)均不会被记录到,本次记录到交易密码这一事件便终止了。基于此行为记录数据,系统人员可以了解到该借款业务的用户行为数据,进而分析出异常脱落节点等信息。
S140,在对所述目标业务进行节点脱落分析时,根据所述业务流程序列和所述前端流程序列确定对应的行为记录数据,进而得到所述目标业务的节点脱落信息。
示范性地,可先根据业务系统中记录的所述业务流程序列,然后从测试系统中的事件数据库中查询关联的所述前端流程序列,并基于所述前端流程序列定位所述目标业务的行为记录数据。
可以理解,当发生节点脱落时,往往无法转化为成功的业务记录,因此,可以通过业务系统中的业务异常数据来确定。当需要对一具体的业务场景的流程节点进行脱落信息分析时,可以根据业务系统中的业务场景分类与业务流程序列中的前缀的对应关系,如上述的借款即为DR,来确定与目标业务相关的业务流程序列,可以理解,这里主要是分析出现节点异常的业务流程序列。
例如,上述的节点脱落信息可包括但不限于包括,流程维度上的节点脱落率,系统维度上的节点脱落率等。其中,流程维度主要是从目标业务的整个流程节点是否合理等角度来统计,这样可以暴露出流程中的各节点的客户体验情况。而系统维度主要是从目标业务的系统操作是否成功、并发情况等角度来统计,这样也可以得到各个节点的系统访问情况等。
以某一目标业务的流程节点脱落率为例,例如,可根据对应的前端流程序列,读取预设数量用户操作同一目标业务的所有行为记录数据并过滤每个用户下具有相同事件ID的重复行为记录;然后,按照流程节点统计,计算得到该目标业务中每个流程节点的脱落率。又例如,对于系统节点脱落率的分析,可根据对应的前端流程序列,读取同一时间点下的所述目标业务的所有行为记录数据,这里包括用户的重复操作;然后,按照事件触发统计,计算得到该目标业务的系统节点脱落率。
本实施例的节点脱落分析方法通过增设两个全局的序列,即前端流程序列和业务流程序列,并每当检测到有前端事件被触发时,利用前端流程序列对触发的前端事件进行行为记录;若被触发的前端事件存在后端业务响应,利用业务流程序列对产生业务响应的前端事件进行行为记录,进而将前端流程序列与业务流程序列进行关联并持久化。通过增设两个全局序列号,一个用于前端流程记录,另一个用于后端业务记录,来实现用户行为的全链路追踪,进而可以得到业务节点的脱落情况,这样便于分析系统的不足之点,尤其在业务量异常时,可快速定位问题节点并给出解决方案,以达到提升用户体验,提升业务量等。
图5示出了本申请实施例的节点脱落分析装置10的一种结构示意图。示范性地,该节点脱落分析装置10包括:
初始化模块110,用于在用户进入目标业务的前端页面后,初始化一全局前端流程序列。
前端事件记录模块120,用于每当检测到有前端事件被触发时,利用所述前端流程序列对当前触发的前端事件进行行为记录。
后端响应记录模块130,用于若所述被触发的前端事件存在后端业务响应,则通过一全局业务流程序列对每次产生业务响应的前端事件进行行为记录,将所述前端流程序列与所述业务流程序列进行关联并持久化。
脱落分析模块140,用于在对所述目标业务进行节点脱落分析时,根据所述业务流程序列和所述前端流程序列确定对应的行为记录数据,进而得到所述目标业务的节点脱落信息。
可以理解,本实施例的装置对应于上述实施例的节点脱落分析方法,上述实施例中的可选项同样适用于本实施例,故在此不再重复描述。
本申请还提供了一种计算机终端,示范性地,该计算机终端包括处理器和存储器,其中,存储器存储有计算机程序,处理器通过运行所述计算机程序,从而使计算机终端执行上述的节点脱落分析方法或者上述节点脱落分析装置中的各个模块的功能。
其中,处理器可以是一种具有信号的处理能力的集成电路芯片。处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、图形处理器(GraphicsProcessing Unit,GPU)及网络处理器(Network Processor,NP)、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件中的至少一种。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。
存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器用于存储计算机程序,处理器在接收到执行指令后,可相应地执行所述计算机程序。
本申请还提供了一种可读存储介质,用于储存上述计算机终端中使用的所述计算机程序。例如,该存储介质可包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和结构图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (7)
1.一种节点脱落分析方法,其特征在于,包括:
在用户进入目标业务的前端页面后,初始化一全局前端流程序列;
每当检测到有前端事件被触发时,利用所述前端流程序列对当前触发的前端事件进行行为记录;
若所述被触发的前端事件存在后端业务响应,则通过一全局业务流程序列对每次产生业务响应的前端事件进行行为记录,将所述前端流程序列与所述业务流程序列进行关联并持久化至事件数据库中;
在对所述目标业务进行节点脱落分析时,根据所述业务流程序列和所述前端流程序列确定对应的行为记录数据,进而得到所述目标业务的节点脱落信息;所述行为记录数据包括:所述目标业务中被触发的所有前端事件信息,其中包括每个前端事件的事件ID、事件描述、事件时间和用于行为记录的前端流程序列,以及涉及后端业务响应的用于行为记录的业务流程序列;
其中,所述根据所述业务流程序列和所述前端流程序列确定对应的行为记录数据,包括:根据业务系统中记录的所述业务流程序列,从测试系统中的所述事件数据库中查询关联的所述前端流程序列,并基于所述前端流程序列定位所述目标业务的行为记录数据;
所述节点脱落信息包括流程节点脱落率,所述基于所述前端流程序列定位所述目标业务的行为记录数据,以得到所述目标业务的节点脱落信息,包括:根据所述前端流程序列,读取预设数量用户操作同一所述目标业务的所有行为记录数据并过滤每个用户下具有相同事件ID的重复行为记录;按照流程节点统计,计算得到所述目标业务中每个流程节点的脱落率。
2.根据权利要求1所述的节点脱落分析方法,其特征在于,所述节点脱落信息包括系统节点脱落率,所述基于所述前端流程序列定位所述目标业务的行为记录数据,以得到所述目标业务的节点脱落信息,包括:
根据所述前端流程序列,读取同一时间点下的所述目标业务的所有行为记录数据;
按照事件触发统计,计算得到所述目标业务的系统节点脱落率。
3.根据权利要求1所述的节点脱落分析方法,其特征在于,所述在用户进入目标业务的前端页面后,之前还包括:
对每个业务场景进行预先分类,并确定分类后的每个业务场景的全流程节点,进而对每个流程节点进行前端事件埋点,以使得用户在相应业务界面每次操作时会触发对应的前端事件记录。
4.根据权利要求1或3所述的节点脱落分析方法,其特征在于,所述前端流程序列与所述业务流程序列均由前缀部分和预设位数的字符串构成,所述字符串包括如下组成部分:符号位部分、时间识别部分、设备识别部分及递增区别部分;
其中,所述前缀部分用于记录对应的业务场景分类;所述时间识别部分用于记录所述对应的业务场景下的用户首次操作时的系统时间戳;所述设备识别部分用于记录对应的设备ID;所述递增区别部分用于记录同一毫秒内设备产生不同标识的能力。
5.一种节点脱落分析装置,其特征在于,包括:
初始化模块,用于在用户进入目标业务的前端页面后,初始化一全局前端流程序列;
前端事件记录模块,用于每当检测到有前端事件被触发时,利用所述前端流程序列对当前触发的前端事件进行行为记录;
后端响应记录模块,用于若所述被触发的前端事件存在后端业务响应,则通过一全局业务流程序列对每次产生业务响应的前端事件进行行为记录,将所述前端流程序列与所述业务流程序列进行关联并持久化至事件数据库中;
脱落分析模块,用于在对所述目标业务进行节点脱落分析时,根据所述业务流程序列和所述前端流程序列确定对应的行为记录数据,进而得到所述目标业务的节点脱落信息;所述行为记录数据包括:所述目标业务中被触发的所有前端事件信息,其中包括每个前端事件的事件ID、事件描述、事件时间和用于行为记录的前端流程序列,以及涉及后端业务响应的用于行为记录的业务流程序列;
其中,所述根据所述业务流程序列和所述前端流程序列确定对应的行为记录数据,包括:根据业务系统中记录的所述业务流程序列,从测试系统中的所述事件数据库中查询关联的所述前端流程序列,并基于所述前端流程序列定位所述目标业务的行为记录数据;
所述节点脱落信息包括流程节点脱落率,所述基于所述前端流程序列定位所述目标业务的行为记录数据,以得到所述目标业务的节点脱落信息,包括:根据所述前端流程序列,读取预设数量用户操作同一所述目标业务的所有行为记录数据并过滤每个用户下具有相同事件ID的重复行为记录;按照流程节点统计,计算得到所述目标业务中每个流程节点的脱落率。
6.一种计算机终端,其特征在于,所述计算机终端包括处理器和存储器,所述存储器存储有计算机程序,所述处理器用于执行所述计算机程序以实施权利要求1-4中任一项所述的节点脱落分析方法。
7.一种可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序在处理器上执行时,实施根据权利要求1-4中任一项所述的节点脱落分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310499273.4A CN116225879B (zh) | 2023-05-06 | 2023-05-06 | 一种节点脱落分析方法、装置和计算机终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310499273.4A CN116225879B (zh) | 2023-05-06 | 2023-05-06 | 一种节点脱落分析方法、装置和计算机终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116225879A CN116225879A (zh) | 2023-06-06 |
CN116225879B true CN116225879B (zh) | 2023-07-18 |
Family
ID=86587604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310499273.4A Active CN116225879B (zh) | 2023-05-06 | 2023-05-06 | 一种节点脱落分析方法、装置和计算机终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116225879B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116561825B (zh) * | 2023-07-12 | 2023-09-26 | 北京亿赛通科技发展有限责任公司 | 数据安全管控方法、装置及计算机设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114386934A (zh) * | 2021-12-17 | 2022-04-22 | 青岛海尔科技有限公司 | 用于业务流程的生成方法及装置、服务器、存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330147A (zh) * | 2020-11-04 | 2021-02-05 | 北京思特奇信息技术股份有限公司 | 一种业务受理信息监控方法、装置及存储介质 |
CN112241506B (zh) * | 2020-12-11 | 2021-04-09 | 支付宝(杭州)信息技术有限公司 | 用户行为的回溯方法、装置、设备及系统 |
CN114650236A (zh) * | 2020-12-17 | 2022-06-21 | 中移(苏州)软件技术有限公司 | 一种日志处理方法、装置及存储介质 |
CN112817790A (zh) * | 2021-03-02 | 2021-05-18 | 腾讯音乐娱乐科技(深圳)有限公司 | 模拟用户行为的方法 |
CN114399292B (zh) * | 2022-01-21 | 2023-01-06 | 中欧基金管理有限公司 | 用于控制业务审批流程的方法、计算设备和介质 |
CN114629929B (zh) * | 2022-03-16 | 2024-03-08 | 北京奇艺世纪科技有限公司 | 一种日志记录方法、装置及系统 |
-
2023
- 2023-05-06 CN CN202310499273.4A patent/CN116225879B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114386934A (zh) * | 2021-12-17 | 2022-04-22 | 青岛海尔科技有限公司 | 用于业务流程的生成方法及装置、服务器、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116225879A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107665432A (zh) | 在用户与各种银行服务的交互中识别可疑用户行为的系统和方法 | |
JP7103345B2 (ja) | 解析システム、解析方法及びプログラム | |
CN108536521B (zh) | 基于仿真平台离线环境核对方法及装置 | |
CN116225879B (zh) | 一种节点脱落分析方法、装置和计算机终端 | |
CN110764980A (zh) | 日志处理方法和装置 | |
CN108322350B (zh) | 业务监控方法及装置和电子设备 | |
CN114154995B (zh) | 一种应用于大数据风控的异常支付数据分析方法及系统 | |
CN111526063A (zh) | 基于整体业务链路断点监控方法、装置、终端及存储介质 | |
Chumuang et al. | Developed Credit Card Fraud Detection Alert Systems via Notification of LINE Application | |
CN109582550A (zh) | 一种获取全量业务场景故障集合的方法、装置及服务器 | |
CN112433705A (zh) | 脚本生成方法、装置、电子设备及存储介质 | |
CN108234345A (zh) | 一种终端网络应用的流量特征识别方法、装置和系统 | |
CN110675078A (zh) | 上市公司风险诊断方法、系统、计算机终端及存储介质 | |
CN115205766A (zh) | 基于区块链的网络安全异常视频大数据检测方法及系统 | |
CN113989859B (zh) | 一种防刷机设备指纹相似度识别方法和装置 | |
CN114840527A (zh) | 数据处理方法、装置及计算机可读存储介质 | |
US8924343B2 (en) | Method and system for using confidence factors in forming a system | |
CN110175915B (zh) | 一种基于区块链的业务执行结果获取方法及系统 | |
CN112116273A (zh) | 一种员工查询行为风险监测方法、装置、设备及存储介质 | |
CN111352821A (zh) | 业务测试方法、装置、电子设备和计算机可读存储介质 | |
CN111367776A (zh) | 资源转移业务的记录方法、装置、设备及存储介质 | |
CN115391224A (zh) | 一种流量回放方法、装置、计算机设备及可读存储介质 | |
CN109918077A (zh) | 代码管理方法、装置、计算机设备和存储介质 | |
US20070025534A1 (en) | Fraud telecommunications pre-checking systems and methods | |
CN108429636A (zh) | 定位异常系统的方法及装置和电子设备 |
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 |