跨集群版本的ETL加工需求迁移和数据验证方法和系统与流程

跨集群版本的etl加工需求迁移和数据验证方法和系统
技术领域
1.本发明涉及需求改造迁移技术领域，具体地，涉及跨集群版本的etl加工需求迁移和数据验证方法和系统，具体是跨大数据集群、跨版本的etl加工需求迁移和数据验证方法和系统。尤其是基于不同大数据集群版本的etl加工需求迁移和数据验证方法和系统。


背景技术：

2.专利文献cn107704597a公开了一种关系型数据库至hive的etl脚本创建方法，所述方法包含以下步骤：获取数据库元数据信息；快速识别关系型数据库中各数据表的特征分类；根据所属分类为各数据表自动创建etl脚本；通过模拟访问技术或者服务调用方式将生成的etl脚本注册到调度平台中。
3.该专利文献解决的是自动化将关系型数据库(如mysql)的数据及最基础的简单数据变换(增、删、改)映射成插入hive数据库的数据并进行etl跑批调度，完成数据处理的场景，仅是简单的sql变换。
4.但是该专利文件没有解决集群升级需要整体迁移低版本(hive库)的复杂加工脚本逻辑代码到高版本(hive库)的复杂加工逻辑，以及校验迁移改造后的etl脚本加工产出的数据每一行每一个字段的一系列校验流程方法的技术问题。


技术实现要素：

5.针对现有技术中的缺陷，本发明的目的是提供一种跨集群版本的etl加工需求迁移和数据验证方法和系统。
6.根据本发明提供的一种跨集群版本的etl加工需求迁移和数据验证方法，包括：
7.步骤s1：将旧版本大数据集群上的原需求的逻辑代码改造为能够在具有新特性的新版本大数据集群上执行的逻辑代码；
8.步骤s2：将新版本大数据集群上的改造需求的逻辑代码跑出的结果数据进行md5转码，将旧版本大数据集群上的需求逻辑代码跑出的结果数据进行md5转码，作为比对数据；
9.步骤s3：进行比对作业的跨平台通信，启动自动传输作业流，传输需比对的md5数据；
10.步骤s4：对新集群、旧集群的md5数据进行比对，自动验证数据总条数、数据内容，并输出差异数据，完成字段级比对分析。
11.优选地，所述步骤s2包括如下步骤：
12.步骤s2.1：生成旧版本大数据集群对应的etl结果表数据的md5转码生成脚本，配置调度工具ctm调度作业依赖和作业流；
13.步骤s2.2：生成新版本大数据集群对应的etl结果表数据的md5转码生成脚本，配置新版本大数据集群对应的调度系统调度作业依赖和作业流。
14.优选地，所述步骤3包括如下步骤：
15.步骤s3.1：在数据传输源集群配置传输作业流和依赖，传输作业流包括：传输源集群对应md5码值到目标集群，检测到传输完成后，在目标集群自动生成标识源集群md5码值传输完成的通知文件；
16.步骤s3.2：在md5码值数据传输的目标集群配置监控通知文件的作业，若通知文件已经存在，通知比对作业，在比对前置条件满足情况下触发步骤s4进行比对。
17.优选地，对旧平台使用with as语句的内容进行优化，在新平台自定义sparksql的udf函数；
18.同时在新旧两套平台上分别加工业务数据，再进行跨平台数据传输和数据一致性比对；其中，将旧平台的业务加工脚本产出报表数据d1、新平台的业务加工脚本产出报表数据d2，即etl结果表数据，分别在旧平台和准备迁移的新平台上生成对应的md5表数据，即md5码值，旧平台md5表每一行对应报表数据d1中每一行全字段，新平台md5表每一行对应报表数据d2中每一行全字段；在新旧两套平台中，将其中一方大数据集群平台每日生成的md5表数据传到另一方大数据集群平台上进行一致性匹配计算，获得匹配结果，并标识出比对不一致的表数据内容，作为评估迁移脚本质量的依据。
19.根据本发明提供的一种跨集群版本的etl加工需求迁移和数据验证系统，包括：
20.模块m1：将旧版本大数据集群上的原需求的逻辑代码改造为能够在具有新特性的新版本大数据集群上执行的逻辑代码；
21.模块m2：将新版本大数据集群上的改造需求的逻辑代码跑出的结果数据进行md5转码，将旧版本大数据集群上的需求逻辑代码跑出的结果数据进行md5转码，作为比对数据；
22.模块m3：进行比对作业的跨平台通信，启动自动传输作业流，传输需比对的md5数据；
23.模块m4：对新集群、旧集群的md5数据进行比对，自动验证数据总条数、数据内容，并输出差异数据，完成字段级比对分析。
24.优选地，所述模块m2包括如下模块：
25.模块m2.1：生成旧版本大数据集群对应的etl结果表数据的md5转码生成脚本，配置调度工具ctm调度作业依赖和作业流；
26.模块m2.2：生成新版本大数据集群对应的etl结果表数据的md5转码生成脚本，配置新版本大数据集群对应的调度系统调度作业依赖和作业流。
27.优选地，所述模块m3包括如下模块：
28.模块m3.1：在数据传输源集群配置传输作业流和依赖，传输作业流包括：传输源集群对应md5码值到目标集群，检测到传输完成后，在目标集群自动生成标识源集群md5码值传输完成的通知文件；
29.模块m3.2：在md5码值数据传输的目标集群配置监控通知文件的作业，若通知文件已经存在，通知比对作业，在比对前置条件满足情况下触发模块m4进行比对。
30.优选地，对旧平台使用with as语句的内容进行优化，在新平台自定义sparksql的udf函数；
31.同时在新旧两套平台上分别加工业务数据，再进行跨平台数据传输和数据一致性比对；其中，将旧平台的业务加工脚本产出报表数据d1、新平台的业务加工脚本产出报表数
据d2，即etl结果表数据，分别在旧平台和准备迁移的新平台上生成对应的md5表数据，即md5码值，旧平台md5表每一行对应报表数据d1中每一行全字段，新平台md5表每一行对应报表数据d2中每一行全字段；在新旧两套平台中，将其中一方大数据集群平台每日生成的md5表数据传到另一方大数据集群平台上进行一致性匹配计算，获得匹配结果，并标识出比对不一致的表数据内容，作为评估迁移脚本质量的依据。
32.根据本发明提供的一种存储有计算机程序的计算机可读存储介质，所述计算机程序被处理器执行时实现所述的跨集群版本的etl加工需求迁移和数据验证方法的步骤。
33.根据本发明提供的一种电子设备，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，所述计算机程序被处理器执行时实现所述的跨集群版本的etl加工需求迁移和数据验证方法的步骤。
34.与现有技术相比，本发明具有如下的有益效果：
35.1、相比于很多传统数据仓库不用大数据来实现，不是建立在大数据集群基础上的，本发明提供了基于大数据集群不同的hive版本(hive是基于hadoop的一个数据仓库工具)，跨平台的etl批处理需求改造、etl加工结果数据md5转码、传输、通信、自动化比对校验方案。
36.2、本发明能够高效省力完成跨集群版本需求改造迁移，减少大数据新旧平台功能迁移时，业务场景服务切换需要并行验证的时间，提升迁移效率。
37.3、本发明通过自动比对加工后数据的一致性，能够节省人力快速定位问题，保障业务功能的完整性和准确性以及保障应用服务数据质量。
附图说明
38.通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
39.图1为本发明的方法流程步骤示意图。
具体实施方式
40.下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
41.本发明是基于大数据集群不同的hive版本，跨平台的etl批处理需求改造、结果数据md5转码、传输、通信、自动化比对校验方案，从而高效省力完成跨集群版本需求改造迁移，减少新旧平台切换时间，保障应用服务数据质量。etl是指extract-transform-load，数据提取转化加载。
42.本发明通过迁移和比对方法，可以自动检验每个迁移需求改造的质量，大大降低人力成本。同时，可以帮助研发人员发现问题点并迭代修改，保证跑出的业务数据在两个不同的平台100％完全一致，让业务做到无感切换。
43.根据本发明提供的一种跨集群版本的etl加工需求迁移和数据验证方法，包括：
44.步骤s1：跨平台跨版本etl批处理加工sql改造；
45.所述步骤s1中，旧版本大数据集群采用hive执行作业，hive版本1.1.0，新版本大数据集群采用spark2.12.10执行作业，hive版本3.1.3。通过使用总结的改造方法，将旧版本集群原需求的逻辑代码改造为在新版本集群上执行的逻辑代码。具体而言，对旧平台使用with as语句的内容进行优化，并在新平台自定义sparksql的udf函数，杜绝数值类型转换为字符类型时转换为科学计数法造成的新旧平台字符串格式不一致现象。
46.步骤s2：将新旧集群需求逻辑代码跑出的结果数据进行md5转码，以做转码数据的传输和比对；
47.所述步骤s2包括如下步骤：
48.步骤s2.1：采用总结的旧平台方法，生成旧版本etl结果表数据的md5转码生成脚本，配置ctm调度作业依赖和作业流。其中，旧平台中所有decimal、int、timestamp等类型字段统一定义为varchar类型，统一扩大为原始入库前文件字段类型的三倍，该表创建时需指定为外部表。对所有字段作默认值转换处理，若数值型字段为null，则置为
’0’
或’0.0’，若字符型字段为null，则置为”。对新旧平台格式定义不一致的内容，进行统一转换。md5字段生成统一采用md5(concat(trim(字段1),trim(字段2),...))，字段不能有null值，其中varchar类型字段需去除前后空格操作，decimal类型统一使用rpad函数在字段后补充0，填充到32位的长度。
49.步骤s2.2：采用总结的新平台方法，生成新版本etl结果表数据的md5转码生成脚本，配置etl批处理调度系统调度作业依赖和作业流。其中，新平台所有字段类型统一定义为varchar类型，长度类型与旧平台的md5转码脚本保持一致，该表是外部表(因为是spark引擎跑数)。对空值做处理。业务表数据往md5转码表中插入数据时，业务表中数值型字段为null，则置为
’0’
或’0.0’，若字符型字段为null，则置为”。自定义sparksql的udf函数，将decimal字段转为字符串，并做右补零操作，补充到32位长度的字符串，防止出现直接转换时变成科学计数法的字符串，保证新旧平台字符串格式一致。md5字段生成统一采用md5(concat(trim(字段1),trim(字段2),...))。每天定时传输md5转码表分区数据到旧平台。将每天生成的md5转码表的分区数据传输到旧平台。
50.步骤s3：添加md5转码作业流完成通知方法，进行每日比对作业的跨平台通信，启动自动传输作业流，传输当日需比对数据。考虑到因新旧平台所用调度不同，无法实现不同调度版本通信，本发明采用通过传输通知文件来进行异步交流的通信方式。
51.所述步骤3包括如下步骤：
52.步骤s3.1：在数据传输源集群配置传输作业流和依赖，传输作业流包括：传输源集群对应md5码值到目标集群，检测到传输完成后，在目标集群自动生成标识源集群md5码值传输完成的通知文件。所述步骤s3.1包括：
53.步骤s3.1.1：当日新平台加工作业流等待所依赖数据全部到达集群，进行加工，生成业务数据d1；
54.步骤s3.1.2：启动md5码值生成作业流，将d1业务数据转换为对应的md5表数据；
55.步骤s3.1.3：触发传输作业流，将md5表数据和通知文件传到旧平台hdfs预先设置的路径下；传输完毕后，将md5表数据加载入旧平台md5表中当日分区下；
56.步骤s3.1.4：触发对应比对业务md5表数据的通知文件，文件以该md5表名+业务日期命名，旧平台收到通知文件后，触发ctm调度进行md5表数据的自动比对；
57.步骤s3.2：在数据传输目标集群配置步骤s3.1通知文件监控方法，配置目标集群对应md5码值计算完成的依赖通知，在比对前置条件满足情况下进行步骤s4的比对。
58.步骤s4：使用通用比对方法，自动验证数据总条数、数据内容，并输出差异数据，完成字段级比对分析。其中，所述自动验证数据总条数、数据内容包括：
59.步骤s4.1：编写md5比对的模板sql(比对工作在旧平台进行)，将表名、分区日期的值、限制条数都设置成变量，由ctm调度自动生成每日比对变量参数传入比对作业流；
60.步骤s4.2：比对脚本统计新旧平台md5转码表的相同分区下的数据总条数；
61.步骤s4.3：比对脚本统计没有匹配上的条数有多少；
62.步骤s4.4：如果“没有匹配上的条数”为0，则说明迁移后，新旧平台的业务数据一致，结束比对。如果“没有匹配上的条数”不为0，则打印出差异数据，提供给开发人员精准定位，排查匹配不一致的原因(查找原因的过程不具有规律性，采用手动进行)。
63.通过采用md5转码的跨平台数据自动比对方法，在集群升级面临批量需求迁移改造时，解决了加工逻辑的快速验证和数据质量保障问题。通过自动比对加工后数据的一致性，能够节省人力快速定位问题，从而减少新旧平台切换并行提供服务的时间，保障业务功能的完整性和准确性。
64.本发明总结新旧平台实现相同逻辑的差异点，数据的显示和转换区别，按照这个总结方法人工开发每一个复杂的加工业务需求所对应的脚本。在所述总结方法中，除了新旧这两个平台表名、库名、分区差异点修改以外，本发明主要创新点之一在于对旧平台使用with as语句的内容做了优化，在新平台自定义sparksql的udf函数，杜绝数值类型转换为字符类型时转换为科学计数法造成的新旧平台字符串格式不一致现象。
65.考虑到只有通过比对新旧两个平台跑数结果完全一致才能证明改造后脚本的逻辑与原需求一致，所以需要同时在两套平台上加工业务数据，再进行跨平台数据传输和数据一致性比对。也就是说，本发明在生产上进行两套平台自动跑数和自动比对，从而解决了因对生产数据的保密性，导致的测试环境无法提供与生产场景一致的真实数据来覆盖生产数据的业务范围的问题。其中，可手动调整比对天数，例如比对天数是30天。
66.本发明将两套环境通过业务加工脚本产出的报表数据d1，即etl结果表数据，按照本发明中给出的方法，分别在旧平台和准备迁移的新平台上生成对应的md5表数据，即md5码值(md5表每一行对应d1中每一行全字段)，将其中一方每日生成的md5表数据传到另一方大数据集群平台上进行一致性匹配计算(这里将新平台传输到旧平台)，获得匹配结果，并标识出比对不一致的表数据内容，作为评估迁移脚本质量的依据的过程是自动化进行的。在迁移脚本众多、数据量巨大、人工无法精确验证每一张表的每一条数据的情况下，本发明自动化比对方法为迁移节省了大量人力物力，最后得到满意的结果。
67.本发明还提供一种跨集群版本的etl加工需求迁移和数据验证系统，本领域技术人员可以通过执行所述跨集群版本的etl加工需求迁移和数据验证方法的流程步骤实现所述跨集群版本的etl加工需求迁移和数据验证系统，即可以将所述跨集群版本的etl加工需求迁移和数据验证方法理解为所述跨集群版本的etl加工需求迁移和数据验证系统的优选实施方式。具体地，根据本发明提供的一种跨集群版本的etl加工需求迁移和数据验证系统，包括：
68.模块m1：将旧版本大数据集群上的原需求的逻辑代码改造为能够在具有新特性的
新版本大数据集群上执行的逻辑代码；
69.模块m2：将新版本大数据集群上的改造需求的逻辑代码跑出的结果数据进行md5转码，将旧版本大数据集群上的需求逻辑代码跑出的结果数据进行md5转码，作为比对数据；
70.模块m3：进行比对作业的跨平台通信，启动自动传输作业流，传输需比对的md5数据；
71.模块m4：对新集群、旧集群的md5数据进行比对，自动验证数据总条数、数据内容，并输出差异数据，完成字段级比对分析。
72.所述模块m2包括如下模块：
73.模块m2.1：生成旧版本大数据集群对应的etl结果表数据的md5转码生成脚本，配置调度工具ctm调度作业依赖和作业流；
74.模块m2.2：生成新版本大数据集群对应的etl结果表数据的md5转码生成脚本，配置新版本大数据集群对应的调度系统调度作业依赖和作业流。
75.所述模块m3包括如下模块：
76.模块m3.1：在数据传输源集群配置传输作业流和依赖，传输作业流包括：传输源集群对应md5码值到目标集群，检测到传输完成后，在目标集群自动生成标识源集群md5码值传输完成的通知文件；
77.模块m3.2：在md5码值数据传输的目标集群配置监控通知文件的作业，若通知文件已经存在，通知比对作业，在比对前置条件满足情况下触发模块m4进行比对。
78.对旧平台使用with as语句的内容进行优化，在新平台自定义sparksql的udf函数；
79.同时在新旧两套平台上分别加工业务数据，再进行跨平台数据传输和数据一致性比对；其中，将旧平台的业务加工脚本产出报表数据d1、新平台的业务加工脚本产出报表数据d2，即etl结果表数据，分别在旧平台和准备迁移的新平台上生成对应的md5表数据，即md5码值，旧平台md5表每一行对应报表数据d1中每一行全字段，新平台md5表每一行对应报表数据d2中每一行全字段；在新旧两套平台中，将其中一方大数据集群平台每日生成的md5表数据传到另一方大数据集群平台上进行一致性匹配计算，获得匹配结果，并标识出比对不一致的表数据内容，作为评估迁移脚本质量的依据。
80.本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
81.以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本技术的实施例和实施例中的特征可以任意相互组合。

技术特征：
1.一种跨集群版本的etl加工需求迁移和数据验证方法，其特征在于，包括：步骤s1：将旧版本大数据集群上的原需求的逻辑代码改造为能够在具有新特性的新版本大数据集群上执行的逻辑代码；步骤s2：将新版本大数据集群上的改造需求的逻辑代码跑出的结果数据进行md5转码，将旧版本大数据集群上的需求逻辑代码跑出的结果数据进行md5转码，作为比对数据；步骤s3：进行比对作业的跨平台通信，启动自动传输作业流，传输需比对的md5数据；步骤s4：对新集群、旧集群的md5数据进行比对，自动验证数据总条数、数据内容，并输出差异数据，完成字段级比对分析。2.根据权利要求1所述的跨集群版本的etl加工需求迁移和数据验证方法，其特征在于，所述步骤s2包括如下步骤：步骤s2.1：生成旧版本大数据集群对应的etl结果表数据的md5转码生成脚本，配置调度工具ctm调度作业依赖和作业流；步骤s2.2：生成新版本大数据集群对应的etl结果表数据的md5转码生成脚本，配置新版本大数据集群对应的调度系统调度作业依赖和作业流。3.根据权利要求1所述的跨集群版本的etl加工需求迁移和数据验证方法，其特征在于，所述步骤3包括如下步骤：步骤s3.1：在数据传输源集群配置传输作业流和依赖，传输作业流包括：传输源集群对应md5码值到目标集群，检测到传输完成后，在目标集群自动生成标识源集群md5码值传输完成的通知文件；步骤s3.2：在md5码值数据传输的目标集群配置监控通知文件的作业，若通知文件已经存在，通知比对作业，在比对前置条件满足情况下触发步骤s4进行比对。4.根据权利要求1所述的跨集群版本的etl加工需求迁移和数据验证方法，其特征在于，对旧平台使用with as语句的内容进行优化，在新平台自定义sparksql的udf函数；同时在新旧两套平台上分别加工业务数据，再进行跨平台数据传输和数据一致性比对；其中，将旧平台的业务加工脚本产出报表数据d1、新平台的业务加工脚本产出报表数据d2，即etl结果表数据，分别在旧平台和准备迁移的新平台上生成对应的md5表数据，即md5码值，旧平台md5表每一行对应报表数据d1中每一行全字段，新平台md5表每一行对应报表数据d2中每一行全字段；在新旧两套平台中，将其中一方大数据集群平台每日生成的md5表数据传到另一方大数据集群平台上进行一致性匹配计算，获得匹配结果，并标识出比对不一致的表数据内容，作为评估迁移脚本质量的依据。5.一种跨集群版本的etl加工需求迁移和数据验证系统，其特征在于，包括：模块m1：将旧版本大数据集群上的原需求的逻辑代码改造为能够在具有新特性的新版本大数据集群上执行的逻辑代码；模块m2：将新版本大数据集群上的改造需求的逻辑代码跑出的结果数据进行md5转码，将旧版本大数据集群上的需求逻辑代码跑出的结果数据进行md5转码，作为比对数据；模块m3：进行比对作业的跨平台通信，启动自动传输作业流，传输需比对的md5数据；模块m4：对新集群、旧集群的md5数据进行比对，自动验证数据总条数、数据内容，并输出差异数据，完成字段级比对分析。6.根据权利要求5所述的跨集群版本的etl加工需求迁移和数据验证系统，其特征在
于，所述模块m2包括如下模块：模块m2.1：生成旧版本大数据集群对应的etl结果表数据的md5转码生成脚本，配置调度工具ctm调度作业依赖和作业流；模块m2.2：生成新版本大数据集群对应的etl结果表数据的md5转码生成脚本，配置新版本大数据集群对应的调度系统调度作业依赖和作业流。7.根据权利要求5所述的跨集群版本的etl加工需求迁移和数据验证系统，其特征在于，所述模块m3包括如下模块：模块m3.1：在数据传输源集群配置传输作业流和依赖，传输作业流包括：传输源集群对应md5码值到目标集群，检测到传输完成后，在目标集群自动生成标识源集群md5码值传输完成的通知文件；模块m3.2：在md5码值数据传输的目标集群配置监控通知文件的作业，若通知文件已经存在，通知比对作业，在比对前置条件满足情况下触发模块m4进行比对。8.根据权利要求5所述的跨集群版本的etl加工需求迁移和数据验证系统，其特征在于，对旧平台使用with as语句的内容进行优化，在新平台自定义sparksql的udf函数；同时在新旧两套平台上分别加工业务数据，再进行跨平台数据传输和数据一致性比对；其中，将旧平台的业务加工脚本产出报表数据d1、新平台的业务加工脚本产出报表数据d2，即etl结果表数据，分别在旧平台和准备迁移的新平台上生成对应的md5表数据，即md5码值，旧平台md5表每一行对应报表数据d1中每一行全字段，新平台md5表每一行对应报表数据d2中每一行全字段；在新旧两套平台中，将其中一方大数据集群平台每日生成的md5表数据传到另一方大数据集群平台上进行一致性匹配计算，获得匹配结果，并标识出比对不一致的表数据内容，作为评估迁移脚本质量的依据。9.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的跨集群版本的etl加工需求迁移和数据验证方法的步骤。10.一种电子设备，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权利要求1至4中任一项所述的跨集群版本的etl加工需求迁移和数据验证方法的步骤。

技术总结
本发明提供了一种跨集群版本的ETL加工需求迁移和数据验证方法和系统，将旧版本大数据集群上的原需求的逻辑代码改造为能够在具有新特性的新版本大数据集群上执行的逻辑代码；将新版本大数据集群上的改造需求的逻辑代码跑出的结果数据进行MD5转码，将旧版本大数据集群上的需求逻辑代码跑出的结果数据进行MD5转码，作为比对数据；进行比对作业的跨平台通信，启动自动传输作业流，传输需比对的MD5数据；对新、旧集群的MD5数据进行比对，自动验证数据总条数、数据内容，并输出差异数据，完成字段级比对分析。本发明高效省力地完成跨大数据集群、跨版本的改造迁移需求，减少接口迁移开发和验证的周期、接口服务并行运行的时间。接口服务并行运行的时间。接口服务并行运行的时间。


技术研发人员：赵兰英 甘论清 孙贵凡
受保护的技术使用者：兴业数字金融服务(上海)股份有限公司
技术研发日：2022.12.30
技术公布日：2023/9/22