基于Spark的内存计算风险评估优化系统的制作方法
基于spark的内存计算风险评估优化系统
技术领域
1.本发明涉及内存计算风险评估优化系统领域，特别涉及基于的内存计算风险评估优化系统。
背景技术：
2.随着互联网金融技术的发展，基于互联网平台的风险评估也进一步发展，基于互联网平台的风险评估包括对用户账户进行风险评估，传统的对用户账户进行风险评估的方式为，获取用户账户信息，根据风险评估请求确定对应的应用场景，根据对应的应用场景对接评估系统，查与风险评估请求对应的应用场景的评分模型，根据对应的应用场景的评分模型对用户账户信息进行筛选，筛选出所需的评分指标信息，根据应用场景的评分模型以及用户账户信息中的评分指标信息进行风险评估，然而针对不同的应用场景，评分模型的指标不尽相同，进而就需要根据不同的应用场景对用户账户进行相对应的风险评估，从而传统的风险评估方式具有一定的缺陷性。
技术实现要素：
3.本发明的目的在于提供基于spark的内存计算风险评估优化系统，以解决上述背景技术中提出的问题。
4.为实现上述目的，本发明提供如下技术方案：基于spark的内存计算风险评估优化系统，包括内存计算风险评估优化系统，所述内存计算风险评估优化系统包括软件运行系统、云端系统、内存评估系统和内存优化系统；
5.所述内存评估系统包括spark计算模块、获取风险标识模块、获取应用风险模块、对比风险模块、数据监测模块、压力评估模块和结果输出模块。
6.优选的，所述spark计算模块用于对模数据处理的通用的计算引擎；
7.所述获取风险标识模块用于获取数据库储存的风险对比标识；
8.所述获取应用风险模块用于获取用户内存风险标识；
9.所述对比风险模块用于对比数据库储存的风险对比标识和用户内存风险标识，从而得到用户内存的风险标识；
10.所述数据监测模块用于实时监测用户内存风险；
11.所述压力评估模块用于评估用户内存运行的压力。
12.优选的，所述内存优化系统包括数据分类模块、一键删除模块、一键优化模块、文件修复模块、漏洞处理模块和优化显示模块；
13.所述数据分类模块用于对用户内存的数据进行分离，以便于后续对用户内存数据进行处理；
14.所述一键删除模块用于一键删除用户内存重复文件；
15.所述一键优化模块用于对用户内存优化处理；
16.所述文件修复模块用于对用户内存中缺陷的文件进行修复；
17.所述漏洞处理模块用于对用户内存漏洞进行修复处理；
18.所述优化显示模块用于显示用户内存风险、漏洞、压力以及优化的结果显示。
19.优选的，所述数据分类模块包括数据重复模块、数据损坏模块、数据丢失模块和数据重要模块；
20.所述数据重复模块、数据损坏模块、数据丢失模块和数据重要模块分别用于对用户内存文件中的重复数据、损坏数据、丢失数据和重要数据进行分类规划，以便于后续对数据进行处理。
21.优选的，所述软件运行系统包括用户登录模块、程序运行模块、信息输入模块、信息储存模块、信息发送模块和信息查询模块；
22.所述用户登录模块用于用户登录相对应的账号，以便于对相对应的程序运行，以及数据处理；
23.所述信息输入模块、信息储存模块、信息发送模块和信息查询模块应用于对账户信息的处理。
24.优选的，所述云端系统包括数据接收模块、信息匹配模块、数据加密模块、数据传输模块、蓝牙模块和电源模块。
25.优选的，所述内存计算风险评估优化系统、软件运行系统、云端系统、内存评估系统和内存优化系统建立连接，所述内存评估系统、spark计算模块、获取风险标识模块、获取应用风险模块、对比风险模块、数据监测模块、压力评估模块和结果输出模块建立连接。
26.优选的，所述内存优化系统、数据分类模块、一键删除模块、一键优化模块、文件修复模块、漏洞处理模块和优化显示模块建立连接，所述数据分类模块、数据重复模块、数据损坏模块、数据丢失模块和数据重要模块建立连接。
27.优选的，所述软件运行系统、用户登录模块、程序运行模块、信息输入模块、信息储存模块、信息发送模块和信息查询模块建立连接，所述云端系统、数据接收模块、信息匹配模块、数据加密模块、数据传输模块、蓝牙模块和电源模块建立连接。
28.本发明的技术效果和优点：
29.(1)本发明利用基于spark的内存计算风险评估优化系统的设置方式，在基于spark的计算方式，可以使软件运行系统、云端系统、内存评估系统和内存优化系统配合使用，对不同的应用场所进行风险评估，并且对用户内存进行处理优化；
30.(2)本发明利用内存评估系统设置方式，内存评估系统包括spark计算模块、获取风险标识模块、获取应用风险模块、对比风险模块、数据检测模块、压力评估模块和结果输出模块，从而其可以根据不同的应用场景对不同的用户内存数据风险进行评估监测；
31.(3)本发明利用内存优化系统的设置方式，存优化系统数据分类模块、一键删除模块、一键优化模块、文件修复模块、漏洞处理模块、优化显示模块，其可以根据用户内存的需求对用户的内存文件进行处理优化，从而使用户内存系统运行的更为流畅。
附图说明
32.图1为本发明内存计算风险评估优化系统框图。
33.图2为本发明软件运行系统框图。
34.图3为本发明云端系统框图。
35.图4为本发明内存评估系统框图。
36.图5为本发明内存优化系统框图。
37.图6为本发明数据分类模块框图。
38.图中：1、内存计算风险评估优化系统；11、软件运行系统；111、用户登录模块；112、程序运行模块；113、信息输入模块；114、信息储存模块；115、信息发送模块；116、信息查询模块；12、云端系统；121、数据接收模块；122、信息匹配模块；123、数据加密模块；124、数据传输模块；125、蓝牙模块；126、电源模块；13、内存评估系统；131、spark计算模块；132、获取风险标识模块；133、获取应用风险模块；134、对比风险模块；135、数据监测模块；136、压力评估模块；137、结果输出模块；14、内存优化系统；141、数据分类模块；1411、数据重复模块；1412、数据损坏模块；1413、数据丢失模块；1414、数据重要模块；142、一键删除模块；143、一键优化模块；144、文件修复模块；145、漏洞处理模块；146、优化显示模块。
具体实施方式
39.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。
40.本发明提供了如图1-6所示的基于spark的内存计算风险评估优化系统，包括内存计算风险评估优化系统1，内存计算风险评估优化系统1包括软件运行系统11、云端系统12、内存评估系统13和内存优化系统14。
41.内存评估系统13包括spark计算模块131、获取风险标识模块132、获取应用风险模块133、对比风险模块134、数据监测模块135、压力评估模块136和结果输出模块137，spark计算模块131用于对模数据处理的通用的计算引擎，是专为大规模数据处理而设计的快速通用的计算引擎，spark是uc berkeley amp lab所开源的类hadoop mapreduce的通用并行框架，spark，拥有hadoop mapreduce所具有的优点，但不同于mapreduce的是
‑‑
job中间输出结果可以保存在内存中，从而不再需要读写hdfs，因此spark能更好地适用于数据挖掘与机器学习等需要迭代的mapreduce的算法，获取风险标识模块132用于获取数据库储存的风险对比标识，从而获取数据储存库风险相标识文件，获取应用风险模块133用于获取用户内存风险标识，对比风险模块134用于对比数据库储存的风险对比标识和用户内存风险标识，从而用户内存风险标识与数据库风险标识对比，从而得到用户内存的风险标识，数据监测模块135用于实时监测用户内存风险，压力评估模块136用于评估用户内存运行的压力。
42.内存优化系统14包括数据分类模块141、一键删除模块142、一键优化模块143、文件修复模块144、漏洞处理模块145和优化显示模块146，数据分类模块141包括数据重复模块1411、数据损坏模块1412、数据丢失模块1413和数据重要模块1414。
43.数据分类模块141用于对用户内存的数据进行分离，以便于后续对用户内存数据进行处理，一键删除模块142用于一键删除用户内存重复文件，一键优化模块143用于对用户内存优化处理，文件修复模块144用于对用户内存中缺陷的文件进行修复，漏洞处理模块145用于对用户内存漏洞进行修复处理，优化显示模块146用于显示用户内存风险、漏洞、压力以及优化的结果显示，数据重复模块1411、数据损坏模块1412、数据丢失模块1413和数据
重要模块1414分别用于对用户内存文件中的重复数据、损坏数据、丢失数据和重要数据进行分类规划，以便于后续对数据进行处理。
44.软件运行系统11包括用户登录模块111、程序运行模块112、信息输入模块113、信息储存模块114、信息发送模块115和信息查询模块116，云端系统12包括数据接收模块121、信息匹配模块122、数据加密模块123、数据传输模块124、蓝牙模块125和电源模块126，用户登录模块111用于用户登录相对应的账号，以便于对相对应的程序运行，以及数据处理，信息输入模块113、信息储存模块114、信息发送模块115和信息查询模块116应用于对账户信息的处理。
45.内存计算风险评估优化系统1、软件运行系统11、云端系统12、内存评估系统13和内存优化系统14建立连接，内存评估系统13、spark计算模块131、获取风险标识模块132、获取应用风险模块133、对比风险模块134、数据监测模块135、压力评估模块136和结果输出模块137建立连接，内存优化系统14、数据分类模块141、一键删除模块142、一键优化模块143、文件修复模块144、漏洞处理模块145和优化显示模块146建立连接，数据分类模块141、数据重复模块1411、数据损坏模块1412、数据丢失模块1413和数据重要模块1414建立连接，软件运行系统11、用户登录模块111、程序运行模块112、信息输入模块113、信息储存模块114、信息发送模块115和信息查询模块116建立连接，云端系统12、数据接收模块121、信息匹配模块122、数据加密模块123、数据传输模块124、蓝牙模块125和电源模块126建立连接。
46.本发明工作原理：当对用户内存风险评估优化时，首先利用用户登录模块111登录用户账号，然后利用程序运行模块112运行程序，在基于spark计算模块131上使用获取风险标识模块132、获取应用风险模块133、对比风险模块134、数据监测模块135和压力评估模块136对用户内存进行评估和监测，并且给由结果输出模块137输出内存评估结果；
47.在数据分类模块141的作用下，对用户内存文件中的重复数据、损坏数据、丢失数据和重要数据进行分类规划，然后通过一键删除模块142、一键优化模块143、文件修复模块144和漏洞处理模块145对用户内存文件数据进行处理，最后由优化显示模块146用于显示用户内存风险、漏洞、压力以及优化的结果显示。
48.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
技术特征：
1.基于spark的内存计算风险评估优化系统，其特征在于，包括内存计算风险评估优化系统(1)，所述内存计算风险评估优化系统(1)包括软件运行系统(11)、云端系统(12)、内存评估系统(13)和内存优化系统(14)；所述内存评估系统(13)包括spark计算模块(131)、获取风险标识模块(132)、获取应用风险模块(133)、对比风险模块(134)、数据监测模块(135)、压力评估模块(136)和结果输出模块(137)。2.根据权利要求1所述的基于spark的内存计算风险评估优化系统，其特征在于，所述spark计算模块(131)用于对模数据处理的通用的计算引擎；所述获取风险标识模块(132)用于获取数据库储存的风险对比标识；所述获取应用风险模块(133)用于获取用户内存风险标识；所述对比风险模块(134)用于对比数据库储存的风险对比标识和用户内存风险标识，从而得到用户内存的风险标识；所述数据监测模块(135)用于实时监测用户内存风险；所述压力评估模块(136)用于评估用户内存运行的压力。3.根据权利要求1所述的基于spark的内存计算风险评估优化系统，其特征在于，所述内存优化系统(14)包括数据分类模块(141)、一键删除模块(142)、一键优化模块(143)、文件修复模块(144)、漏洞处理模块(145)和优化显示模块(146)；所述数据分类模块(141)用于对用户内存的数据进行分离，以便于后续对用户内存数据进行处理；所述一键删除模块(142)用于一键删除用户内存重复文件；所述一键优化模块(143)用于对用户内存优化处理；所述文件修复模块(144)用于对用户内存中缺陷的文件进行修复；所述漏洞处理模块(145)用于对用户内存漏洞进行修复处理；所述优化显示模块(146)用于显示用户内存风险、漏洞、压力以及优化的结果显示。4.根据权利要求3所述的基于spark的内存计算风险评估优化系统，其特征在于，所述数据分类模块(141)包括数据重复模块(1411)、数据损坏模块(1412)、数据丢失模块(1413)和数据重要模块(1414)；所述数据重复模块(1411)、数据损坏模块(1412)、数据丢失模块(1413)和数据重要模块(1414)分别用于对用户内存文件中的重复数据、损坏数据、丢失数据和重要数据进行分类规划，以便于后续对数据进行处理。5.根据权利要求1所述的基于spark的内存计算风险评估优化系统，其特征在于，所述软件运行系统(11)包括用户登录模块(111)、程序运行模块(112)、信息输入模块(113)、信息储存模块(114)、信息发送模块(115)和信息查询模块(116)；所述用户登录模块(111)用于用户登录相对应的账号，以便于对相对应的程序运行，以及数据处理；所述信息输入模块(113)、信息储存模块(114)、信息发送模块(115)和信息查询模块(116)应用于对账户信息的处理。6.根据权利要求1所述的基于spark的内存计算风险评估优化系统，其特征在于，所述云端系统(12)包括数据接收模块(121)、信息匹配模块(122)、数据加密模块(123)、数据传
输模块(124)、蓝牙模块(125)和电源模块(126)。7.根据权利要求1所述的基于spark的内存计算风险评估优化系统，其特征在于，所述内存计算风险评估优化系统(1)、软件运行系统(11)、云端系统(12)、内存评估系统(13)和内存优化系统(14)建立连接，所述内存评估系统(13)、spark计算模块(131)、获取风险标识模块(132)、获取应用风险模块(133)、对比风险模块(134)、数据监测模块(135)、压力评估模块(136)和结果输出模块(137)建立连接。8.根据权利要求1所述的基于spark的内存计算风险评估优化系统，其特征在于，所述内存优化系统(14)、数据分类模块(141)、一键删除模块(142)、一键优化模块(143)、文件修复模块(144)、漏洞处理模块(145)和优化显示模块(146)建立连接，所述数据分类模块(141)、数据重复模块(1411)、数据损坏模块(1412)、数据丢失模块(1413)和数据重要模块(1414)建立连接。9.根据权利要求1所述的基于spark的内存计算风险评估优化系统，其特征在于，所述软件运行系统(11)、用户登录模块(111)、程序运行模块(112)、信息输入模块(113)、信息储存模块(114)、信息发送模块(115)和信息查询模块(116)建立连接，所述云端系统(12)、数据接收模块(121)、信息匹配模块(122)、数据加密模块(123)、数据传输模块(124)、蓝牙模块(125)和电源模块(126)建立连接。
技术总结
本发明公开了基于Spark的内存计算风险评估优化系统，包括内存计算风险评估优化系统，内存计算风险评估优化系统包括软件运行系统、云端系统、内存评估系统和内存优化系统，内存评估系统包括Spark计算模块、获取风险标识模块、获取应用风险模块、对比风险模块、数据监测模块、压力评估模块和结果输出模块，内存优化系统包括数据分类模块、一键删除模块、一键优化模块、文件修复模块、漏洞处理模块和优化显示模块。本发明利用基于Spark的内存计算风险评估优化系统的设置方式，在基于Spark的计算方式，可以使软件运行系统、云端系统、内存评估系统和内存优化系统配合使用，对不同的应用场所进行风险评估，并且对用户内存进行处理优化。化。化。
