CN101963970A - 一种高效率低维护的数据统计方法 - Google Patents
一种高效率低维护的数据统计方法 Download PDFInfo
- Publication number
- CN101963970A CN101963970A CN2010100118503A CN201010011850A CN101963970A CN 101963970 A CN101963970 A CN 101963970A CN 2010100118503 A CN2010100118503 A CN 2010100118503A CN 201010011850 A CN201010011850 A CN 201010011850A CN 101963970 A CN101963970 A CN 101963970A
- Authority
- CN
- China
- Prior art keywords
- data
- statistical
- result
- dimension
- statistics
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012423 maintenance Methods 0.000 title claims abstract description 16
- 238000002360 preparation method Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 40
- 238000013507 mapping Methods 0.000 claims description 16
- 238000007619 statistical method Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 8
- 238000003491 array Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 abstract 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 235000011430 Malus pumila Nutrition 0.000 description 4
- 235000015103 Malus silvestris Nutrition 0.000 description 4
- 241000220225 Malus Species 0.000 description 2
- 244000141359 Malus pumila Species 0.000 description 2
- 241000234295 Musa Species 0.000 description 2
- 235000018290 Musa x paradisiaca Nutrition 0.000 description 2
- 240000005809 Prunus persica Species 0.000 description 2
- 235000006040 Prunus persica var persica Nutrition 0.000 description 2
- 101150055297 SET1 gene Proteins 0.000 description 2
- 101150117538 Set2 gene Proteins 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种高效率低维护的数据统计方法，属于一种数据统计方法，将数据库中的IO操作转换为内存操作，步骤为：1、统计设置：设置统计内容和统计条件；2、数据准备：将数据库中的数据按照设置中的要求抽取并整理，处理成系统可识别的格式；3、累加器：按照设置中的要求，计算结果；4、数据输出：将统计结果提供给用户，支持多种方式。本发明的一种高效率低维护的数据统计方法和现有技术相比，通过配置，经过数据整理、一次统计计算即可以得到复杂结果的数据统计方法，避免了多次操作数据库带来的IO操作，而且只需要修改配置文件即可实现不同的统计结果，方便了应用系统的版本管理，降低了实施难度。
Description
技术领域
本发明涉及一种数据统计方法，具体地说是一种高效率低维护的数据统计方法。
背景技术
大部分的业务系统都有统计报表功能，统计报表的数据来源可能是一个表，也可能是来源于同一个数据库的多个表。而报表结果可能是某个字段的数学逻辑计算，也可能是统计个数。针对报表，目前常用的方法是，首先从各个数据源中抽取数据，集中到一个或多个表中，然后针对需要的报表中每列分别用SQL语句计算。这种计算方法有以下缺点：1、如果报表很复杂，或者数据量很大，系统会多次查询数据库，效率比较低。2、一些特殊要求很难实现，例如不重复计数。3、当数据结构或报表发生变化时，需要修改源代码，不方便系统维护和版本管理。
SQL(Structured Query Language)结构化查询语言，是一种数据库查询和程序设计语言，用于存取数据以及查询、更新和管理关系数据库系统。
发明内容
本发明的技术任务是提供一种适用于大数据量统计方法，使用触发器、累加器、结果器实现统计报表所需的数据计算，尤其适合银行数据管理的应用的一种高效率低维护的数据统计方法。
本发明的技术任务是按以下方式实现的，将数据库中的IO操作转换为内存操作，步骤为：
一、统计设置：设置统计内容和统计条件；该统计引擎中，使用Xml格式文件来设置；在配置文件中设置数据源、统计维度、统计条件等要素，可以配置多个结果集；
下面是一个配置文件的例子：
<Settings>
<DataSet1>
<DataSource>
<Type>Table</Type>
<Content></Content>
</DataSource>
<Results>
<Result1>
<Caculate>count(a)</Caculate>
<Condition>a＝3</Condition>
<Group>a</Group>
</Result1>
<Result2>
<Caculate>sum(a*b)</Caculate>
<Condition>a＝3</Condition>
<Group>c</Group>
</Result2>
</Results>
</DataSet1>
<DataSet2>
</DataSet2>
.....
</Settings>
其中，
DataSet1表示该统计器的第一个数据集，在一个统计中可能有多个数据集。
DataSource指该数据集所用到的数据源，可以是一个表，也可以是一个Select语句，表示需要统计数据的来源。
Results指统计结果集，通过一次统计计算，可以统计出多个统计结果。
Caculate指统计所使用的公式，可以是计算数量(Count)、和(Sum)等
数学计算，也可以是与(&)、或(|)、非(！)逻辑计算。该公式中，除了关键字外，需要添加所需的字段名。
Group指统计分类要素。
二、数据准备：将数据库中的数据按照统计设置中的要求抽取并整理，处
理成系统可识别的格式，实现统计计算前的数据准备工作；首先，根据统计设置的数据源，获得对应的数据集；其次，根据需要，进行多个数据源的数据整 理；最后，按照统计维度进行排序；
数据准备中进行多个数据源的数据整理原则是：
(A)、针对单一数据集：
(a)、如果是同一个表中的数据统计，不需要数据整理；
(b)、如果是Select语句，执行Select操作，将获得的数据集保存；
(B)、针对多个数据集：
(a)、分析多个数据集中的数据源，看是否有从同一个单一表中获取数据的，如果有，记录；
(b)、分析多个数据集中的数据源，看是否有相同Select语句的，如果有，获取；
(c)、分析多个数据集中的数据源，如果是Select类型，看是从相同的表中获取的，如果是，获取。
经过数据整理后，获得的结果如下表1所示。
| 数据集1 | 数据集2 | 数据集3 | |
| 数据源 | DS A | DS A | DS B |
| 结果公式1 | Count(a) | Sum(b) | Sum(b) |
| 结果Group1 | a | c | |
| 结果公式2 | sum(a) | Sum(c) | Sum(d) |
| 结果Group2 | B | a | c |
表1
即，可能有多个数据集使用相同的数据集，通过数据整理，分析出具有相同数据集的数据源；同时，获取这些数据源，为统计做好准备。
三、累加器：按照统计设置中的要求，计算结果；
(I)、解析统计公式；
①、数学计算公式，包括：
(a)、计算数量：Count(字段名)，如果字段不是数字，则为0；
(b)、获取最大值：Max(字段名)；
(c)、获取最小值：Min(字段名)；
(d)、获取平均值：Arg(字段名)；
(e)、加和：Sum(字段名1，….)，即可以实现多个字段加和；
(f)、不重复计数：SingleCount(字段名)，可以实现不重复计数；
②、逻辑操作，包括：与(&)、或(|)、非(！)；
③、字符串操作，包括：
(a)、计算长度：Length(字段名)；
(b)、截取：SubString(字段名，开始位置，长度)；
(c)、替换：Replace(字段名，源字符串，目标字符串)；
④、在实际应用中，可能会有很多字段需要映射处理；例如，在一个数据库中，可能会有类似于下表2的一些数据：
| 品名 | 消费数量 | 周期 |
| 苹果 | 10 | 周 |
| 香蕉 | 20 | 旬 |
| 桃子 | 30 | 日 |
表2
如果需要计算每天平均的数量时，可能无法直接计算，因为周代表7天，旬代表10天。在该统计器中，可以通过映射函数来实现。
映射函数，包括：
(a)、数值映射：MapInt(源数值，目标数值)；
(b)、字符串映射：MapString(源数值，目标数值)；
(c)、通用映射：Map(源数值，目标数值)。
(II)、初始化统计所需的数组；每个统计结果集都需要三个中间数组，用来实现数据计算；三个中间数组分别通过触发器、加法器和结果器存储；
触发器：存储当前正在处理的统计维度值；即Group By后面的值；初始化时根据统计维度数量n不同，设置一个维度为n的数组，并清空数据；
加法器：存储当前维度值对应的统计结果值；初始化为一个可变长数组，当维度为n时，该数组的维度为n+1；初始长度为0；
结果器：存储所有计算过的维度对应的结果值；初始化为一个可变长的数组，当维度为n时，该数组的维度为n+1；初始长度为0。
(III)、遍历数据源，逐条计算；针对每个数据集中的每个结果集进行计算；具体步骤为：
①、获取其中一个数据源；
②、根据表1中的分析，将所有与该数据源相关的结果集及计算 公式提取出来；
③、获取数据源中的一条记录；
④、获取所有结果集计算公式，逐个计算，分别将结果保存到结果集中；
(a)、获取该条的维度数据，检查与触发器中的是否一致，如果一致，按照公式将结果与加法器中的数据进行计算；
(b)、如果与触发器中的维度不一致，将加法器中的数据转移到结果器中；并清空加法器；
结果器中的数据就是所要的结果；
⑤、检查是否已经是最后一条记录，如果不是，继续第③步操作；
如果是，继续下一个数据源。
经过数据遍历及计算，所需要的结果已经全部保存到数据集中。
| 类别 | 数量 |
| A | 2 |
| A | 3 |
| B | 4 |
表3
触发器、累加器、结果器的初始状态均为空，内部没有任何数据：
获取第一条记录后，触发器中保存类别，累加器中保存类别和数量,
获取第二条记录后，由于触发的条件没有变化，触发器中仍为A，而我们所做的操作为合计(加法)，那么累加器中的数据为2+3＝5，
获取第三条记录后，触发条件发生变化，触发器中数据变为B，需要将累加器中的数据传递到结果器中，
当无数据后，将累加器中的数据转移到结果器中，清空累加器和触发器。
(IV)、整理分发数据集；
四、数据输出：将统计计算结果提供给用户，支持多种方式。
提供API、中间表、内存数据、文件多种方法将计算结果提供给应用程序使用。
本发明的一种高效率低维护的数据统计方法具有以下优点：
1、通过在配置文件中设置需要统计的数据项、统计内容等，经过数据整理，只需要一次读取数据库，一次统计计算即可以得到复杂的所需统计的结果；避免了多次操作数据库带来的IO操作；
2、同时，在需求变更后，只需要修改配置文件即可实现不同的统计结果，，无需更改代码，方便了应用系统的版本管理，降低了实施难度；
3、通过将数据库中的IO操作转换为内存操作提高计算效率，通过配置提供灵活性，是一种高效率低成本的统计方法，适合于经常需求经常变动的统计报表开发；
4、设计合理、使用方便，因而，具有很好的推广使用价值。
附图说明
下面结合附图对本发明进一步说明。
附图1为一种高效率低维护的数据统计方法的计算流程图。
附图2为触发器、累加器、结果器的初始状态均为空，内部没有任何数据时的状态框图；
附图3为获取第一条记录后结果状态框图；
附图4为获取第二条记录后结果状态框图；
附图5为获取第三条记录后结果状态框图；
附图6为无数据后最终结果状态框图。
具体实施方式
参照说明书附图和具体实施例对本发明的一种高效率低维护的数据统计方法作以下详细地说明。
实施例1：
本发明的一种高效率低维护的数据统计方法，如图1所示，将数据库中的IO操作转换为内存操作，步骤为：
一、统计设置：设置统计内容和统计条件；该统计引擎中，使用Xml格式文件来设置；在配置文件中设置数据源、统计维度、统计条件等要素，可以配置多个结果集；
下面是一个配置文件的例子：
<Settings>
<DataSet1>
<DataSource>
<Type>Table</Type>
<Content></Content>
</DataSource>
<Results>
<Result1>
<Caculate>count(a)</Caculate>
<Condition>a＝3</Condition>
<Group>a</Group>
</Result1>
<Result2>
<Caculate>sum(a*b)</Caculate>
<Condition>a＝3</Condition>
<Group>c</Group>
</Result2>
</Results>
</DataSet1>
<DataSet2>
</DataSet2>
......
</Sett ings>
其中，
DataSet1表示该统计器的第一个数据集，在一个统计中可能有多个数据 集。
DataSource指该数据集所用到的数据源，可以是一个表，也可以是一个Select语句，表示需要统计数据的来源。
Results指统计结果集，通过一次统计计算，可以统计出多个统计结果。
Caculate指统计所使用的公式，可以是计算数量(Count)、和(Sum)等数学计算，也可以是与(&)、或(|)、非(！)逻辑计算。该公式中，除了关键字外，需要添加所需的字段名。
Group指统计分类要素。
二、数据准备：将数据库中的数据按照统计设置中的要求抽取并整理，处理成系统可识别的格式，实现统计计算前的数据准备工作；首先，根据统计设置的数据源，获得对应的数据集；其次，根据需要，进行多个数据源的数据整理；最后，按照统计维度进行排序；
数据准备中进行多个数据源的数据整理原则是：
(A)、针对单一数据集：
(a)、如果是同一个表中的数据统计，不需要数据整理；
(b)、如果是Select语句，执行Select操作，将获得的数据集保存；
(B)、针对多个数据集：
(a)、分析多个数据集中的数据源，看是否有从同一个单一表中获取数据的，如果有，记录；
(b)、分析多个数据集中的数据源，看是否有相同Select语句的，如果有，获取；
(c)、分析多个数据集中的数据源，如果是Select类型，看是从相同的表中获取的，如果是，获取。
经过数据整理后，获得的结果如下表1所示。
| 数据集1 | 数据集2 | 数据集3 | |
| 数据源 | DS A | DS A | DS B |
| 结果公式1 | Count(a) | Sum(b) | Sum(b) |
| 结果Group1 | a | c | |
| 结果公式2 | sum(a) | Sum(c) | Sum(d) |
| 结果Group2 | B | a | c |
表1
即，可能有多个数据集使用相同的数据集，通过数据整理，分析出具有 相同数据集的数据源；同时，获取这些数据源，为统计做好准备。
三、累加器：按照统计设置中的要求，计算结果；
(I)、解析统计公式；
①、数学计算公式，包括：
(a)、计算数量：Count(字段名)，如果字段不是数字，则为0；
(b)、获取最大值：Max(字段名)；
(c)、获取最小值：Min(字段名)；
(d)、获取平均值：Arg(字段名)；
(e)、加和：Sum(字段名1，….)，即可以实现多个字段加和；
(f)、不重复计数：SingleCount(字段名)，可以实现不重复计数；
②、逻辑操作，包括：与(&)、或(|)、非(！)；
③、字符串操作，包括：
(a)、计算长度：Length(字段名)；
(b)、截取：SubString(字段名，开始位置，长度)；
(c)、替换：Replace(字段名，源字符串，目标字符串)；
④、在实际应用中，可能会有很多字段需要映射处理；例如，在一个数据库中，可能会有类似于下表2的一些数据：
| 品名 | 消费数量 | 周期 |
| 苹果 | 10 | 周 |
| 香蕉 | 20 | 旬 |
| 桃子 | 30 | 日 |
表2
如果需要计算每天平均的数量时，可能无法直接计算，因为周代表7天，旬代表10天。在该统计器中，可以通过映射函数来实现。
映射函数，包括：
(a)、数值映射：MapInt(源数值，目标数值)；
(b)、字符串映射：MapString(源数值，目标数值)；
(c)、通用映射：Map(源数值，目标数值)。
(II)、初始化统计所需的数组；每个统计结果集都需要三个中间数组，用来实现数据计算；三个中间数组分别通过触发器、加法器和结果器存储；
触发器：存储当前正在处理的统计维度值；即Group By后面的 值；初始化时根据统计维度数量n不同，设置一个维度为n的数组，并清空数据；
加法器：存储当前维度值对应的统计结果值；初始化为一个可变长数组，当维度为n时，该数组的维度为n+1；初始长度为0；
结果器：存储所有计算过的维度对应的结果值；初始化为一个可变长的数组，当维度为n时，该数组的维度为n+1；初始长度为0。
(III)、遍历数据源，逐条计算；针对每个数据集中的每个结果集进行计算；具体步骤为：
①、获取其中一个数据源；
②、根据表1中的分析，将所有与该数据源相关的结果集及计算公式提取出来；
③、获取数据源中的一条记录；
④、获取所有结果集计算公式，逐个计算，分别将结果保存到结果集中；
(a)、获取该条的维度数据，检查与触发器中的是否一致，如果一致，按照公式将结果与加法器中的数据进行计算；
(b)、如果与触发器中的维度不一致，将加法器中的数据转移到结果器中；并清空加法器；
结果器中的数据就是所要的结果；
⑤、检查是否已经是最后一条记录，如果不是，继续第③步操作；
如果是，继续下一个数据源。
经过数据遍历及计算，所需要的结果已经全部保存到数据集中。
| 类别 | 数量 |
| A | 2 |
| A | 3 |
| B | 4 |
表3
触发器、累加器、结果器的初始状态均为空，内部没有任何数据：
获取第一条记录后，触发器中保存类别，累加器中保存类别和数量，
获取第二条记录后，由于触发的条件没有变化，触发器中仍为A，而我们所做的操作为合计(加法)，那么累加器中的数据为2+3＝5，
获取第三条记录后，触发条件发生变化，触发器中数据变为B，需要将累加器中的数据传递到结果器中，
当无数据后，将累加器中的数据转移到结果器中，清空累加器和触发器。
(IV)、整理分发数据集；
四、数据输出：将统计计算结果提供给用户，支持多种方式。
提供API、中间表、内存数据、文件多种方法将计算结果提供给应用程序使用。
实施例2：
下面以一个例子来展示本发明的一种高效率低维护的数据统计方法。
某银行想统计每个网点1月份和2月份的开户人数、存款总额和贷款总额，这些数据都在表Bills中保存着。Bills的格式如表所示。
| 账户 | 日期 | 余额 | 网点 | 类型(借或 贷) |
| 0000001 | 2009-01-02 | 20000000 | 0001 | 借 |
| 0000002 | 2009-02-02 | 460000 | 0003 | 贷 |
预期得到的报表如下：
实施步骤如下：
1、设计配置文件
配置文件如下，即配置统计内容。
<Settings>
<DataSet1>
<DataSource>
<Type>Tabl e</Type>
<Content>Bills</Content>
</DataSource>
<Results>
<Result1>
<Caculate>count(账户)</Caculate>
<Condition>日期between’2009-01-01’and
’2009-01-31’</Condition>
<Group>网点</Group>
</Result1>
<Result2>
<Caculate>sum(余额)</Caculate>
<Condition>日期between’2009-01-01’and’2009-01-31’and类
型＝’借’</Condition>
<Group>网点</Group>
</Result2>
<Result3>
<Caculate>sum(余额)</Caculate>
<Condition>日期between’2009-01-01’and’2009-01-31’and类
型＝’贷’</Condition>
<Group>网点</Group>
</Result3>
</Results>
</DataSet1>
<DataSet1>
<DataSource>
<Type>Tabl e</Type>
<Content>Bills</Content>
</DataSource>
<Results>
<Result1>
<Caculate>count(账户)</Caculate>
<Condition>日期between’2009-02-01’and
’2009-02-28’</Condition>
<Group>网点</Group>
</Result1>
<Result2>
<Caculate>sum(余额)</Caculate>
<Condition>日期between’2009-02-01’and’2009-02-28’and类型＝’借’</Condition>
<Group>网点</Group>
</Result2>
<Result3>
<Caculate>sum(余额)</Caculate>
<Condition>日期between’2009-02-01’and’2009-02-28’and类
型＝’贷’</Condition>
<Group>网点</Group>
</Result3>
</Results>
</DataSet1>
</Sett ings>
2、开启统计计算；
3、报表工具获得数据集；
计算后，所有的数据都在DataSet1和DataSet2中，报表工具可以直接使用。
经实践检验，本方法完全可以满足银行快速开发专题数据统计功能的需求，降低了系统对于软硬件资源的依赖，减少了系统建设部署成本。同时，本发明改变了以往统计系统中一旦变更统计条件，就需要重新开发的状况，不仅缩短了新统计功能的开发周期，并且采用可配置的方案，避免了频繁的修改系统源代码，维护了系统的稳定性。
除说明书所述的技术特征外，均为本专业技术人员的已知技术。
Claims (6)
1.一种高效率低维护的数据统计方法，其特征在于将数据库中的IO操作转换为内存操作，步骤为：
(1)、统计设置：设置统计内容和统计条件；该统计引擎中，使用Xml格式文件来设置；在配置文件中设置数据源、统计维度、统计条件等要素，可以配置多个结果集；
(2)、数据准备：将数据库中的数据按照统计设置中的要求抽取并整理，处理成系统可识别的格式，实现统计计算前的数据准备工作；首先，根据统计设置的数据源，获得对应的数据集；其次，根据需要，进行多个数据源的数据整理；最后，按照统计维度进行排序；
(3)、累加器：按照统计设置中的要求，计算结果；
(a)、解析统计公式；
(b)、初始化统计所需的数组；每个统计结果集都需要三个中间数组，用来实现数据计算；三个中间数组分别通过触发器、加法器和结果器存储；触发器：存储当前正在处理的统计维度值；加法器：存储当前维度值对应的统计结果值；结果器：存储所有计算过的维度对应的结果值；
(c)、遍历数据源，逐条计算；针对每个数据集中的每个结果集进行计算；
(d)、整理分发数据集；
(4)、数据输出：将统计计算结果提供给用户，支持多种方式。
2.根据权利要求1所述的一种高效率低维护的数据统计方法，其特征在于数据准备中进行多个数据源的数据整理原则是：
(1)、针对单一数据集：
(a)、如果是同一个表中的数据统计，不需要数据整理；
(b)、如果是Select语句，执行Select操作，将获得的数据集保存；
(2)、针对多个数据集：
(a)、分析多个数据集中的数据源，看是否有从同一个单一表中获取数据的，如果有，记录；
(b)、分析多个数据集中的数据源，看是否有相同Select语句的，如果有，获取；
(c)、分析多个数据集中的数据源，如果是Select类型，看是从相同的表中获取的，如果是，获取。
3.根据权利要求1所述的一种高效率低维护的数据统计方法，其特征在于累加器中解析统计公式：
(1)、数学计算公式，包括：
(a)、计算数量：Count，如果字段不是数字，则为0；
(b)、获取最大值：Max；
(c)、获取最小值：Min；
(d)、获取平均值：Arg；
(e)、加和：Sum，即可以实现多个字段加和；
(f)、不重复计数：SingleCount，可以实现不重复计数；
(2)、逻辑操作，包括：与、或、非；
(3)、字符串操作，包括：
(a)、计算长度：Length；
(b)、截取：SubString；
(c)、替换：Replace；
(4)、映射函数，包括：
(a)、数值映射：MapInt；
(b)、字符串映射：MapString；
(c)、通用映射：Map。
4.根据权利要求1所述的一种高效率低维护的数据统计方法，其特征在于触发器：存储当前正在处理的统计维度值，即Group By后面的值；初始化时根据统计维度数量n不同，设置一个维度为n的数组，并清空数据；
加法器：存储当前维度值对应的统计结果值；初始化为一个可变长数组，当维度为n时，该数组的维度为n+1；初始长度为0；
结果器：存储所有计算过的维度对应的结果值；初始化为一个可变长的数组，当维度为n时，该数组的维度为n+1；初始长度为0。
5.根据权利要求1所述的一种高效率低维护的数据统计方法，其特征在于遍历数据，针对每个数据集中的每个结果集进行计算；具体步骤为：
(1)、获取其中一个数据源；
(2)、将所有与该数据源相关的结果集及计算公式提取出来；
(3)、获取数据源中的一条记录；
(4)、获取所有结果集计算公式，逐个计算，分别将结果保存到结果集中；
(a)、获取该条的维度数据，检查与触发器中的是否一致，如果一致，按照公式将结果与加法器中的数据进行计算；
(b)、如果与触发器中的维度不一致，将加法器中的数据转移到结果器中；并清空加法器；
结果器中的数据就是所要的结果；
(5)、检查是否已经是最后一条记录，如果不是，继续第(3)步操作；如果是，继续下一个数据源。
6.根据权利要求1所述的一种高效率低维护的数据统计方法，其特征在于将统计计算结果提供给用户，提供API、中间表、内存数据、文件多种方法将计算结果提供给应用程序使用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010100118503A CN101963970A (zh) | 2010-01-12 | 2010-01-12 | 一种高效率低维护的数据统计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010100118503A CN101963970A (zh) | 2010-01-12 | 2010-01-12 | 一种高效率低维护的数据统计方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN101963970A true CN101963970A (zh) | 2011-02-02 |
Family
ID=43516844
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2010100118503A Pending CN101963970A (zh) | 2010-01-12 | 2010-01-12 | 一种高效率低维护的数据统计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101963970A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104281667A (zh) * | 2014-09-28 | 2015-01-14 | 用友优普信息技术有限公司 | 可扩展的预算控制装置及方法 |
| CN104331279A (zh) * | 2014-10-21 | 2015-02-04 | 上海微小卫星工程中心 | 一种星载软件中条件统计型需求的处理方法和装置 |
| CN105653561A (zh) * | 2014-12-02 | 2016-06-08 | 阿里巴巴集团控股有限公司 | 数据的处理方法及装置 |
| CN106919712A (zh) * | 2017-03-10 | 2017-07-04 | 深圳市科脉技术股份有限公司 | 报表的数据统计方法和系统 |
| WO2017181631A1 (zh) * | 2016-04-19 | 2017-10-26 | 北京新能源汽车股份有限公司 | 工程文件的容量信息处理方法及装置 |
| CN107958011A (zh) * | 2017-05-18 | 2018-04-24 | 北京聚通达科技股份有限公司 | 一种基于Discuz社区的快速统计方法 |
| CN110019423A (zh) * | 2019-04-11 | 2019-07-16 | 山东浪潮云信息技术有限公司 | 一种适用于政务应用的统计方法 |
| CN110046082A (zh) * | 2019-04-15 | 2019-07-23 | 苏州浪潮智能科技有限公司 | 一种io特征信息处理方法、获取方法及相关装置 |
| WO2023019560A1 (zh) * | 2021-08-20 | 2023-02-23 | 京东方科技集团股份有限公司 | 数据处理方法、装置、电子设备和计算机可读存储介质 |
-
2010
- 2010-01-12 CN CN2010100118503A patent/CN101963970A/zh active Pending
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104281667A (zh) * | 2014-09-28 | 2015-01-14 | 用友优普信息技术有限公司 | 可扩展的预算控制装置及方法 |
| CN104331279A (zh) * | 2014-10-21 | 2015-02-04 | 上海微小卫星工程中心 | 一种星载软件中条件统计型需求的处理方法和装置 |
| CN104331279B (zh) * | 2014-10-21 | 2017-06-30 | 上海微小卫星工程中心 | 一种星载软件中条件统计型需求的处理方法和装置 |
| CN105653561B (zh) * | 2014-12-02 | 2019-11-15 | 阿里巴巴集团控股有限公司 | 数据的处理方法及装置 |
| CN105653561A (zh) * | 2014-12-02 | 2016-06-08 | 阿里巴巴集团控股有限公司 | 数据的处理方法及装置 |
| WO2017181631A1 (zh) * | 2016-04-19 | 2017-10-26 | 北京新能源汽车股份有限公司 | 工程文件的容量信息处理方法及装置 |
| CN106919712A (zh) * | 2017-03-10 | 2017-07-04 | 深圳市科脉技术股份有限公司 | 报表的数据统计方法和系统 |
| WO2018161403A1 (zh) * | 2017-03-10 | 2018-09-13 | 深圳市科脉技术股份有限公司 | 报表的数据统计方法和系统 |
| CN107958011A (zh) * | 2017-05-18 | 2018-04-24 | 北京聚通达科技股份有限公司 | 一种基于Discuz社区的快速统计方法 |
| CN107958011B (zh) * | 2017-05-18 | 2021-12-10 | 北京聚通达科技股份有限公司 | 一种基于Discuz社区的快速统计方法 |
| CN110019423A (zh) * | 2019-04-11 | 2019-07-16 | 山东浪潮云信息技术有限公司 | 一种适用于政务应用的统计方法 |
| CN110046082A (zh) * | 2019-04-15 | 2019-07-23 | 苏州浪潮智能科技有限公司 | 一种io特征信息处理方法、获取方法及相关装置 |
| WO2023019560A1 (zh) * | 2021-08-20 | 2023-02-23 | 京东方科技集团股份有限公司 | 数据处理方法、装置、电子设备和计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101963970A (zh) | 一种高效率低维护的数据统计方法 | |
| US11334594B2 (en) | Data model transformation | |
| CN110543517B (zh) | 一种基于Elasticsearch实现海量数据复杂查询方法、装置及介质 | |
| AU2016359060B9 (en) | Storing and retrieving data of a data cube | |
| US10754877B2 (en) | System and method for providing big data analytics on dynamically-changing data models | |
| CN107229730A (zh) | 数据查询方法及装置 | |
| US10747762B2 (en) | Automatic generation of sub-queries | |
| US8935257B1 (en) | Organizing, joining, and performing statistical calculations on massive sets of data | |
| CN104182502B (zh) | 一种数据抽取方法及装置 | |
| US20120191699A1 (en) | Aggregate function partitions for distributed processing | |
| CN103577590A (zh) | 一种数据查询方法和系统 | |
| US20130013585A1 (en) | Hash join and hash aggregation integration system | |
| CN110633331B (zh) | 一种关系数据库中数据提取方法、系统及相关设备 | |
| CN101739454B (zh) | 数据处理系统 | |
| US10579589B2 (en) | Data filtering | |
| CN106528778A (zh) | 用户留存类数据获取方法及装置 | |
| CN108960672B (zh) | 限额限次的风控方法、装置及计算机可读存储介质 | |
| CN102819589A (zh) | 一种基于etl的数据优化方法及设备 | |
| CN106844320A (zh) | 一种财务报表整合方法和设备 | |
| CN110009796B (zh) | 发票类别识别方法、装置、电子设备及可读存储介质 | |
| CN202433952U (zh) | 一种通用网络报表系统 | |
| CN111913962A (zh) | 一种多维度年度明细资金计划编制系统及方法 | |
| CN106055699A (zh) | 一种特征聚类的方法及装置 | |
| CN106874498B (zh) | 一种金融数据的存取方法及存取装置 | |
| Wagner et al. | Discovering Related Data Sources in Data-Portals. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110202 |