【技術實現步驟摘要】
本專利技術涉及機器學習，具體是一種基于機器學習的rpa任務執行重試優化方法。
技術介紹
1、低代碼設計器實時調試系統是基于低代碼設計器的上層裝置，低代碼設計器是基于web瀏覽器實現，它能通過拖動環節到編輯器的方式進行低代碼的業務邏輯開發，環節有邏輯環節：if條件、循環、跳出循環、賦值等，也有數據環節：新增、修改、刪除、查詢等，流程環節有：調用子流程、調用java服務等，通過環節的組合替代代碼開發。
2、通常代碼的調試需要安裝額外的裝置，并且為裝置配置相應的完整環境，整個過程門檻高，學習曲線陡峭；又或者分析程序執行日志，通過執行日志中的信息判斷代碼執行是否正確，但是這種方法效率低下，并且難以觀察執行過程中每一步的情況。
技術實現思路
1、本專利技術的目的在于提供一種基于機器學習的rpa任務執行重試優化方法，以解決現有技術中提出的的問題。
2、為實現上述目的，本專利技術提供如下技術方案：基于機器學習的rpa任務執行重試優化方法，優化方法包括：
3、步驟s1：對系統中每一次代碼調試成功的調試記錄進行采集，其中，每一條所述調試記錄包括代碼設為樣本數據以及斷點對應的代碼步驟設為目標數據；
4、其中，樣本數據由四個基本結構組成，所述四個基本結構分別為變量和數據類型、操作符、控制結構、函數；
5、步驟s2：系統對所述調試記錄進行分析，構建斷點推薦表；
6、步驟s3：系統的web客戶端與服務端建立連接；
7、步驟s
8、步驟s5：所述服務端接收到斷點數據后，根據斷點數據對代碼進行調試，并將實時調試信息傳輸到所述web客戶端；
9、步驟s6：所述web客戶端接收實時調試信息，并根據所述調試信息渲染當前執行的步驟和刷新全局變量。
10、進一步的，步驟s2中對所述調試記錄進行分析，構建斷點推薦表：
11、步驟s2-1：對四個基本結構進行編號，將每一條所述調試記錄中的樣本數據按照四個基本結構進行劃分并打上對應的編號，將所述樣本數據進行運行輸出編號序列，所述編號序列為樣本數據的執行路徑，對所有調試記錄中樣本數據的執行路徑進行統計，構成集合y＝{y1,y2,...,yn}，其中，yn表示第n條執行路徑；
12、步驟s2-2：對每一條所述調試記錄中樣本數據中的目標數據進行標記，將所述目標數據的前一個步驟打上第一標簽ai，將所述目標數據的后一個步驟打上第二標簽bi，構成坐標mi＝(ai,bi)，所述mi為所述樣本數據的斷點位置，對所有調試記錄中樣本數據的斷點位置進行統計，構成集合m＝{m1,m2,...mn}，其中,mn表示第n條執行路徑所對應的斷點位置；
13、步驟s2-3：根據執行路徑y＝{y1,y2,...,yn}和斷點位置m＝{m1,m2,...mn}，提取出同一種斷點位置對應的所有執行路徑，構成集合y＝{y1,y2,...yk}，其中，集合y是集合y的子集；
14、步驟s2-4：計算在某種執行路徑yσ被執行的條件下，某斷點位置mi被設置的概率，根據計算公式：
15、
16、其中，
17、其中，p(yσ|mi)為在斷點位置mi的條件下執行路徑yσ被執行的概率，ny為斷點位置mi對應的執行路徑y在集合y中的記錄數，nyσ為執行路徑yσ在集合y中的記錄數；p(mi)為在所有斷點位置中mi被設置的概率，nm為集合m中所有斷點位置的記錄數，nmi為斷點位置mi在集合m中的記錄數；p(yσ)為在所有執行路徑中yσ被執行的概率，ny為集合y中所有執行路徑的記錄數，nyσ為執行路徑yσ在集合y中的記錄數；
18、步驟s2-5：對同一種執行路徑下每種斷點位置被設置的概率進行統計，利用比較器篩選出被設置概率最大的斷點位置，所述被設置概率最大的斷點位置作為所述執行路徑對應的推薦斷點位置；
19、步驟s2-6：對每種執行路徑以及每種執行路徑對應的推薦斷點位置進行統計，其中每種執行路徑以及所對應的推薦斷點位置對應成行，構建斷點位置推薦表。
20、進一步的，步驟s3中系統的web客戶端通過websocket技術與服務端建立長連接，并為長連接創建唯一的session?id標志。
21、進一步的，步驟s4中web客戶端界面的操作包括啟動調試、查看和編輯全局變量值、設置斷點、繼續執行、步進執行和結束調試；
22、進一步的，步驟s4中系統查詢斷點推薦表自動設置斷點的過程包括：
23、步驟s4-1：web客戶端執行啟動調試操作；
24、步驟s4-2：系統識別到啟動調試操作，并對斷點推薦表進行遍歷，查詢與當前代碼相匹配的執行路徑；
25、步驟s4-3：web客戶端執行設置斷點操作，系統根據斷點推薦表中所述執行路徑相對應的推薦斷點位置為代碼自動設置斷點；
26、步驟s4-4：web客戶端將斷點數據通過長連接傳輸到服務端。
27、進一步的，步驟s5中服務端接收到web客戶端發送的斷點數據后，在服務端的代碼執行引擎中注冊一個debug攔截器，所述debug攔截器用于生成debug上下文，并根據所述debug上下文對代碼調試進行控制，其中，所述debug上下文與session?id進行綁定；
28、進一步的，debug上下文由字段構成，所述字段包括breakpoints、stepover、breaker、messagechannel、changeglobalsdata、gotostep；
29、其中，breakpoints用于存儲web客戶端傳輸的斷點數據，messagechannel是消息通道，用于傳輸實時調試信息給web客戶端，changeglobalsdata為全局變量變更數據，gotostep是跳轉步驟；
30、其中，breakpoints包括字段flowid和字段stepid，字段flowid是流程id，用于存放設置于流程的斷點數據，字段stepid是代碼步驟id，用于存放設置于代碼步驟處的斷點數據；
31、stepover是步進標志，其中，stepover包括true和false，true代表步進，代碼需要從當前步驟執行到下一個步驟暫停，false代表非步進，代碼從當前步驟繼續執行不需要暫停；
32、breaker是阻塞控制器，其中，breaker包括task操作和free操作，task操作用于阻塞線程執行，free操作用于釋放阻塞使線程繼續執行；
33、進一步的，根據debug上下文對代碼調試進行控制的過程包括：
34、步驟s5-1：服務端創建新的線程執行代碼，debug攔截器開始生效，且所述debug攔截器在代碼的每一個步驟執行前開始執行；
35、步驟s5-2：服務端本文檔來自技高網...
【技術保護點】
1.一種基于機器學習的RPA任務執行重試優化方法，其特征在于：所述優化方法包括：
2.根據權利要求1所述的一種基于機器學習的RPA任務執行重試優化方法，其特征在于：所述步驟S2中，構建斷點推薦表的過程包括：
3.根據權利要求1所述的一種基于機器學習的RPA任務執行重試優化方法，其特征在于：所述步驟S3中系統的Web客戶端通過WebSocket技術與服務端建立長連接，并為所述長連接創建唯一的SessionId標志。
4.根據權利要求1所述的一種基于機器學習的RPA任務執行重試優化方法，其特征在于：所述步驟S4中Web客戶端界面的操作包括啟動調試、查看和編輯全局變量值、設置斷點、繼續執行、步進執行和結束調試。
5.根據權利要求1所述的一種基于機器學習的RPA任務執行重試優化方法，其特征在于：所述步驟S4中系統查詢斷點推薦表自動設置斷點的過程包括：
6.根據權利要求1所述的一種基于機器學習的RPA任務執行重試優化方法，其特征在于：所述步驟S5中服務端接收到Web客戶端發送的斷點數據后，在服務端的代碼執行引擎中注冊一個Debug
7.根據權利要求6所述的一種基于機器學習的RPA任務執行重試優化方法，其特征在于：所述Debug上下文由字段構成，所述字段包括breakpoints、stepOver、breaker、messageChannel、changeGlobalsData、gotoStep；
8.根據權利要求6所述的一種基于機器學習的RPA任務執行重試優化方法，其特征在于：根據Debug上下文對代碼調試進行控制的過程包括：
9.根據權利要求8所述的一種基于機器學習的RPA任務執行重試優化方法，其特征在于：所述步驟S5-4中Debug攔截器檢查代碼中是否設置了Debug上下文中的gotoStep的過程包括：首先初始化步驟堆棧，將所有步驟放入到初始化后的堆棧中，然后彈出所述堆棧頂部的步驟，檢查所述頂部的步驟是否為gotoStep步驟，如果不是所述gotoStep步驟則繼續彈出堆棧頂部的步驟直至為gotoStep步驟為止。
...【技術特征摘要】
1.一種基于機器學習的rpa任務執行重試優化方法，其特征在于：所述優化方法包括：
2.根據權利要求1所述的一種基于機器學習的rpa任務執行重試優化方法，其特征在于：所述步驟s2中，構建斷點推薦表的過程包括：
3.根據權利要求1所述的一種基于機器學習的rpa任務執行重試優化方法，其特征在于：所述步驟s3中系統的web客戶端通過websocket技術與服務端建立長連接，并為所述長連接創建唯一的sessionid標志。
4.根據權利要求1所述的一種基于機器學習的rpa任務執行重試優化方法，其特征在于：所述步驟s4中web客戶端界面的操作包括啟動調試、查看和編輯全局變量值、設置斷點、繼續執行、步進執行和結束調試。
5.根據權利要求1所述的一種基于機器學習的rpa任務執行重試優化方法，其特征在于：所述步驟s4中系統查詢斷點推薦表自動設置斷點的過程包括：
6.根據權利要求1所述的一種基于機器學習的rpa任務執行重試優化方法，其特征在于：所述步驟s5中服務端接收到web客戶端發送的斷點數據后，在服務端的代碼執行引擎中注冊一個debug攔截...
【專利技術屬性】
技術研發人員：焦愷，
申請(專利權)人：云帳房網絡科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。