CN117910850A - 一种指标数据分析引擎、指标数据计算装置和计算方法 - Google Patents
一种指标数据分析引擎、指标数据计算装置和计算方法 Download PDFInfo
- Publication number
- CN117910850A CN117910850A CN202311738051.XA CN202311738051A CN117910850A CN 117910850 A CN117910850 A CN 117910850A CN 202311738051 A CN202311738051 A CN 202311738051A CN 117910850 A CN117910850 A CN 117910850A
- Authority
- CN
- China
- Prior art keywords
- index data
- processed
- data
- calculation
- index
- 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.)
- Granted
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 155
- 238000007405 data analysis Methods 0.000 title claims abstract description 51
- 230000014509 gene expression Effects 0.000 claims abstract description 119
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000006243 chemical reaction Methods 0.000 claims abstract description 10
- 239000008280 blood Substances 0.000 claims abstract description 7
- 210000004369 blood Anatomy 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 53
- 238000004590 computer program Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 51
- 238000000034 method Methods 0.000 description 29
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000013480 data collection Methods 0.000 description 3
- 238000013079 data visualisation Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000004931 aggregating effect Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
-
- 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
- G06F16/2455—Query execution
-
- 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
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Game Theory and Decision Science (AREA)
- Fuzzy Systems (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供的一种指标数据分析引擎、指标数据计算装置和计算方法，该指标数据分析引擎包括：指标血缘解析模块，用于按照结构化配置信息对待分析数据进行解析，获取原始指标数据和待加工指标数据；内置维度和算法获取模块，用于从结构化配置信息中获取待加工指标数据对应的维度属性和计算表达式；sql表达式转换模块，用于根据维度属性和计算表达式将待加工指标数据转换成sql表达式。本发明实施例通过对结构化配置文件做解析，将待加工指标数据转换生成sql表达式，最后相应的计算引擎执行完成指标的计算并输出，降低技术复杂度并实现技术解耦。
Description
技术领域
本发明涉及指标数据处理领域，尤其涉及一种指标数据分析引擎、指标数据计算装置和计算方法。
背景技术
随着公司对外的客户群体扩大，客户数量日益增多，公司平台会用到的指标也日益增多。而指标作为一种用于衡量或评估特定目标或目标达成程度的量化衡量标准，使得各个部门各个系统中使用相同或不同的指标对客户情况进行衡量。
目前指标计算是通过硬编码实现，加工数据指标的上线周期长，无法灵活配置及扩展，只能使用一些常规算法加工指标。
发明内容
有鉴于此，本发明实施例的目的在于提供一种指标数据分析引擎、指标数据计算装置和计算方法，可以通过解析结构化配置信息完成指定引擎的加工逻辑。
为达到上述目的，第一方面，本发明提供一种指标数据分析引擎，所述指标数据分析引擎包括：
指标血缘解析模块，用于按照结构化配置信息对待分析数据进行解析，获取原始指标数据和待加工指标数据；
内置维度和算法获取模块，用于从所述结构化配置信息中获取所述待加工指标数据对应的维度属性和计算表达式；
sql表达式转换模块，用于根据所述维度属性和所述计算表达式将所述待加工指标数据转换成sql表达式。
在一些可能的实施方式中，所述指标血缘解析模块还用于：对所述原始指标和所述待加工指标数据进行标记，并按照依赖关系将所述待加工指标数据分为多个加工层级；
将依赖所述原始指标数据的待加工指标数据放在第一队列，先加工为临时表数据；
对依赖于所述临时表数据的待加工指标数据放在第二队列，当所述第一队列的数据加工完之后，再加工所述第二队列的数据，依此类推，直至所有待加工指标数据加工完成。
在一些可能的实施方式中，所述sql表达式转换模块具体用于：根据正则表达式的方式从所述计算表达式中解析出所述待加工指标数据的指标名称、计算函数和计算维度；
对所述维度属性、所述待加工指标数据的指标名称、计算函数和计算维度进行拼接，获取所述待加工指标数据对应的sql表达式。
在一些可能的实施方式中，所述指标数据分析引擎还包括：
自定义维度和算法获取模块，用于通过预留接口获取用户自定义的维度属性和计算表达式。
第二方面，本发明实施例提供了一种指标数据计算装置，所述计算装置包括：
获取模块，用于获取结构化配置信息和待分析数据；
第一方面任意一种所述的指标数据分析引擎，用于根据所述结构化配置信息将所述待分析数据转化为sql表达式；
计算引擎，用于根据所述sql表达式执行所述待加工指标数据的计算并输出计算值。
第三方面，本发明实施例提供了一种指标数据计算方法，所述计算方法基于第二方面所述指标数据计算装置，所述计算方法包括：
获取结构化配置信息和待分析数据；
通过指标数据分析引擎根据所述结构化配置信息将所述待分析数据转化为sql表达式；
根据所述sql表达式执行所述待加工指标数据的计算并输出计算值。
在一些可能的实施方式中，所述的通过指标数据分析引擎根据所述结构化配置信息将所述待分析数据转化为sql表达式，具体包括：
按照所述结构化配置信息对所述待分析数据进行解析，获取原始指标数据和待加工指标数据；
从所述结构化配置信息中获取所述待加工指标数据对应的维度属性和计算表达式；
根据所述维度属性和所述计算表达式将所述待加工指标数据转换成sql表达式。
在一些可能的实施方式中，在所述的按照所述结构化配置信息对所述待分析数据进行解析，获取原始指标数据和待加工指标数据之后，还包括：对所述原始指标和所述待加工指标数据进行标记，并按照依赖关系将所述待加工指标数据分为多个加工层级；
其中，所述的按照依赖关系将所述待加工指标数据分为多个加工层级具体包括：
将依赖所述原始指标数据的待加工指标数据放在第一队列，先加工为临时表数据；
对依赖于所述临时表数据的待加工指标数据放在第二队列，当所述第一队列的数据加工完之后，再加工所述第二队列的数据，依此类推，直至所有待加工指标数据加工完成。
在一些可能的实施方式中，所述的根据所述维度属性和所述计算表达式将所述待加工指标数据转换成sql表达式具体包括：
根据正则表达式从所述计算表达式中解析出所述待加工指标数据的指标名称、计算函数和计算维度；
对所述维度属性、所述待加工指标数据的指标名称、计算函数和计算维度进行拼接，获取所述待加工指标数据对应的sql表达式。
在一些可能的实施方式中，所述计算方法还包括：
通过指标数据分析引擎根据用户自定义的维度属性和计算表达式将所述待分析数据转化为sql表达式。
第四方面，本发明实施例还提供了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第三方面任意一种所述的方法。
第五方面，本发明实施例还提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第三方面任意一种所述的方法。
上述技术方案具有如下有益效果：
本发明提供了一种指标数据分析引擎、指标数据计算装置和计算方法，该指标数据分析引擎包括：指标血缘解析模块，用于按照结构化配置信息对待分析数据进行解析，获取原始指标数据和待加工指标数据；内置维度和算法获取模块，用于从结构化配置信息中获取待加工指标数据对应的维度属性和计算表达式；sql表达式转换模块，用于根据维度属性和计算表达式将待加工指标数据转换成sql表达式。本发明实施例通过对结构化配置文件做解析，将待加工指标数据转换生成sql表达式，最后相应的计算引擎执行完成指标的计算并输出，降低技术复杂度并实现技术解耦。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见，下面描述中的附图仅仅是本发明的一些实施例，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取其他的附图。
图1是本发明实施例的一种指标数据分析引擎的结构示意图；
图2是本发明实施例的另一种指标数据分析引擎的结构示意图；
图3是本发明实施例的一种指标数据计算装置的结构框图；
图4是本发明实施例的一种指标数据计算方法的流程图；
图5是本发明实施例的指标数据分析引擎根据结构化配置信息将待分析数据转化为sql表达式的流程图；
图6是本发明实施例的电子设备的基本结构的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
本发明一方面提供一个简单易用的指标数据分析引擎，以便轻松地处理和加工各类数据指标，降低技术复杂度并实现技术解耦，缩短指标上线周期，可实现指标算法自定义，以便于数据收集、分析和可视化。另一方面提供了一种基于指标分析引擎的简化和抽象化的指标数据分析装置和方法，通过分析指标血缘关系，将指标解析为原始指标数据和待加工指标数据，通过分步将结构化配置信息转换为可执行sql表达式，计算服务将待运算指标组合计算输出，降低了技术复杂度并实现技术解耦，本发明可以用于金融和银行业、电信、医疗、制造、零售、教育等几乎所用行业。
实施例一
图1是本发明实施例的一种指标数据分析引擎的结构示意图，请参考图1，该指标数据分析引擎100包括：
指标血缘解析模块110，用于按照结构化配置信息对待分析数据进行解析，获取原始指标数据和待加工指标数据；
本实施例中，指标血缘解析模块110按照结构化配置信息可以将待分析数据解析出两个指标数据，一个是原始指标数据，一个是待加工指标数据，原始指标数据是指不需要加工可以直接从数据集中获取的指标数据，待加工指标数据是需要加工运算的指标数据。
内置维度和算法获取模块120，用于从结构化配置信息中获取待加工指标数据对应的维度属性和计算表达式；
本实施例中，结构化配置信息是以JSON、XML或YAML等格式配置的数据格式，但是不局限于这几种格式，也适用于其它格式的结构化配置，其中，可以但不限于包括原始指标数据所在的数据集(dscs)，该数据集对应的数据库的连接地址、用户名(username)、密码(password)以及原始指标数据的sql表达式，待加工指标数据的维度属性(dims)和计算表达式(expr)等，当然，结构化配置信息中有的字段是非必填字段，例如维度dims属性字段，如果无维度统计，则该属性字段可省略。
本实施例中，内置维度和算法获取模块120可以对结构化配置信息进行解析，从结构化配置信息中获取每一个待加工指标对应的维度属性和计算表达式，其中，维度属性(dims)包含维度指标名(dimColumn)和指标中文名称(dimName)，计算表达式中包括计算函数、待加工指标数据名称和计算维度。例如，计算表达式：Sum(B_D_0026,L7)中，Sum为计算函数，B_D_0026为待加工指标数据的名称，L7为计算维度，例如对数据日期近七天的数据做聚合，即计算维度是指按照什么样的逻辑统计，例如，统计7天的用户销量，那么这里的维度就包含用户及时间。其中，维度属性(dims)是一个大的维度，该维度用在sql表达式中的group by关键字后，而计算维度L7这个维度用在结构化配置信息中的自定义函数(也称为UDF函数，User-Defined Function)中，UDF函数做Sum计算时，是在维度(dims)属性的维度下又做的日期维度的数据统计。UDF函数可以为Sum函数、avg函数、max函数和min函数等，Sum函数是对待加工指标数据做加法计算，avg函数是求平均值的计算，max函数是求最大值，min是求最小值。
另外，加工人员还可以通过指标中文名称(dimName)，获取维度统计的方式，有利于排查问题，该字段在结构化配置信息中也是可以省略的字段。
sql表达式转换模块130，用于根据维度属性和计算表达式将待加工指标数据转换成sql表达式。
本实施例中，sql表达式转换模块130将维度属性中的维度指标名(dimColumn)，以及计算表达式中的计算函数、待加工指标数据名称和计算维度进行拼接，即将各个部分组合在一起，只需将该部分信息用逗号分隔后放在sql的select关键字后边即可。但是，由于下游使用现有的原始指标数据的字段不方便，需要重新定义到新的字段里，需要映射一次，因此还有一种待加工指标数据与原始指标数据等价的待加工指标数据，这种待加工指标数据无需拼接，只需调用数据库中的原始指标数据的sql表达式即可，在结构化配置信息中，待加工指标数据对应的维度属性和函数表达式均为空，即无维度参数，且expr计算表达式无函数计算，说明这个待加工指标是依赖于原始指标，这个指标值来源于原始指标的值，此时，将读取的结构化配置信息中所有该待加工指标变量，将其替换为原始指标(也可以称为根指标)的sql表达式，无需重新拼接，减少数据的传递。
本发明实施例通过对结构化配置信息的解析，获取内置算法和维度属性，对待加工指标数据进行分析计算，可满足大部分的使用场景，简化、易用的同时，降低技术复杂度并实现技术解耦的能力，以便进行数据收集、分析和可视化。本实施例中的指标数据分析引擎可通过清晰的API(应用程序接口，Application Program Interface)进行通信，并包括数据接收、指标分析、数据输出等多个组件，满足现代数据分析需求。
在一些实施例中，指标血缘解析模块110还用于：对原始指标数据和待加工指标数据进行标记，并按照依赖关系将待加工指标数据分为多个加工层级；将依赖原始指标数据的待加工指标数据放在第一队列，先加工为临时表数据；对依赖于临时表数据的待加工指标数据放在第二队列，当第一队列的数据加工完之后，再加工第二队列的数据，依此类推，直至所有待加工指标数据加工完成。
通过对待分析数据的解析，将指标对象的加工属性设置为不同的属性；例如原始指标数据的属性值标记为0，待加工指标数据依赖原始指标的属性值标记为1，对依赖于临时表数据的待加工指标数据的属性值为2等等。并且依照依赖关系将待加工指标数据分为多个加工层级，将只依赖原始指标放在第一队列，先加工为临时表数据；对于依赖于临时表数据的放在第二队列，等待第一队列数据加工完之后，再加工第二队列数据，依此类推；直至所有数据加工完成。加工层级是指无相互依赖的可以同时执行的一批数据，该批数据和其他批次的数据有依赖关系和执行顺序要求；例如，有a、b、c三个待加工指标数据，其中c指标是由b指标加工而来，a指标与b、c指标没有依赖关系，那么a、b指标可以放在同一个加工层级(Ⅰ)中，而c指标需要放在加工层级(Ⅱ)，指标加工会优先执行层级(Ⅰ)的指标，之后加工层级为(Ⅱ)的指标，依此类推。。
在一些实施例中，sql表达式转换模块130具体用于：根据正则表达式的方式从计算表达式中解析出待加工指标数据的指标名称、计算函数和计算维度；对维度属性、待加工指标数据的指标名称、计算函数和计算维度进行拼接，获取待加工指标数据对应的sql表达式。
具体的，正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，用来检索、替换那些符合某个模式(规则)的文本；例如，根据从结构化配置文件中解析的维度属性、待加工指标数据的指标名称、计算函数和计算维度等，将各个部分组合在一起，只需将该部分信息用逗号分隔后放在sql的select关键字后边即可。
本发明实施例通过将待分析指标数据转化为标准的sql表达式以后，便可在flink、spark等这些大数据组件中执行待分析指标数据的计算，以支持大批量复杂运算，提高计算速度。
图2是本发明实施例的另一种指标数据分析引擎的结构示意图，请参考图2，在一些实施例中，该指标数据分析引擎100还包括：
自定义维度和算法获取模块140，用于通过预留接口获取用户自定义的维度属性和计算表达式。本实施例中，自定义维度和算法获取模块140是根据不同的业务场景，现有内置的算法及维度解析无法完成指标运算，用户可以通过该预留接口根据接口规范完成算法的定义和维度的定义，该指标数据分析引擎100便可解析加工用户自定义的加工逻辑及维度降低配置的复杂度及可读性，即通过用户自定义算法的扩展来满足内置算法无法计算的业务场景。
实施例二
图3是本发明实施例的一种指标数据计算装置的结构框图，请参考图3，该计算装置200包括：
获取模块210，用于获取结构化配置信息和待分析数据；
指标数据分析引擎100，用于根据结构化配置信息将待分析数据转化为sql表达式；
计算引擎220，用于根据sql表达式执行待加工指标数据的计算并输出计算值。
具体的，本实施例中，通过获取模块210获取预先配置的结构化配置信息和待分析数据后，先通过指标数据分析引擎100根据结构化配置信息将待分析数据转化为sql表达式，然后在通过计算引擎220进行指标计算，其中计算引擎可以为flink引擎、spark引擎等可以支持大批量复杂运算的引擎。
本发明实施例中，通过结构化配置信息完成指定计算引擎的加工逻辑，更有利于与应用层的解耦，屏蔽开发语言的技术壁垒。
实施例三
图4是本发明实施例的一种指标数据计算方法的流程图，计算方法基于指标数据计算装置100，如图4所示，该计算方法包括如下步骤：
步骤S11，获取结构化配置信息和待分析数据；
步骤S12，通过指标数据分析引擎100根据结构化配置信息将待分析数据转化为sql表达式；
步骤S13，根据sql表达式执行待加工指标数据的计算并输出计算值。
本实施例中，通过获取预先配置的结构化配置信息和待分析数据后，先通过指标数据分析引擎100根据结构化配置信息将待分析数据转化为sql表达式，然后在通过计算引擎220进行指标计算，其中计算引擎可以为flink引擎、spark引擎等可以支持大批量复杂运算的引擎。
本发明实施例中，通过结构化配置信息完成指定计算引擎的加工逻辑，更有利于与应用层的解耦，屏蔽开发语言的技术壁垒。
本发明实施例能够简化数据指标的计算过程，并提高系统的灵活性和可维护性。本发明实施例通过对结构化配置文件做解析，将待加工指标数据转换生成sql表达式，最后相应的计算引擎执行完成指标的计算并输出，降低技术复杂度并实现技术解耦。以下进行具体解释：
结构化配置信息解析：在本实施例中，结构化配置信息可能是一个XML、JSON或YAML文件，这些文件定义了如何从原始数据中计算出所需的指标。配置文件中包含了指标计算的规则、参数和转换逻辑。解析这个配置文件表明系统能够读取配置文件中的内容，并理解如何根据这些规则来处理数据。
转换生成SQL表达式：一旦解析了配置文件，系统将使用这些规则来生成SQL查询语句。这个过程涉及到将配置文件中定义的计算逻辑转换为数据库查询语言(SQL)的格式。这样做的好处是可以利用现有的计算引擎来执行复杂的数据操作，而不需要从头编写数据处理逻辑。
计算引擎执行：生成的SQL表达式将被提交给计算引擎，这可以是一个数据库系统，如hive或者是一个大数据计算平台如Apache Spark。计算引擎负责执行这些SQL语句，并进行数据的聚合、过滤、转换等操作以计算出最终的指标值。
输出计算结果：一旦计算完成，结果将被输出，将结果写入数据库表中、生成报表或者是以API的形式提供给其他系统。
降低技术复杂度：通过使用结构化配置文件来定义指标计算逻辑，开发人员不需要编写复杂的代码来处理数据。这种方法使得修改和扩展指标计算变得更加容易，因为只需要修改配置文件而不是代码本身。
实现技术解耦：由于指标计算逻辑是通过配置文件定义的，因此数据处理逻辑与计算引擎是解耦的。这表明如果需要更换计算引擎或者是升级数据库系统，不需要修改指标计算逻辑，只需要确保新的系统能够理解并执行生成的SQL表达式。
图5是本发明实施例的指标数据分析引擎根据结构化配置信息将待分析数据转化为sql表达式的流程图，如图5所示，在一些实施例中，通过指标数据分析引擎100根据结构化配置信息将待分析数据转化为sql表达式，具体包括如下步骤：
步骤S21，按照结构化配置信息对待分析数据进行解析，获取原始指标数据和待加工指标数据；
本实施例中，指标数据分析引擎100按照结构化配置信息可以将待分析数据解析出两个指标数据，一个是原始指标数据，一个是待加工指标数据，原始指标数据是指不需要加工可以直接从数据集中获取的指标，待加工指标数据是需要加工运算的指标。
步骤S22，从结构化配置信息中获取待加工指标数据对应的维度属性和计算表达式；
本实施例中，结构化配置信息是以JSON、XML或YAML等格式配置的数据格式，但是不局限于这几种格式，也适用于其它格式的结构化配置，其中，可以但不限于包括原始指标数据所在的数据集(dscs)，该数据集对应的数据库的连接地址、用户名(username)、密码(password)以及原始指标数据的sql表达式，待加工指标数据的维度属性(dims)和计算表达式(expr)等，当然，结构化配置信息中有的是非必填字段，例如维度dims属性字段，如果无维度统计，则该属性可省略。
本实施例中，内置维度和算法获取模块120从结构化配置信息中获取每一个待加工指标对应的维度属性和计算表达式，其中，维度属性(dims)包含维度指标名(dimColumn)和指标中文名称(dimName)，计算表达式中包括计算函数、待加工指标数据名称和计算维度。例如，计算表达式：Sum(B_D_0026，L7)中，Sum为计算函数，B_D_0026为待加工指标数据的名称，L7为计算维度，例如对数据日期近七天的数据做聚合，即计算维度是指按照什么样的逻辑统计，例如，统计7天的用户销量，那么这里的维度就包含用户及时间。其中，维度属性(dims)是一个大的维度，该维度用在sql表达式中的group by关键字后，而计算维度L7这个维度用在结构化配置信息中的自定义函数(也称为UDF函数，User-Defined Function)中，UDF函数做Sum计算时，是在维度属性(dims)的维度下又做的日期维度的数据统计。UDF函数可以为Sum函数、avg函数、max函数和min函数等，Sum函数是对待加工指标数据做加法计算，avg函数是求平均值的计算，max函数是求最大值，min是求最小值。
另外，加工人员还可以通过指标中文名称(dimName)，获取维度统计的方式，有利于排查问题，该字段在结构化配置信息中也是可以省略的字段。
步骤S23，根据维度属性和计算表达式将待加工指标数据转换成sql表达式。
本实施例中，sql表达式转换模块130将维度属性中维度指标名(dimColumn)，以及计算表达式中的计算函数、待加工指标数据名称和计算维度进行拼接，即将各个部分组合在一起，只需将该部分信息用逗号分割放在sql的select关键字后边即可。但是，由于下游使用现有的原始指标数据的字段不方便，需要重新定义到新的字段里，需要映射一次，因此还有一种待加工指标数据与原始指标数据等价的待加工指标数据，这种待加工指标数据无需拼接，只需调用数据库中的原始指标数据的sql表达式即可，在结构化配置信息中，待加工指标数据对应的维度属性和函数表达式均为空，即无维度参数，且expr计算表达式无函数计算，说明这个待加工指标是依赖于原始指标，这个指标值来源于原始指标的值，此时，将读取的结构化配置信息中所有该待加工指标变量，将其替换为原始指标(也可以称为根指标)的sql表达式，无需重新拼接，减少数据的传递。
本发明实施例通过对结构化配置信息的解析，获取内置算法和维度属性，对待加工指标数据进行分析计算，可满足大部分的使用场景，简化、易用的同时，降低技术复杂度并实现技术解耦的能力，以便进行数据收集、分析和可视化。本实施例中的指标数据分析引擎可通过清晰的API(应用程序接口，Application Program Interface)进行通信，并包括数据接收、指标分析、数据输出等多个组件，满足现代数据分析需求。
在一些实施例中，在步骤S21之后，还包括：对原始指标和待加工指标数据进行标记，并按照依赖关系将待加工指标数据分为多个加工层级；其中，按照依赖关系将待加工指标数据分为多个加工层级具体包括：将依赖原始指标数据的待加工指标数据放在第一队列，先加工为临时表数据；对依赖于临时表数据的待加工指标数据放在第二队列，当第一队列的数据加工完之后，再加工第二队列的数据，依此类推，直至所有待加工指标数据加工完成。
本实施例中，通过对待分析数据的解析，将指标对象的加工属性设置为不同的属性；例如原始指标数据的属性值标记为0，待加工指标数据依赖原始指标的属性值标记为1，对依赖于临时表数据的待加工指标数据的属性值为2等等。并且依照依赖关系将待加工指标数据分为多个加工层级，例如，只依赖原始指标放在第一队列，先加工为临时表数据；对于依赖于临时表数据的在第二队列，等待第一队列数据加工完之后，再加工第二队列数据，依次类推；直至所有数据加工完成。
在一些实施例中，步骤S23具体包括：根据正则表达式从计算表达式中解析出待加工指标数据的指标名称、计算函数和计算维度；对维度属性、待加工指标数据的指标名称、计算函数和计算维度进行拼接，获取待加工指标数据对应的sql表达式。
具体的，正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，用来检索、替换那些符合某个模式(规则)的文本；例如，根据从结构化配置文件中解析的维度属性、待加工指标数据的指标名称、计算函数和计算维度等，将各个部分组合在一起，只需将该部分信息用逗号分割放在sql的select关键字后边即可。
本发明实施例通过将待分析指标数据转化为标准的sql表达式以后，便可在flink、spark等这些大数据组件中执行待分析指标数据的计算，这样做支持大批量复杂运算，提高计算速度。
在一些实施例中，该计算方法还包括：通过指标数据分析引擎100根据用户自定义的维度属性和计算表达式将待分析数据转化为sql表达式。
本实施例中，根据不同的业务场景，当现有内置的算法及维度解析无法完成指标运算时，用户可以通过该预留接口根据接口规范完成算法的定义和维度的定义，该指标数据分析引擎100便可解析加工用户自定义的加工逻辑及维度降低配置的复杂度及可读性，即通过用户自定义算法的扩展来满足内置算法无法计算的业务场景。
由于不需要修改现有应用程序，本发明实施例减少了对开发资源的依赖，使得非安全专家也能够配置和管理数据安全规则，从而降低了实施数据安全措施的门槛。
实施例四
下面参考图6，其示出了适于用来实现本公开实施例的电子设备。
本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM603中，还存储有电子设备操作所需的各种程序和数据。处理装置601、ROM602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperTextTransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，adhoc(端对端)网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
获取结构化配置信息和待分析数据；
通过指标数据分析引擎根据所述结构化配置信息将所述待分析数据转化为sql表达式；
根据所述sql表达式执行所述待加工指标数据的计算并输出计算值。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk(一种面向对象的程序设计语言)、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (12)
1.一种指标数据分析引擎，其特征在于，所述指标数据分析引擎包括：
指标血缘解析模块，用于按照结构化配置信息对待分析数据进行解析，获取原始指标数据和待加工指标数据；
内置维度和算法获取模块，用于从所述结构化配置信息中获取所述待加工指标数据对应的维度属性和计算表达式；
sql表达式转换模块，用于根据所述维度属性和所述计算表达式将所述待加工指标数据转换成sql表达式。
2.根据权利要求1所述的一种指标数据分析引擎，其特征在于，所述指标血缘解析模块还用于：
对所述原始指标和所述待加工指标数据进行标记，并按照依赖关系将所述待加工指标数据分为多个加工层级；
将依赖所述原始指标数据的待加工指标数据放在第一队列，先加工为临时表数据；
对依赖于所述临时表数据的待加工指标数据放在第二队列，当所述第一队列的数据加工完之后，再加工所述第二队列的数据，依此类推，直至所有待加工指标数据加工完成。
3.根据权利要求1所述的一种指标数据分析引擎，其特征在于，所述sql表达式转换模块具体用于：根据正则表达式的方式从所述计算表达式中解析出所述待加工指标数据的指标名称、计算函数和计算维度；
对所述维度属性、所述待加工指标数据的指标名称、计算函数和计算维度进行拼接，获取所述待加工指标数据对应的sql表达式。
4.根据权利要求1所述的一种指标数据分析引擎，其特征在于，所述指标数据分析引擎还包括：
自定义维度和算法获取模块，用于通过预留接口获取用户自定义的维度属性和计算表达式。
5.一种指标数据计算装置，其特征在于，所述计算装置包括：
获取模块，用于获取结构化配置信息和待分析数据；
权利要求1-4任意一项所述的指标数据分析引擎，用于根据所述结构化配置信息将所述待分析数据转化为sql表达式；
计算引擎，用于根据所述sql表达式执行所述待加工指标数据的计算并输出计算值。
6.一种指标数据计算方法，其特征在于，所述计算方法基于权利要求5所述指标数据计算装置，所述计算方法包括：
获取结构化配置信息和待分析数据；
通过指标数据分析引擎根据所述结构化配置信息将所述待分析数据转化为sql表达式；
根据所述sql表达式执行所述待加工指标数据的计算并输出计算值。
7.根据权利要求6所述的计算方法，其特征在于，所述的通过指标数据分析引擎根据所述结构化配置信息将所述待分析数据转化为sql表达式，具体包括：
按照所述结构化配置信息对所述待分析数据进行解析，获取原始指标数据和待加工指标数据；
从所述结构化配置信息中获取所述待加工指标数据对应的维度属性和计算表达式；
根据所述维度属性和所述计算表达式将所述待加工指标数据转换成sql表达式。
8.根据权利要求7所述的计算方法，其特征在于，在所述的按照所述结构化配置信息对所述待分析数据进行解析，获取原始指标数据和待加工指标数据之后，还包括：对所述原始指标和所述待加工指标数据进行标记，并按照依赖关系将所述待加工指标数据分为多个加工层级；
其中，所述的按照依赖关系将所述待加工指标数据分为多个加工层级具体包括：
将依赖所述原始指标数据的待加工指标数据放在第一队列，先加工为临时表数据；
对依赖于所述临时表数据的待加工指标数据放在第二队列，当所述第一队列的数据加工完之后，再加工所述第二队列的数据，依此类推，直至所有待加工指标数据加工完成。
9.根据权利要求7所述的计算方法，其特征在于，所述的根据所述维度属性和所述计算表达式将所述待加工指标数据转换成sql表达式具体包括：
根据正则表达式从所述计算表达式中解析出所述待加工指标数据的指标名称、计算函数和计算维度；
对所述维度属性、所述待加工指标数据的指标名称、计算函数和计算维度进行拼接，获取所述待加工指标数据对应的sql表达式。
10.根据权利要求6所述的计算方法，其特征在于，所述计算方法还包括：
通过指标数据分析引擎根据用户自定义的维度属性和计算表达式将所述待分析数据转化为sql表达式。
11.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求6-10所述的计算方法。
12.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求6-10所述的计算方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311738051.XA CN117910850B (zh) | 2023-12-18 | 2023-12-18 | 一种指标数据分析引擎、指标数据计算装置和计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311738051.XA CN117910850B (zh) | 2023-12-18 | 2023-12-18 | 一种指标数据分析引擎、指标数据计算装置和计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117910850A true CN117910850A (zh) | 2024-04-19 |
| CN117910850B CN117910850B (zh) | 2024-08-13 |
Family
ID=90695667
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311738051.XA Active CN117910850B (zh) | 2023-12-18 | 2023-12-18 | 一种指标数据分析引擎、指标数据计算装置和计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117910850B (zh) |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150039502A1 (en) * | 2013-08-05 | 2015-02-05 | Bank Of America Corporation | Misappropriation protection based on shipping address or store info from e-receipt |
| US20180089334A1 (en) * | 2016-09-26 | 2018-03-29 | Splunk Inc. | Managing process analytics across process components |
| CN109522341A (zh) * | 2018-11-27 | 2019-03-26 | 北京京东金融科技控股有限公司 | 实现基于sql的流式数据处理引擎的方法、装置、设备 |
| US20190155802A1 (en) * | 2015-01-30 | 2019-05-23 | Splunk Inc. | Supplementing events displayed in a table format |
| US20200134732A1 (en) * | 2018-10-26 | 2020-04-30 | Medimpact Healthcare Systems, Inc. | Automated conversion of incompatible data files into compatible benefit packages for pharmacy benefit management platform |
| CN112765245A (zh) * | 2020-12-31 | 2021-05-07 | 广西中科曙光云计算有限公司 | 一种电子政务大数据处理平台 |
| CN113326283A (zh) * | 2021-06-21 | 2021-08-31 | 深圳前海微众银行股份有限公司 | 一种计算业务指标的方法及装置 |
| CN114118696A (zh) * | 2021-10-27 | 2022-03-01 | 中电通途(北京)科技有限公司 | 一种基于空间维度的交通运输指标管理系统 |
| CN114238463A (zh) * | 2021-11-19 | 2022-03-25 | 交通银行股份有限公司 | 一种用于分布式指标计算的计算引擎控制方法和装置 |
| CN114707953A (zh) * | 2022-03-28 | 2022-07-05 | 上海精鲲计算机科技有限公司 | 一种主数据全生命周期管理方法、系统、引擎及存储介质 |
| CN115034659A (zh) * | 2022-06-29 | 2022-09-09 | 度小满科技(北京)有限公司 | 一种数据源评估方法、装置、电子设备及存储介质 |
| CN115293479A (zh) * | 2022-05-23 | 2022-11-04 | 国家计算机网络与信息安全管理中心 | 舆情分析工作流系统及其方法 |
| CN115422402A (zh) * | 2021-05-12 | 2022-12-02 | 华为技术有限公司 | 一种工程化预测分析的方法 |
| CN115564071A (zh) * | 2022-10-19 | 2023-01-03 | 中国电力科学研究院有限公司 | 一种电力物联网设备数据标签生成方法及系统 |
| CN115686850A (zh) * | 2022-11-02 | 2023-02-03 | 北京百度网讯科技有限公司 | 基于Spark的目标任务的处理方法、装置和电子设备 |
| CN115860927A (zh) * | 2023-03-02 | 2023-03-28 | 湖南财信数字科技有限公司 | 一种数据分析方法、装置、计算机设备及存储介质 |
| CN116304531A (zh) * | 2023-03-17 | 2023-06-23 | 浙江中控技术股份有限公司 | 生产数据的采集方法及装置 |
| CN116579503A (zh) * | 2023-07-07 | 2023-08-11 | 湖南尚医康医疗科技有限公司 | 一种5g智慧医院基础数据处理方法及数据库平台 |
| CN116911671A (zh) * | 2023-07-03 | 2023-10-20 | 江苏省联合征信有限公司 | 一种数据资产运营效能评估方法及系统 |
| CN117035697A (zh) * | 2023-10-09 | 2023-11-10 | 天津云起技术有限公司 | 基于历史动态分析的itsm平台优化方法及系统 |
-
2023
- 2023-12-18 CN CN202311738051.XA patent/CN117910850B/zh active Active
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150039502A1 (en) * | 2013-08-05 | 2015-02-05 | Bank Of America Corporation | Misappropriation protection based on shipping address or store info from e-receipt |
| US20190155802A1 (en) * | 2015-01-30 | 2019-05-23 | Splunk Inc. | Supplementing events displayed in a table format |
| US20180089334A1 (en) * | 2016-09-26 | 2018-03-29 | Splunk Inc. | Managing process analytics across process components |
| US20200134732A1 (en) * | 2018-10-26 | 2020-04-30 | Medimpact Healthcare Systems, Inc. | Automated conversion of incompatible data files into compatible benefit packages for pharmacy benefit management platform |
| CN109522341A (zh) * | 2018-11-27 | 2019-03-26 | 北京京东金融科技控股有限公司 | 实现基于sql的流式数据处理引擎的方法、装置、设备 |
| CN112765245A (zh) * | 2020-12-31 | 2021-05-07 | 广西中科曙光云计算有限公司 | 一种电子政务大数据处理平台 |
| CN115422402A (zh) * | 2021-05-12 | 2022-12-02 | 华为技术有限公司 | 一种工程化预测分析的方法 |
| CN113326283A (zh) * | 2021-06-21 | 2021-08-31 | 深圳前海微众银行股份有限公司 | 一种计算业务指标的方法及装置 |
| CN114118696A (zh) * | 2021-10-27 | 2022-03-01 | 中电通途(北京)科技有限公司 | 一种基于空间维度的交通运输指标管理系统 |
| CN114238463A (zh) * | 2021-11-19 | 2022-03-25 | 交通银行股份有限公司 | 一种用于分布式指标计算的计算引擎控制方法和装置 |
| CN114707953A (zh) * | 2022-03-28 | 2022-07-05 | 上海精鲲计算机科技有限公司 | 一种主数据全生命周期管理方法、系统、引擎及存储介质 |
| CN115293479A (zh) * | 2022-05-23 | 2022-11-04 | 国家计算机网络与信息安全管理中心 | 舆情分析工作流系统及其方法 |
| CN115034659A (zh) * | 2022-06-29 | 2022-09-09 | 度小满科技(北京)有限公司 | 一种数据源评估方法、装置、电子设备及存储介质 |
| CN115564071A (zh) * | 2022-10-19 | 2023-01-03 | 中国电力科学研究院有限公司 | 一种电力物联网设备数据标签生成方法及系统 |
| CN115686850A (zh) * | 2022-11-02 | 2023-02-03 | 北京百度网讯科技有限公司 | 基于Spark的目标任务的处理方法、装置和电子设备 |
| CN115860927A (zh) * | 2023-03-02 | 2023-03-28 | 湖南财信数字科技有限公司 | 一种数据分析方法、装置、计算机设备及存储介质 |
| CN116304531A (zh) * | 2023-03-17 | 2023-06-23 | 浙江中控技术股份有限公司 | 生产数据的采集方法及装置 |
| CN116911671A (zh) * | 2023-07-03 | 2023-10-20 | 江苏省联合征信有限公司 | 一种数据资产运营效能评估方法及系统 |
| CN116579503A (zh) * | 2023-07-07 | 2023-08-11 | 湖南尚医康医疗科技有限公司 | 一种5g智慧医院基础数据处理方法及数据库平台 |
| CN117035697A (zh) * | 2023-10-09 | 2023-11-10 | 天津云起技术有限公司 | 基于历史动态分析的itsm平台优化方法及系统 |
Non-Patent Citations (5)
| Title |
|---|
| RAYMOND WU 等: "The architecture and industry applications of web security in static and dynamic analysis", 《JOURNAL OF SYSTEMS AND INFORMATION TECHNOLOGY》, vol. 12, no. 2, 30 June 2010 (2010-06-30), pages 105 - 119 * |
| WANG GONGMING 等: "Application of regular expressions in verifying client of e-gov", 《COMPUTER ENGINEERING》, vol. 33, no. 09, 31 May 2007 (2007-05-31), pages 269 - 271 * |
| WANJIE LU 等: "SOOCP: A Platform for Data and Analysis of Space Object Optical Characteristic", 《INFORMATION》, vol. 10, no. 10, 30 September 2019 (2019-09-30), pages 296 * |
| 张宁: "面向流式数据的工业质量数据分析平台", 《中国优秀硕士学位论文全文数据库（电子期刊） 信息科技辑》, no. 02, 15 February 2020 (2020-02-15) * |
| 程实: "基于聚类的正则结构化组播服务研究", 《中国博士学位论文全文数据库（电子期刊） 信息技术辑》, no. 08, 15 August 2011 (2011-08-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117910850B (zh) | 2024-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111625473B (zh) | 接口测试用例生成方法、装置、存储介质和电子设备 | |
| EP4141797A1 (en) | Method and apparatus of processing information, method and apparatus of rendering image, and electronic device | |
| CN111338944B (zh) | 远程过程调用rpc接口测试方法、装置、介质及设备 | |
| CN111324342B (zh) | 一种生成接口层代码的方法、装置、介质和电子设备 | |
| CN111309304B (zh) | 一种生成idl文件的方法、装置、介质和电子设备 | |
| CN112035092A (zh) | 一种表单的处理方法、装置、设备和可读介质 | |
| CN111338813B (zh) | 一种动态生成中间件的方法、装置、介质和电子设备 | |
| CN112954056B (zh) | 监控数据处理方法、装置、电子设备及存储介质 | |
| CN116225886A (zh) | 测试用例生成方法、装置、设备、存储介质及程序产品 | |
| CN111752644A (zh) | 接口模拟方法、装置、设备及存储介质 | |
| CN113468342B (zh) | 基于知识图谱的数据模型构建方法、装置、设备和介质 | |
| CN116860286A (zh) | 页面动态更新方法、装置、电子设备和计算机可读介质 | |
| CN117910850B (zh) | 一种指标数据分析引擎、指标数据计算装置和计算方法 | |
| CN115808993A (zh) | 一种交互方法、装置、电子设备、计算机可读介质 | |
| CN113296771B (zh) | 页面显示方法、装置、设备和计算机可读介质 | |
| CN112379967B (zh) | 模拟器检测方法、装置、设备及介质 | |
| CN112507676B (zh) | 能源报表生成方法、装置、电子设备和计算机可读介质 | |
| CN112286808B (zh) | 应用程序的测试方法、装置、电子设备及介质 | |
| CN111625692B (zh) | 特征抽取方法、装置、电子设备和计算机可读介质 | |
| CN113312053A (zh) | 一种数据处理的方法和装置 | |
| CN112270170B (zh) | 一种隐式表述语句的分析方法、装置、介质和电子设备 | |
| CN111581305B (zh) | 特征处理方法、装置、电子设备和介质 | |
| CN114040014B (zh) | 内容推送方法、装置、电子设备及计算机可读存储介质 | |
| CN111930704B (zh) | 业务报警设备控制方法、装置、设备和计算机可读介质 | |
| CN111026983B (zh) | 一种实现超链接的方法、装置、介质和电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |