事件建模方法、装置、计算机设备和存储介质与流程

1.本技术涉及数据处理技术领域，特别是涉及一种事件建模方法、装置、计算机设备和存储介质。


背景技术：

2.随着互联网技术的发展，在数据信息的爆炸式增长趋势下，上游数据产生端与下游业务(数据)应用系统间的数据传输越来越频繁，这对于数据传输过程中的数据处理方法提出了更高的要求。
3.传统的数据处理方法中，需要对数据产生端的数据流按照预设维度进行批次划分，在数据传输通道接收到同一批次的数据后，对同一批次的数据进行业务主题分类等数据处理操作，进而将处理后的同一业务主题域的数据传输至对应的下游业务应用系统。
4.然而，按照批次进行数据处理的方式，需要等待同一批次的数据接收完成，才可以进行数据处理，面对实时数据时，批次数据处理的方式影响数据的时效性。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种事件建模方法、装置、计算机设备和存储介质。
6.一种事件建模方法，所述方法包括：
7.获取数据传输方的业务属性信息；
8.根据所述业务属性信息，在业务架构中定位所述数据传输方所属的目标业务领域；
9.解析所述业务属性信息，确定所述数据传输方包含的业务事件和所述业务事件对应的事件类型；
10.根据所述目标业务领域、所述业务事件和对应的所述事件类型，建立事件模型，指示所述数据传输方根据所述事件模型进行数据处理。
11.在其中一个实施例中，所述根据所述数据产生方业务属性信息中包含的任一业务场景的事件数据处理逻辑，确定所述数据产生方任一所述业务场景对应的各业务行为间的关联关系，包括：
12.解析所述数据产生方业务属性信息中包含的任一业务场景的事件数据处理逻辑，得到所述数据产生方在任一所述业务场景中的所有业务行为以及所述业务行为处理顺序；
13.针对每一业务行为确定行为主体和行为命令，得到每一所述业务行为的行为属性信息；
14.针对预设的聚合规则以及子域划分规则，对所述业务行为的行为属性信息进行聚合和子域划分，确定每一聚合子域中包含的各所述业务行为间的关联关系。
15.在其中一个实施例中，所述方法还包括：
16.基于所述事件模型中包含的各业务事件间的逻辑关系，建立所述事件模型与事件
数据库各层级的映射关系；
17.将所述事件模型存储至所述事件数据库的目标层级。
18.在其中一个实施例中，所述数据传输方为数据消费方，所述解析所述业务属性信息，确定所述数据传输方包含的业务事件和所述业务事件对应的事件类型，包括：
19.解析所述数据消费方的所述业务属性信息，根据所述业务属性信息在所述目标业务领域的业务场景集合中，筛选所述数据消费方的目标业务场景；
20.在事件数据库中，确定所述目标业务场景包含的业务事件和所述业务事件对应的事件类型。
21.在其中一个实施例中，所述在事件数据库中，确定所述目标业务场景包含的业务事件和所述业务事件对应的事件类型，包括：
22.解析所述目标业务场景中包含的业务行为以及所述业务行为处理顺序；
23.根据所述业务行为以及所述业务行为处理顺序，在事件数据库目标业务领域对应的层级目录中，确定所述业务行为对应的业务事件和所述业务事件对应的事件类型。
24.一种事件建模装置，所述装置包括：
25.获取模块，用于获取数据传输方的业务属性信息；
26.定位模块，用于根据所述业务属性信息，在业务架构中定位所述数据传输方所属的目标业务领域；
27.确定模块，用于解析所述业务属性信息，确定所述数据传输方包含的业务事件和所述业务事件对应的事件类型；
28.创建模块，用于根据所述目标业务领域、所述业务事件和对应的所述事件类型，建立事件模型，指示所述数据传输方根据所述事件模型进行数据处理。
29.在一个实施例中，所述确定模块，还用于根据所述数据产生方业务属性信息中包含的任一业务场景的事件数据处理逻辑，确定所述数据产生方任一所述业务场景对应的各业务行为间的关联关系；
30.根据各所述业务行为间的关联关系，确定所述数据产生方在所述目标业务领域中任一所述业务场景中的业务事件以及所述业务事件的事件类型。
31.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
32.获取数据传输方的业务属性信息；
33.根据所述业务属性信息，在业务架构中定位所述数据传输方所属的目标业务领域；
34.解析所述业务属性信息，确定所述数据传输方包含的业务事件和所述业务事件对应的事件类型；
35.根据所述目标业务领域、所述业务事件和对应的所述事件类型，建立事件模型，指示所述数据传输方根据所述事件模型进行数据处理。
36.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
37.获取数据传输方的业务属性信息；
38.根据所述业务属性信息，在业务架构中定位所述数据传输方所属的目标业务领
域；
39.解析所述业务属性信息，确定所述数据传输方包含的业务事件和所述业务事件对应的事件类型；
40.根据所述目标业务领域、所述业务事件和对应的所述事件类型，建立事件模型，指示所述数据传输方根据所述事件模型进行数据处理。
41.上述事件建模方法、装置、计算机设备和存储介质，获取数据传输方的业务属性信息；根据所述业务属性信息，在业务架构中定位所述数据传输方所属的目标业务领域；解析所述业务属性信息，确定所述数据传输方包含的业务事件和所述业务事件对应的事件类型；根据所述业务事件和对应的所述事件类型，建立事件模型，指示所述数据传输方根据所述事件模型进行数据处理。采用本方法，通过生成事件模型，确定数据传输方的待传输数据间的数据处理关系，反向指示数据传输方进行数据处理改造，提高数据处理效率。
附图说明
42.图1为一个实施例中事件处理平台层级架构示意图；
43.图2为一个实施例中事件建模方法的流程示意图；
44.图3为一个实施例中确定数据产生方业务事件步骤的流程示意图；
45.图4为一个实施例中确定数据产生方业务行为间关联关系步骤的流程图；
46.图5为一个实施例中基于ddd方法论进行事件分析的流程示意图；
47.图6为一个实施例中与事件数据库建立映射关系方法的流程示意图；
48.图7为一个实施例中与事件数据库建立映射关系的示意图；
49.图8为一个实施例中筛选数据消费方目标业务场景步骤的流程示意图；
50.图9为一个实施例中金融领域目标业务场景示意图；
51.图10为一个实施例中金融领域标准事件数据库一级分类目标示意图；
52.图11为一个实施例中确定数据消费方业务事件步骤的流程示意图；
53.图12为一个实施例中事件建模方法的流程示意图；
54.图13为一个实施例中事件建模装置的结构框图；
55.图14为一个实施例中计算机设备的内部结构图。
具体实施方式
56.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
57.在一个实施例中，提供了一种事件处理平台。该事件处理平台基于apache flink和apache kafka等主流大数据组件搭建而成，如图1所示，包括事件管理服务层，事件消息加工服务层和事件消息队列服务层，针对事件处理平台的各个服务层包含有相应的管理模块进行数据管理。本实施例中，事件处理平台用于实现事件建模方法，当数据传输方中的数据产生方业务处理需求接入事件处理平台时，事件处理平台生成事件模型(也即事件模板)，根据该事件模型指示数据产生方将待传输的实时数据按照事件模型要求，实时传输至事件处理平台。当数据传输方中的数据消费方数据订阅需求传输至事件处理平台时，事件
处理平台也可以根据数据订阅需求在事件数据库中基于映射关系，通过确定出的目标事件模型获取对应的业务事件数据。
58.本实施例中，如图2所示，提供了一种事件建模方法，该事件建模方法应用于上述事件处理平台，用于生成事件模型。具体的，本实施例中以该事件建模方法所部属的事件处理平台部署在服务器进行举例说明，可以理解的是，事件处理平台也可以部署在终端，还可以部署在包括终端和服务器的系统，并通过终端和服务器的交互实现，因此，本实施例对于事件处理平台的设备主体不做限定。本实施例中，无论该事件处理平台部署于服务器还是终端设备均统称为计算机设备，以便于方案的迁移。具体事件建模方法包括以下步骤：
59.步骤201，获取数据传输方的业务属性信息。
60.在实施中，数据传输过程涉及数据传输双方，本实施例中的事件处理平台接入该数据传输过程，与数据传输双方进行通信连接，进而可以选择数据传输双方中的至少一方进行事件建模。具体的，数据传输双方包括数据产生方和数据消费方，计算机设备获取数据传输方(数据产生方和/或数据消费方)的业务属性信息，以数据传输方的业务属性信息进行事件建模。其中，业务属性信息以从数据传输方的操作日志中获取得到，业务属性信息为数据传输方在所属业务领域的各业务场景中处理事件业务的逻辑流程信息以及在逻辑流程中产生的事件数据信息。
61.例如，数据传输方为上游数据产生方中的某一具体应用产品“银基通”，则计算机设备上部署的事件处理平台可以获取到的业务属性信息包括：银基通系统(一种基金产品销售类应用产品)在基金交易业务场景下的基金账户信息、基金赎回信息、基金认购信息、基金撤单信息等，在基金查询业务场景下的基金账户余额信息、基金单位净值信息等等，以及“银基通”产品各事件业务间的逻辑流程，如先进行基金认购，再进行基金赎回等。综上可知，数据传输方的业务属性信息可以为数据传输方数据处理时产生的或者与该数据处理流程相关的任意数据信息，本技术实施例对于数据传输方的业务属性信息不做限定。
62.步骤202，根据业务属性信息，在业务架构中定位数据传输方所属的目标业务领域。
63.在实施中，计算机设备根据业务属性信息，在业务架构中定位数据传输方所属的目标业务领域。具体的，以银行所属的金融领域为例进行举例说明，计算机设备依据bian(banking industry architecture network，银行业架构网络)方法学，在整体银行业务架构中定位数据传输方(例如，基金代销产品“银基通”)所属的目标业务领域(也可以称为服务领域)。进而确定数据传输方产品的功能在企业整体业务流程中的所处位置。
64.步骤203，解析业务属性信息，确定数据传输方包含的业务事件和业务事件对应的事件类型。
65.在实施中，在确定出数据传输方所属业务领域的情况下，计算机设备进一步解析数据传输方的业务属性信息，确定在目标业务领域下数据传输方包含的业务事件和业务事件对应的事件类型。具体的，针对数据传输方的两种类型有两种不同的处理方式。
66.方式一，数据传输方为数据产生方(即上游应用系统)，则计算机设备基于bian方法学确定出的数据产生方在企业业务架构中的所处位置(目标业务领域)，通过ddd(domain
‑
driven
‑
design，领域驱动设计)方法学进一步解析数据产生方的业务属性信息，确定该数据产生方在目标业务领域的各业务场景下的具体业务行为，然后，根据具体业务
行为对应的领域事件进行事件聚合和子域划分，确定数据产生方的业务事件和该业务事件对应的事件类型。其中，基于ddd方法学进行事件分析，确定业务事件和该业务事件的事件类型的过程会在下文进一步详细描述，在此不过多赘述。
67.方式二，数据传输方为数据消费方(即下游应用系统)，则计算机设备基于bian方法学确定出的数据消费方在企业架构中的所处位置(目标业务领域)，进一步解析业务属性信息中包含的在该目标业务领域下对应的领域事件，将领域事件按照所属关系和层级关系映射到标准事件数据库中对应层级的业务主题中，确定该数据消费方在目标业务领域下的业务事件和业务事件对应的事件类型。具体的确定业务事件和事件类型的过程在下文进一步详细描述，在此不过多赘述。
68.步骤204，根据目标业务领域、业务事件和对应的事件类型，建立事件模型，指示数据传输方根据事件模型进行数据处理。
69.在实施中，计算机设备根据数据传输方在目标业务领域下各业务场景中的业务事件和该业务事件对应的事件类型，建立数据传输方的事件模型，进而，计算机设备可以根据该事件模型指示数据传输方进行数据处理改造，以使数据传输方明确事件处理平台接入条件，满足事件处理平台数据要求。具体的，数据产生方基于事件处理平台的事件模型进行数据处理，实现将待传输的实时传输至事件处理平台。数据消费方基于事件处理平台的事件模型进行数据采集和消费，建立数据订阅需求与事件处理平台数据(存储在事件数据库中的业务事件数据)之间的映射关系，实现实时的数据订阅。
70.上述事件建模方法中，计算机设备获取数据传输方的业务属性信息；根据业务属性信息，在业务架构中定位数据传输方所属的目标业务领域。然后，进一步解析业务属性信息，确定数据传输方包含的业务事件和业务事件对应的事件类型。根据目标业务领域、业务事件和对应的事件类型，建立事件模型，指示数据传输方根据事件模型进行数据处理。采用本方法，通过生成事件模型，确定数据传输方的待传输数据间的数据处理关系，反向指示数据传输方进行数据处理改造，提高数据处理效率。
71.在一个实施例中，如图3所示，步骤203中的基于ddd方法学进行事件分析的具体处理过程包括以下步骤：
72.步骤301，根据数据产生方业务属性信息中包含的任一业务场景的事件数据处理逻辑，确定数据产生方任一业务场景对应的各业务行为间的关联关系。
73.在实施中，针对数据传输方为数据产生方的情况，计算机设备上部署的事件处理平台根据确定出的数据产生方所属目标业务领域，进一步分析数据产生方的业务属性信息中包含的任一业务场景下的事件处理逻辑，识别其中包含的事件节点、事件节点的触发条件以及整个事件处理流程中各事件数据流转条件等，进而计算机设备以此确定数据产生方任一业务场景对应的各业务行为间的关联关系。
74.步骤302，根据各业务行为间的关联关系，确定数据产生方在目标业务领域中任一业务场景中的业务事件以及业务事件的事件类型。
75.在实施中，计算机设备基于ddd方法论分析得到的具体业务场景下各业务行为间的关联关系，对业务行为对应的事件数据进行聚合、划分子域和界限上下文(界限限定)，以此进行事件定义和事件分类，确定出数据产生方在目标业务领域下任一业务场景中的业务事件以及该业务事件的事件类型。
76.可选的，在数据产生方的各业务场景中，针对数据产生方的协同交互业务场景，也可以无需进行目标业务领域的确定，直接进行ddd方法论的事件分析。
77.本实施例中，通过分析数据产生方的业务属性信息，重新定义数据产生方的业务事件和业务事件的事件类型，同一业务事件的规则和分类标准，以使根据该规则和标准反向改造数据产生方，以提高数据产生方的实时数据传输时效性。
78.在一个实施例中，如图4所示，步骤301的具体处理过程包括：
79.步骤401，解析数据产生方业务属性信息中包含的任一业务场景的事件数据处理逻辑，得到数据产生方在任一业务场景中的所有业务行为以及业务行为处理顺序。
80.在实施中，针对数据产生方包含的各业务场景，计算机设备基于数据产生方在整体业务架构中的定位，在确定的所属目标业务领域下，以该目标业务领域下数据产生方的业务属性信息作为应用ddd方法学的通用语言和业务流程，完成领域驱动设计(ddd)的事件建模分析，具体的，计算机设备解析数据产生方业务属性信息中包含的任一业务场景下的事件数据处理逻辑，得到数据产生方在任一业务场景中的所有业务行为以及业务行为处理顺序。如图5所示，在对任一业务场景的事件数据处理逻辑进行分析时，根据事件数据处理逻辑中的各输入数据以及对应的输出数据梳理得到在该业务场景中包含的各业务行为以及各业务行为间的处理顺序。其中，事件处理逻辑可以由数据产生方的操作日志中获取，在操作日志中记载有数据产生方每一事件节点(业务行为)的行为主体、行为命令以及各事件节点(业务行为)间的处理顺序。
81.步骤402，针对每一业务行为确定行为主体和行为命令，得到每一业务行为的行为属性信息。
82.在实施中，计算机设备提取事件数据处理逻辑中数据产生方中针对某一具体的业务行为所对应的行为主体和行为命令，得到每一业务行为的行为属性信息。如图5所示，分析得到的行为属性信息包含执行此业务行为所产生的具体业务内容，该业务行为是由谁引起的，触发该业务行为的条件，对应该业务行为的行为命令(command)等信息，本技术实施例不做限定。
83.其中，每一业务行为对应数据传输方在目标业务领域的具体业务场景下的一个领域事件(domain event)，领域事件表示在所属目标业务领域中发生的事件，因此，本技术中的业务行为也可指代领域事件。进而得到每一业务行为的行为属性信息也即表征对应领域事件的事件属性信息。
84.步骤403，针对预设的聚合规则以及子域划分规则，对业务行为的行为属性信息进行聚合和子域划分，确定每一聚合子域中包含的各业务行为间的关联关系。
85.在实施中，计算机设备根据该预设的聚合规则以及子域划分规则，对业务行为的行为属性信息进行聚合和子域划分，根据聚合结果和划分的子域对数据产生方整体应用系统所包含的全部领域事件进行事件分类，确定每一聚合子域中包含的各业务行为间的关联关系。其中，预设的聚合规则以及子域划分规则可以由计算机设备针对分类判别网络，利用多种数据产生方应用产品的历史数据进行事件聚合以及子域划分的训练得到，可用于聚合和子域划分的模型，进而由该模型中所依据的判别规则作为预设的事件聚合规则以及子域划分规则。
86.在一个实施例中，如图6所示，该方法还包括：
87.步骤601，基于事件模型中包含的各业务事件间的逻辑关系，建立事件模型与事件数据库各层级的映射关系。
88.步骤602，将事件模型存储至事件数据库的目标层级。
89.在实施中，计算机设备通过对领域事件聚合且划分子域，得到数据产生方的业务事件，进而得到业务事件对应的事件模型，然后，计算机设备建立事件模型与事件数据库各层级的映射关系，如图7所示，计算机设备将事件模型中包含的各业务事件间的逻辑关系映射存储至事件数据库的对应层级，生成标准事件数据库，该标准事件数据库的层级目录基于映射关系体现为目标业务领域的事件分类目录。具体的，以确定业务事件时划分的子域作为业务事件的初始分类标准，映射为数据库中的一级类目，将每一子域中包含的聚合结果，映射为数据库中的二级类目。
90.在一个实施例中，如图8所示，事件处理平台除了可以针对上游的数据产生方进行事件建模之外，还可以针对下游数据消费方进行事件建模，因此，当数据传输方为数据消费方时，步骤203的具体处理过程包括如下步骤：
91.步骤801，解析数据消费方的业务属性信息，根据业务属性信息在目标业务领域的业务场景集合中，筛选数据消费方的目标业务场景。
92.在实施中，数据消费方的业务属性信息为数据消费方在所属业务领域的各业务场景中处理事件业务的逻辑流程信息以及在逻辑流程中产生的事件数据信息。因此，计算机设备根据该数据消费方的业务属性信息，确定数据消费方在目标业务领域下包含的业务场景集合，并根据预设的场景筛选规则，在业务场景集合中筛选出目标业务场景。其中，预设的场景筛选规则为实时数据处理需求规则，即在该业务场景下是否有实时数据处理需求。因此，以该实时数据处理需求规则，筛选出的目标业务场景即为实时数据处理业务场景。该实时数据处理业务场景作为本实施例中事件处理平台的事件驱动业务场景进行事件建模，实现实时数据处理需求。
93.具体的，常见的实时数据处理业务场景包括：
94.1、观察业务场景(observation)
95.观察场景用于监视整体数据传输方系统的流程，识别特殊业务行为(非预设行为标记的常规行为)，当识别到数据消费方的业务流程中发送特殊业务行为时，产生告警信息，
96.2、信息传播场景(information dissemination)
97.3、动态操作行为业务场景(dynamic operation behavior)
98.动态操作行为业务场景即是对业务事件做出反应，作为业务交易的一部分，实现低延迟决策，对威胁和机会做出快速反应。事件处理通常用于动态驱动系统执行，以便对传入的事件作出反应。
99.4、主动诊断业务场景(active diagnostics)
100.主动诊断业务场景即根据观察业务场景下输出的告警信息主动进行故障诊断，并解决故障问题。
101.5、预测性处理(predictive processing)业务场景
102.预测性处理业务场景即是对即将发生的业务事件进行识别，并消除或者减轻该业务事件带来的负面影响。
103.综上，上述这几种常见的实时数据处理场景可以作为适用于事件处理平台事件驱动的业务场景。因此，计算机设备面向数据消费方时，可以基于该事件驱动业务场景进行事件建模。
104.步骤802，在事件数据库中，确定目标业务场景包含的业务事件和业务事件对应的事件类型。
105.在实施中，针对筛选出的事件驱动业务场景，在每一业务场景下确定业务事件以及对应业务事件的事件类型，例如，以银行业进行举例说明，银行业中的事件驱动业务场景，如图9所示，可以包括：智能应运业务场景，智能风控业务场景、智能营销业务场景和智能运维业务场景。其中的每一业务场景(事件驱动场景)均对应一类领域事件，该领域事件为每一业务场景中具体业务行为对应的事件。将每一业务场景下的领域事件与事件数据库中的各层级分类事件建立映射关系，即确定数据消费方在该业务场景下的业务事件以及业务事件的事件类型。
106.其中，针对金融领域开发的事件数据库，可以覆盖金融领域标准事件集合，事件数据库中的数据资产可利用、可共享。事件数据库的事件(主题)分类基于数据仓库技术原始分类规则以及所处金融领域的事件分类，形成了金融领域事件模型，如图10所示，该事件模型中包含的事件主题有当事人、协议、产品与服务、事件、渠道、地理区域、资产、市场营销(业务方向)、财务与风险等。同时也兼顾非金融主题的协同交互事件。
107.金融领域的标准事件数据库的二级事件分类如下表1所示：
108.表1
109.[0110][0111]
根据该二级事件分类目录以及数据消费方与标准事件数据库间的映射关系，可以进一步确定具体业务事件以及事件类型。
[0112]
在一个实施例中，如图11所示，步骤802中在事件数据库中确定业务事件和事件类型的具体处理过程包括如下步骤：
[0113]
步骤1101，解析目标业务场景中包含的业务行为以及业务行为处理顺序。
[0114]
步骤1102，根据业务行为以及业务行为处理顺序，在事件数据库目标业务领域对应的层级目录中，确定业务行为对应的业务事件和业务事件对应的事件类型。
[0115]
在实施中，计算机设备解析数据消费方在目标业务场景中包含的业务行为以及业务行为处理顺序，然后，基于业务行为以及业务行为处理顺序的层级分类关系，与事件数据库目标业务领域对应的层级目录建立映射关系，根据映射关系查询并确定业务行为对应的标准业务事件和业务事件对应的事件类型。
[0116]
可选的，本实施例中提供的应用于事件建模方法的事件处理平台，在部署于服务器之后，可用于实现数据产生方和数据消费方间的数据传输通信，具体的搭建的事件处理平台各服务层所具备的功能如下表2所示：
[0117]
表2
[0118][0119]
上述各实施例中，如图12所示，针对数据产生方(事件生产者)和数据消费方(事件消费者)，基于bian方法论和/或ddd方法论进行事件建模，得到事件模型，并将事件模型与事件数据库建立映射关系，最终将建成的事件模型集成于事件处理平台(即图12中事件平台)，确定数据传输方的待传输数据间的数据处理关系，反向指示数据传输方进行数据处理改造，提高数据处理效率。
[0120]
应该理解的是，虽然图2至图4，图6，图8，图11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，这些步骤可以以其它的顺序执行。而且，图2至图4，图6，图8，图11中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0121]
在一个实施例中，如图13所示，提供了一种事件建模装置1300，包括：获取模块1310、定位模块1320、确定模块1330和创建模块1340，其中：
[0122]
获取模块1310，用于获取数据传输方的业务属性信息；
[0123]
定位模块1320，用于根据业务属性信息，在业务架构中定位数据传输方所属的目标业务领域；
[0124]
确定模块1330，用于解析业务属性信息，确定数据传输方包含的业务事件和业务事件对应的事件类型；
[0125]
创建模块1340，用于根据目标业务领域、业务事件和对应的事件类型，建立事件模型，指示数据传输方根据事件模型进行数据处理。
[0126]
在一个实施例中，所述确定模块1330，还用于根据所述数据产生方业务属性信息中包含的任一业务场景的事件数据处理逻辑，确定所述数据产生方任一所述业务场景对应的各业务行为间的关联关系；
[0127]
根据各所述业务行为间的关联关系，确定所述数据产生方在所述目标业务领域中任一所述业务场景中的业务事件以及所述业务事件的事件类型。
[0128]
在一个实施例中，所述确定模块1330，还用于解析所述数据产生方业务属性信息中包含的任一业务场景的事件数据处理逻辑，得到所述数据产生方在任一所述业务场景中的所有业务行为以及所述业务行为处理顺序；
[0129]
针对每一业务行为确定行为主体和行为命令，得到每一所述业务行为的行为属性信息；
[0130]
针对预设的聚合规则以及子域划分规则，对所述业务行为的行为属性信息进行聚合和子域划分，确定每一聚合子域中包含的各所述业务行为间的关联关系。
[0131]
在一个实施例中，该装置1300还包括：映射模块，用于基于所述事件模型中包含的各业务事件间的逻辑关系，建立所述事件模型与事件数据库各层级的映射关系；将所述事件模型存储至所述事件数据库的目标层级。
[0132]
在一个实施例中，所述数据传输方为数据消费方，确定模块1330，具体用于解析所述数据消费方的所述业务属性信息，根据所述业务属性信息在所述目标业务领域的业务场景集合中，筛选所述数据消费方的目标业务场景；
[0133]
在事件数据库中，确定所述目标业务场景包含的业务事件和所述业务事件对应的事件类型。
[0134]
在一个实施例中，确定模块1330还用于解析所述目标业务场景中包含的业务行为以及所述业务行为处理顺序；
[0135]
根据所述业务行为以及所述业务行为处理顺序，在事件数据库目标业务领域对应的层级目录中，确定所述业务行为对应的业务事件和所述业务事件对应的事件类型。
[0136]
关于事件建模装置1300的具体限定可以参见上文中对于事件建模方法的限定，在此不再赘述。上述事件建模装置1300中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0137]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图14所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该
内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储业务事件数据、业务属性信息数据等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种事件建模方法。
[0138]
本领域技术人员可以理解，图14中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0139]
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
[0140]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0141]
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，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read
‑
only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
[0142]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0143]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。