本发明涉及数据处理技术领域，特别涉及一种数据报告生成与分析系统。
背景技术：
随着计算机技术的飞速发展，计算机软件对人们的生活越来越重要，对软件的质量保障需求也越来越高。传统的手工测试已经无法满足计算机互联网应用快速迭代中对质量保障的需求，自动化测试逐渐成为主流测试方式，自动化测试可以通过执行测试脚本同时在多台设备上进行测试，并可以重复执行测试脚本，减少执行过程中人为疏忽与错误，大幅提高测试效率。
但是目前测试人员在通过验证评估系统进行软件测试时，无法对验证评估系统输出的数据进行有效分析处理，需要人工审核定位缺陷，而且缺乏关于缺陷的完整上下文信息，仅依靠堆栈等信息难以快速定位和修复缺陷。
技术实现要素：
本公开实施例提供了一种数据报告生成与分析系统。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
在一些可选地实施例中，一种数据报告生成与分析系统，包括：
解析处理模块，用于对获取到的待处理的数据进行解析处理，得到解析处理后的数据；
可视化模块，用于基于解析处理后的数据建立可视化表征和隐喻，将解析处理后的数据映射成可视化图形；
缺陷分析模块，用于基于解析处理后的数据进行缺陷分析，得到缺陷数据，并在可视化图形中进行标注和警告。
进一步地，还包括：
获取模块，用于获取待处理的数据。
进一步地，解析处理模块，包括：
数据转换单元，用于对待处理的数据进行数据转换；
数据分组单元，用于对待处理的数据进行数据分组；
数据组织单元，用于对待处理的数据进行数据组织；
数据计算单元，用于对待处理的数据进行数据计算；
数据检索单元，用于对待处理的数据进行数据检索；
数据排序单元，用于对待处理的数据进行数据排序。
进一步地，可视化模块，包括：
可视化单元，用于将解析处理后的数据的各个属性值以多维数据的形式表示，从而得到不同维度的可视化图形。
进一步地，缺陷分析模块，包括：
缺陷数据提取单元，用于根据异常指标对解析处理后的数据进行缺陷分析，将满足异常指标的数据作为缺陷数据。
进一步地，缺陷分析模块，包括：
缺陷数据分类单元，用于对缺陷数据进行分类，并将分类后的缺陷数据在可视化图形中进行标注和警告。
本公开实施例提供的技术方案可以包括以下有益效果：
本发明以便利验证评估为目的，以现有验证评估系统的输出数据为基础，提出一种面向验证评估系统的数据报告生成与分析系统，在本发明中，首先收集来自验证评估系统的数据，对数据进行加工处理，形成可视化的图表，并对数据的缺陷进行分析，对错误和可能存在的危险进行标注和警告。该系统利用数据处理和可视化的技术对在验证评估过程中产生的晦涩难懂、难以理解的数据进行处理，为编程人员和建模人员生成详细且有用的报告和分析文本，大大提高了软件的验证评估效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种数据报告生成与分析系统的结构示意图；
图2是根据一示例性实施例示出的一种解析处理模块的结构示意图；
图3是根据一示例性实施例示出的一种数据报告生成与分析方法的流程示意图；
图4是根据一示例性实施例示出的一种人机交互的场景示意图。
具体实施方式
为了能够更加详尽地了解本公开实施例的特点与技术内容，下面结合附图对本公开实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本公开实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。然而，在没有这些细节的情况下，一个或一个以上实施例仍然可以实施。在其它情况下，为简化附图，熟知的结构和装置可以简化展示。
实施例一：
本公开实施例提供了一种数据报告生成与分析系统。
图1根据一示例性实施例示出的一种数据报告生成与分析系统的结构示意图；
如图1所示，一种数据报告生成与分析系统，包括：
s101解析处理模块，用于对获取到的待处理的数据进行解析处理，得到解析处理后的数据；
具体地，对于复杂的验证评估系统，传统的手工测试的低效已经无法满足计算机互联网应用快速迭代中对质量保障的需求，因此自动化测试逐渐成为主流测试方式。自动化测试可以通过执行测试脚本同时在多台设备上进行测试，并可以重复执行测试脚本，减少执行过程中人为疏忽与错误，大幅提高测试效率。在自动化测试的过程中，系统将会产生大量难以理解的数据，并且难以对其进行甄别。
因此，该数据报告生成与分析系统还包括获取模块，用于获取上述待处理的数据。
在获取模块获取到上述待处理的数据后，解析处理模块用于对上述数据进行解析处理。
具体地，解析处理模块包括，数据转换单元，用于对待处理的数据进行数据转换，将待处理的数据转换成机器所能接收的形式，例如，将上述待处理的数据转换成机器语言或者汇编语言。数据分组单元，用于对待处理的数据进行数据分组，在数据分组时，首先制定编码，按有关信息进行有效的分组。数据组织单元，用于对待处理的数据进行数据组织，即整理数据，以便进行后续处理。数据计算单元，用于对待处理的数据进行数据计算，进行各种算数和逻辑运算，以便得到进一步的信息。数据检索单元，用于对待处理的数据进行数据检索，按用户要求检索出目标数据。数据排序单元，用于对待处理的数据进行数据排序，最后，输出解析处理后的数据。
通过上述设置，可以将验证评估系统输出的大量杂乱无章的数据进行解析处理，为编程人员和建模人员生成详细且有用的报告和分析文本。
s102可视化模块，用于基于解析处理后的数据建立可视化表征和隐喻，将解析处理后的数据映射成可视化图形；
数据可视化是指将大型数据集中的数据以图形或图像的形式表示，可视化模块用于将数据库中的每一个数据项作为单个图元元素表示，大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，从而可以从不同的纬度观察数据，便于对数据进行更深入的观察和分析。
具体地，可视化模块用于将数据映射成可视化图形。数据表一般是依赖数学关系所建立，并不能自动映射成可视化图形，这就需要针对数据的具体含义创造性的建立可视化表征和隐喻，然后根据建立的可视化表征和隐喻，将解析处理后的数据映射成可视化图形。在将数据映射成可视化图形时，一般要遵循两个原则，一是在数据映射的过程中保持数据的真实性，不能加入数据表之外的数据，二是所建立的可视化表征和隐喻既要能充分的表达出数据中的特征，又要符合一般人的认知规律，使用户比较容易的感知和理解。
图4是根据一示例性实施例示出的一种人机交互的场景示意图。如图4所示，用户利用计算机，可以查看待处理的原始数据，也可以查看解析处理后的数据和可视化后的数据图表，该可视化后的数据图表是根据用户的认知规律建立的，用户比较容易感知和理解。
通过上述设置，将解析处理后的数据进行可视化处理，便于编程人员和建模人员分析理解数据，大大提高了软件的验证评估效率。
s103缺陷分析模块，用于基于解析处理后的数据进行缺陷分析，得到缺陷数据，并在可视化图形中进行标注和警告。
目前，自动化测试可以通过执行测试脚本同时在多台设备上进行测试，并可以重复执行测试脚本，减少执行过程中人为疏忽与错误，大幅提高测试效率。但是自动化测试仍存在测试日志可读性低，需要人工审核定位缺陷，以及缺乏关于缺陷的完整上下文信息，仅依靠堆栈等信息难以快速定位和修复缺陷等不足。
本公开实施例提供的数据报告生成与分析系统，可以对解析处理后的数据进行缺陷分析，得到缺陷数据，并在可视化图形中进行标注和警告。
具体地，缺陷数据提取单元用于设定异常指标，根据设定的异常指标对解析处理后的数据进行缺陷分析，将满足异常指标的数据作为缺陷数据，将得到的缺陷数据提取出来。
缺陷数据分类单元，用于构建缺陷分类器，对上述缺陷数据进行分类，得到分类后的缺陷数据，并将分类后的缺陷数据在可视化图像中标注出来，用于提醒用户。
在一些示例性场景中，缺陷数据分类单元用于对缺陷数据进行分类，将缺陷数据分为用户界面缺陷、语言质量缺陷、功能缺陷、流程缺陷、接口缺陷、验证缺陷、以及规范缺陷等缺陷类别，并将上述缺陷类别在可视化图形中标注出来，有助于软件测试人员分析理解数据。
通过上述设置，可以提取缺陷数据，并将缺陷数据在可视化图形中进行标注和警告，大大提高了软件的验证评估效率。
进一步地，还包括：
获取模块，用于获取待处理的数据。
图2是根据一示例性实施例示出的一种解析处理模块的结构示意图。
如图2所示，一种解析处理模块，包括：
数据转换单元，用于对待处理的数据进行数据转换；
数据分组单元，用于对待处理的数据进行数据分组；
数据组织单元，用于对待处理的数据进行数据组织；
数据计算单元，用于对待处理的数据进行数据计算；
数据检索单元，用于对待处理的数据进行数据检索；
数据排序单元，用于对待处理的数据进行数据排序。
进一步地，可视化模块，包括：
可视化单元，用于将解析处理后的数据的各个属性值以多维数据的形式表示，从而得到不同维度的可视化图形。
进一步地，缺陷分析模块，包括：
缺陷数据提取单元，用于根据异常指标对解析处理后的数据进行缺陷分析，将满足异常指标的数据作为缺陷数据。
进一步地，缺陷分析模块，包括：
缺陷数据分类单元，用于对缺陷数据进行分类，并将分类后的缺陷数据在可视化图形中进行标注和警告。
实施例二：
本公开实施例提供了一种数据报告生成与分析方法。
图3是根据一示例性实施例示出的一种数据报告生成与分析方法的流程示意图；
在一些实施例中，一种数据报告生成与分析方法包括：
步骤s301对获取到的待处理的数据进行解析处理，得到解析处理后的数据；
对于复杂的验证评估系统，传统的手工测试的低效已经无法满足计算机互联网应用快速迭代中对质量保障的需求，因此自动化测试逐渐成为主流测试方式。自动化测试可以通过执行测试脚本同时在多台设备上进行测试，并可以重复执行测试脚本，减少执行过程中人为疏忽与错误，大幅提高测试效率。在自动化测试的过程中，系统将会产生大量难以理解的数据，并且难以对其进行甄别，在对验证评估系统输出的大量数据进行解析处理之前，首先获取上述待处理的数据。
获取到待处理的数据之后，对上述验证评估系统输出的大量数据进行解析处理。
具体地，首先对待处理的数据进行数据转换，将待处理的数据转换成机器所能接收的形式，例如，将上述待处理的数据转换成机器语言或者汇编语言。进行数据转换后，再进行数据分组，在数据分组时，首先制定编码，按有关信息进行有效的分组。进行数据分组后，再进行数据组织，即整理数据，比如说类型a的数据需要和类型b的数据相关联后再与类型c的数据一起进行处理，则首先将类型a的数据与类型b的数据整理成一个数据组，再与类型c的数据一起进行处理，通过数据整理可以方便进行后续处理。进行数据组织后，再进行数据计算，进行各种算数和逻辑运算，以便得到进一步的信息。进行数据计算后，再进行数据存储，将待处理的原始数据和计算结果数据保存起来，供以后使用。进行数据存储后，再进行数据检索，按用户要求检索出目标数据。然后进行数据排序，将检索出来的数据按照预先设定的排序规则进行排序。最后，输出解析处理后的数据。
通过上述方法，可以将验证评估系统输出的大量杂乱无章的数据进行解析处理。
步骤s302基于解析处理后的数据建立可视化表征和隐喻，将解析处理后的数据映射成可视化图形；
数据可视化是指将大型数据集中的数据以图形或图像的形式表示，将数据库中的每一个数据项作为单个图元元素表示，大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，从而可以从不同的纬度观察数据，便于对数据进行更深入的观察和分析。
具体地，数据表一般是依赖数学关系所建立，并不能自动映射成可视化图形，这就需要针对数据的具体含义创造性的建立可视化表征和隐喻，然后根据建立的可视化表征和隐喻，将解析处理后的数据映射成可视化图形。在将数据映射成可视化图形时，一般要遵循两个原则，一是在数据映射的过程中保持数据的真实性，不能加入数据表之外的数据，二是所建立的可视化表征和隐喻既要能充分的表达出数据中的特征，又要符合一般人的认知规律，使用户比较容易的感知和理解。
图4是根据一示例性实施例示出的一种人机交互的场景示意图。如图4所示，用户利用计算机，可以查看待处理的原始数据，也可以查看解析处理后的数据和可视化后的数据图表，该可视化后的数据图表是根据用户的认知规律建立的，用户比较容易感知和理解。
在一些示例性场景中，将解析处理后的数据进行可视化处理，通过人机交互界面可以查看上述数据的数据图表，从而对数据进行可视化解释。
通过上述方法，将解析处理后的数据进行可视化处理，便于编程人员和建模人员分析理解数据，大大提高了软件的验证评估效率。
步骤s303基于解析处理后的数据进行缺陷分析，得到缺陷数据，并在可视化图形中进行标注和警告。
目前，自动化测试可以通过执行测试脚本同时在多台设备上进行测试，并可以重复执行测试脚本，减少执行过程中人为疏忽与错误，大幅提高测试效率。但是自动化测试仍存在测试日志可读性低，需要人工审核定位缺陷，以及缺乏关于缺陷的完整上下文信息，仅依靠堆栈等信息难以快速定位和修复缺陷等不足。
本公开实施例提供的数据报告生成与分析方法，可以对解析处理后的数据进行缺陷分析，得到缺陷数据，并在可视化图形中进行标注和警告。
具体地，首先设定异常指标，根据设定的异常指标对解析处理后的数据进行缺陷分析，将满足异常指标的数据作为缺陷数据，将得到的缺陷数据提取出来。
在一些示例性场景中，缺陷数据包括在软件测试时生成的不符合标准的数据、调用参数、控制块等出现错误的数据、流程分支判断错误的数据、流程错误结束的数据、流程不能流转的数据、用户界面出现错误的数据、不一致的本地化字符的数据。
得到缺陷数据之后，构建缺陷分类器，对上述缺陷数据进行分类，得到分类后的缺陷数据，并将分类后的缺陷数据在可视化图像中标注出来，用于提醒用户。
具体地，工程师根据分析的具体需求构建相应的缺陷分类器，首先获取数据集，根据需求判定缺陷属性，利用构建分类器的工具类构建缺陷分类器，并产生分类效果评估数据，将分类器模型存入缓存中，当需要对缺陷分类时先从缓存中获取。
在一些示例性场景中，通过缺陷分类器对缺陷数据进行分类，将缺陷数据分为用户界面缺陷、语言质量缺陷、功能缺陷、流程缺陷、接口缺陷、验证缺陷、以及规范缺陷等缺陷类别，并将上述缺陷类别在可视化图形中标注出来，有助于软件测试人员分析理解数据。
通过上述方法，可以自动提取缺陷数据，并将缺陷数据在可视化图形中进行标注和警告，大大提高了软件的验证评估效率。
进一步地，对获取到的待处理的数据进行解析处理之前，还包括：
获取待处理的数据。
其中，待处理的数据包括验证评估系统输出的数据，可以通过数据接口获取上述待处理的数据。
对于复杂的验证评估系统，传统的手工测试的低效已经无法满足计算机互联网应用快速迭代中对质量保障的需求，因此自动化测试逐渐成为主流测试方式。自动化测试可以通过执行测试脚本同时在多台设备上进行测试，并可以重复执行测试脚本，减少执行过程中人为疏忽与错误，大幅提高测试效率。在自动化测试的过程中，系统将会产生大量难以理解的数据，并且难以对其进行甄别，在对验证评估系统输出的大量数据进行解析处理之前，首先获取上述待处理的数据。
进一步地，对获取到的待处理的数据进行解析处理，得到解析处理后的数据，包括：
对获取到的待处理的数据进行数据转换、数据分组、数据组织、数据计算、数据存储、数据检索以及数据排序，得到解析处理后的数据。
具体地，首先对待处理的数据进行数据转换，将待处理的数据转换成机器所能接收的形式，例如，将上述待处理的数据转换成机器语言或者汇编语言。进行数据转换后，再进行数据分组，在数据分组时，首先制定编码，按有关信息进行有效的分组。进行数据分组后，再进行数据组织，即整理数据，以便进行后续处理。进行数据组织后，再进行数据计算，进行各种算数和逻辑运算，以便得到进一步的信息。进行数据计算后，再进行数据存储，将待处理的原始数据和计算结果数据保存起来，供以后使用。进行数据存储后，再进行数据检索，按用户要求检索出目标数据。然后进行数据排序，将检索出来的数据按照预先设定的排序规则进行排序。最后，输出解析处理后的数据。
通过上述方法，可以将验证评估系统输出的大量杂乱无章的数据进行解析处理，为编程人员和建模人员生成详细且有用的报告和分析文本。
进一步地，将解析处理后的数据映射成可视化图形，包括：
将解析处理后的数据的各个属性值以多维数据的形式表示，从而得到不同维度的可视化图形。
数据可视化是指将大型数据集中的数据以图形或图像的形式表示，将数据库中的每一个数据项作为单个图元元素表示，大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，从而可以从不同的纬度观察数据，便于对数据进行更深入的观察和分析。
具体地，数据表一般是依赖数学关系所建立，并不能自动映射成可视化图形，这就需要分析人员针对数据的具体含义创造性的建立可视化表征和隐喻，然后根据建立的可视化表征和隐喻，将解析处理后的数据映射成可视化图形。在将数据映射成可视化图形时，一般要遵循两个原则，一是在数据映射的过程中保持数据的真实性，不能加入数据表之外的数据，二是所建立的可视化表征和隐喻既要能充分的表达出数据中的特征，又要符合一般人的认知规律，使用户比较容易的感知和理解。
通过上述方法，将解析处理后的数据进行可视化处理，得到可视化的数据图表，便于编程人员和建模人员分析理解数据，大大提高了软件的验证评估效率。
进一步地，基于解析处理后的数据进行缺陷分析，得到缺陷数据，包括：
根据异常指标对解析处理后的数据进行缺陷分析，将满足异常指标的数据作为缺陷数据。
在一些示例性场景中，缺陷数据包括在软件测试时生成的不符合标准的数据、调用参数、控制块等出现错误的数据、流程分支判断错误的数据、流程错误结束的数据、流程不能流转的数据、用户界面出现错误的数据、不一致的本地化字符的数据。
进一步地，得到缺陷数据之后，还包括：
对缺陷数据进行分类，并将分类后的缺陷数据在可视化图形中进行标注和警告。
具体地，工程师根据分析的具体需求构建相应的缺陷分类器，首先获取数据集，根据需求判定缺陷属性，利用构建分类器的工具类构建缺陷分类器，并产生分类效果评估数据，将分类器模型存入缓存中，当需要对缺陷分类时先从缓存中获取。
在一些示例性场景中，通过缺陷分类器对缺陷数据进行分类，将缺陷数据分为用户界面缺陷、语言质量缺陷、功能缺陷、流程缺陷、接口缺陷、验证缺陷、以及规范缺陷等缺陷类别，并将上述缺陷类别在可视化图形中标注出来，有助于软件测试人员分析理解数据。
通过上述方法，可以自动提取缺陷数据，并将缺陷数据在可视化图形中进行标注和警告，大大提高了软件的验证评估效率。
实施例一中的数据报告生成与分析系统执行实施例二中的数据报告生成与分析方法。
需要说明的是：
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的系统、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一根或多根，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的系统解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的步骤进行自适应性地改变并且把它们设置在与该实施例不同的一根或多根设备中。可以把实施例中的步骤或步骤或组件组合成一个步骤或步骤或组件，以及此外可以把它们分成多个步骤或子步骤或子组件。除了这样的特征和/或过程或者步骤中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何系统或者设备的所有过程或步骤进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件步骤实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本发明实施例的虚拟机的创建装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的系统的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的步骤权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
1.一种数据报告生成与分析系统，其特征在于，包括：
解析处理模块，用于对获取到的待处理的数据进行解析处理，得到解析处理后的数据；
可视化模块，用于基于所述解析处理后的数据建立可视化表征和隐喻，将所述解析处理后的数据映射成可视化图形；
缺陷分析模块，用于基于所述解析处理后的数据进行缺陷分析，得到缺陷数据，并在所述可视化图形中进行标注和警告。
2.根据权利要求1所述的系统，其特征在于，还包括：
获取模块，用于获取所述待处理的数据。
3.根据权利要求1所述的系统，其特征在于，所述解析处理模块，包括：
数据转换单元，用于对待处理的数据进行数据转换；
数据分组单元，用于对待处理的数据进行数据分组；
数据组织单元，用于对待处理的数据进行数据组织；
数据计算单元，用于对待处理的数据进行数据计算；
数据检索单元，用于对待处理的数据进行数据检索；
数据排序单元，用于对待处理的数据进行数据排序。
4.根据权利要求1所述的系统，其特征在于，所述可视化模块，包括：
可视化单元，用于将所述解析处理后的数据的各个属性值以多维数据的形式表示，从而得到不同维度的可视化图形。
5.根据权利要求1所述的系统、其特征在于，所述缺陷分析模块，包括：
缺陷数据提取单元，用于根据异常指标对所述解析处理后的数据进行缺陷分析，将满足所述异常指标的数据作为所述缺陷数据。
6.根据权利要求5所述的系统，其特征在于，所述缺陷分析模块，包括：
缺陷数据分类单元，用于对所述缺陷数据进行分类，并将分类后的缺陷数据在可视化图形中进行标注和警告。
技术总结