CN109298947A - 分布式系统中的数据处理方法及装置、计算设备 - Google Patents
分布式系统中的数据处理方法及装置、计算设备 Download PDFInfo
- Publication number
- CN109298947A CN109298947A CN201811242816.XA CN201811242816A CN109298947A CN 109298947 A CN109298947 A CN 109298947A CN 201811242816 A CN201811242816 A CN 201811242816A CN 109298947 A CN109298947 A CN 109298947A
- Authority
- CN
- China
- Prior art keywords
- data
- keyword
- keywords
- processing
- corresponding data
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 104
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000013507 mapping Methods 0.000 claims abstract description 24
- 238000005070 sampling Methods 0.000 claims description 36
- 238000004891 communication Methods 0.000 claims description 22
- 238000001514 detection method Methods 0.000 claims description 14
- 230000009467 reduction Effects 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims 2
- 230000008569 process Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000007430 reference method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5083—Techniques for rebalancing the load in a distributed system
- G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5017—Task decomposition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5022—Workload threshold
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种分布式系统中的数据处理方法及装置、计算设备，方法包括：根据预设倾斜阈值，判断多个第一关键字中是否存在至少一个第一关键字对应的数据造成数据倾斜；若是，将至少一个第一关键字对应的数据进行分组处理，得到多个数据分组，并根据预设映射规则生成与多个数据分组对应的多个第二关键字；将多个第二关键字对应的数据分组分配给分布式系统中的多个计算节点分别处理；将处理后的多个第二关键字对应的数据分组进行合并处理，还原得到至少一个第一关键字对应的数据。通过判断数据是否造成数据倾斜，对造成数据倾斜的数据进行分组处理，将多个数据分组分配给分布式系统中的多个计算节点分别处理，将数据进行平衡，消除数据倾斜。
Description
技术领域
本发明涉及软件领域，具体涉及一种分布式系统中的数据处理方法及装置、计算设备。
背景技术
数据倾斜是一种很常见的问题，在计算数据时，数据的分散度不够，导致大量的数据集中到了一台或者几台机器节点上计算，这些数据的计算速度远远低于平均计算速度，导致整个计算过程过慢，拖慢了整个任务的执行时间，使得已经执行完成的节点都等待未执行完成的节点。极端情况下，甚至会由于执行速度过慢导致整个任务执行失败。
因此，为避免数据倾斜所造成的后果，需要一种分布式系统中的数据处理方法。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的分布式系统中的数据处理方法及装置、计算设备、计算机存储介质。
根据本发明的一个方面，提供了一种分布式系统中的数据处理方法，其包括：
根据预设倾斜阈值，判断多个第一关键字中是否存在至少一个第一关键字对应的数据造成数据倾斜；其中，每个第一关键字对应的数据被分布式系统中的一个计算节点处理；
若是，将至少一个第一关键字对应的数据进行分组处理，得到多个数据分组，并根据预设映射规则生成与多个数据分组对应的多个第二关键字；
将多个第二关键字对应的数据分组分配给分布式系统中的多个计算节点分别处理；
将处理后的多个第二关键字对应的数据分组进行合并处理，还原得到至少一个第一关键字对应的数据。
根据本发明的另一方面，提供了
根据本发明的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间的通信；
存储器用于存放至少一可执行指令，可执行指令使处理器执行上述分布式系统中的数据处理方法对应的操作。
根据本发明的再一方面，提供了一种计算机存储介质，存储介质中存储有至少一可执行指令，可执行指令使处理器执行如上述分布式系统中的数据处理方法对应的操作。
根据本发明提供的分布式系统中的数据处理方法及装置、计算设备、计算机存储介质，根据预设倾斜阈值，判断多个第一关键字中是否存在至少一个第一关键字对应的数据造成数据倾斜；若是，将至少一个第一关键字对应的数据进行分组处理，得到多个数据分组，并根据预设映射规则生成与多个数据分组对应的多个第二关键字；将多个第二关键字对应的数据分组分配给分布式系统中的多个计算节点分别处理；将处理后的多个第二关键字对应的数据分组进行合并处理，还原得到至少一个第一关键字对应的数据。通过判断数据是否造成数据倾斜，对造成数据倾斜的数据进行分组处理，将多个数据分组分配给分布式系统中的多个计算节点分别处理，将数据进行平衡，消除数据倾斜，提高数据处理效率。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了根据本发明一个实施例的分布式系统中的数据处理方法的流程图；
图2示出了根据本发明另一个实施例的分布式系统中的数据处理方法的流程图；
图3示出了根据本发明一个实施例的分布式系统中的数据处理装置的功能框图；
图4示出了根据本发明一个实施例的一种计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例的分布式系统中的数据处理方法的流程图。如图1所示，分布式系统中的数据处理方法具体包括如下步骤：
步骤S101，根据预设倾斜阈值，判断多个第一关键字中是否存在至少一个第一关键字对应的数据造成数据倾斜。
在分布式处理任务中，需要对大量的数据进行处理。为提高处理的速度，会先根据各业务场景，如渠道、版本信息、作者、页面等不同指标，将相同指标的第一关键字对应的数据分配到不同的计算节点进行处理。即每个第一关键字对应的数据被分布式系统中的一个计算节点处理，一个计算节点会处理多个第一关键字对应的数据。当某个第一关键字对应的数据的数据量过大时，会导致该第一关键字所在的计算节点处理速度明显慢于其他计算节点，即该第一关键字对应的数据造成了数据倾斜。为减缓或消除数据倾斜，可以预先对多个第一关键字对应的数据进行判断，以检测其中是否存在造成数据倾斜的数据。
判断时所依据的预设倾斜阈值与分布式系统中各计算节点的处理能力、运算速度等因素相关，如计算节点处理能力强、运算速度较快时，可以快速应对大量的数据的处理，相应的可以设置较大值的预设倾斜阈值；计算节点处理能力较弱、运算速度较慢时，应对大量数据处理较慢，相应的可以设置较小值的预设倾斜阈值。具体值需要根据实施情况设置。将多个第一关键字对应的数据与预设倾斜阈值进行比较，确定其中是否存在有大于预设倾斜阈值的第一关键字对应的数据，若存在，执行步骤S102。
步骤S102，将至少一个第一关键字对应的数据进行分组处理，得到多个数据分组，并根据预设映射规则生成与多个数据分组对应的多个第二关键字。
对造成数据倾斜的第一关键字对应的数据，由于其数据量较大，造成其所在计算节点处理速度慢于其他计算节点。考虑分布式系统具有多个计算节点，可以采用分治算法，将一个大数据进一步划分为多个小数据组，分配给不同计算节点处理，可以减缓一个计算节点处理大数据的压力。具体的，将判断的至少一个第一关键字对应的数据进一步进行分组处理，分组时，按照预设分组数量进行分组，得到与预设分组数量相同的多个数据分组。预设分组数量根据第一关键字对应的数据、计算节点个数、计算节点处理能力等设置。进一步，在对第一关键字对应的数据进行分组处理时，可以将数据按照预设分组数量平均分组，得到数据量相同的多个数据分组，以避免在后续处理时，再次出现数据倾斜现象。
在对第一关键字对应的数据进行分组处理后，还需要考虑在数据分组被处理后，将处理后的数据分组进行合并。因此，在对至少一个第一关键字对应的数据进行分组处理后，还根据预设映射规则生成与多个数据分组对应的多个第二关键字，方便根据第二关键字将多个数据分组合并还原为第一关键字对应的数据。每个数据分组根据预设映射规则生成各数据分组对应的第二关键字。预设映射规则可以为如将第一关键字拼接随机数得到第二关键字，方便后续在合并时，根据第二关键字中包含的第一关键字可以将多个第二关键字对应的数据分组快速的合并。第一关键字拼接的随机数根据预设分组数量随机生成。如预设分组数量为50，随机数范围为1-50，利用随机算法为每个数据分组生成一个随机数，将第一关键字拼接生成的随机数得到该数据分组对应的第二关键字。第一关键字和随机数进行拼接时，可以直接将随机数拼接在第一关键字后得到第二关键字，也可以在第一关键字和随机数间添加拼接符号(如下划线、横线、加号等等)进行拼接得到第二关键字。具体拼接方式可采用现有的各种拼接方式，此处不做限定。
进一步，若存在多个第一关键字对应的数据都造成数据倾斜时，分别对各个第一关键字的数据进行分组处理，使得每个第一关键字对应的数据均分成多个数据分组。根据各个第一关键字对应的数据的不同，每个第一关键字对应的数据可以设置不同的预设分组数量。
步骤S103，将多个第二关键字对应的数据分组分配给分布式系统中的多个计算节点分别处理。
将得到的多个第二关键字对应的数据分组可以按照分布式系统负载均衡机制，结合分布式系统中多个计算节点所需处理的数据，分配给分布式系统中的多个计算节点分别处理，即原来由一个计算节点处理的一个第一关键字对应的数据，分组分配给多个计算节点分别处理，减少每个计算节点所处理的数据量，从而消除第一关键字对应的数据所造成的数据倾斜。
步骤S104，将处理后的多个第二关键字对应的数据分组进行合并处理，还原得到至少一个第一关键字对应的数据。
由于第一关键字对应的数据进行了分组处理，得到多个第二关键字对应的数据分组。在多个第二关键字对应的数据分组被多个计算节点处理后，还需要将处理后的多个第二关键字对应的数据分组按照多个第二关键字中包含的第一关键字进行合并处理。如以第二关键字由第一关键字后直接拼接随机数得到为例，多个第二关键字为a1、a2、a3、b1、b2、c1、c4，根据第二关键字中包含的第一关键字，将第二关键字为a1、a2、a3所对应的数据分组进行合并处理，还原得到第一关键字a所对应的数据；将第二关键字为b1、b2所对应的数据分组进行合并处理，还原得到第一关键字b所对应的数据；将第二关键字为c1、c4所对应的数据分组进行合并处理，还原得到第一关键字c所对应的数据。
根据本发明提供的分布式系统中的数据处理方法，根据预设倾斜阈值，判断多个第一关键字中是否存在至少一个第一关键字对应的数据造成数据倾斜；若是，将至少一个第一关键字对应的数据进行分组处理，得到多个数据分组，并根据预设映射规则生成与多个数据分组对应的多个第二关键字；将多个第二关键字对应的数据分组分配给分布式系统中的多个计算节点分别处理；将处理后的多个第二关键字对应的数据分组进行合并处理，还原得到至少一个第一关键字对应的数据。通过判断数据是否造成数据倾斜，对造成数据倾斜的数据进行分组处理，将多个数据分组分配给分布式系统中的多个计算节点分别处理，将数据进行平衡，消除数据倾斜，提高数据处理效率。
图2示出了根据本发明另一个实施例的分布式系统中的数据处理方法的流程图。如图2所示，分布式系统中的数据处理方法具体包括如下步骤：
步骤S201，在接收到数据处理请求后，判断针对该数据处理请求的数据倾斜检测开关是否开启。
由于对后续步骤中为减缓或消除数据倾斜对数据进行采样处理、排序、分组处理、合并处理等操作，也需要耗费较多性能，因此，可以设置数据倾斜检测开关。针对不同的数据处理请求，在接收到数据处理请求后，判断该数据处理请求的数据倾斜检测开关是否开启，若开启，则执行后续的步骤，先进行数据倾斜检测，以减缓或消除可能造成的数据倾斜；否则，不做数据倾斜的检测，直接将数据按照原有处理请求进行处理。
数据倾斜检测开关可以通过设置标志位、标签等方式实现。如设置标志位为true时，数据倾斜检测开关开启；设置标志位为false时，数据倾斜检测开关关闭等。
步骤S202，对多个第一关键字对应的原始数据进行采样处理，得到采样处理后的多个第一关键字对应的数据。
考虑到第一关键字对应的原始数据量可能较大，通过对整个原始数据来判断是否造成数据倾斜会花费较高成本，可以先对多个第一关键字对应的原始数据进行采样处理，如从第一关键字对应的原始数据中采样10％的数据进行判断，减少判断所花费的成本。具体的，可以预先设置采样数据比例如10％，并根据采样数据比例从多个第一关键字对应的原始数据中随机抽取，如每个第一关键字对应的原始数据中均随机抽取10％的数据，得到采样处理后的多个第一关键字对应的数据。
具体采样处理可以利用如spark计算引擎等现有采样技术实现，此处不作限定。
步骤S203，将多个第一关键字对应的数据按照各自数据量从多到少进行排序，获取排序靠前的预设数量的第一关键字对应的数据。
对得到的多个第一关键字对应的数据进行排序，按照各自数据量从多到少进行排序，排序越靠前说明该第一关键字对应的数据其数据量越多，越有可能造成数据倾斜，排序越靠后说明该第一关键字对应的数据其数据量越少，其造成数据倾斜的可能性很低。因此，可以仅获取排序靠前的预设数量的第一关键字对应的数据，对这些可能造成数据倾斜的数据进一步进行判断。预设数量可以为如10个，仅对10个第一关键字对应的数据进行判断，而不是对所有第一关键字对应的数据进行判断，减少了需要进行判断的第一关键字对应的数据的数量，可以大大提高判断效率。
进一步，若排序后还有新的第一关键字对应的数据产生，可以将新的第一关键字对应的数据与获取的如10个第一关键字对应的数据中排序最后的即排序第10的第一关键字对应的数据进行比较，若新的第一关键字对应的数据的数据量少于排序第10的第一关键字对应的数据的数据量，则不需要对新的第一关键字对应的数据进行判断；若新的第一关键字对应的数据的数据量多于排序第10的第一关键字对应的数据的数据量，则去掉排序第10的第一关键字对应的数据，加入新的第一关键字对应的数据，将加入的新的第一关键字对应的数据与排序在其前的第一关键字对应的数据按照数据量依次进行比较，调整其排序。
步骤S204，根据预设倾斜阈值，判断多个第一关键字中是否存在至少一个第一关键字对应的数据造成数据倾斜。
步骤S205，将至少一个第一关键字对应的原始数据进行分组处理，得到多个数据分组，并根据预设映射规则生成与多个数据分组对应的多个第二关键字。
步骤S206，将多个第二关键字对应的数据分组分配给分布式系统中的多个计算节点分别处理。
步骤S207，将处理后的多个第二关键字对应的数据分组进行合并处理，还原得到至少一个第一关键字对应的原始数据。
由于本实施例在进行判断前对多个第一关键字对应的原始数据进行了采样处理，得到多个第一关键字对应的数据。第一关键字对应的数据仅为原始数据的一部分。根据多个第一关键字对应的数据进行判断，当判断存在至少一个第一关键字对应的数据造成数据倾斜时，需要对该至少一个第一关键字对应的原始数据进行分组处理，才能从实际上缓解或消除数据倾斜。在对处理后的多个第二关键字对应的数据分组进行合并处理后，还原得到的是至少一个第一关键字对应的原始数据，保障原始数据的完整性。
除此之外，以上步骤参照图1实施例中步骤S101-S104的描述，在此不再赘述。
根据本发明提供的分布式系统中的数据处理方法，在进行判断之前，对第一关键字对应的原始数据进行采样处理，仅对采样后的第一关键字对应的数据进行判断，可以减少通过全部原始数据进行判断所花费的成本，也提高判断效率。进一步，基于数据量大小对造成数据倾斜的可能性有直接的影响，对第一关键字对应的数据按照数据量从多到少进行排序，数据量越多，越可能造成数据倾斜，数据量越少，造成数据倾斜的可能性越低。因此，可以获取排序靠前的预设数量的第一关键字对应的数据，仅对获取的预设数量的第一关键字对应的数据进行判断，可以减少判断对象，提高判断处理效率。并且考虑到数据倾斜检测涉及的各操作也需要耗费一定的性能，因此设置了数据倾斜检测开关，仅对数据倾斜检测开关开启的数据处理请求进行数据倾斜检测，减少性能消耗。
图3示出了根据本发明一个实施例的分布式系统中的数据处理装置的功能框图。如图3所示，分布式系统中的数据处理装置包括如下模块：
判断模块310适于：根据预设倾斜阈值，判断多个第一关键字中是否存在至少一个第一关键字对应的数据造成数据倾斜；其中，每个第一关键字对应的数据被分布式系统中的一个计算节点处理。
分组模块320适于：若判断模块310判断存在至少一个第一关键字对应的数据造成数据倾斜，将至少一个第一关键字对应的数据进行分组处理，得到多个数据分组，并根据预设映射规则生成与多个数据分组对应的多个第二关键字。
分配模块330适于：将多个第二关键字对应的数据分组分配给分布式系统中的多个计算节点分别处理。
合并模块340适于：将处理后的多个第二关键字对应的数据分组进行合并处理，还原得到至少一个第一关键字对应的数据。
可选地，装置还包括：采样模块350和排序模块360。
采样模块350适于：对多个第一关键字对应的原始数据进行采样处理，得到采样处理后的多个第一关键字对应的数据。
排序模块360适于：将多个第一关键字对应的数据按照各自数据量从多到少进行排序，获取排序靠前的预设数量的第一关键字对应的数据。
可选地，采样模块350进一步适于：预先设置采样数据比例，并根据采样数据比例从多个第一关键字对应的原始数据中随机抽取得到采样处理后的多个第一关键字对应的数据。
可选地，分组模块320进一步适于：将至少一个第一关键字对应的数据进行按照预设分组数量平均分组，得到多个数据分组；每个数据分组根据预设映射规则生成各数据分组对应的第二关键字；其中，预设映射规则为将第一关键字拼接随机数得到第二关键字；随机数根据预设分组数量随机生成。
可选地，装置还包括：开关判断模块370。
开关判断模块370适于：在接收到数据处理请求后，判断针对该数据处理请求的数据倾斜检测开关是否开启；若是，执行判断模块。
以上各模块的描述参照方法实施例中对应的描述，在此不再赘述。
本申请还提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的分布式系统中的数据处理方法。
图4示出了根据本发明一个实施例的一种计算设备的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。
如图4所示，该计算设备可以包括：处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。
其中：
处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。
通信接口404，用于与其它设备比如客户端或其它服务器等的网元通信。
处理器402，用于执行程序410，具体可以执行上述分布式系统中的数据处理方法实施例中的相关步骤。
具体地，程序410可以包括程序代码，该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器406，用于存放程序410。存储器406可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序410具体可以用于使得处理器402执行上述任意方法实施例中的分布式系统中的数据处理方法。程序410中各步骤的具体实现可以参见上述分布式系统中的数据处理实施例中的相应步骤和单元中对应的描述，在此不赘述。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备和模块的具体工作过程，可以参考前述方法实施例中的对应过程描述，在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的分布式系统中的数据处理装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本发明公开了：A1.一种分布式系统中的数据处理方法，其包括：
根据预设倾斜阈值，判断多个第一关键字中是否存在至少一个第一关键字对应的数据造成数据倾斜；其中，每个第一关键字对应的数据被分布式系统中的一个计算节点处理；
若是，将所述至少一个第一关键字对应的数据进行分组处理，得到多个数据分组，并根据预设映射规则生成与多个数据分组对应的多个第二关键字；
将多个第二关键字对应的数据分组分配给分布式系统中的多个计算节点分别处理；
将处理后的多个第二关键字对应的数据分组进行合并处理，还原得到所述至少一个第一关键字对应的数据。
A2.根据A1所述的方法，其中，在所述根据预设倾斜阈值，判断多个第一关键字中是否存在至少一个第一关键字对应的数据造成数据倾斜之前，所述方法还包括：
对多个第一关键字对应的原始数据进行采样处理，得到采样处理后的所述多个第一关键字对应的数据；
将所述多个第一关键字对应的数据按照各自数据量从多到少进行排序，获取排序靠前的预设数量的第一关键字对应的数据。
A3.根据A2所述的方法，其中，所述对多个第一关键字对应的原始数据进行采样处理，得到采样处理后的所述多个第一关键字对应的数据进一步包括：
预先设置采样数据比例，并根据采样数据比例从多个第一关键字对应的原始数据中随机抽取得到采样处理后的所述多个第一关键字对应的数据。
A4.根据A1-A3中任一项所述的方法，其中，所述将所述至少一个第一关键字对应的数据进行分组处理，得到多个数据分组，并根据预设映射规则生成与多个数据分组对应的多个第二关键字进一步包括：
将所述至少一个第一关键字对应的数据进行按照预设分组数量平均分组，得到多个数据分组；
每个数据分组根据预设映射规则生成各数据分组对应的第二关键字；其中，所述预设映射规则为将所述第一关键字拼接随机数得到第二关键字；随机数根据预设分组数量随机生成。
A5.根据A1-A4中任一项所述的方法，其中，在所述根据预设倾斜阈值，判断多个第一关键字中是否存在至少一个第一关键字对应的数据造成数据倾斜之前，所述方法还包括：
在接收到数据处理请求后，判断针对该数据处理请求的数据倾斜检测开关是否开启；
若是，执行根据预设倾斜阈值，判断多个第一关键字中是否存在至少一个第一关键字对应的数据造成数据倾斜的步骤。
本发明还公开了：B6.一种分布式系统中的数据处理装置，其包括：
判断模块，适于根据预设倾斜阈值，判断多个第一关键字中是否存在至少一个第一关键字对应的数据造成数据倾斜；其中，每个第一关键字对应的数据被分布式系统中的一个计算节点处理；
分组模块，适于若所述判断模块判断存在至少一个第一关键字对应的数据造成数据倾斜，将所述至少一个第一关键字对应的数据进行分组处理，得到多个数据分组，并根据预设映射规则生成与多个数据分组对应的多个第二关键字；
分配模块，适于将多个第二关键字对应的数据分组分配给分布式系统中的多个计算节点分别处理；
合并模块，适于将处理后的多个第二关键字对应的数据分组进行合并处理，还原得到所述至少一个第一关键字对应的数据。
B7.根据B6所述的装置，其中，所述装置还包括：
采样模块，适于对多个第一关键字对应的原始数据进行采样处理，得到采样处理后的所述多个第一关键字对应的数据；
排序模块，适于将所述多个第一关键字对应的数据按照各自数据量从多到少进行排序，获取排序靠前的预设数量的第一关键字对应的数据。
B8.根据B7所述的装置，其中，所述采样模块进一步适于：
预先设置采样数据比例，并根据采样数据比例从多个第一关键字对应的原始数据中随机抽取得到采样处理后的所述多个第一关键字对应的数据。
B9.根据B6-B8中任一项所述的装置，其中，所述分组模块进一步适于：
将所述至少一个第一关键字对应的数据进行按照预设分组数量平均分组，得到多个数据分组；每个数据分组根据预设映射规则生成各数据分组对应的第二关键字；其中，所述预设映射规则为将所述第一关键字拼接随机数得到第二关键字；随机数根据预设分组数量随机生成。
B10.根据B6-B9中任一项所述的装置，其中，所述装置还包括：
开关判断模块，适于在接收到数据处理请求后，判断针对该数据处理请求的数据倾斜检测开关是否开启；若是，执行所述判断模块。
本发明还公开了：C11.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如A1-A5中任一项所述的分布式系统中的数据处理方法对应的操作。
本发明还公开了：D12.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如A1-A5中任一项所述的分布式系统中的数据处理方法对应的操作。
Claims (10)
1.一种分布式系统中的数据处理方法，其包括：
根据预设倾斜阈值，判断多个第一关键字中是否存在至少一个第一关键字对应的数据造成数据倾斜；其中，每个第一关键字对应的数据被分布式系统中的一个计算节点处理；
若是，将所述至少一个第一关键字对应的数据进行分组处理，得到多个数据分组，并根据预设映射规则生成与多个数据分组对应的多个第二关键字；
将多个第二关键字对应的数据分组分配给分布式系统中的多个计算节点分别处理；
将处理后的多个第二关键字对应的数据分组进行合并处理，还原得到所述至少一个第一关键字对应的数据。
2.根据权利要求1所述的方法，其中，在所述根据预设倾斜阈值，判断多个第一关键字中是否存在至少一个第一关键字对应的数据造成数据倾斜之前，所述方法还包括：
对多个第一关键字对应的原始数据进行采样处理，得到采样处理后的所述多个第一关键字对应的数据；
将所述多个第一关键字对应的数据按照各自数据量从多到少进行排序，获取排序靠前的预设数量的第一关键字对应的数据。
3.根据权利要求2所述的方法，其中，所述对多个第一关键字对应的原始数据进行采样处理，得到采样处理后的所述多个第一关键字对应的数据进一步包括：
预先设置采样数据比例，并根据采样数据比例从多个第一关键字对应的原始数据中随机抽取得到采样处理后的所述多个第一关键字对应的数据。
4.根据权利要求1-3中任一项所述的方法，其中，所述将所述至少一个第一关键字对应的数据进行分组处理，得到多个数据分组，并根据预设映射规则生成与多个数据分组对应的多个第二关键字进一步包括：
将所述至少一个第一关键字对应的数据进行按照预设分组数量平均分组，得到多个数据分组；
每个数据分组根据预设映射规则生成各数据分组对应的第二关键字；其中，所述预设映射规则为将所述第一关键字拼接随机数得到第二关键字；随机数根据预设分组数量随机生成。
5.根据权利要求1-4中任一项所述的方法，其中，在所述根据预设倾斜阈值，判断多个第一关键字中是否存在至少一个第一关键字对应的数据造成数据倾斜之前，所述方法还包括：
在接收到数据处理请求后，判断针对该数据处理请求的数据倾斜检测开关是否开启；
若是，执行根据预设倾斜阈值，判断多个第一关键字中是否存在至少一个第一关键字对应的数据造成数据倾斜的步骤。
6.一种分布式系统中的数据处理装置，其包括：
判断模块，适于根据预设倾斜阈值，判断多个第一关键字中是否存在至少一个第一关键字对应的数据造成数据倾斜；其中，每个第一关键字对应的数据被分布式系统中的一个计算节点处理；
分组模块，适于若所述判断模块判断存在至少一个第一关键字对应的数据造成数据倾斜，将所述至少一个第一关键字对应的数据进行分组处理，得到多个数据分组，并根据预设映射规则生成与多个数据分组对应的多个第二关键字；
分配模块，适于将多个第二关键字对应的数据分组分配给分布式系统中的多个计算节点分别处理；
合并模块，适于将处理后的多个第二关键字对应的数据分组进行合并处理，还原得到所述至少一个第一关键字对应的数据。
7.根据权利要求6所述的装置，其中，所述装置还包括：
采样模块，适于对多个第一关键字对应的原始数据进行采样处理，得到采样处理后的所述多个第一关键字对应的数据；
排序模块，适于将所述多个第一关键字对应的数据按照各自数据量从多到少进行排序，获取排序靠前的预设数量的第一关键字对应的数据。
8.根据权利要求7所述的装置，其中，所述采样模块进一步适于：
预先设置采样数据比例，并根据采样数据比例从多个第一关键字对应的原始数据中随机抽取得到采样处理后的所述多个第一关键字对应的数据。
9.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-5中任一项所述的分布式系统中的数据处理方法对应的操作。
10.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-5中任一项所述的分布式系统中的数据处理方法对应的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811242816.XA CN109298947A (zh) | 2018-10-24 | 2018-10-24 | 分布式系统中的数据处理方法及装置、计算设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811242816.XA CN109298947A (zh) | 2018-10-24 | 2018-10-24 | 分布式系统中的数据处理方法及装置、计算设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109298947A true CN109298947A (zh) | 2019-02-01 |
Family
ID=65157777
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811242816.XA Pending CN109298947A (zh) | 2018-10-24 | 2018-10-24 | 分布式系统中的数据处理方法及装置、计算设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109298947A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110298709A (zh) * | 2019-07-09 | 2019-10-01 | 广州品唯软件有限公司 | 一种超大规模数据的预估方法和装置 |
| CN111061712A (zh) * | 2019-11-29 | 2020-04-24 | 苏宁金融科技(南京)有限公司 | 一种数据连接操作的处理方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105095413A (zh) * | 2015-07-09 | 2015-11-25 | 北京京东尚科信息技术有限公司 | 一种解决数据倾斜的方法及装置 |
| CN106293938A (zh) * | 2016-08-05 | 2017-01-04 | 飞思达技术（北京）有限公司 | 解决大数据计算过程中数据倾斜的方法 |
| CN107145394A (zh) * | 2017-04-28 | 2017-09-08 | 中国人民解放军国防科学技术大学 | 一种针对数据倾斜的均衡负载处理方法及装置 |
| CN107368563A (zh) * | 2017-06-30 | 2017-11-21 | 北京奇虎科技有限公司 | 数据库数据的删除方法及装置、电子设备、存储介质 |
-
2018
- 2018-10-24 CN CN201811242816.XA patent/CN109298947A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105095413A (zh) * | 2015-07-09 | 2015-11-25 | 北京京东尚科信息技术有限公司 | 一种解决数据倾斜的方法及装置 |
| CN106293938A (zh) * | 2016-08-05 | 2017-01-04 | 飞思达技术（北京）有限公司 | 解决大数据计算过程中数据倾斜的方法 |
| CN107145394A (zh) * | 2017-04-28 | 2017-09-08 | 中国人民解放军国防科学技术大学 | 一种针对数据倾斜的均衡负载处理方法及装置 |
| CN107368563A (zh) * | 2017-06-30 | 2017-11-21 | 北京奇虎科技有限公司 | 数据库数据的删除方法及装置、电子设备、存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110298709A (zh) * | 2019-07-09 | 2019-10-01 | 广州品唯软件有限公司 | 一种超大规模数据的预估方法和装置 |
| CN110298709B (zh) * | 2019-07-09 | 2023-08-01 | 广州品唯软件有限公司 | 一种超大规模数据的预估方法和装置 |
| CN111061712A (zh) * | 2019-11-29 | 2020-04-24 | 苏宁金融科技(南京)有限公司 | 一种数据连接操作的处理方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9740659B2 (en) | Merging and sorting arrays on an SIMD processor | |
| CN103369042A (zh) | 一种数据处理方法和装置 | |
| US20230359381A1 (en) | Deduplication decision based on metrics | |
| US10380006B2 (en) | Application testing for security vulnerabilities | |
| CN110928661B (zh) | 一种线程迁移方法、装置、设备及可读存储介质 | |
| US10430192B2 (en) | Vector processing using loops of dynamic vector length | |
| CN109298947A (zh) | 分布式系统中的数据处理方法及装置、计算设备 | |
| CN109359060A (zh) | 数据抽取方法、装置、计算设备及计算机存储介质 | |
| CN109445797A (zh) | 处理任务执行方法及装置 | |
| US11042378B2 (en) | Propagation instruction to generate a set of predicate flags based on previous and current prediction data | |
| US20180039488A1 (en) | System module deployment optimization | |
| CN105701128A (zh) | 一种查询语句的优化方法和装置 | |
| CN106528551A (zh) | 申请内存的方法和装置 | |
| CN108920295A (zh) | 系统异常的处理方法、装置及系统 | |
| CN108897865A (zh) | 分布式集群的索引副本数量评估方法及装置 | |
| CN107391257A (zh) | 业务所需内存容量的预估方法、装置及服务器 | |
| US20230023876A1 (en) | Comparing the performance of multiple application versions | |
| CN113342500B (zh) | 任务执行方法、装置、设备及存储介质 | |
| CN109344119A (zh) | 文件合并处理方法、装置、计算设备及计算机存储介质 | |
| CN114912111A (zh) | 一种云主机病毒检测方法、装置和系统 | |
| CN107844702A (zh) | 基于云防护环境下网站木马后门检测方法及装置 | |
| CN111367750B (zh) | 一种异常处理方法、装置及其设备 | |
| CN108028530A (zh) | 应用于数字集成电路的esd检测装置、集成电路及方法 | |
| US20160112061A1 (en) | Non-recursive cascading reduction | |
| CN107330327A (zh) | 感染文件检测方法、服务器、处理方法、装置和检测系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190201 |