CN109766362A - 数据处理方法及装置 - Google Patents

Abstract

本公开实施例中提供了一种数据处理方法、装置及电子设备，属于数据处理技术领域，该方法包括：将查询请求的特征因子转换成用哈希值表示的唯一标识；在内存数据库中查询与所述唯一标识匹配的结果的同时，采用异步的方式在所述内存数据库中缓存与所述查询请求相关的查询日志；将所述内存数据库中缓存的查询日志数据累计到关系数据库的流水表中；定期扫描所述关系数据库中的流水表，将所述流水表中过期的流水记录在所述内存数据库的缓存中进行中间结果的更新。通过本公开的方案，提高了数据处理的准确性。

Description

数据处理方法及装置

技术领域

本公开涉及数据处理技术领域，尤其涉及一种数据处理方法、装置及电子设备。

背景技术

互联网金融领域(支付、提现、营销)有很多风险场景需要使用某一类特定类型的规则来识别控制。比如对于盗卡类风险，可以通过类似

1.同一用户同一银行卡当日累计支付金额>＝500：校验银行卡手机语音；

2.同一用户同一银行卡最近24小时累计支付金额>＝500：校验银行卡手机语音；

这样的规则加以拦截控制。

由于风控策略的制定实施是一个长期存在的过程，类似的规则策略一般采用规则引擎布控实施，而规则所依赖的特征因子(比如上述规则1中的“同一用户同一银行卡当日累计支付金额”)的计算便是整个系统最为核心的部分。

上述特征因子的实时计算一般可以用一些开源的实时计算框架(比如storm、spark streaming等)解决，但这些实时计算框架由于在设计上的通用性的考虑，在实现类似上述金融领域特征因子的实时计算上会存在各种各样的问题。

为此，亟需一种全新的数据处理解决方案。

发明内容

有鉴于此，本公开实施例提供一种数据处理方法、装置及电子设备，至少部分解决现有技术中存在的问题。

第一方面，本公开实施例提供了一种数据处理方法，包括：

将查询请求的特征因子转换成用哈希值表示的唯一标识；

在内存数据库中查询与所述唯一标识匹配的结果的同时，采用异步的方式在所述内存数据库中缓存与所述查询请求相关的查询日志；

将所述内存数据库中缓存的查询日志数据累计到关系数据库的流水表中；

定期扫描所述关系数据库中的流水表，将所述流水表中过期的流水记录在所述内存数据库的缓存中进行中间结果的更新。

根据本公开实施例的一种具体实现方式，所述将查询请求的特征因子转换成用哈希值表示的唯一标识，包括：

获取所述查询请求中的特征因子；

将所述特征因子拆解为包括变量ID、维度、窗口类型及窗口大小的特征组合；

对所述特征组合进行哈希计算，生成所述唯一标识。

根据本公开实施例的一种具体实现方式，所述在内存数据库中查询与所述唯一标识匹配的结果的同时，采用异步的方式在所述内存数据库中缓存与所述查询请求相关的查询日志，包括：

接收所述唯一标识并对所述唯一标识进行参数校验；

当所述唯一标识通过参数校验之后，利用查询模块直接在内存数据库中查询与所述唯一标识匹配的结果，以及采用异步的方式在所述内存数据库中缓存与所述查询请求相关的查询日志。

根据本公开实施例的一种具体实现方式，所述将所述内存数据库中缓存的查询日志数据累计到关系数据库的流水表中，包括：

利用记录模块获取数据更新消息，并对所述更新消息进行参数校验；

基于内存数据库的分布式锁对更新消息对应的更新数据进行幂等校验，使所述更新数据仅更新一次。

根据本公开实施例的一种具体实现方式，所述将所述内存数据库中缓存的查询日志数据累计到关系数据库的流水表中，还包括：

在所述内存数据库中查询日志数据；

若对所述日志数据的查询成功，则触发针对预设目标的数据更新事务，若对所述日志数据的查询失败，则在错误日志中记录相关数据，并定时重新进行参数校验。

根据本公开实施例的一种具体实现方式，所述将所述内存数据库中缓存的查询日志数据累计到关系数据库的流水表中，还包括：

在数据更新事务被触发之后，依次更新关系数据库的流水表、关系数据库的结果表以及内存数据库的中间结果。

根据本公开实施例的一种具体实现方式，所述将所述流水表中过期的流水记录在所述内存数据库的缓存中进行中间结果的更新，包括：

利用任务模块获取任务更新请求，并对所述任务更新请求进行幂等校验；

在所述幂等校验通过之后，读取所述关系数据库的流水表；

基于所述关系数据库的流水表在所述内存数据库的缓存中进行中间结果的更新。

根据本公开实施例的一种具体实现方式，所述基于所述关系数据库的流水表在所述内存数据库的缓存中进行中间结果的更新，包括：

删除所述关系数据库中的过期流水；

基于删除的过期流水，更新所述关系数据库中的结果表；

基于更新后的结果表，更新所述内存数据库中的中间结果。

第二方面，本公开实施例提供了一种数据处理装置，包括：

转换模块，用于将查询请求的特征因子转换成用哈希值表示的唯一标识；

查询模块，用于在内存数据库中查询与所述唯一标识匹配的结果的同时，采用异步的方式在所述内存数据库中缓存与所述查询请求相关的查询日志；

记录模块，用于将所述内存数据库中缓存的查询日志数据累计到关系数据库的流水表中；

任务模块，用于定期扫描所述关系数据库中的流水表，将所述流水表中过期的流水记录在所述内存数据库的缓存中进行中间结果的更新。

第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：

至少一个处理器；以及，

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述任第一方面或第一方面的任一实现方式中的数据处理方法。

第四方面，本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的数据处理方法。

第五方面，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述第一方面或第一方面的任一实现方式中的数据处理方法。

本公开实施例中的数据处理方案，包括将查询请求的特征因子转换成用哈希值表示的唯一标识；在内存数据库中查询与所述唯一标识匹配的结果的同时，采用异步的方式在所述内存数据库中缓存与所述查询请求相关的查询日志；将所述内存数据库中缓存的查询日志数据累计到关系数据库的流水表中；定期扫描所述关系数据库中的流水表，将所述流水表中过期的流水记录在所述内存数据库的缓存中进行中间结果的更新。通过本公开的方案，提高了数据处理的准确性。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例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它的附图。

图1为本公开实施例提供的一种数据处理流程示意图；

图2为本公开实施例提供的一种实时累计因子系统架构图；

图3为本公开实施例提供的一种在内存数据库中对查询请求进行处理的流程示意图；

图4为本公开实施例提供的一种内存数据库中缓存的查询日志数据累计到关系数据库流水表的流程示意图；

图5为本公开实施例提供的一种任务模块对内存数据库中间结果进行更新的流程示意图；

图6为本公开实施例提供的数据处理装置结构示意图；

图7为本公开实施例提供的电子设备示意图。

具体实施方式

下面结合附图对本公开实施例进行详细描述。

以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。

还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。

本公开实施例提供一种数据处理方法。本实施例提供的数据处理方法可以由一计算装置来执行，该计算装置可以实现为软件，或者实现为软件和硬件的组合，该计算装置可以集成设置在服务器、终端设备等中。

参见图1，本公开实施例提供的一种数据处理方法，包括如下步骤：

S101，将查询请求的特征因子转换成用哈希值表示的唯一标识。

风控策略的制定实施是一个长期存在的过程，类似的规则策略一般采用规则引擎布控实施，而规则所依赖的特征因子(例如，“同一用户同一银行卡当日累计支付金额”)的计算是整个系统最为核心的部分。为此，将特征因子拆解为各种维度(例如，用户ID、银行ID,手机标识...)、窗口类型(滑动窗口、自然周期)、窗口大小(年、月、日、时、分、秒)、算子(sum、avg、min、max、count、distinct、in、first、last...)，如此某一个特征因子的具体值便可以使用hash(变量ID+维度+窗口类型+窗口大小)来唯一标识，并用于后续的存储和计算，如此便可大大减少实际计算时需要的存储空间，而现有技术中的实时计算框架一般需要存储最原始的日志数据，导致存储空间的极大浪费。

S102，在内存数据库中查询与所述唯一标识匹配的结果的同时，采用异步的方式在所述内存数据库中缓存与所述查询请求相关的查询日志。

为了能够提高系统的查询速度，参见图2，图2展示了实时累计因子系统结构示意图，系统中设置有查询模块及与该查询模块对应的内存数据库(例如，Redis数据库)，查询模块用于从内存数据库中查询提前计算好的特征因子，并把本次的日志内容hash后临时缓存在内存数据库。这样一来，系统的查询性能几乎等价于内存数据库的查询性能，极大的提高了查询请求的响应速度。

S103，将所述内存数据库中缓存的查询日志数据累计到关系数据库的流水表中。

由于系统存在海量的查询数据，如果将所有的查询都放置在一个数据库中进行，将会导致系统查询的速度变慢，为此，将计算结果与查询分离设计。如果是在查询时同时对查询请求进行计算，虽然实现上会比较简单，但很可能会面临性能问题(例如，海量数据查找、数据IO、聚合计算)，而且会有大量的重复计算的问题，比较浪费计算资源。为此，本公开的方案设置专门的关系数据库，将已经计算好的查询结果存储到关系数据库中，在查询时便可以直接从关系数据库中返回之前已经计算好的结果，如此可最大程度保证查询的效率，且后期优化和扩展也会比较好处理。

参见图2，系统还设置有记录模块和关系数据库，记录模块，用于将缓存于内存数据库中的日志数据累计到关系数据库(例如MySQL)的流水表中，并根据特征因子的属性(例如，特征因子表达式的具体查询类型或查询内容)更新缓存于关系数据库中的中间结果。对于关系数据库中的数据库而言，此操作为记录数据递增操作，且实际累计时大部分的算子类型(count、sum、avg等)只需要增量累计，并不需要所有时间窗口内的所有日志数据。如此便大大的节省了计算时的IO开销和计算量。

S104，定期扫描所述关系数据库中的流水表，将所述流水表中过期的流水记录在所述内存数据库的缓存中进行中间结果的更新。

为了能够基于关系数据库中的数据对内存数据库中的数据进行更新，同时删除过期的数据，参见图2，系统还设置有任务模块，任务模块能够定时(每秒)扫描关系数据库中的流水表，根据过期的流水记录的数据更新缓存于内存数据库中的相应的中间结果。对于内存数据库而言，该操作为递减操作，且实际累计时大部分的算子类型也不需要重新根据时间窗口内的所有日志数据重新计算，可显著减少计算资源，提高了内存数据库的计算效率。

为了更具体的对上述步骤中的内容进行说明，下面的实施例以内存数据库中常见的Redis以及关系型数据库中常见的Mysql为例，来说明上述步骤的执行过程。

参见图3，图3公开了一种在内存数据库中对查询请求进行处理的流程示意图。根据本公开实施例的一种具体实现方式，所述在内存数据库中查询与所述唯一标识匹配的结果的同时，采用异步的方式在所述内存数据库中缓存与所述查询请求相关的查询日志，包括：接收所述唯一标识并对所述唯一标识进行参数校验；当所述唯一标识通过参数校验之后，利用查询模块直接在内存数据库中查询与所述唯一标识匹配的结果，以及采用异步的方式在所述内存数据库中缓存与所述查询请求相关的查询日志。

除了在内存数据库中对查询请求进行处理之外，还要在关系数据库(例如，Mysql)中提前对查询的内容进行索引计算。为此，需要在关系数据库中提前获知内存数据库的查询日志，参见图4，根据本公开实施例的一种具体实现方式，所述将所述内存数据库中缓存的查询日志数据累计到关系数据库的流水表中，包括：

利用记录模块获取数据更新消息，并对所述更新消息进行参数校验，通过对更新消息进行参数校验，能够有效的排除无效的更新消息，提高了数据库的处理效率。

基于内存数据库的分布式锁对更新消息对应的更新数据进行幂等校验，使所述更新数据仅更新一次。为了保证高精度计算，在计算和更新查询结果时，由于网络的不可靠性，需要靠重试来保证至少能够有效连接一次，然后通过幂等校验保证准确连接一次。幂等校验基于Redis的分布式锁实现。同时由于涉及到Redis和MySQL的更新，通过MySQL事务来保证缓存和DB数据的一致性。同时如果任一环节出现报错都需要写错误日志并及时补单处理。

除了执行上述步骤之外，将所述内存数据库中缓存的查询日志数据累计到关系数据库的流水表中，还包括：在所述内存数据库中查询日志数据；若对所述日志数据的查询成功，则触发针对预设目标的数据更新事务，若对所述日志数据的查询失败，则在错误日志中记录相关数据，并定时重新进行参数校验。

在数据更新事务被触发之后，依次更新关系数据库的流水表、关系数据库的结果表以及内存数据库的中间结果。若更新失败，则通过回滚事务将结果写入错误日志，并通过定时重试的方式重新开始流程。

图5公开了任务模块对内存数据库中间结果进行更新的流程示意图。参见图5，将所述流水表中过期的流水记录在所述内存数据库的缓存中进行中间结果的更新，可以包括：

利用任务模块获取任务更新请求，并对所述任务更新请求进行幂等校验，基于内存数据库的分布式锁对更新消息对应的更新数据进行幂等校验，使所述更新数据仅更新一次。为了保证高精度计算，在计算更新查询结果时，由于网络的不可靠性，需要靠重试来保证至少能够有效连接一次，然后通过幂等校验保证准确连接一次。幂等校验基于Redis的分布式锁实现。同时由于涉及到Redis和MySQL的更新，通过MySQL事务来保证缓存和DB数据的一致性。

在幂等校验通过之后，读取所述关系数据库的流水表，并基于所述关系数据库的流水表在所述内存数据库的缓存中进行中间结果的更新。

作为一个例子，基于所述关系数据库的流水表在所述内存数据库的缓存中进行中间结果的更新，包括：删除所述关系数据库中的过期流水；基于删除的过期流水，更新所述关系数据库中的结果表；基于更新后的结果表，更新所述内存数据库中的中间结果。若更新或删除失败，则通过执行回滚事务将结果写入错误日志，同时定时重试，重新开始流程。

针对上述业务场景及现有技术方案的局限性，本公开中的的实时累计服务的方案，可以很好的解决此特定领域的如下几个方面的问题：

多策略支持：能够满足各种维度(用户id，银行id,手机标识...)、窗口类型(滑动窗口、自然周期)、窗口大小(年、月、日、时、分、秒)、算子(sum、avg、min、max、count、distinct、in、first、last...)的需求。

低延迟查询：考虑到用户体验(例如，支付体验、提现体验)，风控调用响应时长能够控制在100ms以下。

高精度计算：由于涉及到钱和账户安全，能够保证计算的准确性，在实现上保证仅执行一次的语义规范。

高可用保证：同样由于涉及到钱和账户安全，能够保证系统整体的可用性。

高并发：针对特殊场景中出现的各种活动大促(如春节红包提现)的冲击，系统能满足高并发场景且能够很灵活的扩容、缩容。

与上面的方法实施例相对应，参见图6，本公开还提供了一种数据处理装置60，包括：

转换模块601，用于将查询请求的特征因子转换成用哈希值表示的唯一标识。

风控策略的制定实施是一个长期存在的过程，类似的规则策略一般采用规则引擎布控实施，而规则所依赖的特征因子(例如，“同一用户同一银行卡当日累计支付金额”)的计算是整个系统最为核心的部分。为此，将特征因子拆解为各种维度(例如，用户ID、银行ID,手机标识...)、窗口类型(滑动窗口、自然周期)、窗口大小(年、月、日、时、分、秒)、算子(sum、avg、min、max、count、distinct、in、first、last...)，如此某一个特征因子的具体值便可以使用hash(变量ID+维度+窗口类型+窗口大小)来唯一标识，并用于后续的存储和计算，如此便可大大减少实际计算时需要的存储空间，而现有技术中的实时计算框架一般需要存储最原始的日志数据，导致存储空间的极大浪费。

查询模块602，用于在内存数据库中查询与所述唯一标识匹配的结果的同时，采用异步的方式在所述内存数据库中缓存与所述查询请求相关的查询日志。

为了能够提高系统的查询速度，参见图2，图2展示了实时累计因子系统结构示意图，系统中设置有查询模块及与该查询模块对应的内存数据库(例如，Redis数据库)，查询模块用于从内存数据库中查询提前计算好的特征因子，并把本次的日志内容hash后临时缓存在内存数据库。这样一来，系统的查询性能几乎等价于内存数据库的查询性能，极大的提高了查询请求的响应速度。

记录模块603，用于将所述内存数据库中缓存的查询日志数据累计到关系数据库的流水表中。

由于系统存在海量的查询数据，如果将所有的查询都放置在一个数据库中进行，将会导致系统查询的速度变慢，为此，将计算结果与查询分离设计。如果是在查询时同时对查询请求进行计算，虽然实现上会比较简单，但很可能会面临性能问题(例如，海量数据查找、数据IO、聚合计算)，而且会有大量的重复计算的问题，比较浪费计算资源。为此，本公开的方案设置专门的关系数据库，将提前实时计算好查询结果存储到关系数据库中，在查询时便可以直接从关系数据库中返回之前已经计算好的结果，如此可最大程度保证查询的效率，且后期优化和扩展也会比较好处理。

系统还设置有记录模块和关系数据库，记录模块，用于将缓存于内存数据库中的日志数据累计到关系数据库(例如MySQL)的流水表中，并根据特征因子的属性更新缓存于关系数据库中的中间结果。对于关系数据库中的数据库而言，此操作为记录数据递增操作，且实际累计时大部分的算子类型(count、sum、avg等)只需要增量累计，并不需要所有时间窗口内的所有日志数据。如此便大大的节省了计算时的IO开销和计算量。

任务模块604，用于定期扫描所述关系数据库中的流水表，将所述流水表中过期的流水记录在所述内存数据库的缓存中进行中间结果的更新。

为了能够基于关系数据库中的数据对内存数据库中的数据进行更新，同时删除过期的数据，系统还设置有任务模块，任务模块能够定时(每秒)扫描关系数据库中的流水表，根据过期的流水记录的数据更新缓存于内存数据库中的相应的中间结果。对于内存数据库而言，该操作为递减操作，且实际累计时大部分的算子类型也不需要重新根据时间窗口内的所有日志数据重新计算，可显著减少计算资源，提高了内存数据库的计算效率。

图6所示装置可以对应的执行上述方法实施例中的内容，本实施例未详细描述的部分，参照上述方法实施例中记载的内容，在此不再赘述。

参见图7，本公开实施例还提供了一种电子设备70，该电子设备包括：

至少一个处理器；以及，

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述方法实施例中数据处理方法。

本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述方法实施例中。

本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述方法实施例中的数据处理方法。

下面参考图7，其示出了适于用来实现本公开实施例的电子设备70的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，电子设备70可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备70操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

通常，以下装置可以连接至I/O接口705：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备70与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备70，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的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或者是上述两者的任意组合。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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本公开中，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。而在本公开中，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，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取至少两个网际协议地址；向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收所述节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。

或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收包括至少两个网际协议地址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。

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公开的操作的计算机程序代码，上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)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。

以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种数据处理方法，其特征在于，包括：

将查询请求的特征因子转换成用哈希值表示的唯一标识；

在内存数据库中查询与所述唯一标识匹配的结果的同时，采用异步的方式在所述内存数据库中缓存与所述查询请求相关的查询日志；

将所述内存数据库中缓存的查询日志数据累计到关系数据库的流水表中；

定期扫描所述关系数据库中的流水表，将所述流水表中过期的流水记录在所述内存数据库的缓存中进行中间结果的更新。

2.根据权利要求1所述的方法，其特征在于，所述将查询请求的特征因子转换成用哈希值表示的唯一标识，包括：

获取所述查询请求中的特征因子；

将所述特征因子拆解为包括变量ID、维度、窗口类型及窗口大小的特征组合；

对所述特征组合进行哈希计算，生成所述唯一标识。

3.根据权利要求1所述的方法，其特征在于，所述在内存数据库中查询与所述唯一标识匹配的结果的同时，采用异步的方式在所述内存数据库中缓存与所述查询请求相关的查询日志，包括：

接收所述唯一标识并对所述唯一标识进行参数校验；

当所述唯一标识通过参数校验之后，利用查询模块直接在内存数据库中查询与所述唯一标识匹配的结果，以及采用异步的方式在所述内存数据库中缓存与所述查询请求相关的查询日志。

4.根据权利要求1所述的方法，其特征在于，所述将所述内存数据库中缓存的查询日志数据累计到关系数据库的流水表中，包括：

利用记录模块获取数据更新消息，并对所述更新消息进行参数校验；

基于内存数据库的分布式锁对更新消息对应的更新数据进行幂等校验，使所述更新数据仅更新一次。

5.根据权利要求4所述的方法，其特征在于，所述将所述内存数据库中缓存的查询日志数据累计到关系数据库的流水表中，还包括：

在所述内存数据库中查询日志数据；

若对所述日志数据的查询成功，则触发针对预设目标的数据更新事务，若对所述日志数据的查询失败，则在错误日志中记录相关数据，并定时重新进行参数校验。

6.根据权利要求5所述的方法，其特征在于，所述将所述内存数据库中缓存的查询日志数据累计到关系数据库的流水表中，还包括：

在数据更新事务被触发之后，利用所述数据更新事务依次更新关系数据库的流水表、关系数据库的结果表以及内存数据库的中间结果。

7.根据权利要求1所述的方法，其特征在于，所述将所述流水表中过期的流水记录在所述内存数据库的缓存中进行中间结果的更新，包括：

利用任务模块获取任务更新请求，并对所述任务更新请求进行幂等校验；

在所述幂等校验通过之后，读取所述关系数据库的流水表；

基于所述关系数据库的流水表在所述内存数据库的缓存中进行中间结果的更新。

8.根据权利要求7所述的方法，其特征在于，所述基于所述关系数据库的流水表在所述内存数据库的缓存中进行中间结果的更新，包括：

删除所述关系数据库中的过期流水；

基于删除的过期流水，更新所述关系数据库中的结果表；

基于更新后的结果表，更新所述内存数据库中的中间结果。

9.一种数据处理装置，其特征在于，包括：

转换模块，用于将查询请求的特征因子转换成用哈希值表示的唯一标识；

查询模块，用于在内存数据库中查询与所述唯一标识匹配的结果的同时，采用异步的方式在所述内存数据库中缓存与所述查询请求相关的查询日志；

记录模块，用于将所述内存数据库中缓存的查询日志数据累计到关系数据库的流水表中；

任务模块，用于定期扫描所述关系数据库中的流水表，将所述流水表中过期的流水记录在所述内存数据库的缓存中进行中间结果的更新。

10.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述任一权利要求1-8所述的数据处理方法。