CN107818069A - 数据处理方法及系统 - Google Patents

数据处理方法及系统 Download PDF

Info

Publication number
CN107818069A
CN107818069A CN201610818816.4A CN201610818816A CN107818069A CN 107818069 A CN107818069 A CN 107818069A CN 201610818816 A CN201610818816 A CN 201610818816A CN 107818069 A CN107818069 A CN 107818069A
Authority
CN
China
Prior art keywords
information
data
feature
characteristic information
feature information
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.)
Granted
Application number
CN201610818816.4A
Other languages
English (en)
Other versions
CN107818069B (zh
Inventor
周宁奕
闻啸
马瑞娴
章也
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201610818816.4A priority Critical patent/CN107818069B/zh
Priority to TW106115501A priority patent/TWI739828B/zh
Priority to US15/690,593 priority patent/US10482564B2/en
Priority to JP2019503288A priority patent/JP7095852B2/ja
Priority to PCT/US2017/049581 priority patent/WO2018048711A1/en
Publication of CN107818069A publication Critical patent/CN107818069A/zh
Application granted granted Critical
Publication of CN107818069B publication Critical patent/CN107818069B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
    • G06F15/163—Interprocessor communication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3667—Display of a road map
    • G01C21/3676—Overview of the route on the road map
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/203—Drawing of straight lines or curves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Hardware Design (AREA)
  • Automation & Control Theory (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Generation (AREA)
  • Processing Or Creating Images (AREA)
  • User Interface Of Digital Computer (AREA)
  • Instructional Devices (AREA)

Abstract

本申请提供数据处理方法及系统，其中一种方法包括：在一个数据帧中获取多个关联型数据后，确定与关联型数据对应的属性信息，每个属性信息至少包括特征信息；对各个特征信息执行合并操作并获得整体特征信息；至少将所述整体特征信息发送至图形处理器。在现有技术中针对多个特征信息，CPU与GPU之间需要进行多次通讯；而本申请中由于将多个特征信息合并为一个整体特征信息，所以在CPU与GPU之间进行一次通讯传输即可。因此，本申请可以大大减少CPU与GPU之间的通讯次数，从而提高GPU的帧率，降低对GPU显示性能的影响。

Description

数据处理方法及系统
技术领域
本申请涉及通信技术领域，尤其涉及一种数据处理方法及系统。
背景技术
伴随着科学技术的进步，在电商、电信、交通等很多领域都有具有关联型数据。关联型地址数据是指起点和终点之间具有关联关系的数据。
例如，在电商领域中发货地址和收货地址是一个关联型数据；在电信领域中、主叫方地址和被叫方地址是一个个关联型数据；在交通领域中起始地址、目的地址之间也是一个关联型数据。
为了使得关联型数据更加直观化，所以，可以在地图上对关联型数据进行可视化。目前，通常采用“飞线”或“轨迹”来对关联型数据进行可视化，并获得可视化结果，还可以有其它方式对关联型数据进行可视化，并获得可视化结果，在此不再一一列举。
为了使本领域技术人员更加清楚对关联型数据进行可视化的可视化结果，下面进行图示说明。参见图1a，为以“飞线”方式显示可视化结果。从图示可以看出，两个端点用于表示发货地址和收货地址，曲线用于表示两者之间关联关系。
参见图1b，为以“轨迹”方式对关联型数据进行可视化的可视化结果。从图示可以看出，两个端点用于表示发货地址和收货地址，轨迹用于表示两者之间的关联关系。
为了使得可视化结果能够显示出关联型数据中起点至终点的方向性，可以对线段不同位置添加不同的颜色，通过线段上颜色的深浅变化来指明起点至终点的方向。例如，为线段设置流星状效果的颜色，越靠近起点颜色越深，越靠近终点颜色越浅(图示上未显示)。
目前，在图像处理设备上对关联型数据进行可视化，图像处理设备包括中央处理器CPU(Central Processing Unit)和图形处理器GPU(Graphic Processing Unit，GPU)。当CPU接收多个关联型数据时，CPU与GPU之间需要进行多次数据通讯。即，CPU与GPU之间的通讯次数与关联型数据的数量是一致的。
但是，碍于数据处理设备的硬件限制，若CPU与GPU之间的通讯次数较多的话，会降低GPU的帧率，从而影响GPU显示性能。
发明内容
鉴于此，本申请提供一种数据处理方法及系统，以便在对关联型数据进行可视化的过程中，降低CPU和GPU之间通讯次数。
为了实现上述技术目的，本申请提供了以下技术手段：
一种数据处理系统，包括：
数据提供设备，用于发送多个关联型数据；
数据处理设备中的中央处理器，用于在一个数据帧中获取多个关联型数据后，确定与关联型数据对应的属性信息，每个属性信息至少包括特征信息；对各个特征信息执行合并操作并获得整体特征信息；至少将所述整体特征信息发送至图形处理器；
数据处理设备中的图形处理器，用于至少接收中央处理器发送的整体特征信息；至少基于所述整体特征信息执行渲染操作，获得渲染数据；利用所述渲染数据执行可视化操作、并获得可视化结果。
优选的，所述属性信息还包括几何信息；则所述数据处理设备中的中央处理器，还用于在向图形处理器发送整体特征信息时，一并发送各个关联型数据对应的几何信息；
则所述数据处理设备中的图形处理器，具体用于接收所述中央处理器发送所述整体特征信息和各个关联型数据的几何信息；并基于所述整体特征信息和各个关联型数据的几何信息一并执行渲染操作，获得渲染数据；利用所述渲染数据执行可视化操作、并获得可视化结果。
一种数据处理方法，包括：
在一个数据帧中获取多个关联型数据后，确定与关联型数据对应的属性信息，每个属性信息至少包括特征信息；
对各个特征信息执行合并操作并获得整体特征信息；
至少将所述整体特征信息发送至图形处理器。
优选的，所述确定与关联型数据对应的属性信息，包括：
判断所述多个关联型数据的数量是否大于剩余数量；
若否，则确定所述多个关联型数据中与每个关联型数据对应的属性信息；
若是，则在所述多个关联型数据中筛选出若干关联型数据，且，所述若干关联型数据的数量不大于所述剩余数量，确定所述若干关联型数据中与每个关联型数据对应的属性信息。
优选的，所述特征信息包括位置数组和颜色数组，则所述对各个特征信息执行合并操作并获得整体特征信息，包括：
将各个特征信息的位置数组执行合并操作，获得整体位置数组；
将各个特征信息的颜色数组执行合并操作，获得整体颜色数组；
将所述整体位置数组和整体颜色数组确定为所述整体特征信息。
优选的，所述属性信息还包括几何信息；所述几何信息包括：形状数组、弧度特征值和宽度特征值；
则至少将所述整体特征信息发送至图形处理器，包括：
将所述整体特征信息和各个几何信息发送至图形处理器。
一种数据处理系统，包括：
数据提供设备，用于发送多个关联型数据；
数据处理设备中的中央处理器，用于在一个数据帧中获取多个关联型数据后，确定与关联型数据对应的属性信息，每个属性信息至少包括特征信息；针对所述多个关联型数据中的每对相邻关联型数据：基于其中一个关联型数据的起点坐标和另一个关联型数据的终点坐标，确定与每对相邻关联型数据对应的连接信息；将各个特征信息和各个连接信息执行合并操作，并获得整体特征信息；至少将所述整体特征信息发送至图形处理器；
数据处理设备中的图形处理器，用于至少接收中央处理器发送的整体特征信息；至少基于所述整体特征信息执行渲染操作，获得渲染数据；利用所述渲染数据执行可视化操作、并获得可视化结果。
优选的，所述属性信息还包括几何信息；则所述数据处理设备中的中央处理器，还用于在向图形处理器发送整体特征信息时，一并发送各个关联型数据对应的几何信息；
则所述数据处理设备中的图形处理器，具体用于接收所述中央处理器发送所述整体特征信息和各个关联型数据的几何信息；并基于所述整体特征信息和各个关联型数据的几何信息一并执行渲染操作，获得渲染数据；利用所述渲染数据执行可视化操作、并获得可视化结果。
一种数据处理方法，包括：
在一个数据帧中获取多个关联型数据后，确定与关联型数据对应的属性信息，每个属性信息至少包括特征信息；
针对所述多个关联型数据中的每对相邻关联型数据：基于其中一个关联型数据的起点坐标和另一个关联型数据的终点坐标，确定与每对相邻关联型数据对应的连接信息；
将各个特征信息和各个连接信息执行合并操作，并获得整体特征信息；
至少将所述整体特征信息发送至图形处理器。
优选的，所述确定与关联型数据对应的属性信息，包括：
判断所述多个关联型数据的数量是否大于剩余数量；
若否，则确定所述多个关联型数据中与每个关联型数据对应的属性信息；
若是，则在所述多个关联型数据中筛选出若干关联型数据，且，所述若干关联型数据的数量不大于所述剩余数量，确定所述若干关联型数据中与每个关联型数据对应的属性信息。
优选的，所述特征信息和所述连接信息均包括位置数组和颜色数组，则所述将各个特征信息和各个连接信息执行合并操作，并获得整体特征信息，包括：
将各个特征信息的位置数组和各个连接信息的位置数组执行合并操作，获得整体位置数组；
将各个特征信息的颜色数组和各个连接信息的颜色数组执行合并操作，获得整体颜色数组；
将所述整体位置数组和整体颜色数组确定为所述整体特征信息。
优选的，所述特征信息的颜色数组与所述连接信息的颜色数组不一致。
优选的，所述连接信息的颜色数组中的透明度为100％。
优选的，所述属性信息还包括几何信息；所述几何信息包括：形状数组、弧度特征值和宽度特征值；
则至少将所述整体特征信息发送至图形处理器，包括：
将所述整体特征信息和各个几何信息发送至图形处理器。
一种数据处理系统，包括：
数据提供设备，用于发送多个关联型数据；
数据处理设备中的中央处理器，用于在一个数据帧中获取多个关联型数据后，将所述多个关联型数据划分为多个关联型数据集合；其中，至少一个关联型数据集合包括所述多个关联型数据中两个以及以上的关联型数据；针对每个关联型数据集合，均执行以下过程：确定与每个关联型数据对应的属性信息，每个属性信息至少包括特征信息；对各个特征信息执行合并操作并获得整体特征信息，至少将所述整体特征信息发送至图形处理器；
数据处理设备中的图形处理器，用于至少接收中央处理器发送的整体特征信息；至少基于所述整体特征信息执行渲染操作，获得渲染数据；利用所述渲染数据执行可视化操作、并获得可视化结果。
优选的，所述属性信息还包括几何信息；则所述数据处理设备中的中央处理器，还用于在向图形处理器发送整体特征信息时，一并发送各个关联型数据对应的几何信息；
则所述数据处理设备中的图形处理器，具体用于接收所述中央处理器发送所述整体特征信息和各个关联型数据的几何信息；并基于所述整体特征信息和各个关联型数据的几何信息一并执行渲染操作，获得渲染数据；利用所述渲染数据执行可视化操作、并获得可视化结果。
一种数据处理方法，包括：
在一个数据帧中获取多个关联型数据后，将所述多个关联型数据划分为多个关联型数据集合；其中，至少一个关联型数据集合包括所述多个关联型数据中两个以及以上的关联型数据；
针对每个关联型数据集合，均执行以下过程：
确定与每个关联型数据对应的属性信息，每个属性信息至少包括特征信息，对各个特征信息执行合并操作并获得整体特征信息，至少将所述整体特征信息发送至图形处理器。
优选的，所述将所述多个关联型数据划分为多个关联型数据集合，包括：
判断所述多个关联型数据的数量是否大于剩余数量；
若否，则将所述多个关联型数据划分为多个关联型数据集合；
若是，则在所述多个关联型数据中筛选出若干关联型数据，且，所述若干关联型数据的数量不大于所述剩余数量，将所述若干关联型数据划分为多个关联型数据集合。
优选的，所述特征信息包括位置数组和颜色数组，则所述将各个特征信息执行合并操作并获得整体特征信息，包括：
将各个特征信息的位置数组执行合并操作，获得整体位置数组；
将各个特征信息的颜色数组执行合并操作，获得整体颜色数组；
将所述整体位置数组和整体颜色数组确定为所述整体特征信息。
优选的，所述属性信息还包括几何信息；所述几何信息包括：形状数组、弧度特征值和宽度特征值；
则至少将所述整体特征信息发送至图形处理器，包括：
将所述整体特征信息和各个几何信息发送至图形处理器。
一种数据处理系统，包括：
数据提供设备，用于发送多个关联型数据；
数据处理设备中的中央处理器，用于在一个数据帧中获取多个关联型数据后，将所述多个关联型数据划分为多个关联型数据集合；其中，至少一个关联型数据集合包括所述多个关联型数据中两个以及以上的关联型数据；针对每个关联型数据集合，均执行以下过程：确定与每个关联型数据对应的属性信息，每个属性信息至少包括特征信息，针对所述多个关联型数据中的每对相邻关联型数据：基于其中一个关联型数据的起点坐标和另一个关联型数据的终点坐标，确定与每对相邻关联型数据对应的连接信息；将各个特征信息和各个连接信息执行合并操作并获得整体特征信息，至少将所述整体特征信息发送至图形处理器；
数据处理设备中的图形处理器，用于至少接收中央处理器发送的整体特征信息；至少基于所述整体特征信息执行渲染操作，获得渲染数据；利用所述渲染数据执行可视化操作、并获得可视化结果。
优选的，所述属性信息还包括几何信息；则所述数据处理设备中的中央处理器，还用于在向图形处理器发送整体特征信息时，一并发送各个关联型数据对应的几何信息；
则所述数据处理设备中的图形处理器，具体用于接收所述中央处理器发送所述整体特征信息和各个关联型数据的几何信息；并基于所述整体特征信息和各个关联型数据的几何信息一并执行渲染操作，获得渲染数据；利用所述渲染数据执行可视化操作、并获得可视化结果。
一种数据处理方法，包括：
在一个数据帧中获取多个关联型数据后，将所述多个关联型数据划分为多个关联型数据集合；其中，至少一个关联型数据集合包括所述多个关联型数据中两个以及以上的关联型数据；
针对每个关联型数据集合，均执行以下过程：
确定与每个关联型数据对应的属性信息，每个属性信息至少包括特征信息，针对所述多个关联型数据中的每对相邻关联型数据：基于其中一个关联型数据的起点坐标和另一个关联型数据的终点坐标，确定与每对相邻关联型数据对应的连接信息；将各个特征信息和各个连接信息执行合并操作并获得整体特征信息，至少将所述整体特征信息发送至图形处理器。
优选的，所述将所述多个关联型数据划分为多个关联型数据集合，包括：
判断所述多个关联型数据的数量是否大于剩余数量；
若否，则将所述多个关联型数据划分为多个关联型数据集合；
若是，则在所述多个关联型数据中筛选出若干关联型数据，且，所述若干关联型数据的数量不大于所述剩余数量，将所述若干关联型数据划分为多个关联型数据集合。
优选的，所述特征信息和所述连接信息均包括位置数组和颜色数组，则所述将各个特征信息和各个连接数组执行合并操作并获得整体特征信息，包括：
将各个特征信息的位置数组和每个连接信息的位置数组执行合并操作，获得整体位置数组；
将各个特征信息的颜色数组和每个连接信息的颜色数组执行合并操作，获得整体颜色数组；
将所述整体位置数组和整体颜色数组确定为所述整体特征信息。
优选的，所述特征信息的颜色数组与所述连接信息的颜色数组不一致。
优选的，所述连接信息的颜色数组中的透明度为100％。
优选的，所述属性信息还包括几何信息；所述几何信息包括：形状数组、弧度特征值和宽度特征值；
则至少将所述整体特征信息发送至图形处理器，包括：
将所述整体特征信息和各个几何信息发送至图形处理器。
一种数据处理方法，包括：
至少接收中央处理器发送的整体特征信息；
至少基于所述整体特征信息执行渲染操作，获得渲染数据；
利用所述渲染数据执行可视化操作、并获得可视化结果。
优选的，所述至少接收中央处理器发送的整体特征信息包括：接收所述中央处理器发送所述整体特征信息和各个关联型数据的几何信息；
则至少基于所述整体特征信息执行渲染操作，获得渲染数据，包括：基于所述整体特征信息和各个关联型数据的几何信息一并执行渲染操作，获得渲染数据。
一种数据处理系统，其特征在于，包括：
数据提供设备，用于发送多个关联型数据；
数据处理设备中的中央处理器，用于在一个数据帧中接收多个关联型数据，确定与关联型数据对应的特征信息；基于各个特征信息更新预设整体特征信息，将更新后的预设整体特征信息发送至图形处理器；其中，所述预设整体特征信息至少基于预设数量的特征信息执行合并操作后获得；
数据处理设备中的图形处理器，用于接收中央处理器发送的整体特征信息；基于所述整体特征信息，更新预先构建的渲染数据中的整体特征信息；利用更新后的渲染数据执行可视化操作，并获得可视化结果。
优选的，所述属性信息还包括几何信息；则所述数据处理设备中的中央处理器，还用于在向图形处理器发送整体特征信息时，一并发送各个关联型数据对应的几何信息；
则所述数据处理设备中的图形处理器，具体用于接收所述中央处理器发送所述整体特征信息和各个关联型数据的几何信息；并基于所述整体特征信息和各个关联型数据的几何信息一并执行渲染操作，获得渲染数据；利用所述渲染数据执行可视化操作、并获得可视化结果。
一种数据处理方法，包括：
在一个数据帧中接收多个关联型数据，确定与关联型数据对应的特征信息；
基于各个特征信息更新预设整体特征信息，其中，所述预设整体特征信息至少基于预设数量的特征信息执行合并操作后获得；
将更新后的预设整体特征信息发送至图形处理器。
优选的，中央处理器包括休眠特征标识集合和唤醒特征标识集合，且，所述休眠特征标识集合中特征标识的数量，及所述唤醒特征标识集合中特征标识的数量的和值等于所述预设数量；
其中，所述休眠特征标识集合中每个特征标识对应的特征信息、处于未被使用的休眠状态；
所述唤醒特征标识集合中每个特征标识对应的特征信息、处于正在使用的唤醒状态。
优选的，所述基于各个特征信息更新预设整体特征信息，包括：
针对各个特征信息中的一个目标特征信息，判断休眠特征标识集合是否为空集；
若否，则在所述休眠特征标识集合中选择一个特征标识；
利用所述目标特征信息、更新所述预设整体特征信息中与该特征标识对应的特征信息；
将该特征标识对应的状态标识修改为唤醒状态，并添加至所述唤醒特征标识集合中。
优选的，在所述将更新后的预设整体特征信息发送至图形处理器之前，还包括：
判断所述唤醒特征标识集合中特征标识对应的特征信息是否更新结束；
若未更新结束，则利用位置函数更新特征信息的位置数组，并利用颜色函数更新颜色数组；
若已更新结束，则将该特征信息设置为不可见状态，并将该特征信息的状态标识修改为休眠状态，并添加至所述休眠特征标识集合中。
优选的，所述将该特征信息设置为不可见状态，包括：
将该特征信息的颜色数组中的透明度设置为100％；或者，
将该特征信息的位置数组中各个位置点的坐标设为一致。
一种数据处理系统，包括：
数据提供设备，用于发送多个关联型数据；
数据处理设备中的中央处理器，用于在一个数据帧中接收多个关联型数据，确定与关联型数据对应的特征信息；基于各个特征信息更新预先构建的整体特征信息，将更新后的整体特征信息发送至图形处理器；其中，所述预先构建的整体特征信息至少由预设数量的特征信息以及预设数量的特征信息中每对相邻特征信息之间的连接信息、执行合并操作后获得；
数据处理设备中的图形处理器，用于接收中央处理器发送的整体特征信息；基于所述整体特征信息，更新预先构建的渲染数据中的整体特征信息；利用更新后的渲染数据执行可视化操作，并获得可视化结果。
优选的，所述属性信息还包括几何信息；则所述数据处理设备中的中央处理器，还用于在向图形处理器发送整体特征信息时，一并发送各个关联型数据对应的几何信息；
则所述数据处理设备中的图形处理器，具体用于接收所述中央处理器发送所述整体特征信息和各个关联型数据的几何信息；并基于所述整体特征信息和各个关联型数据的几何信息一并执行渲染操作，获得渲染数据；利用所述渲染数据执行可视化操作、并获得可视化结果。
一种数据处理方法，包括：
在一个数据帧中接收多个关联型数据，确定与关联型数据对应的特征信息；
基于各个特征信息更新预先构建的整体特征信息，其中，所述预先构建的整体特征信息至少由预设数量的特征信息以及预设数量的特征信息中每对相邻特征信息之间的连接信息、执行合并操作后获得；
将更新后的整体特征信息发送至图形处理器。
优选的，中央处理器包括休眠特征标识集合和唤醒特征标识集合，且，所述休眠特征标识集合中特征标识的数量，及所述唤醒特征标识集合中特征标识的数量的和值等于所述预设数量；
其中，所述休眠特征标识集合中每个特征标识对应的特征信息、处于未被使用的休眠状态；
所述唤醒特征标识集合中每个特征标识对应的特征信息、处于正在使用的唤醒状态。
优选的，所述基于各个特征信息更新预设整体特征信息，包括：
针对各个特征信息中的一个目标特征信息，判断休眠特征标识集合是否为空集；
若否，则在所述休眠特征标识集合中选择一个特征标识；
利用所述目标特征信息、更新所述预设整体特征信息中与该特征标识对应的特征信息，以及更新与所述目标特征信息相邻的两个连接信息；
将该特征标识对应的状态标识修改为唤醒状态，并添加至所述唤醒特征标识集合中。
优选的，在所述将更新后的整体特征信息发送至图形处理器之前，还包括：
判断所述唤醒特征标识集合中特征标识对应的特征信息是否更新结束；
若未更新结束，则利用位置函数更新特征信息的位置数组，并利用颜色函数更新颜色数组；
若已更新结束，则将该特征信息设置为不可见状态，并将该特征信息的状态标识修改为休眠状态，并添加至休眠特征标识集合中。
优选的，所述将该特征信息设置为不可见状态，包括：
将该特征信息的颜色数组中的透明度设置为100％；或者，
将该特征信息的位置数组中各个位置点的坐标设为一致。
一种数据处理方法，包括：
接收中央处理器发送的整体特征信息；
基于所述整体特征信息，更新预先构建的渲染数据中的整体特征信息；
利用更新后的渲染数据执行可视化操作，获得与所述整体特征信息对应的可视化结果。
一种数据处理系统，包括：
数据提供设备，用于发送多个关联型数据；
数据处理设备中的中央处理器，用于在一个数据帧中接收多个关联型数据，确定与关联型数据对应的特征信息；基于各个特征信息更新预先构建的多个预设整体特征信息；将更新后的整体特征信息发送至图形处理器；其中，预设数量的特征信息执行划分操作后获得多个关联型数据集合，每个整体特征信息至少由一个关联型数据集合中的特征信息执行合并操作后获得；
数据处理设备中的图形处理器，用于接收中央处理器发送的整体特征信息以及整体标识；在预先构建的多个渲染数据中，确定与所述整体标识对应的渲染数据；基于所述整体特征信息，更新与该渲染数据中的整体特征信息；利用更新后的渲染数据执行可视化操作，获得与所述整体特征信息对应的可视化结果。
一种数据处理方法，包括：
在一个数据帧中接收多个关联型数据，确定与关联型数据对应的特征信息；
基于各个特征信息更新预先构建的多个预设整体特征信息；其中，预设数量的特征信息执行划分操作后获得多个关联型数据集合，每个整体特征信息由一个关联型数据集合中的特征信息执行合并操作后获得；
将更新后的整体特征信息发送至图形处理器。
优选的，中央处理器包括休眠特征标识集合和唤醒特征标识集合，且，所述休眠特征标识集合中特征标识的数量，及所述唤醒特征标识集合中特征标识的数量的和值等于所述预设数量；
其中，所述休眠特征标识集合中每个特征标识对应的特征信息、处于未被使用的休眠状态；
所述唤醒特征标识集合中每个特征标识对应的特征信息、处于正在使用的唤醒状态。
优选的，所述基于各个特征信息更新预先构建的整体特征信息，包括：
针对各个特征信息中的一个目标特征信息，判断所述休眠特征标识集合是否为空集；若否，则在所述休眠特征标识集合中选择一个特征标识，并确定该特征信息对应的整体标识；
在所述整体标识对应的整体特征信息中，利用所述目标特征信息、更新所述整体特征信息中与该特征标识对应的特征信息；
将该特征标识对应的状态标识修改为唤醒状态，并添加至所述唤醒特征标识集合中。
优选的，还包括：
判断所述唤醒特征标识集合中特征标识对应的特征信息是否更新结束；
若未更新结束，则利用位置函数更新特征信息的位置数组，并利用颜色函数更新颜色数组；
若已更新结束，则将该特征信息设置为不可见状态，并将该特征信息的状态标识修改为休眠状态，并添加至休眠特征标识集合中。
优选的，所述将该特征信息设置为不可见状态，包括：
将该特征信息的颜色数组中的透明度设置为100％；或者，
将该特征信息的位置数组中各个位置点的坐标设为一致。
一种数据处理系统，包括：
数据提供设备，用于发送多个关联型数据；
数据处理设备中的中央处理器，用于在一个数据帧中接收多个关联型数据，确定与关联型数据对应的特征信息；基于各个特征信息更新预先构建的多个预设整体特征信息；其中，预设数量的特征信息执行划分操作后获得多个关联型数据集合，每个整体特征信息由一个关联型数据集合中的特征信息以及每对相邻特征信息之间的连接信息、执行合并操作后获得；将更新后的整体特征信息发送至图形处理器；
数据处理设备中的图形处理器，用于接收中央处理器发送的整体特征信息以及整体标识；在预先构建的多个渲染数据中，确定与所述整体标识对应的渲染数据；基于所述整体特征信息，更新与该渲染数据中的整体特征信息；利用更新后的渲染数据执行可视化操作，获得与所述整体特征信息对应的可视化结果。
一种数据处理方法，包括：
在一个数据帧中接收多个关联型数据，确定与关联型数据对应的特征信息；
基于各个特征信息更新预先构建的多个预设整体特征信息；其中，预设数量的特征信息执行划分操作后获得多个关联型数据集合，每个整体特征信息由一个关联型数据集合中的特征信息以及每对相邻特征信息之间的连接信息、执行合并操作后获得；将更新后的整体特征信息发送至图形处理器。
优选的，中央处理器包括休眠特征标识集合和唤醒特征标识集合，且，所述休眠特征标识集合中特征标识的数量，及所述唤醒特征标识集合中特征标识的数量的和值等于所述预设数量；
其中，所述休眠特征标识集合中每个特征标识对应的特征信息、处于未被使用的休眠状态；
所述唤醒特征标识集合中每个特征标识对应的特征信息、处于正在使用的唤醒状态。
优选的，所述基于各个特征信息更新预先构建的预设整体特征信息，包括：
针对各个特征信息中的一个目标特征信息，判断所述休眠特征标识集合是否为空集；
若否，则在所述休眠特征标识集合中选择一个特征标识；
利用所述目标特征信息、更新所述整体特征信息中与该特征标识对应的特征信息，以及更新与所述目标特征信息相邻的两个连接信息；
将该特征信息的状态标识修改为唤醒状态，并添加至唤醒特征标识集合中。
优选的，还包括：
判断所述唤醒特征标识集合中特征标识对应的特征信息是否更新结束；
若未更新结束，则利用位置函数更新特征信息的位置数组，并利用颜色函数更新颜色数组；
若已更新结束，则将该特征信息设置为不可见状态，并将该特征信息的状态标识修改为休眠状态，并添加至休眠特征标识集合中。
优选的，所述将该特征信息设置为不可见状态，包括：
将该特征信息的颜色数组中的透明度设置为100％；或者，
将该特征信息的位置数组中各个位置点的坐标设为一致。
一种数据处理方法，包括：
接收中央处理器发送的整体特征信息以及整体标识；
在预先构建的多个渲染数据中，确定与所述整体标识对应的渲染数据；
基于所述整体特征信息，更新与该渲染数据中的整体特征信息；
利用更新后的渲染数据执行可视化操作，获得与所述整体特征信息对应的可视化结果。
一种数据处理方法，包括：
中央处理器在一个数据帧中获取多个关联型数据：关联型数据1、关联型数据2…关联型数据i…关联型数据N；其中，1≤i≤N，i和N均为非零自然数；
中央处理器确定与每个关联型数据对应的特征信息：特征信息1、特征信息2…特征信息i…特征信息N；其中，特征信息i包括位置数组和颜色数组；
中央处理器确定与每对相邻关联型数据对应的连接信息：特征信息1与特征信息2对应的连接信息1、特征信息2与特征信息3对应的连接信息2……特征信息i与特征信息i+1对应的连接信息i……特征信息N-1与特征信息N对应的连接信息N-1；连接信息i包括位置数组和颜色数组；
中央处理器将各个特征信息与各个连接信息执行合并操作，并获得整体特征信息：特征信息1、连接信息1、特征信息2、连接信息2…特征信息i、连接信息i…连接信息N-1、特征信息N；
获取各个关联型数据对应的各个几何信息：几何信息1、几何信息2……几何信息N，并将各个几何信息和所述整体特征信息发送至图形处理器；每个几何信息包括：形状数组、宽度特征值和弧度特征值；
图形处理器接收中央处理器发送的整体特征信息和各个几何信息；基于所述整体特征信息和各个几何信息执行渲染操作，获得渲染数据；利用所述渲染数据执行可视化操作、并获得可视化结果。
优选的，所述关联型数据包括：
电信领域中电话呼叫的主叫方地址和被叫方地址；或，
电信领域中短讯息的发送方地址和接收方地址；或，
即时通讯领域中即时通讯软件中消息的发送方地址和接收方地址；或，
在发送邮件领域中邮件的发送方地址和接收方地址；或，
交通领域中车辆的起始地址和目的地址；车辆可以包括：私家轿车、火车、公交车、飞机、军用作战车辆、船只和/或自行车；或，
游戏领域中的虚拟炮火或虚拟箭矢武器的起始点和目的点；或，
群体流向技术领域中群体流向的起始地址和目的地址；或，
天气领域中的气流、台风或风向的起始位置和目的位置；或，
天文领域中的星球移动的起始位置和目的位置。
通过以上技术手段，可以实现以下有益效果：
本申请提供多种数据处理方法，多种数据处理方法中特定技术特征为：将与多个特征信息执行合并操作获得整体特征信息，从而在CPU与GPU传输整体特征信息。所以，多种数据处理方法之间具有单一性。
在现有技术中针对多个特征信息，CPU与GPU之间需要进行多次通讯；而本申请中由于将多个特征信息合并为一个整体特征信息，所以在CPU与GPU之间进行一次通讯传输即可。
因此，本申请可以大大减少CPU与GPU之间的通讯次数，从而提高GPU的帧率，降低对GPU显示性能的影响。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1a-1b为本申请提供的显示线的两种实现形式；
图2为本申请提供的数据处理系统的结构示意图；
图3为现有技术中数据处理方法的流程图；
图4a-4b为本申请提供的数据处理方法的流程图；
图5a-5b为本申请提供的可视化结果的示意图；
图6为本申请提供的又一数据处理方法的流程图；
图7为本申请提供的又一数据处理方法的流程图；
图8为本申请提供的又一数据处理方法的流程图；
图9为本申请提供的又一数据处理方法的流程图；
图10为本申请提供的又一数据处理方法的流程图；
图11为本申请提供的又一数据处理方法的流程图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅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。
为了方便本领域技术人员清楚了解本申请，首先介绍对关联型数据可视化的数据处理系统。参见图2，数据处理系统包括：数据提供设备100和数据处理设备200。其中，数据处理设备200包括：中央处理器(Central Processing Unit，CPU)以及图形处理器(GraphicProcessing Unit，GPU)，并且，CPU和GPU之间具有通信连接。
数据提供设备100，用于向数据处理设备200发送关联型数据。
本申请可以应用至多个应用场景中，在不同应用场景下，数据提供设备和关联型数据可以略有不同。下面以多个应用场景为例进行说明。
例如，本申请可以应用到电商领域、对订单的发货地址和收货地址进行可视化。那么此情况下，数据提供设备100可以为电商系统的订单服务器，关联型数据则为发货地址和收货地址。可以理解的是，订单服务器包含很多组发货地址和收货地址，因此订单服务器可以向数据处理设备200发送很多组发货地址和收货地址。
例如，本申请可以应用到电信领域，可以对电话呼叫的主叫方地址和被叫方地址进行可视化。那么此情况下，数据提供设备100可以为电信系统的话务服务器，关联型数据则为主叫方地址和被叫方地址。可以理解的是，话务服务器包含很多组主叫方地址和被叫方地址，因此话务服务器可以向数据处理设备200发送很多组主叫方地址和被叫方地址。
在电信领域中，还可以对短讯息的发送方地址和接收方地址进行可视化。那么此情况下，数据提供设备100可以为电信系统的短讯息服务器。
例如，本申请还可以应用至即时通讯软件领域，在即时通讯软件(例如钉钉、阿里旺旺等)中有很多即时通讯消息，可以对即时通讯软件的发送方地址和接收方地址进行可视化。那么此情况下，数据提供设备100可以为即时通讯软件的服务器。
例如，本申请还可以对邮件的发送方和接收方进行可视化。那么此情况下，数据提供设备100可以为即时邮件软件的服务器。
例如，本申请可以应用到交通领域、对车辆(私家轿车、火车、公交车、飞机、军用作战车辆、船只和/或自行车)的起始地址和目的地址进行可视化。那么此情况下，数据提供设备100可以为交通系统的导航服务器，关联型数据则为起始地址和目的地址。可以理解的是，导航服务器包含很多组起始地址和结束地址，因此导航服务器可以向数据处理设备200发送很多组起始地址和结束地址。
例如，本申请可以应用到游戏领域、对游戏中的炮火、箭矢等武器起始点和目的点进行可视化。那么此情况下，数据提供设备100可以为游戏系统的游戏服务器，关联型数据则为起始点和目的点。可以理解的是，游戏服务器包含很多组起始地址和结束地址，因此游戏服务器可以向数据处理设备200发送很多组起始点和结束点。
例如，本申请可以应用到公共场合的群体流向技术领域，例如对公共场合(商场、景区、公交车站、火车站等)中的人群流向的起始点和目的点进行可视化；对动物中的迁徙起始地址和目的地址进行可视化等等。那么此情况下，数据提供设备100可以为识别群体起始点和目的点的数据服务器，关联型数据则为起始点和目的点。可以理解的是，数据服务器包含很多组起始地址和结束地址，因此，数据服务器可以向数据处理设备200发送很多组起始点和结束点。
例如，本申请可以应用到军用作战技术领域、对武器发射的起始点和目的点进行可视化。那么此情况下，数据提供设备100可以为识别发射武器的起始点和目的点的服务器，关联型数据则为起始点和目的点。
例如，本申请可以应用到天气领域中，对气流、台风或风向的起始位置和目的位置进行可视化。那么此情况下，数据提供设备100可以为识别天气情况的起始点和目的点的服务器。
例如，本申请可以应用到天文领域中的星球移动的起始位置和目的位置。那么此情况下，数据提供设备100可以为识别星球移动情况的起始点和目的点的服务器。
可以理解的是，本申请不限定于上述举例的场景，只要是包含起始点和目的点的带有位置移动的物体，均可以应用于本申请提供的技术进行可视化。
数据处理设备200，用于接收关联型数据，并对关联型数据进行处理，从而在地图上对关联型数据进行可视化。
下面介绍现有技术中，数据处理设备200对关联型数据进行可视化的过程。以便本领技术人员清楚了解现有技术的缺陷。
现有技术中数据处理设备200对每个关联型数据的处理过程均是一致的，只是在不同应用场景下，确定显示线数据的过程略有不同。下面以电商领域中的一组收货地址和发货地址作为关联型数据为例，对本实施例进行说明。
参见图3，具体包括以下步骤：
步骤S301：CPU在接收数据提供设备发送的关联型数据后，对关联系数据进行坐标化获得起点坐标和终点坐标。
假设发货地址为“杭州”，收货地址为“上海”，对关联型数据进行三维坐标化后，可以得到关联型地址中的起点坐标(x1,y1,z1)，即发货地址“杭州”的坐标；以及，可以得到关联型地址中的终点坐标(x2,y2,z2)，即收货地址“上海”的坐标。其中，x1、y1、z1、x2、y2、z2为具体坐标数值。
步骤S302：CPU基于起点坐标和终点坐标构建显示线数据。
技术人员可以预先确定显示线类型，显示线类型可以包括“飞线”和“轨迹”。飞线可以为起点与终点之间的直线、抛物线或折线等，“轨迹”则是物体从起点运行至终点的轨迹线。
处理器可以预先确定与显示线类型对应的预设函数。然后，将预设函数存储于CPU中。那么，在本步骤中CPU便可以调用预设函数并结合起点坐标和终点坐标，来计算得到显示线数据。
例如，以显示线类型为抛物线为例，则CPU预先存储有与抛物线类型对应的预设函数，如，y＝ax2+bx+c。首先，计算起点坐标和终点坐标之间的一个中间坐标
将起点坐标(x1,y1,z1)、终点坐标(x2,y2,z1)，和，中间坐标代入至y＝ax2+bx+c中，从而计算得到a、b和c的具体数值，从而确定出与关联型数据对应的显示线数据。
假设，a＝5、b＝4和c＝3，则显示线数据为y＝5x2+4x+3。a、b和c的具体数值仅是举例说明，并不代表真实情况。
上述抛物线方程是较为简单的举例，在实际应用中可以为飞线设置一个法向向量，即重力方向，以表示抛物落地都是重力影响。法向向量采用normal表示。若抛物落地的过程为球面，设球心的坐标为(0，0，0)，则normal归一化向量为
预先设定一个开口向下的抛物线(1-λ)*λ*kHeight。其中，λ表示定比分点，kHeight表示高度比例系数。然后，将(1–λ)*λ*kHeight*normal，添加在起点坐标(x1,y1,z1)、终点坐标(x2,y2,z1)的定比分点上，从而形成3D的抛物线，也即显示线数据。
上述仅仅提供了确定显示线数据的两种具体实现方式，可以理解的是，预设函数可以随着显示线的不同而不同，具体的预设函数可以根据实际情况而定，在此不做限定。
步骤S303：CPU基于显示线数据确定特征信息。
特征信息具体包括位置数组和颜色数组。具体而言，可以从显示线数据上可以确定出多个位置点，每个位置点对应一个位置坐标和一个颜色值。多个位置点的位置坐标组成一个特征信息的位置数组，多个位置点的颜色值组成一个特征信息的颜色数组。
下面对特征信息的确定过程进行详细介绍。CPU利用位置函数在显示线数据中确定位置数组，并利用颜色函数来确定位置数组中每个位置点的颜色值，并将各个位置点的颜色值组成颜色数组。位置数组中位置点的数量是确定的，例如为m。那么，位置函数的目的为，在显示线数据中取m个位置点的坐标值。优选的情况下，位置函数可以在显示线数据中等间距的取m个位置点的坐标值，当然，也可以利用位置函数在显示线数据中随机取m个位置点的坐标值。
在确定位置数组后，利用颜色函数对m个位置点设置不同的颜色，以便于采用不同颜色来表示起点至终点的方向性。即，颜色数组也包括m个颜色值，每个颜色值与位置数组中一个位置点对应。
步骤S304：CPU将特征信息发送至GPU。
步骤S305：GPU利用绘图软件，对特征信息执行可视化操作，并获得可视化结果。GPU在预先设定的地图中，确定位置数组中各个位置点的坐标，并为各个位置点赋予颜色数组中对应的颜色。然后，借助于Canvas绘图标准或者svg绘图标准，基于各个位置点显示出一条显示线(具体实现过程不是本申请的重点，在此不再赘述)，并且，显示线不同部分具有不同的颜色。
在上述实施例中每个关联型数据仅对应一个特征信息，可以理解的是，在仅有特征信息(位置数组和颜色数组)的情况下，表达关联型数据的方式比较单调。为了形象化的显示关联型数据，可以增加与关联型数据对应的几何信息，几何信息包括：形状数组、弧度特征值和宽度特征值等信息。
形状数组用于表示待显示物体的形状。例如，以关联型数据为订单的起始地址和目的地址为例，为了形象的在地图上显示出订单，则可以在显示线上显示出表示“订单”的形状。例如，一个代表包裹的立方体。此时，形状数组则为表示该立方体形状的数组。
再如，以关联型数据为游戏中的武器为例，则为了形象显示出武器的形状，可以采用形状数组来表示。比如，武器为“飞镖”时，可以在显示“飞镖”由起始点至目的点的过程中，为了显示线上显示出“飞镖”的形状，可以在形状数组加入表示“飞镖”形状的位置点。
弧度特征值，用于表示显示线的弧度。弧度可以根据具体应用场景不同而不同，可以预先由技术人员设定，也可以在使用过程中，根据不同的情况由处理器进行处理。
例如，以订单的起始地址和目的地址为例，由起始地址至目的地址之间的弧度可以预先设定好，这样可以使得各个订单的起始地址和目的地址之间的弧度是一致的，从而保持良好的一致性。在不同技术领域中，为了使得显示线更加贴合具体的应用场景，技术人员可以更改其弧度特征值的大小。
宽度特征值，用于表示显示线的宽度。与上述弧度特征值类似，该特征是一个可调节性的特征，是为了方便适用于不同的技术领域而提供的一个可由技术人员调节的特征。
通常而言，几何信息已经预先设置于CPU中的存储空间中，因此，CPU可以直接在存储空间中提取与关联型数据对应的几何信息即可。为了方便描述，将特征信息和几何信息称为属性信息。当然，在属性信息中特征信息是必不可缺的内容，几何信息是可选的内容。在具体实现时，可以根据实际情况而决定属性信息。
上述图2所示的过程为数据处理设备对一个关联型数据进行处理的过程，当CPU接收多个关联型数据的情况下，针对每个关联型数据均按照图2所示的过程进行。
可以理解的是，当CPU接收一个关联型数据时，CPU与GPU之间需要进行一次数据通讯(传输一个特征信息)，当CPU接收多个关联型数据时，CPU与GPU之间需要进行多次数据通讯(传输多个特征信息)。
但是，碍于数据处理设备的硬件限制，若CPU与GPU之间的通讯次数变多，则会降低GPU的帧率，从而影响GPU显示性能。因此，本申请提出在不改变数据处理设备的硬件结构的情况下，采用软件方式来解决数据处理设备所面临的问题。
下面介绍本申请的具体实现过程：
由于现有技术中，在一个数据帧中CPU和GPU之间通讯次数较多的根源在于：在一个数据帧中计算得到每个特征信息均在CPU与GPU之间进行一次通讯。因此，在一个数据帧计算得到的特征信息的数量较多时，便导致CPU与GPU之间的通讯次数便较多。
为了减少CPU与GPU之间的通讯次数，本申请提出：CPU将多个特征信息进行合并从而获得整体特征信息，然后再将整体特征信息发送至GPU。
例如，针对i个特征信息而言，现有技术中需要CPU与GPU之间进行i次通讯。那么，本申请可以将i个特征信息合并成一个整体特征信息，所以，CPU与GPU之间仅需进行一次通信。因此，可以大大减少CPU与GPU之间的通信次数。
关于CPU将多个特征信息进行合并从而获得整体特征信息，然后再将整体特征信息发送至GPU的技术特征，本申请提供具有四种并列的实现方式，下面介绍这四种实现方式：
第一种实现方式：在一个数据帧中，CPU与GPU之间进行一次通讯。
参见图4a，具体包括以下步骤：
步骤S401：CPU在一个数据帧中获取多个关联型数据，并确定与关联型数据对应的属性信息，每个属性信息至少包括特征信息。
若属性信息中包括几何信息，则在CPU存储空间中获取各个关联型数据对应的各个几何信息。
着重介绍确定与关联型数据对应的特征信息的过程：
若CPU中未限定特征信息的数量的情况下，CPU针对一个数据帧中获取任意数量的关联型数据，并确定与每个关联型数据对应的特征信息。
但是，碍于GPU的显示性能，不能无限制的渲染与特征信息对应的显示线。因此，CPU中可以设定可以构建特征信息数量为预设数量。在本申请本次执行过程中，GPU可能已经构建了部分数量的特征信息，所以采用剩余数量来表示CPU还可以构建特征信息的数量。剩余数量＝预设数量-部分数量。
因此，CPU在一个数据帧中接收多个关联型数据后，会判断所述多个关联型数据的数量是否大于剩余数量；若多个关联型数据的数量不大于剩余数量，表示剩余数量足够多，可以针对每个关联型数据构建特征信息。因此，CPU会确定所述多个关联型数据中与每个关联型数据对应的特征信息。
若多个关联型数据的数量大于剩余数量，则表示剩余数量不够多，无法针对每个关联型数据构建特征信息。因此，在所述多个关联型数据中筛选出若干关联型数据，且，所述若干关联型数据的数量不大于所述剩余数量。CPU会确定所述若干关联型数据中与每个关联型数据对应的特征信息。
以CPU中未设置预设数量为例，对本步骤进行详细描述：
在一个数据帧中，CPU获取由数据提供设备发送的多个关联型数据。为了清楚说明本实施例，假设CPU在一个数据帧中获取n个关联型数据。
CPU针对每个关联型数据执行图3中的步骤S301-S302，并获得n个特征信息：特征信息1，特征信息2、特征信息3……特征信息i……特征信息n。
每个特征信息包括一个位置数组P和一个颜色数组C；则特征信息1包括位置数组P1、颜色数组C1，特征信息2包括位置数组P2、颜色数组C2，特征信息3包括位置数组P3、颜色数组C3……特征信息i包括位置数组Pi、颜色数组Ci……特征信息n包括位置数组Pn、颜色数组Cn。
假设位置数组中位置点的数量为m个，颜色数组中的颜色值的数量也为m个。则n个特征信息可以具体为：
位置数组 颜色数组
特征信息1 P1[p11p12p13…p1j…p1m] C1[c11c12c13…c1j…c1m]
特征信息2 P2[p21p22p23…p2j…p2m] C2[c21c22c23…c2j…c2m]
特征信息3 P3[p31p32p33…p3j…p3m] C3[c31c32c33…c3j…c3m]
…… …… ……
特征信息i Pi[pi1pi2pi3…pij…pim] Ci[ci1ci2ci3…cij…cim]
…… …… ……
特征信息n Pn[pn1pn2pn3…pnj…pnm] Cn[cn1cn2cn3…cnj…cnm]
其中，i表示特征信息的标识，j表示位置点的标识。pij表示一个位置点的位置坐标，cij表示一个位置点的颜色值。每个颜色值具体可以采用RGB颜色格式表示，或者CMYK颜色格式表示，在此不做限定。
步骤S402：CPU将各个特征信息执行合并操作，获得一个整体特征信息。
延续上述举例：将各个特征信息直接进行合并，即将n个特征信息中的位置数组进行合并获得一个整体位置数组；将n个特征信息中的颜色数组进行合并获得一个整体颜色数组，从而获得一个整体特征信息。
合并后的整体位置数组为：[p11 p12 p13…p1j…p1m p21 p22 p23…p2j…p2mp31 p32 p33…p3j…p3m……pi1 pi2 pi3…pij…pim……pn1 pn2 pn3…pnj…pnm]。
合并后的整体颜色数组为：[c11 c12 c13…c1j…c1m c21 c22 c23…c2j…c2mc31 c32 c33…c3j…c3m……ci1 ci2 ci3…cij…cim……cn1 cn2 cn3…cnj…cnm]。
步骤S403：CPU至少将整体特征信息发送至GPU，由GPU至少依据整体特征信息进行可视化操作。
在属性信息仅包括特征信息的情况下，CPU仅需将整体特征信息(整体位置数组和整体颜色数组)发送至GPU即可，GPU接收中央处理器发送的整体特征信息；基于所述整体特征信息执行渲染操作，获得渲染数据；利用所述渲染数据执行可视化操作，获得与所述整体特征信息对应的可视化结果。
在属性信息包括特征信息和几何信息的情况下，CPU需将整体特征信息(整体位置数组和整体颜色数组)和各个几何信息发送至GPU。GPU接收中央处理器发送的整体特征信息和各个几何信息；基于所述整体特征信息执行渲染操作，获得渲染数据；利用所述渲染数据执行可视化操作，并获得可视化结果。
针对n个特征信息而言，现有技术中需要CPU与GPU之间进行n次通讯。那么，本申请可以将n个特征信息合并成一个整体特征信息，所以，CPU与GPU之间仅需进行一次通信。因此，可以大大减少CPU与GPU之间的通信次数。
由于GPU的处理技术为一个特征信息对应一个显示线，所以，在第一种实现方式中，GPU在依据整体特征信息进行绘图后获得的可视化结果为：各个位置点均绘制在一条显示线上(参见图5a，图5a中的显示线仅为示意性说明，不代表真实的显示线)，即各个关联型数据对应的显示线连接在一起。
可以理解的是，正常情况下GPU显示情况应该如图1a或图1b所示，即各个关联型数据对应的显示线是分开的。所以，按照第一种实现方式获得的可视化的结果中，无法明确区分出各个关联型数据对应的显示线，用户体验不好。因此，下面提供第二种实现方式。
第二种实现方式：在一个数据帧中，CPU与GPU之间进行一次通讯，并且，各个特征数组之间具有连接数组。
参见图4b，具体包括以下步骤：
步骤S411：CPU在一个数据帧中获取多个关联型数据，并确定与关联型数据对应的属性信息，每个属性信息至少包括特征信息。具体过程与步骤S401一致，在此不再赘述。
步骤S412：在每对相邻特征信息中添加连接信息。
申请人发现在每对相邻特征信息中添加连接信息，从而可以明确区分出各个关联型数据对应的显示线。
具体而言，针对相邻的两个特征信息，获取靠前的特征信息中的终点坐标，以及，获取靠后的特征信息的起点坐标。或者，获取靠前的特征信息中的起点坐标，以及，获取靠后的特征信息的终点坐标。可以理解的是，两种方式均可使用，但是在使用时需要保证每对相邻特征信息所使用的方式是一致的。然后，基于起点坐标和终点坐标构建连接线数据，并确定与连接线数据对应的特征信息。
例如，关联型数据1(也即特征信息1)对应的起点坐标1(x11,y11,z11)，终点坐标1(x12,y12,z12)。关联型数据2(也即特征信息2)对应的起点坐标2(x21,y21,z21)，终点坐标2(x22,y22,z22)。则CPU可以使用终点坐标1(x12,y12,z12)和起点坐标2(x21,y21,z21)来确定连接线数据。然后，再进一步确定与连接线数据对应的特征信息。
通常情况下，可以利用起点坐标和终点坐标构建直线，将直线方程作为连接线数据。之所以选择直线方程，是因为直线方程是两点之间最简单连接线。当然，还可以采用基于起点坐标和终点坐标构建其它类型的连接线数据(由于构建连接线和构建显示线的原理一致，因此，可以参见步骤S302构建显示线数据的过程)。
CPU在确定连接线数据后，利用位置函数在连接线数据中获取m个位置点，或者，在连接线数据中随机选择m个位置点构建位置数组，以便与位置数组中的位置点数量一致。然后构建颜色数组，当然颜色数组也包含m个颜色值。将连接线数据对应的位置数组和颜色数组确定为连接信息。
下面着重介绍连接信息中的颜色数组，由于在连接线数据对应的连接数组的目的在于：在相邻两个特征信息中增加连接信息，以便于GPU在绘图后获得的绘图结果中，可以将各个显示线从视觉上分隔开(实际上仍然是相连的)，以便用户可以从视觉上区分出各个关联型数据对应的各个显示线。
可以理解的是，图1a和图1b为最优可视化结果，即，可视化结果中仅显示各个显示线，不显示其它线段。为了达到图1a和图1b的效果，本申请中可以将连接信息中的颜色数组中各个颜色值的透明度设置为100％。
这样，GPU在绘图后获得的可视化结果中，连接线是透明的。对于用户而言看不到连接线，只能看到与关联型数据对应的显示线，从而达到最优的可视化效果(参见图5b，采用虚线表示透明的连接线)。
当然，将连接数组中的颜色数组设置为透明色，可以达到最优的可视化效果。如果在降低可视化效果的基础上，其实只要保证连接信息的颜色数组与特征信息的颜色数组不一致即可。
两者的颜色数组不一致，用户便可以在GPU的可视化结果中，区分出显示线和连接线。具体实现方式可以有多种，例如，特征信息的颜色数组采用黄色进行显示，则连接信息则采用蓝色、绿色、红色等其它颜色进行显示。
或者，特征信息的颜色数组中各个颜色值不一致(颜色数组中的各个颜色值不尽相同，以展现出显示线由起点至终点的方向性)，那么，连接特征中的颜色数组，则可以将各个颜色值设置一致。
当然还可以采用其它实现方式，来使得连接信息的颜色数组与特征信息的颜色数组不一致，在此不再一一列举。
在对各个相邻特征信息执行上述过程后，便可以获得各个连接信息。具体而言，在特征信息1和特征信息2之间增加连接信息1，在特征信息2和特征信息3之间增加连接信息2，……在特征信息i和特征信息i+1之间增加连接信息i，……，在特征信息n-1和特征信息n之间增加连接信息n-1。
步骤S413：将各个特征信息和各个连接信息进行合并，将获得一个整体特征信息。
假设，连接信息的位置数组采用字母w表示，连接信息的颜色数组采用y表示，那么，在本步骤中获得的整体特征信息如下：
合并后的整体位置数组为：[p11 p12 p13…p1j…p1m w11 w12…w1j…w1m p21p22 p23…p2j…p2m w21 w22…w2j…w2m p31 p32 p33…p3j…p3m……pi1 pi2 pi3…pij…pim wi1 wi2…wij…wim……pn1 pn2 pn3…pnj…pnm]。
合并后的整体颜色数组为：[c11 c12 c13…c1j…c1m y11 y12…y1j…y1m c21c22 c23…c2j…c2m y21 y22…y2j…y2m c31 c32 c33…c3j…c3m……ci1 ci2 ci3…cij…cim yi1 yi2…yij…yim……cn1 cn2 cn3…cnj…cnm]。
(为了使读者更加清楚第二种实现方式中的整体特征信息与第一种实现方式中整体特征信息的区别，采用下划线来标识两者中不同的地方，在实际实现中，并不存在下划线。)
步骤S414：CPU至少将整体特征信息发送至GPU，由GPU至少依据整体特征信息进行可视化操作。详见步骤S404，在此不再赘述。
在属性信息仅包括特征信息的情况下，CPU仅需将整体特征信息(整体位置数组和整体颜色数组)发送至GPU即可，GPU再根据绘图标准进行绘制即可。在属性信息包括特征信息和几何信息的情况下，CPU需将整体特征信息(整体位置数组和整体颜色数组)和各个几何信息发送至GPU，GPU再根据绘图标准进行绘制即可。
第二种实现方式，不仅可以大大减少CPU与GPU之间的通信次数，还可以提高观看可视化结果时的用户体验。
在第一种实现方式和第二种实现方式中，在一个数据帧中CPU和GPU仅进行一次通信，所以，第一种实现方式和第二种实现方式中，可以最大程度的减少CPU与GPU的通信次数。
此外，本申请还提供以下两种实现方式，在这两种实现方式中，CPU和GPU之间进行少量次数的通信，虽然相对于仅进行一次通讯而言，CPU和GPU之间的通信次数略多；但是，相对于现有技术大量通信次数而言，能够实现CPU与GPU之间少量次数的通信，所以也是具有较大优势的。
第三种实现方式：在一个数据帧中CPU与GPU之间进行多次通讯，多次通讯的数量远远小于特征信息的数量。
在一个数据帧中获取多个关联型数据后，将所述多个关联型数据划分为多个关联型数据集合；其中，至少一个关联型数据集合包括所述多个关联型数据中两个以及以上的关联型数据。
若CPU中未限定特征信息数量的情况下，CPU针对一个数据帧中获取任意数量的关联型数据，直接将任意数量的关联型数据划分为多个关联型数据集合。
碍于GPU的显示性能，不能无限制的渲染与特征信息对应的显示线。因此，CPU中可以设定可以构建的预设数量的特征信息。在本申请执行过程中，GPU可能已经构建了部分数量的特征信息，所以采用剩余数量来表示CPU还可以构建特征信息的数量。剩余数量＝预设数量-部分数量。
因此，CPU在一个数据帧中接收多个关联型数据后，会判断所述多个关联型数据的数量是否大于剩余数量；若否，则将所述多个关联型数据划分为多个关联型数据集合。若是，则在所述多个关联型数据中筛选出若干关联型数据，且，所述若干关联型数据的数量不大于所述剩余数量，再将所述若干关联型数据划分为多个关联型数据集合。
以CPU上未限定特征信息的数量为例，假设在一个数据帧中，CPU计算得到n个特征信息。CPU将n个特征信息分为多个关联型数据集合，每个关联型数据集合包括至少一个特征信息，并且，关联型数据集合的数量远远小于特征信息的数量。
然后，针对每个关联型数据集合，均按照第一种实现方式执行，以实现一个关联型数据集合对应一个整体特征信息，详细过程不再赘述。
第四种实现方式：CPU与GPU之间进行多次通讯，多次通讯的数量远远小于特征信息的数量。各个特征数组之间具有连接数组。
在一个数据帧中获取多个关联型数据后，将所述多个关联型数据划分为多个关联型数据集合；其中，至少一个关联型数据集合包括所述多个关联型数据中两个以及以上的关联型数据。详细过程参见第三种实现方式，在此不再赘述。
以CPU上未限定特征信息数量为例，假设在一个数据帧中，CPU计算得到n个特征信息。CPU将n个特征信息分为多个关联型数据集合，每个关联型数据集合包括至少一个特征信息，并且，关联型数据集合的数量远远小于特征信息的数量。
然后，针对每个关联型数据集合，均按照第二种实现方式执行，以实现一个关联型数据集合对应一个整体特征信息，并且，关联型数据集合中每对相邻特征信息之间具有连接信息，详细过程不再赘述。
在第三种实现方式和第四种实现方式中，CPU可以将n个特征信息分多次发送至GPU，且，CPU与GPU之间的通讯次数与关联型数据集合的数量相同。由于关联型数据集合的数量远远小于特征信息的数量，所以，第三种实现方式和第四种实现方式也可以大大减少CPU与GPU之间的通讯次数。
在上述四种实现方式中，CPU将整体特征信息发送至GPU后，基于整体特征信息执行渲染操作，获得渲染数据；利用所述渲染数据执行可视化操作，获得与所述整体特征信息对应的可视化结果。
具体而言，GPU可以利用绘图软件，在地图上将整体特征信息中的位置数组和颜色数组进行可视化。现有技术中，GPU通常采用Canvas绘图标准对特征信息进行可视化，经过实验可知目前GPU的渲染效率不高。
为了提高渲染效率，本申请提出采用WebGL绘图标准对特征信息进行可视化。WebGL绘图标准是一种web端的3D绘图标准，这种绘图技术标准允许把JavaScript和OpenGLES 2.0结合在一起，通过增加OpenGL ES 2.0的一个JavaScript绑定，WebGL可以为HTML5Canvas提供硬件3D加速渲染，从而提高GPU的渲染效率。
下面以属性信息包括特征信息为例，对渲染过程进行详细说明。通过上述对CPU与GPU一个数据帧中执行过程可知：在第一种实现方式和第二种实现方式中，在一个数据帧中GPU在接收整体特征信息后，需要对整体特征信息进行一次渲染。
在第三种实现方式和第四种实现方式中，在一个数据帧中GPU可以接收多个整体特征信息，那么需要针对多个整体特征信息，进行多次渲染。也就是说：GPU在一个数据帧中至少进行一次渲染过程，即在每个数据帧中，GPU均需要进行渲染过程。
因此，为了提高GPU的渲染效率，本申请提出技术特征为：GPU基于预先设定的整体特征信息进行预渲染，从而获得渲染数据。
渲染数据主要包括整体特征信息和渲染过程的中间数据。这样在实际执行的过程中，GPU接收CPU发送的整体特征信息后，便无需再基于整体特征信息进行渲染，仅需更新渲染数据中的整体特征信息即可获得更新后的渲染数据，然后再基于更新后的渲染数据在地图上进行显示即可。由于GPU无需再执行基于整体特征信息进行渲染的过程，所以这样可以大大提高GPU的渲染效率。
在进行预渲染的过程之前，首先由技术人员确定本申请中CPU具体的实现方式(第一种实现方式、第二种实现方式、第三种实现方式或第四种实现方式)。
若确定采用第一种实现方式或第二种实现方式(CPU与GPU之间进行一次通讯)，则数据处理设备对应第一种预渲染过程；若确定采用第三种实现方式或第四种实现方式(CPU与GPU之间进行多次通讯)，则数据处理设备对应第二种预渲染过程。
下面详细介绍第一种预渲染过程和第二种预渲染过程。
数据处理设备中的GPU用于接收CPU发送的整体特征信息，并渲染与整体特征信息对应的显示线。由于GPU的硬件限制，GPU在一个数据帧中最多可以渲染规定数量的显示线。
因此，本申请设定CPU最多可以构建显示线数据的数量为预设数量，或者说最多可以构建特征信息的数量为预设数量，并且，预设数量小于规定数量。这样可以使得GPU渲染的显示线不超过规定数量。
通过图3所示的过程，可以发现在数据处理设备中一个关联型数据对应一个显示线数据，一个显示线数据对应一个特征信息(位置数组和颜色数组)，一个特征信息对应一个显示线。所以，在最多只能构建预设数量的显示线数据的情况下，对应的，CPU也最多只能构建预设数量的特征信息。
参见图6，为第一种预渲染过程的执行过程：
步骤S601：CPU构建包含预设数量的特征信息的整体特征信息，并保存整体特征信息。
CPU构建预设数量的特征信息。具体而言：CPU可以接收预设数量的关联型数据，并按照图S301-303的过程，获取预设数量的特征信息。
由于在第一种实现方式和第二种实现方式中，CPU与GPU在一个数据帧中进行一次通讯，因此，CPU将预设数量的特征信息进行合并，并获得整体特征信息。
CPU可以按照图4a对应的第一种实现方式，或者，图4b对应的第二种实现方式，确定与预设数量的特征信息对应的整体特征信息。假设预设数量为10，则CPU将10个特征信息进行合并，并获得整体特征信息。
步骤S602：CPU为整体特征信息添加属性信息。
为了方便后续使用整体特征信息，需要为整体特征信息添加属性信息。具体而言，可以参见下述过程：
(1)为每个特征信息设置特征标识，为整体特征信息中所有位置点设置位置点标识。
CPU为每个特征信息设置不同特征标识，以区分各个特征信息。假设，特征信息的预设数量为10个，则特征信息1对应特征标识1、特征信息2对应特征标识2……特征信息10对应特征标识10。
整体特征信息中包括很多位置点，CPU为每个位置点赋予位置点标识。假设，每个特征信息具有8个位置点，则每个特征信息的位置数组中具有8个位置坐标，颜色数组中具有8个颜色值。那么，整体特征信息的整体位置数组具有80个位置点的位置坐标，整体颜色数组中也共具有80个位置点的颜色值。
以采用阿拉伯数字为所有位置点赋予不同的标识为例，则整体位置数组中各个位置点标识可以依次为1、2、3……80，整体颜色数组中各个位置点也可以依次为1、2、3……80。还可以采用有序排列的字母来为各个位置点赋予不同的标识。当然，还可以采用其它方式进行标识，在此不做限定。
(2)确定每个特征信息对应的位置点标识集合，并构建每个特征信息的特征标识与其对应的位置点标识集合之间的对应关系。
延续上述举例，以特征信息1为例，特征信息1对应位置点标识1-位置点标识8，那么，位置点标识1-位置点标识8则为特征信息1的位置点标识集合1。然后，构建特征信息1的特征标识1与位置点标识集合1的对应关系。
(3)为每个特征信息对应的特征标识设置状态标识。
为每个特征信息对应的特征标识添加状态标识，状态标识用于表示特征信息所处的使用状态。若一个特征信息处于正在使用状态，则状态标识表示该特征信息处于唤醒状态，若一个特征信息处于未被使用状态，则状态标识表示该特征信息处于休眠状态。
参见表1，将上述对应关系进行表示。
(4)构建唤醒特征标识集合和休眠特征标识集合。
休眠特征标识集合中每个特征标识对应的特征信息、处于未被使用的休眠状态；唤醒特征标识集合中每个特征标识对应的特征信息、处于正在使用的唤醒状态。
针对预设数量的特征信息，若一个特征信息处于唤醒状态，则将该特征信息的特征标识添加至唤醒特征标识集合中。若一个特征信息处于休眠状态，则将该特征信息的特征标识添加至休眠特征标识集合。唤醒特征标识集合和休眠特征标识集合中总共的特征信息数量等于预设数量。
步骤S603：将整体特征信息发送至GPU。
步骤S604：GPU基于整体特征信息进行预渲染、获得并保存渲染数据。
GPU基于整体特征信息进行预渲染，并获得渲染后的渲染数据，然后保存渲染数据。渲染数据包括两部分，一部分为整体特征信息，另一部分为渲染过程中的中间数据。
在经过上述预渲染的过程中，CPU可以保存整体特征信息以及与整体特征信息对应的属性信息。GPU可以保存预渲染后获得的渲染数据。
在上述第一种预渲染的情况下，介绍数据处理设备的具体执行过程：
如图7所示，数据处理设备的执行过程具体包括以下步骤：
步骤S701：CPU在一个数据帧中更新预先构建的整体特征信息。
在经过图6所示的预渲染过程后，CPU上已经存储利用预设数量的特征信息合并后获得的整体特征信息。由于当前的整体特征信息中各个位置点的具体数据值是之前数据帧中的数据值，在本数据帧中，需要更新整体特征信息中各个位置点的数据值，以便整体特征信息适用于本数据帧。
更新整体特征信息具有两个方面：第一方面，对整体特征信息中处于休眠状态的特征标识对应的特征信息进行更新。第二方面：对整体特征信息中处于唤醒状态的特征标识对应的特征信息，进行更新。下面分别介绍这两个方面：
第一方面：对整体特征信息中处于休眠状态的特征标识对应的特征信息进行更新。本方面主要目的为：将本数据帧中获得的关联型数据更新至整体特征信息中。
在一个数据帧中获得多个关联型数据，并确定与关联型数据对应的特征信息，将各个特征信息的具体数据值更新至整体特征信息中的具体数据值。
下面以各个特征信息中的目标特征信息为例，对将特征信息更新至整体特征信息中的过程进行介绍：
步骤S801：判断休眠特征标识集合是否为空集；若是，则进入步骤S802，否则，进入步骤S803。
由于唤醒特征标识集合中均为正在使用的特征标识，所以在接收新的关联型数据后，将目标特征信息的具体数据值、更新休眠特征标识对应的特征信息的具体数据值。
首先，CPU判断休眠特征标识集合是否为空集，若为空集，则说明预设数量的特征信息均处于唤醒状态，均正在被使用。若非空集，则说明预设数量的特征信息中还有处于休眠状态的特征信息，这些特征信息未被使用。
步骤S802：等待一段时间，进入步骤S801。
CPU确定休眠特征标识集合为空集，则说明目前CPU中预设数量的特征信息均处于唤醒状态，暂时没有可用的特征信息。因此，可以等待一段时间，再执行步骤S801。
步骤S803：在休眠特征标识集合中选择一个特征标识，并确定与该特征标识对应的特征信息，更改该特征信息的状态标识为唤醒状态。
CPU确定休眠特征标识集合是否为空集，若不为空集，则说明有可用的特征信息。因此，在休眠特征标识集合中选取一个可用的特征标识，然后更改该特征信息对应的状态标识为唤醒状态，并将该特征标识添加至唤醒特征标识集合中。
步骤S804：将目标特征信息更新至该整体特征信息中。
由于在整体特征信息的属性信息中，具有每个特征标识与其对应的位置点标识集合之间的对应关系，因此，可以在整体特征信息中确定与步骤S803选择的特征标识对应的位置点标识集合，从而根据位置点标识集合在整体特征信息中确定出特征信息。将目标特征信息的具体数据值，更新特征标识对应的特征信息的具体数据值。
例如，特征标识1对应的位置点标识集合为位置点标识1-位置点标识8，那么，在整体特征信息中确定出位置点标识1-位置点标识8对应的8个位置点。那么，8个位置点对应的位置数组和颜色数组，即为特征标识1对应的特征信息，然后，将目标特征信息的位置数组的具体数据值，更新至位置点标识1-位置点标识8对应的8个位置点对应数据值。
在一个数据帧中CPU会持续执行图8所示的过程，直到一个数据帧对应的所有特征信息均更新至整体特征信息中，或者，休眠特征标识集合为空集。
第二种情况：针对已处于唤醒状态的特征信息进行更新，从而更新整体特征信息。
每个特征信息具有一个位置数组和一个颜色数组，为了优化GPU的可视化结果，本实施例可以动态方式显示特征信息，以采用动态效果显示起点至终点的方向性。
假设一个特征信息具有m个位置点，为了显示特征信息的动态效果，需要在m个数据帧均对特征信息进行一次更新。这样，可以利用颜色的深浅变化，来模拟出显示线的动态效果；例如，在起点和终端之间模拟流星滑落的过程，以体现出起点和终点的方向性。
因此，在本实施例的每个数据帧中，除了上述第一种情况中将确定的特征信息更新至整体特征信息中外，本实施例还可以对已经处于唤醒状态的特征信息进行更新。
具体而言，利用位置映射函数f(index,data)更新唤醒特征标识中每个特征信息对应的位置数组，利用颜色映射函数数g(index,data)来更新各唤醒特征标识中每个特征信息对应的颜色数组。
第三种情况：针对已经显示结束的显示线，将特征信息处于不可用状态。
在一个已经处于唤醒状态的特征信息，经过动态显示完毕之后，则将该特征信息的标识状态更改为休眠状态。假设一个特征信息具有m个位置点，那么在m个数据帧后，该特征信息显示完毕，所以，可以回收该特征信息，即将特征信息处于休眠状态。
若一个特征信息处于休眠状态，则说明该特征信息已经显示完毕。无需再次GPU的可视化结果中显示出来。因此，为了使得处于休眠状态的特征信息在可视化结果中不能被用户看到，可以对刚处于休眠状态的特征信息进行不可见操作，将该特征信息处于不可见状态。
具体而言，为将该特征信息的颜色数组中的透明度设置为100％，这样，GPU便可以通过透明线段的方式显示处于休眠状态的特征信息。或者，将各个位置点坐标设置为一个坐标，这样该特征信息在可视化结果中则对应一个位置点，该位置点在整体线段中，无法被用户看见。
由于本申请建立回收机制，这样整体特征信息中的各个特征信息可以便重复使用，从而使得CPU无需重新构建整体特征信息，GPU也无需重复进行渲染，进而可以提升关联型数据的显示效率。
接着返回图7，进入步骤S702：将更新后的整体特征信息发送至GPU。
CPU通过上述三种情况在一个数据帧中对整体特征信息进行一次更新后，再将更新后的特征信息发送至GPU。
步骤S703：GPU利用整体特征信息更新渲染数据中的整体特征信息，并基于渲染数据进行可视化操作。
即，接收中央处理器发送的整体特征信息；基于所述整体特征信息更新预设构建的渲染数据中的整体特征信息；利用更新后的渲染数据执行可视化操作，获得与所述整体特征信息对应的可视化结果。
GPU上已经存储有基于整体特征信息进行渲染后获得渲染数据，为了使得可视化结果适用于本次的整体特征信息，GPU可以将CPU发送的整体特征信息中的具体数值，更新已有的整体特征信息中的具体数值。这样GPU便可以基于更新后的整体特征信息进行显示。
因此，GPU无需再次进行渲染过程，这样可以节省大量的GPU资源。
参见图9，为第二种预渲染过程的执行过程：
步骤S901：CPU将预设数量的特征信息划分为多个关联型数据集合。
CPU获取预设数量的特征信息的过程，可以参见步骤S601，在此不再赘述。
由于在第三种实现方式和第四种实现方式中，CPU与GPU在一个数据帧中进行多次通讯，因此，CPU将预设数量的特征信息进行分个关联型数据集合，具体每个关联型数据集合中特征信息的数量可以由技术人员预先设定。
步骤S902：针对每个关联型数据集合，CPU将该关联型数据集合中的所有特征信息构建为一个整体特征信息，从而获得多个整体特征信息，并保存多个整体特征信息。
针对每组特征信息，CPU可以按照图4a对应的第一种实现方式，或者，图4b对应的第二种实现方式，确定该组中所有特征信息对应的整体特征信息。
步骤903：CPU为每个整体特征信息添加属性信息。
(1)为每个特征信息设置特征标识，为整体特征信息中所有位置点设置位置点标识。
(2)确定每个特征信息对应的位置点标识集合，并构建每个特征信息与其对应的位置点标识集合之间的对应关系。
(3)为每个整体特征信息添加整体标识，并构建整体标识与其对应的特征标识集合的对应关系。
由于本实施例中具有多个整体特征信息，为了便于区分多个整体特征信息，可以为每个整体特征信息添加标识。由于每个整体特征信息包括一部分特征信息，为了清楚确定各个特征信息属于那个整体特征信息，所以构建每个整体标识对应的特征标识集合，并构建整体标识与特征标识集合的对应关系。
例如，假设有10个特征信息(特征信息1、特征信息2……特征信息10)，整体特征信息的数量为3个。例如，特征信息1-特征信息3对应整体特征信息1，特征信息4-特征信息7对应整体特征信息2，特征信息8-特征信息10对应整体特征信息3。
则整体特征信息对应的标识1对应的特征标识集合包括特征信息1的特征标识1、特征信息2的特征标识2、特征信息3的特征标识3。
(4)为每个特征信息对应的特征标识设置状态标识。
参见表2和表3为对整体特征信息添加属性信息的示意图。
(5)构建唤醒特征标识集合和休眠特征标识集合。
(1)(2)(4)和(5)的处理过程与第一种预渲染中的处理过程一致，在此不再赘述。
步骤S904：将每个整体特征信息以及每个整体特征的整体标识，逐个发送至GPU。
步骤S905：GPU基于每个整体特征信息进行预渲染、获得渲染数据，并将渲染数据与其对应的整体标识对应存储。
在经过上述预渲染的过程中，CPU可以保存整体特征信息以及与整体特征信息对应的属性信息。GPU可以保存预渲染后获得的渲染数据及对应的整体标识。
在上述第二种预渲染的情况下，介绍数据处理设备的具体执行过程。
如图10所示，数据处理设备的执行过程具体包括以下步骤：
步骤S1001：CPU在一个数据帧中更新预先构建的多个整体特征信息。
在经过图9所示的预渲染过程后，CPU上已经存储利用预设数量的特征信息合并后获得的整体特征信息，此处采用预设整体特征信息进行表示。
更新整体特征信息具有三种情况，下面分别介绍三种情况：
第一种情况：在一个数据帧中接收多个关联型数据，并确定与关联型数据对应的特征信息，基于各个特征信息更新预先构建的多个整体特征信息中。
下面以各个特征信息中的目标特征信息为例，对将目标特征信息更新至整体特征信息中的过程进行介绍：
参见图11，步骤S1101：判断休眠特征标识集合是否为空集；若是，则进入步骤S1102，否则，进入步骤S1103。
步骤S1102：等待一段时间，进入步骤S1101。
步骤S1103：在休眠特征标识集合中选择一个特征标识，并更改该特征信息的状态标识为唤醒状态。
步骤S1104：确定与该特征标识对应的整体标识，并确定与整体标识对应的整体特征信息。在该整体标识对应的整体特征信息中，确定与特征标识对应的特征信息。
由于在第二种预渲染过程中，具有多个整体特征信息。因此，首先确定该特征标识对应的整体标识，并确定与整体标识对应的整体特征信息。然后，在整体特征信息中确定与特征标识对应的特征标识集合，最后在整体特征信息中，确定与特征标识集合对应的特征信息。
步骤S1105：将目标特征信息更新至该特征信息中。
在整体特征信息中确定与该特征标识对应的特征信息，将目标特征信息的具体数据值，更新该特征信息的具体数据值。
在一个数据帧中CPU会持续执行图11所示的过程，直到一个数据帧对应的所有特征信息均更新至整体特征信息中，或者，休眠特征标识集合为空集。
第二种情况：针对已处于唤醒状态的特征信息进行更新，从而更新整体特征信息。
第三种情况：针对已经显示结束的显示线，将特征信息处于不可用状态。
第二种情况和第三种情况的详细执行过程已经在图7所示的过程中进行详细描述，在此不再赘述。
接着返回图10，进入步骤S1002：将更新后的整体特征信息以及整体标识发送至GPU。
CPU通过上述三种情况在一个数据帧中对整体特征信息进行一次更新后，再将更新后的整体特征信息，以及整体特征信息对应的整体标识发送至GPU。
步骤S1003：GPU基于更新后的特征信息进行可视化操作。即：GPU接收中央处理器发送的整体特征信息以及整体标识；在预先构建的多个渲染数据中，确定与所述整体标识对应的渲染数据；；基于所述整体特征信息，更新与所述渲染数据中的整体特征信息；利用更新后的渲染数据执行可视化操作，获得与所述整体特征信息对应的可视化结果。
本实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (56)

1.一种数据处理系统，其特征在于，包括：
数据提供设备，用于发送多个关联型数据；
数据处理设备中的中央处理器，用于在一个数据帧中获取多个关联型数据后，确定与关联型数据对应的属性信息，每个属性信息至少包括特征信息；对各个特征信息执行合并操作并获得整体特征信息；至少将所述整体特征信息发送至图形处理器；
数据处理设备中的图形处理器，用于至少接收中央处理器发送的整体特征信息；至少基于所述整体特征信息执行渲染操作，获得渲染数据；利用所述渲染数据执行可视化操作、并获得可视化结果。
2.如权利要求1所述的系统，其特征在于，所述属性信息还包括几何信息；则所述数据处理设备中的中央处理器，还用于在向图形处理器发送整体特征信息时，一并发送各个关联型数据对应的几何信息；
则所述数据处理设备中的图形处理器，具体用于接收所述中央处理器发送所述整体特征信息和各个关联型数据的几何信息；并基于所述整体特征信息和各个关联型数据的几何信息一并执行渲染操作，获得渲染数据；利用所述渲染数据执行可视化操作、并获得可视化结果。
3.一种数据处理方法，其特征在于，包括：
在一个数据帧中获取多个关联型数据后，确定与关联型数据对应的属性信息，每个属性信息至少包括特征信息；
对各个特征信息执行合并操作并获得整体特征信息；
至少将所述整体特征信息发送至图形处理器。
4.如权利要求3所述的方法，其特征在于，所述确定与关联型数据对应的属性信息，包括：
判断所述多个关联型数据的数量是否大于剩余数量；
若否，则确定所述多个关联型数据中与每个关联型数据对应的属性信息；
若是，则在所述多个关联型数据中筛选出若干关联型数据，且，所述若干关联型数据的数量不大于所述剩余数量，确定所述若干关联型数据中与每个关联型数据对应的属性信息。
5.如权利要求3所述的方法，其特征在于，所述特征信息包括位置数组和颜色数组，则所述对各个特征信息执行合并操作并获得整体特征信息，包括：
将各个特征信息的位置数组执行合并操作，获得整体位置数组；
将各个特征信息的颜色数组执行合并操作，获得整体颜色数组；
将所述整体位置数组和整体颜色数组确定为所述整体特征信息。
6.如权利要求3所述的方法，其特征在于，所述属性信息还包括几何信息；所述几何信息包括：形状数组、弧度特征值和宽度特征值；
则至少将所述整体特征信息发送至图形处理器，包括：
将所述整体特征信息和各个几何信息发送至图形处理器。
7.一种数据处理系统，其特征在于，包括：
数据提供设备，用于发送多个关联型数据；
数据处理设备中的中央处理器，用于在一个数据帧中获取多个关联型数据后，确定与关联型数据对应的属性信息，每个属性信息至少包括特征信息；针对所述多个关联型数据中的每对相邻关联型数据：基于其中一个关联型数据的起点坐标和另一个关联型数据的终点坐标，确定与每对相邻关联型数据对应的连接信息；将各个特征信息和各个连接信息执行合并操作，并获得整体特征信息；至少将所述整体特征信息发送至图形处理器；
数据处理设备中的图形处理器，用于至少接收中央处理器发送的整体特征信息；至少基于所述整体特征信息执行渲染操作，获得渲染数据；利用所述渲染数据执行可视化操作、并获得可视化结果。
8.如权利要求7所述的系统，其特征在于，所述属性信息还包括几何信息；则所述数据处理设备中的中央处理器，还用于在向图形处理器发送整体特征信息时，一并发送各个关联型数据对应的几何信息；
则所述数据处理设备中的图形处理器，具体用于接收所述中央处理器发送所述整体特征信息和各个关联型数据的几何信息；并基于所述整体特征信息和各个关联型数据的几何信息一并执行渲染操作，获得渲染数据；利用所述渲染数据执行可视化操作、并获得可视化结果。
9.一种数据处理方法，其特征在于，包括：
在一个数据帧中获取多个关联型数据后，确定与关联型数据对应的属性信息，每个属性信息至少包括特征信息；
针对所述多个关联型数据中的每对相邻关联型数据：基于其中一个关联型数据的起点坐标和另一个关联型数据的终点坐标，确定与每对相邻关联型数据对应的连接信息；
将各个特征信息和各个连接信息执行合并操作，并获得整体特征信息；
至少将所述整体特征信息发送至图形处理器。
10.如权利要求9所述的方法，其特征在于，所述确定与关联型数据对应的属性信息，包括：
判断所述多个关联型数据的数量是否大于剩余数量；
若否，则确定所述多个关联型数据中与每个关联型数据对应的属性信息；
若是，则在所述多个关联型数据中筛选出若干关联型数据，且，所述若干关联型数据的数量不大于所述剩余数量，确定所述若干关联型数据中与每个关联型数据对应的属性信息。
11.如权利要求9所述的方法，其特征在于，所述特征信息和所述连接信息均包括位置数组和颜色数组，则所述将各个特征信息和各个连接信息执行合并操作，并获得整体特征信息，包括：
将各个特征信息的位置数组和各个连接信息的位置数组执行合并操作，获得整体位置数组；
将各个特征信息的颜色数组和各个连接信息的颜色数组执行合并操作，获得整体颜色数组；
将所述整体位置数组和整体颜色数组确定为所述整体特征信息。
12.如权利要求11所述的方法，其特征在于，所述特征信息的颜色数组与所述连接信息的颜色数组不一致。
13.如权利要求12所述的方法，其特征在于，所述连接信息的颜色数组中的透明度为100％。
14.如权利要求9所述的方法，其特征在于，所述属性信息还包括几何信息；所述几何信息包括：形状数组、弧度特征值和宽度特征值；
则至少将所述整体特征信息发送至图形处理器，包括：
将所述整体特征信息和各个几何信息发送至图形处理器。
15.一种数据处理系统，其特征在于，包括：
数据提供设备，用于发送多个关联型数据；
数据处理设备中的中央处理器，用于在一个数据帧中获取多个关联型数据后，将所述多个关联型数据划分为多个关联型数据集合；其中，至少一个关联型数据集合包括所述多个关联型数据中两个以及以上的关联型数据；针对每个关联型数据集合，均执行以下过程：确定与每个关联型数据对应的属性信息，每个属性信息至少包括特征信息；对各个特征信息执行合并操作并获得整体特征信息，至少将所述整体特征信息发送至图形处理器；
数据处理设备中的图形处理器，用于至少接收中央处理器发送的整体特征信息；至少基于所述整体特征信息执行渲染操作，获得渲染数据；利用所述渲染数据执行可视化操作、并获得可视化结果。
16.一种数据处理方法，其特征在于，包括：
在一个数据帧中获取多个关联型数据后，将所述多个关联型数据划分为多个关联型数据集合；其中，至少一个关联型数据集合包括所述多个关联型数据中两个以及以上的关联型数据；
针对每个关联型数据集合，均执行以下过程：
确定与每个关联型数据对应的属性信息，每个属性信息至少包括特征信息，对各个特征信息执行合并操作并获得整体特征信息，至少将所述整体特征信息发送至图形处理器。
17.如权利要求16所述的方法，其特征在于，所述将所述多个关联型数据划分为多个关联型数据集合，包括：
判断所述多个关联型数据的数量是否大于剩余数量；
若否，则将所述多个关联型数据划分为多个关联型数据集合；
若是，则在所述多个关联型数据中筛选出若干关联型数据，且，所述若干关联型数据的数量不大于所述剩余数量，将所述若干关联型数据划分为多个关联型数据集合。
18.如权利要求16所述的方法，其特征在于，所述特征信息包括位置数组和颜色数组，则所述将各个特征信息执行合并操作并获得整体特征信息，包括：
将各个特征信息的位置数组执行合并操作，获得整体位置数组；
将各个特征信息的颜色数组执行合并操作，获得整体颜色数组；
将所述整体位置数组和整体颜色数组确定为所述整体特征信息。
19.如权利要求16所述的方法，其特征在于，所述属性信息还包括几何信息；所述几何信息包括：形状数组、弧度特征值和宽度特征值；
则至少将所述整体特征信息发送至图形处理器，包括：
将所述整体特征信息和各个几何信息发送至图形处理器。
20.一种数据处理系统，其特征在于，包括：
数据提供设备，用于发送多个关联型数据；
数据处理设备中的中央处理器，用于在一个数据帧中获取多个关联型数据后，将所述多个关联型数据划分为多个关联型数据集合；其中，至少一个关联型数据集合包括所述多个关联型数据中两个以及以上的关联型数据；针对每个关联型数据集合，均执行以下过程：确定与每个关联型数据对应的属性信息，每个属性信息至少包括特征信息，针对所述多个关联型数据中的每对相邻关联型数据：基于其中一个关联型数据的起点坐标和另一个关联型数据的终点坐标，确定与每对相邻关联型数据对应的连接信息；将各个特征信息和各个连接信息执行合并操作并获得整体特征信息，至少将所述整体特征信息发送至图形处理器；
数据处理设备中的图形处理器，用于至少接收中央处理器发送的整体特征信息；至少基于所述整体特征信息执行渲染操作，获得渲染数据；利用所述渲染数据执行可视化操作、并获得可视化结果。
21.一种数据处理方法，其特征在于，包括：
在一个数据帧中获取多个关联型数据后，将所述多个关联型数据划分为多个关联型数据集合；其中，至少一个关联型数据集合包括所述多个关联型数据中两个以及以上的关联型数据；
针对每个关联型数据集合，均执行以下过程：
确定与每个关联型数据对应的属性信息，每个属性信息至少包括特征信息，针对所述多个关联型数据中的每对相邻关联型数据：基于其中一个关联型数据的起点坐标和另一个关联型数据的终点坐标，确定与每对相邻关联型数据对应的连接信息；将各个特征信息和各个连接信息执行合并操作并获得整体特征信息，至少将所述整体特征信息发送至图形处理器。
22.如权利要求21所述的方法，其特征在于，所述将所述多个关联型数据划分为多个关联型数据集合，包括：
判断所述多个关联型数据的数量是否大于剩余数量；
若否，则将所述多个关联型数据划分为多个关联型数据集合；
若是，则在所述多个关联型数据中筛选出若干关联型数据，且，所述若干关联型数据的数量不大于所述剩余数量，将所述若干关联型数据划分为多个关联型数据集合。
23.如权利要求21所述的方法，其特征在于，所述特征信息和所述连接信息均包括位置数组和颜色数组，则所述将各个特征信息和各个连接数组执行合并操作并获得整体特征信息，包括：
将各个特征信息的位置数组和每个连接信息的位置数组执行合并操作，获得整体位置数组；
将各个特征信息的颜色数组和每个连接信息的颜色数组执行合并操作，获得整体颜色数组；
将所述整体位置数组和整体颜色数组确定为所述整体特征信息。
24.如权利要求23所述的方法，其特征在于，所述特征信息的颜色数组与所述连接信息的颜色数组不一致。
25.如权利要求23所述的方法，其特征在于，所述连接信息的颜色数组中的透明度为100％。
26.如权利要求21所述的方法，其特征在于，所述属性信息还包括几何信息；所述几何信息包括：形状数组、弧度特征值和宽度特征值；
则至少将所述整体特征信息发送至图形处理器，包括：
将所述整体特征信息和各个几何信息发送至图形处理器。
27.一种数据处理方法，其特征在于，包括：
至少接收中央处理器发送的整体特征信息；
至少基于所述整体特征信息执行渲染操作，获得渲染数据；
利用所述渲染数据执行可视化操作、并获得可视化结果。
28.如权利要求27所述的方法，其特征在于，
所述至少接收中央处理器发送的整体特征信息包括：接收所述中央处理器发送所述整体特征信息和各个关联型数据的几何信息；
则至少基于所述整体特征信息执行渲染操作，获得渲染数据，包括：基于所述整体特征信息和各个关联型数据的几何信息一并执行渲染操作，获得渲染数据。
29.一种数据处理系统，其特征在于，包括：
数据提供设备，用于发送多个关联型数据；
数据处理设备中的中央处理器，用于在一个数据帧中接收多个关联型数据，确定与关联型数据对应的特征信息；基于各个特征信息更新预设整体特征信息，将更新后的预设整体特征信息发送至图形处理器；其中，所述预设整体特征信息至少基于预设数量的特征信息执行合并操作后获得；
数据处理设备中的图形处理器，用于接收中央处理器发送的整体特征信息；基于所述整体特征信息，更新预先构建的渲染数据中的整体特征信息；利用更新后的渲染数据执行可视化操作，并获得可视化结果。
30.一种数据处理方法，其特征在于，包括：
在一个数据帧中接收多个关联型数据，确定与关联型数据对应的特征信息；
基于各个特征信息更新预设整体特征信息，其中，所述预设整体特征信息至少基于预设数量的特征信息执行合并操作后获得；
将更新后的预设整体特征信息发送至图形处理器。
31.如权利要求30所述的方法，其特征在于，中央处理器包括休眠特征标识集合和唤醒特征标识集合，且，所述休眠特征标识集合中特征标识的数量，及所述唤醒特征标识集合中特征标识的数量的和值等于所述预设数量；
其中，所述休眠特征标识集合中每个特征标识对应的特征信息、处于未被使用的休眠状态；
所述唤醒特征标识集合中每个特征标识对应的特征信息、处于正在使用的唤醒状态。
32.如权利要求31所述的方法，其特征在于，所述基于各个特征信息更新预设整体特征信息，包括：
针对各个特征信息中的一个目标特征信息，判断休眠特征标识集合是否为空集；
若否，则在所述休眠特征标识集合中选择一个特征标识；
利用所述目标特征信息、更新所述预设整体特征信息中与该特征标识对应的特征信息；
将该特征标识对应的状态标识修改为唤醒状态，并添加至所述唤醒特征标识集合中。
33.如权利要求31所述的方法，其特征在于，在所述将更新后的预设整体特征信息发送至图形处理器之前，还包括：
判断所述唤醒特征标识集合中特征标识对应的特征信息是否更新结束；
若未更新结束，则利用位置函数更新特征信息的位置数组，并利用颜色函数更新颜色数组；
若已更新结束，则将该特征信息设置为不可见状态，并将该特征信息的状态标识修改为休眠状态，并添加至所述休眠特征标识集合中。
34.如权利要求33所述的方法，其特征在于，所述将该特征信息设置为不可见状态，包括：
将该特征信息的颜色数组中的透明度设置为100％；或者，
将该特征信息的位置数组中各个位置点的坐标设为一致。
35.一种数据处理系统，其特征在于，包括：
数据提供设备，用于发送多个关联型数据；
数据处理设备中的中央处理器，用于在一个数据帧中接收多个关联型数据，确定与关联型数据对应的特征信息；基于各个特征信息更新预先构建的整体特征信息，将更新后的整体特征信息发送至图形处理器；其中，所述预先构建的整体特征信息至少由预设数量的特征信息以及预设数量的特征信息中每对相邻特征信息之间的连接信息、执行合并操作后获得；
数据处理设备中的图形处理器，用于接收中央处理器发送的整体特征信息；基于所述整体特征信息，更新预先构建的渲染数据中的整体特征信息；利用更新后的渲染数据执行可视化操作，并获得可视化结果。
36.一种数据处理方法，其特征在于，包括：
在一个数据帧中接收多个关联型数据，确定与关联型数据对应的特征信息；
基于各个特征信息更新预先构建的整体特征信息，其中，所述预先构建的整体特征信息至少由预设数量的特征信息以及预设数量的特征信息中每对相邻特征信息之间的连接信息、执行合并操作后获得；
将更新后的整体特征信息发送至图形处理器。
37.如权利要求36所述的方法，其特征在于，中央处理器包括休眠特征标识集合和唤醒特征标识集合，且，所述休眠特征标识集合中特征标识的数量，及所述唤醒特征标识集合中特征标识的数量的和值等于所述预设数量；
其中，所述休眠特征标识集合中每个特征标识对应的特征信息、处于未被使用的休眠状态；
所述唤醒特征标识集合中每个特征标识对应的特征信息、处于正在使用的唤醒状态。
38.如权利要求37所述的方法，其特征在于，所述基于各个特征信息更新预设整体特征信息，包括：
针对各个特征信息中的一个目标特征信息，判断休眠特征标识集合是否为空集；
若否，则在所述休眠特征标识集合中选择一个特征标识；
利用所述目标特征信息、更新所述预设整体特征信息中与该特征标识对应的特征信息，以及更新与所述目标特征信息相邻的两个连接信息；
将该特征标识对应的状态标识修改为唤醒状态，并添加至所述唤醒特征标识集合中。
39.如权利要求37所述的方法，其特征在于，在所述将更新后的整体特征信息发送至图形处理器之前，还包括：
判断所述唤醒特征标识集合中特征标识对应的特征信息是否更新结束；
若未更新结束，则利用位置函数更新特征信息的位置数组，并利用颜色函数更新颜色数组；
若已更新结束，则将该特征信息设置为不可见状态，并将该特征信息的状态标识修改为休眠状态，并添加至休眠特征标识集合中。
40.如权利要求37所述的方法，其特征在于，所述将该特征信息设置为不可见状态，包括：
将该特征信息的颜色数组中的透明度设置为100％；或者，
将该特征信息的位置数组中各个位置点的坐标设为一致。
41.一种数据处理方法，其特征在于，包括：
接收中央处理器发送的整体特征信息；
基于所述整体特征信息，更新预先构建的渲染数据中的整体特征信息；
利用更新后的渲染数据执行可视化操作，获得与所述整体特征信息对应的可视化结果。
42.一种数据处理系统，其特征在于，包括：
数据提供设备，用于发送多个关联型数据；
数据处理设备中的中央处理器，用于在一个数据帧中接收多个关联型数据，确定与关联型数据对应的特征信息；基于各个特征信息更新预先构建的多个预设整体特征信息；将更新后的整体特征信息发送至图形处理器；其中，预设数量的特征信息执行划分操作后获得多个关联型数据集合，每个整体特征信息至少由一个关联型数据集合中的特征信息执行合并操作后获得；
数据处理设备中的图形处理器，用于接收中央处理器发送的整体特征信息以及整体标识；在预先构建的多个渲染数据中，确定与所述整体标识对应的渲染数据；基于所述整体特征信息，更新与该渲染数据中的整体特征信息；利用更新后的渲染数据执行可视化操作，获得与所述整体特征信息对应的可视化结果。
43.一种数据处理方法，其特征在于，包括：
在一个数据帧中接收多个关联型数据，确定与关联型数据对应的特征信息；
基于各个特征信息更新预先构建的多个预设整体特征信息；其中，预设数量的特征信息执行划分操作后获得多个关联型数据集合，每个整体特征信息由一个关联型数据集合中的特征信息执行合并操作后获得；
将更新后的整体特征信息发送至图形处理器。
44.如权利要求43所述的方法，其特征在于，中央处理器包括休眠特征标识集合和唤醒特征标识集合，且，所述休眠特征标识集合中特征标识的数量，及所述唤醒特征标识集合中特征标识的数量的和值等于所述预设数量；
其中，所述休眠特征标识集合中每个特征标识对应的特征信息、处于未被使用的休眠状态；
所述唤醒特征标识集合中每个特征标识对应的特征信息、处于正在使用的唤醒状态。
45.如权利要求44所述的方法，其特征在于，所述基于各个特征信息更新预先构建的整体特征信息，包括：
针对各个特征信息中的一个目标特征信息，判断所述休眠特征标识集合是否为空集；若否，则在所述休眠特征标识集合中选择一个特征标识，并确定该特征信息对应的整体标识；
在所述整体标识对应的整体特征信息中，利用所述目标特征信息、更新所述整体特征信息中与该特征标识对应的特征信息；
将该特征标识对应的状态标识修改为唤醒状态，并添加至所述唤醒特征标识集合中。
46.如权利要求45所述的方法，其特征在于，还包括：
判断所述唤醒特征标识集合中特征标识对应的特征信息是否更新结束；
若未更新结束，则利用位置函数更新特征信息的位置数组，并利用颜色函数更新颜色数组；
若已更新结束，则将该特征信息设置为不可见状态，并将该特征信息的状态标识修改为休眠状态，并添加至休眠特征标识集合中。
47.如权利要求46所述的方法，其特征在于，所述将该特征信息设置为不可见状态，包括：
将该特征信息的颜色数组中的透明度设置为100％；或者，
将该特征信息的位置数组中各个位置点的坐标设为一致。
48.一种数据处理系统，其特征在于，包括：
数据提供设备，用于发送多个关联型数据；
数据处理设备中的中央处理器，用于在一个数据帧中接收多个关联型数据，确定与关联型数据对应的特征信息；基于各个特征信息更新预先构建的多个预设整体特征信息；其中，预设数量的特征信息执行划分操作后获得多个关联型数据集合，每个整体特征信息由一个关联型数据集合中的特征信息以及每对相邻特征信息之间的连接信息、执行合并操作后获得；将更新后的整体特征信息发送至图形处理器；
数据处理设备中的图形处理器，用于接收中央处理器发送的整体特征信息以及整体标识；在预先构建的多个渲染数据中，确定与所述整体标识对应的渲染数据；基于所述整体特征信息，更新与该渲染数据中的整体特征信息；利用更新后的渲染数据执行可视化操作，获得与所述整体特征信息对应的可视化结果。
49.一种数据处理方法，其特征在于，包括：
在一个数据帧中接收多个关联型数据，确定与关联型数据对应的特征信息；
基于各个特征信息更新预先构建的多个预设整体特征信息；其中，预设数量的特征信息执行划分操作后获得多个关联型数据集合，每个整体特征信息由一个关联型数据集合中的特征信息以及每对相邻特征信息之间的连接信息、执行合并操作后获得；将更新后的整体特征信息发送至图形处理器。
50.如权利要求49所述的方法，其特征在于，中央处理器包括休眠特征标识集合和唤醒特征标识集合，且，所述休眠特征标识集合中特征标识的数量，及所述唤醒特征标识集合中特征标识的数量的和值等于所述预设数量；
其中，所述休眠特征标识集合中每个特征标识对应的特征信息、处于未被使用的休眠状态；
所述唤醒特征标识集合中每个特征标识对应的特征信息、处于正在使用的唤醒状态。
51.如权利要求50所述的方法，其特征在于，所述基于各个特征信息更新预先构建的预设整体特征信息，包括：
针对各个特征信息中的一个目标特征信息，判断所述休眠特征标识集合是否为空集；
若否，则在所述休眠特征标识集合中选择一个特征标识；
利用所述目标特征信息、更新所述整体特征信息中与该特征标识对应的特征信息，以及更新与所述目标特征信息相邻的两个连接信息；
将该特征信息的状态标识修改为唤醒状态，并添加至唤醒特征标识集合中。
52.如权利要求50所述的方法，其特征在于，还包括：
判断所述唤醒特征标识集合中特征标识对应的特征信息是否更新结束；
若未更新结束，则利用位置函数更新特征信息的位置数组，并利用颜色函数更新颜色数组；
若已更新结束，则将该特征信息设置为不可见状态，并将该特征信息的状态标识修改为休眠状态，并添加至休眠特征标识集合中。
53.如权利要求52所述的方法，其特征在于，所述将该特征信息设置为不可见状态，包括：
将该特征信息的颜色数组中的透明度设置为100％；或者，
将该特征信息的位置数组中各个位置点的坐标设为一致。
54.一种数据处理方法，其特征在于，包括：
接收中央处理器发送的整体特征信息以及整体标识；
在预先构建的多个渲染数据中，确定与所述整体标识对应的渲染数据；
基于所述整体特征信息，更新与该渲染数据中的整体特征信息；
利用更新后的渲染数据执行可视化操作，获得与所述整体特征信息对应的可视化结果。
55.一种数据处理方法，其特征在于，包括：
中央处理器在一个数据帧中获取多个关联型数据：关联型数据1、关联型数据2…关联型数据i…关联型数据N；其中，1≤i≤N，i和N均为非零自然数；
中央处理器确定与每个关联型数据对应的特征信息：特征信息1、特征信息2…特征信息i…特征信息N；其中，特征信息i包括位置数组和颜色数组；
中央处理器确定与每对相邻关联型数据对应的连接信息：特征信息1与特征信息2对应的连接信息1、特征信息2与特征信息3对应的连接信息2……特征信息i与特征信息i+1对应的连接信息i……特征信息N-1与特征信息N对应的连接信息N-1；连接信息i包括位置数组和颜色数组；
中央处理器将各个特征信息与各个连接信息执行合并操作，并获得整体特征信息：特征信息1、连接信息1、特征信息2、连接信息2…特征信息i、连接信息i…连接信息N-1、特征信息N；
获取各个关联型数据对应的各个几何信息：几何信息1、几何信息2……几何信息N，并将各个几何信息和所述整体特征信息发送至图形处理器；每个几何信息包括：形状数组、宽度特征值和弧度特征值；
图形处理器接收中央处理器发送的整体特征信息和各个几何信息；基于所述整体特征信息和各个几何信息执行渲染操作，获得渲染数据；利用所述渲染数据执行可视化操作、并获得可视化结果。
56.如权利要求55所述的方法，其特征在于，所述关联型数据包括：
电信领域中电话呼叫的主叫方地址和被叫方地址；或，
电信领域中短讯息的发送方地址和接收方地址；或，
即时通讯领域中即时通讯软件中消息的发送方地址和接收方地址；或，
在发送邮件领域中邮件的发送方地址和接收方地址；或，
交通领域中车辆的起始地址和目的地址；车辆可以包括：私家轿车、火车、公交车、飞机、军用作战车辆、船只和/或自行车；或，
游戏领域中的虚拟炮火或虚拟箭矢武器的起始点和目的点；或，
群体流向技术领域中群体流向的起始地址和目的地址；或，
天气领域中的气流、台风或风向的起始位置和目的位置；或，
天文领域中的星球移动的起始位置和目的位置。
CN201610818816.4A 2016-09-12 2016-09-12 数据处理方法及系统 Active CN107818069B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201610818816.4A CN107818069B (zh) 2016-09-12 2016-09-12 数据处理方法及系统
TW106115501A TWI739828B (zh) 2016-09-12 2017-05-10 資料處理方法及系統
US15/690,593 US10482564B2 (en) 2016-09-12 2017-08-30 Method and system for improving GPU performance during data-intensive visualization operations
JP2019503288A JP7095852B2 (ja) 2016-09-12 2017-08-31 データ集約型視覚化動作におけるｇｐｕ性能を向上する方法およびシステム
PCT/US2017/049581 WO2018048711A1 (en) 2016-09-12 2017-08-31 Method and system for improving gpu performance during data-intensive visualization operations

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610818816.4A CN107818069B (zh) 2016-09-12 2016-09-12 数据处理方法及系统

Publications (2)

Publication Number Publication Date
CN107818069A true CN107818069A (zh) 2018-03-20
CN107818069B CN107818069B (zh) 2021-10-01

Family

ID=61558792

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610818816.4A Active CN107818069B (zh) 2016-09-12 2016-09-12 数据处理方法及系统

Country Status (5)

Country Link
US (1) US10482564B2 (zh)
JP (1) JP7095852B2 (zh)
CN (1) CN107818069B (zh)
TW (1) TWI739828B (zh)
WO (1) WO2018048711A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109167979A (zh) * 2018-10-30 2019-01-08 深兰科技（上海）有限公司 多路监控视频人工智能分析的处理方法及系统
WO2022089504A1 (zh) * 2020-10-28 2022-05-05 华为技术有限公司 一种数据处理方法及相关装置
CN114760526A (zh) * 2022-03-31 2022-07-15 北京百度网讯科技有限公司 一种视频渲染方法、装置、电子设备及存储介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110959157B (zh) 2018-05-01 2024-03-12 谷歌有限责任公司 加速大规模相似性计算
CN111930464B (zh) * 2020-10-14 2021-02-12 蘑菇车联信息科技有限公司 地图引擎的资源配置方法、装置及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1753031A (zh) * 2005-11-10 2006-03-29 北京航空航天大学 基于gpu的粒子系统
US20090251475A1 (en) * 2008-04-08 2009-10-08 Shailendra Mathur Framework to integrate and abstract processing of multiple hardware domains, data types and format
CN102890829A (zh) * 2011-10-24 2013-01-23 克拉玛依红有软件有限责任公司 一种基于gpu的渲染地形的方法
CN105393282A (zh) * 2013-05-15 2016-03-09 谷歌公司 图形元素的有效合成和渲染
CN105894439A (zh) * 2016-04-05 2016-08-24 中国海洋大学 基于CUDA的海洋涡旋及Argo浮标交集数据快速提取算法

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU6503800A (en) 1999-07-30 2001-02-19 Pixlogic Llc Perceptual similarity image retrieval
CN1421020B (zh) 1999-11-23 2010-04-28 佳能株式会社 图像处理设备
JP4010091B2 (ja) * 2000-03-23 2007-11-21 セイコーエプソン株式会社 メモリデバイスおよびその製造方法
US7623648B1 (en) 2004-12-01 2009-11-24 Tellme Networks, Inc. Method and system of generating reference variations for directory assistance data
US9342459B2 (en) * 2002-08-06 2016-05-17 Qualcomm Incorporated Cache management in a mobile device
US7986358B1 (en) 2003-02-25 2011-07-26 Matrox Electronic Systems, Ltd. Bayer image conversion using a graphics processing unit
US7728841B1 (en) 2005-12-19 2010-06-01 Nvidia Corporation Coherent shader output for multiple targets
US8212826B1 (en) 2006-02-03 2012-07-03 Nvidia Corporation Using graphics processing unit (“GPU”)-generated data in-situ to characterize the ability of a cable to carry digitized video
US8044955B1 (en) 2007-08-31 2011-10-25 Adobe Systems Incorporated Dynamic tessellation spreading for resolution-independent GPU anti-aliasing and rendering
US8026912B1 (en) 2007-12-04 2011-09-27 Nvidia Corporation System and method for structuring an A-buffer
US9064333B2 (en) 2007-12-17 2015-06-23 Nvidia Corporation Interrupt handling techniques in the rasterizer of a GPU
US20100091018A1 (en) 2008-07-11 2010-04-15 Advanced Micro Devices, Inc. Rendering Detailed Animated Three Dimensional Characters with Coarse Mesh Instancing and Determining Tesselation Levels for Varying Character Crowd Density
US20100013854A1 (en) 2008-07-18 2010-01-21 Microsoft Corporation Gpu bezier path rasterization
US8754904B2 (en) 2011-04-03 2014-06-17 Lucidlogix Software Solutions, Ltd. Virtualization method of vertical-synchronization in graphics systems
US8169434B2 (en) 2008-09-29 2012-05-01 Microsoft Corporation Octree construction on graphics processing units
US8290882B2 (en) 2008-10-09 2012-10-16 Microsoft Corporation Evaluating decision trees on a GPU
US8269775B2 (en) * 2008-12-09 2012-09-18 Qualcomm Incorporated Discarding of vertex points during two-dimensional graphics rendering using three-dimensional graphics hardware
JP5526919B2 (ja) * 2010-03-26 2014-06-18 株式会社デンソー 地図表示装置
US20110285736A1 (en) 2010-05-21 2011-11-24 Kilgard Mark J Decomposing cubic bèzier segments for tessellation-free stencil filling
US20120001905A1 (en) 2010-06-30 2012-01-05 Ati Technologies, Ulc Seamless Integration of Multi-GPU Rendering
US8319772B2 (en) * 2010-07-23 2012-11-27 Microsoft Corporation 3D layering of map metadata
US8670613B2 (en) * 2010-08-31 2014-03-11 Nvidia Corporation Lossless frame buffer color compression
EP2616954B1 (en) * 2010-09-18 2021-03-31 Google LLC A method and mechanism for rendering graphics remotely
US8516578B1 (en) 2010-12-22 2013-08-20 Google Inc. Vertex array access bounds checking
US9286589B2 (en) 2011-10-14 2016-03-15 Caelo Media, Llc Method and system for customizing a project
KR101338370B1 (ko) 2012-04-27 2013-12-10 주식회사 컴퍼니원헌드레드 지피유를 이용한 2차원 벡터 그래픽스 패스의 배치 렌더링 방법
US9275498B2 (en) 2012-08-09 2016-03-01 Qualcomm Incorporated GPU-accelerated path rendering
US9304730B2 (en) 2012-08-23 2016-04-05 Microsoft Technology Licensing, Llc Direct communication between GPU and FPGA components
JP5883817B2 (ja) * 2013-03-21 2016-03-15 株式会社ジオ技術研究所 描画データ生成装置および描画装置
US20150019625A1 (en) * 2013-07-09 2015-01-15 Google Inc. Providing indoor map data to a client computing device
US20150178404A1 (en) * 2013-12-20 2015-06-25 Urban Engines, Inc. Fast rendering of visualization
US10140678B2 (en) 2015-12-18 2018-11-27 Intel Corporation Specialized code paths in GPU processing

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1753031A (zh) * 2005-11-10 2006-03-29 北京航空航天大学 基于gpu的粒子系统
US20090251475A1 (en) * 2008-04-08 2009-10-08 Shailendra Mathur Framework to integrate and abstract processing of multiple hardware domains, data types and format
CN102890829A (zh) * 2011-10-24 2013-01-23 克拉玛依红有软件有限责任公司 一种基于gpu的渲染地形的方法
CN105393282A (zh) * 2013-05-15 2016-03-09 谷歌公司 图形元素的有效合成和渲染
CN105894439A (zh) * 2016-04-05 2016-08-24 中国海洋大学 基于CUDA的海洋涡旋及Argo浮标交集数据快速提取算法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109167979A (zh) * 2018-10-30 2019-01-08 深兰科技（上海）有限公司 多路监控视频人工智能分析的处理方法及系统
WO2022089504A1 (zh) * 2020-10-28 2022-05-05 华为技术有限公司 一种数据处理方法及相关装置
CN114760526A (zh) * 2022-03-31 2022-07-15 北京百度网讯科技有限公司 一种视频渲染方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN107818069B (zh) 2021-10-01
JP2019533211A (ja) 2019-11-14
TWI739828B (zh) 2021-09-21
TW201812693A (zh) 2018-04-01
WO2018048711A1 (en) 2018-03-15
JP7095852B2 (ja) 2022-07-05
US20180075571A1 (en) 2018-03-15
US10482564B2 (en) 2019-11-19

Similar Documents

Publication Publication Date Title
CN107818069B (zh) 数据处理方法及系统
CN109413480B (zh) 画面处理方法、装置、终端及存储介质
CN106296786B (zh) 游戏场景可见区域的确定方法及装置
US9480914B2 (en) Online gaming
CN106780642B (zh) 迷雾遮罩贴图的生成方法及装置
CN103688240B (zh) 用于发送数字场景描述数据的方法以及发送器和接收器场景处理设备
CN105597321B (zh) 一种全屏游戏状态下的弹幕显示方法与系统
CN110368694A (zh) 游戏场景的数据处理方法、装置、设备及可读存储介质
CN111080780A (zh) 虚拟角色模型的边缘处理方法和装置
US10504280B2 (en) Accelerated occlusion computation
US9208752B2 (en) Method for synchronous representation of a virtual reality in a distributed simulation system
CN106982240A (zh) 信息的显示方法和装置
US20160263479A1 (en) Storage medium having stored therein game program, game apparatus, game system, and game processing method
CN104616119A (zh) 用于提供历史订单数据和实时订单列表的方法及设备
CN116977531A (zh) 三维纹理图像的生成方法、装置、计算机设备和存储介质
CN116402931A (zh) 体积渲染方法、装置、计算机设备和计算机可读存储介质
EP3503039A1 (en) Data processing device, data processing method, and computer program
CN108230430A (zh) 云层遮罩图的处理方法及装置
CN106204710A (zh) 基于图像二维信息熵的纹理块映射到三维网格模型的方法
US9443344B2 (en) Method for rendering data of a three-dimensional surface
US10186061B1 (en) Proximate-tile-type-based map generation
CN104156999A (zh) 一种三维场景渲染方法
CN113592999A (zh) 一种虚拟发光体的渲染方法及相关设备
US8897821B2 (en) Method for providing visual effect messages and associated communication system and transmitting end
US20230316656A1 (en) Information processing device, information processing method, and program

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant