买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江苏道达智能科技有限公司申请的专利一种支持多源数据同步的自动化转化与装载集成方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121032155B 。

龙图腾网通过国家知识产权局官网在2026-01-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511563700.6，技术领域涉及：G06Q10/0631；该发明授权一种支持多源数据同步的自动化转化与装载集成方法是由付斌;辛琳;李好设计研发完成，并于2025-10-30向国家知识产权局提交的专利申请。

本一种支持多源数据同步的自动化转化与装载集成方法在说明书摘要公布了：本发明公开了一种支持多源数据同步的自动化转化与装载集成方法，属于数据管理领域，该集成方法具体步骤如下：Ⅰ、流程开始后，自动生成调度任务，调度中心将各子任务分发至空闲的任务执行器节点，并动态调整任务分配与节点数量；本发明实现任务的动态最优分配，保证计算资源的高效利用与系统稳定性，能够适应不同的多源数据环境，具备良好的兼容性与扩展性，同时兼顾实时性与周期性分析需求，有效识别噪声数据，提升数据可信度，提前规避性能瓶颈与一致性问题，提高装载环节的安全性与可控性，保障数据完整性与可追溯性，增强系统稳定运行能力。

本发明授权一种支持多源数据同步的自动化转化与装载集成方法在权利要求书中公布了：1.一种支持多源数据同步的自动化转化与装载集成方法，其特征在于，该集成方法具体步骤如下： Ⅰ、流程开始后，自动生成调度任务，调度中心将各子任务分发至空闲的任务执行器节点，并动态调整任务分配与节点数量；所述动态调整任务分配与节点数量的具体步骤如下： S1.1：系统定时收集每个任务执行器节点的资源指标，并根据收集的各项资源指标计算各任务执行器节点的综合负载指数，以获取整体负载分布情况，当有新任务到达时，调度中心自动将新任务分配至综合负载指数最低的任务执行器节点； S1.2：计算任务执行器节点的平均负载，若节点的平均负载高于预设扩容阈值，则触发扩容，并确定新增节点数，将平均负载恢复至预设区间内，若节点的平均负载低于预设缩容阈值，且节点数大于最小限制时，则触发缩容，并确定缩减节点数，同时释放多余节点，将平均负载恢复至预设负载阈值； S1.3：当扩容或缩容结束后，系统持续监控新的负载情况，并再次计算任务执行器节点集群的平均负载，进入新一轮调节循环，同时，根据历史监控数据调整各资源指标的权重参数以及负载阈值； Ⅱ、任务执行器接收到调度指令后，根据任务描述自动调用对应的数据源连接器，同时构建实时数据抽取与处理流水线； Ⅲ、将抽取到的各类数据暂存至原始数据缓存区，并在处理流程前，通过数据质量评估模型识别各数据质量；所述通过数据质量评估模型识别各数据质量的具体步骤如下： S3.1：各任务执行器节点在本地对原始数据进行初步特征提取，获取各类原始数据的字段完整性、取值合理性以及分布一致性各指标信息，并将提取的各指标信息组合作为对应原始数据的质量特征； S3.2：各任务执行器节点分别初始化一组轻量化线性模型，同时设置该轻量化线性模型的损失函数，收集历史数据的质量特征以及对应实际质量标签，之后将历史质量特征划分为训练集以及验证集； S3.3：将训练集数据划分为多批次的训练样本集，并依次输入至轻量化线性模型中，之后轻量化线性模型通过Sigmoid函数输出各类数据的预测质量标签，通过损失函数计算预测质量标签与对应实际质量标签的损失值； S3.4：基于反向传播算法，将损失值输入轻量化线性模型中，通过梯度下降法更新模型参数，每轮训练结束后，将验证集输入轻量化线性模型中，并评估模型性能，若模型性能满足预设阈值，则停止训练，反之，则继续训练，直至模型性能达到预设阈值； S3.5：各任务执行器节点在本地训练完成后，通过同态加密对各自的本地参数进行加密，并上传至联邦参数服务器，联邦参数服务器在接收到所有参与的任务执行器节点的加密参数后，对各加密的本地参数进行同态聚合，以获取最新全局参数； S3.6：将新的全局参数分发给各任务执行器节点，每个节点会将各全局参数作为初始化，进入下一轮本地训练，直至全局参数在多轮训练后的变化值收敛至预设范围内，停止训练； S3.7：将最终全局参数下发至各任务执行器节点，并替换各任务执行器节点中的轻量化线性模型的原有本地参数，之后将当前最新原始数据的质量特征输入至轻量化线性模型中，并输出各类数据的异常分数，若异常分数超过设定阈值，则该数据被判定为异常或噪声； Ⅳ、根据识别结果动态调整数据预处理策略，之后依据规则引擎拉取预处理后的各类数据，并进行转化处理； Ⅴ、构建目标系统的虚拟镜像环境，对即将写入的各类数据进行模拟演算，预测各类数据对系统状态的影响；所述预测各类数据对系统状态的影响的具体步骤如下： S4.1：根据当前目标数据库或存储引擎的元数据，在虚拟镜像环境中生成一份结构一致的镜像副本，根据各数据的逻辑写入需求量，将即将写入的批量数据转换为一个负载向量； S4.2：将各负载向量输入至镜像副本，镜像副本对即将写入的批量数据进行演算，并计算各组数据在镜像系统中可能产生的资源消耗，同时在虚拟写入模拟中，实时计算数据冲突率，若数据冲突率超过预设冲突阈值，则说明批量数据存在严重一致性问题，并标记待处理； S4.3：根据模拟结果，计算各类数据的装载风险指标，基于各装载风险指标，镜像副本综合判断各类数据的装载可行性，若装载风险指标低于安全阈值，则允许执行真实数据写入，若装载风险指标超出安全阈值，则触发预警并调整写入策略； Ⅵ、将通过验证的各类数据，根据目标存储结构动态生成最优写入语句，并在执行写入操作后，进行数据一致性校验； Ⅶ、在调度任务周期内,持续监测任务执行情况，并根据业务紧急程度、数据新鲜度和系统负载情况，动态优化任务的执行顺序。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江苏道达智能科技有限公司，其通讯地址为：211100 江苏省南京市江宁区秣陵街道铺岗街388号3栋(江宁开发区)；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。