CN117251490A - 数据查询方法、装置、计算机设备及存储介质 - Google Patents
数据查询方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN117251490A CN117251490A CN202311176978.9A CN202311176978A CN117251490A CN 117251490 A CN117251490 A CN 117251490A CN 202311176978 A CN202311176978 A CN 202311176978A CN 117251490 A CN117251490 A CN 117251490A
- Authority
- CN
- China
- Prior art keywords
- file
- user
- data
- inactive
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 230000004913 activation Effects 0.000 claims abstract description 15
- 230000001960 triggered effect Effects 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 62
- 238000007789 sealing Methods 0.000 claims description 56
- 238000012216 screening Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 abstract description 23
- 230000008569 process Effects 0.000 description 12
- 238000013473 artificial intelligence Methods 0.000 description 10
- 238000013500 data storage Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000010276 construction Methods 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
- 238000013135 deep learning Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 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
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2477—Temporal data queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (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,涉及一种数据查询方法,包括:接收目标用户触发的数据查询请求;判断时间信息是否处于历史时间段;若是,基于用户信息判断目标用户是否属于活跃用户;若目标用户不属于活跃用户,对预设的历史封存文件中的非活跃文件进行预约激活,得到激活后的非活跃文件;从激活后的非活跃文件中查询出与用户信息及时间信息对应的第一目标数据;对第一目标数据进行推送处理。本申请还提供一种数据查询装置、计算机设备及存储介质。此外,本申请还涉及区块链技术,第一目标数据可存储于区块链中。本申请可应用于金融领域的数据查询场景,能够满足用户追溯历史数据的需求,解决了现有技术无法为用户提供历史数据查询的问题。
Description
技术领域
本申请涉及大数据技术领域与金融科技领域,尤其涉及数据查询方法、装置、计算机设备及存储介质。
背景技术
对于金融科技公司,例如保险公司、银行通过会构建有客户信息系统。用户通过使用该客户信息系统可以查看个人数据,譬如个人订单,交易明细等,客户信息系统通常是通过分库分表,或分布式数据库等技术手段,根本上来说将很多用户的数据放在一块,通过建立索引等手段快速筛出某个人的数据。
目前,随着用户数据越来越多时,客户信息系统的数据存储成本会越来越高,从而在客户信息系统中会自动对用户的一些生成年份较久的数据进行删除。例如出行系统只能查看未出行订单与近2个月历史订单;银行交易系统只能圈定半年或1年时间范围的明细,三年以前的明细数据无法查看;购物系统对于5年前的历史订单数据同样不提供服务。由于存在客户信息系统中会自动对用户的一些生成年份较久的数据进行删除的处理方式,导致客户信息系统提供历史数据查询的局限性较大,客户信息系统无法为用户提供历史数据查询的功能,从而无法满足用户追溯历史数据的需求,导致用户的数据查询体验较差。
发明内容
本申请实施例的目的在于提出一种数据查询方法、装置、计算机设备及存储介质,以解决现有的客户信息系统提供历史数据查询的局限性较大,客户信息系统无法为用户提供历史数据查询的功能,从而无法满足用户追溯历史数据的需求,导致用户的数据查询体验较差的技术问题。
为了解决上述技术问题,本申请实施例提供一种数据查询方法,采用了如下所述的技术方案:
接收目标用户触发的数据查询请求;其中,所述数据查询请求携带时间信息与所述目标用户的用户信息;
判断所述时间信息是否处于预设的历史时间段;
若是,基于所述用户信息判断所述目标用户是否属于活跃用户;
若所述目标用户不属于活跃用户,调用预设的历史封存文件,并对所述历史封存文件中的非活跃文件进行预约激活,得到激活后的非活跃文件;
从所述激活后的非活跃文件中查询出与所述用户信息以及所述时间信息对应的第一目标数据;
对所述第一目标数据进行推送处理。
进一步的,所述基于所述用户信息判断所述目标用户是否属于活跃用户的步骤,具体包括:
调用预设的用户类型表;
基于所述用户信息对所述用户类型表进行查询处理,从所述用户类型表中查询出与所述用户信息匹配的目标用户类型;
基于所述目标用户类型确定所述目标用户是否属于活跃用户。
进一步的,在所述调用预设的历史封存文件,并对所述历史封存文件中的非活跃文件进行预约激活,得到激活后的非活跃文件的步骤之前,还包括:
收集用户的交易数据,并基于预设的数据结构将所述交易数据存储至预设的第一文件中;其中,所述用户的数量包括多个;
对所述第一文件进行压缩处理得到第二文件;
在所述交易数据满足预设的存储时长条件后,从所述用户中划分出活跃类型用户、不活跃类型用户以及长尾类型用户;
从所述第二文件中对所述活跃类型用户的第一交易数据进行复制,并将复制后的第一交易数据存储至预设的活跃文件内;
从所述第二文件中对所述不活跃类型用户的第二交易数据进行复制,并将复制后的第二交易数据存储至预设的不活跃文件内;
从所述第二文件中对所述长尾类型用户的第三交易数据进行复制,并将复制后的第三交易数据存储至预设的长尾文件内;
基于所述不活跃文件与所述长尾文件构建非活跃文件;
基于预设的存储规则对所述活跃文件与所述非活跃文件进行存储处理,生成对应的历史封存文件。
进一步的,所述基于所述不活跃文件与所述长尾文件构建非活跃文件的步骤,具体包括:
获取预设的离线处理时间段;
基于所述离线处理时间段对所述不活跃文件与所述长尾文件进行文件合并,得到对应的合并文件;
将所述合并文件作为所述非活跃文件。
进一步的,所述基于预设的存储规则对所述活跃文件与所述非活跃文件进行存储处理,生成对应的历史封存文件的步骤,具体包括:
获取所述活跃文件与所述非活跃文件的历史累计数据;
判断所述历史累计数据是否符合预设数据条件;
若是,对所述活跃文件与所述非活跃文件进行封存处理,得到所述历史封存文件。
进一步的,所述从所述激活后的非活跃文件中查询出与所述用户信息以及所述时间信息对应的第一目标数据的步骤,具体包括:
从所述激活后的非活跃文件中查询出与所述用户信息对应的第一数据;
基于所述时间信息对所述第一数据进行筛选处理,得到与所述时间信息对应的第二数据;
将所述第二数据作为所述第一目标数据。
进一步的,在所述基于所述用户信息判断所述目标用户是否属于活跃用户的步骤之后,还包括:
若所述目标用户属于活跃用户,从所述历史封存文件中获取活跃文件;
从所述活跃文件中查询出与所述用户信息以及所述时间信息对应的第二目标数据;
对所述第二目标数据进行推送处理。
为了解决上述技术问题,本申请实施例还提供一种数据查询装置,采用了如下所述的技术方案:
接收模块,用于接收目标用户触发的数据查询请求;其中,所述数据查询请求携带时间信息与所述目标用户的用户信息;
第一判断模块,用于判断所述时间信息是否处于预设的历史时间段;
第二判断模块,用于若是,基于所述用户信息判断所述目标用户是否属于活跃用户;
第一处理模块,用于若所述目标用户不属于活跃用户,调用预设的历史封存文件,并对所述历史封存文件中的非活跃文件进行预约激活,得到激活后的非活跃文件;
查询模块,用于从所述激活后的非活跃文件中查询出与所述用户信息以及所述时间信息对应的第一目标数据;
第二处理模块,用于对所述第一目标数据进行推送处理。
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:
接收目标用户触发的数据查询请求;其中,所述数据查询请求携带时间信息与所述目标用户的用户信息;
判断所述时间信息是否处于预设的历史时间段;
若是,基于所述用户信息判断所述目标用户是否属于活跃用户;
若所述目标用户不属于活跃用户,调用预设的历史封存文件,并对所述历史封存文件中的非活跃文件进行预约激活,得到激活后的非活跃文件;
从所述激活后的非活跃文件中查询出与所述用户信息以及所述时间信息对应的第一目标数据;
对所述第一目标数据进行推送处理。
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:
接收目标用户触发的数据查询请求;其中,所述数据查询请求携带时间信息与所述目标用户的用户信息;
判断所述时间信息是否处于预设的历史时间段;
若是,基于所述用户信息判断所述目标用户是否属于活跃用户;
若所述目标用户不属于活跃用户,调用预设的历史封存文件,并对所述历史封存文件中的非活跃文件进行预约激活,得到激活后的非活跃文件;
从所述激活后的非活跃文件中查询出与所述用户信息以及所述时间信息对应的第一目标数据;
对所述第一目标数据进行推送处理。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例首先接收目标用户触发的数据查询请求;然后判断所述时间信息是否处于预设的历史时间段;若是,基于所述用户信息判断所述目标用户是否属于活跃用户;若所述目标用户不属于活跃用户,调用预设的历史封存文件,并对所述历史封存文件中的非活跃文件进行预约激活,得到激活后的非活跃文件;后续从所述激活后的非活跃文件中查询出与所述用户信息以及所述时间信息对应的第一目标数据;最后对所述第一目标数据进行推送处理。本申请实施例在目标用户触发的数据查询请求时,如果检测出数据查询请求中携带的时间信息处于预设的历史时间段且目标用户不属于活跃用户,会自动智能地基于历史封存文件中的非活跃文件的使用来快速地完成对于用户提出的数据查询请求的响应处理,并准确地将从历史封存文件中的非活跃文件查询出的与所述用户信息以及所述时间信息对应的第一目标数据推送给目标用户,以满足目标用户追溯历史数据的需求,解决了现有技术的客户信息系统无法为用户提供历史数据查询的技术问题,提高了数据查询的处理智能性,提高了目标用户的使用体验。
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根据本申请的数据查询方法的一个实施例的流程图;
图3是根据本申请的数据查询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数据查询方法一般由服务器/终端设备执行,相应地,数据查询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数据查询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数据查询方法能够应用于任意一种需要进行数据查询的场景中,则该数据查询方法能够应用于这些场景的产品中,例如,金融保险领域中的金融数据查询。所述的数据查询方法,包括以下步骤:
步骤S201,接收目标用户触发的数据查询请求;其中,所述数据查询请求携带时间信息与所述目标用户的用户信息。
在本实施例中,数据查询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数据查询请求。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,时间信息可包括年份、月份、日子等信息。用户信息包括用户姓名。在金融保险的应用场景下,上述数据查询方法的执行主体具体为数据查询系统。该数据查询系统具体可为保险系统、银行系统、交易系统、订单系统等系统。数据查询请求所对应的目标用户需求查询的数据可包括业务数据、交易数据、支付数据等。
步骤S202,判断所述时间信息是否处于预设的历史时间段。
在本实施例中,对于上述历史时间段的数值选取不做具体限定,可根据实际的历史数据查询的业务定义进行设置。例如可为2年前。
步骤S203,若是,基于所述用户信息判断所述目标用户是否属于活跃用户。
在本实施例中,上述基于所述用户信息判断所述目标用户是否属于活跃用户的具体实施过程,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S204,若所述目标用户不属于活跃用户,调用预设的历史封存文件,并对所述历史封存文件中的非活跃文件进行预约激活,得到激活后的非活跃文件。
在本实施例中,上述历史封存文件为预先构建的存储有活跃文件与非活跃文件的文件,对于历史封存文件的构建过程,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。其中,历史封存文件是对活跃文件与非活跃文件进行封存处理后的文件,因此需要对该历史封存文件进行激活处理,从而到该历史封存文件中包括的非活跃文件。
步骤S205,从所述激活后的非活跃文件中查询出与所述用户信息以及所述时间信息对应的第一目标数据。
在本实施例中,上述从所述激活后的非活跃文件中查询出与所述用户信息以及所述时间信息对应的第一目标数据的具体实施过程,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S206,对所述第一目标数据进行推送处理。
在本实施例中,对于上述第一目标数据的推送方式不做限定,可根据实际的使用需求进行设置,例如可采用界面展示的方式。
本申请首先接收目标用户触发的数据查询请求;然后判断所述时间信息是否处于预设的历史时间段;若是,基于所述用户信息判断所述目标用户是否属于活跃用户;若所述目标用户不属于活跃用户,调用预设的历史封存文件,并对所述历史封存文件中的非活跃文件进行预约激活,得到激活后的非活跃文件;后续从所述激活后的非活跃文件中查询出与所述用户信息以及所述时间信息对应的第一目标数据;最后对所述第一目标数据进行推送处理。本申请在目标用户触发的数据查询请求时,如果检测出数据查询请求中携带的时间信息处于预设的历史时间段且目标用户不属于活跃用户,会自动智能地基于历史封存文件中的非活跃文件的使用来快速地完成对于用户提出的数据查询请求的响应处理,并准确地将从历史封存文件中的非活跃文件查询出的与所述用户信息以及所述时间信息对应的第一目标数据推送给目标用户,以满足目标用户追溯历史数据的需求,解决了现有技术的客户信息系统无法为用户提供历史数据查询的技术问题,提高了数据查询的处理智能性,提高了目标用户的使用体验。
在一些可选的实现方式中,步骤S203包括以下步骤:
调用预设的用户类型表。
在本实施例中,上述用户类型表为预先构建的存储有用户类型以及对应的用户信息的映射关系的数据表。用户类型与用户信息之间具有一一对应关系。用户类型可包括活跃用户、不活跃用户以及长尾用户。用户信息可指用户的姓名信息。用户类型以及对应的用户信息的映射关系为预先根据实际的业务梳理后构建的。
基于所述用户信息对所述用户类型表进行查询处理,从所述用户类型表中查询出与所述用户信息匹配的目标用户类型。
在本实施例中,可通过先从用户类型表确定出与该目标用户的用户信息匹配的目标用户信息,进而从该用户类型表中查询出与该目标用户信息匹配的指定用户类型,从而得到上述目标用户类型。
基于所述目标用户类型确定所述目标用户是否属于活跃用户。
在本实施例中,可通过对得到的目标用户类型进行内容分析,以快速确定出所述目标用户是否属于活跃用户。如果目标用户类型为活跃用户,则判定目标用户属于活跃用户;而如果目标用户类型为不活跃用户或长尾用户,则判定目标用户不属于活跃用户。
本申请通过调用预设的用户类型表;然后基于所述用户信息对所述用户类型表进行查询处理,从所述用户类型表中查询出与所述用户信息匹配的目标用户类型;后续基于所述目标用户类型确定所述目标用户是否属于活跃用户。本申请基于用户类型表的使用对用户信息进行查询处理,可以实现快速准确地从用户类型表中确定所述目标用户是否属于活跃用户,提高了对于目标用户的用户类型的识别效率。
在本实施例的一些可选的实现方式中,在步骤S204之前,上述电子设备还可以执行以下步骤:
收集用户的交易数据,并基于预设的数据结构将所述交易数据存储至预设的第一文件中。其中,所述用户的数量包括多个。
在本实施例中,对于上述数据结构的设置不做具体限定,可根据实际的存储需求进行设置。具体地,数据结构可包括数据目录索引:用户id,开始年,结束年,文件路径;数据实体文件;存量交易信息压缩文件,增量待压缩文件;其中,用户的数据先进入增量待压缩文件。
对所述第一文件进行压缩处理得到第二文件。
在本实施例中,对于生成的上述文件的文件内容结构的设置不做具体限定,可根据实际的存储需求进行设置。具体地,文件内容结构可包括文件行数据,用户id,日期,时间,交易快照,通过采用这种文件内容结构进行数据存储可以有效加速数据读取的效率。
在所述交易数据满足预设的存储时长条件后,从所述用户中划分出活跃类型用户、不活跃类型用户以及长尾类型用户。
在本实施例中,上述存储时长条件为指实际的业务数据存储处理过程中需要对文件进行封存处理的时长,对于存储时长条件的数值选取不做具体限定,可根据实际的使用需求进行设置。
从所述第二文件中对所述活跃类型用户的第一交易数据进行复制,并将复制后的第一交易数据存储至预设的活跃文件内。
从所述第二文件中对所述不活跃类型用户的第二交易数据进行复制,并将复制后的第二交易数据存储至预设的不活跃文件内。
从所述第二文件中对所述长尾类型用户的第三交易数据进行复制,并将复制后的第三交易数据存储至预设的长尾文件内。
基于所述不活跃文件与所述长尾文件构建非活跃文件。
在本实施例中,上述基于所述不活跃文件与所述长尾文件构建非活跃文件的具体实施过程,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。
基于预设的存储规则对所述活跃文件与所述非活跃文件进行存储处理,生成对应的历史封存文件。
在本实施例中,上述基于预设的存储规则对所述活跃文件与所述非活跃文件进行存储处理,生成对应的历史封存文件的具体实施过程,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。
本申请通过在检测出收集到的用户的交易数据满足预设的存储时长条件后,会智能地对用户进行用户类型分类,并会根据用户类型分类来构建出相应的活跃文件,以及包含不活跃文件与长尾文件的非活跃文件,进而基于预设的存储规则对所述活跃文件与所述非活跃文件进行存储处理,从而实现快速地构建出所需的历史封存文件,提高了历史封存文件的构建效率,有利于后续基于历史封存文件的使用来快速地完成对于用户提出的数据查询请求的响应处理,并准确地将从历史封存文件查询出的目标数据推送给目标用户,以实现目标用户追溯历史数据的需求,提高数据查询的处理智能性,提高了目标用户的使用体验。
在一些可选的实现方式中,所述基于所述不活跃文件与所述长尾文件构建非活跃文件,包括以下步骤:
获取预设的离线处理时间段。
在本实施例中,对于上述离线处理时间段的数值取值不做具体限定,可根据实际的使用需求进行设置。
基于所述离线处理时间段对所述不活跃文件与所述长尾文件进行文件合并,得到对应的合并文件。
在本实施例中,在当前时间到达该离线处理时间段时,再对所述不活跃文件与所述长尾文件进行离线的文件合并处理,从而可以在不消耗网络资源的情况下完成合并文件的生成,提高了合并文件的生成智能性,有效避免了合并文件的生成处理对于电子设备的正常运作的影响,并且可以有效降低存储的文件数量。
将所述合并文件作为所述非活跃文件。
本申请通过获取预设的离线处理时间段;然后基于所述离线处理时间段对所述不活跃文件与所述长尾文件进行文件合并,得到对应的合并文件;后续将所述合并文件作为所述非活跃文件。本申请通过基于离线处理时间段的使用,在当前时间到达该离线处理时间段时,才会对所述不活跃文件与所述长尾文件进行离线的文件合并处理,从而可以在不消耗网络资源的情况下完成非活跃文件的生成,有效避免了非活跃文件的生成处理对于电子设备的正常运作的影响,提高了非活跃文件的生成智能性。
在一些可选的实现方式中,所述基于预设的存储规则对所述活跃文件与所述非活跃文件进行存储处理,生成对应的历史封存文件,包括以下步骤:
获取所述活跃文件与所述非活跃文件的历史累计数据。
在本实施例中,上述历史累计数据是指所述活跃文件与所述非活跃文件中包含的所有数据的数量值。
判断所述历史累计数据是否符合预设数据条件。
在本实施例中,上述预设数据条件为与一个数据阈值对应的数据条件,即判断该历史累计数据是否大于该数据阈值。其中,对于上述数据阈值的数值不做限定,可根据实际的使用需求进行设置。
若是,对所述活跃文件与所述非活跃文件进行封存处理,得到所述历史封存文件。
在本实施例中,通过对所述活跃文件与所述非活跃文件进行封存处理,以进行对于数据采取廉价安全的存储,实现低成本存储。其中,根据用户的活跃情况区别存储数据,可以提高数据存储的规范性与智能性。另外,在时间因子影响下,对所述活跃文件与所述非活跃文件进行封存处理,使得数据存储成本增长降到可以忽略的层次,用户同时感知不到庞大数据量对个人的影响,进一步提高了数据存储的智能性。
本申请通过获取所述活跃文件与所述非活跃文件的历史累计数据;然后判断所述历史累计数据是否符合预设数据条件;若是,对所述活跃文件与所述非活跃文件进行封存处理,得到所述历史封存文件。本申请通过获取预设的离线处理时间段;然后基于所述离线处理时间段对所述不活跃文件与所述长尾文件进行文件合并,得到对应的合并文件;后续将所述合并文件作为所述非活跃文件。本申请在判别出历史累计数据是否符合预设数据条件后,通过对所述活跃文件与所述非活跃文件进行封存处理,以进行对于数据采取廉价安全的存储,可以实现低成本存储,进而提高文件的存储智能性。
在本实施例的一些可选的实现方式中,步骤S206包括以下步骤:
从所述激活后的非活跃文件中查询出与所述用户信息对应的第一数据。
在本实施例中,可通过从激活后的非活跃文件中获取与所述用户信息匹配的指定用户信息,进而从该激活后的非活跃文件中查询出与该指定用户信息对应的数据得到上述第一数据。
基于所述时间信息对所述第一数据进行筛选处理,得到与所述时间信息对应的第二数据。
在本实施例中,可通过从第一数据中筛选出与时间信息匹配的数据以得到上述第二数据。
将所述第二数据作为所述第一目标数据。
本申请通过从所述激活后的非活跃文件中查询出与所述用户信息对应的第一数据;然后基于所述时间信息对所述第一数据进行筛选处理,得到与所述时间信息对应的第二数据;后续将所述第二数据作为所述第一目标数据。本申请通过从所述激活后的非活跃文件中查询出与所述用户信息对应的第一数据,使得后续只需对该第一数据进行筛选处理以获取第一目标数据,而不需要对激活后的非活跃文件中的所有数据进行数据查询,有效地降低了数据查询的工作量,提高了第一目标数据的获取效率。
在本实施例的一些可选的实现方式中,在步骤S203之后,上述电子设备还可以执行以下步骤:
若所述目标用户属于活跃用户,从所述历史封存文件中获取活跃文件。
在本实施例中,历史封存文件由活跃文件与非活跃文件构成。
从所述活跃文件中查询出与所述用户信息以及所述时间信息对应的第二目标数据。
在本实施例中,可通从活跃文件中查询出与所述用户信息匹配的第三数据,进而基于该时间信息对所述第三数据进行筛选处理,以得到与所述时间信息对应的第二数据
对所述第二目标数据进行推送处理。
在本实施例中,对于第二目标数据的推送方式不做限定,可根据实际的使用需求进行设置,例如可采用界面展示的方式。
本申请若检测出所述目标用户属于活跃用户,首先从所述历史封存文件中获取活跃文件;然后从所述活跃文件中查询出与所述用户信息以及所述时间信息对应的第二目标数据;后续对所述第二目标数据进行推送处理。本申请在检测出所述目标用户属于活跃用户后,则会智能地从所述历史封存文件中获取活跃文件,进而基于活跃文件的使用来查询出与所述用户信息以及所述时间信息对应的第二目标数据。通过本申请中历史封存文件内的活跃文件的使用来快速地完成对于用户提出的数据查询请求的响应处理,并准确地将从历史封存文件查询出的目标数据推送给目标用户,可以有效满足了目标用户追溯历史数据的需求,消除了历史数据查询的局限性,提高历史数据查询的处理智能性,提高了目标用户的历史数据查询的体验度。
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,为进一步保证上述第一目标数据的私密和安全性,上述第一目标数据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,本申请提供了一种数据查询装置的一个实施例,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,本实施例所述的数据查询装置300包括:加载模块301、调用模块302、收集模块303、生成模块304以及处理模块305。其中:
接收模块301,用于接收目标用户触发的数据查询请求;其中,所述数据查询请求携带时间信息与所述目标用户的用户信息;
第一判断模块302,用于判断所述时间信息是否处于预设的历史时间段;
第二判断模块303,用于若是,基于所述用户信息判断所述目标用户是否属于活跃用户;
第一处理模块304,用于若所述目标用户不属于活跃用户,调用预设的历史封存文件,并对所述历史封存文件中的非活跃文件进行预约激活,得到激活后的非活跃文件;
查询模块305,用于从所述激活后的非活跃文件中查询出与所述用户信息以及所述时间信息对应的第一目标数据;
第二处理模块306,用于对所述第一目标数据进行推送处理。
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数据查询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,第二判断模块303包括:
调用子模块,用于调用预设的用户类型表;
第一查询子模块,用于基于所述用户信息对所述用户类型表进行查询处理,从所述用户类型表中查询出与所述用户信息匹配的目标用户类型;
第一确定子模块,用于基于所述目标用户类型确定所述目标用户是否属于活跃用户。
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数据查询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,数据查询装置还包括:
收集模块,用于收集用户的交易数据,并基于预设的数据结构将所述交易数据存储至预设的第一文件中;其中,所述用户的数量包括多个;
压缩模块,用于对所述第一文件进行压缩处理得到第二文件;
划分模块,用于在所述交易数据满足预设的存储时长条件后,从所述用户中划分出活跃类型用户、不活跃类型用户以及长尾类型用户;
第一存储模块,用于从所述第二文件中对所述活跃类型用户的第一交易数据进行复制,并将复制后的第一交易数据存储至预设的活跃文件内;
第二存储模块,用于从所述第二文件中对所述不活跃类型用户的第二交易数据进行复制,并将复制后的第二交易数据存储至预设的不活跃文件内;
第三存储模块,用于从所述第二文件中对所述长尾类型用户的第三交易数据进行复制,并将复制后的第三交易数据存储至预设的长尾文件内;
构建模块,用于基于所述不活跃文件与所述长尾文件构建非活跃文件;
第四存储模块,用于基于预设的存储规则对所述活跃文件与所述非活跃文件进行存储处理,生成对应的历史封存文件。
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数据查询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,构建模块包括:
第一获取子模块,用于获取预设的离线处理时间段;
合并子模块,用于基于所述离线处理时间段对所述不活跃文件与所述长尾文件进行文件合并,得到对应的合并文件;
第二确定子模块,用于将所述合并文件作为所述非活跃文件。
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数据查询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,第四存储模块包括:
第二获取子模块,用于获取所述活跃文件与所述非活跃文件的历史累计数据;
判断子模块,用于判断所述历史累计数据是否符合预设数据条件;
封存子模块,用于若是,对所述活跃文件与所述非活跃文件进行封存处理,得到所述历史封存文件。
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数据查询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,第二处理模块306,包括:
第二查询子模块,用于从所述激活后的非活跃文件中查询出与所述用户信息对应的第一数据;
筛选子模块,用于基于所述时间信息对所述第一数据进行筛选处理,得到与所述时间信息对应的第二数据;
第三确定子模块,用于将所述第二数据作为所述第一目标数据。
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数据查询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,数据查询装置还包括:
获取模块,用于若所述目标用户属于活跃用户,从所述历史封存文件中获取活跃文件;
查询模块,用于从所述活跃文件中查询出与所述用户信息以及所述时间信息对应的第二目标数据;
第五处理模块,用于对所述第二目标数据进行推送处理。
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数据查询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,例如数据查询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,例如运行所述数据查询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,首先接收目标用户触发的数据查询请求;然后判断所述时间信息是否处于预设的历史时间段;若是,基于所述用户信息判断所述目标用户是否属于活跃用户;若所述目标用户不属于活跃用户,调用预设的历史封存文件,并对所述历史封存文件中的非活跃文件进行预约激活,得到激活后的非活跃文件;后续从所述激活后的非活跃文件中查询出与所述用户信息以及所述时间信息对应的第一目标数据;最后对所述第一目标数据进行推送处理。本申请实施例在目标用户触发的数据查询请求时,如果检测出数据查询请求中携带的时间信息处于预设的历史时间段且目标用户不属于活跃用户,会自动智能地基于历史封存文件中的非活跃文件的使用来快速地完成对于用户提出的数据查询请求的响应处理,并准确地将从历史封存文件中的非活跃文件查询出的与所述用户信息以及所述时间信息对应的第一目标数据推送给目标用户,以满足目标用户追溯历史数据的需求,解决了现有技术的客户信息系统无法为用户提供历史数据查询的技术问题,提高了数据查询的处理智能性,提高了目标用户的使用体验。
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数据查询方法的步骤。
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,首先接收目标用户触发的数据查询请求;然后判断所述时间信息是否处于预设的历史时间段;若是,基于所述用户信息判断所述目标用户是否属于活跃用户;若所述目标用户不属于活跃用户,调用预设的历史封存文件,并对所述历史封存文件中的非活跃文件进行预约激活,得到激活后的非活跃文件;后续从所述激活后的非活跃文件中查询出与所述用户信息以及所述时间信息对应的第一目标数据;最后对所述第一目标数据进行推送处理。本申请实施例在目标用户触发的数据查询请求时,如果检测出数据查询请求中携带的时间信息处于预设的历史时间段且目标用户不属于活跃用户,会自动智能地基于历史封存文件中的非活跃文件的使用来快速地完成对于用户提出的数据查询请求的响应处理,并准确地将从历史封存文件中的非活跃文件查询出的与所述用户信息以及所述时间信息对应的第一目标数据推送给目标用户,以满足目标用户追溯历史数据的需求,解决了现有技术的客户信息系统无法为用户提供历史数据查询的技术问题,提高了数据查询的处理智能性,提高了目标用户的使用体验。
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)
1.一种数据查询方法,其特征在于,包括下述步骤:
接收目标用户触发的数据查询请求;其中,所述数据查询请求携带时间信息与所述目标用户的用户信息;
判断所述时间信息是否处于预设的历史时间段;
若是,基于所述用户信息判断所述目标用户是否属于活跃用户;
若所述目标用户不属于活跃用户,调用预设的历史封存文件,并对所述历史封存文件中的非活跃文件进行预约激活,得到激活后的非活跃文件;
从所述激活后的非活跃文件中查询出与所述用户信息以及所述时间信息对应的第一目标数据;
对所述第一目标数据进行推送处理。
2.根据权利要求1所述的数据查询方法,其特征在于,所述基于所述用户信息判断所述目标用户是否属于活跃用户的步骤,具体包括:
调用预设的用户类型表;
基于所述用户信息对所述用户类型表进行查询处理,从所述用户类型表中查询出与所述用户信息匹配的目标用户类型;
基于所述目标用户类型确定所述目标用户是否属于活跃用户。
3.根据权利要求1所述的数据查询方法,其特征在于,在所述调用预设的历史封存文件,并对所述历史封存文件中的非活跃文件进行预约激活,得到激活后的非活跃文件的步骤之前,还包括:
收集用户的交易数据,并基于预设的数据结构将所述交易数据存储至预设的第一文件中;其中,所述用户的数量包括多个;
对所述第一文件进行压缩处理得到第二文件;
在所述交易数据满足预设的存储时长条件后,从所述用户中划分出活跃类型用户、不活跃类型用户以及长尾类型用户;
从所述第二文件中对所述活跃类型用户的第一交易数据进行复制,并将复制后的第一交易数据存储至预设的活跃文件内;
从所述第二文件中对所述不活跃类型用户的第二交易数据进行复制,并将复制后的第二交易数据存储至预设的不活跃文件内;
从所述第二文件中对所述长尾类型用户的第三交易数据进行复制,并将复制后的第三交易数据存储至预设的长尾文件内;
基于所述不活跃文件与所述长尾文件构建非活跃文件;
基于预设的存储规则对所述活跃文件与所述非活跃文件进行存储处理,生成对应的历史封存文件。
4.根据权利要求3所述的数据查询方法,其特征在于,所述基于所述不活跃文件与所述长尾文件构建非活跃文件的步骤,具体包括:
获取预设的离线处理时间段;
基于所述离线处理时间段对所述不活跃文件与所述长尾文件进行文件合并,得到对应的合并文件;
将所述合并文件作为所述非活跃文件。
5.根据权利要求3所述的数据查询方法,其特征在于,所述基于预设的存储规则对所述活跃文件与所述非活跃文件进行存储处理,生成对应的历史封存文件的步骤,具体包括:
获取所述活跃文件与所述非活跃文件的历史累计数据;
判断所述历史累计数据是否符合预设数据条件;
若是,对所述活跃文件与所述非活跃文件进行封存处理,得到所述历史封存文件。
6.根据权利要求1所述的数据查询方法,其特征在于,所述从所述激活后的非活跃文件中查询出与所述用户信息以及所述时间信息对应的第一目标数据的步骤,具体包括:
从所述激活后的非活跃文件中查询出与所述用户信息对应的第一数据;
基于所述时间信息对所述第一数据进行筛选处理,得到与所述时间信息对应的第二数据;
将所述第二数据作为所述第一目标数据。
7.根据权利要求1所述的数据查询方法,其特征在于,在所述基于所述用户信息判断所述目标用户是否属于活跃用户的步骤之后,还包括:
若所述目标用户属于活跃用户,从所述历史封存文件中获取活跃文件;
从所述活跃文件中查询出与所述用户信息以及所述时间信息对应的第二目标数据;
对所述第二目标数据进行推送处理。
8.一种数据查询装置,其特征在于,包括:
接收模块,用于接收目标用户触发的数据查询请求;其中,所述数据查询请求携带时间信息与所述目标用户的用户信息;
第一判断模块,用于判断所述时间信息是否处于预设的历史时间段;
第二判断模块,用于若是,基于所述用户信息判断所述目标用户是否属于活跃用户;
第一处理模块,用于若所述目标用户不属于活跃用户,调用预设的历史封存文件,并对所述历史封存文件中的非活跃文件进行预约激活,得到激活后的非活跃文件;
查询模块,用于从所述激活后的非活跃文件中查询出与所述用户信息以及所述时间信息对应的第一目标数据;
第二处理模块,用于对所述第一目标数据进行推送处理。
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中任一项所述的数据查询方法的步骤。
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中任一项所述的数据查询方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311176978.9A CN117251490A (zh) | 2023-09-12 | 2023-09-12 | 数据查询方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311176978.9A CN117251490A (zh) | 2023-09-12 | 2023-09-12 | 数据查询方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117251490A true CN117251490A (zh) | 2023-12-19 |
Family
ID=89125720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311176978.9A Pending CN117251490A (zh) | 2023-09-12 | 2023-09-12 | 数据查询方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117251490A (zh) |
-
2023
- 2023-09-12 CN CN202311176978.9A patent/CN117251490A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115237857A (zh) | 日志处理方法、装置、计算机设备及存储介质 | |
CN112860662B (zh) | 自动化生产数据血缘关系建立方法、装置、计算机设备及存储介质 | |
CN117094729A (zh) | 请求处理方法、装置、计算机设备及存储介质 | |
CN117251228A (zh) | 功能管理方法、装置、计算机设备及存储介质 | |
CN116956326A (zh) | 权限数据的处理方法、装置、计算机设备及存储介质 | |
CN116453125A (zh) | 基于人工智能的数据录入方法、装置、设备及存储介质 | |
CN115757075A (zh) | 任务异常检测方法、装置、计算机设备及存储介质 | |
CN117251490A (zh) | 数据查询方法、装置、计算机设备及存储介质 | |
CN117407420A (zh) | 数据构建方法、装置、计算机设备及存储介质 | |
CN117395310A (zh) | 任务处理方法、装置、计算机设备及存储介质 | |
CN117390119A (zh) | 任务处理方法、装置、计算机设备及存储介质 | |
CN117290597A (zh) | 基于人工智能的信息推送方法、装置、设备及存储介质 | |
CN117034173A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN116932090A (zh) | 工具包加载方法、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 | |
CN115080045A (zh) | 链路生成方法、装置、计算机设备及存储介质 | |
CN117271790A (zh) | 标注数据的扩充方法、装置、计算机设备及存储介质 | |
CN116932486A (zh) | 文件生成方法、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 | |
CN117112383A (zh) | 基于人工智能的性能分析方法、装置、设备及存储介质 | |
CN116842011A (zh) | 血缘关系分析方法、装置、计算机设备及存储介质 | |
CN118035124A (zh) | 用例生成方法、装置、计算机设备及存储介质 | |
CN116821493A (zh) | 消息推送方法、装置、计算机设备及存储介质 | |
CN117278510A (zh) | 消息发送方法、装置、计算机设备及存储介质 | |
CN117422523A (zh) | 产品上线方法、装置、计算机设备及存储介质 |
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 |