CN115587394B - 一种云原生架构的人力资源数据处理方法及装置 - Google Patents
一种云原生架构的人力资源数据处理方法及装置 Download PDFInfo
- Publication number
- CN115587394B CN115587394B CN202211020316.8A CN202211020316A CN115587394B CN 115587394 B CN115587394 B CN 115587394B CN 202211020316 A CN202211020316 A CN 202211020316A CN 115587394 B CN115587394 B CN 115587394B
- Authority
- CN
- China
- Prior art keywords
- human resource
- resource data
- cloud storage
- storage container
- cloud
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/70—Protecting specific internal or peripheral components, in which the protection of a component leads to protection of the entire computer
- G06F21/78—Protecting specific internal or peripheral components, in which the protection of a component leads to protection of the entire computer to assure secure storage of data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/52—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems during program execution, e.g. stack integrity ; Preventing unwanted data erasure; Buffer overflow
- G06F21/53—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems during program execution, e.g. stack integrity ; Preventing unwanted data erasure; Buffer overflow by executing in a restricted environment, e.g. sandbox or secure virtual machine
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/70—Protecting specific internal or peripheral components, in which the protection of a component leads to protection of the entire computer
- G06F21/71—Protecting specific internal or peripheral components, in which the protection of a component leads to protection of the entire computer to assure secure computing or processing of information
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种云原生架构的人力资源数据处理方法及装置,方法包括:首先获得待处理的人力资源数据集合,并将待处理的人力资源数据集合拆分成若干人力资源数据包,根据人力资源数据包,确定对应的云存储容器,根据云存储容器中预设的人力资源数据处理规则,对人力资源数据包执行对应的数据预处理,并输出经过数据预处理后的目标人力资源数据,其中,所述目标人力资源数据包括加密数据和共享数据,利用本发明实施例,以解决现有技术中的不足,它能够提高人力资源数据处理的安全性和可靠性。
Description
技术领域
本发明属于数据处理技术领域,特别是一种云原生架构的人力资源数据处理方法及装置。
背景技术
云原生(cloud native)是一种基于云的基础之上的软件架构思想,以及基于云进行软件开发实践的一组方法论。云原生定义为在“现代动态环境”中运行的“可扩展应用程序”,这些应用程序使用容器、微服务和声明性API等技术。
在企业信息化管理中,人力资源数据处理和挖掘成为必不可少的环节,例如企业需要从海量人力资源数据中,寻找出优秀且适合企业自身特点的应聘人员,以实现企业健康发展的目标。然而,面对海量的人力资源信息,人工筛选的人力成本不断上涨。并且目前的人力资源数据处理过程中,通常采用较为常规简单的存储方式,比如:不对人力资源数据进行任何处理,直接将人力资源数据存储在存储器中,无法保证人力资源数据存储的安全性和可靠性,而且,没有根据人力资源数据的实际或用户需求进行存储区域的划分,可能导致存储器中存储区域空间浪费,进而可能导致数据存储失败或任意访问的情况。
基于此,如何利用云原生架构解决目前人力资源数据的处理困境,这是一个亟待解决的问题。
发明内容
本发明的目的是提供一种云原生架构的人力资源数据处理方法及装置,以解决现有技术中的不足,它能够提高人力资源数据处理的安全性和可靠性。
本申请的一个实施例提供了一种云原生架构的人力资源数据处理方法,应用于云平台,所述方法包括:
获得待处理的人力资源数据集合,并将所述待处理的人力资源数据集合拆分成若干人力资源数据包;
根据所述人力资源数据包,确定对应的云存储容器,其中,所述云存储容器包括加密容器和共享容器;
根据所述云存储容器中预设的人力资源数据处理规则,对所述人力资源数据包执行对应的数据预处理,并输出经过所述数据预处理后的目标人力资源数据,其中,所述目标人力资源数据包括加密数据和共享数据。
可选的,所述获得待处理的人力资源数据集合,包括:
接收人力资源数据的获取请求以及与所述获取请求对应的至少一个待处理人力资源数据;
将所述获取请求划分成多个获取子请求,并通过Kubernetes进行子请求管理,以得到所有子请求对应的待处理的人力资源数据集合。
可选的,所述根据所述人力资源数据包,确定对应的云存储容器,包括:
获取所述人力资源数据包的特征信息,所述特征信息包括人力资源数据的访问权限,所述访问权限包括读写权限;
获得云存储容器的云存储空间信息;
根据所述人力资源数据包的特征信息、所述云存储空间信息,获取镜像及其对应的节点;
响应于所述节点并运行所述镜像,获取对应的云存储容器。
可选的,所述响应于所述节点并运行所述镜像,获取对应的云存储容器,包括:
接收创建云存储容器的指令,并确定镜像拉取策略;
根据所述镜像拉取策略向对应节点发送控制指令,其中,所述控制指令包括镜像拉取指令、创建云存储容器指令;
根据所述控制指令拉取镜像层,并根据镜像层之间的层级关系联合挂载生成对应的云存储容器。
可选的,所述根据所述云存储容器中预设的人力资源数据处理规则,对所述人力资源数据包执行对应的数据预处理,并输出经过所述数据预处理后的目标人力资源数据,包括:
将所述人力资源数据包输入预设人力资源数据分类模型,生成人力资源数据特征信息序列,所述预设人力资源数据分类模型由预设的人力资源数据处理规则训练得到;
基于所述人力资源数据特征信息序列对所述人力资源数据包进行鉴权分类,得到目标人力资源数据。
可选的,所述人力资源数据包括:管理者信息、被管理者信息以及管理内容信息,所述管理内容信息包括岗位、职责、工作内容、工作职责、学历、性别、工作经验和薪资信息中的一种或者多种。
本申请的又一实施例提供了一种云原生架构的人力资源数据处理装置,应用于云平台,所述装置包括:
获得模块,用于获得待处理的人力资源数据集合,并将所述待处理的人力资源数据集合拆分成若干人力资源数据包;
确定模块,用于根据所述人力资源数据包,确定对应的云存储容器,其中,所述云存储容器包括加密容器和共享容器;
输出模块,用于根据所述云存储容器中预设的人力资源数据处理规则,对所述人力资源数据包执行对应的数据预处理,并输出经过所述数据预处理后的目标人力资源数据,其中,所述目标人力资源数据包括加密数据和共享数据。
可选的,所述获得模块,包括:
接收单元,用于接收人力资源数据的获取请求以及与所述获取请求对应的至少一个待处理人力资源数据;
划分单元,用于将所述获取请求划分成多个获取子请求,并通过Kubernetes进行子请求管理,以得到所有子请求对应的待处理的人力资源数据集合。
可选的,所述确定模块,包括:
第一获取单元,用于获取所述人力资源数据包的特征信息,所述特征信息包括人力资源数据的访问权限,所述访问权限包括读写权限;
获得单元,用于获得云存储容器的云存储空间信息;
第二获取单元,用于根据所述人力资源数据包的特征信息、所述云存储空间信息,获取镜像及其对应的节点;
第三获取单元,用于响应于所述节点并运行所述镜像,获取对应的云存储容器。
可选的,所述第三获取单元,包括:
接收子单元,用于接收创建云存储容器的指令,并确定镜像拉取策略;
发送子单元,用于根据所述镜像拉取策略向对应节点发送控制指令,其中,所述控制指令包括镜像拉取指令、创建云存储容器指令;
生成子单元,用于根据所述控制指令拉取镜像层,并根据镜像层之间的层级关系联合挂载生成对应的云存储容器。
可选的,所述输出模块,包括:
生成单元,用于将所述人力资源数据包输入预设人力资源数据分类模型,生成人力资源数据特征信息序列,所述预设人力资源数据分类模型由预设的人力资源数据处理规则训练得到;
得到单元,用于基于所述人力资源数据特征信息序列对所述人力资源数据包进行鉴权分类,得到目标人力资源数据。
本申请的又一实施例提供了一种存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项中所述的方法。
本申请的又一实施例提供了一种电子设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项中所述的方法。
与现有技术相比,本发明首先获得待处理的人力资源数据集合,并将待处理的人力资源数据集合拆分成若干人力资源数据包,根据人力资源数据包,确定对应的云存储容器,根据云存储容器中预设的人力资源数据处理规则,对人力资源数据包执行对应的数据预处理,并输出经过数据预处理后的目标人力资源数据,其中,所述目标人力资源数据包括加密数据和共享数据,利用本发明实施例,以解决现有技术中的不足,它能够提高人力资源数据处理的安全性和可靠性。
附图说明
图1为本发明实施例提供的一种云原生架构的人力资源数据处理方法的计算机终端的硬件结构框图;
图2为本发明实施例提供的一种云原生架构的人力资源数据处理方法的流程示意图;
图3为本发明实施例提供的一种云原生架构的人力资源数据处理装置的结构示意图。
具体实施方式
下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本发明实施例首先提供了一种云原生架构的人力资源数据处理方法,该方法可以应用于电子设备,如计算机终端,具体如普通电脑、量子计算机等。
下面以运行在计算机终端上为例对其进行详细说明。图1为本发明实施例提供的一种云原生架构的人力资源数据处理方法的计算机终端的硬件结构框图。如图1所示,计算机终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述计算机终端还可以包括用于通信功能的传输装置106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述计算机终端的结构造成限定。例如,计算机终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储应用软件的软件程序以及模块,如本申请实施例中的云原生架构的人力资源数据处理方法对应的程序指令/模块,处理器102通过运行存储在存储器104内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
云原生架构包括微服务和容器等要素,其中,每个云原生的定义都包含微服务,跟微服务相对的是单体应用,微服务架构的好处是按功能切割之后,服务解耦,内聚更强,变更更易;Docker是应用最为广泛的容器引擎,在思科、谷歌等公司的基础设施中大量使用,容器为微服务提供实施保障,起到应用隔离作用,Kubernetes是容器编排***,用于容器管理,容器间的负载均衡。容器技术使得应用具有了一种“自包含”的定义方式,所以,这样的应用才能以敏捷的、可扩展、可复制的方式发布在云上,发挥出云的能力。这也是容器技术对云发挥出的重要影响所在,因此,容器技术正是云原生技术的核心。
参见图2,图2为本发明实施例提供的一种云原生架构的人力资源数据处理方法的流程示意图,可以包括如下步骤:
S201:获得待处理的人力资源数据集合,并将所述待处理的人力资源数据集合拆分成若干人力资源数据包。
具体的,获得待处理的人力资源数据集合,并将所述待处理的人力资源数据集合拆分成若干人力资源数据包,可以包括:
1.接收人力资源数据的获取请求以及与所述获取请求对应的至少一个待处理人力资源数据。
2.将所述获取请求划分成多个获取子请求,并通过Kubernetes进行子请求管理,以得到所有子请求对应的待处理的人力资源数据集合。
在一种可选的实施方式中,云平台中可以包含云端数据库,并可以对人力资源数据进行标识,并提取关键字,云端数据库中可以建立有人力资源数据的索引树,索引树的每个子索引对应一个节点,每个节点由一个字段进行标识,将关键字与字段进行匹配,并将人力资源数据存储在匹配的字段所标识的节点对应的子索引下。在接收到人力资源数据的获取请求时,将获取请求划分成多个获取子请求,并根据划分后的人力资源数据的获取子请求,在云端数据库中遍历所有人力资源数据集合或者特定标识的人力资源数据。例如,根据多个获取子请求中的字段找到其对应的节点,将节点对应的子索引下的人力资源数据调取并生成查询结果信息,即在索引树中找到所有子请求对应的待处理的人力资源数据集合。
S202:根据所述人力资源数据包,确定对应的云存储容器,其中,所述云存储容器包括加密容器和共享容器。
具体的,根据所述人力资源数据包,确定对应的云存储容器,其中,所述云存储容器包括加密容器和共享容器,可以包括:
步骤1:获取所述人力资源数据包的特征信息,所述特征信息包括人力资源数据的访问权限,所述访问权限包括读写权限。
具体的,人力资源数据包括:管理者信息、被管理者信息以及管理内容信息,所述管理内容信息包括岗位、职责、工作内容、工作职责、学历、性别、工作经验和薪资信息中的一种或者多种。
在一种可选的实施方式中,特征信息可以包括人力资源数据的访问权限,一个人力资源数据可能拥有数据内容和目录,当一个用户拥有数据内容和目录时,用户对数据内容和目录的访问权限拥有控制权,或者由数据或目录的所有者授权对数据和目录的访问权限,可以为读取、写入或者执行。
步骤2:获得云存储容器的云存储空间信息。
具体的,对于运行在Docker环境的云存储容器,若想查询它们的一些基本信息,例如环境变量、hostname、ip地址等,可以通过进入容器内部获取信息、执行docker exec命令或者执行docker inspect -f命令进行信息获取。
步骤3:根据所述人力资源数据包的特征信息、所述云存储空间信息,获取镜像及其对应的节点。
具体的,云存储容器一般包含多个节点,这些节点中包括选定的主节点作为管理节点,通过在其上部署管理模块实现对其它从节点的管理。通过管理模块对容器进行参数配置时,通常会将每次参数配置过程中产生的配置更新信息保存在主节点的数据库中。主节点在数据库中存储所有节点的节点信息,节点信息可以包括节点当前状态、指令执行内容、指令执行时间和指令执行状态。
步骤4:响应于所述节点并运行所述镜像,获取对应的云存储容器。
其中,响应于所述节点并运行所述镜像,获取对应的云存储容器,可以包括:
接收创建云存储容器的指令,并确定镜像拉取策略;
根据所述镜像拉取策略向对应节点发送控制指令,其中,所述控制指令包括镜像拉取指令、创建云存储容器指令;
根据所述控制指令拉取镜像层,并根据镜像层之间的层级关系联合挂载生成对应的云存储容器。
具体的,主节点接收创建云存储容器指令,对创建云存储容器指令进行解析以获取云存储容器创建参数,并将云存储容器创建参数发送至容器部署策略模块,容器部署策略模块根据云存储容器创建参数按预设规则制定镜像拉取策略,并将镜像拉取策略返回给主节点,其中,镜像拉取策略包括主节点镜像拉取策略、node节点镜像拉取策略等。node节点远程挂载主节点的镜像层,与本地镜像层按照镜像层之间继承关系联合挂载生成容器层,云平台响应于容器业务请求,创建云存储容器创建任务,执行云存储容器创建任务并发送创建容器指令,以获取对应的云存储容器。
需要说明的是,云存储容器创建参数包括:容器镜像配置信息、节点资源状态、需创建容器的数量、创建容器的镜像名称。
S203:根据所述云存储容器中预设的人力资源数据处理规则,对所述人力资源数据包执行对应的数据预处理,并输出经过所述数据预处理后的目标人力资源数据,其中,所述目标人力资源数据包括加密数据和共享数据。
具体的,根据所述云存储容器中预设的人力资源数据处理规则,对所述人力资源数据包执行对应的数据预处理,并输出经过所述数据预处理后的目标人力资源数据,可以包括:
将所述人力资源数据包输入预设人力资源数据分类模型,生成人力资源数据特征信息序列,所述预设人力资源数据分类模型由预设的人力资源数据处理规则训练得到;
基于所述人力资源数据特征信息序列对所述人力资源数据包进行鉴权分类,得到目标人力资源数据。
具体的,作为机器学***移不变的卷积层和池化层是卷积神经网络的关键属性,因为它们包含一定数量的称为超参数的可调参数矩阵。因此可以利用训练好的人力资源数据分类模型,生成人力资源数据特征信息序列,并对人力资源数据包进行鉴权分类,得到目标人力资源数据。
其中,基于所述人力资源数据特征信息序列对所述人力资源数据包进行鉴权分类,得到目标人力资源数据,可以包括如下步骤:
将所述人力资源数据特征信息序列作为输入数据,并输入所述人力资源数据分类模型,以通过所述人力资源数据分类模型输出人力资源数据对应的分类情况。
根据所述人力资源数据对应的分类情况,将所述人力资源数据分割成加密数据和共享数据。
进一步的,加密的人力资源数据还可以进行密级区分,该人力资源数据可以根据密级的不同,划分成不同的密级数据,因此,拥有不同密级的人力资源数据可以对应不同的权限。根据预设的密级划分规则,对人力资源数据进行密级划分,得到多个密级数据。其中,预设的密级划分规则可以是根据人力资源数据的隐私程度,将人力资源数据进行密级划分。
需要说明的是,不同类型的人力资源数据,其人力资源数据处理规则不同,预设人力资源数据分类模型同样存在区别,可以理解,通过对人力资源数据的识别可以实现对人力资源数据的类型的识别。
预设人力资源数据分类模型可为训练RNN(Recurrent Neural Network,循环神经网络)或CNN(Convolutional Neural Networks,卷积神经网络)等用于分类的神经网络模型得到的分类模型。对于RNN对应的预设人力资源数据分类模型,其训练过程为:首先获取人力资源数据包,并通过预设的人力资源数据处理规则进行训练,并设置卷积和池化的预设层数(如4层、5层等)的中间层(隐藏层),以生成人力资源数据分类模型。
可见,本发明首先获得待处理的人力资源数据集合,并将待处理的人力资源数据集合拆分成若干人力资源数据包,根据人力资源数据包,确定对应的云存储容器,根据云存储容器中预设的人力资源数据处理规则,对人力资源数据包执行对应的数据预处理,并输出经过数据预处理后的目标人力资源数据,其中,所述目标人力资源数据包括加密数据和共享数据,利用本发明实施例,以解决现有技术中的不足,它能够提高人力资源数据处理的安全性和可靠性。
本申请的又一实施例提供了一种云原生架构的人力资源数据处理装置,如图3所示的一种云原生架构的人力资源数据处理装置的结构示意图,所述装置包括:
获得模块301,用于获得待处理的人力资源数据集合,并将所述待处理的人力资源数据集合拆分成若干人力资源数据包;
确定模块302,用于根据所述人力资源数据包,确定对应的云存储容器,其中,所述云存储容器包括加密容器和共享容器;
输出模块303,用于根据所述云存储容器中预设的人力资源数据处理规则,对所述人力资源数据包执行对应的数据预处理,并输出经过所述数据预处理后的目标人力资源数据,其中,所述目标人力资源数据包括加密数据和共享数据。
具体的,所述获得模块,包括:
接收单元,用于接收人力资源数据的获取请求以及与所述获取请求对应的至少一个待处理人力资源数据;
划分单元,用于将所述获取请求划分成多个获取子请求,并通过Kubernetes进行子请求管理,以得到所有子请求对应的待处理的人力资源数据集合。
具体的,所述确定模块,包括:
第一获取单元,用于获取所述人力资源数据包的特征信息,所述特征信息包括人力资源数据的访问权限,所述访问权限包括读写权限;
获得单元,用于获得云存储容器的云存储空间信息;
第二获取单元,用于根据所述人力资源数据包的特征信息、所述云存储空间信息,获取镜像及其对应的节点;
第三获取单元,用于响应于所述节点并运行所述镜像,获取对应的云存储容器。
具体的,所述第三获取单元,包括:
接收子单元,用于接收创建云存储容器的指令,并确定镜像拉取策略;
发送子单元,用于根据所述镜像拉取策略向对应节点发送控制指令,其中,所述控制指令包括镜像拉取指令、创建云存储容器指令;
生成子单元,用于根据所述控制指令拉取镜像层,并根据镜像层之间的层级关系联合挂载生成对应的云存储容器。
具体的,所述输出模块,包括:
生成单元,用于将所述人力资源数据包输入预设人力资源数据分类模型,生成人力资源数据特征信息序列,所述预设人力资源数据分类模型由预设的人力资源数据处理规则训练得到;
得到单元,用于基于所述人力资源数据特征信息序列对所述人力资源数据包进行鉴权分类,得到目标人力资源数据。
与现有技术相比,本发明首先获得待处理的人力资源数据集合,并将待处理的人力资源数据集合拆分成若干人力资源数据包,根据人力资源数据包,确定对应的云存储容器,根据云存储容器中预设的人力资源数据处理规则,对人力资源数据包执行对应的数据预处理,并输出经过数据预处理后的目标人力资源数据,其中,所述目标人力资源数据包括加密数据和共享数据,利用本发明实施例,以解决现有技术中的不足,它能够提高人力资源数据处理的安全性和可靠性。
本发明实施例还提供了一种存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
具体的,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S201:获得待处理的人力资源数据集合,并将所述待处理的人力资源数据集合拆分成若干人力资源数据包;
S202:根据所述人力资源数据包,确定对应的云存储容器,其中,所述云存储容器包括加密容器和共享容器;
S203:根据所述云存储容器中预设的人力资源数据处理规则,对所述人力资源数据包执行对应的数据预处理,并输出经过所述数据预处理后的目标人力资源数据,其中,所述目标人力资源数据包括加密数据和共享数据。
具体的,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
与现有技术相比,本发明首先获得待处理的人力资源数据集合,并将待处理的人力资源数据集合拆分成若干人力资源数据包,根据人力资源数据包,确定对应的云存储容器,根据云存储容器中预设的人力资源数据处理规则,对人力资源数据包执行对应的数据预处理,并输出经过数据预处理后的目标人力资源数据,其中,所述目标人力资源数据包括加密数据和共享数据,利用本发明实施例,以解决现有技术中的不足,它能够提高人力资源数据处理的安全性和可靠性。
本发明实施例还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
具体的,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
具体的,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S201:获得待处理的人力资源数据集合,并将所述待处理的人力资源数据集合拆分成若干人力资源数据包;
S202:根据所述人力资源数据包,确定对应的云存储容器,其中,所述云存储容器包括加密容器和共享容器;
S203:根据所述云存储容器中预设的人力资源数据处理规则,对所述人力资源数据包执行对应的数据预处理,并输出经过所述数据预处理后的目标人力资源数据,其中,所述目标人力资源数据包括加密数据和共享数据。
与现有技术相比,本发明首先获得待处理的人力资源数据集合,并将待处理的人力资源数据集合拆分成若干人力资源数据包,根据人力资源数据包,确定对应的云存储容器,根据云存储容器中预设的人力资源数据处理规则,对人力资源数据包执行对应的数据预处理,并输出经过数据预处理后的目标人力资源数据,其中,所述目标人力资源数据包括加密数据和共享数据,利用本发明实施例,以解决现有技术中的不足,它能够提高人力资源数据处理的安全性和可靠性。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上对本发明实施例进行了详细介绍,本文中应用了具体个例对本发明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发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,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发明的限制。
Claims (7)
1.一种云原生架构的人力资源数据处理方法,应用于云平台,其特征在于,所述方法包括:
获得待处理的人力资源数据集合,并将所述待处理的人力资源数据集合拆分成若干人力资源数据包;
其中,对人力资源数据进行标识,并提取关键字,在云端数据库中建立有人力资源数据的索引树,索引树的每个子索引对应一个节点,每个节点由一个字段进行标识,将关键字与字段进行匹配,并将人力资源数据存储在匹配的字段所标识的节点对应的子索引下;
在接收到人力资源数据的获取请求时,将获取请求划分成多个获取子请求,并根据划分后的人力资源数据的获取子请求,在云端数据库中遍历所有人力资源数据集合或者特定标识的人力资源数据;
根据所述人力资源数据包,确定对应的云存储容器,其中,所述云存储容器包括加密容器和共享容器;
根据所述云存储容器中预设的人力资源数据处理规则,对所述人力资源数据包执行对应的数据预处理,并输出经过所述数据预处理后的目标人力资源数据,其中,所述目标人力资源数据包括加密数据和共享数据;
其中,将所述人力资源数据包输入预设人力资源数据分类模型,生成人力资源数据特征信息序列,所述预设人力资源数据分类模型由预设的人力资源数据处理规则训练得到;
基于所述人力资源数据特征信息序列对所述人力资源数据包进行鉴权分类,得到目标人力资源数据。
2.根据权利要求1所述的方法,其特征在于,所述根据所述人力资源数据包,确定对应的云存储容器,包括:
获取所述人力资源数据包的特征信息,所述特征信息包括人力资源数据的访问权限,所述访问权限包括读写权限;
获得云存储容器的云存储空间信息;
根据所述人力资源数据包的特征信息、所述云存储空间信息,获取镜像及其对应的节点;
响应于所述节点并运行所述镜像,获取对应的云存储容器。
3.根据权利要求2所述的方法,其特征在于,所述响应于所述节点并运行所述镜像,获取对应的云存储容器,包括:
接收创建云存储容器的指令,并确定镜像拉取策略;
根据所述镜像拉取策略向对应节点发送控制指令,其中,所述控制指令包括镜像拉取指令、创建云存储容器指令;
根据所述控制指令拉取镜像层,并根据镜像层之间的层级关系联合挂载生成对应的云存储容器。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述人力资源数据包括:管理者信息、被管理者信息以及管理内容信息,所述管理内容信息包括岗位、职责、工作内容、工作职责、学历、性别、工作经验和薪资信息中的一种或者多种。
5.一种云原生架构的人力资源数据处理装置,应用于云平台,其特征在于,所述装置包括:
获得模块,用于获得待处理的人力资源数据集合,并将所述待处理的人力资源数据集合拆分成若干人力资源数据包;
其中,对人力资源数据进行标识,并提取关键字,在云端数据库中建立有人力资源数据的索引树,索引树的每个子索引对应一个节点,每个节点由一个字段进行标识,将关键字与字段进行匹配,并将人力资源数据存储在匹配的字段所标识的节点对应的子索引下;
在接收到人力资源数据的获取请求时,将获取请求划分成多个获取子请求,并根据划分后的人力资源数据的获取子请求,在云端数据库中遍历所有人力资源数据集合或者特定标识的人力资源数据;
确定模块,用于根据所述人力资源数据包,确定对应的云存储容器,其中,所述云存储容器包括加密容器和共享容器;
输出模块,用于根据所述云存储容器中预设的人力资源数据处理规则,对所述人力资源数据包执行对应的数据预处理,并输出经过所述数据预处理后的目标人力资源数据,其中,所述目标人力资源数据包括加密数据和共享数据;
其中,将所述人力资源数据包输入预设人力资源数据分类模型,生成人力资源数据特征信息序列,所述预设人力资源数据分类模型由预设的人力资源数据处理规则训练得到;
基于所述人力资源数据特征信息序列对所述人力资源数据包进行鉴权分类,得到目标人力资源数据。
6.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至4任一项中所述的方法。
7.一种电子设备,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至4任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211020316.8A CN115587394B (zh) | 2022-08-24 | 2022-08-24 | 一种云原生架构的人力资源数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211020316.8A CN115587394B (zh) | 2022-08-24 | 2022-08-24 | 一种云原生架构的人力资源数据处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115587394A CN115587394A (zh) | 2023-01-10 |
CN115587394B true CN115587394B (zh) | 2023-08-08 |
Family
ID=84772462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211020316.8A Active CN115587394B (zh) | 2022-08-24 | 2022-08-24 | 一种云原生架构的人力资源数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115587394B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104299069A (zh) * | 2014-09-03 | 2015-01-21 | 北海云海商务信息咨询有限责任公司 | 云端人力资源数据处理和共享方法 |
CN106569895A (zh) * | 2016-10-24 | 2017-04-19 | 华南理工大学 | 一种基于容器的多租户大数据平台构建方法 |
CN114157415A (zh) * | 2021-10-15 | 2022-03-08 | 中国工商银行股份有限公司 | 数据处理方法、计算节点、***、计算机设备和存储介质 |
CN114296933A (zh) * | 2021-12-30 | 2022-04-08 | 中国电信股份有限公司 | 端边云架构下轻量化容器的实现方法、数据处理*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9807077B2 (en) * | 2015-03-10 | 2017-10-31 | Polyverse Corporation | Systems and methods for containerized data security |
US10686780B2 (en) * | 2017-11-14 | 2020-06-16 | Ricoh Company, Ltd. | Secure, cloud-based data collection tool |
-
2022
- 2022-08-24 CN CN202211020316.8A patent/CN115587394B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104299069A (zh) * | 2014-09-03 | 2015-01-21 | 北海云海商务信息咨询有限责任公司 | 云端人力资源数据处理和共享方法 |
CN106569895A (zh) * | 2016-10-24 | 2017-04-19 | 华南理工大学 | 一种基于容器的多租户大数据平台构建方法 |
CN114157415A (zh) * | 2021-10-15 | 2022-03-08 | 中国工商银行股份有限公司 | 数据处理方法、计算节点、***、计算机设备和存储介质 |
CN114296933A (zh) * | 2021-12-30 | 2022-04-08 | 中国电信股份有限公司 | 端边云架构下轻量化容器的实现方法、数据处理*** |
Also Published As
Publication number | Publication date |
---|---|
CN115587394A (zh) | 2023-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11108863B2 (en) | Tag operating system | |
US20210073678A1 (en) | Method, apparatus and system for secure vertical federated learning | |
US10033597B2 (en) | Type-to-type analysis for cloud computing technical components with translation scripts | |
US20200364525A1 (en) | Rf tag operating system with iot connector core | |
US20210103969A1 (en) | Systems and methods of multicolor search of images | |
CN110598110B (zh) | 业务推送方法和装置 | |
CN112328585B (zh) | 一种数据处理的方法和装置 | |
CN112307331A (zh) | 一种基于区块链高校毕业生智能招聘信息推送方法、***及终端设备 | |
US20160019296A1 (en) | Fingerprint-based configuration typing and classification | |
CN115563600A (zh) | 数据审核方法和装置、电子设备及存储介质 | |
CN111932200A (zh) | 远程招投标评审*** | |
CN105871998A (zh) | 一种数据展示方法及装置 | |
CN111008220A (zh) | 数据源的动态识别方法及装置、存储介质和电子装置 | |
CN110795558A (zh) | 标签获取方法和装置、存储介质及电子装置 | |
CN115587394B (zh) | 一种云原生架构的人力资源数据处理方法及装置 | |
Jain et al. | Data Communication and Information Exchange in Distributed IoT Environment: Issues and Their Solutions | |
CN110995489A (zh) | 大数据平台服务器管理方法、装置、服务器及存储介质 | |
Zhao et al. | MapReduce enabling content analysis architecture for information-centric networks using CNN | |
Shostak et al. | Ensuring the Security of the Full Logistics Supply Chain Based on the Вlockсhain Technology. | |
Ceruti | Challenges in data management for the United States Department of Defense (DoD) command, control, communications, computers, and intelligence (C/sup 4/I) systems | |
CN111339189A (zh) | 一种数据处理方法、装置及计算机可读存储介质 | |
Lopez-Arevalo et al. | method for creating Digital Sentinel Twins of IoT devices | |
CN114048804B (zh) | 一种分类模型训练方法及装置 | |
CN115481108B (zh) | 一种针对同一数据在不同部门之间的管理方法及*** | |
Niu et al. | A Trustworthy Content Moderation Scheme Based on Permissioned Blockchain |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |