[发明专利]一种基于低代码DSL的对象解析方法及装置有效
申请号: | 202310907292.6 | 申请日: | 2023-07-24 |
公开(公告)号: | CN116661756B | 公开(公告)日: | 2023-10-27 |
发明(设计)人: | 梁伟清 | 申请(专利权)人: | 浩鲸云计算科技股份有限公司 |
主分类号: | G06F8/30 | 分类号: | G06F8/30;G06F8/20;G06F16/25;G06F8/71 |
代理公司: | 南京中盟科创知识产权代理事务所(特殊普通合伙) 32279 | 代理人: | 张靖尧 |
地址: | 210000 江苏省南*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 代码 dsl 对象 解析 方法 装置 | ||
1.一种基于低代码DSL的对象解析方法,其特征在于,包括:
步骤S1: 通过配置管理模块,进行对象、模型、静态数据、序列、索引、测试用例和对象版本的创建、修改、删除、查询和导出;
步骤S2:利用对象设计器,配置对象的基本信息、属性赋值规则和对象关系,并生成默认服务;
步骤S3:使用对象解析执行引擎,对对象的默认服务或扩展后的服务数据包进行解析和执行;
步骤S4:通过对象运维管理模块,实现运行时的运维管理,包括对象导入、对象服务拨测、服务执行日志查询和测试用例的自动化测试。
2.根据权利要求1所述的一种基于低代码DSL的对象解析方法,其特征在于,步骤S1具体为:
步骤S11:进行对象的列表查询,对象的新增、修改、删除、复制、导出管理;
步骤S12:管理模型,进行模型的列表查询,模型的修改、查看管理;
步骤S13:静态数据管理,包括静态数据的列表查询,静态数据的新增、修改、删除、查看管理,同时支持手工、EXCEL导入方式去创建静态数据;
步骤S14:提供序列的列表管理,序列的新增、删除、修改管理;
步骤S15:索引管理,提供当前应用下的索引的列表管理,索引的新增、删除管理;
步骤S16:对象服务的测试用例列表查询,进行测试用例的新增、修改、删除、导出管理;
步骤S17:查询出每个版本的操作日志,进行不同版本对比、回退。
3.根据权利要求1所述的一种基于低代码DSL的对象解析方法,其特征在于,步骤S2具体为:
步骤S21:配置对象基本信息;
步骤S22:对象属性配置以及设定对象赋值规则;
步骤S23:配置对象关系;
步骤S24:在对象配置过程中,根据平台预置的行业对象、当前应用里的对象、对象关系、配置人员当前操作,自动推荐出要建的对象、属性、关系;
步骤S26:配置好的对象,自动生成缺省服务。
4.根据权利要求1所述的一种基于低代码DSL的对象解析方法,其特征在于,步骤S3具体为:
步骤S31:解析请求数据包、响应数据包;
步骤S32:执行数据包;
步骤S33:根据对象配置的服务解析出SQL或者NoSQL,然后在对应的数据库上执行。
5.根据权利要求1所述的一种基于低代码DSL的对象解析方法,其特征在于,步骤S4具体为:
步骤S41:对对象的XML描述进行导入,对象导入在不同的环境间进行对象配置的迁移;
步骤S42:定时对服务的拨测,实时获取服务的可用性,服务出现异常时及时发出告警;
步骤S43:对服务执行的日志进行查询;
步骤S44:对服务的测试用例进行自动化测试,支持接口级别、交易级别的自动化测试。
6.根据权利要求1所述的一种基于低代码DSL的对象解析方法,其特征在于,还包括:AI辅助设计,具体为:
步骤S51:收集历史的对象设计数据;
步骤S52:对收集到的数据进行清洗和格式化,保证数据的质量,将这些数据转换为机器学习模型可以理解的格式;
步骤S53:使用这些处理过的数据训练一个预测模型;
步骤S54:测试这个模型的预测效果,对模型进行优化;
步骤S55:将训练好的模型集成到对象设计的流程中,当用户在设计新的对象时,模型就根据用户已经输入的数据进行预测,给出建议;
步骤S56:收集用户的反馈,以及模型的预测效果数据,持续优化模型的预测性能。
7.根据权利要求6所述的一种基于低代码DSL的对象解析方法,其特征在于,步骤S51中对象设计数据包括已经设计过的对象的属性、关联关系、以及对象使用中的性能数据。
8.一种基于低代码DSL的对象解析装置,适用于权利要求1至7中的任一项所述的一种基于低代码DSL的对象解析方法,其特征在于,包括配置管理模块、对象设计器模块、对象解析执行引擎模块和对象运维管理模块。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浩鲸云计算科技股份有限公司,未经浩鲸云计算科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310907292.6/1.html,转载请声明来源钻瓜专利网。