CN116842011A - 血缘关系分析方法、装置、计算机设备及存储介质 - Google Patents
血缘关系分析方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116842011A CN116842011A CN202310784832.6A CN202310784832A CN116842011A CN 116842011 A CN116842011 A CN 116842011A CN 202310784832 A CN202310784832 A CN 202310784832A CN 116842011 A CN116842011 A CN 116842011A
- Authority
- CN
- China
- Prior art keywords
- task
- dependency information
- data
- data warehouse
- blood relationship
- 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
- 239000008280 blood Substances 0.000 title claims abstract description 122
- 210000004369 blood Anatomy 0.000 title claims abstract description 122
- 238000004458 analytical method Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- 230000001419 dependent effect Effects 0.000 claims abstract description 10
- 238000004140 cleaning Methods 0.000 claims description 17
- 230000004048 modification Effects 0.000 claims description 12
- 238000012986 modification Methods 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 10
- 230000001960 triggered effect Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 23
- 230000008569 process Effects 0.000 description 11
- 238000013473 artificial intelligence Methods 0.000 description 10
- 230000008676 import Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请属于大数据领域与金融科技领域,涉及一种血缘关系分析方法,包括:从数据仓库中获取数据仓库任务的任务依赖信息;从数据仓库中获取与数据仓库任务对应的任务数据表的表字段依赖信息;将任务依赖信息与表字段依赖信息导入至目标数据表内;将目标数据表内的任务依赖信息与表字段依赖信息导入至调用图形数据库内;通过图形数据库对任务依赖信息与表字段依赖信息进行图谱计算处理,生成血缘关系图谱。本申请还提供一种血缘关系分析装置、计算机设备及存储介质。此外,本申请还涉及区块链技术,血缘关系图谱可存储于区块链中。本申请可应用于金融领域的血缘分析场景,能够自动快速地生成血缘关系图谱,有效提高了血缘关系图谱的生成效率。
Description
技术领域
本申请涉及大数据技术领域与金融科技领域,尤其涉及血缘关系分析方法、装置、计算机设备及存储介质。
背景技术
数据血缘描述了数据在产生、传输、使用、存储、共享和销毁的生命周期中数据之间的关联关系和数据的流向。数据血缘在数据应用和治理中可以用于数据的溯源分析、影响分析和重要程度分析。目前,在金融科技公司,例如保险公司、银行等通常会具有对内部的数据仓库内的数据血缘的分析需求。现有的在金融科技公司中对数据仓库内的数据血缘的分析处理方式,通常是设立专门的分析岗位,并采用人工对数据仓库内的各个数据进行逐一整理、分析以构建出相应的血缘关系,然而这样的处理方式存在数据血缘分析效率较低的问题。
发明内容
本申请实施例的目的在于提出一种血缘关系分析方法、装置、计算机设备及存储介质,以解决现有的采用人工对数据仓库内的各个数据进行逐一整理、分析以构建出相应的血缘关系的的处理方式存在数据血缘分析效率较低的技术问题。
为了解决上述技术问题,本申请实施例提供一种血缘关系分析方法,采用了如下所述的技术方案:
从预设的数据仓库中获取数据仓库任务的任务依赖信息;
从所述数据仓库中获取与所述数据仓库任务对应的任务数据表的表字段依赖信息;
将所述任务依赖信息与所述表字段依赖信息导入至预设的目标数据表内;
调用预设的图形数据库;
将所述目标数据表内的所述任务依赖信息与所述表字段依赖信息导入至所述图形数据库内;
通过所述图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,生成相应的血缘关系图谱。
进一步的,所述从预设的数据仓库中获取数据仓库任务的任务依赖信息的步骤,具体包括:
从所述数据仓库中确定目标数据层;
获取所述目标数据层的调度任务,并将所述调度任务作为所述数据仓库任务;
从所述数据仓库中获取与所述数据仓库任务对应的任务依赖信息。
进一步的,所述从所述数据仓库中获取与所述数据仓库任务对应的任务数据表的表字段依赖信息的步骤,具体包括:
从所述数据仓库中获取与所述数据仓库任务对应的任务数据表;
对所述任务数据表进行信息解析,得到与所述任务数据表对应的表字段之间的依赖关系;
将所述表字段之间的依赖关系作为所述表字段依赖信息。
进一步的,所述通过所述图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,生成相应的血缘关系图谱的步骤,具体包括:
获取所述数据仓库任务的任务名称;
获取所述任务数据表的表名称;
基于所述任务名称与所述表名称在所述图形数据库中构建对应的节点;
基于所述任务依赖信息与所述表字段依赖信息生成各所述节点之间的关联关系;
基于所述关联关系,在所述图形数据库中构建与所述节点对应的血缘关系图谱。
进一步的,在所述通过所述图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,生成相应的血缘关系图谱的步骤之后,还包括:
获取与所述血缘关系图谱对应的目标存储类型;
确定与所述目标存储类型对应的目标存储介质;
通过所述目标存储介质对所述血缘关系图谱进行存储。
进一步的,在所述通过所述目标存储介质对所述血缘关系图谱进行存储的步骤之后,具体包括:
判断所述目标存储介质是否满足预设的清理条件;
若是,从所述目标存储介质中确定出待清理数据;
对所述待清理数据进行清理。
进一步的,在所述通过所述图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,生成相应的血缘关系图谱的步骤之后,还包括:
判断是否接收到用户触发的对于所述血缘关系图谱的编辑指令;
若是,基于预设的权限分析模型对所述用户进行权限验证;
若权限验证通过,接收所述用户输入的对于所述血缘关系图谱的修改操作;
基于所述修改操作对所述血缘关系图谱进行修改处理,得到目标血缘关系图谱;
存储所述目标血缘关系图谱。
为了解决上述技术问题,本申请实施例还提供一种血缘关系分析装置,采用了如下所述的技术方案:
第一获取模块,用于从预设的数据仓库中获取数据仓库任务的任务依赖信息;
第二获取模块,用于从所述数据仓库中获取与所述数据仓库任务对应的任务数据表的表字段依赖信息;
第一导入模块,用于将所述任务依赖信息与所述表字段依赖信息导入至预设的目标数据表内;
调用模块,用于调用预设的图形数据库;
第二导入模块,用于将所述目标数据表内的所述任务依赖信息与所述表字段依赖信息导入至所述图形数据库内;
生成模块,用于通过所述图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,生成相应的血缘关系图谱。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
从预设的数据仓库中获取数据仓库任务的任务依赖信息;
从所述数据仓库中获取与所述数据仓库任务对应的任务数据表的表字段依赖信息;
将所述任务依赖信息与所述表字段依赖信息导入至预设的目标数据表内;
调用预设的图形数据库;
将所述目标数据表内的所述任务依赖信息与所述表字段依赖信息导入至所述图形数据库内;
通过所述图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,生成相应的血缘关系图谱。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
从预设的数据仓库中获取数据仓库任务的任务依赖信息;
从所述数据仓库中获取与所述数据仓库任务对应的任务数据表的表字段依赖信息;
将所述任务依赖信息与所述表字段依赖信息导入至预设的目标数据表内;
调用预设的图形数据库;
将所述目标数据表内的所述任务依赖信息与所述表字段依赖信息导入至所述图形数据库内;
通过所述图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,生成相应的血缘关系图谱。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例首先从预设的数据仓库中获取数据仓库任务的任务依赖信息;然后从所述数据仓库中获取与所述数据仓库任务对应的任务数据表的表字段依赖信息;之后将所述任务依赖信息与所述表字段依赖信息导入至预设的目标数据表内;后续调用预设的图形数据库,并将所述目标数据表内的所述任务依赖信息与所述表字段依赖信息导入至所述图形数据库内;最后通过所述图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,生成相应的血缘关系图谱。本申请实施例通过从数据仓库中获取数据仓库任务的任务依赖信息以及获取与所述数据仓库任务对应的任务数据表的表字段依赖信息,进而基于图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,以实现自动快速地生成相应的血缘关系图谱,有效提高了血缘关系图谱的生成效率。另外。通过使用图形数据库可以直观的将数据仓库中任务链路的血缘关系通过图形化的方式直观的展示出来,从而可以给数据开发人员加密工作提供了有效依赖,大大缩减了开发人员人工检索分析的时间成本和错误概率。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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是本申请可以应用于其中的示例性系统架构图;
图2根据本申请的血缘关系分析方法的一个实施例的流程图;
图3是根据本申请的血缘关系分析装置的一个实施例的结构示意图;
图4是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
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申请的技术领域的技术人员通常理解的含义相同;本文中在申请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,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的血缘关系分析方法一般由服务器/终端设备执行,相应地,血缘关系分析装置一般设置于服务器/终端设备中。
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。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的血缘关系分析方法的一个实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。本申请实施例提供的血缘关系分析方法能够应用于任意一种需要进行血缘关系分析的场景中,则该血缘关系分析方法能够应用于这些场景的产品中,例如,金融保险领域中的数据仓库中的数据血缘关系分析。所述的血缘关系分析方法,包括以下步骤:
步骤S201,从预设的数据仓库中获取数据仓库任务的任务依赖信息。
在本实施例中,血缘关系分析方法运行于其上的电子设备(例如图1所示的服务器/终端设备),可以通过有线连接方式或者无线连接方式获取任务依赖信息。血缘关系分析方法的执行主体具体可为电子设备内的任务调度平台。需要指出的是,上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。其中,数据仓库为应用大数据技术的数据仓库。在金融领域中,上述数据仓库内可存储有业务数据、交易数据、支付数据等数据。另外,上述从预设的数据仓库中获取数据仓库任务的任务依赖信息的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。
步骤S202,从所述数据仓库中获取与所述数据仓库任务对应的任务数据表的表字段依赖信息。
在本实施例中,上述从所述数据仓库中获取与所述数据仓库任务对应的任务数据表的表字段依赖信息的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。
步骤S203,将所述任务依赖信息与所述表字段依赖信息导入至预设的目标数据表内。
在本实施例中,上述目标数据表具体可采用hive数据表。hive是基于Hadoop的一个数据仓库工具,用来进行数据提取、转化、加载,这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。hive数据仓库工具能将结构化的数据文件映射为一张数据库表,并提供SQL查询功能,能将SQL语句转变成MapReduce任务来执行。Hive的优点是学习成本低,可以通过类似SQL语句实现快速MapReduce统计,使MapReduce变得更加简单,而不必开发专门的MapReduce应用程序。hive十分适合对数据仓库进行统计分析。
步骤S204,调用预设的图形数据库。
在本实施例中,上述图形数据库具体可采用Neo4j。Neo4j是一个高性能的Nosql图形数据库,是面向网络的数据库,通过一个个节点构建网络,节点具有对应属性,各节点间存在关系。
步骤S205,将所述目标数据表内的所述任务依赖信息与所述表字段依赖信息导入至所述图形数据库内。
在本实施例中,Neo4j图形数据库为支持外部数据导入的图形数据库。
步骤S206,通过所述图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,生成相应的血缘关系图谱。
在本实施例中,上述通过所述图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,生成相应的血缘关系图谱的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。
本申请首先从预设的数据仓库中获取数据仓库任务的任务依赖信息;然后从所述数据仓库中获取与所述数据仓库任务对应的任务数据表的表字段依赖信息;之后将所述任务依赖信息与所述表字段依赖信息导入至预设的目标数据表内;后续调用预设的图形数据库,并将所述目标数据表内的所述任务依赖信息与所述表字段依赖信息导入至所述图形数据库内;最后通过所述图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,生成相应的血缘关系图谱。本申请通过从数据仓库中获取数据仓库任务的任务依赖信息以及获取与所述数据仓库任务对应的任务数据表的表字段依赖信息,进而基于图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,以实现自动快速地生成相应的血缘关系图谱,有效提高了血缘关系图谱的生成效率。另外。通过使用图形数据库可以直观的将数据仓库中任务链路的血缘关系通过图形化的方式直观的展示出来,从而可以给数据开发人员加密工作提供了有效依赖,大大缩减了开发人员人工检索分析的时间成本和错误概率。
在一些可选的实现方式中,步骤S201包括以下步骤:
从所述数据仓库中确定目标数据层。
在本实施例中,数据仓库的分层包括ODS->DWD/DWS->DM,且上下游的两层数据层之间存在依赖关系,各个数据层每天存在上万的T+1调度任务,调度任务通过任务调度平台进行调度。上述目标数据层是指ODS层与DM层。
获取所述目标数据层的调度任务,并将所述调度任务作为所述数据仓库任务。
在本实施例中,可从数据仓库内包含的所有任务中提取出ODS层与DM层的调度任务,并作为上述数据仓库任务。
从所述数据仓库中获取与所述数据仓库任务对应的任务依赖信息。
在本实施例中,在任务调度平台中维护了数据仓库任务之间的依赖关系,因而可以从所述数据仓库中获取到与所述数据仓库任务对应的任务依赖信息。
本申请通过从所述数据仓库中确定目标数据层;然后获取所述目标数据层的调度任务,并将所述调度任务作为所述数据仓库任务;后续从所述数据仓库中获取与所述数据仓库任务对应的任务依赖信息。本申请通过确定出数据仓库中的目标数据层,进而可对目标数据层的调度任务进行信息查询,从而可以快速便捷地从所述数据仓库中获取与所述数据仓库任务对应的任务依赖信息。
在本实施例的一些可选的实现方式中,步骤S202包括以下步骤:
从所述数据仓库中获取与所述数据仓库任务对应的任务数据表。
在本实施例中,每个数据仓库任务的底层对应着具有sql同步逻辑的任务数据表,且通过对任务数据表进行解析,可以得到表字段之间的依赖关系。
对所述任务数据表进行信息解析,得到与所述任务数据表对应的表字段之间的依赖关系。
将所述表字段之间的依赖关系作为所述表字段依赖信息。
本申请通过从所述数据仓库中获取与所述数据仓库任务对应的任务数据表;然后对所述任务数据表进行信息解析,得到与所述任务数据表对应的表字段之间的依赖关系;后续将所述表字段之间的依赖关系作为所述表字段依赖信息。本申请通过对从数据仓库中获取到的与所述数据仓库任务对应的任务数据表进行信息解析,从而可以实现快速便捷地得到任务数据表的表字段依赖信息。
在一些可选的实现方式中,步骤S206包括以下步骤:
获取所述数据仓库任务的任务名称。
在本实施例中,可通过获取数据仓库任务的任务描述信息,再从该任务描述信息中提取出数据仓库任务的任务名称。
获取所述任务数据表的表名称。
在本实施例中,可通过获取任务数据表的数据表描述信息,再从该数据表描述信息中提取出数据仓库任务的任务名称。
基于所述任务名称与所述表名称在所述图形数据库中构建对应的节点。
在本实施例中,将数据仓库任务的任务名称,以及任务数据表的表名称作为上述图形数据库中的节点。另外,任务task节点属性为任务所属分组、任务负责人,表名table节点属性为表加密字段
基于所述任务依赖信息与所述表字段依赖信息生成各所述节点之间的关联关系。
在本实施例中,基于所述任务依赖信息与所述表字段依赖信息可以得到各数据仓库任务之间的依赖关系,以及各任务数据表之间饿依赖关系。进而可以基于各数据仓库任务之间的依赖关系,以及各任务数据表之间饿依赖关系,转化得到各节点之间的关联关系。
基于所述关联关系,在所述图形数据库中构建与所述节点对应的血缘关系图谱。
在本实施例中,可基于所述关联关系,再图形数据库中对各节点进行描边,以构建出包含各节点的上下游关系的血缘关系图谱。
本申请通过获取所述数据仓库任务的任务名称,以及获取所述任务数据表的表名称;然后基于所述任务名称与所述表名称在所述图形数据库中构建对应的节点;之后基于所述任务依赖信息与所述表字段依赖信息生成各所述节点之间的关联关系;后续基于所述关联关系,在所述图形数据库中构建与所述节点对应的血缘关系图谱。本申请基于图形数据库的使用以对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,可以实现快速地生成血缘关系图谱,提高了血缘关系图谱的生成效率与生成智能性。
在一些可选的实现方式中,在步骤S206之后,上述电子设备还可以执行以下步骤:
获取与所述血缘关系图谱对应的目标存储类型。
在本实施例中,上述目标存储类型具体为图谱类型。
确定与所述目标存储类型对应的目标存储介质。
在本实施例中,根据预先设置有多个用于存储不同类型的数据的存储介质。其中,存储介质可包括数据库、云端、网盘、区块链,等等。可从所有存储介质中获取与所述目标存储介质匹配的指定存储介质,以作为上述目标存储介质。另外,存储介质内可用于存储保险系统、银行系统、交易系统、订单系统等业务系统的业务数据、交易数据、支付数据等数据,以保证业务数据、交易数据、支付数据的安全性。
通过所述目标存储介质对所述血缘关系图谱进行存储。
在本实施例中,可在目标存储介质中新增一个存储区块,并将所述血缘关系图谱存储至该存储区块内。
本申请通过获取与所述血缘关系图谱对应的目标存储类型;然后确定与所述目标存储类型对应的目标存储介质;后续通过所述目标存储介质对所述血缘关系图谱进行存储。本申请通过利用所述血缘关系图谱的目标存储类型来确定出目标存储介质,进而使用目标存储介质对所述血缘关系图谱进行存储,可以有效提高对于血缘关系图谱的存储规范性与存储智能性。
在本实施例的一些可选的实现方式中,在所述通过所述目标存储介质对所述血缘关系图谱进行存储的步骤之后,上述电子设备还可以执行以下步骤:
判断所述目标存储介质是否满足预设的清理条件。
在本实施例中,上述判断所述目标存储介质是否满足预设的清理条件的过程包括:获取所述目标存储介质当前的可用存储空间;判断所述可用存储空间是否小于预设的空间阈值;若是,判定所述目标存储介质满足所述清理条件,否则判定所述目标存储介质不满足所述清理条件。其中,对于上述空间阈值的取值不做具体限定,可根据实际的使用测试结果生成。另外,如果存储介质当前的可用存储空间小于该空间阈值,则表明存储介质当前的可用存储资源不足,且会对存储介质内的数据正常运作造成影响。
若是,从所述目标存储介质中确定出待清理数据。
在本实施例中,上述从所述目标存储介质中确定出待清理数据的过程可包括:获取所述目标存储介质中包含的各个数据在预设时间段内的使用频次;获取各所述数据的数据大小;基于所述使用频次与所述数据大小,生成各所述数据的活跃度值;从所有所述数据中筛选出活跃度值小于预设阈值的目标数据,并将所述目标数据作为所述待清理数据。其中,对于上述预设时间段的取值不做具体限定,可根据实际的业务使用需求进行设置,例如可采用距离当前时间的前两个月内。对于上述预设阈值的取值不做具体限定,同理可根据实际的业务使用需求进行设置。另外,可通过计算数据的使用频次与数据的数据大小之间的比值,并将该比值作为该数据的活跃度值。
对所述待清理数据进行清理。
在本实施例中,可预先设置有清理时间点,并在当前时间到达该清理时间点时,对所述待清理数据进行清理。
本申请退给他判断所述目标存储介质是否满足预设的清理条件;若是,从所述目标存储介质中确定出待清理数据;后续对所述待清理数据进行清理。本申请在检测出目标存储介质满足清理条件时,会会智能地对目标存储介质中包含的活跃度值较小的数据进行清理,以保证目标存储介质内能够保持充足的可用资源空间,从而有利于提高目标存储介质内的数据运作的稳定性。
在本实施例的一些可选的实现方式中,在步骤S206之后,上述电子设备还可以执行以下步骤:
判断是否接收到用户触发的对于所述血缘关系图谱的编辑指令。
在本实施例中,上述编辑指令为用户发出的对于所述血缘关系图谱进行编辑的指令。
若是,基于预设的权限分析模型对所述用户进行权限验证。
在本实施例中,上述编辑指令中可携带用户的用户信息,例如用户姓名或用户编号。可通过获取所述编辑指令中携带的用户信息,再将该用户信息输入至上述权限分析模型中,以通过权限分析模型对该用户信息进行权限分析,进而得到所述用户的权限分析结果。其中,上述权限分析模型为根据用户信息以及图谱编辑权限的对应关系构建的数据模型。
若权限验证通过,接收所述用户输入的对于所述血缘关系图谱的修改操作。
在本实施例中,修改操作可包括增添、删除、替换等操作。
基于所述修改操作对所述血缘关系图谱进行修改处理,得到目标血缘关系图谱。
存储所述目标血缘关系图谱。
在本实施例中,目标血缘关系图谱的存储方式可参考上述血缘关系图谱的存储方式,在此不做过多赘述。
本申请通过判断是否接收到用户触发的对于所述血缘关系图谱的编辑指令;若是,基于预设的权限分析模型对所述用户进行权限验证;若权限验证通过,接收所述用户输入的对于所述血缘关系图谱的修改操作;之后基于所述修改操作对所述血缘关系图谱进行修改处理,得到目标血缘关系图谱;后续存储所述目标血缘关系图谱。本申请在基于图形数据库的使用生成了血缘关系图谱后,还会进一步提供对于血缘关系图谱的编辑功能,可以智能地根据用户输入的对于所述血缘关系图谱的修改操作来对所述血缘关系图谱进行修改处理,从而快速便捷地生成符合需求的目标血缘关系图谱,有利于提高血缘关系图谱的操作体验,提高用户的使用体验。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
需要强调的是,为进一步保证上述血缘关系图谱的私密和安全性,上述血缘关系图谱还可以存储于一区块链的节点中。
本申请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。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
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,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图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,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子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,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3,作为对上述图2所示方法的实现,本申请提供了一种血缘关系分析装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图3所示,本实施例所述的血缘关系分析装置300包括:第一获取模块、第二获取模块302、第一导入模块303、调用模块304、第二导入模块305以及生成模块306。其中:
第一获取模块301,用于从预设的数据仓库中获取数据仓库任务的任务依赖信息;
第二获取模块302,用于从所述数据仓库中获取与所述数据仓库任务对应的任务数据表的表字段依赖信息;
第一导入模块303,用于将所述任务依赖信息与所述表字段依赖信息导入至预设的目标数据表内;
调用模块304,用于调用预设的图形数据库;
第二导入模块305,用于将所述目标数据表内的所述任务依赖信息与所述表字段依赖信息导入至所述图形数据库内;
生成模块306,用于通过所述图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,生成相应的血缘关系图谱。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的血缘关系分析方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,第一获取模块301包括:
第一确定子模块,用于从所述数据仓库中确定目标数据层;
第一获取子模块,用于获取所述目标数据层的调度任务,并将所述调度任务作为所述数据仓库任务;
第二获取子模块,用于从所述数据仓库中获取与所述数据仓库任务对应的任务依赖信息。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的血缘关系分析方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,第二获取模块302包括:
第三获取子模块,用于从所述数据仓库中获取与所述数据仓库任务对应的任务数据表;
解析子模块,用于对所述任务数据表进行信息解析,得到与所述任务数据表对应的表字段之间的依赖关系;
第二确定子模块,用于将所述表字段之间的依赖关系作为所述表字段依赖信息。
本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的血缘关系分析方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,生成模块306包括:
第四获取子模块,用于获取所述数据仓库任务的任务名称;
第五获取子模块,用于获取所述任务数据表的表名称;
第一构建子模块,用于基于所述任务名称与所述表名称在所述图形数据库中构建对应的节点;
生成子模块,用于基于所述任务依赖信息与所述表字段依赖信息生成各所述节点之间的关联关系;
第二构建子模块,用于基于所述关联关系,在所述图形数据库中构建与所述节点对应的血缘关系图谱。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的血缘关系分析方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,血缘关系分析装置还包括:
第三获取模块,用于获取与所述血缘关系图谱对应的目标存储类型;
第一确定模块,用于确定与所述目标存储类型对应的目标存储介质;
第一存储模块,用于通过所述目标存储介质对所述血缘关系图谱进行存储。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的血缘关系分析方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,血缘关系分析装置还包括:
第一判断模块,用于判断所述目标存储介质是否满足预设的清理条件;
第二确定模块,用于若是,从所述目标存储介质中确定出待清理数据;
清理模块,用于对所述待清理数据进行清理。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的血缘关系分析方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,血缘关系分析装置还包括:
第二判断模块,用于判断是否接收到用户触发的对于所述血缘关系图谱的编辑指令;
验证模块,用于若是,基于预设的权限分析模型对所述用户进行权限验证;
接收模块,用于若权限验证通过,接收所述用户输入的对于所述血缘关系图谱的修改操作;
修改模块,用于基于所述修改操作对所述血缘关系图谱进行修改处理,得到目标血缘关系图谱;
第二存储模块,用于存储所述目标血缘关系图谱。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的血缘关系分析方法的步骤一一对应,在此不再赘述。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图4,图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是,图中仅示出了具有组件41-43的计算机设备4,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41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、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器41可以是所述计算机设备4的内部存储单元,例如该计算机设备4的硬盘或内存。在另一些实施例中,所述存储器41也可以是所述计算机设备4的外部存储设备,例如该计算机设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中,所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件,例如血缘关系分析方法的计算机可读指令等。此外,所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中,所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据,例如运行所述血缘关系分析方法的计算机可读指令。
所述网络接口43可包括无线网络接口或有线网络接口,该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例中,首先从预设的数据仓库中获取数据仓库任务的任务依赖信息;然后从所述数据仓库中获取与所述数据仓库任务对应的任务数据表的表字段依赖信息;之后将所述任务依赖信息与所述表字段依赖信息导入至预设的目标数据表内;后续调用预设的图形数据库,并将所述目标数据表内的所述任务依赖信息与所述表字段依赖信息导入至所述图形数据库内;最后通过所述图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,生成相应的血缘关系图谱。本申请实施例通过从数据仓库中获取数据仓库任务的任务依赖信息以及获取与所述数据仓库任务对应的任务数据表的表字段依赖信息,进而基于图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,以实现自动快速地生成相应的血缘关系图谱,有效提高了血缘关系图谱的生成效率。另外。通过使用图形数据库可以直观的将数据仓库中任务链路的血缘关系通过图形化的方式直观的展示出来,从而可以给数据开发人员加密工作提供了有效依赖,大大缩减了开发人员人工检索分析的时间成本和错误概率。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令可被至少一个处理器执行,以使所述至少一个处理器执行如上述的血缘关系分析方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例中,首先从预设的数据仓库中获取数据仓库任务的任务依赖信息;然后从所述数据仓库中获取与所述数据仓库任务对应的任务数据表的表字段依赖信息;之后将所述任务依赖信息与所述表字段依赖信息导入至预设的目标数据表内;后续调用预设的图形数据库,并将所述目标数据表内的所述任务依赖信息与所述表字段依赖信息导入至所述图形数据库内;最后通过所述图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,生成相应的血缘关系图谱。本申请实施例通过从数据仓库中获取数据仓库任务的任务依赖信息以及获取与所述数据仓库任务对应的任务数据表的表字段依赖信息,进而基于图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,以实现自动快速地生成相应的血缘关系图谱,有效提高了血缘关系图谱的生成效率。另外。通过使用图形数据库可以直观的将数据仓库中任务链路的血缘关系通过图形化的方式直观的展示出来,从而可以给数据开发人员加密工作提供了有效依赖,大大缩减了开发人员人工检索分析的时间成本和错误概率。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上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,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种血缘关系分析方法,其特征在于,包括下述步骤:
从预设的数据仓库中获取数据仓库任务的任务依赖信息;
从所述数据仓库中获取与所述数据仓库任务对应的任务数据表的表字段依赖信息;
将所述任务依赖信息与所述表字段依赖信息导入至预设的目标数据表内;
调用预设的图形数据库;
将所述目标数据表内的所述任务依赖信息与所述表字段依赖信息导入至所述图形数据库内;
通过所述图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,生成相应的血缘关系图谱。
2.根据权利要求1所述的血缘关系分析方法,其特征在于,所述从预设的数据仓库中获取数据仓库任务的任务依赖信息的步骤,具体包括:
从所述数据仓库中确定目标数据层;
获取所述目标数据层的调度任务,并将所述调度任务作为所述数据仓库任务;
从所述数据仓库中获取与所述数据仓库任务对应的任务依赖信息。
3.根据权利要求1所述的血缘关系分析方法,其特征在于,所述从所述数据仓库中获取与所述数据仓库任务对应的任务数据表的表字段依赖信息的步骤,具体包括:
从所述数据仓库中获取与所述数据仓库任务对应的任务数据表;
对所述任务数据表进行信息解析,得到与所述任务数据表对应的表字段之间的依赖关系;
将所述表字段之间的依赖关系作为所述表字段依赖信息。
4.根据权利要求1所述的血缘关系分析方法,其特征在于,所述通过所述图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,生成相应的血缘关系图谱的步骤,具体包括:
获取所述数据仓库任务的任务名称;
获取所述任务数据表的表名称;
基于所述任务名称与所述表名称在所述图形数据库中构建对应的节点;
基于所述任务依赖信息与所述表字段依赖信息生成各所述节点之间的关联关系;
基于所述关联关系,在所述图形数据库中构建与所述节点对应的血缘关系图谱。
5.根据权利要求1所述的血缘关系分析方法,其特征在于,在所述通过所述图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,生成相应的血缘关系图谱的步骤之后,还包括:
获取与所述血缘关系图谱对应的目标存储类型;
确定与所述目标存储类型对应的目标存储介质;
通过所述目标存储介质对所述血缘关系图谱进行存储。
6.根据权利要求5所述的血缘关系分析方法,其特征在于,在所述通过所述目标存储介质对所述血缘关系图谱进行存储的步骤之后,具体包括:
判断所述目标存储介质是否满足预设的清理条件;
若是,从所述目标存储介质中确定出待清理数据;
对所述待清理数据进行清理。
7.根据权利要求1所述的血缘关系分析方法,其特征在于,在所述通过所述图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,生成相应的血缘关系图谱的步骤之后,还包括:
判断是否接收到用户触发的对于所述血缘关系图谱的编辑指令;
若是,基于预设的权限分析模型对所述用户进行权限验证;
若权限验证通过,接收所述用户输入的对于所述血缘关系图谱的修改操作;
基于所述修改操作对所述血缘关系图谱进行修改处理,得到目标血缘关系图谱;
存储所述目标血缘关系图谱。
8.一种血缘关系分析装置,其特征在于,包括:
第一获取模块,用于从预设的数据仓库中获取数据仓库任务的任务依赖信息;
第二获取模块,用于从所述数据仓库中获取与所述数据仓库任务对应的任务数据表的表字段依赖信息;
第一导入模块,用于将所述任务依赖信息与所述表字段依赖信息导入至预设的目标数据表内;
调用模块,用于调用预设的图形数据库;
第二导入模块,用于将所述目标数据表内的所述任务依赖信息与所述表字段依赖信息导入至所述图形数据库内;
生成模块,用于通过所述图形数据库对所述任务依赖信息与所述表字段依赖信息进行图谱计算处理,生成相应的血缘关系图谱。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的血缘关系分析方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的血缘关系分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310784832.6A CN116842011A (zh) | 2023-06-29 | 2023-06-29 | 血缘关系分析方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310784832.6A CN116842011A (zh) | 2023-06-29 | 2023-06-29 | 血缘关系分析方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116842011A true CN116842011A (zh) | 2023-10-03 |
Family
ID=88162831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310784832.6A Pending CN116842011A (zh) | 2023-06-29 | 2023-06-29 | 血缘关系分析方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116842011A (zh) |
-
2023
- 2023-06-29 CN CN202310784832.6A patent/CN116842011A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117094729A (zh) | 请求处理方法、装置、计算机设备及存储介质 | |
CN117217684A (zh) | 指标数据的处理方法、装置、计算机设备及存储介质 | |
CN117057935A (zh) | 基于领域设计的数据处理方法、装置、设备及其存储介质 | |
CN116821493A (zh) | 消息推送方法、装置、计算机设备及存储介质 | |
CN116450723A (zh) | 数据提取方法、装置、计算机设备及存储介质 | |
CN116383787A (zh) | 页面创建方法、装置、计算机设备及存储介质 | |
CN113836235B (zh) | 基于数据中台的数据处理方法及其相关设备 | |
CN116842011A (zh) | 血缘关系分析方法、装置、计算机设备及存储介质 | |
CN116364223B (zh) | 特征处理方法、装置、计算机设备及存储介质 | |
CN116795882A (zh) | 数据获取方法、装置、计算机设备及存储介质 | |
CN116820443A (zh) | 数据分析方法、装置、计算机设备及存储介质 | |
CN116680263A (zh) | 数据清洗方法、装置、计算机设备及存储介质 | |
CN117290452A (zh) | 一种数据仓库治理方法、装置、设备及其存储介质 | |
CN115080045A (zh) | 链路生成方法、装置、计算机设备及存储介质 | |
CN117251468A (zh) | 查询处理方法、装置、计算机设备及存储介质 | |
CN118227491A (zh) | 测试用例的生成方法、装置、计算机设备及存储介质 | |
CN117421207A (zh) | 智能评估影响点测试方法、装置、计算机设备及存储介质 | |
CN117874137A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN117076775A (zh) | 资讯数据的处理方法、装置、计算机设备及存储介质 | |
CN116401061A (zh) | 资源数据的处理方法、装置、计算机设备及存储介质 | |
CN116402644A (zh) | 基于大数据多源数据融合分析的法律监督方法和系统 | |
CN116910095A (zh) | 埋点处理方法、装置、计算机设备及存储介质 | |
CN116450724A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN116643884A (zh) | 基于规则引擎的数据计算方法、装置、设备及存储介质 | |
CN117827988A (zh) | 一种数据仓库优化方法、装置、设备及其存储介质 |
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 |