业务部件排查方法及其装置、设备、介质、产品与流程

1.本技术涉及电商信息技术领域，尤其涉及一种业务部件排查方法及其相应的装置、计算机设备、计算机可读存储介质，以及计算机程序产品。


背景技术：

2.电商平台包含多种业务功能，每种业务功能通常包括多个业务环节，通过提供或更新每种业务功能相对应的业务部件，可以不断完善这些业务功能，使电商平台提供的服务得以不断的升级迭代。
3.电商平台日常上线的业务部件非常多，且分散于多个部门，对于业务部件的上线表现的掌握相对较难，特别是在跨境电商领域，每个线上店铺被配置为独立站点，每个独立站点可能独立配置所述的业务部件中的一个或数个功能插件，进一步将对业务部件的线上表现的掌握变得更为复杂，因此，如何确定每个业务部件的线上表现，对于跨境电商领域而言，是一个值得研究的问题。
4.传统的方式中，通过对多个单店铺测试每个业务部件的用户流量数据来综合出业务部件的线表现，这种方式难以适应业务部件由多部分组成，且各部分又分别配置于不同业务环节的情况，例如，有些独立站点配置了业务部件的第一业务环节相应的功能插件，但有的独立站点则未配置这一业务环节；针对同一业务功能中，有的业务环节对同一独立站点的部分访问请求进行应用，而对于该同一独立站点的其他部分访问请求又未行应用。
5.针对这些灵活多变的情况，如何有效的考察同一业务部件在跨境电商平台站群内的综合表现，从而对业务部件的配置使用做出有效控制，是本技术人提出本技术的动因。


技术实现要素：

6.本技术的首要目的在于解决上述问题至少之一而提供一种业务部件排查方法及其相应的装置、计算机设备、计算机可读存储介质、计算机程序产品。
7.为满足本技术的各个目的，本技术采用如下技术方案：
8.适应本技术的目的之一而提供的一种业务部件排查方法，包括如下步骤：
9.监听第一站群中第一组和第二组的独立站点因执行预设的业务功能的第一业务环节而产生的用户流量数据，对应存储至第一数据桶和第二数据桶；其中，第一组的独立站点调用由业务部件提供的功能插件而产生相应的用户流量数据，第二组的独立站点未调用所述业务部件提供的所述功能插件而产生相应的用户流量数据；
10.监听第二站群中各独立站点因执行所述业务功能的第二业务环节而产生的用户流量数据，将每个独立站点中应用了所述业务部件提供的处理算法而产生的用户流量数据存储至第一数据桶，将每个独立站点中未应用所述业务部件提供的所述处理算法的用户流量数据存储至第二数据桶；
11.根据第一数据桶和第二数据桶内的用户流量数据分别统计出已应用和未应用所述业务部件的用户流量指标；
12.判断第一数据桶和第二数据桶的相同用户流量指标之间的差距是否达到预设条件，当达到预设条件时，输出用于指示所述业务部件下线的控制信息。
13.深化的实施例中，根据第一数据桶和第二数据桶内的用户流量数据分别统计出已应用和未应用所述业务部件的用户流量指标，包括如下步骤：
14.根据第一数据桶中的用户流量数据，将其中分别由第一站群和第二站群产生的用户流量数据按照同类参数相融合计算以确定出所述的用户流量指标，使该用户流量指标用于指示应用了所述业务部件的功能部件及处理算法后反映的信息；
15.根据第二数据桶中的用户流量数据，将其中分别由第一站群和第二站群产生的用户流量数据按照同类参数相融合计算以确定出所述的用户流量指标，使该用户流量指标用于指示未应用所述业务部件的功能部件及处理算法而反映的信息。
16.深化的实施例中，判断第一数据桶和第二数据桶的相同用户流量指标之间的差距是否达到预设条件，当达到预设条件时，输出用于指示所述业务部件下线的控制信息，包括如下步骤：
17.根据产生所述用户流量指标的时间对所述第一数据桶的用户流量指标拟合出沿时间变化的第一曲线数据；
18.根据产生所述用户流量指标的时间对所述第二数据桶的用户流量指标拟合出沿时间变化的第二曲线数据；
19.确定所述业务部件被上线应用至独立站点的时间范围，比较计算出该时间范围内第一曲线数据与第二曲线数据之间的差值数据；
20.比较所述差值数据是否低于预设阈值，当其低于预设阈值时，视为达到预设条件，而输出用于指示所述业务部件下线的控制信息。
21.扩展的实施例中，输出用于指示所述业务部件下线的控制信息的步骤之后，包括如下步骤：
22.根据所述控制信息生成所述业务部件的下线控制指令；
23.响应该下线控制指令，查询预注册到电商平台的全量独立站点中，启用了所述业务部件的目标独立站点；
24.解除各个所述的目标独立站点对所述业务部件的配置捆绑信息，实现相应的目标独立站点下线所述的业务部件。
25.较佳实施例中，所述用户流量指标为点击率指标或转化率指标。
26.较佳的实施例中，所述业务功能为电商平台的商品在线搜索功能，相应的，所述第一业务环节为用于执行商品搜索的前端业务环节，所述第二业务环节为用于对第一业务环节产生的商品搜索结果进行排序输出的后端业务环节。
27.适应本技术的目的之一而提供的一种业务部件排查装置，包括：第一监听模块、第二监听模块、指标统计模块，以及决策控制模块，其中，所述第一监听模块，用于监听第一站群中第一组和第二组的独立站点因执行预设的业务功能的第一业务环节而产生的用户流量数据，对应存储至第一数据桶和第二数据桶；其中，第一组的独立站点调用由业务部件提供的功能插件而产生相应的用户流量数据，第二组的独立站点未调用所述业务部件提供的所述功能插件而产生相应的用户流量数据；所述第二监听模块，用于监听第二站群中各独立站点因执行所述业务功能的第二业务环节而产生的用户流量数据，将每个独立站点中应
用了所述业务部件提供的处理算法而产生的用户流量数据存储至第一数据桶，将每个独立站点中未应用所述业务部件提供的所述处理算法的用户流量数据存储至第二数据桶；所述指标统计模块，用于根据第一数据桶和第二数据桶内的用户流量数据分别统计出已应用和未应用所述业务部件的用户流量指标；所述决策控制模块，用于判断第一数据桶和第二数据桶的相同用户流量指标之间的差距是否达到预设条件，当达到预设条件时，输出用于指示所述业务部件下线的控制信息。
28.深化的实施例中，所述指标统计模块，包括：第一统计子模块，用于根据第一数据桶中的用户流量数据，将其中分别由第一站群和第二站群产生的用户流量数据按照同类参数相融合计算以确定出所述的用户流量指标，使该用户流量指标用于指示应用了所述业务部件的功能部件及处理算法后反映的信息；第二统计子模块，用于根据第二数据桶中的用户流量数据，将其中分别由第一站群和第二站群产生的用户流量数据按照同类参数相融合计算以确定出所述的用户流量指标，使该用户流量指标用于指示未应用所述业务部件的功能部件及处理算法而反映的信息。
29.深化的实施例中，所述决策控制模块，包括：第一拟合子模块，用于根据产生所述用户流量指标的时间对所述第一数据桶的用户流量指标拟合出沿时间变化的第一曲线数据；第二拟合子模块，用于根据产生所述用户流量指标的时间对所述第二数据桶的用户流量指标拟合出沿时间变化的第二曲线数据；差值比较子模块，用于确定所述业务部件被上线应用至独立站点的时间范围，比较计算出该时间范围内第一曲线数据与第二曲线数据之间的差值数据；判定输出子模块，用于比较所述差值数据是否低于预设阈值，当其低于预设阈值时，视为达到预设条件，而输出用于指示所述业务部件下线的控制信息。
30.扩展的实施例中，本技术的业务部件排查装置，还包括：指令生成模块，用于根据所述控制信息生成所述业务部件的下线控制指令；目标查询模块，用于响应该下线控制指令，查询预注册到电商平台的全量独立站点中，启用了所述业务部件的目标独立站点；捆绑解除模块，用于解除各个所述的目标独立站点对所述业务部件的配置捆绑信息，实现相应的目标独立站点下线所述的业务部件。
31.较佳实施例中，所述用户流量指标为点击率指标或转化率指标。
32.较佳的实施例中，所述业务功能为电商平台的商品在线搜索功能，相应的，所述第一业务环节为用于执行商品搜索的前端业务环节，所述第二业务环节为用于对第一业务环节产生的商品搜索结果进行排序输出的后端业务环节。
33.适应本技术的目的之一而提供的一种计算机设备，包括中央处理器和存储器，所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行本技术所述的业务部件排查方法的步骤。
34.适应本技术的另一目的而提供的一种计算机可读存储介质，其以计算机可读指令的形式存储有依据所述的业务部件排查方法所实现的计算机程序，该计算机程序被计算机调用运行时，执行该方法所包括的步骤。
35.适应本技术的另一目的而提供的一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现本技术任意一种实施例中所述方法的步骤。
36.相对于现有技术，本技术的优势如下：
37.本技术采用第一数据桶和第二数据桶用于存储两类用户流量数据：第一类用户流
量数据是通过对第一站群内的不同独立站点进行划分来获取的，对于其中配置了某一业务功能的功能插件的独立站点，属于第一种情形，其产生的用户流量数据进入第一数据桶；对于其中未配置该业务功能的功能插件的独立站点，其产生的用户流量数据进入第二数据桶，所述的业务功能可由业务部件实现，该业务部件提供所述的功能插件用于执行该业务功能的第一业务环节而产生相应的用户流量数据，以及提供处理算法用于执行该业务功能的第二业务环节而产生相应的用户流量数据。第二类用户流量数据是通过对第二站群内的每一个独立站点所产生的用户数据流量做切分来获取的，当同一独立站点中，用户流量数据被应用了所述业务部件的所述处理算法时，便被存储至第一数据桶，若未应用所述的处理算法时，则被存储至第二数据桶。由此，对于应用与不应用业务部件、配置与不配置功能插件、应用与不应用处理算法等等属于业务功能的不同情形不同业务环节的多种复杂情况所产生的用户流量数据进行科学分流至两个数据桶，然后分别针对两个数据桶根据其中的用户流量数据进行相关用户流量指标的统计，使得第一数据桶的用户流量指标能够反映所述业务部件的应用成效，而第二数据桶的用户流量指标能够反映不应用所述业务部件的成效，在此基础上，通过考察这些用户流量指标是否满足预设条件设置而决策出是否控制所述业务部件下线的控制信息，准确而有效，对于跨境电商平台这种基于独立站点的应用环境而言，能够实现业务部件的集控管理和有效控制。
38.概而言之，本技术基于特定的数据处理方式，准确有效地通过分散的独立站点所提供的用户流量数据实现对电商平台所配置的业务部件的有效性的排查，方便电商平台及时调整产品开发，改善服务功能，提升用户体验。
附图说明
39.本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
40.图1为本技术业务部件排查方法的应用环境的网络架构示意图；
41.图2为本技术的业务部件排查方法的典型实施例的流程示意图；
42.图3为本技术实施例中决策业务部件是否下线的过程的流程示意图；
43.图4为本技术示例性的用户流量指标拟合形成的曲线的示意图；
44.图5为本技术实施例中控制业务部件下线的过程的流程示意图；
45.图6为本技术的业务部件排查装置的原理框图；
46.图7为本技术所采用的一种计算机设备的结构示意图。
具体实施方式
47.下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本技术，而不能解释为对本技术的限制。
48.本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本技术的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元
件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
49.本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本技术所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
50.本技术领域技术人员可以理解，这里所使用的“客户端”、“终端”、“终端设备”既包括无线信号接收器的设备，其仅具备无发射能力的无线信号接收器的设备，又包括接收和发射硬件的设备，其具有能够在双向通信链路上，进行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他诸如个人计算机、平板电脑之类的通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备；pcs(personal communications service，个人通信系统)，其可以组合语音、数据处理、传真和/或数据通信能力；pda(personal digital assistant，个人数字助理)，其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或gps(global positioning system，全球定位系统)接收器；常规膝上型和/或掌上型计算机或其他设备，其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“客户端”、“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的，或者适合于和/或配置为在本地运行，和/或以分布形式，运行在地球和/或空间的任何其他位置运行。这里所使用的“客户端”、“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端，例如可以是pda、mid(mobile internet device，移动互联网设备)和/或具有音乐/视频播放功能的移动电话，也可以是智能电视、机顶盒等设备。
51.本技术所称的“服务器”、“客户端”、“服务节点”等名称所指向的硬件，本质上是具备个人计算机等效能力的电子设备，为具有中央处理器(包括运算器和控制器)、存储器、输入设备以及输出设备等冯诺依曼原理所揭示的必要构件的硬件装置，计算机程序存储于其存储器中，中央处理器将存储在外存中的程序调入内存中运行，执行程序中的指令，与输入输出设备交互，借此完成特定的功能。
52.需要指出的是，本技术所称的“服务器”这一概念，同理也可扩展到适用于服务器机群的情况。依据本领域技术人员所理解的网络部署原理，所述各服务器应是逻辑上的划分，在物理空间上，这些服务器既可以是互相独立但可通过接口调用的，也可以是集成到一台物理计算机或一套计算机机群的。本领域技术人员应当理解这一变通，而不应以此约束本技术的网络部署方式的实施方式。
53.本技术的一个或数个技术特征，除非明文指定，既可部署于服务器实施而由客户端远程调用获取服务器提供的在线服务接口来实施访问，也可直接部署并运行于客户端来实施访问。
54.本技术中所引用或可能引用到的神经网络模型，除非明文指定，既可部署于远程服务器且在客户端实施远程调用，也可部署于设备能力胜任的客户端直接调用，某些实施例中，当其运行于客户端时，其相应的智能可通过迁移学习来获得，以便降低对客户端硬件
运行资源的要求，避免过度占用客户端硬件运行资源。
55.本技术所涉及的各种数据，除非明文指定，既可远程存储于服务器，也可存储于本地终端设备，只要其适于被本技术的技术方案所调用即可。
56.本领域技术人员对此应当知晓：本技术的各种方法，虽然基于相同的概念而进行描述而使其彼此间呈现共通性，但是，除非特别说明，否则这些方法都是可以独立执行的。同理，对于本技术所揭示的各个实施例而言，均基于同一发明构思而提出，因此，对于相同表述的概念，以及尽管概念表述不同但仅是为了方便而适当变换的概念，应被等同理解。
57.本技术即将揭示的各个实施例，除非明文指出彼此之间的相互排斥关系，否则，各个实施例所涉的相关技术特征可以交叉结合而灵活构造出新的实施例，只要这种结合不背离本技术的创造精神且可满足现有技术中的需求或解决现有技术中的某方面的不足即可。对此变通，本领域技术人员应当知晓。
58.本技术的一种业务部件排查方法，可被编程为计算机程序产品，部署于电商平台集群服务器中运行而实现。请参阅图1所示的跨境电商平台的网络部署架构，其包括一处集群服务器和分布式运行的大量的独立站点，所述的集群服务器向各个独立站点提供注册和配置服务，因而两者之间可以互相通信，而由集群服务器获取各个独立站点产生的用户流量数据并对各个独立站点的注册、配置、运行等功能做出相应的控制。所述的独立站点，可以按照某一需求被所述的集群服务器实施对应不同需求的针对性的集中处理，这种集中处理可以是逻辑性的，也即，集群服务器可以将其所维护的海量独立站点视为按照某种逻辑划分而存在多个站群。
59.请参阅图2，本技术的业务部件排查方法在其典型实施例中，包括如下步骤：
60.步骤s1100、监听第一站群中第一组和第二组的独立站点因执行预设的业务功能的第一业务环节而产生的用户流量数据，对应存储至第一数据桶和第二数据桶；其中，第一组的独立站点调用由业务部件提供的功能插件而产生相应的用户流量数据，第二组的独立站点未调用所述业务部件提供的所述功能插件而产生相应的用户流量数据：
61.本技术中，适应执行本技术所针对的业务功能的第一业务环节和第二业务环节，而将电商平台所维护的各个独立站点至少视为两个站群，即第一站群和第二站群。每个站群均包含多个独立站点，每个独立站点独立运行而提供其各自对应的线上店铺。其中，第一站群的独立站点是指执行所述业务功能的第一业务环节而产生相应的用户流量数据的独立站点，第二站群的独立站点是指执行所述业务功能的第二业务环节而产生相应的用户流量数据的独立站点，不难理解，考虑到所述业务功能的第一业务环节与第二业务环节构成整个业务链条的情况，第一站群的独立站点与第二站群的独立站点可以是同一独立站点。
62.例如，对于电商平台商品搜索这一具体应用场景，线上店铺的消费者用户在执行商品搜索时，将其关键词提交到独立站点进行关键词联想并执行搜索的过程，可视为该场景下商品搜索这一业务功能的第一业务环节，而对于第一业务环节执行后所获得的商品列表进行排序输出的过程，可视为该场景下商品搜索这一业务功能的第二业务环节。
63.又如，对于电商平台的商品类目预测这一具体应用场景，线上店铺的任意用户上传某一商品的图文信息用于实施商品类目预测时，提交所述图文信息进行类目预测的过程可视为类目预测这一业务功能的第一业务环节，而对于类目预测后执行搜索和排序的过程则可视为第二业务环节。
64.由以上示例可见，对于某一业务功能而言，均可根据业务逻辑的先后关系划分出多个业务环节，这些业务环节共同构成该业务功能的业务链条的一部分，一般是其重要部分。因此，本技术所称的业务功能，一般是指用于实现面向用户服务的电商平台中的商品数据访问功能，其由电商平台的开发人员开发封装为相应的算法代码、安装包、工具包、功能插件等载体，配置到电商平台的前端或后端代码中运行实现。
65.本技术为加深理解而给出的示例中，所述的业务功能为电商平台的商品在线搜索功能，开放给各个独立站点进行预先配置，配置了商品搜索功能的独立站点，其线上店铺可通过添加相应的功能插件或者使用系统默认的功能或该功能插件的旧版本，而用于执行第一业务环节，使其在前端向用户开放，而实施用于执行商品搜索的前端业务环节；而该业务功能相对应的后端业务环节，即第二业务环节，被配置为独立站点的执行预设处理算法或其默认版本、旧版本算法的后台代码而用于对第一业务环节产生的商品搜索结果进行排序输出。
66.每个业务功能的第一业务环节、第二业务环节相对应的属于同一版本的功能插件及其预设算法，构成该业务功能相对应的业务部件，该业务部件可以置于电商平台的集群服务器中供各个独立站点的线上店铺进行预先配置。所述功能插件及预设处理算法可以分别用于实现同一业务链条的不同业务环节相对应的业务子功能，但两者的实现形式可以不同，例如功能插件用于完成提供商品搜索的前端业务流程，处理算法用于在电商平台的后台完成对商品搜索结果进行排序优化等。
67.对于所述的第一站群而言，其中的部分独立站点可以配置所述业务部件的功能插件和预设处理算法，另一部分独立站点可以使用实现该业务功能的默认功能插件和默认处理算法，或者使用实现该业务功能的旧版本的功能插件和旧版本的处理算法，因而构成两组独立站点，其中第一组独立站点指配置了所述业务功能相应的新的业务部件的独立站点，第二组独立站点为未配置所述业务功能相应的新的业务部件的独立站点。
68.为了实现对电商平台中各个站群所产生的用户流量数据的监测，本技术设置两个数据桶，即第一数据桶和第二数据桶。本步骤中，通过监听所述第一站群内各个独立站点因执行所述的业务功能的第一业务环节而产生的用户流量数据，将其中属于所述第一组的独立站点所产生的用户流量数据存储至所述的第一数据桶中，将属于所述第二组的独立站点所产生的用户流量数据存储至所述的第二数据桶中。由于第一组的独立站点均配置了所述业务部件中的功能插件，因此，其产生的用户流量数据，实际上是相应的独立站点的用户通过调用所述功能插件执行该业务功能的第一业务环节而触发产生的，将因此而产生的用户流量数据存储至第一数据桶，使第一数据桶内存储的这部分数据均属于所述业务部件的功能插件相关的用户流量数据。而第二组的独立站点，并未配置该功能插件，可以是使用该功能插件的旧版本插件或算法，或系统默认算法等，虽然同样也可执行所述的第一业务环节，但与使用本技术新增的所述业务部件的功能插件不同，因此，用户虽然也能执行第一业务环节而产生相应的用户流量数据，但其所产生的用户流量数量与本技术的业务部件所提供的功能插件并未直接相关，也即用户未调用所述的功能插件，故其相应产生的用户流量数据被分流至所述第二数据桶中，以示与第一数据桶的区别。
69.本技术所称的用户流量数据，为所述业务功能相对应产生的流量数据，适应不同的业务功能以及后续实现统计的需要，可由本领域技术人员灵活设定。例如，适于计算出某
一商品推广信息的点击率或转化率的相关数据，包括但不限于点击数、曝光数及其基础统计数据等。不难理解，用户流量数据的具体类型及其构成和运用，为本领域技术人员所能理解，不影响本技术的实施。例如，某一线上店铺的某一用户点击一个由所述的功能插件提供的商品链接，将导致产生一条用户流量数据，可用于统计所述的曝光率和点击率。
70.步骤s1200、监听第二站群中各独立站点因执行所述业务功能的第二业务环节而产生的用户流量数据，将每个独立站点中应用了所述业务部件提供的处理算法而产生的用户流量数据存储至第一数据桶，将每个独立站点中未应用所述业务部件提供的所述处理算法的用户流量数据存储至第二数据桶：
71.对于本技术的第二站群而言，其中的各个独立站点在执行所述业务功能的第二业务环节时，均可产生相应的用户流量数据，对于第二业务环节而言，电商平台在后端选择性地为第二站群的每一独立站点中的部分用户流量数据的产生应用相应的业务部件的预设处理算法，而对该独立站点中的另一部分用户流量数据的产生则不应用该处理算法，由此，实际上第二站群中同一独立站点，实际产生两类用户流量数据，本技术中，将其中应用了所述业务部分的预设处理算法的一类用户流量数据存储至所述的第一数据桶中，使第一数据桶的该部分数据表示使用了所述业务部件的预设处理算法相对应的用户流量数据，而将未应用所述处理算法的另一类用户流量数据存储至所述的第二数据桶中，使第二数据桶中的该部分数据表示未使用所述业务部件的预设处理算法而相应产生的用户流量数据，该用户流量数据可以是电商平台为实现所述业务部件相对应的业务功能而提供的默认算法或者旧版本算法负责实现，但并非本技术所称的所述业务部件所包含的预设处理算法。
72.至此，可以看出，所述的第一数据桶所存储的用户流量数据，均为使用所述业务部件的功能插件或预设处理算法相对应的用户流量数据，所述第二数据桶所存储的用户流量数据，均为未使用所述业务部件的功能插件和预设处理算法相对应的用户流量数据。但这两个数据桶内的用户流量数据均是与执行相同业务功能相对应的用户流量数据。因此，通过第一数据桶和第二数据桶存储不同类型的用户流量数据，实现对使用和未使用所述的业务部件中的功能插件、预设处理算法的复杂情况而产生的用户流量数据进行有序的数据分流，以便区别对待分析。
73.步骤s1300、根据第一数据桶和第二数据桶内的用户流量数据分别统计出已应用和未应用所述业务部件的用户流量指标：
74.对于所述第一数据桶和第二数据桶内的用户流量数据，由于是同一类型的数据，因此，两者的参数构成基本是相同的，因此，尽管每个数据桶内的用户流量数据为两个来源，其一为对应第一业务环节的用户流量数据，其二为对应第二业务流量的数据，但两者可以直接融合统计，对此，只要预先设定统计指标以及统计方式，即可运用完全相同的方法，分别对第一数据桶和第二数据桶进行数据统计，从而计算出各个相应的统计指标，作用本技术所称的用户流量指标。
75.首先，根据第一数据桶中的用户流量数据，将其中分别由第一站群和第二站群产生的用户流量数据按照同类参数相融合计算以确定出所述的用户流量指标，使该用户流量指标用于指示应用了所述业务部件的功能部件及处理算法后反映的信息；
76.然后，根据第二数据桶中的用户流量数据，将其中分别由第一站群和第二站群产生的用户流量数据按照同类参数相融合计算以确定出所述的用户流量指标，使该用户流量
指标用于指示未应用所述业务部件的功能部件及处理算法而反映的信息。
77.例如，一种实施例中，采用所述的用户流量数据计算出点击率这一用户流量指标的情况下，点击率的统计公式被配置为采用用户流量数据统计出来的点击数除以采用相同用户流量数据统计出来的曝光数，据此，针对第一数据桶计算点击率时，实际上是将应用了功能插件相对应的用户流量数据统计出来的点击数与应用了预设处理算法相对应的用户流量数据统计出来的点击数之间的和值，除以应用了功能插件相对应的用户流量数据统计出来的曝光数与应用了预设处理算法相对应的用户流量数据统计出来的曝光数之间的和值，所获得的比值即为第一数据桶的用户流量数据融合所得的融合点击率，作为用户流量指标，具有指示应用了本技术所称的业务部件之后的点击率变化的作用。作为参照，对于第二数据桶，也采用完全相同的计算原理，基于相同参数对用户流量数据进行统计，然后计算出融合点击率。至此，不难理解，两个数据桶的融合点击率均已得出，由于其中第一数据桶主要指示应用了所述业务部件相对应的用户流量指标，而第二数据桶主要指示未应用所述业务部件相对应的用户流量指标，因此，两者具有比较分析的作用。
78.步骤s1400、判断第一数据桶和第二数据桶的相同用户流量指标之间的差距是否达到预设条件，当达到预设条件时，输出用于指示所述业务部件下线的控制信息：
79.为了实现对应用和未应用所述业务部件两种具体情况的分析，本实施例中，可以直接比较第一数据桶与第二数据桶之间关于相同用户流量指标之间的差距信息，然后与预设条件进行比较，当满足预设条件时，便可确定应用所述业务部件的情况是否达到预期，如果不满足预期，此时可输出相应的控制信息，以便用于指示所述业务部件从各个独立站点中下线。
80.所述的预设条件，可由本领域技术人员依据其具体需实现的控制逻辑而灵活对应设定。例如，对于所述的点击率指标，可以设定两个数据桶之间的点击率指标的差距是否小于作为所述预设条件的阈值，如果小于该阈值，视为第一数据桶的用户流量指标未达标而确认相应的业务部件未达到要求，相应输出所述的控制信息；如果大于该阈值，视为第一数据桶的用户流量指标达标而确认相应的业务部件为优质部件，由此可保留该业务部件继续使用。
81.其他实施例中，在步骤s1300中可能涉及多个所述的用户流量指标的统计，而在步骤s1400中，则可通过对多个用户流量指标进行加权融合，以便最终进行单一比较，简化比较分析方案，对此，本领域技术人员可灵活实施。
82.经以上本技术的典型实施例的分析可知，本技术采用第一数据桶和第二数据桶用于存储两类用户流量数据：第一类用户流量数据是通过对第一站群内的不同独立站点进行划分来获取的，对于其中配置了某一业务功能的功能插件的独立站点，属于第一种情形，其产生的用户流量数据进入第一数据桶；对于其中未配置该业务功能的功能插件的独立站点，其产生的用户流量数据进入第二数据桶，所述的业务功能可由业务部件实现，该业务部件提供所述的功能插件用于执行该业务功能的第一业务环节而产生相应的用户流量数据，以及提供处理算法用于执行该业务功能的第二业务环节而产生相应的用户流量数据。第二类用户流量数据是通过对第二站群内的每一个独立站点所产生的用户数据流量做切分来获取的，当同一独立站点中，用户流量数据被应用了所述业务部件的所述处理算法时，便被存储至第一数据桶，若未应用所述的处理算法时，则被存储至第二数据桶。由此，对于应用
与不应用业务部件、配置与不配置功能插件、应用与不应用处理算法等等属于业务功能的不同情形不同业务环节的多种复杂情况所产生的用户流量数据进行科学分流至两个数据桶，然后分别针对两个数据桶根据其中的用户流量数据进行相关用户流量指标的统计，使得第一数据桶的用户流量指标能够反映所述业务部件的应用成效，而第二数据桶的用户流量指标能够反映不应用所述业务部件的成效，在此基础上，通过考察这些用户流量指标是否满足预设条件设置而决策出是否控制所述业务部件下线的控制信息，准确而有效，对于跨境电商平台这种基于独立站点的应用环境而言，能够实现业务部件的集控管理和有效控制。
83.概而言之，本技术基于特定的数据处理方式，准确有效地通过分散的独立站点所提供的用户流量数据实现对电商平台所配置的业务部件的有效性的排查，方便电商平台及时调整产品开发，改善服务功能，提升用户体验。
84.请参阅图3，为了对用户流量指标实现时间跨度上的分析，深化的实施例中，所述步骤s1400、判断第一数据桶和第二数据桶的相同用户流量指标之间的差距是否达到预设条件，当达到预设条件时，输出用于指示所述业务部件下线的控制信息，包括如下步骤：
85.步骤s1410、根据产生所述用户流量指标的时间对所述第一数据桶的用户流量指标拟合出沿时间变化的第一曲线数据：
86.一个业务部件上线前后，连续的一段时间范围内，其同一用户流量指标随着用户流量的变化也是变化的，因而可以沿时间线构造两个数据桶的用户流量指标的变化曲线，如图4所示，a桶为第一数据桶，b桶为第二数据桶，对应存在两条曲线，其中a桶的曲线相对b桶的曲线处于高位，所述曲线是由数据桶的用户流量指标沿时间变化进行数据拟合而成的，对应的，在内存层面，也存在相应的曲线数据，由此，相对第一数据桶，将获得拟合后的第一曲线数据，相对第二数据桶，将获得拟合后的第二曲线数据。图4还示出，针对“联想词”、“类目预测”这两类业务功能，其上线的时间各不相同，但其用户流量指标的变化均在所述的曲线中得以融合体现。不难理解，用户流量指标的统计一般可以以周、日、小时等为单位及时进行，取决于本领域技术人员灵活设定，由于用户流量指标的产生时间具有及时性，因此，由用户流量指标的时间变化所拟合而成的曲线，便也包含了时间信息价值。据此可知，针对第一数据桶的用户流量指标拟合之后，便获得沿时间变化的第一曲线数据。
87.步骤s1420、根据产生所述用户流量指标的时间对所述第二数据桶的用户流量指标拟合出沿时间变化的第二曲线数据：
88.同理，根据第二数据桶的用户流量指标进行数据拟合，可以获得相应的第二曲线数据。
89.步骤s1430、确定所述业务部件被上线应用至独立站点的时间范围，比较计算出该时间范围内第一曲线数据与第二曲线数据之间的差值数据：
90.由于图4所示的两条曲线对应后台的第一曲线数据和第二曲线数据，且曲线数据是由用户流量指标描述的，而用户流量指标又关联相应的时间信息，因此，可以通过给定一个时间范围，来查询确定两条曲线数据中的相关的用户流量指标。
91.对于每个业务部件而言，其上线的时间也是确定的，因此，一般从其上线时间到当前时刻期间之间的时间范围相对应的部分曲线数据，便可用于评价分析该业务部件对电商平台的用户流量数据产生的影响。因此，如果要评价一个业务部件上线至独立站点以来的
时间范围内相对应的运行成效，便可通过该时间范围相对应的第一曲线数据和第二曲线数据之间的差值数据来比较确定。
92.由于同一时间范围内的曲线数据中存在多个时间节点相对应的用户流量指标，因此可以通过对同一曲线数据不同时刻的用户流量指标进行加总求和或者求均值等方式，确定每条曲线数据在相同时间范围内相对应的融合指标值，如此，通过比较第一曲线数据和第二曲线数据之间的融合指标值之间的差值，便可快速得出相同时间范围内两条曲线数据之间的差值数据。
93.步骤s1440、比较所述差值数据是否低于预设阈值，当其低于预设阈值时，视为达到预设条件，而输出用于指示所述业务部件下线的控制信息。
94.结合图4不难理解，考察业务部件应用后的成效，实际上是比较对应的时间范围内，两条曲线相对应的曲线数据之间的间隙的大小，间隙越大，则差值越大，则业务部件的应用成效越佳，否则，间隙越小，差值也越小，则业务部件的应用成效越差。而前一步骤中确定出的差值数据，实际上便是对这种成效的等效量化指标。
95.有鉴于此，对于所述的差值数据，可设定一个预设阈值，用于衡量业务部件应用前后的成效，当该差值数据低于该预设阈值时，即视为达到前述的预设条件，从而输出用于指示所述业务部件下线的控制信息。
96.本实施例给出通过业务部件的上线运行相对应的时间范围来考察两个数据桶相对应的曲线数据相对应的差值数据，借助预设阈值判定差值数据是否达到预设条件，从而决策出是否需要进行该业务部件的下线控制，实现对电商平台上线的业务部件的质量排查，由于排查过程基于严密的数据统计和业务逻辑控制，因此，排查精准而高效，可以及时维护电商平台的业务功能，从而优化用户体验。
97.请参阅图5，扩展的实施例中，所述步骤s1400中，输出用于指示所述业务部件下线的控制信息的步骤之后，包括如下步骤：
98.步骤s1500、根据所述控制信息生成所述业务部件的下线控制指令：
99.为了及时控制被排查后确定要下线的业务部件的下线，当在先的各个步骤经过对业务部件完成排查而输入针对某个业务部件的控制信息之后，便可响应于该控制信息的输出而由电商平台的集群服务器生成针对该业务部件的下线控制指令，以便通过该下线控制指令启动该业务部件的下线操作。
100.步骤s1600、响应该下线控制指令，查询预注册到电商平台的全量独立站点中，启用了所述业务部件的目标独立站点：
101.由于配置了所述业务部件的独立站点，其配置信息均由电商平台的集群服务器所维护，因此，响应于该下线控制指令，集群服务器可以从其配置信息库中查询出事先预注册到该库中的启用了所述业务部件的全量独立站点，将这些独立站点确定为需要执行所述业务部件的下线处理的目标独立站点。
102.步骤s1700、解除各个所述的目标独立站点对所述业务部件的配置捆绑信息，实现相应的目标独立站点下线所述的业务部件：
103.确定所述的目标独立站点之后，便可向各个目标独立站点发送用于下线所述业务部件的下线控制命令，各目标独立站点于是将所述业务部件的功能插件及其预设处理算法(如果运行于该目标独立站点则相应删除，如果运行于集群服务器则由集群服务器删除)进
行下线，并返回通知消息，集群服务器进而根据该通知消息从所述的配置信息库中将该目标独立站点与该业务部件的配置捆绑信息予以删除或标记，从而实现相应的目标独立站点下线所述的业务部件。
104.本实施例完善了排查出低效的业务部件之后及时协调各个独立站点对该业务部件进行下线的业务控制流程，实现全程自动化，无需人工参与，及时下线低效的业务部件可以改善电商平台对各个独立站点的服务体验，以便进一步升级业务部件以提升独立站点的线上店铺的用户体验。
105.请参阅图6，适应本技术的目的之一而提供的一种业务部件排查装置，是对本技术的业务部件排查方法的功能化体现，该装置包括：第一监听模块1100、第二监听模块1200、指标统计模块1300，以及决策控制模块1400，其中，所述第一监听模块1100，用于监听第一站群中第一组和第二组的独立站点因执行预设的业务功能的第一业务环节而产生的用户流量数据，对应存储至第一数据桶和第二数据桶；其中，第一组的独立站点调用由业务部件提供的功能插件而产生相应的用户流量数据，第二组的独立站点未调用所述业务部件提供的所述功能插件而产生相应的用户流量数据；所述第二监听模块1200，用于监听第二站群中各独立站点因执行所述业务功能的第二业务环节而产生的用户流量数据，将每个独立站点中应用了所述业务部件提供的处理算法而产生的用户流量数据存储至第一数据桶，将每个独立站点中未应用所述业务部件提供的所述处理算法的用户流量数据存储至第二数据桶；所述指标统计模块1300，用于根据第一数据桶和第二数据桶内的用户流量数据分别统计出已应用和未应用所述业务部件的用户流量指标；所述决策控制模块1400，用于判断第一数据桶和第二数据桶的相同用户流量指标之间的差距是否达到预设条件，当达到预设条件时，输出用于指示所述业务部件下线的控制信息。
106.深化的实施例中，所述指标统计模块1300，包括：第一统计子模块，用于根据第一数据桶中的用户流量数据，将其中分别由第一站群和第二站群产生的用户流量数据按照同类参数相融合计算以确定出所述的用户流量指标，使该用户流量指标用于指示应用了所述业务部件的功能部件及处理算法后反映的信息；第二统计子模块，用于根据第二数据桶中的用户流量数据，将其中分别由第一站群和第二站群产生的用户流量数据按照同类参数相融合计算以确定出所述的用户流量指标，使该用户流量指标用于指示未应用所述业务部件的功能部件及处理算法而反映的信息。
107.深化的实施例中，所述决策控制模块1400，包括：第一拟合子模块，用于根据产生所述用户流量指标的时间对所述第一数据桶的用户流量指标拟合出沿时间变化的第一曲线数据；第二拟合子模块，用于根据产生所述用户流量指标的时间对所述第二数据桶的用户流量指标拟合出沿时间变化的第二曲线数据；差值比较子模块，用于确定所述业务部件被上线应用至独立站点的时间范围，比较计算出该时间范围内第一曲线数据与第二曲线数据之间的差值数据；判定输出子模块，用于比较所述差值数据是否低于预设阈值，当其低于预设阈值时，视为达到预设条件，而输出用于指示所述业务部件下线的控制信息。
108.扩展的实施例中，本技术的业务部件排查装置，还包括：指令生成模块，用于根据所述控制信息生成所述业务部件的下线控制指令；目标查询模块，用于响应该下线控制指令，查询预注册到电商平台的全量独立站点中，启用了所述业务部件的目标独立站点；捆绑解除模块，用于解除各个所述的目标独立站点对所述业务部件的配置捆绑信息，实现相应
的目标独立站点下线所述的业务部件。
109.较佳实施例中，所述用户流量指标为点击率指标或转化率指标。
110.较佳的实施例中，所述业务功能为电商平台的商品在线搜索功能，相应的，所述第一业务环节为用于执行商品搜索的前端业务环节，所述第二业务环节为用于对第一业务环节产生的商品搜索结果进行排序输出的后端业务环节。
111.为解决上述技术问题，本技术实施例还提供计算机设备。如图7所示，计算机设备的内部结构示意图。该计算机设备包括通过系统总线连接的处理器、计算机可读存储介质、存储器和网络接口。其中，该计算机设备的计算机可读存储介质存储有操作系统、数据库和计算机可读指令，数据库中可存储有控件信息序列，该计算机可读指令被处理器执行时，可使得处理器实现一种业务部件排查方法。该计算机设备的处理器用于提供计算和控制能力，支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令，该计算机可读指令被处理器执行时，可使得处理器执行本技术的业务部件排查方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解，图7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。
112.本实施方式中处理器用于执行图6中的各个模块及其子模块的具体功能，存储器存储有执行上述模块或子模块所需的程序代码和各类数据。网络接口用于向用户终端或服务器之间的数据传输。本实施方式中的存储器存储有本技术的业务部件排查装置中执行所有模块/子模块所需的程序代码及数据，服务器能够调用服务器的程序代码及数据执行所有子模块的功能。
113.本技术还提供一种存储有计算机可读指令的存储介质，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行本技术任一实施例的业务部件排查方法的步骤。
114.本技术还提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被一个或多个处理器执行时实现本技术任一实施例所述方法的步骤。
115.本领域普通技术人员可以理解实现本技术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，该计算机程序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)等计算机可读存储介质，或随机存储记忆体(random access memory，ram)等。
116.综上所述，本技术基于特定的数据处理方式，准确有效地通过分散的独立站点所提供的用户流量数据实现对电商平台所配置的业务部件的有效性的排查，方便电商平台及时调整产品开发，改善服务功能，提升用户体验。
117.本技术领域技术人员可以理解，本技术中已经讨论过的各种操作、方法、流程中的步骤、措施、方案可以被交替、更改、组合或删除。进一步地，具有本技术中已经讨论过的各种操作、方法、流程中的其他步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。进一步地，现有技术中的具有与本技术中公开的各种操作、方法、流程中的步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。
118.以上所述仅是本技术的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。