申请/专利权人：连云港电子口岸信息发展有限公司

申请日：2023-07-25

公开（公告）日：2024-03-22

公开（公告）号：CN116881304B

主分类号：G06F16/2455

分类号：G06F16/2455;G06F16/215;G06F16/28;G06F16/25

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2023.10.31#实质审查的生效;2023.10.13#公开

摘要：本发明公开了基于分布式EDI的API网关编排管理系统及方法，涉及API网关编排技术领域，为了解决数据在进行交换时稳定性不佳以及数据交换后存储管理不佳的问题。本发明通过数据清洗模块可以根据数据的验证情况进行更精细的清洗强度的选择，使不同的数据正对性的选择不同强度的清洗，提高了数据清洗的优渥性，利用模型优化参数对标准数据模型的网络层数进行训练优化，可以提高数据进行数据交互时的稳定性，根据缓存数据确认模块中将子数据类型集合利用空间饱和度和空间剩余容量确定单次进行数据缓存的每个数据对应的数据集单次缓存个数，可以有效的提高数据与存储空间的匹配度。

主权项：1.基于分布式EDI的API网关编排管理系统，其特征在于，包括：数据接收单元，用于：将数据进行统一的接收，其中，当数据进行接收时，先将数据划分为若干个数据包，并且为每个数据包分配一个序列号；当数据包进行接收时，先将序列号进行检测，若序列号检测为合格时，则进行正常数据接收，若序列号检测为不合格时，则数据不进行接收；接收数据处理单元，用于：基于数据接收单元中接收的合格数据，将数据进行分析；其中，将数据导入神经网络模型中，通过神经网络模型将数据进行数据清洗，并且通过数据清洗的结果进行数据节点集合；数据交互平台，用于：基于接收数据处理单元中清洗完成的数据，将数据进行格式化统一，并将格式化统一完成的数据进行独立的存储；数据获取解析单元，用于：基于数据交互平台中统一完成的数据，将接收到的数据与历史数据进行对比解析，并根据解析的结果将结果异常的数据进行剔除；其中，解析结果正常的数据标注为目标数据；解析数据校验单元，用于：基于数据获取解析单元中获取的目标数据，将目标数据通过CRC校验模型进行数据校验，并根据校验结果将校验合格的数据标注为标准数据；校验数据处理单元，用于：基于解析数据校验单元中获取的标准数据，将标准数据进行数据缓存；其中，将标准数据的进行节点划分，根据划分的节点数据进行关键信息数据截取，并将截取的关键信息数据进行数据分析；数据接收单元，还用于：对每个单位时间内接收到的数据的数据类型进行识别，获取每个数据对应的数据类型；按照所述数据类型进行分类，形成与每个单位时间的所述数据类型对应的数据集合，其中，所述数据集合的数量与所述数据类型一一对应；针对每个数据集合中所包含的数据量，确定每个数据集合对应的数据包基准数据量；其中，所述数据包基准数据量通过如下公式获取： ；其中，C表示数据包基准数据量；Cxmax和Cxmin分别表示单次进行序号检测的最大检测序号量对应的数据量和最低检测序号量对应的数据量；Cz表示单位时间接收的数据总量；C0表示每个所述数据集合所包含的数据量；按照每个所述数据集合对应的数据包基准数据量对每个所述数据集合进行数据划分，获得每个所述数据集合对应的若干个数据包，并且为每个数据包分配一个序列号；提取每个所述数据集合对应的数据包基准数据量以及每个所述数据集合的数据总量；利用所述每个所述数据集合对应的数据包基准数据量以及每个所述数据集合的数据总量设置每个所述数据集合对应的比例阈值，其中，所述比例阈值通过如下公式获取： ；其中，Pc表示比例阈值；C0i表示第i个单位时间的所述数据集合所包含的数据量；Czi表示第i个单位时间接收的数据总量；n表示已经历的单位时间的个数；以所述每个所述数据集合对应的数据包基准数据量为单位对所述数据集合中的数据进行数据划分，直至所述数据集合中的所有数据均完成划分，形成若干个数据包；在所述数据集合中的所有数据均完成划分后，提取最后一个生成的数据包；监测所述最后一个数据包的数据量，当所述最后一个数据包的数据量与所述数据包基准数据量进行比较，获得所述最后一个数据包的数据量与所述数据包基准数据量之间的比值；当所述最后一个数据包的数据量与所述数据包基准数据量之间的比值小于预设的比例阈值时，则将所述最后一个数据包与所述数据集合中的任意一个数据包进行合并；当所述最后一个数据包的数据量与所述数据包基准数据量之间的比值不小于所述预设的比例阈值时，则将所述最后一个数据包作为独立数据包进行后续的序列号分配；接收数据处理单元，包括：数据学习模块，用于：获取合格的接收数据，将合格的数据导入神经网络模型，导入后形成接收数据模型；将标准数据参数响应至接收数据模型中，并将每个标准数据参数的数据特征与接收数据模型中的每个数据节点进行对应；根据对应完成的数据特征与数据节点，将对应完成的数据特征与数据节点进行模型训练，训练后获取标准数据模型；数据清洗模块，用于：基于数据学习模块中获取的标准数据模型，将标准数据模型进行清洗验证，根据验证结果确定标准数据模型的清洗精度；其中，清洗精度为一级、二级和三级，一级清洗精度最弱，三级清洗精度最强，根据验证结果的阈值判断标准数据模型属于的清洗精度；根据标准数据模型的清洗精度确认标准数据模型的网络层数；数据优化模块，用于：基于数据清洗模块中获取的标准数据模型的网络层数，将标准数据模型的函数值生成模型优化参数，并利用模型优化参数对标准数据模型的网络层数进行训练优化；利用优化后的标准数据模型对标准数据模型中的若干个数据进行清洗，并得到数据集合；所述校验数据处理单元，包括：数据划分模块，用于：将标准数据进行获取，获取后提取标准数据中的若干个数据集，将若干个数据集的数据节点进行划分；将每个数据节点中的关键信息数据进行截取，并根据截取的关键信息数据对数据集的数据类型进行确认；类型缓存模块，用于：基于数据划分模块中确认的数据类型，将数据类型与缓存空间进行对应；其中，缓存空间包括空间饱和度和空间剩余容量；将数据类型数据的长度进行获取，当缓存空间的空间剩余容量大于数据长度时，对数据进行聚类，得到数据类型的数据的子数据类型集合；缓存数据确认模块，用于：基于类型缓存模块中获取的子数据类型集合，将子数据类型集合利用空间饱和度和空间剩余容量确定单次进行数据缓存的每个数据对应的数据集单次缓存个数；根据缓存次数确认适配的存储空间；缓存数据词典适配模块，用于：基于缓存数据确认模块中存储空间内的缓存数据，将数据中的每个字段信息数据获取；根据获取的字段信息数据，将词典数据与字段信息数据进行词语对应；根据对应完成的词语将数据的目标检索词语进行确认。

全文数据：

权利要求：

百度查询： 连云港电子口岸信息发展有限公司 基于分布式EDI的API网关编排管理系统及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD