WO2020151209A1 - 一种基于多维数据变量的数据交互方法及平台 - Google Patents

一种基于多维数据变量的数据交互方法及平台 Download PDF

Info

Publication number
WO2020151209A1
WO2020151209A1 PCT/CN2019/097172 CN2019097172W WO2020151209A1 WO 2020151209 A1 WO2020151209 A1 WO 2020151209A1 CN 2019097172 W CN2019097172 W CN 2019097172W WO 2020151209 A1 WO2020151209 A1 WO 2020151209A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
interface
legal
dimensional
fields
Prior art date
Application number
PCT/CN2019/097172
Other languages
English (en)
French (fr)
Inventor
崔晶晶
张永名
郑兴旺
Original Assignee
集奥聚合(北京)人工智能科技有限公司
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 集奥聚合(北京)人工智能科技有限公司 filed Critical 集奥聚合(北京)人工智能科技有限公司
Publication of WO2020151209A1 publication Critical patent/WO2020151209A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/448—Execution paradigms, e.g. implementations of programming paradigms

Definitions

  • the invention relates to the technical field of data interaction information, in particular to a data interaction method and platform based on multi-dimensional data variables.
  • the present invention provides a data interaction method and platform based on multi-dimensional data variables, which can effectively filter junk data and realize efficient real-time data interaction between systems, providing efficient and stable data support for various data services .
  • a data interaction platform based on multi-dimensional data variables is divided into three modules: 1, verification module 2, interface engine 3, configuration analysis engine.
  • the verification module implements the filtering of junk data through the Bloom filter; the interface engine concurrently calls multiple data provider interfaces to interactively obtain multi-dimensional data variables, and can return the function of valid data release; the configuration
  • the parsing engine has the function of automatically and privately customizing the parsing of the data returned by the interface engine.
  • the verification module maps all the security fields provided by itself according to the parsed fields and data types, so as to filter out safe and reliable fields and avoid polluting field injection.
  • the interface of a reasonable data provider is matched according to the field. If the interface of a specific data provider is not specified, an optimal matching strategy is formulated here. First, filter out all interfaces that meet the required fields. Second, filter out all the most stable and efficient interfaces. Finally, give priority to the interface that has the fastest access.
  • the interface engine concurrently accesses each data provider interface according to the interface type, so as to perform interactive acquisition of multi-dimensional data variables.
  • Concurrency in the operating system, means that several programs in a period of time are between started and run to completion, and these programs are all running on the same processor, but there is only one at any one time. The program runs on the processor, but because the current CPU processing performance is efficient, the intuitive feeling of processing tasks will be performed at the same time. For large-scale or slow single access, the performance of concurrent processing will far exceed the performance of linear processing.
  • parsing engine is configured to parse and encapsulate the data returned by the interface engine.
  • Multiple sets of parsing and packaging solutions can be configured at the beginning, and private methods can also be abstracted for users to customize parsing and packaging. The user only needs to pass in the data structure configuration when accessing the request, and the configuration analysis engine will parse the packaged data according to the specified data structure configuration.
  • the present invention also provides a data interaction method based on multi-dimensional data variables, which includes the following steps:
  • the data requester requests access
  • Concurrently request provider interface data that is, make a multi-dimensional concurrent request to each data provider interface, and execute (6);
  • step (5) Based on the data result obtained in step (5), analyze and encapsulate the data, and execute (7);
  • the field legality check is to pass the mapping check of all the legal fields given and automatically screen.
  • the matching provider interface is a field mapping interface based on the legal field interface data dictionary provided by the data provider. There may be a field that maps to multiple interfaces, and a priority strategy is adopted to Choice, efficiency first, stability first.
  • the access to the provider interface is accessed by adopting a concurrent strategy, and concurrently calls the multi-dimensional interface provided by multiple providers.
  • parsing the package result data includes two strategies: customizable package and system automatic package.
  • the data variables are filtered based on the Bloom filter, which can filter out safe and reliable fields to avoid pollution field injection; match the interface of the reasonable data provider according to the field to formulate the optimal matching strategy; access each item concurrently according to the interface type
  • the data provider interface is used for interactive acquisition of multi-dimensional data variables. For large-scale or low-efficiency single access, the performance of concurrent processing will far exceed the performance of linear processing. Therefore, the present invention can realize the functions of effectively filtering junk data and realizing efficient real-time data interaction between various systems, and provide efficient and stable data support for various data services.
  • Figure 1 is an architecture diagram of a data interaction platform based on multi-dimensional data variables provided by the present invention
  • Fig. 2 is a flowchart of a data interaction method based on multi-dimensional data variables provided by the present invention.
  • a data interaction platform (interaction system) based on multi-dimensional data variables is divided into three modules: 1, verification module 2, interface engine 3, configuration analysis engine.
  • the data requester initiates a data request, performs security verification on the required data fields, and uses the Bloom filter algorithm to filter junk data.
  • Bloom Filter is a huge bit array and several hash functions.
  • the length of the bit array is m
  • the number of hash functions is k.
  • the specific operation process Assume that there are 3 elements ⁇ x,y,z ⁇ in the set, and the number of hash functions is 3.
  • the elements are mapped through 3 hash functions in turn, each mapping will generate a hash value, this value corresponds to a point on the bit array, and then the position corresponding to the bit array is marked as 1 .
  • the same method maps W to 3 points on the bit array by hash.
  • the verification module uses Bloom filters to filter junk data, and maps all the security fields provided by itself according to the parsed fields and data types, so as to filter out safe and reliable fields and avoid polluting field injection.
  • an optimal matching strategy is formulated here. First, filter out all interfaces that meet the required fields. Second, filter out all the most stable and efficient interfaces. Finally, give priority to the interface that has the fastest access.
  • the interface engine concurrently accesses the interfaces of various data providers according to the interface type, so as to obtain multi-dimensional data variables interactively.
  • Concurrency in the operating system, means that several programs in a period of time are between started and run to completion, and these programs are all running on the same processor, but there is only one at any time The program runs on the processor, but because the current CPU processing performance is efficient, the intuitive feeling of processing tasks will be performed at the same time. For large-scale or slow single access, the performance of concurrent processing will far exceed the performance of linear processing.
  • parsing engine Configure the parsing engine to parse and encapsulate the data returned by the interface engine.
  • Multiple sets of parsing and packaging solutions can be configured at the beginning, and private methods can also be abstracted for users to customize parsing and packaging. The user only needs to pass in the data structure configuration when accessing the request, and the configuration analysis engine will parse the packaged data according to the specified data structure configuration.
  • a data interaction method based on multi-dimensional data variables includes the following steps:
  • the interface provided by the specific data provider is mapped according to the field matching, specifically through the mapping and matching with the field interface data dictionary of the legal data provider
  • the data obtained from various data providers is analyzed and packaged, and the data is analyzed and packaged through multiple packaged analysis and package methods.
  • this step provides a privatized custom encapsulation method. If the data requester carries the encapsulation data structure parameter when accessing the request, the data can be encapsulated according to the data structure at this time. Specifically configure data through the key-value mapping data structure.
  • Verification result final verification of the final packaging result. If the verification fails, the abnormal result information is returned to the data requester.

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Transfer Between Computers (AREA)
  • Computer And Data Communications (AREA)

Abstract

本发明提供一种基于多维数据变量的数据交互方法及平台，本发明分为三个模块：1、校验模块2、接口引擎3、配置解析引擎。校验模块采用布隆过滤器实现对垃圾数据进行过滤。在接口引擎中，对于多维数据变量的调用和读取采用并发安全策略，实现高性能，高可靠，确保在同一时刻多维数据交互实现数据准确性以及高效性。配置解析引擎负责对交互的数据进行自定义解析和封装。本发明能有效过滤垃圾数据，并能够在各系统之间实现高效实时数据互动，为各类数据服务提供高效稳定的数据支持。

Description

一种基于多维数据变量的数据交互方法及平台 技术领域
本发明涉及数据交互信息技术领域，尤其涉及一种基于多维数据变量的数据交互方法及平台。
背景技术
随着互联网，云技术、大数据技术不断融入我们的生活，人类积累的数据在互联网、通信、金融、商业、医疗等诸多领域不断增长和积累，而这些数据也已经推进了数据提供商和数据消费者的发展。数据消费者需要通过多方数据提供商提供的数据来支撑自己的业务体系。例在互联网金融领域，金融风控、信用评估都是建立在用户的数据基础上。各类系统中数据交互变得越来越频繁，但系统中频繁的数据交互也会带来以下几个问题：
数据交互耦合度高，不易扩展，若新增新的数据提供方提供数据，还需修改各层业务。若调用多方数据提供商，获取的数据自然会有一些相同，会产生数据冗余。若调用多方数据提供商以及调用次数多或者频繁，都将会导致一个性能迟钝的问题。线性访问各个数据提供商的服务器，产生的网络访问连接消耗累积耗时将会影响用户体验。一些请求数据中可能会存在垃圾数据，需避免 对数据提供方产生数据污染或者侵入。
发明内容
为解决上述技术问题，本发明提供一种基于多维数据变量的数据交互方法及平台，能有效过滤垃圾数据以及在各系统之间实现高效实时数据互动，为各类数据服务提供高效稳定的数据支持。
一种基于多维数据变量的数据交互平台分为三个模块：1、校验模块2、接口引擎3、配置解析引擎。所述校验模块，通过布隆过滤器实现对垃圾数据进行过滤；所述接口引擎，并发调用多个数据提供方接口以交互获取多维数据变量，并能返回有效数据放的功能；所述配置解析引擎，对所述接口引擎返回的数据进行自动以及私有化定制解析的功能。
进一步，校验模块根据解析出来的字段和数据类型来映射自身所提供的所有安全字段，以此筛选出安全可靠的字段，避免污染字段注入。
进一步，根据字段匹配合理的数据提供商的接口，若未指定具体数据提供商的接口，在此制定了一个最优匹配策略。首先，筛选出所有能满足所需字段的接口。其次，筛选出所有最稳定以及高效的接口。最后，优先选择访问最快的接口。
进一步，接口引擎根据接口类型并发访问各个数据提供商接口,以此进行多维数据变量交互获取。并发，在操作系统中，是指一个时间段中有几个程序都处于已启动运行到运行完毕之间，且这几个程序都是在同一个处理机上运行， 但任一个时刻点上只有一个程序在处理机上运行，但又由于目前cpu处理性能高效，处理任务直观感受将会是同一时刻在进行。对于量级大的或者单个访问效率偏慢的，并发处理的性能会远远超过线性处理的性能。
进一步，配置解析引擎对接口引擎返回的数据进行解析封装。可在开始就配置多套解析封装方案，同时也可抽象出了私有方法供用户自定义解析封装。用户只需在访问请求时传入数据结构配置，配置解析引擎将会根据指定数据结构配置解析封装数据。
本发明还提供一种基于多维数据变量的数据交互方法，其包括以下步骤：
(1)数据请求方请求接入；
(2)利用布隆过滤器对接入的数据进行过滤，以过滤掉垃圾数据变量，解析请求参数，获取字段及其数据类型；
(3)通过与合法字段列表进行匹配，从而对(2)获取的所有字段进行合法校验，如果合法，则筛选出合法字段，然后执行(4)；如果不合法，则执行(8)；
(4)将(3)校验的合法字段，匹配提供商接口，如果与合法接口列表相匹配，执行(5)；否则执行(8)；
(5)并发请求提供商接口数据，即向各个数据提供商接口提出多维度并发请求，执行(6)；
(6)基于所述步骤(5)获取的数据结果，对数据进行解析封装，执行(7)；
(7)对结果进行合理性校验，校验合理，则返回结果给数据请求方，校验不合理执行(8)；
(8)将包含异常原因的结果返回给数据请求方。
所述步骤(3)中，字段合法性校验是通过给定所有合法字段映射校验，自动筛选。
进一步的，所述步骤(4)中，匹配提供商接口是根据数据提供商提供的合法字段接口数据字典来为字段映射接口，其中可能存在一个字段会映射到多个接口，是采取优先策略来选择，效率优先、稳定性优先。
进一步的，所述步骤(5)中，访问提供商接口是通过采取并发策略访问的，并发调用多个提供商提供的多维度接口。
进一步的，所述步骤(6)中，解析封装结果数据包括可定制化封装和系统自动封装两个策略。
有益效果：
基于布隆过滤器对数据变量进行垃圾数据过滤，可筛选出安全可靠的字段，避免污染字段注入；根据字段匹配合理的数据提供商的接口，以制定最优匹配策略；根据接口类型并发访问各个数据提供商接口,以此进行多维数据变量交互获取，对于量级大的或者单个访问效率偏慢的，并发处理的性能会远远超过线性处理的性能。因此，本发明能够实现有效过滤垃圾数据以及在各系统之间实现高效实时数据互动的功能，为各类数据服务提供高效稳定的数据支持。
附图说明
图1是本发明提供的一种基于多维数据变量的数据交互平台的架构图；
图2是本发明提供的一种基于多维数据变量的数据交互方法的流程图。
具体实施方式
如图1所示，一种基于多维数据变量的数据交互平台(交互系统)分为三个模块：1、校验模块2、接口引擎3、配置解析引擎。数据请求方发起数据请求，对所需数据字段进行安全校验以及使用布隆过滤器算法对垃圾数据实现过滤。
布隆过滤器(Bloom Filter)的核心实现是一个超大的位数组和几个哈希函数。假设位数组的长度为m，哈希函数的个数为k。具体的操作流程：假设集合里面有3个元素{x,y,z}，哈希函数的个数为3。首先将位数组进行初始化，将里面每个位都设置位0。对于集合里面的每一个元素，将元素依次通过3个哈希函数进行映射，每次映射都会产生一个哈希值，这个值对应位数组上面的一个点，然后将位数组对应的位置标记为1。查询W元素是否存在集合中的时候，同样的方法将W通过哈希映射到位数组上的3个点。如果3个点的其中有一个点不为1，则可以判断该元素一定不存在集合中。反之，如果3个点都为1，则该元素可能存在集合中。基于布隆过滤器的原理，我们先将垃圾数据对位数组进行初始化，然后对于接受的数据变量进行垃圾数据过滤。
其中，校验模块通过布隆过滤器实现对垃圾数据进行过滤，根据解析出来 的字段和数据类型来映射自身所提供的所有安全字段，以此筛选出安全可靠的字段，避免污染字段注入。
根据字段匹配合理的数据提供商的接口，若未指定具体数据提供商的接口，在此制定了一个最优匹配策略。首先，筛选出所有能满足所需字段的接口。其次，筛选出所有最稳定以及高效的接口。最后，优先选择访问最快的接口。
接口引擎根据接口类型并发访问各个数据提供商接口,以此进行多维数据变量交互获取。并发，在操作系统中，是指一个时间段中有几个程序都处于已启动运行到运行完毕之间，且这几个程序都是在同一个处理机上运行，但任一个时刻点上只有一个程序在处理机上运行，但又由于目前cpu处理性能高效，处理任务直观感受将会是同一时刻在进行。对于量级大的或者单个访问效率偏慢的，并发处理的性能会远远超过线性处理的性能。
配置解析引擎对接口引擎返回的数据进行解析封装。可在开始就配置多套解析封装方案，同时也可抽象出了私有方法供用户自定义解析封装。用户只需在访问请求时传入数据结构配置，配置解析引擎将会根据指定数据结构配置解析封装数据。
如图2所示，本发明提供的一种基于多维数据变量的数据交互方法包括以下步骤：
(1)数据请求方请求数据
(2)使用布隆过滤器算法对垃圾数据进行过滤
(3)提取请求参数中的字段及其数据类型，明确业务请求方所需的所有数据字段
(4)对所有数据字段进行合法性校验，具体通过与合法字段列表进行匹配，筛选出合法字段
(5)基于上述流程操作，根据字段匹配映射具体的数据提供商提供的接口，具体通过与合法数据提供商字段接口数据字典进行映射匹配
(6)并发请求数据提供商接口数据，具体通过并发请求各个接口数据调用，确保数据安全稳定。如数据提供商返回错误信息，则将错误信息返回给数据请求方
(7)基于上述流程操作，对从各个数据提供商获取的数据进行解析封装，通过已封装出的多个解析封装方法对数据进行解析封装。同时，该步骤提供私有化定制封装方法，数据请求方若访问请求时携带封装数据结构参数，此时可依照该数据结构封装数据。具体通过key-value映射数据结构配置数据。
(8)校验结果，对最终的封装结果进行最终校验。若校验失败，则返回异常结果信息给数据请求方。
基于以上所有流程操作，将最终的结果返回给数据请求方
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (6)

  1. 一种基于多维数据变量的数据交互平台，其特征在于，包括：校验模块、接口引擎和配置解析引擎；其中
    所述校验模块，通过布隆过滤器实现对垃圾数据进行过滤，筛选出合法字段；
    所述接口引擎，并发调用多个数据提供方接口以交互获取多维数据变量，并能返回有效数据放的功能；
    所述配置解析引擎，对所述接口引擎返回的数据进行解析封装，即自动以及私有化定制解析。
  2. 一种基于多维数据变量的数据交互方法，其特征在于，该方法包括以下步骤：
    (1)数据请求方请求接入；
    (2)利用布隆过滤器对接入的数据进行过滤，以过滤掉垃圾数据变量，解析请求参数，获取字段及其数据类型；
    (3)通过与合法字段列表进行匹配，从而对(2)获取的所有字段进行合法校验，如果合法，则筛选出合法字段，然后执行(4)；如果不合法，则执行(8)；
    (4)将(3)校验的合法字段，匹配提供商接口，如果与合法接口列表相匹配，执行(5)；否则执行(8)；
    (5)并发请求提供商接口数据，即向各个数据提供商接口提出多维度并发请求， 执行(6)；
    (6)基于所述步骤(5)获取的数据结果，对数据进行解析封装，执行(7)；
    (7)对结果进行合理性校验，校验合理，则返回结果给数据请求方，校验不合理执行(8)；
    (8)将包含异常原因的结果返回给数据请求方。
  3. 根据权利要求2所述的基于多维数据变量的数据交互方法，其特征在于：所述步骤(3)中，字段合法性校验是通过给定所有合法字段映射校验，自动筛选。
  4. 根据权利要求2所述的基于多维数据变量的数据交互方法，其特征在于：所述步骤(4)中，匹配提供商接口是根据数据提供商提供的合法字段接口数据字典来为字段映射接口，其中可能存在一个字段会映射到多个接口，是采取优先策略来选择，效率优先、稳定性优先。
  5. 根据权利要求2所述的基于多维数据变量的数据交互方法，其特征在于：所述步骤(5)中，访问提供商接口是通过采取并发策略访问的，并发调用多个提供商提供的多维度接口。
  6. 根据权利要求2所述的基于多维数据变量的数据交互方法，其特征在于：所述步骤(6)中，解析封装结果数据包括可定制化封装和系统自动封装两个策略。
PCT/CN2019/097172 2019-01-23 2019-07-23 一种基于多维数据变量的数据交互方法及平台 WO2020151209A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910062225.2A CN109783163A (zh) 2019-01-23 2019-01-23 一种基于多维数据变量的数据交互方法及平台
CN201910062225.2 2019-01-23

Publications (1)

Publication Number Publication Date
WO2020151209A1 true WO2020151209A1 (zh) 2020-07-30

Family

ID=66501052

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/097172 WO2020151209A1 (zh) 2019-01-23 2019-07-23 一种基于多维数据变量的数据交互方法及平台

Country Status (2)

Country Link
CN (1) CN109783163A (zh)
WO (1) WO2020151209A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109783163A (zh) * 2019-01-23 2019-05-21 集奥聚合(北京)人工智能科技有限公司 一种基于多维数据变量的数据交互方法及平台
CN110647571A (zh) * 2019-09-24 2020-01-03 集奥聚合(北京)人工智能科技有限公司 一种基于多维数据的交互方法及平台
CN110727670B (zh) * 2019-10-11 2022-08-09 北京小向创新人工智能科技有限公司 基于流程图的数据结构预测传递及自动化数据处理方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104601557A (zh) * 2014-12-29 2015-05-06 广东顺德中山大学卡内基梅隆大学国际联合研究院 一种基于软件定义网络的恶意网站防护方法及系统
US20160004605A1 (en) * 2014-07-01 2016-01-07 Commvault Systems, Inc. Lightweight data reconstruction based on backup data
CN108733724A (zh) * 2017-04-24 2018-11-02 北京京东尚科信息技术有限公司 一种跨异构数据源实时连接方法及装置
CN109783163A (zh) * 2019-01-23 2019-05-21 集奥聚合(北京)人工智能科技有限公司 一种基于多维数据变量的数据交互方法及平台

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005011042A (ja) * 2003-06-18 2005-01-13 Shinfuoomu:Kk データ検索方法、データ検索装置、データ検索プログラムおよびコンピュータで読み取り可能な記録媒体
CN102571715B (zh) * 2010-12-27 2015-07-29 腾讯科技（深圳）有限公司 多维数据查询方法及系统
CN102682037B (zh) * 2011-03-18 2016-09-28 阿里巴巴集团控股有限公司 一种数据获取方法、系统及装置
CN106503217B (zh) * 2016-11-03 2019-10-22 用友网络科技股份有限公司 基于业务驱动的数据交互装置及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160004605A1 (en) * 2014-07-01 2016-01-07 Commvault Systems, Inc. Lightweight data reconstruction based on backup data
CN104601557A (zh) * 2014-12-29 2015-05-06 广东顺德中山大学卡内基梅隆大学国际联合研究院 一种基于软件定义网络的恶意网站防护方法及系统
CN108733724A (zh) * 2017-04-24 2018-11-02 北京京东尚科信息技术有限公司 一种跨异构数据源实时连接方法及装置
CN109783163A (zh) * 2019-01-23 2019-05-21 集奥聚合(北京)人工智能科技有限公司 一种基于多维数据变量的数据交互方法及平台

Also Published As

Publication number Publication date
CN109783163A (zh) 2019-05-21

Similar Documents

Publication Publication Date Title
US11481396B2 (en) Executing untrusted commands from a distributed execution model
US20220171759A1 (en) Detecting schema incompatibilities for generating views at target data stores
US10698897B2 (en) Executing a distributed execution model with untrusted commands
KR101365832B1 (ko) 데이터 액세스 계층 클래스 생성기
US9165034B2 (en) Heterogeneous data source management
WO2020151209A1 (zh) 一种基于多维数据变量的数据交互方法及平台
US10120928B2 (en) Method and system for clustering event messages and managing event-message clusters
US10997062B1 (en) System and method for implementing an automated regression testing module
WO2003048994A2 (en) System and method for actively managing an enterprise of configurable components
WO2008154032A1 (en) Secure hosted databases
US10983815B1 (en) System and method for implementing a generic parser module
US10802801B1 (en) Grand unified processor
WO2021042849A1 (zh) 一种云平台、业务处理方法、命令接口及计算机设备
CN115309566B (zh) 一种服务接口的动态管理方法及系统
US7428756B2 (en) Access control over dynamic intellectual capital content
CN109669976A (zh) 基于etl的数据服务方法及设备
EP3462330A1 (en) Fault tolerant adapter system to consume database as a service
CN111966692A (zh) 针对数据仓库的数据处理方法、介质、装置和计算设备
US20240143576A1 (en) Registering additional type systems using a hub data model for data processing
CN103220167A (zh) 一种分布式监控系统及其数据存储方法
US20230196199A1 (en) Querying databases with machine learning model references
US10951540B1 (en) Capture and execution of provider network tasks
CN111048164A (zh) 一种医学大数据长期保存系统
CN112035466B (zh) 一种区块链查询外置索引开发框架
CN112187509A (zh) 多架构云平台执行日志管理方法、系统、终端及存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19911135

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 12.11.2021)

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 12.11.2021)

122 Ep: pct application non-entry in european phase

Ref document number: 19911135

Country of ref document: EP

Kind code of ref document: A1