CN109471862B - 数据处理方法及装置、电子设备、存储介质 - Google Patents

Abstract

本公开是关于一种数据处理方法及装置、电子设备、存储介质，涉及医疗大数据技术领域，该方法包括：提取数据表中的业务数据的数据特征；通过所述数据特征确定针对所述数据表中的所述业务数据的抽样方式；根据至少一种所述抽样方式对数据表中的所述业务数据进行抽样得到样本数据，并通过缓存所述样本数据以进行数据实时计算。本公开可以减小样本数据的数据量，并且能够提高数据生产效率。

Description

数据处理方法及装置、电子设备、存储介质

技术领域

本公开涉及医疗大数据技术领域，具体而言，涉及一种数据处理方法、数据处理装置、电子设备以及计算机可读存储介质。

背景技术

医疗数据中包含大量有价值的数据，但由于原始医疗数据的数据来源多、数据结构复杂，可能导致数据质量低、数据碎片化严重等诸多问题。

相关技术中，在进行数据生产时，可采用医疗信息系统数据的特征画像，通过收集和计算医疗信息系统的特征数据，计算每一个特征数据与对应变量的相关性，通过相关性确定对不同特征数据进行抽样，确定样本数据。

但是通过特征画像抽取的样本数据的数据量较大，导致数据抽样效率较低，从而由于数据抽样过程导致数据处理速度较慢；除此之外，通过特征画像抽取的样本数据的数据量较大，且这些样本数据可能只符合分析模型要求或算法要求，因此并不准确，可能不满足数据实时计算的要求，且不能对数据进行快速实时验证，从而导致数据生产效率较低。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种数据处理方法及装置、电子设备、存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的抽样效率低以及数据生产效率低的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种数据处理方法，包括：提取数据表中的业务数据的数据特征；通过所述数据特征确定针对所述数据表中的所述业务数据的抽样方式；根据至少一种所述抽样方式对数据表中的所述业务数据进行抽样得到样本数据，并通过缓存所述样本数据以进行数据实时计算。

在本公开的一种示例性实施例中，通过所述数据特征确定针对所述数据表中的所述业务数据的抽样方式包括：根据所述数据表中的所述业务数据的类型、所述业务数据的周期以及所述业务数据的数据量确定针对所述数据表的业务数据的所述抽样方式。

在本公开的一种示例性实施例中，根据至少一种所述抽样方式对数据表中的所述业务数据进行抽样得到样本数据包括：按照预设抽样顺序通过所述至少一种抽样方式对所述数据表中的所述业务数据进行抽样得到所述样本数据。

在本公开的一种示例性实施例中，所述抽样方式包括数据量抽样、业务周期抽样、样本抽样以及随机抽样。

在本公开的一种示例性实施例中，根据所述数据表中的所述业务数据的类型、所述业务数据的周期以及所述业务数据的数据量确定针对所述数据表的业务数据的所述抽样方式包括：当所述数据表中所述业务数据的数据量不大于预设阈值时，将所述抽样方式确定为所述数据量抽样；当所述数据表中存在表示时间戳的字段时，根据时间戳将所述抽样方式确定为所述业务周期抽样；当所述数据表中存在表示样本特征的字段时，将所述抽样方式确定为所述样本抽样；当无法识别所述数据表时，将所述抽样方式确定为所述随机抽样。

在本公开的一种示例性实施例中，按照预设抽样顺序通过至少一种抽样方式对所述数据表中的所述业务数据进行抽样得到所述样本数据包括：判断所述数据表中的所述业务数据的数据量是否大于所述预设阈值，并在所述数据表的数据量不大于所述预设阈值时，进行数据量抽样；当所述数据表的数据量大于所述预设阈值时，如果所述数据表中包括表示样本特征的字段，则进行样本抽样；如果所述数据表中存在表示时间戳的字段，则进行业务周期抽样；在所述数据表中的所述业务数据的数据量大于所述预设阈值，且不包括表示样本特征的字段和表示时间戳的字段时，按照默认顺序对所述数据表中的所述业务数据进行随机抽样。

在本公开的一种示例性实施例中，所述方法还包括：若所述数据表中的所述业务数据对应多种抽样方式，则对各所述抽样方式获取的数据进行汇总去重以得到所述样本数据。

根据本公开的一个方面，提供一种数据处理装置，包括：特征提取模块，用于提取数据表中的业务数据的数据特征；抽样方式确定模块，用于通过所述数据特征确定针对所述数据表中的所述业务数据的抽样方式；样本数据获取模块，用于根据至少一种所述抽样方式对数据表中的所述业务数据进行抽样得到样本数据，并通过缓存所述样本数据以进行数据实时计算。

根据本公开的一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的数据处理方法。

根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的数据处理方法。

本公开示例性实施例中提供的一种数据处理方法、数据处理装置、电子设备以及计算机可读存储介质中，一方面，通过数据特征确定针对数据表中的业务数据的抽样方式，并根据至少一种抽样方式进行抽样得到样本数据，能够根据数据特征确定准确的抽样方式，减少样本数据的数量，进而提高数据处抽样速度和效率；另一方面，通过每个数据表中业务数据的数据特征确定针对每个数据表抽样方式，减小了样本数据的数据量，并且使样本数据具备全量数据的数据特征，能够使样本数据满足实时计算要求，实现对样本数据进行实时计算的目的，由于样本数据的数据量较小，因此也可以实现数据快速验证等操作，从而能够提高数据实时生产的效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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1示意性示出本公开示例性实施例中一种数据处理方法示意图；

图2示意性示出本公开示例性实施例中业务周期切片的示意图；

图3示意性示出本公开示例性实施例中数据抽样的具体流程图；

图4示意性示出本公开示例性实施例中一种数据处理装置的框图；

图5示意性示出本公开示例性实施例中一种电子设备的框图；

图6示意性示出本公开示例性实施例中一种程序产品。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

本示例实施方式中首先提供了一种数据处理方法，可以应用于各个医院的医疗信息系统中的医疗数据处理场景。参考图1所示，该数据处理方法可以包括以下步骤：

在步骤S110中，提取数据表中的业务数据的数据特征；

在步骤S120中，通过所述数据特征确定针对所述数据表中的所述业务数据的抽样方式；

在步骤S130中，根据至少一种所述抽样方式对数据表中的所述业务数据进行抽样得到样本数据，并通过缓存所述样本数据以进行数据实时计算。

在本示例性实施例中提供的数据处理方法中，一方面，通过数据特征确定针对数据表中的业务数据的抽样方式，并根据至少一种抽样方式进行抽样得到样本数据，能够根据数据特征确定准确的抽样方式，减少样本数据的数量，进而提高数据处抽样速度和效率；另一方面，通过每个数据表中业务数据的数据特征确定针对每个数据表抽样方式，减小了样本数据的数据量，并且使样本数据具备全量数据的数据特征，能够使样本数据满足实时计算要求，实现对样本数据进行实时计算的目的，由于样本数据的数据量较小，因此也可以实现数据快速验证等操作，从而能够提高数据实时生产的效率。

接下来，结合附图对本示例性实施例中的数据处理方法进行进一步解释说明。

在步骤S110中，提取数据表中的业务数据的数据特征。

本示例性实施例中，数据表指的是满足数据生产的抽样条件的数据表。在进行数据抽样之前，首先需要确定数据抽样的目标，即确定数据表。应用于数据生产的数据表需要满足以下抽样条件：样本数据需要包含表示原始数据中的所有数据表；样本数据需要尽可能保留原始数据的数据关联关系；样本数据中需要保留样本特征中每种特征对应的数据；在满足以上三个条件的基础上样本数据的总数量尽可能的小。

业务数据指的是每个医疗信息系统中的数据，其中医疗信息系统可为医院所属各部门提供病人诊疗信息和行政管理信息的收集、存储、处理、提取和数据交换的能力并满足授权用户的功能需求的平台。按照应用范围，医疗信息系统可以划分为：系统管理平台、临床信息系统、病人管理系统等等；按照具体功能，医疗信息系统可以划分为：医院信息系统、电子病历、手术室信息系统等等。一个医疗信息系统的业务数据在时间上具有收敛性，而同样的医疗业务系统的业务数据的数据特征是相似的。

在存储数据时，可采用关系型数据库作为存储数据的手段，并将业务数据存储在数据库表中。数据库表中可提供数据字典，以记录业务数据的数据量特征，例如表1所示：

表1

需要说明的是，同类医疗业务系统中的业务数据也会具有不同的数据特征，比如同样的手术业务的记录，不同种类的手术在麻醉方式，切口方式，术中用药，缝合方式等都有非常大的差别，因此需要统计每种业务数据可能对应的数据特征。参考表2中所示：

表2

具体而言，数据特征例如可以包括每张数据表中业务数据的数据量、业务数据的类型以及业务数据的周期等等。其中，不同医疗信息系统收集和存储的业务数据可能具有不同的周期。

比如，住院业务信息系统中，平均住院日9.6天，平均电子病历业务与住院业务的业务周期基本相同。挂号/门诊/体检等业务系统中大部分业务周期都不超过1天时间，其他例如门诊等业务系统会遵循各自的时间周期，如：家庭病床按照最长180天结算1次，门诊输液业务已经被大多数省份的卫生管理部门取消，多数业务也不超过1天时间。手术室信息系统根据对主流10家三甲综合医院的统计和调查平均手术时间(手术结束时间与手术开始时间的时间差)1.8个小时。业务数据的数量指的就是每张数据表中包含的业务数据的数量。业务数据的类型例如表2中所示的收费方式、收费分类等等。

在步骤S120中，通过所述数据特征确定针对所述数据表中的所述业务数据的抽样方式。

本示例性实施例中，基于上述抽样条件，本示例性实施例中的抽样方式可包括数据量抽样、业务周期抽样、样本抽样以及随机抽样。其中，数据量抽样指的是对于数据量不超过预设阈值的业务数据而言，无需进行抽样，可将业务数据的全量数据作为最终的样本数据。如果进行了数据量抽样，则无需进行其他抽样方式。因此在进行数据抽样之前，首先需判断每一个数据表中包含的业务数据的数据量与事先设置的预设阈值之间的大小关系，预设阈值可根据实际需求进行具体设置，例如可以设置为1万，10万等等。

业务周期抽样指的是将业务周期时间切片抽样，即根据图2所示的不同医疗业务数据的业务周期进行的抽样方式。在该抽样方式中，可通过设置合理的时间区间并保证时间片内同样类型的业务数据采集存在以及完整记录，即可满足预览和生产数据的需求。其中，被时间切片分割的业务数据产生的无法关联的孤儿数据，并不会对数据生产造成影响。在进行业务周期抽样时，首先需要识别数据表中是否存在表示时间戳的字段，如果存在，则按照该字段所代表的时间戳来划分用于对业务周期进行时间切片的时间片。需要说明的是，时间片需要至少大于等于2倍的平均业务周期，这样可以确保样本数据中包含完整的业务周期数据。可例如，数据表1中存在表示时间戳的字段1，该数据表中业务数据对应的业务周期为1天，则可将时间区间即时间片设置为2天或2天以上的任意数值，以保证设置的时间区间内存在一个完整的业务周期，从而保证样本数据的准确性和完整性。

样本抽样指的是抽取与每个样本特征对应的少量数据。样本特征是指数据中可识别的枚举类型的数据，例如检验记录中的检验类型、科室、患者来源等等。在选择样本抽样时，首先需要识别样本特征，即识别哪些字段是枚举类型，接下来判断样本特征所在的字段，进而根据样本特征所在的字段抽取每个样本特征对应的少量数据，从而使样本数据包含全量的样本特征。可例如，在存在样本特征1、样本特征2以及样本特征3时，可根据样本特征1所在的字段1抽取少量数据、根据样本特征2所在的字段2抽取少量数据以及根据样本特征3所在的字段3抽取少量数据。针对不同样本特征，抽取的数据量可相同，也可不同，只要使得样本数据包含全量的样本特征即可。通过这种方式，可保证样本数据的全面性。

随机抽样指的是系统默认的抽样方式，其中，每种业务数据对应的随机抽样方式可以不同，也可以相同。随机抽样方式用于无法识别的数据表，例如当数据表有残缺或者是无法识别数据特征的数据表。或者说当一个数据表中业务数据的数据量很大例如超过预设阈值，但是无法进行业务周期抽样和样本抽样时，可对该数据表中的业务数据采用随机抽样。随机抽样例如可以为按照数据量从大到小的顺序进行抽样等，此处不作特殊限定。

结合以上描述以及图3中的流程图所示，确定抽样方式的具体过程可包括：当所述数据表中包含的业务数据的数据量不超过预设阈值时，将所述抽样方式确定为所述数据量抽样；当所述数据表中存在表示时间戳的字段时，根据所述时间戳将所述抽样方式确定为所述业务周期抽样；当所述数据表中存在表示样本特征的字段时，将所述抽样方式确定为样本抽样；当无法识别所述数据表时，将所述抽样方式确定为随机抽样。

接下来，在步骤S130中，根据至少一种所述抽样方式对数据表中的所述业务数据进行抽样得到样本数据，并通过缓存所述样本数据以进行数据实时计算。

本示例性实施例中，对于每一个数据表对应的业务数据而言，如果数据量小于预设阈值，则只有一种抽样方式；若数据量大于预设阈值，则可以只有一种抽样方式，也可以有多种抽样方式。在存在多种抽样方式时，可根据预设抽样顺序分别执行每一种抽样方式，具体包括：判断所述数据表中业务数据的数据量是否大于所述预设阀值；如果所述数据表中业务数据的数据量小于等于所述预设阀值，则对所述数据表进行数据量抽样。当所述数据表的数据量大于所述预设阈值时，若数据表中包括表示样本特征的字段，则进行样本抽样。接下来，若所述数据表中存在表示时间戳的数据字段，则进行业务周期抽样。在所述数据表的数据量大于所述预设阈值，且不包括表示样本特征的字段以及表示时间戳的字段时，按照默认顺序对所述数据表进行随机抽样。

参考图3中进行说明，步骤S30，首先获取数据表中包含的业务数据的数据量；接下来，通过步骤S31判断数据量是否大于预设阈值，从而确定对该数据表中的业务数据进行哪种抽样方式。若是，则转至步骤S33；若否，则转至步骤S32。举例而言，对于数据表中包含的业务数据的数据量小于预设阀值例如10000的表可通过步骤S32进行数据量抽样，以抽取全部数据；对于数据量大于预设阀值的表经过检验采用其他抽样方式中的一种或多种。

接下来，执行步骤S33，具体包括：如果数据表包含的业务数据不满足数据量抽样，则可判断某一个数据表中是否包含表示样本特征的字段。如果包含表示样本特征的字段，则可对该数据表中的业务数据进行样本抽样。进一步地，执行步骤S34，以判断数据表中是否包含表示时间戳的字段。如果包含表示时间戳的数据字段，则转至步骤S35对该数据表中的业务数据进行业务周期抽样。最后，如果数据表中包含的业务数据的数据量大于预设阈值，且数据表中不包括表示样本特征的字段以及表示时间戳的字段，则按照系统设置的默认顺序对所述数据表中的业务数据进行随机抽样。需要说明的是，可先判断是否进行业务周期抽样，再判断是否进行样本抽样；也可先判断是否进行样本抽样，再判断是否进行业务周期抽样。本示例性实施例中，对业务周期抽样和样本抽样的先后顺序不作特殊限定。

如果一个数据表中的业务数据经过多种抽样方式，例如既经过业务周期抽样，也经过样本抽样，则可执行步骤S37，将所有抽样方式得到的数据进行汇总去重，例如保留不相同的数据，去除重复的数据，以得到最终的样本数据。通过汇总去重，可减小冗余数据，提高样本数据的质量，减少样本数据的数据量。

本步骤中通过确定包含全量数据的数据表，并为数据表中的业务数据的数据特征确定针对数据表中的业务数据的抽样方式，并根据至少一种抽样方式进行抽样得到样本数据，能够根据数据特征确定准确的抽样方式，减少样本数据的数量，并且能够使样本数据具备全量数据的数据特征，提高数据抽样效率以及数据抽样准确率，进而能够提高数据生产效率。

在得到样本数据后，可通过缓存这些样本数据进行数据实时计算。例如可基于计算引擎Spark进行实时计算。由于通过本示例性实施例中的抽样方式减小了数据量级别，因此相对于对全量数据进行计算而言，减小了数据缓存成本。除此之外，通过Spark进行实时计算时，主要步骤在于启动Spark Driver服务，调度Executor将数据载入内存，该步骤占用了计算任务的大量时间。

本示例性实施例中，可通过扩展Spark相关的功能，将Spark Driver扩展为守候进程，启动后实时提供计算服务，将样本数据缓存到内存，使样本数据可以被多个计算任务重用，并且共享内存、CPU、网络带宽等计算资源。如此一来，可避免计算数据只能在单个计算任务内被重复使用导致的同一份数据如果多个计算任务所需要的，只能在各自的计算任务内初始化地问题，也避免了多个任务同时执行时内存、CPU、网络带宽等计算资源由于相互隔离而导致的只有计算任务结束后计算资源才会释放的问题，从而可减小时间延迟，例如将计算响应时间减少到1秒以内。通过上述抽样方式得到的样本数据完成数据生产，可提高数据生产效率。

本公开还提供了一种数据处理装置。参考图4所示，该数据处理装置400可以包括：

特征提取模块401，可以用于提取数据表中的业务数据的数据特征；

抽样方式确定模块402，可以用于通过所述数据特征确定针对所述数据表中的所述业务数据的抽样方式；

样本数据获取模块403，可以用于根据至少一种所述抽样方式对数据表中的所述业务数据进行抽样得到样本数据，并通过缓存所述样本数据以进行数据实时计算。

在本公开的一种示例性实施例中，抽样方式确定模块包括：确定控制模块，用于根据所述数据表中的所述业务数据的类型、所述业务数据的周期以及所述业务数据的数据量确定针对所述数据表的业务数据的所述抽样方式。

在本公开的一种示例性实施例中，样本数据获取模块包括：抽样顺序确定模块，用于按照预设抽样顺序通过所述至少一种抽样方式对所述数据表中的所述业务数据进行抽样得到所述样本数据。

在本公开的一种示例性实施例中，所述抽样方式包括数据量抽样、业务周期抽样、样本抽样以及随机抽样。

在本公开的一种示例性实施例中，抽样方式确定模块包括：数据量抽样模块，用于当所述数据表中所述业务数据的数据量不大于预设阈值时，将所述抽样方式确定为所述数据量抽样；业务周期抽样模块，用于当所述数据表中存在表示时间戳的字段时，根据时间戳将所述抽样方式确定为所述业务周期抽样；样本抽样模块，用于当所述数据表中存在表示样本特征的字段时，将所述抽样方式确定为所述样本抽样；随机抽样模块，用于当无法识别所述数据表时，将所述抽样方式确定为所述随机抽样。

在本公开的一种示例性实施例中，样本数据获取模块包括：第一获取模块，用于判断所述数据表中的所述业务数据的数据量是否大于所述预设阈值，并在所述数据表的数据量不大于所述预设阈值时，进行数据量抽样；第二获取模块，用于当所述数据表的数据量大于所述预设阈值时，如果所述数据表中包括表示样本特征的字段，则进行样本抽样；第三获取模块，用于如果所述数据表中存在表示时间戳的字段，则进行业务周期抽样；第四获取模块，用于在所述数据表中的所述业务数据的数据量大于所述预设阈值，且不包括表示样本特征的字段和表示时间戳的字段时，按照默认顺序对所述数据表中的所述业务数据进行随机抽样。

在本公开的一种示例性实施例中，所述装置还包括：数据汇总模块，用于若所述数据表中的所述业务数据对应多种抽样方式，则对各所述抽样方式获取的数据进行汇总去重以得到所述样本数据。

需要说明的是，上述数据处理装置中各模块的具体细节已经在对应的数据处理方法中进行了详细描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图5来描述根据本发明的这种实施方式的电子设备500。图5显示的电子设备500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。

如图5所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：上述至少一个处理单元510、上述至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元510执行，使得所述处理单元510执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元510可以执行如图1中所示的步骤。

存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元(ROM)5203。

存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204，这样的程序模块5205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。

总线530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备500也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备500交互的设备通信，和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、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550进行。并且，电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器560通过总线530与电子设备500的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备500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、RAID系统、磁带驱动器以及数据备份存储系统等。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图6所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品700，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，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。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。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。

计算机可读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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。

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、有线、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的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

Claims (5)

1.一种数据处理方法，其特征在于，包括：

提取满足数据生产的抽样条件且包含全量数据的数据表中的业务数据的数据特征；

通过所述数据特征确定针对所述数据表中的所述业务数据的抽样方式；所述数据特征包括所述业务数据的类型、所述业务数据的周期以及所述业务数据的数据量；

根据至少一种所述抽样方式对数据表中的所述业务数据进行抽样得到具备全量数据的数据特征的样本数据，并通过缓存所述样本数据以进行数据实时计算；

其中，根据至少一种所述抽样方式对数据表中的所述业务数据进行抽样得到具备全量数据的数据特征的样本数据包括：

判断所述数据表中的所述业务数据的数据量是否大于预设阈值，并在所述数据表的数据量不大于所述预设阈值时，进行数据量抽样；

当所述数据表的数据量大于所述预设阈值时，如果所述数据表中包括表示数据特征的字段，则进行样本抽样；

如果所述数据表中存在表示时间戳的字段，则进行业务周期抽样；

在所述数据表中的所述业务数据的数据量大于所述预设阈值，且不包括表示样本特征的字段和表示时间戳的字段时，按照默认顺序对所述数据表中的所述业务数据进行随机抽样。

2.根据权利要求1所述的数据处理方法，其特征在于，所述方法还包括：

若所述数据表中的所述业务数据对应多种抽样方式，则对各所述抽样方式获取的数据进行汇总去重以得到所述样本数据。

3.一种数据处理装置，其特征在于，包括：

特征提取模块，用于提取满足数据生产的抽样条件且包含全量数据的数据表中的业务数据的数据特征；

抽样方式确定模块，用于通过所述数据特征确定针对所述数据表中的所述业务数据的抽样方式；所述数据特征包括所述业务数据的类型、所述业务数据的周期以及所述业务数据的数据量；

样本数据获取模块，用于根据至少一种所述抽样方式对数据表中的所述业务数据进行抽样得到具备全量数据的数据特征的样本数据，并通过缓存所述样本数据以进行数据实时计算；

其中，根据至少一种所述抽样方式对数据表中的所述业务数据进行抽样得到具备全量数据的数据特征的样本数据包括：

判断所述数据表中的所述业务数据的数据量是否大于预设阈值，并在所述数据表的数据量不大于所述预设阈值时，进行数据量抽样；

当所述数据表的数据量大于所述预设阈值时，如果所述数据表中包括表示数据特征的字段，则进行样本抽样；

如果所述数据表中存在表示时间戳的字段，则进行业务周期抽样；

在所述数据表中的所述业务数据的数据量大于所述预设阈值，且不包括表示样本特征的字段和表示时间戳的字段时，按照默认顺序对所述数据表中的所述业务数据进行随机抽样。

4.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-2任意一项所述的数据处理方法。

5.一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，所述计算机程序被处理器执行时实现权利要求1-2任意一项所述的数据处理方法。

Images