CN104572727A - 一种数据查询方法及装置 - Google Patents

Abstract

本申请提出一种数据查询方法及装置。该方法包括：接收针对查询数据的查询请求；基于预定规则确定所述查询数据对应的标识；根据所述标识从预先建立的过滤表中获取所述查询数据对应的过滤子表，其中所述过滤表包含多个过滤子表，所述过滤子表中包含数据库中的一个或多个数据的摘要信息；提取所述查询数据的摘要信息；将所述查询数据的摘要信息与所述过滤子表中的摘要信息进行匹配；以及当所述查询数据的摘要信息与所述过滤子表中的摘要信息相匹配时，从数据库获取所述查询数据。本申请所提出的方案有效地提高了服务器性能、避免不必要的查询资源和时间的耗费以及抵挡恶意的查询访问。

Description

一种数据查询方法及装置

技术领域

本发明涉及数据处理领域，尤其涉及一种数据查询方法及装置。

背景技术

在当今社会，随着信息通信技术的发展，我们已离不开由网络来发送/接收各种数据。这就需要服务器来处理巨大的数据量，也就是现阶段人们最关注的大数据处理。那么，如何在大数据集合的数据库中进行相关数据查询已成为人们研究的热点问题。

通常在例如电子邮箱账号的查询请求中，其账号服务的每秒查询速率（QPS，Query Per Second）一般都比较高，并且还会接到大量针对不存在的账号的查询请求。比如，已经删除的账号或者一些猜测账号的系统的攻击性访问。其中，已经存在的账号可以通过网络业务层的高速缓冲存储器提高网络服务的每秒查询速率。但是，对于不存在的账号查询请求，其在网络业务层是找不到的，必须要通过服务器的数据库查询后才能确认。因此，这类无效查询访问会增加网络服务器的查询、传输等压力，从而影响用户正常应用。

而现有技术中为解决网络服务器查询、传输等压力和提高网络服务器的性能，提出了一种解决方案，通过在集群服务器中设置布隆过滤器（bloomfilter）来减小网络服务器查询、传输数据等带来的压力。具体而言，现有技术中通过集群技术把多台服务器集中成类似一台服务器控制工作，从而提高其稳定性和数据快速处理能力。由于集群的存储空间也是有限的，所以，当集群中的数据记录比较多时，布隆过滤器占用的内存就会很大，甚至会超过服务器本身的内存。

因此，现有技术中提出了另一种解决方案，将一个大集群拆分成多个小集群，在小集群内部构建自己的布隆过滤器，并通过分发器把不同的查询数据分发到对应的集群上。即，固定的用户被固定的小集群服务。然而，采用这种方法当集群扩大时，用户的数据要被重新分配，需要重构布隆过滤器，这样一来就会增加整个服务器系统的应用成本。

发明内容

本发明的主要目的在于提供一种数据查询方法及装置，以解决现有技术存在的上述问题，其中：

根据本申请的一个方面的实施例，提出一种数据查询方法，包括：接收针对查询数据的查询请求；基于预定规则确定所述查询数据对应的标识；根据标识从预先建立的过滤表中获取所述查询数据对应的过滤子表，其中过滤表包含多个过滤子表，过滤子表中包含数据库中的一个或多个数据的摘要信息；提取查询数据的摘要信息；将查询数据的摘要信息与过滤子表中的摘要信息进行匹配；以及当查询数据的摘要信息与过滤子表中的摘要信息相匹配时，从数据库获取查询数据。

根据本申请的另一方面的实施例，提出一种数据查询装置，包括：接收模块，用于接收针对查询数据的查询请求；过滤模块，用于基于预定规则确定查询数据对应的标识；获取模块，用于根据标识从预先建立的过滤表中获取查询数据对应的过滤子表，其中过滤表包含多个过滤子表，过滤子表中包含数据库中的一个或多个数据的摘要信息；提取模块，用于提取查询数据的摘要信息；匹配模块，用于将查询数据的摘要信息与过滤子表中的摘要信息进行匹配；以及查询模块，用于当查询数据的摘要信息与过滤子表中的摘要信息相匹配时，从数据库获取查询数据。

与现有技术相比，根据本申请的技术方案，通过根据服务器的单机内存和数据库的容量，对数据库中的数据预先建立包含多个过滤子表（布隆过滤器）的过滤表，将数据库中的数据按照预定规则分配给相应的过滤子表；针对查询数据，只需要按照预定规则确定出该查询数据对应的过滤子表，然后调用该占用内存较小的过滤子表，就可以确定查询数据是否存在于数据库中。当有新数据存入数据库时，无需再对数据库中的所有数据进行重新分配和重构过滤表，只需要按照预定规则将新数据存储到预先建立的相应过滤子表中即可。因此，使得通过单机内存就能够处理数据库内所有数据的布隆过滤器查询，提高了服务器性能。

更进一步而言，根据本申请的技术方案，为避免因过滤表的误判所造成的不必要的数据查询过程，当通过过滤表确定查询数据存在于数据库时，进一步通过筛查缓存来确认查询数据是否在数据库中，该筛查缓存中存储有通过过滤表确定其存在于数据库中但从数据库中却无法获取到的数据。由此可以避免不必要的查询资源和时间的耗费，更有效地提高服务器性能以及抵挡恶意的查询访问。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1示出了根据本申请一个实施例的数据查询方法的流程图；

图2示出了根据本申请一个实施例的建立过滤表的方法的流程图；

图3示出了根据本申请一个实施例的确定待处理数据对应的过滤子表的方法的流程图；

图4示出了根据本申请另一实施例的数据查询方法的流程图；

图5示出了根据本申请又一实施例的数据查询方法的流程图；

图6示出了根据本申请再一实施例的数据查询方法的流程图；

图7示出了用于说明数据分组与过滤子表的对应关系的示意图；以及

图8示出了根据本申请一个实施例的数据查询装置的结构框图。

具体实施方式

本申请的主要思想就在于，根据服务器的单机内存和数据库的容量，针对一个数据集群（服务器数据库）中的数据，预先构建包含多个过滤子表（布隆过滤器）的过滤表，使得数据库中具有按照预定规则确定的相同标识的数据分配给同一过滤子表，该过滤子表由相应标识来索引；并且针对查询数据，按照预定规则确定该查询数据的标识并根据该标识获取对应索引的过滤子表，以在对数据库进行访问之前确定查询数据是否存在于数据库中，由此减少服务器对数据库的不必要访问，提高服务器性能，并防止对服务器的攻击性查询访问。

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

参考图1，图1示出了根据本申请一个实施例的数据查询方法的流程图。

如图1所示，在步骤S101处，接收针对查询数据的查询请求。

具体而言，对于查询数据可以是用户所输入的邮件地址、博客帐号等，或者进入应用系统中系统确认信息、查询应用系统中相关数据资源等。

接下来，在步骤S102处，基于预定规则确定查询数据对应的标识。

根据本申请的实施例，查询数据对应的标识，可以是一个或多个数值或是一串字符、图片等。也可以将该标识理解为查询数据所对应的类别。

根据本申请的实施例，在确定查询数据对应的标识时，所基于的预定规则可以和预先建立过滤表过程中应用的预定规则相同。对于该预定规则，详细说明参见稍后图3的详细描述。

在步骤S103处，根据查询数据对应的标识从预先建立的过滤表中获取该查询数据对应的过滤子表。

在本申请实施例中，过滤表可以包含多个过滤子表，过滤子表中可以包含数据库中的一个或多个数据的摘要信息。

这里需要指出的是，过滤表（即其中的过滤子表）的作用就在于确定查询数据是否存在于数据库中。该步骤的机制就在于，在从数据库获取查询数据之前，先通过过滤表判断一下该查询数据是否存在于数据库中，如果存在，再去数据库中查找并获取；如果不存在，就可以不用再去数据库中进行查找。由此可以提高数据查询效率，避免不必要的资源浪费，提高系统性能。

根据本申请的实施例，过滤表中的过滤子表可以是布隆过滤器。但本申请对过滤子表的具体形式并不做任何限制，而是可以通过本领域已知或未来开发的其它任意合适方式来实现，只要其能够用于确定查询数据是否存在于数据库中即可。

关于过滤表的建立过程可以参见稍后图2的详细描述。

接下来，在步骤S104处，提取查询数据的摘要信息。

具体而言，摘要信息可以是指纹信息，也可以是数字签名等可辨别数据身份的信息。根据本申请的实施例，可以通过哈希算法、数据相关的语义提取算法以及其他相关算法来提取数据的摘要信息。应理解到，对于摘要信息的提取，本申请并不限于上述所提出的算法。

接下来，在步骤S105处，将查询数据的摘要信息与过滤子表中的摘要信息进行匹配。

具体而言，将在步骤S104提取的查询数据的摘要信息与在步骤S103获取到的过滤子表中的摘要信息进行匹配，以根据匹配结果确定查询数据是否存在于数据库中。如果匹配失败，则可以确定查询数据不在数据库中。如果匹配成功，则可以确定查询数据在数据库中，进入步骤S106。

在步骤S106处，从数据库获取查询数据。

具体而言，当查询数据的摘要信息与过滤子表中的摘要信息相匹配时，则服务器搜索数据库以获取查询数据。这里可以通过任意方式从数据库中获取查询数据，本申请对此不作任何限制。

至此描述了根据本申请一个实施例的数据查询方法。关于其中过滤表的建立过程，下面结合图2进行详细描述。

参照图2，其中示出了根据本申请一个实施例的预先建立过滤表的方法的流程图。

如图2所示，在步骤S201处，根据服务器负载能力，确定过滤表中的过滤子表的数目。

根据本申请的实施例，可以根据服务器的单机内存以及数据库中的总数据容量（最大数据容量），来确定布隆过滤器的数目。

具体而言，根据本申请的发明构思，针对一个数据集群中的数据可以构建多个布隆过滤器，并且针对每个查询数据只需要调用一个布隆过滤器。因此，根据服务器的内存大小，可以确定每个布隆过滤器可以占用的最大内存。根据布隆过滤器可以占用的最大内存可以确定一个布隆过滤器中最多可以存储的数据条数n。然后根据数据库中的总数据容量可以确定数据库中最多可以存储的数据条数N₀。由此可以确定所需布隆过滤器的数目N=N₀/n。

在一个具体实施例中，可以通过如下公式（1）来计算一个布隆过滤器最多可以存储的数据条数n：

P=(1-e^(-k×n/m))^k    （1）

其中P为布隆过滤器的误判率，k为布隆过滤器中使用的哈希函数的个数，m为布隆过滤器占用的内存。

例如，假设系统只允许0.05%的误判率并只使用5个哈希函数，即P=0.05%，k=5，并且布隆过滤器占用的内存分配为m=100k以内，则可以计算得到布隆过滤器最多可以存储的数据条数n=10000。假设服务器数据库中最多需要存储100000000条数据，即N₀=100000000。则可以确定针对该数据库可以预先建立的布隆过滤器（过滤子表）的数目N=10000。

接下来，在步骤S202处，根据过滤子表的数目，基于预定规则将数据库中的数据进行分组，使得每个分组中的数据具有基于预定规则确定的相同的标识。

具体而言，首先，基于预定规则确定数据库中数据的标识。然后，将具有相同标识的数据分为一组，即，每组中的数据都具有基于预定规则确定的相同的标识。对于该预定规则，详细说明参见稍后图3的描述。

接下来，在步骤S203处，提取数据库中各数据的摘要信息。

具体而言，针对于提取查询数据的摘要信息，图2中步骤S203对于提取数据库中的各数据的摘要信息的方式类似，在此就不再赘述。

在步骤S204处，将具有相同标识的数据的摘要信息放入同一过滤子表中，每个过滤子表由对应的标识来索引。

具体而言，通过所设置的预定规则，使数据库中的所有数据的摘要信息都存储到相应的过滤子表中。

更具体而言，如图7所示，可以将数据库中具有同一标识B1的数据的摘要信息都放入一个过滤子表中，并且可以以标识B1作为该过滤子表的索引。同样地，可以将数据库中具有同一标识B2的数据的摘要信息都放入另一个过滤子表中，并且可以以标识B2作为该过滤子表的索引。进一步地，如果有新数据写入，则依然以上述方式将新数据的摘要信息放入过滤子表中。具体实施与上述图2中所述步骤S202-S203相同。更进一步地，如果新数据所得到的标识与上述已建立的分组数据的标识均不同，例如为B4，此时，可以创建新的分组。如图7所示，B4为新分组，其中包含上述新数据。然后，将新分组中的新数据的摘要信息放入一个空的过滤子表中，并以基于预定规则确定的该新数据的标识B4作为该过滤子表的索引。以此类推，针对数据库可容纳的历史数据或者未来数据，都可以将其对应到过滤子表中。

至此结合图2描述了根据本申请一个实施例的建立过滤表的方法的过程。下面结合图3详细描述针对查询数据进行数据查询时以及预先建立过滤表时涉及到的预定规则的处理。在该描述中，将查询数据和数据库中的数据统称为待处理数据。

参照图3，图3示出了根据本申请一个实施例的确定待处理数据对应的过滤子表的方法的流程图。

如图3所示，在步骤S301处，对待处理数据进行哈希运算，以获取待处理数据的哈希值。

根据本申请的一个实施例，例如，可以计算待处理数据的MD5（Message-Digest Algorithm 5消息摘要算法）值。应理解到，本申请并不限于此，而是还可以进行其它哈希运算，例如MD2、MD4、ASCII码累加等等。

接下来，在步骤S302处，根据哈希值和过滤子表的数目，确定出待处理数据所对应的过滤子表的索引。

根据本申请的一个实施例，可以截取步骤S301得到的哈希值的部分位数据，然后根据先前确定的过滤子表的数目N，对截取后的哈希值进行%模运算，从而可以确定出待处理数据所对应的过滤子表的索引。

举例而言，假设待处理数据的哈希值N₁=MD5（待处理数据），则截取N₁的后8位后，可以得到N₂=N₁的后8位，进而可以确定待处理数据所对应的过滤子表的索引I=N₂%N。

本领域技术人员应理解到，本申请并不限于上述确定待处理数据对应的过滤子表的方法，而是可以采用任意适合的预定规则来实现。

至此描述了根据本申请一个实施例的数据查询方法，其中，通过针对一个数据集群（数据库）预先建立包含多个过滤子表的过滤表，并根据服务器负载能力来确定需要在过滤表中设置多少个过滤子表，以及将数据库中具有按照预定规则确定的相同标识的数据的摘要信息存储到同一过滤子表中并以该标识作为该过滤子表的索引。进而实现了，当有查询数据请求时，可通过按照预定规则确定查询数据的标识并根据标识找到与之对应的过滤子表，以在对数据库进行访问之前确定查询数据是否存在于数据库中。由此减少服务器对数据库的不必要访问，提高服务器性能，并防止对服务器的攻击性查询访问。

进一步地，根据本申请的实施例，在从数据库中获取到查询数据之后，可以将查询数据存储到数据缓存中。更具体而言，数据缓存可以存储针对特定时间段内接收到的查询请求已返回的各查询数据。通常当服务器接收到查询数据的请求时，可以先到数据库的数据缓存中去查询，如果数据缓存中不存在所需的查询数据，再去访问数据库，由此可以提高查询速度。对于本申请的方案中如何利用数据缓存进行数据查询，稍后结合图4进行更详细的说明。

进一步地，根据本申请的实施例，还可以设置一个过滤缓存，其中，过滤缓存中可以包括针对特定时间段内接收到的查询请求已访问过的过滤子表。当接收到查询数据请求时，可以先到过滤缓存中查找是否有该查询数据对应的过滤子表。如果在过滤缓存中获取不到该查询数据对应的过滤子表，再去过滤表中获取该查询数据对应的过滤子表，以确定该查询数据是否在数据库中。过滤缓存与过滤表之间的关系类似于数据缓存与数据库之间的关系，同样可以提高查询速度。对于如何利用过滤缓存进行数据查询，稍后结合图5进行更详细的说明。

另外，根据本申请的实施例，当无法从数据库获取到查询数据时，可以将该查询数据存储到筛查缓存中。本申请发明人发现，过滤子表（布隆过滤器）由于其本身的机制导致可能存在误判的情况，因此提出可以设置筛查缓存，在其中存储在过滤子表中存在与其匹配的摘要信息但从数据库中却无法获取到的查询数据。当通过过滤子表确定查询数据存在于数据库中时，先通过筛查缓存确认是否存在误判，如果不存在误判，再去访问数据库，由此可以进一步减少对数据库不必要的访问，提高查询速度，以及防止恶意查询访问对数据库的压力。对于如何利用筛查缓存进行数据查询，稍后将结合图6进行更详细的说明。

下面参照图4描述根据本申请另一实施例的数据查询方法。在本实施例中更具体地描述利用数据缓存对查询数据的查询过程。

参照图4，在步骤S401处，接收针对查询数据的查询请求。

该步骤的接收过程类似于前面图1描述的步骤S101步骤，这里不再赘述。

在步骤S402处，判断该查询数据是否在数据缓存中。

根据本申请的实施例，数据缓存中可以包括针对特定时间段内接收到的查询请求已返回的各查询数据。

具体而言，通常当服务器接收有查询数据的请求时，会直接到大数据库的数据缓存中去查询。然而，由于数据缓存存储的是某一预设时间段内的查询数据，所以查询数据可能在当前的数据缓存中查询到，也可能查询不到。但是，当该查询数据不在数据缓存时并不意味着该查询数据不在数据库中。因为，该查询数据可能是数据库中的数据，只是该查询数据在预设时间段以外，所以，在数据缓存中查不到查询数据。进而需要再通过过滤表进一步判断该查询数据是否在数据库中。

当在步骤S402判定该查询数据在数据缓存中时，进入步骤S403，从数据缓存获取该查询数据。由此，从数据缓存中就直接可以获取到该查询数据，而不必再去访问数据库来获取该查询数据，节省了访问数据库的资源并且提高了查询速度。

当在步骤S402判定该查询数据不在数据缓存中时，进入步骤S404-S409，以通过过滤表判断查询数据是否在数据库中。其中步骤S404-S409的处理类似于图1中步骤S102-S106的处理，在此不再赘述。

与前面结合图1描述的实施例相比，根据本实施例的数据查询方法，由于使用数据缓存，在访问过滤表之前先去数据缓存中查找是否存在查询数据，可以减少确定查询数据对应标识的计算量，进一步提高查询速度。

下面参照图5描述根据本申请又一实施例的数据查询方法。在本实施例中更具体地描述利用过滤缓存对查询数据的查询过程。其中步骤S501-S502对应于图1中步骤S101-S102，在此就不再赘述。

参照图5，在基于预定规则确定了查询数据对应的标识之后，在步骤S503处，判断该查询数据对应的过滤子表是否在过滤缓存中。

根据本申请的实施例，在得到查询数据的标识之后，可以先到过滤缓存中进行查询。因为，过滤缓存中包括针对特定时间段内接收到的查询请求已访问过的过滤子表。

具体而言，如果该查询数据可以根据其标识在过滤缓存中查询到相应的过滤子表，那么就不需要去过滤表中查找相应的过滤子表。进而节约了数据的查询时间，提高了数据查询速度。反之，如果在过滤缓存中查不到查询数据对应的过滤子表，则进入步骤S504，根据查询数据的标识来从预先建立的过滤表中获取该查询数据对应的过滤子表。该步骤S504的处理类似于图1中的步骤S103的处理，这里不再赘述。

在从过滤缓存或过滤表中获取到与查询数据对应的过滤子表之后，均进入步骤S506-S509，以通过过滤子表确定查询数据是否存在于数据库中。该步骤S506-S509的处理类似于图1中的步骤S104-106以及图4中的步骤S406-S409的处理，这里不再赘述。

与前面结合图1描述的实施例相比，根据本实施例的数据查询方法，由于使用过滤缓存，在访问过滤表之前先去过滤缓存中查找过滤子表，可以进一步提高查询速度。

下面参照图6描述根据本申请再一实施例的数据查询方法。在本实施例中更具体地描述利用筛查缓存对查询数据的查询过程。

参照图6，图6中的步骤S601－S604的处理类似于图1中的步骤S101-步骤S104的处理，在此不再赘述。

在步骤S605处，当查询数据的摘要信息与过滤子表中的摘要信息相匹配时，判断查询数据是否在筛查缓存中。

根据本申请的实施例，筛查缓存中可以包括在过滤子表中存在与其匹配的摘要信息，但从数据库中却无法获取到的查询数据。

具体而言，由于数据的摘要信息并不唯一，即使该查询数据在过滤表中可以匹配到相应的摘要信息，但其实质与过滤表中摘要信息所对应的是不同的数据，所以该查询数据实际是不在数据库中的。而筛查缓存就是存储这样的历史查询数据的。进而，针对其中通过过滤表已确定该查询数据存在于数据库的情况，进一步筛查该查询数据是否真正存在于数据库中。由此可以进一步降低访问数据库的概率。

接下来，当查询数据在筛查缓存中时，转到步骤S606处，确认该查询数据不存在于数据库中。

具体而言，由于该查询数据存在于筛查缓存中，就说明该查询数据曾经被查询过，但其实并不存在于数据库中。也就是说，当前查询数据可能是不合法数据或是输入的错误数据等。因此可以确认该查询数据实际并不存在于数据库中，进而无需再去访问数据库，而可以直接返回表明数据库中不存在该查询数据的结果。

当查询数据不在筛查缓存中时，转到步骤S607处，确认该查询数据存在于数据库中，并从数据库获取该查询数据。

这里需要说明的是，当通过筛查缓存确认查询数据存在于数据库中时，实际也可能在数据库中并不存在该查询数据。比如该查询数据是数据库中并不存在的新数据的情况。因此，针对这种情况，当无法从数据库中获取到该查询数据时，可以将该查询数据存储到筛查缓存中，以便后续查询使用。

与前面结合图1描述的实施例相比，根据本实施例的数据查询方法，由于使用筛查缓存，在通过过滤表确定查询数据存在于数据库中之后，通过筛查缓存进一步验证过滤表的判断结果，可以进一步减少对数据库不必要的访问，提高查询速度，以及防止恶意查询访问对数据库的压力。

本领域技术人员应理解到，上述各实施例并不对本申请构成任何限制，其中描述的方案可以单独使用，也可以根据需要按照任意组合方式来组合使用。例如，优选地，可以结合使用数据缓存、过滤缓存和筛查缓存这三者来进行数据查询。

与上述数据查询方法类似，本申请的实施例还提供相应的数据查询装置。

参照图8，图8示出了根据本申请一个实施例的数据查询装置800的示意性结构框图。

如图8所示，装置800可以包括：接收模块801、过滤模块802、获取模块803、提取模块804、匹配模块805以及查询模块806。

具体而言，接收模块801可以用于接收针对查询数据的查询请求。过滤模块802可以用于基于预定规则确定查询数据对应的标识。获取模块803可以用于根据标识从预先建立的过滤表中获取查询数据对应的过滤子表，其中过滤表包含多个过滤子表，过滤子表中包含数据库中的一个或多个数据的摘要信息。提取模块804可以用于提取查询数据的摘要信息。匹配模块805可以用于将查询数据的摘要信息与过滤子表中的摘要信息进行匹配。查询模块806可以用于当查询数据的摘要信息与过滤子表中的摘要信息相匹配时，从数据库获取查询数据。

根据本申请的实施例，过滤表可以是通过过滤模块802中的以下子模块（图中未示出）预先建立的：确定子模块，用于根据服务器的负载能力，确定过滤表中的过滤子表的数目；分组子模块，用于根据数目，基于预定规则将数据库中的数据进行分组，使得每个分组中的数据具有基于预定规则确定的相同的标识；以及摘要信息存储子模块，用于提取数据库中各数据的摘要信息，将具有相同标识的数据的摘要信息放入同一过滤子表中，每个过滤子表由对应的标识来索引。

根据本申请的实施例，预定规则可以包括：对待处理数据进行哈希运算，以获取待处理数据的哈希值；以及根据哈希值和过滤子表的数目，确定出待处理数据所对应的过滤子表的索引。

根据本申请的实施例，装置800还可以包括：数据缓存模块（图中未示出），用于：在数据缓存中查询所述查询数据，数据缓存中包括针对特定时间段内接收到的查询请求已返回的各查询数据；当查询数据在数据缓存中时，从数据缓存获取查询数据；以及当查询数据不在数据缓存中时，由过滤模块802、获取模块803、提取模块804、匹配模块805和查询模块806继续针对查询数据进行操作。

根据本申请的实施例，装置800还可以包括：过滤缓存模块（图中未示出），用于：根据标识从过滤缓存中查询所述查询数据对应的过滤子表，过滤缓存中包括针对特定时间段内接收到的查询请求已访问过的过滤子表；当过滤子表在过滤缓存中时，由提取模块804、匹配模块805和查询模块806继续针对查询数据进行操作；以及当过滤子表不在过滤缓存中时，由获取模块803、提取模块804、匹配模块805和查询模块806继续针对查询数据进行操作。

根据本申请的实施例，查询模块806还可以用于：当查询数据的摘要信息与过滤子表中的摘要信息不相匹配时，确定查询数据不存在于数据库中。

根据本申请的实施例，查询模块806还可以包括（图中未示出）：筛查子模块，用于在筛查缓存中查询所述查询数据，并且根据查询结果确认查询数据是否存在于数据库中，其中，筛查缓存中包括在过滤子表中存在与其匹配的摘要信息但从数据库中却无法获取到的查询数据；以及获取子模块，用于当确认查询数据在数据库中时，从数据库获取查询数据。

根据本申请的更具体实施例，当查询数据在筛查缓存中时，筛查子模块确认查询数据不存在于数据库中；以及当查询数据不在筛查缓存中时，筛查子模块确认查询数据存在于数据库中。

根据本申请的实施例，装置800还可以包括（图中未示出）：数据缓存存储模块，用于在从数据库获取到查询数据之后，将查询数据存储到数据缓存中。

根据本申请的实施例，装置800还可以包括（图中未示出）：筛查缓存存储模块，用于当无法从数据库获取到查询数据时，将查询数据存储到筛查缓存中。

根据本申请实施例的数据查询装置，同样能够避免不必要的查询资源和时间的耗费，更有效地提高查询数据的查询速度以及抵挡恶意的查询访问。

以上描述的数据查询装置与之前描述的数据查询方法的处理是对应的，因此，关于更详细的技术细节，可以参见之前描述的方法。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域内的技术人员应明白，本申请的实施例可提供为方法、设备、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (20)

1.一种数据查询方法，其特征在于，包括：

接收针对查询数据的查询请求；

基于预定规则确定所述查询数据对应的标识；

根据所述标识从预先建立的过滤表中获取所述查询数据对应的过滤子表，其中所述过滤表包含多个过滤子表，所述过滤子表中包含数据库中的一个或多个数据的摘要信息；

提取所述查询数据的摘要信息；

将所述查询数据的摘要信息与所述过滤子表中的摘要信息进行匹配；以及

当所述查询数据的摘要信息与所述过滤子表中的摘要信息相匹配时，从数据库获取所述查询数据。

2.根据权利要求1所述的方法，其特征在于，所述过滤表是通过以下步骤预先建立的：

根据服务器的负载能力，确定所述过滤表中的过滤子表的数目；

根据所述数目，基于所述预定规则将数据库中的数据进行分组，使得每个分组中的数据具有基于所述预定规则确定的相同的标识；以及

提取数据库中各数据的摘要信息，将具有相同标识的数据的摘要信息放入同一过滤子表中，每个过滤子表由对应的标识来索引。

3.根据权利要求2所述的方法，其特征在于，所述预定规则，包括：

对待处理数据进行哈希运算，以获取待处理数据的哈希值；以及

根据所述哈希值和过滤子表的数目，确定出所述待处理数据所对应的过滤子表的索引。

4.根据权利要求1所述的方法，其特征在于，在所述接收针对查询数据的查询请求的步骤之后，且在所述基于预定规则确定所述查询数据对应的标识的步骤之前，还包括：

在数据缓存中查询所述查询数据，所述数据缓存中包括针对特定时间段内接收到的查询请求已返回的各查询数据；

当所述查询数据在所述数据缓存中时，从所述数据缓存获取所述查询数据；以及

当所述查询数据不在所述数据缓存中时，执行所述基于预定规则确定所述查询数据对应的标识的步骤到所述当所述查询数据的摘要信息与所述过滤子表中的摘要信息相匹配时从数据库获取所述查询数据的步骤。

5.根据权利要求1-4中任一项所述的方法，其特征在于，在所述基于预定规则确定所述查询数据对应的标识的步骤之后，且在所述根据所述标识从预先建立的过滤表中获取所述查询数据对应的过滤子表的步骤之前，进一步包括：

根据所述标识从过滤缓存中查询所述查询数据对应的过滤子表，所述过滤缓存中包括针对特定时间段内接收到的查询请求已访问过的过滤子表；

当所述过滤子表在所述过滤缓存中时，执行所述提取所述查询数据的摘要信息的步骤到所述当所述查询数据的摘要信息与所述过滤子表中的摘要信息相匹配时从数据库获取所述查询数据的步骤；以及

当所述过滤子表不在所述过滤缓存中时，执行所述根据所述标识从预先建立的过滤表中获取所述查询数据对应的过滤子表的步骤到所述当所述查询数据的摘要信息与所述过滤子表中的摘要信息相匹配时从数据库获取所述查询数据的步骤。

6.根据权利要求1-4中任一项所述的方法，其特征在于，还包括：

当所述查询数据的摘要信息与所述过滤子表中的摘要信息不相匹配时，确定所述查询数据不存在于数据库中。

7.根据权利要求1-4中任一项所述的方法，其特征在于，所述当所述查询数据的摘要信息与所述过滤子表中的摘要信息相匹配时从数据库获取所述查询数据的步骤，进一步包括：

在筛查缓存中查询所述查询数据，并且根据查询结果确认所述查询数据是否存在于数据库中，其中，所述筛查缓存中包括在所述过滤子表中存在与其匹配的摘要信息但从数据库中却无法获取到的查询数据；以及

当确认所述查询数据在数据库中时，从数据库获取所述查询数据。

8.根据权利要求7所述的方法，其特征在于，所述在筛查缓存中查询所述查询数据并且根据查询结果确认所述查询数据是否存在于数据库中的步骤，进一步包括：

当所述查询数据在所述筛查缓存中时，确认所述查询数据不存在于数据库中；以及

当所述查询数据不在所述筛查缓存中时，确认所述查询数据存在于数据库中。

9.根据权利要求1-4中任一项所述的方法，其特征在于，还包括：

在从数据库获取到所述查询数据之后，将所述查询数据存储到数据缓存中。

10.根据权利要求1-4中任一项所述的方法，其特征在于，还包括：

当无法从数据库获取到所述查询数据时，将所述查询数据存储到筛查缓存中。

11.一种数据查询装置，其特征在于，包括：

接收模块，用于接收针对查询数据的查询请求；

过滤模块，用于基于预定规则确定所述查询数据对应的标识；

获取模块，用于根据所述标识从预先建立的过滤表中获取所述查询数据对应的过滤子表，其中所述过滤表包含多个过滤子表，所述过滤子表中包含数据库中的一个或多个数据的摘要信息；

提取模块，用于提取所述查询数据的摘要信息；

匹配模块，用于将所述查询数据的摘要信息与所述过滤子表中的摘要信息进行匹配；以及

查询模块，用于当所述查询数据的摘要信息与所述过滤子表中的摘要信息相匹配时，从数据库获取所述查询数据。

12.根据权利要求11所述的装置，其特征在于，所述过滤表是通过过滤模块中的以下子模块预先建立的：

确定子模块，用于根据服务器的负载能力，确定所述过滤表中的过滤子表的数目；

分组子模块，用于根据所述数目，基于所述预定规则将数据库中的数据进行分组，使得每个分组中的数据具有基于所述预定规则确定的相同的标识；以及

摘要信息存储子模块，用于提取数据库中各数据的摘要信息，将具有相同标识的数据的摘要信息放入同一过滤子表中，每个过滤子表由对应的标识来索引。

13.根据权利要求12所述的装置，其特征在于，所述预定规则，包括：

对待处理数据进行哈希运算，以获取待处理数据的哈希值；以及

根据所述哈希值和过滤子表的数目，确定出所述待处理数据所对应的过滤子表的索引。

14.根据权利要求11所述的装置，其特征在于，还包括：数据缓存模块，用于：

在数据缓存中查询所述查询数据，所述数据缓存中包括针对特定时间段内接收到的查询请求已返回的各查询数据；

当所述查询数据在所述数据缓存中时，从所述数据缓存获取所述查询数据；以及

当所述查询数据不在所述数据缓存中时，由所述过滤模块、获取模块、提取模块、匹配模块和查询模块继续针对所述查询数据进行操作。

15.根据权利要求11-14中任一项所述的装置，其特征在于，还包括：过滤缓存模块，用于：

根据所述标识从过滤缓存中查询所述查询数据对应的过滤子表，所述过滤缓存中包括针对特定时间段内接收到的查询请求已访问过的过滤子表；

当所述过滤子表在所述过滤缓存中时，由所述提取模块、匹配模块和查询模块继续针对所述查询数据进行操作；以及

当所述过滤子表不在所述过滤缓存中时，由所述获取模块、提取模块、匹配模块和查询模块继续针对所述查询数据进行操作。

16.根据权利要求11-14中任一项所述的装置，其特征在于，所述查询模块还用于：

当所述查询数据的摘要信息与所述过滤子表中的摘要信息不相匹配时，确定所述查询数据不存在于数据库中。

17.根据权利要求11-14中任一项所述的装置，其特征在于，所述查询模块，还包括：

筛查子模块，用于在筛查缓存中查询所述查询数据，并且根据查询结果确认所述查询数据是否存在于数据库中，其中，所述筛查缓存中包括在所述过滤子表中存在与其匹配的摘要信息但从数据库中却无法获取到的查询数据；以及

获取子模块，用于当确认所述查询数据在数据库中时，从数据库获取所述查询数据。

18.根据权利要求11-14中任一项所述的装置，其特征在于，当所述查询数据在所述筛查缓存中时，所述筛查子模块确认所述查询数据不存在于数据库中；以及当所述查询数据不在所述筛查缓存中时，所述筛查子模块确认所述查询数据存在于数据库中。

19.根据权利要求11-14中任一项所述的装置，其特征在于，还包括：

数据缓存存储模块，用于在从数据库获取到所述查询数据之后，将所述查询数据存储到数据缓存中。

20.根据权利要求11-14中任一项所述的装置，其特征在于，还包括：

筛查缓存存储模块，用于当无法从数据库获取到所述查询数据时，将所述查询数据存储到筛查缓存中。