CN109271358A - 数据汇总方法、查询方法、装置、设备及存储介质 - Google Patents

Abstract

本发明实施例公开了一种数据汇总方法、查询方法、装置、设备及存储介质。该方法包括：当检测到线上产生数据日志时，采集所述数据日志对应的数据；将所述数据写入与数据主题对应的消息队列中；从所述消息队列中读取设定数量的数据；将所述设定数量的数据分布式的汇总至明文库中，将所述设定数量的数据按照设定规则加密后分布式的汇总至密文库中。本发明实施例提供的数据汇总方法，在检测到产生数据日志时，就将数据日志对应的数据写入消息队列中，可以提高数据汇总的及时性，对设定数量的数据分布式的汇总至明文库和密文库，可以避免由于单机汇总而造成的效率低下，从而提高数据汇总的效率。

Description

数据汇总方法、查询方法、装置、设备及存储介质

技术领域

本发明实施例涉及数据处理技术领域，尤其涉及一种数据汇总方法、查询方法、装置、设备及存储介质。

背景技术

随着互联网的快速发展，互联网中时时刻刻都在产生大量的数据，为了对产生的大量数据进行有效的管理，对于这些数据进行分库分表。运营人员为了进行大数据分析，如需要统计各种各样的指标、趋势等，需要将分库分表中的数据汇总到单库单表中，以方便对数据进行分析，从而解决运营分析问题。

现有技术中，采用脚本的方式将分库分表的数据汇总至单库单表中，这种方式不能及时的将线上产生的数据进行汇总，延时高，而且采用脚本的方式调用数据，容错性差，从而影响汇总数据的效率。

发明内容

本发明实施例提供一种数据汇总方法、查询方法、装置、设备及存储介质，以实现对分库分表数据的汇总，提高数据汇总的及时性以及效率。

第一方面，本发明实施例提供了一种数据汇总方法，该方法包括：

当检测到线上产生数据日志时，采集所述数据日志对应的数据；

将所述数据写入与数据主题对应的消息队列中；

从所述消息队列中读取设定数量的数据；

将所述设定数量的数据分布式的汇总至明文库中，将所述设定数量的数据按照设定规则加密后分布式的汇总至密文库中。

进一步地，将所述数据写入与数据主题对应的消息队列中，包括：

获取所述数据对应的分库分表的主题信息；

根据所述主题信息，将所述数据写入对应的消息队列中。

进一步地，从所述消息队列中读取设定数量的数据，包括：

若读取设定数量的数据失败，则重新从所述消息队列中读取所述设定数量的数据。

进一步地，将所述设定数量的数据按照设定规则加密后分布式的汇总至密文库中，包括：

获取设定规则中规定的所需加密处理的字段；

对包括所述字段的数据进行加密；

对加密处理后的所述设定数量的数据分布式的汇总至密文数据库。

进一步对，所述消息队列为Kafka消息队列，所述明文数据库和密文数据库均为hive数据库。

第二方面，本发明实施例还提供了一种数据查询方法，该方法包括：

获取待查询数据对应的查询语句；

根据所述查询语句向分布式密文库中获取多个子数据；

将所述多个子数据组合去重后获得目标查询数据。：

第三方面，本发明实施例还提供了一种数据汇总装置，该装置包括：

数据采集模块，用于当检测到线上产生数据日志时，采集所述数据日志对应的数据；

消息队列写入模块，用于将所述数据写入与数据主题对应的消息队列中；

数据读取模块，用于从所述消息队列中读取设定数量的数据；

数据汇总模块，用于将所述设定数量的数据分布式的汇总至明文库中，将所述设定数量的数据按照设定规则加密后分布式的汇总至密文库中。

第四方面，本发明实施例还公开了一种数据查询装置，该装置包括：

查询语句获取模块，用于获取待查询数据对应的查询语句；

子数据获取模块，用于根据所述查询语句向分布式密文库中获取多个子数据；

目标查询数据获取模块，用于将所述多个子数据组合去重后获得目标查询数据。

第五方面，本发明实施例还公开了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实实施例所述的数据汇总方法或本发明实施例所述的数据查询方法。

第六方面，本发明实施例还公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所述的数据汇总方法或本发明实施例所述的数据查询方法。

本发明实施例，当检测到线上产生数据日志时，首先采集数据日志对应的数据，然后将数据写入与数据主题对应的消息队列中，在然后从消息队列中读取设定数量的数据，最后将设定数量的数据分布式的汇总至明文库中，将设定数量的数据按照设定规则加密后分布式的汇总至密文库中。本发明实施例提供的数据汇总方法，在检测到产生数据日志时，就将数据日志对应的数据写入消息队列中，可以提高数据汇总的及时性，对设定数量的数据分布式的汇总至明文库和密文库，可以避免由于单机汇总而造成的效率低下，从而提高数据汇总的效率。

附图说明

图1是本发明实施例一中的一种数据汇总方法的流程图；

图2是本发明实施例一中的一种数据汇总方法的原理图；

图3是本发明实施例二中的一种数据查询方法的流程图；

图4是本发明实施例三中的一种数据汇总装置的结构示意图；

图5是本发明实施例四中的一种数据查询装置的结构示意图；

图6是本发明实施例五中的一种计算机设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种数据汇总方法的流程图，本实施例可适用于对分库分表书库进行汇总的情况，该方法可以由一种数据汇总装置来执行，该装置可由硬件和/或软件组成，并一般可集成在具有数据汇总功能的设备中，该设备可以是服务器、移动终端或服务器集群等电子设备。如图1所示，该方法具体包括如下步骤：

步骤110，当检测到线上产生数据日志时，采集数据日志对应的数据。

当网络中产生数据并进行分库分表时，会产生数据库日志(binlog)，对数据库日志进行实时的检测，当产生数据日志时，对数据日志对应的数据进行采集。本实施例中，对线上数据进行实时采集，可以保证数据汇总的实时性。

步骤120，将数据写入与数据主题对应的消息队列中。

其中，数据主题可以是数据所在的分库分表的主题信息，数据主题可以是根据产生数据的业务类型来划分，例如：社交类业务、电商类业务、游戏类业务等。消息队列可以是Kafka消息队列。本实施例中，会根据数据主题类型的数量来建立消息队列，一种主题的数据对应一个消息队列。示例性的，假设当前有社交类主题、电商类主题和游戏类主题，则会建立社交类消息队列、电商类消息队列和游戏类消息队列。

可选的，将数据写入与数据主题对应的消息队列中，可通过下述方式实施：获取数据对应的分库分表的主题信息；根据主题信息，将数据写入对应的消息队列中。

本实施例中，网络中产生的数据会按照主题信息被分库分表，在获取到数据日志对应的数据后，获取数据对应的分库分表的主题信息，然后根据主题信息将数据写入对应的消息队列中。示例性的，某个数据对应的分库分表的主题信息为社交类，则将该数据写入社交类消息队列中。

步骤130，从消息队列中读取设定数量的数据。

其中，设定数量可以由系统的承载能力来确定，例如：可以设置为1万-2万条之间的任意值。本实施例中，系统从消息队列中读取数据的方式可以是每隔设定时间(如10秒)读取一次，或者在当前读取任务成功完成后就接着下一次读取。本实施例中，数据在消息队列中可以存续一定时间段，当数据被读取之后，仍然会存在消息队列中，系统每一次读取数据后，会在读取到的数据进行标记，以防止重复读取。可选的，若读取设定数量的数据失败，则重新从消息队列中读取设定数量的数据。假设在读取当前1万条数据时，在读取到第3千条时，出现错误，则重新读取这1万条数据。

可选的，对于不同主题的消息队列，会启动不同的读取数据任务读取数据，消息队列之间互不影响。

步骤140，将设定数量的数据分布式的汇总至明文库中，将设定数量的数据按照设定规则加密后分布式的汇总至密文库中。

其中，明文数据库和密文数据库均为hive数据库。分布式可以理解为多个服务器并行的处理数据。具体的，在从消息队列中读取到设定数量的数据后，对设定数量的数据进行分布式汇总，对数据以两种方式进行汇总，一种是直接汇总至明文库，另一种是对数据进行加密处理后汇总至密文库。可选的，将所述设定数量的数据按照设定规则加密后分布式的汇总至密文库中，可通过下述方式实施：获取设定规则中规定的所需加密处理的字段；对包括字段的数据进行加密；对加密处理后的设定数量的数据分布式的汇总至密文数据库。

其中，所需加密的字段可以是涉及用户隐私的字段，例如：手机号、身份证号等敏感数据。具体的，根据设定规则的规定，对包含需要加密的字段的数据做加密处理，最后将加密处理后的设定数量的数据汇总至密文数据库。

示例性的，图2为本发明实施例一提供的一种数据汇总方法的原理图，如图2所示，数据采集系统根据数据库binlog实时采集数据，然后将采集的数据写入Kafka消息队列，数据汇总系统读取Kafka消息队列读取设定数量的数据，一种是将数据直接分布式的汇总至hive-明文数据库，一种是根据设定规则将需要加密的数据加密后分布式的汇总至hive-密文数据库。业务人员可以查询密文库中的数据，只有高级业务人员才可以查询明文库中的数据。

本实施例的技术方案，当检测到线上产生数据日志时，首先采集数据日志对应的数据，然后将数据写入与数据主题对应的消息队列中，在然后从消息队列中读取设定数量的数据，最后将设定数量的数据分布式的汇总至明文库中，将设定数量的数据按照设定规则加密后分布式的汇总至密文库中。本发明实施例提供的数据汇总方法，在检测到产生数据日志时，就将数据日志对应的数据写入消息队列中，可以提高数据汇总的及时性，对设定数量的数据分布式的汇总至明文库和密文库，可以避免由于单机汇总而造成的效率低下，从而提高数据汇总的效率。

实施例二

图3是为本发明实施例二提供的一种数据查询方法的流程图，本实施例可适用于对汇总后的数据进行查询的情况，该方法可以由一种数据查询装置来执行，该装置可由硬件和/或软件组成，并一般可集成在具有数据查询功能的设备中，该设备可以是服务器、移动终端或服务器集群等电子设备。如图3所示，该方法具体包括如下步骤：

步骤310，获取待查询数据对应的查询语句。

业务人员向密文库中查询汇总后的数据时，向查询系统输入待查询数据的查询语句。查询语句中包含有识别待查询数据的关键字信息。

步骤320，根据查询语句向分布式密文库中获取多个子数据。

由于汇总后的数据被分布式的存储在不同的服务器中的密文库中，查询系统根据查询语句向分布式密文库中获取多个子数据。

步骤330，将多个子数据组合去重后获得目标查询数据。

在获得多个子数据后，将多个子数据进行组合并去重后获得目标查询数据。

本实施例的技术方案，获取待查询数据对应的查询语句，根据查询语句向分布式密文库中获取多个子数据，将多个子数据组合去重后获得目标查询数据。对数据进行分布式查询，可以提高查询效率。

实施例三

图4为本发明实施例三提供的一种数据汇总装置的结构示意图。如图4所示，该装置包括：数据采集模块410，消息队列写入模块420，数据读取模块430和数据汇总模块440。

数据采集模块410，用于当检测到线上产生数据日志时，采集数据日志对应的数据；

消息队列写入模块420，用于将数据写入与数据主题对应的消息队列中；

数据读取模块430，用于从消息队列中读取设定数量的数据；

数据汇总模块440，用于将设定数量的数据分布式的汇总至明文库中，将设定数量的数据按照设定规则加密后分布式的汇总至密文库中。

可选的，消息队列写入模块420，还用于：

获取数据对应的分库分表的主题信息；

根据主题信息，将数据写入对应的消息队列中。

可选的，数据读取模块430，还用于：

若读取设定数量的数据失败，则重新从消息队列中读取设定数量的数据。

可选的，数据汇总模块440，还用于：

获取设定规则中规定的所需加密处理的字段；

对包括字段的数据进行加密；

对加密处理后的设定数量的数据分布式的汇总至密文数据库。

可选的，消息队列为Kafka消息队列，明文数据库和密文数据库均为hive数据库。

实施例四

图5为本发明实施例四提供的一种数据查询装置的结构示意图。如图5所示，该装置包括：查询语句获取模块510，子数据获取模块520和目标查询数据获取模块530。

查询语句获取模块510，用于获取待查询数据对应的查询语句；

子数据获取模块520，用于根据查询语句向分布式密文库中获取多个子数据；

目标查询数据获取模块530，用于将多个子数据组合去重后获得目标查询数据。

本发明前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明前述所有实施例所提供的方法。

实施例五

图6为本发明实施例五提供的一种计算机设备的结构示意图。图6示出了适于用来实现本发明实施方式的计算机设备612的框图。图6显示的计算机设备612仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。设备612典型的是承担数据汇总或者数据查询功能的计算设备。

如图6所示，计算机设备612以通用计算设备的形式表现。计算机设备612的组件可以包括但不限于：一个或者多个处理器616，存储装置628，连接不同系统组件(包括存储装置628和处理器616)的总线618。

总线618表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。

计算机设备612典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备612访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储装置628可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)630和/或高速缓存存储器632。计算机设备612可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统634可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线618相连。存储装置628可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块626的程序636，可以存储在例如存储装置628中，这样的程序模块626包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块626通常执行本发明所描述的实施例中的功能和/或方法。

计算机设备612也可以与一个或多个外部设备614(例如键盘、指向设备、摄像头、显示器624等)通信，还可与一个或者多个使得用户能与该计算机设备612交互的设备通信，和/或与使得该计算机设备612能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口622进行。并且，计算机设备612还可以通过网络适配器620与一个或者多个网络(例如局域网(Local AreaNetwork，LAN)，广域网Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器620通过总线618与计算机设备612的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备612使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks，RAID)系统、磁带驱动器以及数据备份存储系统等。

处理器616通过运行存储在存储装置628中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的数据汇总或者数据查询方法。

实施例六

本发明实施例六还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的数据汇总或者数据查询方法。

当然，本发明实施例所提供的一种计算机可读存储介质，其上存储的计算机程序不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的数据汇总或者数据查询方法中的相关操作。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种数据汇总方法，其特征在于，包括：

当检测到线上产生数据日志时，采集所述数据日志对应的数据；

将所述数据写入与数据主题对应的消息队列中；

从所述消息队列中读取设定数量的数据；

将所述设定数量的数据分布式的汇总至明文库中，将所述设定数量的数据按照设定规则加密后分布式的汇总至密文库中。

2.根据权利要求1所述的方法，其特征在于，将所述数据写入与数据主题对应的消息队列中，包括：

获取所述数据对应的分库分表的主题信息；

根据所述主题信息，将所述数据写入对应的消息队列中。

3.根据权利要求1所述的方法，其特征在于，从所述消息队列中读取设定数量的数据，包括：

若读取设定数量的数据失败，则重新从所述消息队列中读取所述设定数量的数据。

4.根据权利要求1所述的方法，其特征在于，将所述设定数量的数据按照设定规则加密后分布式的汇总至密文库中，包括：

获取设定规则中规定的所需加密处理的字段；

对包括所述字段的数据进行加密；

对加密处理后的所述设定数量的数据分布式的汇总至密文数据库。

5.根据权利要求1所述的方法，其特征在于，所述消息队列为Kafka消息队列，所述明文数据库和密文数据库均为hive数据库。

6.一种数据查询方法，其特征在于，包括：

获取待查询数据对应的查询语句；

根据所述查询语句向分布式密文库中获取多个子数据；

将所述多个子数据组合去重后获得目标查询数据。

7.一种数据汇总装置，其特征在于，包括：

数据采集模块，用于当检测到线上产生数据日志时，采集所述数据日志对应的数据；

消息队列写入模块，用于将所述数据写入与数据主题对应的消息队列中；

数据读取模块，用于从所述消息队列中读取设定数量的数据；

数据汇总模块，用于将所述设定数量的数据分布式的汇总至明文库中，将所述设定数量的数据按照设定规则加密后分布式的汇总至密文库中。

8.一种数据查询装置，其特征在于，包括：

查询语句获取模块，用于获取待查询数据对应的查询语句；

子数据获取模块，用于根据所述查询语句向分布式密文库中获取多个子数据；

目标查询数据获取模块，用于将所述多个子数据组合去重后获得目标查询数据。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5中任一所述的数据汇总方法或权利要求6所述的数据查询方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一所述的数据汇总方法或权利要求6所述的数据查询方法。