CN110990403A - 业务数据的存储方法、***、计算机设备及存储介质 - Google Patents

Abstract

一种业务数据的存储方法,所述方法包括：获取各端口录入的业务数据集；根据预设的树状数据生成规则，对得到的所述业务数据集进行数据存储，得到树状数据模型；对所述树状数据模型中的各节点进行序值计算，将计算生成的序值形成其对应节点新的关联项进行保存。以上存储方案在进行查询时，较于传统的递归查询，查询效率更高。

Description

业务数据的存储方法、***、计算机设备及存储介质

技术领域

本发明涉及数据存储领域，尤其是涉及一种业务数据的存储方法、***、计算机设备及计算机可存储介质。

背景技术

现有企业中较多应用的业务数据可视化***是利用计算机技术，让多个需要管理的对象一目了然的通过屏幕进行数据体现，让管理者准确、高效、精简而全面的掌握对象的关联信息，从而起到业务链出错率减少，业务链服务品质提升的重要作用。

目前可视化***中针对流程繁琐度高，节点冗杂的业务链时，传统的递归查询存在查询效率低下的问题，其底层的业务数据存储技术需要进一步进行改进。

发明内容

有鉴于此，本发明实施例的目的是提供一种业务数据的存储方法、***、计算机设备及计算机可存储介质，以解决现有业务数据存储***查询效率低下的问题。

为实现上述目的，本发明实施例提供了业务数据的存储方法，包括以下步骤：

获取各端口录入的业务数据集；

根据预设的树状数据生成规则，对得到的所述业务数据集进行数据处理得到树状数据模型，并存储所述树状数据模型；

对所述树状数据模型中的各节点进行序值计算，将计算生成的序值形成其对应节点新的关联项进行保存。

优选地，所述业务数据集包括各关键字段及其对应类型标签，所述类型标签之间存在父子级关系。

优选地，读取所述业务数据集，获取其中的各关键字段及字段对应的类型标签；

以一个关键字段为基本单位对应生成一个节点，对所述业务数据集进行节点化转换，得到包含对应关键字段的多个节点；

参照生成的各节点中关键字段所对应的类型标签，对各节点进行上下级排序并赋予关联，形成所述树状数据模型。

优选地，所述对所述树状数据模型中的各节点进行序值计算，将计算生成的序值形成其对应节点新的关联项进行保存的步骤包括：

根据预设的路径规划遍历所述树状数据模型中的每个节点并赋予每个节点前序值以及后序值，将计算生成的所述前后序值形成其对应节点新的关联项进行保存。

优选地，所述根据预设的路径规划遍历所述树状数据模型中的每个节点并赋予每个节点前序值以及后序值，将计算生成的所述前后序值形成其对应节点新的关联项进行保存的步骤之后，还包括：

当触发节点数据增添事件时，获取待增添的节点数据关键字段及字段对应的类型标签，根据所述类型标签所对应的父级标签，寻找所述父级标签对应的节点，向该节点***子节点作为新增节点数据，赋予新增节点前后序值并调整其余节点的前后序值；

当触发节点数据删除事件时，获取所述删除事件所指定待删除节点，删除指定节点并调整其余节点的前后序值。

优选地，所述赋予新增节点前后序值并调整其余节点的前后序值的步骤包括：

以新增节点后序值作为基准值，选取后序值大于所述基准值的节点，对其前后序值做加二处理。

优选地，所述删除指定节点并调整其余节点的前后序值的步骤包括：

以所述指定节点后序值作为基准，选取后序值大于所述基准值的节点，对其前后序值做减二处理。

为实现上述目的，本发明实施例还提供了基于业务数据存储***的数据存储***，包括：

获取模块，用于获取各端口录入的业务数据集；

存储模块，用于根据预设的树状数据生成规则，对得到的所述业务数据集进行数据存储，得到树状数据模型；

计算模块，用于对所述树状数据模型中的各节点进行序值计算，将计算生成的序值形成其对应节点新的关联项进行保存。

为实现上述目的，本发明实施例还提供了一种计算机设备，所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，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7中任一项所述的业务数据的存储方法的步骤。

为实现上述目的，本发明实施例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内存储有计算机程序，所述计算机程序可被至少一个处理器所执行，以使所述至少一个处理器执行如权利要求1至7任一项所述的业务数据的存储方法的步骤。

相较于现有技术，本发明实施例所提出的业务数据的存储方法、***、计算机设备及计算机可读存储介质，针对具体数据存储专门提供了一种新的设计方式，引入了节点新关联项-序值进行辅助查询，较于现有技术中的递归查询方法，用有更高层级的查询效率，并且同时能够节省***的运算资源。

附图说明

图1为本发明业务数据的存储方法的流程图；

图2为本发明业务数据的存储方法步骤S200中树状数据模型的二叉树类型结构示意图；

图3为本发明业务数据的存储方法实施例一中节点序值示意图；

图4为业务数据的存储方法实施例一中步骤S200的流程示意图；

图5为本发明业务数据的存储方法实施例一中S300步骤之后的步骤流程图；

图6为本发明业务数据的存储方法实施例一中节点增添示意图；

图7为本发明业务数据的存储方法实施例一中节点删除示意图；

图8为本发明业务数据存储***实施例二的程序模块示意图；

图9为本发明计算机设备实施例三的硬件结构示意图。

具体实施方式

为了更好地理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。

应当明确，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

应当理解，尽管在本发明实施例中可能采用术语第一、第二等来描述指定关键字，但指定关键字不应限于这些术语。这些术语仅用来将指定关键字彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一指定关键字也可以被称为第二指定关键字，类似地，第二指定关键字也可以被称为第一指定关键字。

取决于语境，如在此所使用的词语“如果”可以被解释称为“在……时”或“当……时”或“相应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或时间)”可以被解释成“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

实施例一

参阅图一，其未本发明实施例所提供的业务数据的存储方法的步骤流程图。可以理解，本发明实施例中的流程图不用对执行步骤的顺序进行限定。

具体如下：

步骤S100获取各端口录入的业务数据集；

一条成熟的业务链包括许多个中间点，就如同计算机技术领域中所讲的节点一般，每个业务链中间点都会产生一定量的数据。

实例性的，一个客户的贷款购车行为，至少包括：贷款审请中间点，贷款审批中间点，物件发货中间点。

其中，贷款申请中间点，在其环节中，供应商人员会针对该客户的贷款购车行为会配以一个订单号，并记录贷款人姓名、证件号码、手机号、申请时间、申请贷款金额等。

贷款审批中间点中可产生贷款概要、资信审核、核查意见、初审意见、复审意见等数据。

物件发货中间点中可产生进件城市，发货天数，收件地址等数据。

在上述三个中间点中，供应商人员都会将其中的所产生的各项数据录入并通常以数据集的方式上传至服务器端，服务器端获取不同端上传的数据集，开始进行存储步骤。其中，数据集为录入数据的集合，本发明并不对其上传形式进行限定，在上传中，可以是单个数据包的形式也可以是分组数据包的形式等。

步骤S200根据预设的树状数据生成规则，对得到的所述业务数据集进行数据存储，得到树状数据模型；

树状数据生成规则是技术人员为实现树状数据模型生成从而预先设置的树的生成方法，利用tree函数、函数集及程序集等，根据上传的录入数据生成包含多个节点且各节点具有一定的关联关系的树状数据模型。由于平台的多样性，本发明并不对所述树状数据生成函数作出限定。

在计算机技术中，树状数据模型是一种具有树状结构性质的数据集合，它是由n(n>0)。它是由n(n>0)个有限节点组成一个具有层次关系的集合。把它叫做“树”是因为它看起来像一棵倒挂的树，也就是说它是根朝上，而叶朝下的。它具有以下的特点：每个节点有零个或多个子节点；没有父节点的节点称为根节点；每一个非根节点有且只有一个父节点；除了根节点外，每个子节点可以分为多个不相交的子树。

在生成的树状数据模型中，每个节点都记载着其在业务数据集中对应的关键字段，示例性的：

上传的业务数据集中包括“张三”，“贷款总额”，“一百万”三个关键字段，则在树状数据模型的对应存储表征为，一个父节点“张三”，有二级子节点为“贷款总额”，并且二级子节点“贷款总额”下还有三级子节点“一百万”。

在SQL数据库中，也可以以具体表单的形式来表示上述树状结构，如表1。

表1

当然，上述表单中也可以删除“贷款总额”，使得节点“张三”与节点“一百万”直接关联，以“贷款总额”作为节点“一百万”的附加属性或者类型标签，用这样的形式同样能够达到表1的效果，本发明对此不做限定。

另外，针对树状数据模型的生成规则，下文以C语言环境以及二叉树结构进行阐述。

请参考图2，图中为一颗普通的链式存储的二叉树。

采用链式存储二叉树时，其节点结构由3部分构成：

Lchild

data

rchild

Lchild:指向左孩子节点的指针；

Data:节点存储的数据

Rchild：指向右孩子节点的指针。

示例性的，表示该节点结构的C语言代码为：

其中，创建上述链式存储结构创建的C语言代码如下：

通常，各端口上传的业务数据通常都是以表单的形式，以配合树状数据模型的生成。

配合上述示例的表单如下：

	A1	A2
			B1	张三
B2	贷款总额	1

具体的，配合表单，可将“(*T)->data＝1”，更改为“(*T)->data＝{A1：B1}”，则父节点“张三”生成，将“(*T)->lchild->data＝2”修改为“(*T)->lchild->data＝{A1：B2}”，{A1：B2}在表单中的数据为“贷款总额”，则父节点“张三”的子节点“贷款总额”生成，依次同理，整个树状数据模型变完成建立。

在表单数据由各端口的供应商人员上传后，依据上述代码，自动拉取表单中各数据并生成各节点，直至完成整个树状数据模型并存储。

由于树状数据模型的建立为现有技术，本发明不针对其余环境或语言有关树状数据模型的如何建立进行赘述。

步骤S300对所述树状数据模型中的各节点进行序值计算，将计算生成的序值形成其对应节点新的关联项进行保存。

序值为本发明避免现有的递归查询进而设计的关键整数数据，其反映某节点在具有一定顺序的节点集合中的位置。序值分为前序值和后序值，在节点头端的为前序值，在节点后端的为后序值。

在树状数据模型建立完成后，通过技术人员预置的路径规划，对树状数据模型中所有节点进行遍历访问，在对各节点的访问过程中，对访问中的节点赋予与累计访问次数呈比例关系的序值，其中，本发明提供一种较优的比例关系，节点序值赋予与累计访问次数比例关系为1:1。

具体的，在SQL数据库中，序值的计算生成后，可以作为表单数据的新增条目，从而完成其对应节点新的关联项存储步骤，示例性的，参考表2以及图2：

表2

另外，在得到各节点的前序值和后序值后，可将作为父子关系描述的parent_id列进行删除，使得查询项更少，查询效率更高。

本发明通过设计序值作为树状数据中节点的关联项，可以通过select语句可以直接查询子节点，族谱路径等相关信息，并且最大只需2次查询即可获得查询，针对可视化管理***中原有的递归查询无疑具有更高层级的效率，尽管本发明中对序值的计算较于现有的可视化管理***中增添了计算量，但在节点数据繁多的大型业务***中，本发明所设计的技术方案拥有着非常显著的高效性。

在本发明实施例中，可选的，业务数据集包括各关键字段及其对应类型标签，所述类型标签之间存在父子级关系。

业务数据集中的关键字段为供应商人员所录入数据的有效内容。实例性的，供应商人员通过电脑客户端录入数据“贷款人张三”，则张三为业务数据集中的关键字段。而“贷款人”为对应的类型标签。

另外，在信息录入环节中，由于输入界面的便捷性设计，供应商人员可能只录入“张三”，“类型A”，“一百万”，三者分别对应的类型标签可又客户端自动添加数据前缀并发送至服务器端，也可由服务器端自动对“张三”添加“贷款人”标签，“类型A”添加“贷款类型”标签，本发明对类型标签所产生的形式并不做限定。

与关键字段一同上传的类型标签之间存在父子级关系，示例性的，“贷款人”标签是“贷款类型”的父级标签，而“贷款类型”又是“贷款金额”的父级标签，针对该标签之间的父子级关系对应设置有关系列表，可预置在服务器端，也可由客户端实时发送至服务器端，本发明不对此进行限定。

另外，也可使用非关键字段的整数数据来做类型标签，例如，“贷款人”添加第一级标签“1”，“贷款类型”添加第二级标签“2”，依次类推添加标签。关键字段所对应的类型标签设置以及类型标签之间存在父子级关联列表，使得后续的节点排序及父子级关系赋予提供了参照依据，较于现有技术中的节点随机排序，更加能够贴合实际的应用场景，避免出现节点上下级混乱的问题。

参考图4，在本发明实施例中，可选的，步骤200包括：

步骤210读取所述业务数据集，获取其中的各关键字段及字段对应的类型标签；

通常，业务链中各中间点上传的数据在传输链路中是以数据包的形式传递，服务器端收到数据包对包文件进行解析，读取其中的有效字段，即业务数据集。其中，所述业务数据集可由一个数据包进行传输，也可由多个数据包进行传输，在此不做限定。

另外，服务器端拆解数据包后所得到的内容可能是无序的，可以通过预置关键字段列表，服务器端通过预置列表，对无序内容中的关键字段进行识别，也可以通过上传数据包时向关键字段添加字节位进行辅助识别，本发明对此不做限定。

步骤220以一个关键字段为基本单位生成一个相应节点的原则，对所述业务数据集进行节点化转换，得到包含对应关键字段的多个节点；

具体的，一个关键字段生成一个节点，将关键字段作为节点的名称进行赋值。

示例性的，业务数据集包括“贷款人”，“贷款信息”，“贷款类型”，“类型A”，“贷款金额”，“一百万”，“商品”，“商品名称”，“商品金额”共九个关键字段，对应生成九个节点，具体表单可如表3

表3

步骤230参照生成的各节点中关键字段所对应的类型标签，对各节点进行上下级排序并赋予关联，形成所述树状数据模型。

示例性的，鉴于类型标签之间存在父子级关系，参照预置的类型标签父子关系表，将前述步骤生成的节点进行排序，示例性的，协议约定好类型标签优先级以***数字的形式作为表征，“贷款人”作为拥有一级类型标签“1”的节点，将其设置成根节点，“贷款信息”作为拥有二级类型标签“2”，设置为“贷款人”的子节点以此类推处理，最终形成树状数据模型，所述树状数据模型在SQL数据库中所对应的表单形式可参考表2。

参考图5和图6，在发明实施例中，可选的，步骤300之后还包括节点增删处理步骤，包括：

步骤310当触发节点数据增添事件时，获取待增添的节点数据关键字段及字段对应的类型标签，根据所述类型标签所对应的父级标签，寻找所述父级标签对应的节点，向该节点***子节点作为新增节点数据，赋予新增节点前后序值并调整其余节点的前后序值；

在业务链中，部分中间点的数据可能因为消费者的需求从而改变，因此，后续的节点增添以及删减步骤也是必须要考虑到的。

具体的，供应商人员通过客户端向服务器端发送添加数据请求，服务器端拉取需要新增的节点数据，解析其关键字段及对应类型标签，查找预设的类型标签父子关系表，找到其父级标签并对树状数据模型相应节点进行定位，并向该节点添加子节点，所述子节点名称为新增节点关键字段并且依据兄弟节点完成新节点的前后序值赋值。最后，调整其余节点的前后序值以免与新节点的前后序值产生重叠。

步骤320当触发节点数据删除事件时，获取所述删除事件所指定待删除节点，删除指定节点并调整其余节点的前后序值。

参考图7，接续前述内容，新增节点处理同样还设计有相反的节点删除处理。具体的，根据客户端口发送的节点删减请求，即触发节点数据删除事件，拉取上传的待删除节点对应的信息，根据相应信息完成树状数据模型中待删除节点的定位进而删除节点。

节点删除不同于节点增添，节点删除可仅拉取待删除节点的前后序值来对待删除节点的快速定位，也可以拉取节点的名称进行传统的递归查询进行定位，本发明并不对此作出限定，但显而易见的，仅拉取前后序值来进行待删除节点的快速定位效率更高，并且因为前后序值都是整数数据，而不是字符型数据或双精度数据，拉取数据量小。

在本发明实施例中，可选的，步骤310所述调整其余节点的前后序值的步骤为以新增节点后序值作为基准值，选取后序值大于所述基准值的节点，对其前后序值做加二处理。

在本发明实施例中，可选的，步骤320所述调整其余节点的前后序值的步骤为以所述指定节点后序值作为基准，选取后序值大于所述基准值的节点，对其前后序值做减二处理。

实施例二

参阅图8，示出了本发明业务数据存储***程序模块示意图。在本实施例中，业务数据存储***20可以包括或被分割成一个或多个程序模块，一个或者多个程序模块被存储于存储介质中，并由一个或多个处理器所执行，以完成本发明，并可实现上述业务数据的存储方法。本发明实施例所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序本身更适合于描业务数据存储***20在存储介质中的执行过程。以下描述将具体介绍本实施例各程序模块的功能：

获取模块200，用于获取各端口录入的业务数据集；

存储模块300，用于根据预设的树状数据生成规则，对得到的所述业务数据集进行数据存储，得到树状数据模型；

计算模块400，用于对所述树状数据模型中的各节点进行序值计算，将计算生成的序值形成其对应节点新的关联项进行保存。

实施例三

参阅图9，是本发明实施例三之计算机设备的硬件架构示意图。本实施例中，所述计算机设备2是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。该计算机设备2可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。如图所示，所述计算机设备2至少包括，但不限于，可通过***总线相互通信连接存储器21、处理器22、网络接口23、以及业务数据存储***20。其中：

本实施例中，存储器21至少包括一种类型的计算机可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器21可以是计算机设备2的内部存储单元，例如该计算机设备2的硬盘或内存。在另一些实施例中，存储器21也可以是计算机设备2的外部存储设备，例如该计算机设备20上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器21还可以既包括计算机设备2的内部存储单元也包括其外部存储设备。本实施例中，存储器21通常用于存储安装于计算机设备2的操作***和各类应用软件，例如实施例二的业务数据存储***20的程序代码等。此外，存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。

处理器22在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制计算机设备2的总体操作。本实施例中，处理器22用于运行存储器21中存储的程序代码或者处理数据，例如运行业务数据存储***20，以实现实施例一的业务数据的存储方法。

所述网络接口23可包括无线网络接口或有线网络接口，该网络接口23通常用于在所述计算机设备2与其他电子装置之间建立通信连接。例如，所述网络接口23用于通过网络将所述计算机设备2与外部终端相连，在所述计算机设备2与外部终端之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯***(Global System of Mobile communication，GSM)、宽带码分多址(WidebandCode Division Multiple Access，WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。

需要指出的是，图8仅示出了具有部件20-23的计算机设备2，但是应理解的是，并不要求实施所有示出的部件，可以替代的实施更多或者更少的部件。

在本实施例中，存储于存储器21中的业务数据存储***20还可以被分割为一个或者多个程序模块，所述一个或者多个程序模块被存储于存储器21中，并由一个或多个处理器(本实施例为处理器22)所执行，以完成本发明。

例如，图8示出了所述实现业务数据存储***20实施例二的程序模块示意图，该实施例中，所述业务数据存储***20可以被划分为获取模块200，存储模块300，计算模块400，其中，本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述所述基于大数据的保险产品数据推送***20在所述计算机设备2中的执行过程。所述程序模块的具体功能在实施例二中已有详细描述，在此不再赘述。

实施例四

本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储业务数据存储***20，被处理器执行时实现实施例一的业务数据的存储方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种业务数据的存储方法，其特征在于，包括：

获取各端口录入的业务数据集；

根据预设的树状数据生成规则，对得到的所述业务数据集进行数据处理得到树状数据模型，并存储所述树状数据模型；

对所述树状数据模型中的各节点进行序值计算，将计算生成的序值形成其对应节点新的关联项进行保存。

2.根据权利要求1所述的业务数据的存储方法，其特征在于，所述业务数据集包括各关键字段及其对应类型标签，所述类型标签之间存在父子级关系。

3.根据权利要求2所述的业务数据的存储方法，其特征在于，所述根据预设的树状数据生成规则，对得到的所述各端口录入数据进行存储，得到树状数据模型的步骤包括：

读取所述业务数据集，获取其中的各关键字段及字段对应的类型标签；

以一个关键字段为基本单位对应生成一个节点，对所述业务数据集进行节点化转换，得到包含对应关键字段的多个节点；

参照生成的各节点中关键字段所对应的类型标签，对各节点进行上下级排序并赋予关联，形成所述树状数据模型。

4.根据权利要求2所述的业务数据的存储方法，所述对所述树状数据模型中的各节点进行序值计算，将计算生成的序值形成其对应节点新的关联项进行保存的步骤包括：

根据预设的路径规划遍历所述树状数据模型中的每个节点并赋予每个节点前序值以及后序值，将计算生成的所述前后序值形成其对应节点新的关联项进行保存。

5.根据权利要求4所述的业务数据的存储方法，所述根据预设的路径规划遍历所述树状数据模型中的每个节点并赋予每个节点前序值以及后序值，将计算生成的所述前后序值形成其对应节点新的关联项进行保存的步骤之后，还包括：

当触发节点数据增添事件时，获取待增添的节点数据关键字段及字段对应的类型标签，根据所述类型标签所对应的父级标签，寻找所述父级标签对应的节点，向该节点***子节点作为新增节点数据，赋予新增节点前后序值并调整其余节点的前后序值；

当触发节点数据删除事件时，获取所述删除事件所指定待删除节点，删除指定节点并调整其余节点的前后序值。

6.根据权利要求5所述的业务数据的存储方法，其特征在于，所述赋予新增节点前后序值并调整其余节点的前后序值的步骤包括：

以新增节点后序值作为基准值，选取后序值大于所述基准值的节点，对其前后序值做加二处理。

7.根据权利要求5所述的业务数据的存储方法，其特征在于，所述删除指定节点并调整其余节点的前后序值的步骤包括：

以所述指定节点后序值作为基准，选取后序值大于所述基准值的节点，对其前后序值做减二处理。

8.一种业务数据存储***，其特征在于，所述***包括：

获取模块，用于获取各端口录入的业务数据集；

存储模块，用于根据预设的树状数据生成规则，对得到的所述业务数据集进行数据存储，得到树状数据模型；

计算模块，用于对所述树状数据模型中的各节点进行序值计算，将计算生成的序值形成其对应节点新的关联项进行保存。

9.一种计算机设备，所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，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7中任一项所述的业务数据的存储方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序可被至少一个处理器所执行，以使所述至少一个处理器执行如权利要求1至7任一项所述的业务数据的存储方法的步骤。

Images