交易凭证管理方法、数据处理系统及计算机存储介质技术方案

本申请实施例公开了一种交易凭证管理方法、数据处理系统及计算机存储介质，用于解决数据处理系统需要处理大量数据而导致交易凭证的生成时间增长的问题。本申请实施例方法包括：数据处理系统根据预测算法预测得到当前时间点的下一个高峰期的交易凭证需求量为n个后，控制数据处理系统的缓存所存储的标识信息的个数为至少n个，在接收到终端发送的每个标识信息请求时，从缓存所存储的至少n个标识信息中调取一个目标标识信息，并向终端发送目标标识信息，因此，数据处理系统在处理多个标识信息请求时不需要多次访问数据库，而是直接从缓存中获取，减少了数据库的处理数据量，同时大大提高了目标标识信息的获取速度，减少终端的等待时间。

Transaction receipt management method, data processing system and computer storage medium

【技术实现步骤摘要】
交易凭证管理方法、数据处理系统及计算机存储介质
本申请实施例涉及数据处理领域，具体涉及一种交易凭证管理方法、数据处理系统及计算机存储介质。
技术介绍
餐饮门店的日常营运过程中都会使用到数据处理系统，例如，利用数据处理系统管理门店的财务数据、在顾客消费或者为消费卡储值时生成消费单据或储值单据。餐饮门店使用销售时点信息系统(pointofsale，POS)来生成单据。在POS系统生成单据的过程中，POS系统调用数据处理系统的数据库的应用程序接口(applicationprogramminginterface，API)，从该数据库中获取单据的标识信息，进而生成相应的单据。单据的标识信息用于标识每一笔交易所生成的单据，每一个单据都具有唯一的标识信息，方便餐饮门店对单据的管理。在餐饮门店的中餐、晚餐消费高峰期时，由于高峰期会有大量的顾客进店消费或储值，此时需要生成并打印大量的消费单据或储值单据，这时，数据库的API会频繁访问数据库以获取单据的标识信息，数据库会被频繁地访问，形成瓶颈，数据库需要处理的数据量增大，导致单据的生成时间增长，页面的超时比率大，用户体验不好。因此，亟需解决餐饮门店在消费高峰期时数据处理系统需要处理大量数据而导致单据的生成时间增长的问题。
技术实现思路
本申请实施例提供了一种交易凭证管理方法、数据处理系统及计算机存储介质，用于解决数据处理系统需要处理大量数据而导致交易凭证的生成时间增长的问题。本申请实施例第一方面提供了一种交易凭证管理方法，应用于数据处理系统，所述方法包括：根据预测算法预测得到当前时间点的下一个高峰期的交易凭证需求量为n个，所述高峰期为交易凭证大量生成的时间段，其中n为正整数；控制所述数据处理系统的缓存所存储的标识信息的个数为至少n个，其中，每一个所述标识信息对应唯一的一个交易凭证，所述缓存所存储的至少n个标识信息互不相同；在接收到终端发送的每个标识信息请求时，从所述缓存所存储的至少n个标识信息中调取一个目标标识信息，并向所述终端发送所述目标标识信息，以使所述终端将所述目标标识信息填充到所述标识信息请求对应的交易凭证中。优选的，所述数据处理系统包括数据库，所述数据库存储有标识信息；所述控制所述数据处理系统的缓存所存储的标识信息的个数为至少n个，包括：判断所述缓存所存储的标识信息的个数m是否少于n个，其中m为整数；若是，则从所述数据库中获取至少(n-m)个标识信息；将获取到的所述至少(n-m)个标识信息存储至所述缓存中。优选的，所述控制所述数据处理系统的缓存所存储的标识信息的个数为至少n个，包括：在到达目标时间点时，控制所述缓存所存储的标识信息的个数为至少n个，所述目标时间点为所述当前时间点至所述下一个高峰期的时间起点的时间段中任意一个时间点。优选的，所述预测算法为人工智能AI预测算法；所述根据预测算法预测得到当前时间点的下一个高峰期的交易凭证需求量为n个，包括：使用所述AI预测算法对历史高峰期的历史交易凭证需求量进行计算，得到所述下一个高峰期的交易凭证需求量为n个，所述历史高峰期为所述下一个高峰期之前的高峰期。优选的，所述使用所述AI预测算法对历史高峰期的历史交易凭证需求量进行计算，包括：判断所述下一个高峰期是否存在影响因子，所述影响因子为影响交易凭证需求量的情况；若存在，则使用所述AI预测算法对存在所述影响因子的历史高峰期的历史交易凭证需求量进行计算。优选的，所述影响因子为天气情况、门店促销情况、所述下一个高峰期所处的日期为工作日或节假日、自定义影响因子中的一项或多项。优选的，所述缓存所存储的至少n个标识信息为按照顺序依次排列的n个序列号；所述从所述缓存所存储的至少n个标识信息中调取一个目标标识信息，包括：在接收到每个所述标识信息请求时，按照所述n个序列号的排列顺序，依次从所述n个序列号中调取一个目标序列号。优选的，所述序列号为交易凭证的数据库主键、交易凭证的流水号中的一种或两种。优选的，所述标识信息请求包括交易凭证的交易信息；所述向所述终端发送所述目标标识信息之后，所述方法还包括：将所述目标标识信息与所述标识信息请求包括的交易凭证的交易信息建立关联，并保存至所述数据处理系统的数据库中。本申请实施例第二方面提供了一种数据处理系统，包括：预测单元，用于根据预测算法预测得到当前时间点的下一个高峰期的交易凭证需求量为n个，所述高峰期为交易凭证大量生成的时间段，其中n为正整数；控制单元，用于控制所述数据处理系统的缓存所存储的标识信息的个数为至少n个，其中，每一个所述标识信息对应唯一的一个交易凭证，所述缓存所存储的至少n个标识信息互不相同；调取单元，用于在接收到终端发送的每个标识信息请求时，从所述缓存所存储的至少n个标识信息中调取一个目标标识信息，并向所述终端发送所述目标标识信息，以使所述终端将所述目标标识信息填充到所述标识信息请求对应的交易凭证中。优选的，所述数据处理系统包括数据库，所述数据库存储有标识信息；所述控制单元包括：判断子单元，用于判断所述缓存所存储的标识信息的个数m是否少于n个，其中m为整数；获取子单元，用于当所述缓存所存储的标识信息的个数m少于n个时，从所述数据库中获取至少(n-m)个标识信息；存储子单元，用于将获取到的所述至少(n-m)个标识信息存储至所述缓存中。优选的，所述控制单元具体用于在到达目标时间点时，控制所述缓存所存储的标识信息的个数为至少n个，所述目标时间点为所述当前时间点至所述下一个高峰期的时间起点的时间段中任意一个时间点。优选的，所述预测算法为人工智能AI预测算法；所述预测单元包括：预测子单元，用于使用所述AI预测算法对历史高峰期的历史交易凭证需求量进行计算，得到所述下一个高峰期的交易凭证需求量为n个，所述历史高峰期为所述下一个高峰期之前的高峰期。优选的，所述预测子单元包括：判断模块，用于判断所述下一个高峰期是否存在影响因子，所述影响因子为影响交易凭证需求量的情况；计算模块，用于当所述下一个高峰期存在影响因子时，使用所述AI预测算法对存在所述影响因子的历史高峰期的历史交易凭证需求量进行计算。优选的，所述影响因子为天气情况、门店促销情况、所述下一个高峰期所处的日期为工作日或节假日、自定义影响因子中的一项或多项。优选的，所述缓存所存储的至少n个标识信息为按照顺序依次排列的n个序列号；所述调取单元包括：调取子单元，用于在接收到每个所述标识信息请求时，按照所述n个序列号的排列顺序，依次从所述n个序列号中调取一个目标序列号。优选的，所述序列号为交易凭证的数据库主键、交易凭证的流水号中的一种或两种。优选的，所述标识信息请求包括交易凭证的交易信息；所述数据处理系统还包括：保存单元，用于将所本文档来自技高网...

【技术保护点】
1.一种交易凭证管理方法，其特征在于，应用于数据处理系统，所述方法包括：/n根据预测算法预测得到当前时间点的下一个高峰期的交易凭证需求量为n个，所述高峰期为交易凭证大量生成的时间段，其中n为正整数；/n控制所述数据处理系统的缓存所存储的标识信息的个数为至少n个，其中，每一个所述标识信息对应唯一的一个交易凭证，所述缓存所存储的至少n个标识信息互不相同；/n在接收到终端发送的每个标识信息请求时，从所述缓存所存储的至少n个标识信息中调取一个目标标识信息，并向所述终端发送所述目标标识信息，以使所述终端将所述目标标识信息填充到所述标识信息请求对应的交易凭证中。/n

【技术特征摘要】
1.一种交易凭证管理方法，其特征在于，应用于数据处理系统，所述方法包括：
根据预测算法预测得到当前时间点的下一个高峰期的交易凭证需求量为n个，所述高峰期为交易凭证大量生成的时间段，其中n为正整数；
控制所述数据处理系统的缓存所存储的标识信息的个数为至少n个，其中，每一个所述标识信息对应唯一的一个交易凭证，所述缓存所存储的至少n个标识信息互不相同；
在接收到终端发送的每个标识信息请求时，从所述缓存所存储的至少n个标识信息中调取一个目标标识信息，并向所述终端发送所述目标标识信息，以使所述终端将所述目标标识信息填充到所述标识信息请求对应的交易凭证中。


2.根据权利要求1所述的交易凭证管理方法，其特征在于，所述数据处理系统包括数据库，所述数据库存储有标识信息；
所述控制所述数据处理系统的缓存所存储的标识信息的个数为至少n个，包括：
判断所述缓存所存储的标识信息的个数m是否少于n个，其中m为整数；
若是，则从所述数据库中获取至少(n-m)个标识信息；
将获取到的所述至少(n-m)个标识信息存储至所述缓存中。


3.根据权利要求1所述的交易凭证管理方法，其特征在于，所述控制所述数据处理系统的缓存所存储的标识信息的个数为至少n个，包括：
在到达目标时间点时，控制所述缓存所存储的标识信息的个数为至少n个，所述目标时间点为所述当前时间点至所述下一个高峰期的时间起点的时间段中任意一个时间点。


4.根据权利要求1所述的交易凭证管理方法，其特征在于，所述预测算法为人工智能AI预测算法；
所述根据预测算法预测得到当前时间点的下一个高峰期的交易凭证需求量为n个，包括：
使用所述AI预测算法对历史高峰期的历史交易凭证需求量进行计算，得到所述下一个高峰期的交易凭证需求量为n个，所述历史高峰期为所述下一个高峰期之前的高峰期。


5.根据权利要求4所述的交易凭证管理方法，其特征在于，所述使用所述AI预测算法对历史高峰期的历史交易凭证需求量进行计算，包括：
判断所述下一个高峰期是否存在影响因子，所述影响因子为影响交易凭证需求量的情况；
若存在，则使用所述AI预测算法对存在所述影响因子的历史高峰期的历史交易凭证需求量进行计算。


6.根据权利要求5所述的交易凭证管理方法，其特征在于，所述影响因子为天气情况、门店促销情况、所述下一个高峰期所处的日期为工作日或节假日、自定义影响因子中的一项或多项。


7.根据权利要求1...

【专利技术属性】
技术研发人员：邓志阳，唐佐平，
申请(专利权)人：金蝶软件中国有限公司，
类型：发明
国别省市：广东;44