数据的获取方法、装置、设备及存储介质与流程

1.本技术涉及人工智能领域，尤其涉及一种数据的获取方法、装置、设备及存储介质。


背景技术：

2.目前，在数据获取过程中常需依赖人工来处理某些步骤，例如登录某些平台等，导致效率较低，并且对应具体获取数据时，无法具体掌握关键信息，所以在获取数据时，仅是大批量的复制等方式，来获取数据，不能准确的得到有效数据，从而效率较低；在现有技术中，通过维持账号在线的方式，来保持用户在各平台的登录状态，以获取平台上的数据，但仍是直接复制的方式导致获取有效数据的效率较低，因此，如何提高获取有效数据的效率成为了亟待解决的问题。


技术实现要素：

3.本技术提供了一种数据的获取方法、装置、设备及存储介质，以解决现有技术中获取有效数据的效率较低的问题。
4.为解决上述问题，本技术提供了一种数据的获取方法，包括：
5.获取各平台的地址以及用户对应的身份信息；
6.基于各所述平台的地址以及用户对应的身份信息，登录各所述平台并获取各所述平台中的关键信息，所述关键信息包括图像和/或关键词；
7.基于所述关键信息进行汇总编辑，得到汇总数据；
8.利用判断模型对所述汇总数据进行处理，判断是否进行告警；
9.当进行告警时，则根据预设的告警规则，将所述汇总数据发送至前端。
10.进一步的，所述基于各所述平台的地址以及用户对应的身份信息，登录各所述平台包括：
11.基于所述平台地址，进入对应网页后，当检测到所述网页有验证码框时，根据图像识别模型，获取对应的验证码；
12.根据所述用户对应的身份信息以及验证码，登录所述平台。
13.进一步的，所述当检测到所述网页有验证码框时，根据图像识别模型，获取对应的验证码包括：
14.基于所述验证码框进行定位，截取所述验证码框中的图像；
15.根据所述图像识别模型对所述图像进行识别，得到所述验证码，其中，所述图像识别模型基于crnn模型训练得到。
16.进一步的，所述获取各所述平台中的关键信息包括：
17.通过对所述平台上的界面进行截图；和/或
18.利用特征提取模型对所述界面上的数据进行特征提取，得到所述关键信息中的关键词。
19.进一步的，所述基于所述关键信息进行汇总编辑，得到汇总数据包括：
20.利用分类模型，将各所述平台对应的关键信息进行分类汇总处理，分别得到对应的汇总数据，其中，所述分类模型基于贝叶斯算法训练得到。
21.进一步的，所述利用判断模型对所述汇总数据进行处理，判断是否进行告警包括：
22.通过将各所述平台对应的汇总数据，分别输入所述判断模型进行判断，得到对应的判断结果，其中，所述判断模型基于决策树模型训练得到；
23.基于各所述判断结果，利用预设的判断规则进行处理，判断是否进行告警。
24.进一步的，在所述获取各所述平台中的关键信息之前，还包括：
25.设定预设时间的定时器；
26.在所述定时器每次到达所述预设时间时，执行所述获取各所述平台中的关键信息的步骤。
27.为了解决上述问题，本技术还提供一种数据的获取装置，所述装置包括：
28.获取模块，用于获取各平台的地址以及用户对应的身份信息；
29.登录模块，用于基于各所述平台的地址以及用户对应的身份信息，登录各所述平台并获取各所述平台中的关键信息，所述关键信息包括图像和/或关键词；
30.汇总模块，用于基于所述关键信息进行汇总编辑，得到汇总数据；
31.判断模块，用于利用判断模型对所述汇总数据进行处理，判断是否进行告警；
32.推送模块，用于当进行告警时，则根据预设的告警规则，将所述汇总数据发送至前端。
33.为了解决上述问题，本技术还提供一种计算机设备，包括：
34.至少一个处理器；以及，
35.与所述至少一个处理器通信连接的存储器；其中，
36.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的数据的获取方法。
37.为了解决上述问题，本技术还提供一种非易失性的计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上所述的数据的获取方法。
38.根据本技术实施例提供的一种数据的获取方法、装置、设备及存储介质，与现有技术相比至少具有以下有益效果：
39.首先获取各平台的地址以及用户对应的身份信息，基于各所述平台的地址以及用户对应的身份信息，登录各所述平台，保持用户在各平台上的在线状态，再从各所述平台中的关键信息，以得到有效数据，基于所述关键信息进行汇总编辑，得到各平台对应的汇总数据，便于后续判断是否对用户进行告警，利用判断模型对所述汇总数据进行处理，判断是否对应告警，即当判断出汇总数据有异常时，对用户进行告警提醒，当进行告警时，则根据预设的告警规则，将所述汇总数据发送至前端，便于用户查看异常的汇总数据，实现高效的获取数据，提高了获取有效数据的效率以及准确率。
附图说明
40.为了更清楚地说明本技术中的方案，下面将对本技术实施例描述中所需要使用的
附图做一个简单介绍，显而易见地，下面描述中的附图是本技术的一些实施例，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，还可以根据这些附图获得其他的附图。
41.图1为本技术一实施例提供的数据的获取方法的整体流程图；
42.图2为图1中步骤s2的一种具体实施方式的流程示意图；
43.图3为图2中步骤s21的一种具体实施方式的流程示意图；
44.图4为本技术一实施例提供的数据的获取装置的模块示意图；
45.图5为本技术一实施例的计算机设备的结构示意图。
具体实施方式
46.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术；本技术的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本技术的说明书和权利要求书或上述附图中的术语“第一”“第二”等是用于区别不同对象，而不是用于描述特定顺序。
47.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是是相同的实施例，也不是与其它实施例相互排斥的独立的或备选的实施例。本领域技术人员显式地或隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
48.本技术提供一种数据的获取方法。主要用于平台上的数据获取，获取平台上的数据，并对获取的数据进行判断，以决定是否推送给用户。参照图1所示，图1为本技术一实施例提供的数据的获取方法的流程示意图。
49.在本实施例中，数据的获取方法包括：
50.s1、获取各平台的地址以及用户对应的身份信息；
51.具体的，通过获取各平台的url及参数，以及用户在各平台中对应的用户名、密码以及身份令牌等，并且对于身份令牌通过循环获取，以维持身份生效，并且一次登录过后，期间无需维护身份认证，可保证用户在各平台维持在线。所述身份令牌每个平台都不一致，可在对应网站平台中的配置文件中找到。
52.s2、基于各所述平台的地址以及用户对应的身份信息，登录各所述平台并获取各所述平台中的关键信息，所述关键信息包括图像和/或关键词；
53.具体的，根据各平台的url及参数，以及用户在各平台中对应的用户名、密码以及身份令牌等，登录至各平台；从而获取各所述平台中的关键信息，所述关键信息包括截图和/或关键词等，所述截图即图像；所述截图即平台web页面某一区域，所述关键词即为用户对应账号下信息的关键词。获取的所述关键信息为一时间段内的信息，并非平台上展示的所有信息。
54.进一步的，如图2所示，所述基于各所述平台的地址以及用户对应的身份信息，登录各所述平台包括：
55.s21、基于所述平台地址，进入对应网页后，当检测到所述网页有验证码框时，根据图像识别模型，获取对应的验证码；
56.s22、根据所述用户对应的身份信息以及验证码，登录所述平台。
57.具体的，基于所述网络平台的地址，即对应的url，进入对应网页后，首先展示的即为登录界面，其中，当检测到页面下有用户名、密码框的同时，还有验证码框时，需调用图像识别模型，来获取验证码框中的图像，来获取对应的验证码；
58.从而根据用户对应的身份信息，包括用户名、密码以及身份令牌等，以及上述得到的验证码填入对应的区域中，以登录所述平台。
59.在本技术的其他实施例中，可直接调用rpa安小蜂来进行验证码识别；所述rpa安小蜂为现有的流程自动化机器人，可进行上述的验证码识别。
60.在本技术的其他实施例中，在所述登录界面，仅检测到有用户名、密码框时，直接利用用户的身份信息，即可登录所述平台。
61.通过智能获取验证码，并根据获取到的验证码，以及身份信息登录所述平台，维持登录状态，便于后续获取关键信息，提高了处理效率。
62.再进一步的，如图3所示，所述当检测到所述网页有验证码框时，根据图像识别模型，获取对应的验证码包括：
63.s211、基于所述验证码框进行定位，截取所述验证码框中的图像；
64.s212、根据所述图像识别模型对所述图像进行识别，得到所述验证码，其中，所述图像识别模型基于crnn模型训练得到。
65.具体的，在检测到登录界面有验证码框时，基于验证码框的左上角和右下角的位置，进行截图，截取到所述验证码框中的图像；将所述图像输入至图像识别模型对所述图像进行识别，得到对应的验证码。
66.所述crnn(convolutional recurrent neural network，卷积循环神经网络)模型为通过cnn(convolutional neural networks)将图片的特征提取出来后采用rnn(recurrent neural network)对序列进行预测，最后通过一个ctc(connectionist temporal classification)的翻译层得到最终结果，即crnn的网络结构就是cnn rnn ctc的结构。所述图像识别模型基于大量的已打标的验证码图像训练得到。
67.基于图像识别模型对所述验证码进行识别提高了处理效率。
68.进一步的，所述获取各所述平台中的关键信息包括：
69.通过对所述平台上的界面进行截图；和/或
70.利用特征提取模型对所述界面上的数据进行特征提取，得到所述关键信息中的关键词。
71.具体的，由于所述关键信息包括截图和/或关键词等，所述通过对平台中的有关界面进行截图，即可得到所述关键信息中的截图，再进一步的，可对所述平台中的用户对应账号下的信息进行截图和/或对平台上告警信息进行截图；
72.并且，对应所述平台中的文本数据，通过利用特征提取模型对所述界面中的文本数据进行特征提取，从而得到所述关键信息中的关键词，其中，所述特征提取模型基于所述cnn(convolutional neural networks，卷积神经网络)模型训练得到的。
73.具体根据网页元素定位器抓取指定区域的网页的元素。
74.在本技术的其他实施例中，可对待提取关键词进行配置，根据已配置的待提取关键词，提取所述界面中的数据；因平台展示的信息都是有固定格式的，所以通过配置待提取
关键词的形式，能很好的提取出所述平台上的关键信息。
75.通过截图和/或关键词提取的方式得到平台中的关键信息提高了获取数据的效率以及准确率。
76.进一步的，在所述获取各所述平台中的关键信息之前，还包括：
77.设定预设时间的定时器；
78.在所述定时器每次到达所述预设时间时，执行所述获取各所述平台中的关键信息的步骤。
79.具体的，通过设定预设时间的定时器，可按照按照秒、分、小时、天、周、月或年为单位来进行配置，当定时器每次达到设定的预设时间时，即进行获取各所述平台中的关键信息的步骤以及后续步骤。
80.通过设定定时器来定时获取关键信息，实现定时对数据进行获取并处理，保证了后续告警的时效性。
81.s3、基于所述关键信息进行汇总编辑，得到汇总数据；
82.具体的，对各平台对应的关键信息进行分类汇总编辑，以得到各平台对应的汇总数据。并且进行汇总编辑时，可直接将关键信息数据汇总编辑成图表的形式，可将图表推送给用户，以便于用户查看，以及进行后续的处理。
83.进一步的，所述基于所述关键信息进行汇总编辑，得到汇总数据包括：
84.利用分类模型，将各所述平台对应的关键信息进行分类汇总处理，分别得到对应的汇总数据，其中，所述分类模型基于贝叶斯算法训练得到。
85.具体的，通过利用分类模型，对各所述平台对应的关键信息进行分类汇总，即主要对关键信息中的关键词进行分类，得到各类别的关键词，即汇总数据；
86.本技术采用的贝叶斯算法具体为贝叶斯分类算法，贝叶斯分类算法是统计学的一种分类方法，它是一类利用概率统计知识进行分类的算法。在许多场合，朴素贝叶斯(na(ve(a(es，n()分类算法可以与决策树和神经网络分类算法相媲美，该算法能运用到大型数据库中，而且方法简单、分类准确率高、速度快。
87.通过对关键信息进行分类汇总得到汇总数据，便于后续判断是否继续告警处理，提高处理效率以及便于用户查看。
88.s4、利用判断模型对所述汇总数据进行处理，判断是否进行告警；
89.具体的，基于得到的各平台对应的汇总数据，分别输入所述判断模型进行判断，以得到对应的判断结果，基于所述判断结果，再进行进一步判断，以判断是否进行告警。若不进行告警，则等待下一计时段获取的汇总数据，再进行判断。
90.进一步的，所述利用判断模型对所述汇总数据进行处理，判断是否进行告警包括：
91.通过将各所述平台对应的汇总数据，分别输入所述判断模型进行判断，得到对应的判断结果，其中，所述判断模型基于决策树模型训练得到；
92.基于各所述判断结果，利用预设的判断规则进行处理，判断是否进行告警。
93.具体的，通过各所述平台对应的汇总数据，分别输入所述判断模型进行判断，得到对应的判断结果，例如bug统一管理平台，由有关测试人员在软件开发测试阶段进行测试，并进行反馈有关bug问题，通过对bug问题的文本数据进行特征提取得到关键信息，并对关键信息进行汇总，得到汇总数据，根据bug统一管理平台的汇总数据，利用判断模型进行判
断，得到对应的判断结果；
94.当只有一个平台时，根据所述判断结果即可直接得出是否告警的判断，即当判断结果为异常时，则进行告警，当判断结果为正常时，则不进行告警；并且在存在多个平台时，根据预设的判断规则，在本技术中预设的判断规则为各平台的优先级等，例如当存在bug统一管理平台、日志管理平台、数据库平台、项目配置平台以及项目部署环境平台等平台时，设定各自的优先级，就以上述排列的顺序从左到右优先级依次降低，即当bug统一管理平台对应的判断结果为异常时，后面的平台对应的判断结果以无作用，对应的结果即为告警；当bug统一管理平台对应的判断结果为正常时，则查看日志管理平台对应的判断结果是否异常，若异常，则进行告警；若正常，则查看数据库平台对应的判断结果，依次类推；上述所举例的优先级顺序仅为示意，具体优先级顺序可根据需要进行设定。
95.在本技术的其他实施例中，还可根据其他的预设判断规则进行处理，例如对出现异常的平台数量进行限定，当出现两个及以上的异常平台时，则进行告警等。
96.在本技术的其他实施例中，对bug统一管理平台中提取出的bug等级维度还进行了设定，当bug等级达到预设等级时，则直接进行告警。例如到获取到该时间段汇总数据中的bug等级为l2级别及以上时，则直接进行告警。
97.通过利用判断模型，对所述汇总数据进行判断，得到各平台对应的判断结果；基于判断结果，利用预设的判断规则进一步处理，以最终确定是否告警，提高了处理的准确性，以及提高了用户获取有效数据的效率。
98.s5、当进行告警时，则根据预设的告警规则，将所述汇总数据发送至前端。
99.具体的，当需要进行告警时，根据预设的告警规则，如告警方式等，所述告警方式为短信提醒、邮件提醒及通讯软件提醒等中的一种或多种；将所述汇总数据发送至前端，并且对于消除告警的方式，在用户对告警确认后，提醒才会消失；对于告警的方式以及告警的间隔时间可由用户进行自行定义。发送的汇总数据为该时间段的数据。
100.需要强调的是，为了进一步保证数据的私密性和安全性，所述汇总数据的所有数据还可以存储于一区块链的节点中。
101.本技术所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链((lockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
102.首先获取各平台的地址以及用户对应的身份信息，基于各所述平台的地址以及用户对应的身份信息，登录各所述平台，保持用户在各平台上的在线状态，再从各所述平台中的关键信息，以得到有效数据，基于所述关键信息进行汇总编辑，得到各平台对应的汇总数据，便于后续判断是否对用户进行告警，利用判断模型对所述汇总数据进行处理，判断是否对应告警，即当判断出汇总数据有异常时，对用户进行告警提醒，当进行告警时，则根据预设的告警规则，将所述汇总数据发送至前端，便于用户查看异常的汇总数据，实现高效的获取数据，提高了获取有效数据的效率以及准确率。
103.本实施例还提供一种数据的获取装置，如图4所示，是本技术数据的获取装置的功能模块图。
104.本技术所述数据的获取装置100可以安装于电子设备中。根据实现的功能，所述数据的获取装置100可以包括获取模块101、登录模块102、汇总模块103、判断模块104和推送模块105。本技术所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
105.在本实施例中，关于各模块/单元的功能如下：
106.获取模块101，用于获取各平台的地址以及用户对应的身份信息；
107.登录模块102，用于基于各所述平台的地址以及用户对应的身份信息，登录各所述平台并获取各所述平台中的关键信息，所述关键信息包括图像和/或关键词；
108.进一步的，所述登录模块102包括验证码获取子模块和平台登录子模块；
109.所述验证码获取子模块，用于基于所述平台地址，进入对应网页后，当检测到所述网页有验证码框时，根据图像识别模型，获取对应的验证码；
110.所述平台登录子模块，用于根据所述用户对应的身份信息以及验证码，登录所述平台。
111.通过验证码获取子模块和平台登录子模块的配合，智能获取验证码，并根据获取到的验证码，以及身份信息登录所述平台，维持登录状态，便于后续获取关键信息，提高了处理效率。
112.再进一步的，所述验证码获取子模块还包括图像截取单元和图像识别单元；
113.所述图像截取单元，用于基于所述验证码框进行定位，截取所述验证码框中的图像
114.所述图像识别单元，用于根据所述图像识别模型对所述图像进行识别，得到所述验证码，其中，所述图像识别模型基于crnn模型训练得到。
115.通过图像截取单元和图像识别单元的配合，基于图像识别模型对所述验证码进行识别提高了处理效率。
116.进一步的，所述登录模块102包括截图子模块和关键词提取子模块；
117.所述截图子模块，用于通过对所述平台上的界面进行截图；和/或
118.所述关键词提取子模块，用于利用特征提取模型对所述界面上的数据进行特征提取，得到所述关键信息中的关键词。
119.通过截图子模块和关键词提取子模块的配合，通过截图和/或关键词提取的方式得到平台中的关键信息提高了获取数据的效率以及准确率。
120.进一步的，所述数据的获取装置100包括定时模块和执行模块；
121.所述定时模块，用于设定预设时间的定时器；
122.所述执行模块，用于在所述定时器每次到达所述预设时间时，执行所述获取各所述平台中的关键信息的步骤。
123.通过定时模块和执行模块的配合，设定定时器来定时获取关键信息，实现定时对数据进行获取并处理，保证了后续告警的时效性。
124.汇总模块103，用于基于所述关键信息进行汇总编辑，得到汇总数据；
125.进一步的，所述汇总模块包括分类汇总子模块；
126.所述分类汇总子模块，用于利用分类模型，将各所述平台对应的关键信息进行分类汇总处理，分别得到对应的汇总数据，其中，所述分类模型基于贝叶斯算法训练得到。
127.通过分类汇总子模块，通过对关键信息进行分类汇总得到汇总数据，便于后续判断是否继续告警处理，提高处理效率以及便于用户查看。
128.判断模块104，用于利用判断模型对所述汇总数据进行处理，判断是否进行告警；
129.进一步的，所述判断模块104包括数据判断子模块和对应处理子模块；
130.所述数据判断子模块，用于通过将各所述平台对应的汇总数据，分别输入所述判断模型进行判断，得到对应的判断结果，其中，所述判断模型基于决策树模型训练得到；
131.所述对应处理子模块，用于基于各所述判断结果，利用预设的判断规则进行处理，判断是否进行告警。
132.通过数据判断子模块和对应处理子模块的配合，利用判断模型，对所述汇总数据进行判断，得到各平台对应的判断结果；基于判断结果，利用预设的判断规则进一步处理，以最终确定是否告警，提高了处理的准确性，以及提高了用户获取有效数据的效率。
133.推送模块105，用于当进行告警时，则根据预设的告警规则，将所述汇总数据发送至前端。
134.通过采用上述装置，所述数据的获取装置100通过获取模块101、登录模块102、汇总模块103、判断模块104和推送模块105的配合使用，首先获取各平台的地址以及用户对应的身份信息，基于各所述平台的地址以及用户对应的身份信息，登录各所述平台，保持用户在各平台上的在线状态，再从各所述平台中的关键信息，以得到有效数据，基于所述关键信息进行汇总编辑，得到各平台对应的汇总数据，便于后续判断是否对用户进行告警，利用判断模型对所述汇总数据进行处理，判断是否对应告警，即当判断出汇总数据有异常时，对用户进行告警提醒，当进行告警时，则根据预设的告警规则，将所述汇总数据发送至前端，便于用户查看异常的汇总数据，实现高效的获取数据，提高了获取有效数据的效率以及准确率。
135.本技术实施例还提供一种计算机设备。具体请参阅图5，图5为本实施例计算机设备基本结构框图。
136.所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是，图中仅示出了具有组件41-43的计算机设备4，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(application specific integrated circuit，asic)、可编程门阵列(field－programmable gate arra(，fpga)、数字处理器(digital signal processor，dsp)、嵌入式设备等。
137.所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
138.所述存储器41至少包括一种类型的可读存储介质，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，所述存储器41可以是所述计算机设备4的内部存储单元，例如该计算机设备4的硬盘或内存。在另一些实施例中，所述存储器
41也可以是所述计算机设备4的外部存储设备，例如该计算机设备4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，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中，所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件，例如数据的获取方法的计算机可读指令等。此外，所述存储器41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。
139.所述处理器42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42通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据，例如运行所述数据的获取方法的计算机可读指令。
140.所述网络接口43可包括无线网络接口或有线网络接口，该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
141.本实施例通过处理器执行存储在存储器的计算机可读指令时实现如上述实施例数据的获取方法的步骤，首先获取各平台的地址以及用户对应的身份信息，基于各所述平台的地址以及用户对应的身份信息，登录各所述平台，保持用户在各平台上的在线状态，再从各所述平台中的关键信息，以得到有效数据，基于所述关键信息进行汇总编辑，得到各平台对应的汇总数据，便于后续判断是否对用户进行告警，利用判断模型对所述汇总数据进行处理，判断是否对应告警，即当判断出汇总数据有异常时，对用户进行告警提醒，当进行告警时，则根据预设的告警规则，将所述汇总数据发送至前端，便于用户查看异常的汇总数据，实现高效的获取数据，提高了获取有效数据的效率以及准确率。
142.本技术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存储有计算机可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的数据的获取方法的步骤，首先获取各平台的地址以及用户对应的身份信息，基于各所述平台的地址以及用户对应的身份信息，登录各所述平台，保持用户在各平台上的在线状态，再从各所述平台中的关键信息，以得到有效数据，基于所述关键信息进行汇总编辑，得到各平台对应的汇总数据，便于后续判断是否对用户进行告警，利用判断模型对所述汇总数据进行处理，判断是否对应告警，即当判断出汇总数据有异常时，对用户进行告警提醒，当进行告警时，则根据预设的告警规则，将所述汇总数据发送至前端，便于用户查看异常的汇总数据，实现高效的获取数据，提高了获取有效数据的效率以及准确率。
143.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。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的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介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本技术各个实施例所述的方法。
144.本技术上述实施例的数据的获取装置、计算机设备、计算机可读存储介质具有与上述实施例的数据的获取方法相同的技术效果，在此不作展开。
145.显然，以上所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例，附图中给出了本技术的较佳实施例，但并不限制本技术的专利范围。本技术可以以许多不同
的形式来实现，相反地，提供这些实施例的目的是使对本技术的公开内容的理解更加透彻全面。尽管参照前述实施例对本技术进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式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效替换。凡是利用本技术说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本技术专利保护范围之内。