一种业务场景关键表预测方法及装置制造方法及图纸

本发明专利技术提供了一种业务场景关键表预测方法及装置，可以应用于人工智能领域，方法包括：获取待预测业务在当前场景下的应用信息和待预测业务执行过程中的执行相关信息。根据应用信息和执行相关信息从预先建立的业务场景关键表预测模型集合中选取对应的业务场景关键表预测模型。将应用信息和执行相关信息进行特征工程处理后输入业务场景关键表预测模型获得业务场景关键表。通过机器学习模型，最终实现对数据库业务场景中关键表的预测的功能，可以通过预测历史业务路径中关键表的分析，精准预测新增业务的关键表，保证测试阶段覆盖所有关键表，进行风险提示，保证业务系统的正常投产运行。产运行。产运行。

【技术实现步骤摘要】
一种业务场景关键表预测方法及装置


[0001]本申请属于人工智能
，具体地讲，涉及一种业务场景关键表预测方法及装置。

技术介绍

[0002]在新一轮的金融科技变革浪潮下，银行业逐渐线上化，场景化，新的业务也层出不穷，如何满足日益增长的业务需求，保障业务系统的稳定投产运行，成为了当前金融科技的一大挑战。
[0003]在业务系统的验收测试环节，测试人员需要在测试环境预先进行模拟业务测试，测试过程中，数据库性能问题是性能测试的一大痛点，新增业务的性能测试多是基于经验先进行预判，再进行相关测试。但业务创新研发快速迭代，单纯的凭经验进行性能场景测试，会存在极大的风险，针对性能测试很难做到业务场景全面覆盖，但是强行做到全面覆盖又会增加工作量。

技术实现思路

[0004]本申请提供了一种业务场景关键表预测方法及装置，以至少解决当前业务场景测试中依赖经验预判而导致的风险问题。
[0005]根据本申请的第一个方面，提供了一种业务场景关键表预测方法，包括：
[0006]获取待预测业务在当前场景下的应用信息和待预测业务执行过程中的SQL执行相关信息。
[0007]根据应用信息和SQL执行相关信息从预先建立的业务场景关键表预测模型集合中选取对应的业务场景关键表预测模型。
[0008]将应用信息和SQL执行相关信息进行特征工程处理后输入业务场景关键表预测模型获得业务场景关键表。
[0009]在一实施例中，业务场景关键表预测模型的训练方法包括：
[0010]从历史业务场景关键表中获取训练数据，训练数据中包括应用信息和SQL执行相关信息。
[0011]对训练数据进行预处理。
[0012]利用预处理后的训练数据训练预先构建的业务场景关键表预测模型。
[0013]在一实施例中，对训练数据进行预处理，包括：
[0014]对训练数据的时间维度进行特征衍生，获得时间特征。
[0015]对训练数据的统计维度进行特征衍生，获得统计特征。
[0016]根据时间特征和统计特征生成特征数据。
[0017]在一实施例中，利用预处理后的训练数据训练预先构建的业务场景关键表预测模型，包括：
[0018]将特征数据输入业务场景关键表预测模型并通过超参数调节方法对业务场景关
键表预测模型进行训练。
[0019]在一实施例中，业务场景关键表预测模型的训练方法还包括：
[0020]利用训练后的业务场景关键表预测模型生成预测结果。
[0021]评估预测结果是否满足预测需求。
[0022]在一实施例中，评估预测结果是否满足预测需求，包括：
[0023]计算预测结果与预测需求之间的若干个误差值。
[0024]根据若干个误差值计算平均误差值。
[0025]根据平均误差值与预设的阈值之间的大小关系判断是否满足预测需求。
[0026]根据本申请的第二个方面，还提供了一种业务场景关键表预测装置，包括：
[0027]信息获取单元，用于获取待预测业务在当前场景下的应用信息和待预测业务执行过程中的SQL执行相关信息；
[0028]模型选取单元，用于根据应用信息和SQL执行相关信息从预先建立的业务场景关键表预测模型集合中选取对应的业务场景关键表预测模型；
[0029]业务场景关键表预测单元，用于将应用信息和SQL执行相关信息进行特征工程处理后输入业务场景关键表预测模型获得业务场景关键表。
[0030]在一实施例中，业务场景关键表预测装置还包括一业务场景关键表预测模型的训练装置，包括：
[0031]训练数据获取单元，用于从历史业务场景关键表中获取训练数据，训练数据中包括应用信息和SQL执行相关信息；
[0032]预处理单元，用于对训练数据进行预处理；
[0033]训练单元，用于利用预处理后的训练数据训练预先构建的业务场景关键表预测模型。
[0034]在一实施例中，预处理单元包括：
[0035]时间特征提取模块，用于对训练数据的时间维度进行特征衍生，获得时间特征；
[0036]统计特征提取模块，用于对训练数据的统计维度进行特征衍生，获得统计特征；
[0037]特征数据获取模块，用于根据时间特征和统计特征生成特征数据。
[0038]在一实施例中，训练单元包括：
[0039]超参数调节训练模块，用于将特征数据输入业务场景关键表预测模型并通过超参数调节方法对业务场景关键表预测模型进行训练。
[0040]在一实施例中，业务场景关键表预测模型的训练装置还包括：
[0041]预测结果生成模块，用于利用训练后的业务场景关键表预测模型生成预测结果；
[0042]评估模块，用于评估预测结果是否满足预测需求。
[0043]在一实施例中，评估模块包括：
[0044]误差值计算模块，用于计算预测结果与预测需求之间的若干个误差值；
[0045]平均误差计算模块，用于根据若干个误差值计算平均误差值；
[0046]需求判断模块，用于根据平均误差值与预设的阈值之间的大小关系判断是否满足预测需求。
[0047]根据本申请的第三个方面，还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现业务场景关键表预测
方法的步骤。
[0048]根据本申请的第四个方面，还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业务场景关键表预测方法的步骤。
[0049]由上技术方案可知，本申请提供了一种实现业务场景关键表预测方法及装置，方法包括：获取待预测业务在当前场景下的应用信息和待预测业务执行过程中的SQL执行相关信息；根据应用信息和SQL执行相关信息从预先建立的业务场景关键表预测模型集合中选取对应的业务场景关键表预测模型；将应用信息和SQL执行相关信息进行特征工程处理后输入业务场景关键表预测模型获得业务场景关键表。通过机器学习模型，对历史数据进行预处理后作为训练数据对模型进行训练，最终实现对数据库业务场景中关键表的预测的功能，可以通过预测历史业务路径中关键表的分析，精准预测新增业务的关键表，保证测试阶段覆盖所有关键表，进行风险提示，保证业务系统的正常投产运行。不仅如此，通过分析历史业务场景中的交易路径，预测新增业务场景下的关键表，准备把握新增业务测试所面临的关键因素。在不改变测试环境，不增加测试流程，并且不影响测试架构的前提下，进行测试风险规避，提供关键表精准预估，能够有效控制测试风险，提高测试质量，为业务系统稳定运行提供有力保障。
附图说明
[0050]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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，还可以根据这本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种业务场景关键表预测方法，其特征在于，包括：获取待预测业务在当前场景下的应用信息和待预测业务执行过程中的执行相关信息；根据所述应用信息和所述执行相关信息从预先建立的业务场景关键表预测模型集合中选取对应的业务场景关键表预测模型；将所述应用信息和所述执行相关信息进行特征工程处理后输入所述业务场景关键表预测模型获得业务场景关键表。2.根据权利要求1所述的业务场景关键表预测方法，其特征在于，业务场景关键表预测模型的训练方法包括：从历史业务场景关键表中获取训练数据，所述训练数据中包括应用信息和执行相关信息；对所述训练数据进行预处理；利用预处理后的所述训练数据训练预先构建的业务场景关键表预测模型。3.根据权利要求2所述的业务场景关键表预测方法，其特征在于，所述对所述训练数据进行预处理，包括：对所述训练数据的时间维度进行特征衍生，获得时间特征；对所述训练数据的统计维度进行特征衍生，获得统计特征；根据所述时间特征和所述统计特征生成特征数据。4.根据权利要求3所述的业务场景关键表预测方法，其特征在于，所述利用预处理后的所述训练数据训练预先构建的业务场景关键表预测模型，包括：将所述特征数据输入所述业务场景关键表预测模型并通过超参数调节方法对所述业务场景关键表预测模型进行训练。5.根据权利要求4所述的业务场景关键表预测方法，其特征在于，业务场景关键表预测模型的训练方法还包括：利用训练后的所述业务场景关键表预测模型生成预测结果；评估所述预测结果是否满足预测需求。6.根据权利要求5所述的业务场景...

【专利技术属性】
技术研发人员：马文莹，肖茂川，袁亚辉，刘致远，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：