CN116737815A - 数据提取方法、装置、电子设备及存储介质 - Google Patents
数据提取方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116737815A CN116737815A CN202310707777.0A CN202310707777A CN116737815A CN 116737815 A CN116737815 A CN 116737815A CN 202310707777 A CN202310707777 A CN 202310707777A CN 116737815 A CN116737815 A CN 116737815A
- Authority
- CN
- China
- Prior art keywords
- data
- type
- memory
- service vector
- request
- 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
- 238000013075 data extraction Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000004458 analytical method Methods 0.000 claims abstract description 79
- 230000001360 synchronised effect Effects 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims description 25
- 238000006243 chemical reaction Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 17
- 230000006835 compression Effects 0.000 claims description 10
- 238000007906 compression Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 239000004973 liquid crystal related substance Substances 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000007726 management method Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- 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
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明涉及用于金融领域的数据处理技术，揭露一种数据提取方法，包括：根据业务向量数据的数据格式对业务向量数据进行数据编码，得到多条编码数据并存储至内存数据库中，对数据提取请求进行请求类型分析，得到类型分析结果，当类型分析结果符合第一预设条件，调用同步连接器连接发送方和内存数据库，当类型分析结果符合第二预设条件，调用异步连接器连接发送方与内存数据库，当参考连接器与内存数据库连接完成，根据内存数据库的内存返回值对提取数据进行数据解码，得到标准提取数据。本发明还提出一种数据提取装置、电子设备以及存储介质。本发明可以提高保单交易等金融领域数据提取的效率。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种数据提取方法、装置、电子设备及存储介质。
背景技术
在金融领域中的不同业务交易场景下通常会产生大量的交易数据，例如：保险业务中保单交易，一般是将保单交易数据存储在数据库中，以便后续进行数据读取及对读取后的数据进行数据处理。其中，数据库可以为Redis数据库，Redis是一款基于内存的非关系型的数据存储服务。
由于保单交易数据等交易数据可能是经过算法转换后的数据，而各种算法使用的向量数据往往占用内存量大，会导致数据库阻塞严重，进而影响数据存放空间的大小以及数据提取的效率，因此，提出一种数据提取方法。
发明内容
本发明提供一种数据提取方法、装置、电子设备及存储介质，其主要目的在于提高数据提取的效率。
为实现上述目的，本发明提供的一种数据提取方法，包括：
获取多条业务向量数据，分别识别多条所述业务向量数据的数据格式，并根据所述数据格式对所述业务向量数据进行数据编码，得到多条编码数据，将多条所述编码数据存储至预设的内存数据库中；
接收发送方发送的数据提取请求，对所述数据提取请求进行请求类型分析，得到类型分析结果；
当所述类型分析结果符合第一预设条件时，调用参考连接器中的同步连接器连接所述发送方和所述内存数据库，当所述类型分析结果符合第二预设条件时，调用参考连接器中的异步连接器连接所述发送方与所述内存数据库；
当所述参考连接器与所述内存数据库连接完成时，根据所述内存数据库的内存返回值对提取数据进行数据解码，得到标准提取数据。
可选地，所述分别识别多条所述业务向量数据的数据格式，包括：
获取类型判断函数及多个参考类型，将所述业务向量数据与多个所述参考类型进行随机组合，得到多个输入组合；
根据所述类型判断函数分别对多个所述输入组合进行判断处理，当判断处理为判断通过时，将所述输入组合中的参考类型作为所述业务向量数据的数据格式。
可选地，所述根据所述数据格式对所述业务向量数据进行数据编码，得到多条编码数据，包括：
识别所述业务向量数据的数据内存，得到数据内存结果；
当所述数据内存结果为第一内存数据时，根据预设的类型编码算法和所述数据格式对所述业务向量数据进行编码处理，得到多条编码数据；
当所述数据内存结果为第二内存数据时，对所述业务向量数据进行格式转换，得到多条编码数据。
可选地，所述根据预设的类型编码算法和所述数据格式对所述业务向量数据进行编码处理，得到多条编码数据，包括：
当所述业务向量数据的数据格式为列表类型时，对所述业务向量数据进行二次格式转换，并对二次格式转换后的数据进行压缩处理，得到编码数据；
当所述业务向量数据的数据格式为字典类型时，对所述业务向量数据进行序列化处理，并对序列化处理后的数据进行压缩处理，得到编码数据；
当所述业务向量数据的数据格式为字符串类型时，将所述业务向量数据的数据格式转为字节格式并对字节格式的数据进行压缩处理，得到编码数据。
可选地，所述对所述数据提取请求进行请求类型分析，得到类型分析结果，包括：
对所述数据提取请求进行请求解析，得到请求内容；
若所述请求内容中包含大于或者等于预设数量的数据的要求时，将所述类型分析结果输出为第一类型；
若所述请求内容中包含小于预设数量的数据的要求时，将所述类型分析结果输出为第二类型。
可选地，所述根据所述内存数据库的内存返回值对提取数据进行数据解码，得到标准提取数据，包括：
将所述内存返回值与参考值进行比较，并将比较一致的参考值对应的类型作为所述内存返回值的返回类型；
根据不同的返回类型对所述提取数据进行解码，得到标准提取数据。
可选地，所述根据不同的返回类型对所述提取数据进行解码，得到标准提取数据，包括：
当所述返回类型为列表类型时，对所述内存返回值进行解压缩处理，并对解压缩处理后的结果进行格式转换，得到标准提取数据；
当所述返回类型为字典类型时，对所述内存返回值进行反序列化处理，并将反序列化后的数据转换为字典，将字典作为标准提取数据；
当所述返回类型为字符串类型时，对所述内存返回值进行解压缩处理，得到标准提取数据。
为了解决上述问题，本发明还提供一种数据提取装置，所述装置包括：
数据编码模块，用于获取多条业务向量数据，分别识别多条所述业务向量数据的数据格式，并根据所述数据格式对所述业务向量数据进行数据编码，得到多条编码数据，将多条所述编码数据存储至预设的内存数据库中；
类型分析模块，用于接收发送方发送的数据提取请求，对所述数据提取请求进行请求类型分析，得到类型分析结果；
数据库连接模块，用于当所述类型分析结果符合第一预设条件时，调用参考连接器中的同步连接器连接所述发送方和所述内存数据库，当所述类型分析结果符合第二预设条件时，调用参考连接器中的异步连接器连接所述发送方与所述内存数据库；
数据解码模块，用于当所述参考连接器与所述内存数据库连接完成时，根据所述内存数据库的内存返回值对提取数据进行数据解码，得到标准提取数据。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的数据提取方法。
为了解决上述问题，本发明还提供一种存储介质，所述存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的数据提取方法。
本发明实施例中，通过识别业务向量数据的数据格式并根据数据格式对业务向量数据进行数据编码，得到多条编码数据，并将多条编码数据存储在内存数据库中，所述数据编码处理可以减少数据所占内存，提高环境适应性。对数据提取请求进行请求类型分析，得到类型分析结果，根据类型分析结果选择同步连接器或者异步连接器进行连接，提高了访问的效率，进而使得数据提取的效率提高。因此本发明提出的数据提取方法、装置、电子设备及存储介质，可以解决保单交易数据提取的效率低的问题。
附图说明
图1为本发明一实施例提供的数据提取方法的流程示意图；
图2为图1中其中一个步骤的详细实施流程示意图；
图3为本发明一实施例提供的数据提取装置的功能模块图；
图4为本发明一实施例提供的实现所述数据提取方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种数据提取方法。所述数据提取方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述数据提取方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、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、内容分发网络(ContentDelivery Network，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。
参照图1所示，为本发明一实施例提供的数据提取方法的流程示意图。
在本实施例中，所述数据提取方法包括以下步骤S1-S4：
S1、获取多条业务向量数据，分别识别多条所述业务向量数据的数据格式，并根据所述数据格式对所述业务向量数据进行数据编码，得到多条编码数据，将多条所述编码数据存储至预设的内存数据库中。
本发明实施例中，多条所述业务向量数据是指在金融科技领域中的交易过程中所产生的数据，例如：保险业务中保单交易产生的交易数据，由于交易数据是经过算法转换后的数据，因此为向量数据。而不同的业务向量数据具有不同的数据格式，在进行数据编码处理时，可以根据不同格式的数据进行对应的数据编码处理，进而提高数据编码的准确度。
具体地，所述分别识别多条所述业务向量数据的数据格式，包括：
获取类型判断函数及多个参考类型，将所述业务向量数据与多个所述参考类型进行随机组合，得到多个输入组合；
根据所述类型判断函数分别对多个所述输入组合进行判断处理，当判断处理为判断通过时，将所述输入组合中的参考类型作为所述业务向量数据的数据格式。
详细地，所述类型判断函数为isinstance()函数，isinstance()是Python中的一个内建函数，作用是判断一个对象的变量类型。多个所述参考类型可以为列表类型、字典类型和字符串类型。
例如，所述业务向量数据为保单交易数据A，将所述保单交易数据A与列表类型、字典类型和字符串类型等多个所述参考类型进行随机组合，得到多个输入组合为(保单交易数据A，列表类型)、(保单交易数据A，字典类型)和(保单交易数据A，字符串类型)，根据所述类型判断函数分别对多个所述输入组合进行判断处理，即构建isinstance(保单交易数据A，列表类型)、isinstance(保单交易数据A，字典类型)和isinstance(保单交易数据A，字符串类型)，当判断处理为判断通过即输出True时，将所述输入组合中的参考类型作为所述业务向量数据的数据格式。
进一步地，参照图2所示，所述根据所述数据格式对所述业务向量数据进行数据编码，得到多条编码数据，包括以下步骤S21-S23：
S21、识别所述业务向量数据的数据内存，得到数据内存结果；
S22、当所述数据内存结果为第一内存数据时，根据预设的类型编码算法和所述数据格式对所述业务向量数据进行编码处理，得到多条编码数据；
S23、当所述数据内存结果为第二内存数据时，对所述业务向量数据进行格式转换，得到多条编码数据。
详细地，第一内存数据为大内存数据，第二内存数据为小内存数据。
具体地，所述根据预设的类型编码算法和所述数据格式对所述业务向量数据进行编码处理，得到多条编码数据，包括：
当所述业务向量数据的数据格式为列表类型时，对所述业务向量数据进行二次格式转换，并对二次格式转换后的数据进行压缩处理，得到编码数据；
当所述业务向量数据的数据格式为字典类型时，对所述业务向量数据进行序列化处理，并对序列化处理后的数据进行压缩处理，得到编码数据；
当所述业务向量数据的数据格式为字符串类型时，将所述业务向量数据的数据格式转为字节格式并对字节格式的数据进行压缩处理，得到编码数据。
详细地，所述二次格式转换是指先将所述业务向量数据转化为numpyarray格式然后再转化为byte格式，之后再进行压缩，所述序列化处理是指利用pickle实现。
优选地，当所述数据内存结果为第二内存数据时，对所述业务向量数据进行格式转换，格式转换的方法与大内存数据一致，但是剔除了压缩处理。
其中，对保单交易数据进行编码带来的好处不仅是空间上的优化，同时优化了网络传输，因为大内存读写也会使网络传输产生阻塞。
具体地，将多条所述编码数据存储至预设的内存数据库中，其中，所述内存数据库为Redis。Redis就是一个数据库，但是与传统数据库不同的是，他的数据是存在内存上的，因此读写速度快。
S2、接收发送方发送的数据提取请求，对所述数据提取请求进行请求类型分析，得到类型分析结果。
本发明实施例中，发送方发送的数据提取请求是指程序所发送的请求数据的需求。
具体地，所述对所述数据提取请求进行请求类型分析，得到类型分析结果，包括：
对所述数据提取请求进行请求解析，得到请求内容；
若所述请求内容中包含大于或者等于预设数量的数据的要求时，将所述类型分析结果输出为第一类型；
若所述请求内容中包含小于预设数量的数据的要求时，将所述类型分析结果输出为第二类型。
详细地，所述请求内容中包含大于或者等于预设数量的数据的要求是指程序一次性向Redis请求大量保单交易数据时，所述请求内容中包含小于预设数量的数据的要求是指程序多次向Redis请求少量保单交易数据时。
其中，通过对所述数据提取请求进行请求类型分析可以便于后续提供不同的连接器进行数据提取，进而提高保单交易数据提取的效率。
S3、当所述类型分析结果符合第一预设条件时，调用参考连接器中的同步连接器连接所述发送方和所述内存数据库，当所述类型分析结果符合第二预设条件时，调用参考连接器中的异步连接器连接所述发送方与所述内存数据库。
本发明实施例中，所述第一预设条件是指第一类型，所述第二预设条件是指第二类型。所述参考连接器可以为同步连接器或者异步连接器。其中，所述同步连接器。
具体地，当所述类型分析结果符合第一预设条件时即程序需要一次性向Redis请求大量数据时，使用同步连接器，因为此时需使用pipeline模式，pipeline模式为管道模式，通过预先设定好的一系列的阶段来处理输入的保单交易数据，该模式的特性为Redis会将多个请求命令压缩为一条命令进行运行，根据该特性，此时使用同步连接器会减少频繁网络传输导致的耗时。
进一步地，当所述类型分析结果符合第二预设条件时即当程序需要多次向redis请求少量保单交易数据时，使用异步连接器，因为此时需要多次使用离散化的zadd模式用于按序将元素添加至集合中，hmset模式用于将字段值设置到哈希表中,sadd模式用于将一个或者多个元素加入集合中，set模式用于自动排除重复元素，频繁的网络等待将成为瓶颈，故使用异步连接器可以规避大量的网络等待时间。
S4、当所述参考连接器与所述内存数据库连接完成时，根据所述内存数据库的内存返回值对提取数据进行数据解码，得到标准提取数据。
本发明实施例中，所述根据所述内存数据库的内存返回值对提取数据进行数据解码，得到标准提取数据，包括：
将所述内存返回值与参考值进行比较，并将比较一致的参考值对应的类型作为所述内存返回值的返回类型；
根据不同的返回类型对所述提取数据进行解码，得到标准提取数据。
详细地，根据Redis返回值属于哪一种编码类型进行逆操作。
具体地，所述根据不同的返回类型对所述提取数据进行解码，得到标准提取数据，包括：
当所述返回类型为列表类型时，对所述内存返回值进行解压缩处理，并对解压缩处理后的结果进行格式转换，得到标准提取数据；
当所述返回类型为字典类型时，对所述内存返回值进行反序列化处理，并将反序列化后的数据转换为字典，将字典作为标准提取数据；
当所述返回类型为字符串类型时，对所述内存返回值进行解压缩处理，得到标准提取数据。
详细地，根据Redis返回值属于哪一种编码类型进行逆操作，例如，返回值为大内存列表数据，首先进行解压缩，再将byte转化为多维数组numpyarray；返回值为大内存字典，首先进行pickle反序列化，其中，pickle是一个基于栈的编程语言，再将byte转化为字典。
进一步地，所述得到标准提取数据之后，所述方法还包括：
将所述标准提取数据传送给所述发送端。
本发明实施例中，通过识别业务向量数据的数据格式并根据数据格式对业务向量数据进行数据编码，得到多条编码数据，并将多条编码数据存储在内存数据库中，所述数据编码处理可以减少数据所占内存，提高环境适应性。对数据提取请求进行请求类型分析，得到类型分析结果，根据类型分析结果选择同步连接器或者异步连接器进行连接，提高了访问的效率，进而使得数据提取的效率提高。因此本发明提出的数据提取方法可以提高保单交易数据提取的效率低的问题。
如图3所示，是本发明一实施例提供的数据提取装置的功能模块图。
本发明所述数据提取装置100可以安装于电子设备中。根据实现的功能，所述数据提取装置100可以包括数据编码模块101、类型分析模块102、数据库连接模块103及数据解码模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述数据编码模块101，用于获取多条业务向量数据，分别识别多条所述业务向量数据的数据格式，并根据所述数据格式对所述业务向量数据进行数据编码，得到多条编码数据，将多条所述编码数据存储至预设的内存数据库中；
所述类型分析模块102，用于接收发送方发送的数据提取请求，对所述数据提取请求进行请求类型分析，得到类型分析结果；
所述数据库连接模块103，用于当所述类型分析结果符合第一预设条件时，调用参考连接器中的同步连接器连接所述发送方和所述内存数据库，当所述类型分析结果符合第二预设条件时，调用参考连接器中的异步连接器连接所述发送方与所述内存数据库；
所述数据解码模块104，用于当所述参考连接器与所述内存数据库连接完成时，根据所述内存数据库的内存返回值对提取数据进行数据解码，得到标准提取数据。
详细地，所述数据提取装置100各模块的具体实施方式如下：
步骤一、获取多条业务向量数据，分别识别多条所述业务向量数据的数据格式，并根据所述数据格式对所述业务向量数据进行数据编码，得到多条编码数据，将多条所述编码数据存储至预设的内存数据库中。
本发明实施例中，多条所述业务向量数据是指在金融科技领域中的交易过程中所产生的数据，例如：保险业务中保单交易产生的交易数据，由于交易数据是经过算法转换后的数据，因此为向量数据。而不同的业务向量数据具有不同的数据格式，在进行数据编码处理时，可以根据不同格式的数据进行对应的数据编码处理，进而提高数据编码的准确度。
具体地，所述分别识别多条所述业务向量数据的数据格式，包括：
获取类型判断函数及多个参考类型，将所述业务向量数据与多个所述参考类型进行随机组合，得到多个输入组合；
根据所述类型判断函数分别对多个所述输入组合进行判断处理，当判断处理为判断通过时，将所述输入组合中的参考类型作为所述业务向量数据的数据格式。
详细地，所述类型判断函数为isinstance()函数，isinstance()是Python中的一个内建函数，作用是判断一个对象的变量类型。多个所述参考类型可以为列表类型、字典类型和字符串类型。
例如，所述业务向量数据为保单交易数据A，将所述保单交易数据A与列表类型、字典类型和字符串类型等多个所述参考类型进行随机组合，得到多个输入组合为(保单交易数据A，列表类型)、(保单交易数据A，字典类型)和(保单交易数据A，字符串类型)，根据所述类型判断函数分别对多个所述输入组合进行判断处理，即构建isinstance(保单交易数据A，列表类型)、isinstance(保单交易数据A，字典类型)和isinstance(保单交易数据A，字符串类型)，当判断处理为判断通过即输出True时，将所述输入组合中的参考类型作为所述业务向量数据的数据格式。
进一步地，所述根据所述数据格式对所述业务向量数据进行数据编码，得到多条编码数据，包括：
识别所述业务向量数据的数据内存，得到数据内存结果；
当所述数据内存结果为第一内存数据时，根据预设的类型编码算法和所述数据格式对所述业务向量数据进行编码处理，得到多条编码数据；
当所述数据内存结果为第二内存数据时，对所述业务向量数据进行格式转换，得到多条编码数据。
详细地，第一内存数据为大内存数据，第二内存数据为小内存数据。
具体地，所述根据预设的类型编码算法和所述数据格式对所述业务向量数据进行编码处理，得到多条编码数据，包括：
当所述业务向量数据的数据格式为列表类型时，对所述业务向量数据进行二次格式转换，并对二次格式转换后的数据进行压缩处理，得到编码数据；
当所述业务向量数据的数据格式为字典类型时，对所述业务向量数据进行序列化处理，并对序列化处理后的数据进行压缩处理，得到编码数据；
当所述业务向量数据的数据格式为字符串类型时，将所述业务向量数据的数据格式转为字节格式并对字节格式的数据进行压缩处理，得到编码数据。
详细地，所述二次格式转换是指先将所述业务向量数据转化为numpyarray格式然后再转化为byte格式，之后再进行压缩，所述序列化处理是指利用pickle实现。
优选地，当所述数据内存结果为第二内存数据时，对所述业务向量数据进行格式转换，格式转换的方法与大内存数据一致，但是剔除了压缩处理。
其中，对保单交易数据进行编码带来的好处不仅是空间上的优化，同时优化了网络传输，因为大内存读写也会使网络传输产生阻塞。
具体地，将多条所述编码数据存储至预设的内存数据库中，其中，所述内存数据库为Redis。Redis就是一个数据库，但是与传统数据库不同的是，他的数据是存在内存上的，因此读写速度快。
步骤二、接收发送方发送的数据提取请求，对所述数据提取请求进行请求类型分析，得到类型分析结果。
本发明实施例中，发送方发送的数据提取请求是指程序所发送的请求数据的需求。
具体地，所述对所述数据提取请求进行请求类型分析，得到类型分析结果，包括：
对所述数据提取请求进行请求解析，得到请求内容；
若所述请求内容中包含大于或者等于预设数量的数据的要求时，将所述类型分析结果输出为第一类型；
若所述请求内容中包含小于预设数量的数据的要求时，将所述类型分析结果输出为第二类型。
详细地，所述请求内容中包含大于或者等于预设数量的数据的要求是指程序一次性向Redis请求大量保单交易数据时，所述请求内容中包含小于预设数量的数据的要求是指程序多次向Redis请求少量保单交易数据时。
其中，通过对所述数据提取请求进行请求类型分析可以便于后续提供不同的连接器进行数据提取，进而提高保单交易数据提取的效率。
步骤三、当所述类型分析结果符合第一预设条件时，调用参考连接器中的同步连接器连接所述发送方和所述内存数据库，当所述类型分析结果符合第二预设条件时，调用参考连接器中的异步连接器连接所述发送方与所述内存数据库。
本发明实施例中，所述第一预设条件是指第一类型，所述第二预设条件是指第二类型。所述参考连接器可以为同步连接器或者异步连接器。其中，所述同步连接器。
具体地，当所述类型分析结果符合第一预设条件时即程序需要一次性向Redis请求大量数据时，使用同步连接器，因为此时需使用pipeline模式，pipeline模式为管道模式，通过预先设定好的一系列的阶段来处理输入的保单交易数据，该模式的特性为Redis会将多个请求命令压缩为一条命令进行运行，根据该特性，此时使用同步连接器会减少频繁网络传输导致的耗时。
进一步地，当所述类型分析结果符合第二预设条件时即当程序需要多次向redis请求少量保单交易数据时，使用异步连接器，因为此时需要多次使用离散化的zadd模式用于按序将元素添加至集合中，hmset模式用于将字段值设置到哈希表中,sadd模式用于将一个或者多个元素加入集合中，set模式用于自动排除重复元素，频繁的网络等待将成为瓶颈，故使用异步连接器可以规避大量的网络等待时间。
步骤四、当所述参考连接器与所述内存数据库连接完成时，根据所述内存数据库的内存返回值对提取数据进行数据解码，得到标准提取数据。
本发明实施例中，所述根据所述内存数据库的内存返回值对提取数据进行数据解码，得到标准提取数据，包括：
将所述内存返回值与参考值进行比较，并将比较一致的参考值对应的类型作为所述内存返回值的返回类型；
根据不同的返回类型对所述提取数据进行解码，得到标准提取数据。
详细地，根据Redis返回值属于哪一种编码类型进行逆操作。
具体地，所述根据不同的返回类型对所述提取数据进行解码，得到标准提取数据，包括：
当所述返回类型为列表类型时，对所述内存返回值进行解压缩处理，并对解压缩处理后的结果进行格式转换，得到标准提取数据；
当所述返回类型为字典类型时，对所述内存返回值进行反序列化处理，并将反序列化后的数据转换为字典，将字典作为标准提取数据；
当所述返回类型为字符串类型时，对所述内存返回值进行解压缩处理，得到标准提取数据。
详细地，根据Redis返回值属于哪一种编码类型进行逆操作，例如，返回值为大内存列表数据，首先进行解压缩，再将byte转化为多维数组numpyarray；返回值为大内存字典，首先进行pickle反序列化，其中，pickle是一个基于栈的编程语言，再将byte转化为字典。
进一步地，所述得到标准提取数据之后，所述方法还包括：
将所述标准提取数据传送给所述发送端。
本发明实施例中，通过识别业务向量数据的数据格式并根据数据格式对业务向量数据进行数据编码，得到多条编码数据，并将多条编码数据存储在内存数据库中，所述数据编码处理可以减少数据所占内存，提高环境适应性。对数据提取请求进行请求类型分析，得到类型分析结果，根据类型分析结果选择同步连接器或者异步连接器进行连接，提高了访问的效率，进而使得数据提取的效率提高。因此本发明提出的数据提取装置可以提高保单交易数据提取的效率低的问题。
如图4所示，是本发明一实施例提供的实现数据提取方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如数据提取程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing Unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行数据提取程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如数据提取程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的数据提取程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取多条业务向量数据，分别识别多条所述业务向量数据的数据格式，并根据所述数据格式对所述业务向量数据进行数据编码，得到多条编码数据，将多条所述编码数据存储至预设的内存数据库中；
接收发送方发送的数据提取请求，对所述数据提取请求进行请求类型分析，得到类型分析结果；
当所述类型分析结果符合第一预设条件时，调用参考连接器中的同步连接器连接所述发送方和所述内存数据库，当所述类型分析结果符合第二预设条件时，调用参考连接器中的异步连接器连接所述发送方与所述内存数据库；
当所述参考连接器与所述内存数据库连接完成时，根据所述内存数据库的内存返回值对提取数据进行数据解码，得到标准提取数据。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。所述存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取多条业务向量数据，分别识别多条所述业务向量数据的数据格式，并根据所述数据格式对所述业务向量数据进行数据编码，得到多条编码数据，将多条所述编码数据存储至预设的内存数据库中；
接收发送方发送的数据提取请求，对所述数据提取请求进行请求类型分析，得到类型分析结果；
当所述类型分析结果符合第一预设条件时，调用参考连接器中的同步连接器连接所述发送方和所述内存数据库，当所述类型分析结果符合第二预设条件时，调用参考连接器中的异步连接器连接所述发送方与所述内存数据库；
当所述参考连接器与所述内存数据库连接完成时，根据所述内存数据库的内存返回值对提取数据进行数据解码，得到标准提取数据。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。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。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种数据提取方法，其特征在于，所述方法包括：
获取多条业务向量数据，分别识别多条所述业务向量数据的数据格式，并根据所述数据格式对所述业务向量数据进行数据编码，得到多条编码数据，将多条所述编码数据存储至预设的内存数据库中；
接收发送方发送的数据提取请求，对所述数据提取请求进行请求类型分析，得到类型分析结果；
当所述类型分析结果符合第一预设条件时，调用参考连接器中的同步连接器连接所述发送方和所述内存数据库，当所述类型分析结果符合第二预设条件时，调用参考连接器中的异步连接器连接所述发送方与所述内存数据库；
当所述参考连接器与所述内存数据库连接完成时，根据所述内存数据库的内存返回值对提取数据进行数据解码，得到标准提取数据。
2.如权利要求1所述的数据提取方法，其特征在于，所述分别识别多条所述业务向量数据的数据格式，包括：
获取类型判断函数及多个参考类型，将所述业务向量数据与多个所述参考类型进行随机组合，得到多个输入组合；
根据所述类型判断函数分别对多个所述输入组合进行判断处理，当判断处理为判断通过时，将所述输入组合中的参考类型作为所述业务向量数据的数据格式。
3.如权利要求1所述的数据提取方法，其特征在于，所述根据所述数据格式对所述业务向量数据进行数据编码，得到多条编码数据，包括：
识别所述业务向量数据的数据内存，得到数据内存结果；
当所述数据内存结果为第一内存数据时，根据预设的类型编码算法和所述数据格式对所述业务向量数据进行编码处理，得到多条编码数据；
当所述数据内存结果为第二内存数据时，对所述业务向量数据进行格式转换，得到多条编码数据。
4.如权利要求3所述的数据提取方法，其特征在于，所述根据预设的类型编码算法和所述数据格式对所述业务向量数据进行编码处理，得到多条编码数据，包括：
当所述业务向量数据的数据格式为列表类型时，对所述业务向量数据进行二次格式转换，并对二次格式转换后的数据进行压缩处理，得到编码数据；
当所述业务向量数据的数据格式为字典类型时，对所述业务向量数据进行序列化处理，并对序列化处理后的数据进行压缩处理，得到编码数据；
当所述业务向量数据的数据格式为字符串类型时，将所述业务向量数据的数据格式转为字节格式并对字节格式的数据进行压缩处理，得到编码数据。
5.如权利要求1所述的数据提取方法，其特征在于，所述对所述数据提取请求进行请求类型分析，得到类型分析结果，包括：
对所述数据提取请求进行请求解析，得到请求内容；
若所述请求内容中包含大于或者等于预设数量的数据的要求时，将所述类型分析结果输出为第一类型；
若所述请求内容中包含小于预设数量的数据的要求时，将所述类型分析结果输出为第二类型。
6.如权利要求1所述的数据提取方法，其特征在于，所述根据所述内存数据库的内存返回值对提取数据进行数据解码，得到标准提取数据，包括：
将所述内存返回值与参考值进行比较，并将比较一致的参考值对应的类型作为所述内存返回值的返回类型；
根据不同的返回类型对所述提取数据进行解码，得到标准提取数据。
7.如权利要求1所述的数据提取方法，其特征在于，所述根据不同的返回类型对所述提取数据进行解码，得到标准提取数据，包括：
当所述返回类型为列表类型时，对所述内存返回值进行解压缩处理，并对解压缩处理后的结果进行格式转换，得到标准提取数据；
当所述返回类型为字典类型时，对所述内存返回值进行反序列化处理，并将反序列化后的数据转换为字典，将字典作为标准提取数据；
当所述返回类型为字符串类型时，对所述内存返回值进行解压缩处理，得到标准提取数据。
8.一种数据提取装置，其特征在于，所述装置包括：
数据编码模块，用于获取多条业务向量数据，分别识别多条所述业务向量数据的数据格式，并根据所述数据格式对所述业务向量数据进行数据编码，得到多条编码数据，将多条所述编码数据存储至预设的内存数据库中；
类型分析模块，用于接收发送方发送的数据提取请求，对所述数据提取请求进行请求类型分析，得到类型分析结果；
数据库连接模块，用于当所述类型分析结果符合第一预设条件时，调用参考连接器中的同步连接器连接所述发送方和所述内存数据库，当所述类型分析结果符合第二预设条件时，调用参考连接器中的异步连接器连接所述发送方与所述内存数据库；
数据解码模块，用于当所述参考连接器与所述内存数据库连接完成时，根据所述内存数据库的内存返回值对提取数据进行数据解码，得到标准提取数据。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的数据提取方法。
10.一种存储介质，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如权利要求1至7中任意一项所述的数据提取方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310707777.0A CN116737815A (zh) | 2023-06-14 | 2023-06-14 | 数据提取方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310707777.0A CN116737815A (zh) | 2023-06-14 | 2023-06-14 | 数据提取方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116737815A true CN116737815A (zh) | 2023-09-12 |
Family
ID=87911022
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310707777.0A Pending CN116737815A (zh) | 2023-06-14 | 2023-06-14 | 数据提取方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116737815A (zh) |
-
2023
- 2023-06-14 CN CN202310707777.0A patent/CN116737815A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112541338A (zh) | 相似文本匹配方法、装置、电子设备及计算机存储介质 | |
| CN114979120B (zh) | 数据上传方法、装置、设备及存储介质 | |
| CN112702228B (zh) | 服务限流响应方法、装置、电子设备及可读存储介质 | |
| CN114491047A (zh) | 多标签文本分类方法、装置、电子设备及存储介质 | |
| CN114881616A (zh) | 业务流程执行方法、装置、电子设备及存储介质 | |
| CN113468175A (zh) | 数据压缩方法、装置、电子设备及存储介质 | |
| CN113157853B (zh) | 问题挖掘方法、装置、电子设备及存储介质 | |
| CN113239106B (zh) | Excel文件导出方法、装置、电子设备及存储介质 | |
| CN112464619B (zh) | 大数据处理方法、装置、设备及计算机可读存储介质 | |
| CN113868528A (zh) | 资讯推荐方法、装置、电子设备及可读存储介质 | |
| CN117093619A (zh) | 一种规则引擎处理方法、装置、电子设备及存储介质 | |
| CN111985491A (zh) | 基于深度学习的相似信息合并方法、装置、设备及介质 | |
| CN116450723A (zh) | 数据提取方法、装置、计算机设备及存储介质 | |
| CN116737815A (zh) | 数据提取方法、装置、电子设备及存储介质 | |
| CN115409041A (zh) | 一种非结构化数据提取方法、装置、设备及存储介质 | |
| CN115496166A (zh) | 多任务处理方法、装置、电子设备及存储介质 | |
| CN112527753B (zh) | Dns解析记录无损压缩方法、装置、电子设备及存储介质 | |
| CN115174698B (zh) | 基于表项索引的行情数据解码方法、装置、设备及介质 | |
| CN112328960B (zh) | 数据运算的优化方法、装置、电子设备及存储介质 | |
| CN113438221B (zh) | 本地端文件加载方法、装置、电子设备及介质 | |
| CN113452703B (zh) | 组合通信请求响应方法、装置、电子设备及可读存储介质 | |
| CN110908958B (zh) | 一种文件处理方法、装置、终端及存储介质 | |
| CN116311461A (zh) | 基于同态加密的人脸识别方法、装置、电子设备及介质 | |
| CN114969043A (zh) | 标签存储方法、装置、设备及存储介质 | |
| CN116483974A (zh) | 对话回复筛选方法、装置、设备及存储介质 |
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 |