一种变量逻辑开发方法、装置、设备及存储介质与流程

1.本发明涉及客户变量处理技术领域，特别涉及一种变量逻辑开发方法、装置、设备及存储介质。


背景技术：

2.实时变量是利用实时数据加工客户某种特征的产出，金融类公司利用实时变量进行风险拦截、信用额度评定等工作；由于实时变量的加工使用原始数据种类非常丰富，包含客户使用金融app(application,应用)采集的埋点数据、客户行为类数据、客户在三方机构的信用类数据，客户在金融公司历史交易数据等；因此目前加工变量会存在如下两个问题：
3.1.加工实时变量时，测试数据往往无法全面的测试加工逻辑的有效性；由于数据过于丰富且很多来源于第三方系统，因此测试工程师制造的测试数据往往无法全面覆盖所有可能的真实情况，会造成测试不全面；
4.2.产出和需求不一致；变量开发的时候，由于无法和真实数据进行交互，会造成开发好的变量在生产应用的时候，才会发现逻辑并不符合需求预期；
5.总之，传统模式开发周期长，投入成本高，产出效果低，因此如何提高变量逻辑开发效率和效果是本领域要解决的问题。


技术实现要素：

6.有鉴于此，本发明的目的在于提供一种变量逻辑开发方法、装置、设备及存储介质，可以通过kafka利用生产业务的历史数据以及最新的实时数据对变量逻辑进行开发，提高了变量逻辑开发效率和实用性。其具体方案如下：
7.第一方面，本技术提供了一种变量逻辑开发方法，包括：
8.利用第一预设kafka消息队列存储生产业务的业务数据；
9.对所述业务数据进行分析，得到初始变量逻辑；
10.利用所述初始变量逻辑对所述业务数据中的实时业务数据进行变量计算，并判断相应的变量结果与预设期望输出结果是否匹配；
11.若是，则将所述初始变量逻辑判定为目标变量逻辑。
12.可选的，所述利用预设kafka消息队列存储生产业务的业务数据，包括：
13.利用第一预设kafka消息队列存储生产业务产生的实时业务数据，并将所述实时业务数据合并至所述生产业务的历史业务数据，得到与所述生产业务对应的业务数据。
14.可选的，所述对所述业务数据进行分析，得到初始变量逻辑，包括：
15.基于预设时间周期对所述业务数据中第一时间周期对应的数据进行分析，得到第一变量逻辑；
16.利用所述第一变量逻辑对所述业务数据中在第一时间周期之前的历史数据进行变量计算，得到相应的计算结果；
17.判断所述计算结果与所述历史数据对应的预设变量结果是否匹配；
18.若是，则将所述第一变量逻辑确定为初始变量逻辑。
19.可选的，所述判断所述计算结果与所述历史数据对应的预设变量结果是否匹配之后，还包括：
20.若所述计算结果与所述预设变量结果不匹配，则利用所述历史数据和对应的所述预设变量结果对所述第一变量逻辑进行调整，得到第二变量逻辑；
21.将所述第二变量逻辑确定为所述初始变量逻辑。
22.可选的，所述利用所述初始变量逻辑对所述业务数据中的实时业务数据进行变量计算，并判断相应的变量结果与预设期望输出结果是否匹配，包括：
23.基于预设时间周期从所述第一预设kafka消息队列中获取当前时间周期对应的实时业务数据；
24.利用所述初始变量逻辑对所述实时业务数据进行变量计算，得到相应的变量结果；
25.通过预设前端页面展示所述变量结果，以判断所述变量结果与预设期望输出结果是否匹配。
26.可选的，所述通过预设前端页面展示所述变量结果，以判断所述变量结果与预设期望输出结果是否匹配，包括：
27.利用第二预设kafka消息队列缓存所述变量结果，并利用websocket技术通过预设前端页面展示所述变量结果；
28.通过预设人机交互接口获取针对所述变量结果与所述预设期望输出结果之间的匹配结果。
29.可选的，所述将所述初始变量逻辑判定为目标变量逻辑之后，还包括：
30.将所述目标变量逻辑部署到所述生产业务中，以利用所述目标变量逻辑对相关数据进行加工处理。
31.第二方面，本技术提供了一种变量逻辑开发装置，包括：
32.数据存储模块，用于利用第一预设kafka消息队列存储生产业务的业务数据；
33.变量逻辑开发模块，用于对所述业务数据进行分析，得到初始变量逻辑；
34.变量逻辑判断模块，用于利用所述初始变量逻辑对所述业务数据中的实时业务数据进行变量计算，并判断相应的变量结果与预设期望输出结果是否匹配；
35.变量逻辑判定模块，用于当所述变量结果与所述预设期望输出结果相匹配时，将所述初始变量逻辑判定为目标变量逻辑。
36.第三方面，本技术提供了一种电子设备，包括：
37.存储器，用于保存计算机程序；
38.处理器，用于执行所述计算机程序以实现如上述的变量逻辑开发方法。
39.第四方面，本技术提供了一种计算机可读存储介质，用于保存计算机程序，所述计算机程序被处理器执行时实现如上述的变量逻辑开发方法。
40.由此可见，本技术可以利用第一预设kafka消息队列存储生产业务的业务数据；然后对所述业务数据进行分析，得到初始变量逻辑；再利用所述初始变量逻辑对所述业务数据中的实时业务数据进行变量计算，并判断相应的变量结果与预设期望输出结果是否匹配；若是，则将所述初始变量逻辑判定为目标变量逻辑。这样一来，本技术可以使用kafka利
用生产业务的历史数据以及最新的实时数据对变量逻辑进行开发，提高了变量逻辑开发效率，并且利用实时数据进行开发可以保证得到的变量逻辑与实际的需求是一致的，能够得到符合预期的变量逻辑，提升了变量逻辑的实用性。
附图说明
41.为了更清楚地说明本发明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发明的实施例，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，还可以根据提供的附图获得其他的附图。
42.图1为本技术公开的一种变量逻辑开发方法流程图；
43.图2为本技术公开的一种具体的变量逻辑开发方法流程图；
44.图3为本技术公开的另一种具体的变量逻辑开发方法流程图；
45.图4为本技术公开的一种具体的变量逻辑测试方法流程图；
46.图5为本技术公开的又一种具体的变量逻辑开发方法流程图；
47.图6为本技术公开的一种具体的变量程序组合方法流程图；
48.图7为本技术公开的一种变量逻辑开发装置结构示意图；
49.图8为本技术公开的一种电子设备结构图。
具体实施方式
50.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
51.传统的变量开发模式，通常是由业务人员分析离线数据提出变量需求，然后交给技术团队进行评审、开发、测试、上线、运维等工作。可见这种变量开发测试模式，流程长，涉及范围广，造成变量加工产出效率低；同时，由于业务人员是通过分析离线数据提出的实时需求，当实时和离线数据存在差异时，会造成技术开发产出和业务需求不一致，甚至需要多次循环上述流程的情况，进一步造成变量上线效率低的情况，验证影响了业务产出效果。而本技术中可以使用历史业务数据和实时业务数据对变量逻辑进行开发，能够保证得到的变量逻辑是符合预期业务需求，并且可以缩短开发周期，提高变量逻辑开发效率。
52.参见图1所示，本发明实施例公开了一种变量逻辑开发方法，包括：
53.步骤s11、利用第一预设kafka消息队列存储生产业务的业务数据。
54.本技术中，增加了kafka(一种消息系统)存储生产业务的业务数据，在具体的实施例中，可以通过预设kafka消息队列存储生产业务中用户数据库数据、页面用户行为埋点、三方数据等线上数据，然后再传输给下游业务；或者下游也可以选择不通过。在一种具体的实施例中，所述利用预设kafka消息队列存储生产业务的业务数据，可以包括：利用第一预设kafka消息队列存储生产业务产生的实时业务数据，并将所述实时业务数据合并至所述生产业务的历史业务数据，得到与所述生产业务对应的业务数据。具体的，利用第一预设kafka消息队列可以存储生产业务产生的实时业务数据，并且可以保存部分历史业务数据，
以便后续利用实时业务数据和历史业务数据对相应变量逻辑进行开发测试。
55.步骤s12、对所述业务数据进行分析，得到初始变量逻辑。
56.本技术中，可以对得到的业务数据进行分析，以得到初始变量逻辑；换句话说，可以通过生产业务在某一时间段的业务数据得到初始变量逻辑。在一种具体的实施例中，所述对所述业务数据进行分析，得到初始变量逻辑，可以包括：基于预设时间周期对所述业务数据中第一时间周期对应的数据进行分析，得到第一变量逻辑；利用所述第一变量逻辑对所述业务数据中在第一时间周期之前的历史数据进行变量计算，得到相应的计算结果；判断所述计算结果与所述历史数据对应的预设变量结果是否匹配；若是，则将所述第一变量逻辑确定为初始变量逻辑。具体的，可以根据预设时间周期对业务数据中第一时间周期的业务数据进行分析，以得到第一变量逻辑，这里使用的第一时间周期可以当前的时间周期，即利用当前最新的业务数据得到第一变量逻辑。进一步的，可以利用第一时间周期之前的历史数据对第一变量逻辑进行优化；具体的，先利用第一变量逻辑对第一时间周期之前的历史数据进行计算，得到相应的计算结果；然后再判断该计算结果与预设变量结果是否匹配；可以理解的是预设变量结果为通过业务人员的经验或者现有的方法得到的与第一时间周期之前的历史数据对应的变量结果。因此，可以判断通过第一变量逻辑得到计算结果与预设变量结果是否匹配来进一步对第一变量逻辑进行调整优化，可以通过预设的匹配度来控制调整的程度。当预设变量结果与计算结果相匹配时，可以直接将第一变量逻辑确定为初始变量逻辑。
57.在另一种具体的实施例中，所述判断所述计算结果与所述历史数据对应的预设变量结果是否匹配之后，还可以包括：若所述计算结果与所述预设变量结果不匹配，则利用所述历史数据和对应的所述预设变量结果对所述第一变量逻辑进行调整，得到第二变量逻辑；将所述第二变量逻辑确定为所述初始变量逻辑。具体的，当通过第一变量逻辑对历史业务数据计算得到的计算结果与预设变量结果不匹配时，说明当前的第一变量逻辑不符合预期，可以利用历史业务数据以及对应的预设变量结果对第一变量逻辑进行调整；进一步的，可以预设匹配度，当通过调整后得到的第二变量逻辑对历史业务数据计算后的结果与预设变量结果的匹配度不小于预设匹配度时才可以认定该调整后的第二变量逻辑符合预期，此时可以将第二变量逻辑确定为初始变量逻辑。
58.步骤s13、利用所述初始变量逻辑对所述业务数据中的实时业务数据进行变量计算，并判断相应的变量结果与预设期望输出结果是否匹配。
59.本技术中，通过步骤s12可以相对于历史业务数据得到符合预期的初始变量逻辑；进一步的，为了避免该初始变量逻辑存在时效性，即与后续的实时业务数据不匹配，不能得到与实时业务数据对应的符合预期的变量结果；本技术可以利用初始变量逻辑对实时业务数据进行计算，得到相应的变量结果。需要指出的是，与实时业务数据对应的预设期望输出为业务人员根据自身经验或者简便快速的方式得到的期望输出；此时，可以判断通过初始变量逻辑对实时业务数据计算得到的变量结果与预设期望输出之间是否匹配。
60.步骤s14、若是，则将所述初始变量逻辑判定为目标变量逻辑。
61.本技术中，若利用初始变量逻辑对实时业务数据计算后的变量结果与相应的预设期望输出相匹配，则可以将该初始变量逻辑判定为目标变量逻辑。可以理解的是，通过这个步骤就可以判断出该变量逻辑能够适用于历史业务数据和实时业务数据，有着较高的适用
性和时效性，可以部署生产。
62.在一种具体的实施例中，所述将所述初始变量逻辑判定为目标变量逻辑之后，还可以包括：将所述目标变量逻辑部署到所述生产业务中，以利用所述目标变量逻辑对相关数据进行加工处理。具体的，通过前述步骤对该变量逻辑进行调整和测试之后，可以将最终得到的目标变量逻辑部署到生产业务中，利用该目标变量逻辑对相关客户的信息进行加工，以满足相关业务的使用需求。
63.在一种具体的实施例中，如图2所示，可以通过生产业务kafka(第一预设kafka消息队列)保存生产业务的相关数据，可以包括用户数据库数据、页面用户行为埋点数据以及三方数据等；下游业务可以直接消费该生产业务kafka中的业务数据，不影响生产业务的工作过程。进一步的，该生产业务kafka可以将其中的业务数据用于变量逻辑的开发过程；具体的，可以利用最新的业务数据(第一时间周期的业务数据)以及相应历史业务数据进行变量逻辑开发，这样可以得到初始变量逻辑；进一步的，可以利用最新或者历史业务数据对该初始变量逻辑进行逻辑测试，这一步更多是利用实时业务数据进行测试，可以将测试得到的结果存入测试业务kafka(第二预设kafka消息队列)，然后经业务人员进行验证。需要指出的是，将测试结果存入测试业务kafka，可以避免不完善的初始变量逻辑影响生产业务的正常进行，这样通过单独的测试业务kafka可以实现利用实时业务数据对初始变量逻辑进行测试，以提高变量逻辑的时效性，能够尽量避免出现开发的变量逻辑不适用最新实时业务数据的情况。进一步的，若初始变量逻辑经测试合格之后，可以直接投入线上使用，并实时维护，这样就完成了整个变量逻辑的开发过程。
64.由此可见，本技术可以通过kafka消息队列保存实时业务数据和若干历史时间周期的历史业务数据，能够利用这些数据对变量逻辑进行调整测试，能够保证最终得到的变量逻辑有着较高的适用性；并且业务人员可以根据业务经验对变量逻辑进行调整，可以缩短变量逻辑开发时间，提高了变量逻辑产出效率。
65.参见图3所示，本发明实施例公开了一种变量逻辑开发方法，包括：
66.步骤s21、利用第一预设kafka消息队列存储生产业务的业务数据。
67.步骤s22、对所述业务数据进行分析，得到初始变量逻辑。
68.步骤s23、基于预设时间周期从所述第一预设kafka消息队列中获取当前时间周期对应的实时业务数据。
69.本技术实施例中，可以根据预设时间周期从第一预设kafka消息队列中获取当前时间周期对应的实时业务数据；可以理解的是，该消息队列中还保存有若干历史时间周期对应的历史业务数据。通过前述实施例中内容可知，该初始变量逻辑为符合历史业务数据对应的预设变量计算结果的变量逻辑，是可以适用于历史业务数据的变量逻辑；进一步的，可以再利用实时业务数据对该初始变量逻辑进行调整测试，以得到最终的有较高适用性的变量逻辑。
70.步骤s24、利用所述初始变量逻辑对所述实时业务数据进行变量计算，得到相应的变量结果。
71.进一步的，得到初始变量逻辑和当前时间周期的实时业务数据之后，可以直接利用初始变量逻辑对这些实时业务数据进行计算，得到相应的变量结果。可以理解的是，该变量结果中有可能存在不符合预期的变量计算结果；由于数据存在时效性，所以利用历史业
务数据得到的变量逻辑有可能是不适用于最新的业务数据的，本技术可以利用初始变量逻辑对实时业务数据进行计算，得到针对最新业务数据的变量计算结果。
72.步骤s25、利用第二预设kafka消息队列缓存所述变量结果，并利用websocket技术通过预设前端页面展示所述变量结果。
73.可以理解的是，为判断初始变量逻辑是否适用于最新的业务数据，可以将通过初始变量逻辑对实时业务数据计算得到的变量结果与实时业务数据对应的预设期望输出进行比较，以判断结果是否匹配。具体的，可以先利用第二预设kafka消息队列缓存相应的变量结果，然后可以通过websocket(双向通信)技术在预设前端页面展示相应的变量结果。
74.步骤s26、通过预设人机交互接口获取针对所述变量结果与所述预设期望输出结果之间的匹配结果。
75.进一步的，业务人员可以根据自身经验对实时业务数据作出判断，并评估通过初始变量逻辑对实时业务数据计算得到的变量结果是否可行，即根据需要指出的是，实时业务数据没有预先设置好的期望输出，只是业务人员根据自身经验对实时业务数据做出的判断。本技术中，通过预设人机交互接口可以获取业务人员针对变量结果与预设期望输出结果之间的匹配结果，即业务人员对初始变量逻辑的评估结果。
76.在一种具体的实施例中，如图4所示，在对初始变量逻辑进行测试时，首先消费生产kafka的数据(第一预设kafka消息队列中的实时业务数据)，利用开发好的初始变量逻辑进行变量计算，得到相应的变量结果；然后将变量结果输出至测试kafka(第二预设kafka消息队列)；之后可以使用websocket技术将测试kafka中的数据推送到前端页面展示，由业务人员分析评估这些变量结果，以对初始变量逻辑进行开发或测试，直至最终的变量逻辑可以满足业务人员的使用需求。
77.步骤s27、若所述匹配结果表征相匹配，则将所述初始变量逻辑判定为目标变量逻辑。
78.本技术实施例中，若针对初始变量逻辑的匹配结果表征变量结果与预设期望结果相匹配，则说明该初始变量结果可以满足业务人员对实时业务数据的变量计算需求，因此，可以将该初始变量结果判定为目标变量逻辑，这样就完成了变量逻辑的开发过程，后续可以将该目标变量逻辑部署到生产业务中。
79.在一种具体的实施例中，如图5所示，业务人员可以根据实际需求利用逻辑模块进行变量逻辑开发得到初始变量逻辑，其中需要用到输入模块，该输入模块(第一预设kafka消息队列)使用真实的业务数据。进一步的，业务人员可以对得到的初始变量逻辑进行测试，具体的，使用真实的业务数据对初始变量逻辑进行测试，并将得到的变量结果存入测试kafka(第二预设kafka消息队列)，在具体的实施例中，可以用测试kafka替换生产业务的输出模块，用于对变量逻辑进行测试；相应的，原有的生产业务的过程不会受到影响。之后业务人员可以消费测试kafka中的数据，即测试得到的变量结果；具体可以使用websocket技术将结果展示到预设页面，以便于业务人员分析结果数据，确定进行后续开发或回归测试；若该变量逻辑达到了业务人员的使用需求，可以直接部署生产，使用真实输出模块利用该变量逻辑进行生产上线。
80.进一步的，为方便业务人员进行逻辑开发，可以将逻辑开发方法封装成sql函数，让业务人员使用sql方式进行逻辑开发，可以如下所示：
[0081][0082][0083]
其中risk_vara_output_sink是封装的数据输出模块，接口使用risk_vara_output_sink表的形式抽象虚拟，真实数据指向kafka另外一个topic，用于生产使用；user_appl_info是客户申请明细虚拟表，是封装的输入数据模块，真实数据来源于生产业务kafka；业务开发人员使用sql方式，可以撰写：
[0084][0085]
这个逻辑来表达客户最近一天之内被拒绝申请次数变量recent1day_refuse_apply_cnt。这样一来，本技术中业务人员可以直接进行变量逻辑的开发以及测试过程，不需要通过技术人员完成相关工作，可以极大提高变量逻辑的开发效率。
[0086]
进一步的，在又一种具体的实施例中，为便于业务人员快速开发变量逻辑，可以对变量逻辑开发过程进行封装，得到数据源模块(包含第一预设kafka消息队列)、变量逻辑模块、变量输出模块(包含第二预设kafka消息队列)，如图6所示，其中变量逻辑模块可以得到最终的符合业务人员实际需求的目标变量逻辑，然后可以直接引入数据源模块和数据输出模块进行组合，便可以得到变量程序。后续可以利用变量程序对生产业务中的实时业务数据进行变量计算，处理相关的业务需求。
[0087]
其中，关于上述步骤s21和s22更加具体的处理过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
[0088]
由此可见，本技术中可以利用第二预设kafka消息队列保存利用初始变量逻辑对实时业务数据计算得到的变量结果，可以在不影响生产业务的前提下利用实时业务数据对初始变量逻辑进行测试，后续可以对该变量逻辑进行调整以得到能够满足适用需求的目标变量逻辑；这样一来，业务人员可以直接对变量逻辑进行开发和测试工作，消除了业务人员和技术人员反复开发和测试变量的过程，能够提高变量逻辑的开发效率。
[0089]
如图7所示，本技术实施例公开了一种变量逻辑开发装置，包括：
[0090]
数据存储模块11，用于利用第一预设kafka消息队列存储生产业务的业务数据；
[0091]
变量逻辑开发模块12，用于对所述业务数据进行分析，得到初始变量逻辑；
[0092]
变量逻辑判断模块13，用于利用所述初始变量逻辑对所述业务数据中的实时业务数据进行变量计算，并判断相应的变量结果与预设期望输出结果是否匹配；
[0093]
变量逻辑判定模块14，用于当所述变量结果与所述预设期望输出结果相匹配时，将所述初始变量逻辑判定为目标变量逻辑。
[0094]
由此可见，本技术可以使用kafka利用生产业务的历史数据以及最新的实时数据对变量逻辑进行开发，提高了变量逻辑开发效率，并且利用实时数据进行开发可以保证得到的变量逻辑与实际的需求是一致的，能够得到符合预期的变量逻辑，提升了变量逻辑的实用性。
[0095]
在一种具体的实施例中，所述数据存储模块11，可以包括：
[0096]
数据存储单元，用于利用第一预设kafka消息队列存储生产业务产生的实时业务数据，并将所述实时业务数据合并至所述生产业务的历史业务数据，得到与所述生产业务对应的业务数据。
[0097]
在一种具体的实施例中，所述变量逻辑开发模块12，包括：
[0098]
数据分析单元，用于基于预设时间周期对所述业务数据中第一时间周期对应的数据进行分析，得到第一变量逻辑；
[0099]
第一数据变量计算单元，用于利用所述第一变量逻辑对所述业务数据中在第一时间周期之前的历史数据进行变量计算，得到相应的计算结果；
[0100]
第一结果匹配单元，用于判断所述计算结果与所述历史数据对应的预设变量结果是否匹配；
[0101]
第一变量逻辑确定单元，用于当所述计算结果与所述预设变量结果相匹配时是，则将所述第一变量逻辑确定为初始变量逻辑。
[0102]
在另一种具体的实施例中，所述装置还可以包括：
[0103]
变量逻辑调整单元，用于当所述计算结果与所述预设变量结果不匹配时，利用所述历史数据和对应的所述预设变量结果对所述第一变量逻辑进行调整，得到第二变量逻辑；
[0104]
第二变量逻辑确定单元，用于将所述第二变量逻辑确定为所述初始变量逻辑。
[0105]
在一种具体的实施例中，所述变量逻辑判断模块13，可以包括：
[0106]
实时数据获取单元，用于基于预设时间周期从所述第一预设kafka消息队列中获取当前时间周期对应的实时业务数据；
[0107]
第二数据变量计算单元，用于利用所述初始变量逻辑对所述实时业务数据进行变量计算，得到相应的变量结果；
[0108]
第二结果匹配子模块，用于通过预设前端页面展示所述变量结果，以判断所述变量结果与预设期望输出结果是否匹配。
[0109]
在一种具体的实施例中，所述第二结果匹配子模块，可以包括：
[0110]
变量结果展示单元，用于利用第二预设kafka消息队列缓存所述变量结果，并利用websocket技术通过预设前端页面展示所述变量结果；
[0111]
匹配结果获取单元，用于通过预设人机交互接口获取针对所述变量结果与所述预
设期望输出结果之间的匹配结果。
[0112]
在一种具体的实施例中，所述装置还可以包括：
[0113]
变量逻辑部署单元，用于将所述目标变量逻辑部署到所述生产业务中，以利用所述目标变量逻辑对相关数据进行加工处理。
[0114]
进一步的，本技术实施例还公开了一种电子设备，图8是根据一示例性实施例示出的电子设备20结构图，图中的内容不能认为是对本技术的使用范围的任何限制。
[0115]
图8为本技术实施例提供的一种电子设备20的结构示意图。该电子设备20，具体可以包括：至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中，所述存储器22用于存储计算机程序，所述计算机程序由所述处理器21加载并执行，以实现前述任一实施例公开的变量逻辑开发方法中的相关步骤。另外，本实施例中的电子设备20具体可以为电子计算机。
[0116]
本实施例中，电源23用于为电子设备20上的各硬件设备提供工作电压；通信接口24能够为电子设备20创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本技术技术方案的任意通信协议，在此不对其进行具体限定；输入输出接口25，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。
[0117]
另外，存储器22作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，其上所存储的资源可以包括操作系统221、计算机程序222等，存储方式可以是短暂存储或者永久存储。
[0118]
其中，操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222，其可以是windows server、netware、unix、linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的变量逻辑开发方法的计算机程序之外，还可以进一步包括能够用于完成其他特定工作的计算机程序。
[0119]
进一步的，本技术还公开了一种计算机可读存储介质，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的变量逻辑开发方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。
[0120]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0121]
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0122]
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术
领域内所公知的任意其它形式的存储介质中。
[0123]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0124]
以上对本技术所提供的技术方案进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。

技术特征：
1.一种变量逻辑开发方法，其特征在于，包括：利用第一预设kafka消息队列存储生产业务的业务数据；对所述业务数据进行分析，得到初始变量逻辑；利用所述初始变量逻辑对所述业务数据中的实时业务数据进行变量计算，并判断相应的变量结果与预设期望输出结果是否匹配；若是，则将所述初始变量逻辑判定为目标变量逻辑。2.根据权利要求1所述的变量逻辑开发方法，其特征在于，所述利用预设kafka消息队列存储生产业务的业务数据，包括：利用第一预设kafka消息队列存储生产业务产生的实时业务数据，并将所述实时业务数据合并至所述生产业务的历史业务数据，得到与所述生产业务对应的业务数据。3.根据权利要求1所述的变量逻辑开发方法，其特征在于，所述对所述业务数据进行分析，得到初始变量逻辑，包括：基于预设时间周期对所述业务数据中第一时间周期对应的数据进行分析，得到第一变量逻辑；利用所述第一变量逻辑对所述业务数据中在第一时间周期之前的历史数据进行变量计算，得到相应的计算结果；判断所述计算结果与所述历史数据对应的预设变量结果是否匹配；若是，则将所述第一变量逻辑确定为初始变量逻辑。4.根据权利要求3所述的变量逻辑开发方法，其特征在于，所述判断所述计算结果与所述历史数据对应的预设变量结果是否匹配之后，还包括：若所述计算结果与所述预设变量结果不匹配，则利用所述历史数据和对应的所述预设变量结果对所述第一变量逻辑进行调整，得到第二变量逻辑；将所述第二变量逻辑确定为所述初始变量逻辑。5.根据权利要求1所述的变量逻辑开发方法，其特征在于，所述利用所述初始变量逻辑对所述业务数据中的实时业务数据进行变量计算，并判断相应的变量结果与预设期望输出结果是否匹配，包括：基于预设时间周期从所述第一预设kafka消息队列中获取当前时间周期对应的实时业务数据；利用所述初始变量逻辑对所述实时业务数据进行变量计算，得到相应的变量结果；通过预设前端页面展示所述变量结果，以判断所述变量结果与预设期望输出结果是否匹配。6.根据权利要求5所述的变量逻辑开发方法，其特征在于，所述通过预设前端页面展示所述变量结果，以判断所述变量结果与预设期望输出结果是否匹配，包括：利用第二预设kafka消息队列缓存所述变量结果，并利用websocket技术通过预设前端页面展示所述变量结果；通过预设人机交互接口获取针对所述变量结果与所述预设期望输出结果之间的匹配结果。7.根据权利要求1至6任一项所述的变量逻辑开发方法，其特征在于，所述将所述初始变量逻辑判定为目标变量逻辑之后，还包括：
将所述目标变量逻辑部署到所述生产业务中，以利用所述目标变量逻辑对相关数据进行加工处理。8.一种变量逻辑开发装置，其特征在于，包括：数据存储模块，用于利用第一预设kafka消息队列存储生产业务的业务数据；变量逻辑开发模块，用于对所述业务数据进行分析，得到初始变量逻辑；变量逻辑判断模块，用于利用所述初始变量逻辑对所述业务数据中的实时业务数据进行变量计算，并判断相应的变量结果与预设期望输出结果是否匹配；变量逻辑判定模块，用于当所述变量结果与所述预设期望输出结果相匹配时，将所述初始变量逻辑判定为目标变量逻辑。9.一种电子设备，其特征在于，包括：存储器，用于保存计算机程序；处理器，用于执行所述计算机程序以实现如权利要求1至7任一项所述的变量逻辑开发方法。10.一种计算机可读存储介质，其特征在于，用于保存计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的变量逻辑开发方法。

技术总结
本申请公开了一种变量逻辑开发方法、装置、设备及存储介质，涉及客户变量处理技术领域，包括：利用第一预设kafka消息队列存储生产业务的业务数据；对所述业务数据进行分析，得到初始变量逻辑；利用所述初始变量逻辑对所述业务数据中的实时业务数据进行变量计算，并判断相应的变量结果与预设期望输出结果是否匹配；若是，则将所述初始变量逻辑判定为目标变量逻辑。这样一来，本申请可以借助kafka利用生产业务的历史数据以及最新的实时数据对变量逻辑进行开发，提高了变量逻辑开发效率，并且利用实时数据进行开发可以保证得到的变量逻辑与实际的需求是一致的，提升了变量逻辑的实用性。用性。用性。


技术研发人员：杨晨 孙喜锋 周锋 曹闯 李杨 李响 杨得力 廖艺
受保护的技术使用者：河南中原消费金融股份有限公司
技术研发日：2023.07.24
技术公布日：2023/10/15