【技术实现步骤摘要】
本专利技术涉及数据缓存，尤其涉及一种供应链金融保理订单的动态缓存方法、设备及介质。
技术介绍
1、随着时间和业务需求的变化，数据的访问模式和重要性可能会发生变化，且当待查询的数据量较大，查询请求对应的数据量较多时，会导致数据查询的缓慢，但查询响应的慢速很可能是由数据存储不合理导致的，因此，需要对数据存储的方式进行优化。
2、现有的数据缓存技术是指将数据存储在内存中。实际应用中，将大量数据存储在内存中可能会受到容量限制，无法存储所有数据，当数据量增大时，无法简单地通过增加内存来扩展系统的存储容量，导致在数据查询时，查询数据速度较慢，从而对进行数据查询时的效率较低。
技术实现思路
1、本专利技术提供一种供应链金融保理订单的动态缓存方法、设备及介质，其主要目的在于解决进行数据查询时的效率较低的问题。
2、为实现上述目的，本专利技术提供的一种供应链金融保理订单的动态缓存方法，包括：
3、提取保理还款页面内历史查询记录的被查询订单数据；
4、利用预设的时序模型统计所述被查询订单数据在不同时间点上被查询的概率分布；
5、当每个被查询订单数据对应的概率分布中的最高概率值小于预设的概率阈值时，将所述最高概率值对应的被查询订单数据汇集为第一保理订单数据，并将所述第一保理订单数据存储至分级缓存中的物理介质层；
6、当每个被查询订单数据对应的最高概率值大于或等于预设的概率阈值时，将所述最高概率值对应的被查询订单数据汇集为第二保理订单
7、可选地，所述提取保理还款页面内历史查询记录的被查询订单数据，包括：
8、根据预设的时间区间段对所述历史查询记录进行时间分类；
9、对时间分类后的历史查询记录中不同类型的查询数据进行分类；
10、将分类后不同类型的查询数据汇集为被查询订单数据。
11、可选地，所述利用预设的时序模型统计所述被查询订单数据在不同时间点上被查询的概率分布，包括：
12、在预设的时间区间内统计所述被查询订单数据在历史时间点上被查询的第一概率分布；
13、按照所述被查询订单数据对应的查询时间点生成所述被查询订单数据的时序数据；
14、根据预设的滞后阶数统计所述时序数据中的误差项；
15、利用预设的时序模型及所述误差项计算所述被查询订单数据在目标时间点上的查询次数观测值；
16、根据所述查询次数观测值统计所述被查询订单数据在目标时间点上的第二概率分布；
17、将所述第一概率分布对应的第一曲线及所述第二概率分布对应的第二曲线拟合为所述被查询订单数据在不同时间点上被查询的概率分布。
18、可选地，所述利用预设的时序模型及所述误差项计算所述被查询订单数据在目标时间点上的查询次数观测值，包括：
19、利用所述时序数据拟合预设的时序模型，并确定拟合后的时序模型的模型常数项和滞后阶数；
20、根据所述模型常数项、所述滞后阶数及所述误差项计算所述被查询订单数据在目标时间点上的查询次数观测值，其中，查询次数观测值的计算公式为：
21、
22、其中，xt为在目标时间点t上的查询次数观测值，c为所述模型常数项，θi为第i个拟合模型参数，εt-i为第t-i个误差项，q为所述滞后阶数。
23、可选地，所述将所述最高概率值对应的被查询订单数据汇集为第一保理订单数据，包括：
24、统计每个概率分布中所述最高概率值对应的被查询订单数据的数据数量；
25、当所述数据数量大于预设的数量阈值时，任一选取所述最高概率值对应的被查询订单数据作为目标被查询订单数据，汇集所述目标被查询订单数据为第一保理订单数据；
26、当所述数据数量等于预设的数量阈值时，将所述最高概率值对应的被查询订单数据作为目标被查询订单数据，汇集所述目标被查询订单数据为第一保理订单数据。
27、可选地，所述将所述第一保理订单数据存储至分级缓存中的物理介质层之前，所述方法还包括：
28、按照从上到下的顺序划分为高层缓存结构及低层缓存结构；
29、将所述高层缓存结构作为高速缓存层，以及将所述低层缓存结构作为物理介质层；
30、按照从上到下的顺序将所述高速缓存层及所述物理介质层构建为分级缓存。
31、可选地，所述将所述第一保理订单数据存储至分级缓存中的物理介质层，包括：
32、将所述第一保理订单数据作为查询冷数据，并获取所述查询冷数据的存储地址；
33、按照所述存储地址将所述查询冷数据分配至分级缓存中的物理介质层；
34、根据预设的时间变化计算所述被查询订单数据的实时概率分布；
35、根据所述实时概率分布更新所述第一保理订单数据，并返回至所述将所述第一保理订单数据作为查询冷数据的步骤，直至达到预设的截止时间。
36、可选地，所述按照所述概率分布中最高概率值的分布变化对所述第二保理订单数据进行动态缓存，包括：
37、根据所述概率分布中的最高概率值确定每个被查询订单数据的缓存优先级；
38、将所述缓存优先级最高的被查询订单数据存储至分级缓存中的高速缓存层；
39、提取所述分布变化中每个被查询订单数据对应的最高概率值的概率变化；
40、根据所述概率变化更新所述概率分布中的最高概率值；
41、根据更新后的最高概率值更新每个被查询订单数据对应的缓存优先级，并放回至将所述缓存优先级最高的被查询订单数据存储至分级缓存中的高速缓存层的步骤，直至所有的被查询订单数据均完成存储。
42、为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
43、至少一个处理器；以及，
44、与所述至少一个处理器通信连接的存储器；其中，
45、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的供应链金融保理订单的动态缓存方法。
46、为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的供应链金融保理订单的动态缓存方法。
47、本专利技术实施例根据保理还款页面的历史查询记录进行大数据分析，结合时序模型以确认不同类型数据在不同时期被查询的概率分布，进而根据概率分布将保理数据进行分层存储，将不经常被查询的数据存储于最底层，而根据时序分布的不同，将经常被查询的数据根据其分布时序进行动态缓存，以提升数据整体的查询效率。因此本专利技术提出的供应链金融保理订单的动态缓存方法、设备及介质，可以解决进行数据查询时的效率较低的问题。
本文档来自技高网...【技术保护点】
1.一种供应链金融保理订单的动态缓存方法，其特征在于，所述方法包括：
2.如权利要求1所述的供应链金融保理订单的动态缓存方法，其特征在于，所述提取保理还款页面内历史查询记录的被查询订单数据，包括：
3.如权利要求1所述的供应链金融保理订单的动态缓存方法，其特征在于，所述利用预设的时序模型统计所述被查询订单数据在不同时间点上被查询的概率分布，包括：
4.如权利要求3所述的供应链金融保理订单的动态缓存方法，其特征在于，所述利用预设的时序模型及所述误差项计算所述被查询订单数据在目标时间点上的查询次数观测值，包括：
5.如权利要求1所述的供应链金融保理订单的动态缓存方法，其特征在于，所述将所述最高概率值对应的被查询订单数据汇集为第一保理订单数据，包括：
6.如权利要求1所述的供应链金融保理订单的动态缓存方法，其特征在于，所述将所述第一保理订单数据存储至分级缓存中的物理介质层之前，所述方法还包括：
7.如权利要求6所述的供应链金融保理订单的动态缓存方法，其特征在于，所述将所述第一保理订单数据存储至分级缓存中的物理介质层
8.如权利要求1所述的供应链金融保理订单的动态缓存方法，其特征在于，所述按照所述概率分布中最高概率值的分布变化对所述第二保理订单数据进行动态缓存，包括：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8中任意一项所述的供应链金融保理订单的动态缓存方法。
...【技术特征摘要】
1.一种供应链金融保理订单的动态缓存方法，其特征在于，所述方法包括：
2.如权利要求1所述的供应链金融保理订单的动态缓存方法，其特征在于，所述提取保理还款页面内历史查询记录的被查询订单数据，包括：
3.如权利要求1所述的供应链金融保理订单的动态缓存方法，其特征在于，所述利用预设的时序模型统计所述被查询订单数据在不同时间点上被查询的概率分布，包括：
4.如权利要求3所述的供应链金融保理订单的动态缓存方法，其特征在于，所述利用预设的时序模型及所述误差项计算所述被查询订单数据在目标时间点上的查询次数观测值，包括：
5.如权利要求1所述的供应链金融保理订单的动态缓存方法，其特征在于，所述将所述最高概率值对应的被查询订单数据汇集为第一保理订单数据，包括：<...
【专利技术属性】
技术研发人员：李琦，夏璨，张雄，周逸峰，陈晓俊，苏超，余炼杰，
申请(专利权)人：招商局智融供应链服务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。