数据模型构造方法、装置、计算机设备及存储介质与流程

1.本技术涉及大数据和大数据业务场景下的数据模型构造技术领域，尤其涉及一种数据模型构造方法、装置、计算机设备及存储介质。


背景技术：

2.现有的大型数据模型构造方案，多为通过单个的配置文件分别获取不同的对象，将其初始化后一一渲染至业务场景中，这种模式导致了数据库与展示界面的交互次数过多，尤其是在大数据处理情况下，易造成数据泄露。
3.目前，还有一种处理方式是获取不同单个对象的属性，统一整合至一个缓存区，进行数据渲染，该方式虽然解决了多次渲染交互的问题，但是，大大增加了后端处理人员的代码书写量，而且，在大数据场景下进行缓存区构建，无异于会大大增加本地存储库的压力。


技术实现要素：

4.本技术实施例的目的在于提出一种数据模型构造方法及其相关设备，以便于既能在一次交互下完成数据渲染，提高数据安全性，也能避免盲目在大数据业务场景下构建数据缓存区，导致数据压力过大的问题。
5.为了解决上述技术问题，本技术实施例提供一种数据模型构造方法，采用了如下所述的技术方案：
6.一种数据模型构造方法，包括下述步骤：
7.基于数据访问层和第一配置项获取业务数据；
8.通过数据构造层对所述业务数据进行格式转换和目标数据提取，通过预设构造器和第二配置项对提取的目标数据进行实例模型初构造；
9.根据业务场景筛选出应用于所述业务场景的m个初构造的实例模型，根据数据组合层对所述m个初构造的实例模型进行组合，获取第三配置项，基于所述构造器和所述第三配置项初始化目标数据模型，其中，m为大于1的正整数；
10.判断所述目标数据模型中包含的数据是否可以表征所述业务场景的目标数据映射要求；
11.根据所述判断结果，对所述目标数据模型进行区分处理。
12.进一步的，所述第一配置项包括与本地数据库进行连接关系的本地配置文件，或/和与对应远程访问接口建立连接关系的远程配置文件，所述通过数据访问层和第一配置项获取业务数据的步骤，具体包括：
13.所述数据访问层通过预设数据库访问器和所述本地配置文件，使用代理取值的方式，获取数据库内缓存的符合所述业务场景需求的业务数据；
14.所述数据访问层通过预设外部系统访问器和所述远程配置文件，使用远程调用的方式，获取符合所述业务场景需求、但部署在外部系统内的业务数据。
15.进一步的，所述通过数据构造层对所述业务数据进行格式转换和目标数据提取的
步骤，具体包括：
16.通过所述数据构造层中预设前置转换器，对所述业务数据对应的大字段string类型数据字段进行json格式转换，获取json类型的业务数据，其中，所述大字段string类型数据字段表示超过预设字符长度的string类型数据字段；
17.通过所述数据构造层中预设取值器，对所述json类型的业务数据进行分类取值，分别获取业务场景配置数据、业务场景赋值数据和业务场景基础数据，其中，在所述业务场景中用于配置所述业务场景展示格式的数据作为业务场景配置数据，在所述业务场景中用于展示且持续变化的数据作为业务场景赋值数据，在所述业务场景中用于展示且固定不变的数据作为业务场景基础数据。
18.进一步的，所述第二配置项表示对实例对象进行初始化构造的配置文件，所述通过预设构造器和第二配置项对提取的目标数据进行实例模型初构造的步骤，具体包括：
19.获取所述第二配置项的配置属性及所述配置属性与所述目标数据间的映射关系；
20.基于所述构造器、所述第二配置项的配置属性和所述映射关系，对所述实例模型进行初始化，完成所述实例模型的初构造。
21.进一步的，所述第三配置项表示对所述实例对象进行再构造的配置文件，所述根据数据组合层对所述m个初构造的实例模型进行组合，获取第三配置项，基于所述构造器和所述第三配置项初始化目标数据模型的步骤，具体包括：
22.获取所述m个初构造的实例模型；
23.将所述目标数据模型作为所述第三配置项的目标配置对象；
24.将所述m个初构造的实例模型作为所述第三配置项的配置属性，基于所述数据组合层中组合模型完成所述配置属性与所述m个初构造的实例模型间的映射关系配置，完成所述第三配置项的配置；
25.基于所述构造器、所述第三配置项的配置属性和所述映射关系，对所述目标配置对象进行初始化，获取目标数据模型。
26.进一步的，所述将所述m个初构造的实例模型作为所述第三配置项的配置属性，基于所述数据组合层中组合模型完成所述配置属性与所述m个初构造的实例模型间的映射关系配置，完成所述第三配置项的配置的步骤之前，所述方法还包括：
27.在将要进行配置的第三配置项内预留配置冗余区域；
28.将所述m个初构造的实例模型中每一个实例模型都作为一条所述配置属性，逐行添加到所述配置冗余区域。
29.进一步的，所述将所述m个初构造的实例模型中每一个实例模型都作为一条所述配置属性，逐行添加到所述配置冗余区域的步骤之前，所述方法还包括：
30.基于预设重要度筛选模型，对所述m个初构造的实例模型进行重要度排序，获取重要度排序结果，其中，所述重要度筛选模型的筛选依据可以为所述m个初构造的实例模型在预设时间段内分别在所述业务场景中预估发生数据交互的次数；
31.所述将所述m个初构造的实例模型中每一个实例模型都作为一条所述配置属性，逐行添加到所述配置冗余区域的步骤，具体包括：
32.使用所述组合模型一一将所述m个初构造的实例模型，根据所述重要度排序结果，添加到所述配置冗余区域。
33.进一步的，所述根据所述判断结果，对所述目标数据模型进行区分处理的步骤，具体包括：
34.若所述目标数据模型中包含的数据可以完全表征所述业务场景的目标数据映射要求，则所述目标数据模型构造完成；
35.若所述目标数据模型中包含的数据不可以完全表征所述业务场景的目标数据映射要求，则基于数据扩展层获取所述业务场景还需进行扩展的数据对所述目标数据模型进行增补扩展，直到扩展完毕，所述目标数据模型构造完成。
36.为了解决上述技术问题，本技术实施例还提供一种数据模型构造装置，采用了如下所述的技术方案：
37.一种数据模型构造装置，包括：
38.数据获取模块，用于基于数据访问层和第一配置项获取业务数据；
39.单实例构造模块，用于通过数据构造层对所述业务数据进行格式转换和目标数据提取，通过预设构造器和第二配置项对提取的目标数据进行实例模型初构造；
40.单实例组合模块，用于根据业务场景筛选出应用于所述业务场景的m个初构造的实例模型，根据数据组合层对所述m个初构造的实例模型进行组合，获取第三配置项，基于所述构造器和所述第三配置项初始化目标数据模型，其中，m为大于1的正整数；
41.业务映射判断模块，用于判断所述目标数据模型中包含的数据是否可以完全表征所述业务场景的目标数据映射要求；
42.区分处理模块，用于根据所述判断结果，对所述目标数据模型进行区分处理。
43.为了解决上述技术问题，本技术实施例还提供一种计算机设备，采用了如下所述的技术方案：
44.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现上述所述的数据模型构造方法的步骤。
45.为了解决上述技术问题，本技术实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
46.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上述所述的数据模型构造方法的步骤。
47.与现有技术相比，本技术实施例主要有以下有益效果：
48.本技术实施例所述数据模型构造方法，通过基于数据访问层和第一配置项获取业务数据；通过数据构造层对业务数据进行展开和提取，通过第二配置项进行实例模型初构造；根据业务场景筛选出m个初构造的实例模型，根据数据组合层对m个初构造的实例模型进行组合，获取第三配置项，基于第三配置项初始化目标数据模型；判断是否需对所述目标数据模型进行扩展处理。既能在一次交互下完成数据渲染，提高数据安全性，也能避免盲目在大数据业务场景下构建数据缓存区，导致数据压力过大的问题。
附图说明
49.为了更清楚地说明本技术中的方案，下面将对本技术实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本技术的一些实施例，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得其他的附图。
50.图1是本技术可以应用于其中的示例性系统架构图；
51.图2根据本技术的数据模型构造方法的一个实施例的流程图；
52.图3是图2所示步骤201的一种具体实施方式的流程图；
53.图4是图2所示步骤202的一种具体实施方式的流程图；
54.图5是图2所示步骤203的一种具体实施方式的流程图；
55.图6中示出了图2所示步骤205的一种具体实施方式的流程图；
56.图7根据本技术的数据模型构造装置的一个实施例的结构示意图；
57.图8是图7所示703的一种具体实施方式的结构图；
58.图9根据本技术的计算机设备的一个实施例的结构示意图。
具体实施方式
59.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术；本技术的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本技术的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
60.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
61.为了使本技术领域的人员更好地理解本技术方案，下面将结合附图，对本技术实施例中的技术方案进行清楚、完整地描述。
62.如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
63.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
64.终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、mp3播放器(moving picture expertsgroup audio layer iii，动态影像专家压缩标准音频层面3)、mp4(moving pictureexperts group audio layer iv，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
65.服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
66.需要说明的是，本技术实施例所提供的数据模型构造方法一般由服务器/终端设备执行，相应地，数据模型构造装置一般设置于服务器/终端设备中。
67.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需
要，可以具有任意数目的终端设备、网络和服务器。
68.继续参考图2，示出了根据本技术的数据模型构造方法的一个实施例的流程图。所述的数据模型构造方法，包括以下步骤：
69.步骤201，基于数据访问层和第一配置项获取业务数据。
70.本实施例中，所述第一配置项包括与本地数据库进行连接关系的本地配置文件，或/和与对应远程访问接口建立连接关系的远程配置文件，所述通过数据访问层和第一配置项获取业务数据的步骤，具体包括：所述数据访问层通过预设数据库访问器和所述本地配置文件，使用代理取值的方式，获取数据库内缓存的符合所述业务场景需求的业务数据；所述数据访问层通过预设外部系统访问器和所述远程配置文件，使用远程调用的方式，获取符合所述业务场景需求、但部署在外部系统内的业务数据。
71.以公司职员管理为例，对于员工人数较多的公司，为了避免单个存储器的负荷过重，职员的各信息会分类别的部署在各个分流存储器或者缓存平台内，假设公司人事管理部门需要对职员的近期工作信息进行统计，这种情况下就需要结合人事部门内的职员基本信息存储器或缓存平台、各职员所在部门的职员工作信息存储器或缓存平台进行信息整合，此时，人事部门内的职员基本信息存储器或缓存平台相当于本地数据库，而各职员所在部门的职员工作信息存储器或缓存平台相当于远程数据库，通过预设数据库访问器和所述与本地数据库进行连接的配置文件，使用代理取值的方式，获取数据库内缓存的职员基本信息；通过预设外部系统访问器和所述进行远程数据获取时与对应远程访问接口建立连接关系的配置文件，使用远程调用的方式，获取各部门的职员工作信息，两者共同获取数据信息，再进行处理才能保证整个业务场景对应的业务数据完整，避免了业务数据受本地数据库限制导致的数据维度局限性。
72.继续参考图3，图3是图2所示步骤201的一种具体实施方式的流程图，包括步骤：
73.步骤301，所述数据访问层通过预设数据库访问器和所述本地配置文件，使用代理取值的方式，获取数据库内缓存的符合所述业务场景需求的业务数据。
74.本实施例中，所述通过预设数据库访问器和所述与本地数据库进行连接的配置文件，使用代理取值的方式，获取数据库内缓存的符合所述业务场景需求的业务数据，具体实现方式为：服务启动时读取xml配置文件，根据所述xml配置文件中待访问对象的属性名称，获取对应的数据访问实例的基本访问信息，根据所述xml配置文件中配置的代理访问器访问所述xml配置文件中的标签属性，获取对应的访问实例的数据镜像，所述数据镜像通过代理赋值方式为基本访问信息对应的访问属性进行赋值。
75.步骤302，所述数据访问层通过预设外部系统访问器和所述远程配置文件，使用远程调用的方式，获取符合所述业务场景需求、但部署在外部系统内的业务数据。
76.本实施例中，所述通过预设外部系统访问器和所述进行远程数据获取时与对应远程访问接口建立连接关系的配置文件，使用远程调用的方式，获取数据库内未缓存但所述业务场景需求的部署在外部系统内的业务数据，具体实现方式为：服务启动时读取xml配置文件，根据所述xml配置文件中待访问对象的属性名称对应的外部接口，通过接口调用的获取对应的数据访问实例的基本访问信息。
77.本实施例中，所述第一配置项中与本地数据库进行连接的配置文件或进行远程数据获取时与对应远程访问接口建立连接关系的配置文件，可以为同一张配置文件，也可以
为不同配置文件。
78.步骤202，通过数据构造层对所述业务数据进行格式转换和目标数据提取，通过预设构造器和第二配置项对提取的目标数据进行实例模型初构造。
79.本实施例中，所述通过数据构造层对所述业务数据进行数据展开和目标数据提取的步骤，具体包括：通过所述数据构造层中预设前置转换器，对所述业务数据对应的大字段string类型数据字段进行json格式转换，获取json类型的业务数据，其中，所述大字段string类型数据字段表示超过预设字符长度的string类型数据字段；通过所述数据构造层中预设取值器，对所述json类型的业务数据进行分类取值，分别获取业务场景配置数据、业务场景赋值数据和业务场景基础数据，其中，在所述业务场景中用于配置所述业务场景展示格式的数据作为业务场景配置数据，在所述业务场景中用于展示且持续变化的数据作为业务场景赋值数据，在所述业务场景中用于展示且固定不变的数据作为业务场景基础数据。
80.以电商平台业务场景为例，在通过本地数据库和远程数据平台获取到所述业务数据，此时，获取到的业务数据通过字节/符流形式传输的形式，被传输到电商平台，需要对该字节/符流对应的string类型字符串进行前置转换，经转换后转换为标准化格式的json类型数据，才便于进行取值操作和页面渲染。
81.基于电商平台业务场景的不同，例如：店铺内的指示标识，如购物车标识、页面下端的网络违法必究等数据，一般固定不可变，将此类数据作为业务场景基础数据；商品页面的价格、商品图片等数据，是配置所述业务场景展示格式的数据，非业务变动不经常更改，其目的是为了在业务场景内进行展示，将此类数据作为业务场景配置数据；对应购买数量、收货地址、收货人信息等数据，此类数据因人而异，不像商品图片、店铺内的指示标识等具备一致性，是需要经购物者自行赋值的数据，将此类数据作为业务场景赋值数据。
82.本实施例中，所述第二配置项表示对实例对象进行初始化构造的配置文件，所述通过预设构造器和第二配置项对提取的目标数据进行实例模型初构造的步骤，具体包括：获取所述第二配置项的配置属性及所述配置属性与所述目标数据间的映射关系；基于所述构造器、所述第二配置项的配置属性和所述映射关系，对所述实例模型进行初始化，完成所述实例模型的初构造。
83.以天眼警通项目为例，在对用于辅助侦查部门进行警情侦查的数据进行了目标数据，即业务场景配置数据、业务场景赋值数据和业务场景基础数据提取之后，获取第二配置项的配置属性及所述配置属性与所述目标数据间的映射关系，以保证目标数据能够传输到侦查部门，基于所述构造器、所述第二配置项的配置属性和所述映射关系，对所述实例模型进行初始化，完成所述实例模型的初构造，初始化侦查到的图片对象、人物对象、时间对象，往往一个业务场景对应的目标实例模型由多个单个对象对应的实例模型构成。
84.继续参考图4，图4是图2所示步骤202的一种具体实施方式的流程图，包括步骤：
85.步骤401，通过所述数据构造层中预设前置转换器，对所述业务数据对应的大字段string类型数据字段进行json格式转换，获取json类型的业务数据；
86.步骤402，通过所述数据构造层中预设取值器，对所述json类型的业务数据进行分类取值，分别获取业务场景配置数据、业务场景赋值数据和业务场景基础数据；
87.步骤403，将所述业务场景配置数据、业务场景赋值数据和业务场景基础数据作为
目标数据；
88.步骤404，获取所述第二配置项的配置属性及所述配置属性与所述目标数据间的映射关系；
89.步骤405，基于所述构造器、所述第二配置项的配置属性和所述映射关系，对所述实例模型进行初始化，完成所述实例模型的初构造。
90.在本实施例中，所述第二配置项与所述第一配置项可以为同一配置文件内的不同配置项，也可以分别代指不同配置文件。
91.步骤203，根据业务场景筛选出应用于所述业务场景的m个初构造的实例模型，根据数据组合层对所述m个初构造的实例模型进行组合，获取第三配置项，基于所述构造器和所述第三配置项初始化目标数据模型，其中，m为大于1的正整数。
92.本实施例中，所述第三配置项表示对所述实例对象进行再构造的配置文件，所述根据数据组合层对所述m个初构造的实例模型进行组合，获取第三配置项，基于所述构造器和所述第三配置项初始化目标数据模型的步骤，具体包括：获取所述m个初构造的实例模型；将所述目标数据模型作为所述第三配置项的目标配置对象；将所述m个初构造的实例模型作为所述第三配置项的配置属性，基于所述数据组合层中组合模型完成所述配置属性与所述m个初构造的实例模型间的映射关系配置，完成所述第三配置项的配置；基于所述构造器、所述第三配置项的配置属性和所述映射关系，对所述目标配置对象进行初始化，获取目标数据模型。
93.通过将多个初构造的实例模型作为配置属性，将整个业务场景的目标实例模型作为目标配置对象，在所述第三配置项内进行配置，再通过构造器和第三配置项完成业务场景的初始化工作。根据预设组合模型对所述m个初构造的实例模型进行组合，获取第三配置项，基于所述构造器和所述第三配置项初始化目标数据模型，通过配置项的方式，无需建立缓存区，直接通过第三配置项查询到需要的单个实例模型，再通过单个实例模型对应的第二配置项查询到目标数据，进行一次渲染，完成业务场景的数据交互，既减少了交互次数，保证了数据安全性，也避免了盲目在大数据业务场景下构建缓存区，导致数据压力过大的问题。
94.本实施例中，所述将所述m个初构造的实例模型作为所述第三配置项的配置属性，基于所述数据组合层中组合模型完成所述配置属性与所述m个初构造的实例模型间的映射关系配置，完成所述第三配置项的配置的步骤之前，所述方法还包括：在将要进行配置的第三配置项内预留配置冗余区域；将所述m个初构造的实例模型中每一个实例模型都作为一条所述配置属性，逐行添加到所述配置冗余区域。
95.本实施例中，所述将所述m个初构造的实例模型中每一个实例模型都作为一条所述配置属性，逐行添加到所述配置冗余区域的步骤之前，所述方法还包括：基于预设重要度筛选模型，对所述m个初构造的实例模型进行重要度排序，获取重要度排序结果，其中，所述重要度筛选模型的筛选依据可以为所述m个初构造的实例模型在预设时间段内分别在所述业务场景中预估发生数据交互的次数；所述将所述m个初构造的实例模型中每一个实例模型都作为一条所述配置属性，逐行添加到所述配置冗余区域的步骤，具体包括：使用所述组合模型一一将所述m个初构造的实例模型，根据所述重要度排序结果，添加到所述配置冗余区域。
96.通过使用冗余区域的方式，便于对已配置好的单个实例模型进行复用，也便于在业务场景需要添加新的单个实例模型时进行累加配置。
97.继续参考图5，图5是图2所示步骤203的一种具体实施方式的流程图，包括步骤：
98.步骤501，获取所述m个初构造的实例模型；
99.步骤502，将所述目标数据模型作为所述第三配置项的目标配置对象；
100.步骤503，在所述第三配置项内预留配置冗余区域；
101.步骤504，基于预设重要度筛选模型，对所述m个初构造的实例模型进行重要度排序，获取重要度排序结果；
102.步骤505，使用所述数据组合层中组合模型一一将所述m个初构造的实例模型，根据所述重要度排序结果，添加到所述配置冗余区域；
103.步骤506，将所述m个初构造的实例模型作为所述第三配置项的配置属性，基于所述组合模型完成所述配置属性与所述m个初构造的实例模型间的映射关系配置，完成所述第三配置项的配置；
104.通过组合模型的方式将多个初构造的实例模型组合为一个目标数据模型，避免了在进行业务场景访问时，实例模型数量过多，造成交互实体量过多，造成服务压力过大。
105.步骤507，基于所述构造器、所述第三配置项的配置属性和所述映射关系，对所述目标配置对象进行初始化，获取目标数据模型。
106.本实施例中，所述第三配置项与所述第二配置项以及第一配置项，可以为同一配置文件内的不同配置项，也可以为不同配置文件。
107.步骤204，判断所述目标数据模型中包含的数据是否可以表征所述业务场景的目标数据映射要求。
108.本实施例中，所述目标数据模型中包含的数据是否可以完全表征所述业务场景的目标数据映射要求，具体应结合业务场景，判断所述目标数据模型中包含的数据是否能够全覆盖所述业务场景需要使用、访问的数据的总和，若能够全覆盖，则满足所述业务场景的目标数据映射要求，若不能够全覆盖，则还不满足所述业务场景的目标数据映射要求。
109.步骤205，根据所述判断结果，对所述目标数据模型进行区分处理。
110.本实施例中，所述根据所述判断结果，对所述目标数据模型进行区分处理的步骤，具体包括：若所述目标数据模型中包含的数据可以完全表征所述业务场景的目标数据映射要求，则所述目标数据模型构造完成；若所述目标数据模型中包含的数据不可以完全表征所述业务场景的目标数据映射要求，则基于数据扩展层获取所述业务场景还需进行扩展的数据对所述目标数据模型进行增补扩展，直到扩展完毕，所述目标数据模型构造完成。
111.继续参考图6，图6中示出了图2所示步骤205的一种具体实施方式的流程图，包括步骤：
112.步骤601，若所述目标数据模型中包含的数据可以完全表征所述业务场景的目标数据映射要求，则所述目标数据模型构造完成；
113.步骤602，若所述目标数据模型中包含的数据不可以完全表征所述业务场景的目标数据映射要求，则基于数据扩展层获取所述业务场景还需进行扩展的数据对所述目标数据模型进行增补扩展，直到扩展完毕，所述目标数据模型构造完成。
114.通过对步骤203生成的目标数据模型进行业务场景需求判断，判断是否需要对所
述目标数据模型进行数据扩展，保证了当单个实例模型或目标数据模型存在个性化数据时，在无需进行实例模型构造的情况下，进行扩展处理，更加符合业务需求。
115.本技术通过基于数据访问层和第一配置项获取业务数据；通过数据构造层对业务数据进行展开和提取，通过第二配置项进行实例模型初构造；根据业务场景筛选出m个初构造的实例模型，根据数据组合层对m个初构造的实例模型进行组合，获取第三配置项，基于第三配置项初始化目标数据模型；判断是否需对所述目标数据模型进行扩展处理。既能在一次交互下完成数据渲染，提高数据安全性，也能避免盲目在大数据业务场景下构建数据缓存区，导致数据压力过大的问题。
116.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
117.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
118.本技术实施例中，在对所述业务数据进行访问时，可使用人工智能模型的方式进行大数据业务场景下的数据访问，也可以在进行目标数据模型构建时，采用自动化模型的方式进行所述第三配置项添加。
119.进一步参考图7，作为对上述图2所示方法的实现，本技术提供了一种数据模型构造装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
120.如图7所示，本实施例所述的数据模型构造装置700包括：数据获取模块701、单实例构造模块702、单实例组合模块703、业务映射判断模块704和区分处理模块705。其中：
121.数据获取模块701，用于基于数据访问层和第一配置项获取业务数据；
122.单实例构造模块702，用于通过数据构造层对所述业务数据进行数据展开和目标数据提取，通过预设构造器和第二配置项对提取的目标数据进行实例模型初构造；
123.单实例组合模块703，用于根据业务场景筛选出应用于所述业务场景的m个初构造的实例模型，根据数据组合层对所述m个初构造的实例模型进行组合，获取第三配置项，基于所述构造器和所述第三配置项初始化目标数据模型，其中，m为大于1的正整数；
124.业务映射判断模块704，用于判断所述目标数据模型中包含的数据是否可以完全表征所述业务场景的目标数据映射要求；
125.区分处理模块705，用于根据所述判断结果，对所述目标数据模型进行区分处理。
126.本技术通过基于数据访问层和第一配置项获取业务数据；通过数据构造层对业务数据进行展开和提取，通过第二配置项进行实例模型初构造；根据业务场景筛选出m个初构造的实例模型，根据数据组合层对m个初构造的实例模型进行组合，获取第三配置项，基于第三配置项初始化目标数据模型；判断是否需对所述目标数据模型进行扩展处理。既能在一次交互下完成数据渲染，提高数据安全性，也能避免盲目在大数据业务场景下构建数据缓存区，导致数据压力过大的问题。
127.继续参考图8，图8是图7所示703的一种具体实施方式的结构图，所述单实例组合模块703包括初构造实例模型获取子模块7031、配置添加排序子模块7032、目标数据模型初始化子模块7033。其中，
128.所述初构造实例模型获取子模块7031用于获取所述m个初构造的实例模型，将所述m个初构造的实例模型作为所述第三配置项的配置属性。
129.所述配置添加排序子模块7032用于在所述第三配置项内预留配置冗余区域，基于预设重要度筛选模型，对所述m个初构造的实例模型进行重要度排序，获取重要度排序结果，使用所述数据组合层中组合模型一一将所述m个初构造的实例模型，根据所述重要度排序结果，添加到所述配置冗余区域。
130.所述目标数据模型初始化子模块7033用于基于所述组合模型完成所述配置属性与所述m个初构造的实例模型间的映射关系配置，完成所述第三配置项的配置，基于所述构造器、所述第三配置项的配置属性和所述映射关系，对所述目标配置对象进行初始化，获取目标数据模型。
131.通过所述初构造实例模型获取子模块、配置添加排序子模块、目标数据模型初始化子模块，完成了将单个实例模型作为配置属性添加到配置文件内，再对所述配置文件进行初始化，完成对所述目标数据模型的初始化，便于对数据进行交互使用。
132.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，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于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)等非易失性存储介质，或随机存储记忆体(random access memory，ram)等。
133.应该理解的是，虽然附图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，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子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，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
134.为解决上述技术问题，本技术实施例还提供计算机设备。具体请参阅图9，图9为本实施例计算机设备基本结构框图。
135.所述计算机设备9包括通过系统总线相互通信连接存储器9a、处理器9b、网络接口9c。需要指出的是，图中仅示出了具有组件9a-9c的计算机设备9，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(application specific integrated circuit，asic)、可编程门阵列(field－programmable gate array，fpga)、数字处理器(digital signal processor，dsp)、嵌入式设备等。
136.所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
137.所述存储器9a至少包括一种类型的可读存储介质，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，所述存储器9a可以是所述计算机设备9的内部存储单元，例如该计算机设备9的硬盘或内存。在另一些实施例中，所述存储器9a也可以是所述计算机设备9的外部存储设备，例如该计算机设备9上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。当然，所述存储器9a还可以既包括所述计算机设备9的内部存储单元也包括其外部存储设备。本实施例中，所述存储器9a通常用于存储安装于所述计算机设备9的操作系统和各类应用软件，例如数据模型构造方法的计算机可读指令等。此外，所述存储器9a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。
138.所述处理器9b在一些实施例中可以是中央处理器(central processing unit，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9b通常用于控制所述计算机设备9的总体操作。本实施例中，所述处理器9b用于运行所述存储器9a中存储的计算机可读指令或者处理数据，例如运行所述数据模型构造方法的计算机可读指令。
139.所述网络接口9c可包括无线网络接口或有线网络接口，该网络接口9c通常用于在所述计算机设备9与其他电子设备之间建立通信连接。
140.本实施例提出的计算机设备，应用于大数据业务场景下的数据模型构造技术领域。本技术通过基于数据访问层和第一配置项获取业务数据；通过数据构造层对业务数据进行展开和提取，通过第二配置项进行实例模型初构造；根据业务场景筛选出m个初构造的实例模型，根据数据组合层对m个初构造的实例模型进行组合，获取第三配置项，基于第三配置项初始化目标数据模型；判断是否需对所述目标数据模型进行扩展处理。既能在一次交互下完成数据渲染，提高数据安全性，也能避免盲目在大数据业务场景下构建数据缓存区，导致数据压力过大的问题。
141.本技术还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被处理器执行，以使所述处理器执行如上述的数据模型构造方法的步骤。
142.本实施例提出的计算机可读存储介质，应用于大数据业务场景下的数据模型构造技术领域。本技术通过基于数据访问层和第一配置项获取业务数据；通过数据构造层对业务数据进行展开和提取，通过第二配置项进行实例模型初构造；根据业务场景筛选出m个初构造的实例模型，根据数据组合层对m个初构造的实例模型进行组合，获取第三配置项，基于第三配置项初始化目标数据模型；判断是否需对所述目标数据模型进行扩展处理。既能在一次交互下完成数据渲染，提高数据安全性，也能避免盲目在大数据业务场景下构建数据缓存区，导致数据压力过大的问题。
143.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。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服
务器，空调器，或者网络设备等)执行本技术各个实施例所述的方法。
144.显然，以上所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例，附图中给出了本技术的较佳实施例，但并不限制本技术的专利范围。本技术可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本技术的公开内容的理解更加透彻全面。尽管参照前述实施例对本技术进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本技术说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本技术专利保护范围之内。