业务类型数据的处理方法及系统与流程

本发明涉及计算机技术领域，尤其涉及一种业务类型数据的处理方法及系统。

背景技术：

随着计算机技术的发展，越来越多的业务在互联网上进行，例如，线下购物变为线上购物，面对面的采购变成线上采购。但是，随着用户需求的增多，面临的现实业务问题也越来越多。例如，采购时不仅面对支付机构的多元化，还要面对日益增多的用户需求，例如红包、打赏、领券等多种需求，还需要面对各种复杂的场景，例如进货、退货、查询等。要完成面对纷繁多变的现实业务问题以及用户的需求，需要在原有的业务系统上添加新的模块，这就要求企业不断投入研发，但是在研发的过程和产品迭代过程中，如果出现错误的模块定义和服务定义，最终会使业务模块呈现低内聚，高耦合等特征，给业务系统的维护性和扩展性带来困难。

技术实现要素：

有鉴于此，本发明实施例提供了一种业务类型数据的处理方法、系统、计算机设备及计算机可读存储介质，用于解决领域业务系统维护性和扩展性困难的问题。

本发明实施例是通过下述技术方案来解决上述技术问题：

一种业务类型数据的处理方法，包括：

接收业务类型数据；

对所述业务类型数据对应的目标领域对象进行远近度分析，得到远近度分析结果，并根据远近度分析结果对目标领域对象进行分类和聚合，以得到目标业务类型数据处理图；

根据所述目标业务类型数据处理图处理所述业务类型数据，生成与所述业务类型数据对应的结果反馈数据。

进一步地，所述对所述业务类型数据对应的目标领域对象进行远近度分析，得到远近度分析结果，并根据远近度分析结果对目标领域对象进行分类和聚合，以得到目标业务类型数据处理图包括：

获取多个目标领域对象以及用于查询所述多个目标领域对象的结构化查询语言；

根据所述结构化查询语言以及远近度计算规则，获取所述多个目标领域对象之间的远近度；

根据所述多个目标领域对象之间的远近度，对所述多个目标领域对象进行分类和聚合，生成目标业务类型数据处理图。

进一步地，所述多个目标领域对象包括多个第一目标领域对象和多个第二目标领域对象，所述根据所述结构化查询语言以及远近度计算规则，获取所述多个目标领域对象之间的远近度包括：

根据所述第一目标领域对象，从所述结构化查询语言中获取第一目标结构化查询语言，并计算所述第一结构化查询语言的第一数量；

根据所述第二目标领域对象，从所述第一结构化查询语言中获取第二目标结构化查询语言，并计算所述第二结构化查询语言的第二数量；

根据所述第一数量和所述第二数量，得到所述第一目标领域对象和所述第二目标领域对象的提升度，所述提升度的倒数为所述目标领域对象的远近度。

进一步地，所述根据目标领域对象的远近度，对所述多个目标领域对象进行分类和聚合，生成业务类型数据处理图包括：

根据所述目标领域对象之间的远近度，使用聚类算法，将所述目标领域对象分成多个领域对象集；

聚合所述多个目标领域对象集中的目标领域对象，得到业务类型数据处理图。

进一步地，所述根据所述目标领域对象之间的远近度，使用聚类算法，将所述目标领域对象分成多个领域对象集包括：

确定两个目标领域对象作为聚类中心；

将所述聚类中心与其余目标领域对象的远近度映射为所述聚类中心与其余目标领域对象之间的聚类距离；

将聚类距离小于预设阈值的其余目标领域对象归类到聚类中心对应的领域对象集中。

进一步地，所述确定两个目标领域对象作为聚类中心包括：

获取任意两个所述目标领域对象之间的远近度；

将所述任意两个所述目标领域对象之间的远近度映射为对应的距离；

确定距离最远的两个所述目标领域对象作为聚类中心。

进一步地，所述目标领域对象和数据库表存在映射关系。

为了实现上述目的，本发明实施例还提供一种业务类型数据的处理系统，包括：

用户指令接收模块，用于接收业务类型数据；

目标业务类型数据处理图生成模块，用于对所述业务类型数据对应的目标领域对象进行远近度分析，得到远近度分析结果，并根据远近度分析结果对目标领域对象进行分类和聚合，以得到目标业务类型数据处理图；

反馈数据生成模块，用于根据所述目标业务类型数据处理图处理所述业务类型数据，生成与所述业务类型数据对应的结果反馈数据。

为了实现上述目的，本发明实施例还提供一种计算机设备，所述计算机设备包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述业务类型数据的处理方法的步骤。

为了实现上述目的，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序可被至少一个处理器所执行，以使所述至少一个处理器执行如上所述的业务类型数据的处理方法的步骤。

本发明实施例提供的业务类型数据的处理方法、系统、计算机设备及计算机可读存储介质，本发明通过对业务类型数据对应的领域对象进行远近度分析，对领域对象进行合理的分类和聚合，得到新的模块，降低了业务系统的业务复杂性，并使得业务系统具有更好的扩展性，应对纷繁多变的现实业务问题。减轻了对专家的依赖，快速形成符合高内聚低耦合特征的业务系统，降低了软件研发的成本，并提升了业务系统的可扩展性以及可维护性。

以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。

附图说明

图1为本发明实施例一之业务类型数据的处理方法的步骤流程图；

图2为步骤对所述业务类型数据对应的目标领域对象进行远近度分析，得到远近度分析结果，并根据远近度分析结果对目标领域对象进行分类和聚合，以得到目标业务类型数据处理图的具体流程示意图；

图3为步骤根据所述结构化查询语言以及远近度计算规则，获取所述多个目标领域对象之间的远近度的具体流程示意图；

图4为步骤根据所述多个目标领域对象之间的远近度，对所述多个目标领域对象进行分类和聚合，生成目标业务类型数据处理图的具体流程示意图；

图5为步骤根据所述目标领域对象之间的远近度，使用聚类算法，将所述目标领域对象分成多个领域对象集的具体流程示意图；

图6为步骤确定两个目标领域对象作为聚类中心的具体流程示意图；

图7为本发明业务类型数据的处理系统之实施例二的程序模块示意图；

图8为本发明计算机设备之实施例三的硬件结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

实施例一

请参阅图1，示出了本发明实施例之一种业务类型数据的处理方法的步骤流程图。可以理解，本方法实施例中的流程图不用于对执行步骤的顺序进行限定。下面以计算机设备为执行主体进行示例性描述，具体如下：

步骤s100：接收业务类型数据。

具体的，业务类型数据是指由用户根据业务类型输入的数据，例如，业务类型数据为采购时，则业务类型数据为采购业务数据，例如，下订单，退货等数据，当业务类型数据为交易时，则业务类型数据为交易业务类型数据，例如用户数据、交易明细数据、订单信息数据等。

步骤s200：对所述业务类型数据对应的目标领域对象进行远近度分析，得到远近度分析结果，并根据远近度分析结果对目标领域对象进行分类和聚合，以得到目标业务类型数据处理图。

具体的，在示例性的实施例中，多个领域对象聚合形成业务系统的模块，多个模块聚合形成领域分析模型。所述领域对象通过数据映射器与数据库中的数据库表存在映射关系，数据映射器指的是在保持领域对象和数据库彼此独立的情况下，在二者之间移动数据的一个映射器层。简单的说，数据映射器就是负责将数据库中的数据库表映射到领域对象上，其中，数据库表可以包括原始数据库表和非原始数据库表，原始数据库表是指根据用户的行为产生的系统数据表，非原始数据库表则是二次加工的数据库表。业务类型数据是不同的业务对应的数据，例如，采购领域对应的是采购业务数据，支付领域对应的是支付业务数据。目标领域对象是指在处理对应的业务类型数据时，需要使用的领域对象。

目标业务类型数据处理图是指对业务类型数据处理的流程，即根据目标业务类型数据处理图，对业务类型数据进行处理。初始的领域分析模型中包含多个没有分类的领域对象，当对多个目标领域对象进行分类以及聚合后，得到新的领域分析模型，对业务类型数据处理的流程是指，在处理业务类型数据时，对新的领域模型中的领域对象调度的过程。初始的领域分析模型中，处理业务类型数据时，当业务类型数据对应的目标领域对象不在一个模块时，需要进行大量的调度，通过对多个目标领域对象进行分类以及聚合，将业务类型数据对应的目标领域对象尽可能的聚合在同一个模块中，尽量避免执行业务类型数据时跨模块的效用领域对象，降低系统性能。同时，在因为要解决新的业务问题或者增加新的业务功能时，将要解决的业务问题或者新的业务功能对应的目标领域对象放入与其存在大量调用的领域对象所在的模块中，有效的对业务系统进行扩展。

具体的，请参阅图2，步骤s200可以进一步包括：

步骤s201：获取多个目标领域对象以及用于查询所述多个目标领域对象的结构化查询语言。

具体的，查询所述多个目标领域对象的结构化查询语言是指，在构建初始领域分析模型时，会创建大量用于查询和调用目标领域对象的结构化查询语言(sql，structuredquerylanguage)，因为领域对象与数据库表存在映射关系，因此，通过结构化查询语言查询领域对象进而对数据库中的数据库表进行查询。同时初始领域分析模型中包括多个目标领域对象。示例性的结构化查询语言如下：

以下的结构化查询语言，表明采购领域中product(产品)领域对象和order(订单)领域对象之间的关联。

selecta.product_name,a.category,b.order_no,b.price

fromproducta,orderb

wherea.id＝b.product_id

步骤s202：根据所述结构化查询语言以及远近度计算规则，获取所述多个目标领域对象之间的远近度。

具体的，领域对象之间的关系体现在数据库中，就是表和表的关系，结构化查询语言中多表关联是这种关系的表达。具体的，结构化查询语言中多表关联指的是，我们在查询数据时，会使用结构化查询语言在对各数据库中对数据进行查询，包括原始数据表和非原始数据表，而在执行结构化查询语言的过程中，会采用多数据库关联查询的方式，因此每一个结构化查询语言语句可能包含了大量数据库表的关联。因此，我们可以根据结构化查询语言计算目标领域对象的远近度。

具体的，领域对象的远近度是指领域对象之间关联是否紧密，用结构化查询语言查询数据的过程中，领域对象是否会被经常关联查询到，例如上述的结构化查询语言，product(产品)领域对象和order(订单)领域对象的远近度越小，则表示product(产品)领域对象和order(订单)领域对象关联紧密，product(产品)领域对象和order(订单)领域对象经常被关联查询到，反之，则表示product(产品)领域对象和order(订单)领域对象关联较少，product(产品)领域对象和order(订单)领域对象不会经常被关联查询到。

在示例性的实施例中，所述多个目标领域对象包括多个第一目标领域对象和多个第二目标领域对象，请参阅图3，步骤s202可以进一步包括：

步骤s202a：根据所述第一目标领域对象，从所述结构化查询语言中获取第一目标结构化查询语言，并计算所述第一结构化查询语言的第一数量；

步骤s202b：根据所述第二目标领域对象，从所述第一结构化查询语言中获取第二目标结构化查询语言，并计算所述第二结构化查询语言的第二数量；

步骤s202c：根据所述第一数量和所述第二数量，得到所述第一目标领域对象和所述第二目标领域对象的提升度，所述提升度的倒数为所述目标领域对象的远近度。

具体的，目标领域对象的提升度是指：结构化查询语言语句中，在含有第二目标领域对象的条件下，同时含有第一目标领域对象的概率，与第一目标领域对象总共出现的概率之比，具体公式如下：

lift(x→y)＝p(y|x)/p(y)＝p(xy)/(p(x)p(y))，其中，y表示第一目标领域对象，x表示第二目标领域对象，lift(x→y)表示第一目标领域对象和第二目标领域对象的提升度。

下面以一个具体的例子来说明领域对象之间提升度的计算。

如果{product(产品),order(订单)}的在所有sql中出现了3次，{product}出现了4次，{order}出现了6次，一共有10个sql，那{product，order}的提升度＝p(xy)/p(x)p(y)＝0.3/0.4*0.6＝1.25，所以他们之间的远近度为0.8。

如果{product,order}的在所有sql中出现了1次，{product}出现了3次，{order}出现了6次，一共有10个sql，那{product,order}的提升度＝p(xy)/p(x)p(y)＝0.1/0.3*0.6＝0.555555，提升度的倒数为1.8，所以他们之间的远近度为1.8。

步骤s203：根据所述多个目标领域对象之间的远近度，对所述多个目标领域对象进行分类和聚合，生成目标业务类型数据处理图。

请参阅图4，步骤s203还可以进一步包括：

步骤s203a：根据所述目标领域对象之间的远近度，使用聚类算法，将所述目标领域对象分成多个领域对象集。

具体的，聚类算法是指对数据进行分组的一种算法。在给定的数据集中，通过聚类算法将将数据分成不同的组。在本实施例中，通过聚类算法，将目标领域对象分成多个领域对象集。属于同一个领域对象集的目标领域对象表示该领域对象集中的领域对象经常被关联调用。

在示例性的实施例中，请参阅图5，步骤s203a可以进一步包括：

步骤s203a1：确定两个目标领域对象作为聚类中心；

在示例性的实施例中，请参阅图6，步骤s203a1还可以进一步包括：

步骤s203a11：获取任意两个所述目标领域对象之间的远近度；

步骤s203a12：将所述任意两个所述目标领域对象之间的远近度映射为对应的距离。

步骤s203a13：确定距离最远的两个所述目标领域对象作为聚类中心。

具体的，对领域模型中的所有领域对象的任意两个所述领域对象之间的远近度进行计算，并将计算出来的远近度映射为任意两个所述领域对象之间对应的距离，并确定距离最远的两个所述目标领域对象作为聚类中心。

步骤s203a2：将所述聚类中心与其余目标领域对象的远近度映射为所述聚类中心与其余领域对象之间的聚类距离；

具体的，确定出聚类中心后，计算其余领域对象与聚类中心对应的领域对象的远近度，将所述聚类中心与其余领域对象的远近度映射为所述聚类中心与其余领域对象之间的聚类距离是指，当所述聚类中心与其余领域对象的远近度计算出来为1.8时，则所述聚类中心与其余领域对象之间的聚类距离为1.8，当所述聚类中心与其余领域对象的远近度计算出来为0.8时，则所述聚类中心与其余领域对象之间的聚类距离为0.8。

步骤s203a3：将聚类距离小于预设阈值的其余目标领域对象归类到聚类中心对应的领域对象集中。

在另外的实施方式中，一次聚类完成后，可以再次根据任意两个所述领域对象之间的远近度重新确定新的聚类中心，进行再次聚类，重复聚类步骤，以达到最优的聚类效果。

步骤s203b：聚合所述多个目标领域对象集中的领域对象，得到业务类型数据处理图。

具体的，聚合一个目标领域集中的领域对象后，生成对应的模块，多个目标领域对象集则生成多个模块，其中，聚合是指将领域对象集中的领域对象聚合到一个领域对象上，这个领域对象成为聚合根，多个聚合在一起的领域对象称为模块，通过聚合根的访问来控制模块内所有领域对象的访问。将多个模块聚合后，生成新的领域分析模型，根据新的领域分析模型，得到业务类型数据处理图。

步骤s300：根据所述目标业务类型数据处理图处理所述业务类型数据，生成与所述业务类型数据对应的结果反馈数据。

具体的，根据用户输入的业务类型数据，经过目标业务类型数据处理图处理后，得到与所述业务类型数据对应的结果反馈数据，并将结果反馈数据发送至用户界面上。

本发明实施例提供的业务类型数据的处理方法，本发明通过对业务类型数据对应的领域对象进行远近度分析，对领域对象进行合理的分类和聚合，得到新的模块，降低了业务系统的业务复杂性，并使得业务系统具有更好的扩展性，应对纷繁多变的现实业务问题。减轻了对专家的依赖，快速形成符合高内聚低耦合特征的业务系统，降低了软件研发的成本，并提升了业务系统的可扩展性以及可维护性。

实施例二

请继续参阅图7，示出了本发明业务类型数据的处理系统的程序模块示意图。在本实施例中，业务类型数据的处理系统20可以包括或被分割成一个或多个程序模块，一个或者多个程序模块被存储于存储介质中，并由一个或多个处理器所执行，以完成本发明，并可实现上述业务类型数据的处理方法。本发明实施例所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序本身更适合于描述业务类型数据的处理系统20在存储介质中的执行过程。以下描述将具体介绍本实施例各程序模块的功能：

用户指令接收模块200，用于接收业务类型数据。

目标业务类型数据处理图生成模块202，用于对所述业务类型数据对应的目标领域对象进行远近度分析，得到远近度分析结果，并根据远近度分析结果对目标领域对象进行分类和聚合，以得到目标业务类型数据处理图。

进一步地，目标业务类型数据处理图生成模块202还用于：

获取多个目标领域对象以及用于查询所述多个目标领域对象的结构化查询语言；

根据所述结构化查询语言以及远近度计算规则，获取所述多个目标领域对象之间的远近度；

根据所述多个目标领域对象之间的远近度，对所述多个目标领域对象进行分类和聚合，生成目标业务类型数据处理图。

进一步地，目标业务类型数据处理图生成模块202还用于：

根据所述第一目标领域对象，从所述结构化查询语言中获取第一目标结构化查询语言，并计算所述第一结构化查询语言的第一数量；

根据所述第二目标领域对象，从所述第一结构化查询语言中获取第二目标结构化查询语言，并计算所述第二结构化查询语言的第二数量；

根据所述第一数量和所述第二数量，得到所述第一目标领域对象和所述第二目标领域对象的提升度，所述提升度的倒数为所述目标领域对象的远近度。

进一步地，目标业务类型数据处理图生成模块202还用于：

根据所述目标领域对象之间的远近度，使用聚类算法，将所述目标领域对象分成多个领域对象集；

聚合所述多个目标领域对象集中的领域对象，得到业务类型数据处理图。

进一步地，目标业务类型数据处理图生成模块202还用于：

确定两个目标领域对象作为聚类中心；

将所述聚类中心与其余目标领域对象的远近度映射为所述聚类中心与其余领域对象之间的聚类距离；

将聚类距离小于预设阈值的其余目标领域对象归类到聚类中心对应的领域对象集中。

进一步地，目标业务类型数据处理图生成模块202还用于：

获取任意两个所述目标领域对象之间的远近度；

将所述任意两个所述目标领域对象之间的远近度映射为对应的距离；

确定距离最远的两个所述目标领域对象作为聚类中心。

反馈数据生成模块204，用于根据所述目标业务类型数据处理图处理所述业务类型数据，生成与所述业务类型数据对应的结果反馈数据。

实施例三

参阅图8，是本发明实施例三之计算机设备的硬件架构示意图。本实施例中，所述计算机设备2是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。该计算机设备2可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。如图8所示，所述计算机设备2至少包括，但不限于，可通过系统总线相互通信连接存储器21、处理器22、网络接口23、以及业务类型数据的处理系统20。其中：

本实施例中，存储器21至少包括一种类型的计算机可读存储介质，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，存储器21可以是计算机设备2的内部存储单元，例如该计算机设备2的硬盘或内存。在另一些实施例中，存储器21也可以是计算机设备2的外部存储设备，例如该计算机设备2上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。当然，存储器21还可以既包括计算机设备2的内部存储单元也包括其外部存储设备。本实施例中，存储器21通常用于存储安装于计算机设备2的操作系统和各类应用软件，例如上述实施例所述的业务类型数据的处理系统20的程序代码等。此外，存储器21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。

处理器22在一些实施例中可以是中央处理器(centralprocessingunit，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22通常用于控制计算机设备2的总体操作。本实施例中，处理器22用于运行存储器21中存储的程序代码或者处理数据，例如运行业务类型数据的处理系统20，以实现上述实施例的业务类型数据的处理方法。

所述网络接口23可包括无线网络接口或有线网络接口，该网络接口23通常用于在所述计算机设备2与其他电子装置之间建立通信连接。例如，所述网络接口23用于通过网络将所述计算机设备2与外部终端相连，在所述计算机设备2与外部终端之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(intranet)、互联网(internet)、全球移动通讯系统(globalsystemofmobilecommunication，gsm)、宽带码分多址(widebandcodedivisionmultipleaccess，wcdma)、4g网络、5g网络、蓝牙(bluetooth)、wi-fi等无线或有线网络。

需要指出的是，图8仅示出了具有部件20-23的计算机设备2，但是应理解的是，并不要求实施所有示出的部件，可以替代的实施更多或者更少的部件。

在本实施例中，存储于存储器21中的所述业务类型数据的处理系统20还可以被分割为一个或者多个程序模块，所述一个或者多个程序模块被存储于存储器21中，并由一个或多个处理器(本实施例为处理器22)所执行，以完成本发明。

例如，图7示出了所述实现业务类型数据的处理系统20实施例二的程序模块示意图，该实施例中，所述基于业务类型数据的处理系统20可以被划分为用户指令接收模块200、目标业务类型数据处理图生成模块202和反馈数据生成模块204。其中，本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述所述业务类型数据的处理系统20在所述计算机设备2中的执行过程。所述程序模块用户指令接收模块200-反馈数据生成模块204的具体功能在上述实施例中已有详细描述，在此不再赘述。

实施例四

本实施例还提供一种计算机可读存储介质，如闪存、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、服务器、app应用商城等等，其上存储有计算机程序，程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储业务类型数据的处理系统20，被处理器执行时实现上述实施例所述的业务类型数据的处理方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

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。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。