CN117149797B - 一种基于多维度数据监控的对账方法及系统 - Google Patents

一种基于多维度数据监控的对账方法及系统 Download PDF

Info

Publication number
CN117149797B
CN117149797B CN202311403209.8A CN202311403209A CN117149797B CN 117149797 B CN117149797 B CN 117149797B CN 202311403209 A CN202311403209 A CN 202311403209A CN 117149797 B CN117149797 B CN 117149797B
Authority
CN
China
Prior art keywords
account
server
update
data
determining
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
Application number
CN202311403209.8A
Other languages
English (en)
Other versions
CN117149797A (zh
Inventor
谢昆明
石杰
陶嘉驹
廖家林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangyin Consumer Finance Co ltd
Original Assignee
Hangyin Consumer Finance Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangyin Consumer Finance Co ltd filed Critical Hangyin Consumer Finance Co ltd
Priority to CN202311403209.8A priority Critical patent/CN117149797B/zh
Publication of CN117149797A publication Critical patent/CN117149797A/zh
Application granted granted Critical
Publication of CN117149797B publication Critical patent/CN117149797B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/23—Updating
    • G06F16/2358—Change logging, detection, and notification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • 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
    • G06F11/3409—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 for performance assessment
    • G06F11/3419—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 for performance assessment by assessing time
    • G06F11/3423—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 for performance assessment by assessing time where the assessed time is active or idle time
    • 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
    • G06F16/23—Updating
    • G06F16/2365—Ensuring data consistency and integrity
    • 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
    • G06F2201/82—Solving problems relating to consistency
    • 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
    • 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
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明提供一种基于多维度数据监控的对账方法及系统，属于数据处理技术领域，具体包括：根据不同服务器的账户更新处理失败数据以及账户更新中断数据进行不同服务器的账户更新状态值的确定，并根据账户更新状态值进行对账问题概率的确定，根据服务器的运行日志数据进行不同服务器的账户更新数据的确定，并通过不同服务器的账户更新数据进行账户更新繁忙度的确定，对不同服务器的运行数据进行监控得到监控运行数据，并结合对账问题概率以及账户更新繁忙度进行总体问题概率的确定，并当总体问题概率不满足要求或者达到预设对账周期时，对不同服务器的账户数据进行对账处理，从而进一步提升了对账处理的效率。

Description

一种基于多维度数据监控的对账方法及系统
技术领域
本发明属于数据处理技术领域，尤其涉及一种基于多维度数据监控的对账方法及系统。
背景技术
现有银行或者消费金融公司的账户系统一般存放于多个服务器中，现有技术方案中往往通过预设周期对不同的服务器的账户记录进行对账处理，从而使得不同的服务器的账户记录保持一致，但是对账处理的时效性无法满足要求。
为了实现实时对不同服务器的对账处理，在发明专利CN202010606304.8《数据库之间的数据对账方法和装置、存储介质及电子设备》中通过对不同的服务器的数据集合进行比对，并根据目标比对结果对服务器中的数据进行更新，从而实现在对数据进行实时对账处理，但是却存在以下技术问题：
现有技术方案中忽视了对不同的服务器的运行日志的解析，具体的，当不同的服务器的运行日志的变动情况不一致或者根据运行日志的解析结果确定服务器的运行状态存在异常时，此时发生对账问题的可能性大大增加，因此若不能针对性的根据对不同的服务器的运行日志的解析结果进行差异化的对账处理，则无法保证对账处理的处理效率和准确性。
针对上述技术问题，本发明提供了一种基于多维度数据监控的对账方法及系统。
发明内容
为实现本发明目的，本发明采用如下技术方案：
根据本发明的一个方面，提供了一种基于多维度数据监控的对账方法。
一种基于多维度数据监控的对账方法，其特征在于，具体包括：
S1确定需进行对账处理的服务器，并根据服务器的运行日志数据的监控结果进行不同服务器的账户更新处理数据的确定，判断是否存在账户更新处理数据不一致的服务器，若是，则对所述服务器进行对账处理，若否，则进入下一步骤；
S2通过服务器的运行日志数据进行不同服务器的账户更新处理失败数据以及账户更新中断数据的监控，并根据不同服务器的账户更新处理失败数据以及账户更新中断数据进行不同服务器的账户更新状态值的确定，并根据账户更新状态值进行对账问题概率的确定；
S3根据服务器的运行日志数据进行不同服务器的账户更新数据的确定，并通过不同服务器的账户更新数据进行账户更新繁忙度的确定；对不同服务器的运行数据进行监控得到监控运行数据，并结合对账问题概率以及账户更新繁忙度进行总体问题概率的确定，并当所述总体问题概率不满足要求或者达到预设对账周期时，对不同服务器的账户数据进行对账处理。
本发明的有益效果在于：
1、通过根据服务器的运行日志数据的监控结果进行不同服务器的账户更新处理数据的确定，从而实现了对不同服务器的账户更新处理数据的角度对不同的服务器的疑似对账问题的识别，进一步提升了对账处理的效率。
2、通过根据不同服务器的账户更新处理失败数据以及账户更新中断数据进行不同服务器的账户更新状态值的确定，从而实现了从账户更新存在问题的数据的角度对不同的服务器的账户更新状态的评估，进而也为对账问题概率的评估奠定了基础，保证了问题较多的服务器的对账处理和识别的效率。
3、通过服务器的监控运行数据、对账问题概率以及账户更新繁忙度进行总体问题概率的确定，既考虑到不同的服务器的运行数据的异常情况，同时还实现了从账户更新的繁忙程度以及问题概率多个方面对问题概率的评估，保证了服务器的对账问题的总体概率的评估准确性，同时也实现了对不同的服务器的差异化的对账处理。
进一步的技术方案在于，所述需进行对账处理的服务器根据金融机构待进行账户数据存储和更新的服务器进行确定。
进一步的技术方案在于，所述账户更新处理数据根据所述服务器的账户更新处理的数量以及不同时段的账户更新处理的数量进行确定。
进一步的技术方案在于，根据账户更新状态值进行对账问题概率的确定，具体包括：
根据所述服务器的账户更新状态值进行不同服务器的运行状态的确定，并当存在运行状态存在异常的服务器时，则根据运行状态存在异常的服务器的数量进行对账问题概率的确定；
当不存在运行状态存在异常的服务器时，则通过所述服务器的账户更新状态值的最小值以及均值、小于预设状态值的服务器的数量进行对账问题概率的确定。
进一步的技术方案在于，当所述对账问题概率大于预设概率值时，则无需进行进一步的账户更新繁忙度的确定，直接对所述服务器进行对账处理。
进一步的技术方案在于，所述监控运行数据包括运行温度、硬件占有率以及本次累计运行时长。
进一步的技术方案在于，所述总体问题概率的确定的具体步骤为：
根据不同服务器的监控运行数据确定存在运行状态不满足要求的服务器时：通过所述运行状态不满足要求的服务器的数量、对账问题概率以及账户更新繁忙度进行总体问题概率的确定；
根据不同服务器的监控运行数据确定不存在运行状态不满足要求的服务器时：根据所述对账问题概率以及所述账户更新繁忙度进行总体问题概率的确定。
进一步的技术方案在于，通过所述运行状态不满足要求的服务器的数量、对账问题概率以及账户更新繁忙度进行总体问题概率的确定，具体包括：
根据所述账户更新繁忙度以及所述服务器在不同的账户更新繁忙度下的历史对账问题出现次数进行所述服务器在所述账户更新繁忙度下的问题概率的确定；根据所述运行状态不满足要求的服务器的数量在所有的服务器的占比进行服务器问题概率的确定；
通过所述运行状态不满足要求的服务器的本次累计运行时长的均值以及所述服务器在预设对账周期内的运行时长进行服务器问题概率、问题概率以及对账问题概率的权重值的确定，并结合所述服务器问题概率、问题概率以及对账问题概率进行总体问题概率的确定。
进一步的技术方案在于，所述预设对账周期根据所述服务器的数量以及服务器的历史账务更新数据进行确定，其中所述服务器的数量越多，所述服务器的历史账户更新数据的数据量以及更新账户的数量越多，则所述预设对账周期越短。
第二方面，本发明提供了一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行上述的一种基于多维度数据监控的对账方法。
第三方面，本发明提供了一种基于多维度数据监控的对账系统，采用上述的一种基于多维度数据监控的对账方法，其特征在于，具体包括：
更新数据确定模块，问题概率评估模块，问题概率修正模块，对账处理模块；
其中所述更新数据确定模块负责确定需进行对账处理的服务器，并根据服务器的运行日志数据的监控结果进行不同服务器的账户更新处理数据的确定；
所述问题概率评估模块负责通过服务器的运行日志数据进行不同服务器的账户更新处理失败数据以及账户更新中断数据的监控，并根据不同服务器的账户更新处理失败数据以及账户更新中断数据进行不同服务器的账户更新状态值的确定，并根据账户更新状态值进行对账问题概率的确定；
所述问题概率修正模块负责根据服务器的运行日志数据进行不同服务器的账户更新数据的确定，并通过不同服务器的账户更新数据进行账户更新繁忙度的确定；对不同服务器的运行数据进行监控得到监控运行数据，并结合对账问题概率以及账户更新繁忙度进行总体问题概率的确定；
所述对账处理模块负责当所述总体问题概率不满足要求或者达到预设对账周期时，对不同服务器的账户数据进行对账处理。
其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显；
图1是一种基于多维度数据监控的对账方法的流程图；
图2是服务器的账户更新状态值的确定的方法的流程图；
图3是服务器的近期账户更新状态值的确定的方法的流程图；
图4是账户更新繁忙度的确定的具体步骤的流程图；
图5是一种计算机系统的框架图；
图6是一种基于多维度数据监控的对账系统的框架图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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说明书一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
银行或者其它消费金融公司的账户数据往往存储于多个服务器，因此不同的服务器的不同维度的监测数据，例如更新处理的账户数量以及更新处理账户时存在中断或者失败数据等都可以在一定程度上反应不同的服务器的对账存在问题的概率以及账户更新处理的繁忙程度，若不能结合上述的多维数据进行服务器的对账处理的时机的确定，则无法及时保证不同的服务器的账户的一致性。
为了解决上述技术问题，采用以下技术方案：
首先通过根据不同的服务器的账户更新处理数据是否一致实现对对账存在问题的服务器的识别，具体的若不同的服务器在不同的时段内的账户更新处理的账户数量或者一定的时间周期内的账户更新处理的账户数量不一致时，则需要进行对账处理；
当账户更新处理数据一致时，则通过不同服务器的账户更新处理失败数据以及账户更新中断数据进行不同服务器的账户更新状态的确定，具体的可以通过不同服务器的账户更新处理失败次数以及账户更新中断次数的数量和进行不同服务器的账户更新状态的确定，并根据不同服务器的账户更新状态进行对账问题概率的确定，具体的根据账户更新状态进行服务器中的问题服务器的比例亦或者不同服务器的账户更新状态的最小值进行对账问题概率的确定；
根据服务器的账户更新数据进行账户更新繁忙度的确定，具体的根据账户更新处理的账户数量进行账户更新繁忙度的确定，并根据不同的服务器的运行监控数据确定不同的服务器的运行状态，根据运行状态存在异常的服务器的占比、账户更新繁忙度以及对账问题概率进行总体问题概率的确定，并根据总体问题概率确定是否需要进行对账处理。
以下将从方法类实施例、系统类实施例两个角度进行详尽叙述。
为解决上述问题，根据本发明的一个方面，如图1所示，提供了根据本发明的一个方面，提供了一种基于多维度数据监控的对账方法，其特征在于，具体包括：
S1确定需进行对账处理的服务器，并根据服务器的运行日志数据的监控结果进行不同服务器的账户更新处理数据的确定，判断是否存在账户更新处理数据不一致的服务器，若是，则对所述服务器进行对账处理，若否，则进入下一步骤；
在本实施例中，主要时对不同的服务器的账户更新处理数据不一致情况的识别，从而极大的提升了对账处理的效率。
可以理解的是，所述需进行对账处理的服务器根据金融机构待进行账户数据存储和更新的服务器进行确定。
具体的，所述账户更新处理数据根据所述服务器的账户更新处理的数量以及不同时段的账户更新处理的数量进行确定。
在本实施例中，通过根据服务器的运行日志数据的监控结果进行不同服务器的账户更新处理数据的确定，从而实现了对不同服务器的账户更新处理数据的角度对不同的服务器的疑似对账问题的识别，进一步提升了对账处理的效率。
S2通过服务器的运行日志数据进行不同服务器的账户更新处理失败数据以及账户更新中断数据的监控，并根据不同服务器的账户更新处理失败数据以及账户更新中断数据进行不同服务器的账户更新状态值的确定，并根据账户更新状态值进行对账问题概率的确定；
在本实施例中，主要是为了根据不同的服务器的账户更新处理的异常数据对异常的服务器进行识别，从而实现对对账问题概率的准确评估，并当对账问题概率较大时，直接进行对账处理。
在其中的一个可能的实施例中，如图2所示，所述步骤S2中的所述服务器的账户更新状态值的确定的方法为：
S21根据所述服务器在预设对账周期内的账户更新失败数据以及账户更新中断数据进行所述服务器的账户更新失败次数以及账户更新中断次数的确定，并根据所述账户更新失败次数以及账户更新中断次数确定所述服务器的账户更新状态是否存在异常，若是，则通过所述服务器的账户更新失败次数以及账户更新中断次数进行所述服务器的账户更新状态值的确定，若否，则进入下一步骤；
S22将所述服务器在预设时间内的账户更新失败次数以及账户更新中断次数作为近期账户问题更新次数，并根据所述服务器在单位时间内的近期账户问题更新次数的最大值确定所述服务器的账户更新状态是否存在异常，若是，则进入下一步骤，若否，则步骤S24；
S23通过所述服务器在单位时间内的近期账户问题更新次数的最大值以及近期账户问题更新次数大于预设次数的时段数量、近期账户问题更新次数进行所述服务器的近期账户更新状态值的确定，并根据所述服务器的近期账户更新状态值确定所述服务器的账户更新状态是否存在异常，若是，则通过所述服务器的近期账户更新状态值进行所述服务器的账户更新状态值的确定，若否，则进入步骤S24；
S24基于所述服务器在预设对账周期内的账户更新失败次数以及账户更新中断次数进行所述服务器在预设对账周期内的账户问题更新次数的确定，并通过所述服务器在预设对账周期内的账户问题更新次数以及在预设对账周期内的单位时间的账户问题更新次数的最大值、近期账户更新状态值进行所述服务器的账户更新状态值的确定。
在其中的一个可能的实施例中，如图3所示，所述步骤S23中的所述服务器的近期账户更新状态值的确定的方法为：
S231根据所述服务器的近期账户问题更新次数所处的预设划分区间以及所述预设划分区间对应的账户更新状态值进行所述服务器的近期账户更新状态基准值的确定；
S232分别通过所述服务器在单位时间内的近期账户问题更新次数的最大值以及服务器在单位时间内的近期账户问题更新次数大于预设次数的时段数量进行其对应的次数补偿量以及时段补偿量的确定；
S233基于所述服务器的近期账户更新状态基准值、次数补偿量以及时段补偿量的数量和进行所述服务器的近期账户更新状态值的确定。
在另外的一个可能的实施例中，所述步骤S2中的所述服务器的账户更新状态值的确定的方法为：
根据所述服务器在预设对账周期内的账户更新失败数据以及账户更新中断数据进行所述服务器的账户更新失败次数以及账户更新中断次数的确定，基于所述服务器在预设对账周期内的账户更新失败次数以及账户更新中断次数进行所述服务器在预设对账周期内的账户问题更新次数的确定，将所述服务器在预设时间内的账户更新失败次数以及账户更新中断次数作为近期账户问题更新次数；
根据所述服务器在预设对账周期内的账户问题更新次数以及近期账户问题更新次数确定所述服务器的账户更新状态存在异常时：
通过所述服务器在预设对账周期内的账户问题更新次数以及近期账户问题更新次数进行所述服务器的账户更新状态值的确定；
根据所述服务器在预设对账周期内的账户问题更新次数以及近期账户问题更新次数确定所述服务器的账户更新状态不存在异常时：
通过所述服务器在单位时间内的近期账户问题更新次数的最大值以及近期账户问题更新次数大于预设次数的时段数量、近期账户问题更新次数进行所述服务器的近期账户更新状态值的确定，并根据所述服务器的近期账户更新状态值确定所述服务器的账户更新状态是否存在异常，若是，则通过所述服务器的近期账户更新状态值进行所述服务器的账户更新状态值的确定，若否，则进入下一步骤；
通过所述服务器在预设对账周期内的账户问题更新次数以及在预设对账周期内的单位时间的账户问题更新次数的最大值、近期账户更新状态值进行所述服务器的账户更新状态值的确定。
在其中的一个可能的实施例中，所述步骤S2中的根据账户更新状态值进行对账问题概率的确定，具体包括：
根据所述服务器的账户更新状态值进行不同服务器的运行状态的确定，并当存在运行状态存在异常的服务器时，则根据运行状态存在异常的服务器的数量进行对账问题概率的确定；
当不存在运行状态存在异常的服务器时，则通过所述服务器的账户更新状态值的最小值以及均值、小于预设状态值的服务器的数量进行对账问题概率的确定。
进一步的需要说明的是，当所述对账问题概率大于预设概率值时，则无需进行进一步的账户更新繁忙度的确定，直接对所述服务器进行对账处理。
在本实施例中，通过根据不同服务器的账户更新处理失败数据以及账户更新中断数据进行不同服务器的账户更新状态值的确定，从而实现了从账户更新存在问题的数据的角度对不同的服务器的账户更新状态的评估，进而也为对账问题概率的评估奠定了基础，保证了问题较多的服务器的对账处理和识别的效率。
S3根据服务器的运行日志数据进行不同服务器的账户更新数据的确定，并通过不同服务器的账户更新数据进行账户更新繁忙度的确定；对不同服务器的运行数据进行监控得到监控运行数据，并结合对账问题概率以及账户更新繁忙度进行总体问题概率的确定，并当所述总体问题概率不满足要求或者达到预设对账周期时，对不同服务器的账户数据进行对账处理。
在其中的一个可能的实施例中，如图4所示，所述步骤S3中的所述账户更新繁忙度的确定的具体步骤为：
S31根据服务器在预设对账周期内的账户更新数据进行服务器在预设对账周期内的账户更新处理的数量的确定，并根据所述服务器在预设对账周期内的账户更新处理的数量确定所述服务器是否繁忙，若是，则进入步骤S33，若否，则进入下一步骤；
S32基于所述服务器在预设时间内的账户更新数据进行所述服务器在预设时间内的账户更新处理的数量的确定，并根据所述服务器在预设时间内的账户更新处理的数量确定所述服务器是否繁忙，若是，则进入步骤S33，若否，则通过所述服务器在预设对账周期内的账户更新处理的数量进行所述账户更新繁忙度的确定；
S33将所述服务器在预设对账周期内的账户更新处理的数量大于预设账户数量的时段作为繁忙时段，并根据所述服务器的繁忙时段的数量以及在所述繁忙时段的账户更新处理的数量、服务器在预设对账周期内的账户更新处理的数量进行所述服务器的账户基础更新繁忙度的确定；
S34根据所述服务器在预设时间内的繁忙时段的占比以及所述服务器在预设对账周期内的繁忙时段的占比确定是否能够将所述服务器的账户基础更新繁忙度作为所述服务器的账户更新繁忙度，若是，则将所述服务器的账户基础更新繁忙度作为所述服务器的账户更新繁忙度，若否，则通过所述服务器在预设时间内的繁忙时段的占比以及预设时间内的账户更新处理的数量对所述服务器的账户基础更新繁忙度进行修正得到服务器的账户更新繁忙度。
在其中的一个可能的实施例中，所述步骤S34中的通过所述服务器在预设时间内的繁忙时段的占比以及预设时间内的账户更新处理的数量对所述服务器的账户基础更新繁忙度进行修正得到服务器的账户更新繁忙度，具体包括：
S341根据所述服务器在预设时间内的繁忙时段的占比与所述服务器在预设对账周期内的繁忙时段的占比的比值进行繁忙时段修正量的确定；
S342基于所述服务器在预设时间内的账户更新处理的数量与所述服务器在预设对账周期内的账户更新处理的数量的比值进行数量修正量的确定；
S343基于所述数量修正量与繁忙时段修正量的数量和对所述服务器的账户基础更新繁忙度进行修正得到服务器的账户更新繁忙度。
在另外的一个可能的实施例中，所述步骤S3中的所述账户更新繁忙度的确定的具体步骤为：
根据服务器在预设对账周期内的账户更新数据进行服务器在预设对账周期内的账户更新处理的数量的确定，基于所述服务器在预设时间内的账户更新数据进行所述服务器在预设时间内的账户更新处理的数量的确定；
将所述服务器的账户更新处理的数量大于预设账户数量的时段作为繁忙时段，根据所述服务器的繁忙时段的数量以及在所述繁忙时段的账户更新处理的数量、服务器在预设对账周期内的账户更新处理的数量进行所述服务器的账户基础更新繁忙度的确定；
当所述服务器在预设时间内的繁忙时段的占比大于所述服务器在预设对账周期内的繁忙时段的占比时：
将所述服务器的账户基础更新繁忙度作为所述服务器的账户更新繁忙度；
当所述服务器在预设时间内的繁忙时段的占比不大于所述服务器在预设对账周期内的繁忙时段的占比时：
通过所述服务器在预设时间内的繁忙时段的占比以及预设时间内的账户更新处理的数量对所述服务器的账户基础更新繁忙度进行修正得到服务器的账户更新繁忙度。
进一步需要说明的是，所述监控运行数据包括运行温度、硬件占有率以及本次累计运行时长。
在其中的一个可能的实施例中，所述步骤S3中的所述总体问题概率的确定的具体步骤为：
根据不同服务器的监控运行数据确定存在运行状态不满足要求的服务器时：通过所述运行状态不满足要求的服务器的数量、对账问题概率以及账户更新繁忙度进行总体问题概率的确定；
根据不同服务器的监控运行数据确定不存在运行状态不满足要求的服务器时：根据所述对账问题概率以及所述账户更新繁忙度进行总体问题概率的确定。
在其中的一个可能的实施例中，上述步骤中的通过所述运行状态不满足要求的服务器的数量、对账问题概率以及账户更新繁忙度进行总体问题概率的确定，具体包括：
根据所述账户更新繁忙度以及所述服务器在不同的账户更新繁忙度下的历史对账问题出现次数进行所述服务器在所述账户更新繁忙度下的问题概率的确定；根据所述运行状态不满足要求的服务器的数量在所有的服务器的占比进行服务器问题概率的确定；
通过所述运行状态不满足要求的服务器的本次累计运行时长的均值以及所述服务器在预设对账周期内的运行时长进行服务器问题概率、问题概率以及对账问题概率的权重值的确定，并结合所述服务器问题概率、问题概率以及对账问题概率进行总体问题概率的确定。
进一步需要说明的是，所述预设对账周期根据所述服务器的数量以及服务器的历史账务更新数据进行确定，其中所述服务器的数量越多，所述服务器的历史账户更新数据的数据量以及更新账户的数量越多，则所述预设对账周期越短。
在本实施例中，通过服务器的监控运行数据、对账问题概率以及账户更新繁忙度进行总体问题概率的确定，既考虑到不同的服务器的运行数据的异常情况，同时还实现了从账户更新的繁忙程度以及问题概率多个方面对问题概率的评估，保证了服务器的对账问题的总体概率的评估准确性，同时也实现了对不同的服务器的差异化的对账处理。
另一方面，如图5所示，本发明提供了一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行上述的一种基于多维度数据监控的对账方法。
其中上述的一种基于多维度数据监控的对账方法，具体包括：
确定需进行对账处理的服务器，并根据服务器的运行日志数据的监控结果进行不同服务器的账户更新处理数据的确定，判断是否存在账户更新处理数据不一致的服务器，若是，则对所述服务器进行对账处理，若否，则进入下一步骤；
通过服务器的运行日志数据进行不同服务器的账户更新处理失败数据以及账户更新中断数据的监控，并根据所述服务器在预设对账周期内的账户更新失败数据以及账户更新中断数据进行所述服务器的账户更新失败次数以及账户更新中断次数的确定，基于所述服务器在预设对账周期内的账户更新失败次数以及账户更新中断次数进行所述服务器在预设对账周期内的账户问题更新次数的确定，将所述服务器在预设时间内的账户更新失败次数以及账户更新中断次数作为近期账户问题更新次数；
根据所述服务器在预设对账周期内的账户问题更新次数以及近期账户问题更新次数确定所述服务器的账户更新状态存在异常时：
通过所述服务器在预设对账周期内的账户问题更新次数以及近期账户问题更新次数进行所述服务器的账户更新状态值的确定；
根据所述服务器在预设对账周期内的账户问题更新次数以及近期账户问题更新次数确定所述服务器的账户更新状态不存在异常时：
通过所述服务器在单位时间内的近期账户问题更新次数的最大值以及近期账户问题更新次数大于预设次数的时段数量、近期账户问题更新次数进行所述服务器的近期账户更新状态值的确定，并根据所述服务器的近期账户更新状态值确定所述服务器的账户更新状态是否存在异常，若是，则通过所述服务器的近期账户更新状态值进行所述服务器的账户更新状态值的确定，若否，则进入下一步骤；
通过所述服务器在预设对账周期内的账户问题更新次数以及在预设对账周期内的单位时间的账户问题更新次数的最大值、近期账户更新状态值进行所述服务器的账户更新状态值的确定，并根据账户更新状态值进行对账问题概率的确定；
根据服务器的运行日志数据进行不同服务器的账户更新数据的确定，并通过不同服务器的账户更新数据进行账户更新繁忙度的确定；对不同服务器的运行数据进行监控得到监控运行数据，并结合对账问题概率以及账户更新繁忙度进行总体问题概率的确定，并当所述总体问题概率不满足要求或者达到预设对账周期时，对不同服务器的账户数据进行对账处理。
另一方面，如图6所示，如图本发明提供了一种基于多维度数据监控的对账系统，采用上述的一种基于多维度数据监控的对账方法，其特征在于，具体包括：
更新数据确定模块，问题概率评估模块，问题概率修正模块，对账处理模块；
其中所述更新数据确定模块负责确定需进行对账处理的服务器，并根据服务器的运行日志数据的监控结果进行不同服务器的账户更新处理数据的确定；
所述问题概率评估模块负责通过服务器的运行日志数据进行不同服务器的账户更新处理失败数据以及账户更新中断数据的监控，并根据不同服务器的账户更新处理失败数据以及账户更新中断数据进行不同服务器的账户更新状态值的确定，并根据账户更新状态值进行对账问题概率的确定；
所述问题概率修正模块负责根据服务器的运行日志数据进行不同服务器的账户更新数据的确定，并通过不同服务器的账户更新数据进行账户更新繁忙度的确定；对不同服务器的运行数据进行监控得到监控运行数据，并结合对账问题概率以及账户更新繁忙度进行总体问题概率的确定；
所述对账处理模块负责当所述总体问题概率不满足要求或者达到预设对账周期时，对不同服务器的账户数据进行对账处理。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (10)

1.一种基于多维度数据监控的对账方法，其特征在于，具体包括：
确定需进行对账处理的服务器，并根据服务器的运行日志数据的监控结果进行不同服务器的账户更新处理数据的确定，判断是否存在账户更新处理数据不一致的服务器，若是，则对所述服务器进行对账处理，若否，则进入下一步骤；
所述账户更新处理数据根据所述服务器的账户更新处理的数量以及不同时段的账户更新处理的数量进行确定；
通过服务器的运行日志数据进行不同服务器的账户更新处理失败数据以及账户更新中断数据的监控，并根据不同服务器的账户更新处理失败数据以及账户更新中断数据进行不同服务器的账户更新状态值的确定，并根据账户更新状态值进行对账问题概率的确定；
根据服务器的运行日志数据进行不同服务器的账户更新数据的确定，并通过不同服务器的账户更新数据进行账户更新繁忙度的确定；对不同服务器的运行数据进行监控得到监控运行数据，并结合对账问题概率以及账户更新繁忙度进行总体问题概率的确定，并当所述总体问题概率不满足要求或者达到预设对账周期时，对不同服务器的账户数据进行对账处理；
所述监控运行数据包括运行温度、硬件占有率以及本次累计运行时长。
2.如权利要求1所述的基于多维度数据监控的对账方法，其特征在于，所述需进行对账处理的服务器根据金融机构待进行账户数据存储和更新的服务器进行确定。
3.如权利要求1所述的基于多维度数据监控的对账方法，其特征在于，所述服务器的账户更新状态值的确定的方法为：
S21根据所述服务器在预设对账周期内的账户更新失败数据以及账户更新中断数据进行所述服务器的账户更新失败次数以及账户更新中断次数的确定，并根据所述账户更新失败次数以及账户更新中断次数确定所述服务器的账户更新状态是否存在异常，若是，则通过所述服务器的账户更新失败次数以及账户更新中断次数进行所述服务器的账户更新状态值的确定，若否，则进入下一步骤；
S22将所述服务器在预设时间内的账户更新失败次数以及账户更新中断次数作为近期账户问题更新次数，并根据所述服务器在单位时间内的近期账户问题更新次数的最大值确定所述服务器的账户更新状态是否存在异常，若是，则进入下一步骤，若否，则步骤S24；
S23通过所述服务器在单位时间内的近期账户问题更新次数的最大值以及近期账户问题更新次数大于预设次数的时段数量、近期账户问题更新次数进行所述服务器的近期账户更新状态值的确定，并根据所述服务器的近期账户更新状态值确定所述服务器的账户更新状态是否存在异常，若是，则通过所述服务器的近期账户更新状态值进行所述服务器的账户更新状态值的确定，若否，则进入步骤S24；
S24基于所述服务器在预设对账周期内的账户更新失败次数以及账户更新中断次数进行所述服务器在预设对账周期内的账户问题更新次数的确定，并通过所述服务器在预设对账周期内的账户问题更新次数以及在预设对账周期内的单位时间的账户问题更新次数的最大值、近期账户更新状态值进行所述服务器的账户更新状态值的确定。
4.如权利要求3所述的基于多维度数据监控的对账方法，其特征在于，所述服务器的近期账户更新状态值的确定的方法为：
根据所述服务器的近期账户问题更新次数所处的预设划分区间以及所述预设划分区间对应的账户更新状态值进行所述服务器的近期账户更新状态基准值的确定；
分别通过所述服务器在单位时间内的近期账户问题更新次数的最大值以及服务器在单位时间内的近期账户问题更新次数大于预设次数的时段数量进行其对应的次数补偿量以及时段补偿量的确定；
基于所述服务器的近期账户更新状态基准值、次数补偿量以及时段补偿量的数量和进行所述服务器的近期账户更新状态值的确定。
5.如权利要求1所述的基于多维度数据监控的对账方法，其特征在于，根据账户更新状态值进行对账问题概率的确定，具体包括：
根据所述服务器的账户更新状态值进行不同服务器的运行状态的确定，并当存在运行状态存在异常的服务器时，则根据运行状态存在异常的服务器的数量进行对账问题概率的确定；
当不存在运行状态存在异常的服务器时，则通过所述服务器的账户更新状态值的最小值以及均值、小于预设状态值的服务器的数量进行对账问题概率的确定。
6.如权利要求1所述的基于多维度数据监控的对账方法，其特征在于，当所述对账问题概率大于预设概率值时，则无需进行进一步的账户更新繁忙度的确定，直接对所述服务器进行对账处理。
7.如权利要求1所述的基于多维度数据监控的对账方法，其特征在于，所述账户更新繁忙度的确定的具体步骤为：
根据服务器在预设对账周期内的账户更新数据进行服务器在预设对账周期内的账户更新处理的数量的确定，基于所述服务器在预设时间内的账户更新数据进行所述服务器在预设时间内的账户更新处理的数量的确定；
将所述服务器的账户更新处理的数量大于预设账户数量的时段作为繁忙时段，根据所述服务器的繁忙时段的数量以及在所述繁忙时段的账户更新处理的数量、服务器在预设对账周期内的账户更新处理的数量进行所述服务器的账户基础更新繁忙度的确定；
当所述服务器在预设时间内的繁忙时段的占比大于所述服务器在预设对账周期内的繁忙时段的占比时：
将所述服务器的账户基础更新繁忙度作为所述服务器的账户更新繁忙度；
当所述服务器在预设时间内的繁忙时段的占比不大于所述服务器在预设对账周期内的繁忙时段的占比时：
通过所述服务器在预设时间内的繁忙时段的占比以及预设时间内的账户更新处理的数量对所述服务器的账户基础更新繁忙度进行修正得到服务器的账户更新繁忙度。
8.如权利要求1所述的基于多维度数据监控的对账方法，其特征在于，所述总体问题概率的确定的具体步骤为：
根据不同服务器的监控运行数据确定存在运行状态不满足要求的服务器时：通过所述运行状态不满足要求的服务器的数量、对账问题概率以及账户更新繁忙度进行总体问题概率的确定；
根据不同服务器的监控运行数据确定不存在运行状态不满足要求的服务器时：根据所述对账问题概率以及所述账户更新繁忙度进行总体问题概率的确定。
9.一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行权利要求1-8任一项所述的一种基于多维度数据监控的对账方法。
10.一种基于多维度数据监控的对账系统，采用权利要求1-8任一项所述的一种基于多维度数据监控的对账方法，其特征在于，具体包括：
更新数据确定模块，问题概率评估模块，问题概率修正模块，对账处理模块；
其中所述更新数据确定模块负责确定需进行对账处理的服务器，并根据服务器的运行日志数据的监控结果进行不同服务器的账户更新处理数据的确定；
所述问题概率评估模块负责通过服务器的运行日志数据进行不同服务器的账户更新处理失败数据以及账户更新中断数据的监控，并根据不同服务器的账户更新处理失败数据以及账户更新中断数据进行不同服务器的账户更新状态值的确定，并根据账户更新状态值进行对账问题概率的确定；
所述问题概率修正模块负责根据服务器的运行日志数据进行不同服务器的账户更新数据的确定，并通过不同服务器的账户更新数据进行账户更新繁忙度的确定；对不同服务器的运行数据进行监控得到监控运行数据，并结合对账问题概率以及账户更新繁忙度进行总体问题概率的确定；
所述对账处理模块负责当所述总体问题概率不满足要求或者达到预设对账周期时，对不同服务器的账户数据进行对账处理。
CN202311403209.8A 2023-10-27 2023-10-27 一种基于多维度数据监控的对账方法及系统 Active CN117149797B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311403209.8A CN117149797B (zh) 2023-10-27 2023-10-27 一种基于多维度数据监控的对账方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311403209.8A CN117149797B (zh) 2023-10-27 2023-10-27 一种基于多维度数据监控的对账方法及系统

Publications (2)

Publication Number Publication Date
CN117149797A CN117149797A (zh) 2023-12-01
CN117149797B true CN117149797B (zh) 2024-01-19

Family

ID=88901047

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311403209.8A Active CN117149797B (zh) 2023-10-27 2023-10-27 一种基于多维度数据监控的对账方法及系统

Country Status (1)

Country Link
CN (1) CN117149797B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117421254B (zh) * 2023-12-19 2024-03-22 杭银消费金融股份有限公司 一种用于对账业务的自动化测试方法与系统
CN117591530B (zh) * 2024-01-17 2024-04-19 杭银消费金融股份有限公司 一种数据截面处理方法及系统
CN117648213B (zh) * 2024-01-30 2024-05-07 杭银消费金融股份有限公司 一种数据传输通路模型搭建方法及系统
CN117857467B (zh) * 2024-03-08 2024-06-21 杭州青橄榄网络技术有限公司 一种用于用户支付系统的数据加密方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6601234B1 (en) * 1999-08-31 2003-07-29 Accenture Llp Attribute dictionary in a business logic services environment
US7340421B1 (en) * 2000-12-22 2008-03-04 General Electric Company Account reconciliation methods and systems
US7389256B1 (en) * 1999-08-02 2008-06-17 Jpmorgan Chase Bank, N.A. Network based financial transaction processing system
JP2017016696A (ja) * 2016-09-23 2017-01-19 フリー株式会社 会計処理装置、会計処理方法及び会計処理プログラム
CN110765091A (zh) * 2019-09-09 2020-02-07 上海陆家嘴国际金融资产交易市场股份有限公司 对账方法和系统
CN111597197A (zh) * 2020-06-29 2020-08-28 腾讯科技（深圳）有限公司 数据库之间的数据对账方法和装置、存储介质及电子设备
CN111784512A (zh) * 2020-07-20 2020-10-16 国网山东省电力公司鄄城县供电公司 银企对账流程处理方法、装置及电子设备
CN116383592A (zh) * 2023-03-27 2023-07-04 深圳市领星网络科技有限公司 一种基于亚马逊财务的实时计算与分析系统及方法
CN116842090A (zh) * 2023-08-14 2023-10-03 上海微盟企业发展有限公司 一种对账系统、方法、设备及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7389256B1 (en) * 1999-08-02 2008-06-17 Jpmorgan Chase Bank, N.A. Network based financial transaction processing system
US6601234B1 (en) * 1999-08-31 2003-07-29 Accenture Llp Attribute dictionary in a business logic services environment
US7340421B1 (en) * 2000-12-22 2008-03-04 General Electric Company Account reconciliation methods and systems
JP2017016696A (ja) * 2016-09-23 2017-01-19 フリー株式会社 会計処理装置、会計処理方法及び会計処理プログラム
CN110765091A (zh) * 2019-09-09 2020-02-07 上海陆家嘴国际金融资产交易市场股份有限公司 对账方法和系统
CN111597197A (zh) * 2020-06-29 2020-08-28 腾讯科技（深圳）有限公司 数据库之间的数据对账方法和装置、存储介质及电子设备
CN111784512A (zh) * 2020-07-20 2020-10-16 国网山东省电力公司鄄城县供电公司 银企对账流程处理方法、装置及电子设备
CN116383592A (zh) * 2023-03-27 2023-07-04 深圳市领星网络科技有限公司 一种基于亚马逊财务的实时计算与分析系统及方法
CN116842090A (zh) * 2023-08-14 2023-10-03 上海微盟企业发展有限公司 一种对账系统、方法、设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A review of Blockchain Technology applications for financial services;Mohd Javaid 等;《BenchCouncil Transactions on Benchmarks, Standards and Evaluations》;1-18 *
银企集中对账系统的设计与实现;崔凉;王生元;李素梅;;中国金融电脑(10);59-61 *

Also Published As

Publication number Publication date
CN117149797A (zh) 2023-12-01

Similar Documents

Publication Publication Date Title
CN117149797B (zh) 一种基于多维度数据监控的对账方法及系统
US8121962B2 (en) Automated entity identification for efficient profiling in an event probability prediction system
WO2007106787A2 (en) Methods and systems for characteristic leveling
CN109492826B (zh) 一种基于机器学习的信息系统运行状态风险预测方法
CN109509082B (zh) 银行应用系统的监控方法及装置
RU2680760C1 (ru) Компьютеризированный способ разработки и управления моделями скоринга
CN117573728B (zh) 一种数据信息的信息维度升维处理方法及系统
CN117591530B (zh) 一种数据截面处理方法及系统
US10803403B2 (en) Method for adaptive tuning via automated simulation and optimization
CN116611797A (zh) 业务跟踪及监控方法、系统与存储介质
CN117435630B (zh) 一种基于规则前置的数据校验方法与系统
CN112329862A (zh) 基于决策树的反洗钱方法及系统
CN112766814A (zh) 一种信用风险压力测试模型的训练方法、装置及设备
CN116596674A (zh) 基于大数据分析的对外贸易风险评估方法
JP6797956B2 (ja) 推計装置、推計方法およびプログラム
CN116149895A (zh) 大数据集群性能预测方法、装置和计算机设备
CN117114693B (zh) 一种基于事件的资损检测方法及系统
Van Caneghem et al. Peer‐based comparison and firms' discretionary cost decisions
CN111190800A (zh) 预测主机的批量运行时长的方法、系统、装置及存储介质
CN116630034B (zh) 一种风控数据处理系统及方法
CN117421254B (zh) 一种用于对账业务的自动化测试方法与系统
US20210192614A1 (en) Systems and methods for determining an affordability index
CN118035750B (zh) 一种基于panel data的信贷模型样本构建方法
CN117437011A (zh) 优化方法、装置、计算机设备、存储介质和计算机程序产品
CN117971488A (zh) 分布式数据库集群的存储管理方法及相关装置

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