CN110046131A - 数据的流式处理方法、装置及分布式文件系统hdfs - Google Patents

Abstract

本说明书一个或多个实施例公开了一种数据的流式处理方法、装置及分布式文件系统HDFS，用以实现基于HDFS体系的高时效流式数据处理服务。所述方法应用于分布式文件系统HDFS，包括：接收客户端发送的针对指定文件的数据流式处理任务；其中，所述数据流式处理任务包括所述指定文件对应的流式处理逻辑；基于所述数据流式处理任务，接收所述客户端发送的单位数据；及，将所述单位数据存储至所述指定文件中；监测所述单位数据是否成功存储至所述指定文件中；若是，则按照所述流式处理逻辑对所述单位数据执行相应的流式处理，得到处理结果。

Description

数据的流式处理方法、装置及分布式文件系统HDFS

技术领域

本说明书涉及通讯领域，尤其涉及一种数据的流式处理方法、装置及分布式文件系统HDFS。

背景技术

Apache Hadoop在进行数据处理(如通过MapReduce做计算)时，结果产出的时效由两方面决定：一方面是数据要完整地准备好，由于一般大数据量搬迁比较耗时，无法确定分钟级或小时级、甚至天级，因此完整地准备好所有数据导致处理时效非常低。另一方面是MapReduce的任务执行时间一般是分钟级，如果数据量较大则达到小时级，也会导致数据处理时效低下。因此，Hadoop只适用于对计算时效要求较低的离线计算场景。

针对上述问题，现有技术中，采用流式数据计算引擎(如Storm，Flink，Spark等)处理数据，但这些流式数据计算引擎都是独立于Hadoop体系的新系统，在部署与运维上很麻烦。

发明内容

本说明书一个或多个实施例的目的是提供一种数据的流式处理方法、装置及分布式文件系统HDFS，用以实现基于HDFS体系的高时效流式数据处理服务。

为解决上述技术问题，本说明书一个或多个实施例是这样实现的：

一方面，本说明书一个或多个实施例提供一种数据的流式处理方法，应用于分布式文件系统HDFS，包括：

接收客户端发送的针对指定文件的数据流式处理任务；其中，所述数据流式处理任务包括所述指定文件对应的流式处理逻辑；

基于所述数据流式处理任务，接收所述客户端发送的单位数据；及，将所述单位数据存储至所述指定文件中；

监测所述单位数据是否成功存储至所述指定文件中；

若是，则按照所述流式处理逻辑对所述单位数据执行相应的流式处理，得到处理结果。

在一个实施例中，在接收客户端发送的针对指定文件的数据流式处理任务之前，还包括：

接收所述客户端发送的用于新建所述指定文件的第一指令；其中，所述第一指令中包括所述指定文件的文件元信息；所述文件元信息包括文件名、文件权限、文件路径、文件创建者中的至少一项信息；

根据所述第一指令新建所述指定文件；

将所述指定文件划分为多个预定大小的数据块；及，将各所述数据块分布在所述分布式文件系统HDFS的数据节点上；其中，所述数据块用于存储所述单位数据。

在一个实施例中，所述将所述单位数据存储至所述指定文件中，包括：

根据各所述数据块的相关存储信息，确定用于存储所述单位数据的第一数据块；其中，所述相关存储信息包括存储状态、分布位置中的至少一项；

将所述客户端发送的所述单位数据存储至所述第一数据块中。

在一个实施例中，所述方法还包括：

按照预设频率更新所述处理结果；

将更新后的所述处理结果存储至所述分布式文件系统HDFS的任务追踪器中。

在一个实施例中，所述方法还包括：

当接收到来自所述客户端的用于查询所述处理结果的查询请求时，获取最近一次更新后的目标处理结果；

将所述目标处理结果发送至所述客户端。

另一方面，本说明书一个或多个实施例提供一种数据的流式处理装置，应用于分布式文件系统HDFS，包括：

第一接收模块，用于接收客户端发送的针对指定文件的数据流式处理任务；其中，所述数据流式处理任务包括所述指定文件对应的流式处理逻辑；

接收及存储模块，用于基于所述数据流式处理任务，接收所述客户端发送的单位数据；及，将所述单位数据存储至所述指定文件中；

监测模块，用于监测所述单位数据是否成功存储至所述指定文件中；

处理模块，用于若所述单位数据成功存储至所述指定文件中，则按照所述流式处理逻辑对所述单位数据执行相应的流式处理，得到处理结果。

在一个实施例中，所述装置还包括：

第二接收模块，用于在接收客户端发送的针对指定文件的数据流式处理任务之前，接收所述客户端发送的用于新建所述指定文件的第一指令；其中，所述第一指令中包括所述指定文件的文件元信息；所述文件元信息包括文件名、文件权限、文件路径、文件创建者中的至少一项信息；

新建模块，用于根据所述第一指令新建所述指定文件；

划分及分布模块，用于将所述指定文件划分为多个预定大小的数据块；及，将各所述数据块分布在所述分布式文件系统HDFS的数据节点上；其中，所述数据块用于存储所述单位数据。

在一个实施例中，所述接收及存储模块包括：

确定单元，用于根据各所述数据块的相关存储信息，确定用于存储所述单位数据的第一数据块；其中，所述相关存储信息包括存储状态、分布位置中的至少一项；

存储单元，用于将所述客户端发送的所述单位数据存储至所述第一数据块中。

在一个实施例中，所述装置还包括：

更新单元，用于按照预设频率更新所述处理结果；

第二存储单元，用于将更新后的所述处理结果存储至所述分布式文件系统HDFS的任务追踪器中。

在一个实施例中，所述装置还包括：

获取模块，用于当接收到来自所述客户端的用于查询所述处理结果的查询请求时，获取最近一次更新后的目标处理结果；

发送模块，用于将所述目标处理结果发送至所述客户端。

再一方面，本说明书一个或多个实施例提供一种分布式文件系统HDFS，包括：

任务追踪器，用于接收客户端发送的针对指定文件的数据流式处理任务；其中，所述数据流式处理任务包括所述指定文件对应的流式处理逻辑；所述指定文件存储于所述分布式文件系统HDFS的数据节点中；

所述数据节点，用于基于所述数据流式处理任务，接收所述客户端发送的单位数据；及，将所述单位数据存储至所述指定文件中；

所述任务追踪器，还用于监测所述单位数据是否成功存储至所述指定文件中；

所述数据节点，还用于若所述任务追踪器监测到所述单位数据成功存储至所述指定文件，则按照所述流式处理逻辑对所述单位数据执行相应的流式处理，得到处理结果。

在一个实施例中，所述任务追踪器，还用于若监测到所述单位数据成功存储至所述指定文件，则生成对所述单位数据执行流式处理的流式处理指令，并将所述流式处理指令下发至所述数据节点；

所述数据节点，还用于接收所述流式处理指令；基于所述流式处理指令，按照所述流式处理逻辑对所述单位数据执行相应的流式处理。

在一个实施例中，所述系统还包括：

元数据节点，用于接收所述客户端发送的用于新建所述指定文件的第一指令；根据所述第一指令新建所述指定文件；将所述指定文件划分为多个指定大小的数据块；及，将各所述数据块分布在所述数据节点上；

其中，所述第一指令中包括所述指定文件的文件元信息；所述文件元信息包括文件名、文件权限、文件路径、文件创建者中的至少一项信息；所述数据块用于存储所述单位数据。

在一个实施例中，所述数据节点还用于：

根据各所述数据块的相关存储信息，确定用于存储所述单位数据的第一数据块；其中，所述相关存储信息包括存储状态、分布位置中的至少一项；

将所述客户端发送的所述单位数据存储至所述第一数据块中。

在一个实施例中，所述数据节点上设有数据读取接口；所述数据节点还用于：

在接收到所述流式处理指令之后，调用所述数据读取接口；

利用所述数据读取接口读取所述第一数据块中的所述单位数据；及，对读取到的所述单位数据执行所述流式处理。

在一个实施例中，所述数据节点还用于：

按照预设频率将所述处理结果上传至所述任务追踪器。

在一个实施例中，所述任务追踪器还用于：

按照所述预设频率获取并更新所述处理结果；

当接收到来自所述客户端的用于查询所述处理结果的查询请求时，获取最近一次更新后的目标处理结果；

将所述目标处理结果发送至所述客户端。

再一方面，本说明书一个或多个实施例提供一种数据的流式处理设备，应用于分布式文件系统HDFS，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：

接收客户端发送的针对指定文件的数据流式处理任务；其中，所述数据流式处理任务包括所述指定文件对应的流式处理逻辑；

基于所述数据流式处理任务，接收所述客户端发送的单位数据；及，将所述单位数据存储至所述指定文件中；

监测所述单位数据是否成功存储至所述指定文件中；

若是，则按照所述流式处理逻辑对所述单位数据执行相应的流式处理，得到处理结果。

再一方面，本申请实施例提供一种存储介质，用于存储计算机可执行指令，所述可执行指令在被执行时实现以下流程：

接收客户端发送的针对指定文件的数据流式处理任务；其中，所述数据流式处理任务包括所述指定文件对应的流式处理逻辑；

基于所述数据流式处理任务，接收所述客户端发送的单位数据；及，将所述单位数据存储至所述指定文件中；

监测所述单位数据是否成功存储至所述指定文件中；

若是，则按照所述流式处理逻辑对所述单位数据执行相应的流式处理，得到处理结果。

采用本说明书一个或多个实施例的技术方案，在接收到客户端发送的针对指定文件的数据流式处理任务后，能够接收客户端发生的单位数据及将单位数据存储至指定文件中，并在监测到单位数据成功存储至指定文件中时，按照流式处理逻辑对单位数据执行相应的流式处理。可见，该技术方案在对数据进行处理时，无需等待所有数据都完整地准备好再去处理，而是监测到单位数据成功存储时即可对单位数据进行流式处理，由于单位数据的数据量通常很小(如64KB)，使得处理时效很高，因此能够实现高时效地流式数据处理服务器；此外，该技术方案基于分布式文件系统HDFS，无需构建额外的流式计算框架，因此在系统的部署和运维上也非常方便。

附图说明

为了更清楚地说明本说明书一个或多个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说明书一个或多个实施例中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是根据本说明书一实施例的一种数据的流式处理方法的示意性流程图；

图2是根据本说明书一实施例的一种分布式文件系统HDFS的示意性框图；

图3是根据本说明书一具体实施例的一种数据的流式处理系统的示意性框图；

图4是根据本说明书一具体实施例的一种分布式文件系统HDFS中数据节点的示意性框图；

图5是根据本说明书一具体实施例的一种数据的流式处理方法的示意性流程图；

图6是根据本说明书一实施例的一种数据的流式处理装置的示意性框图；

图7是根据本说明书一实施例的一种数据的流式处理设备的示意性框图。

具体实施方式

本说明书一个或多个实施例提供一种数据的流式处理方法、装置及分布式文件系统HDFS，用以实现基于HDFS体系的高时效流式数据处理服务。

为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个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说明书一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，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，都应当属于本说明书一个或多个实施例保护的范围。

图1是根据本说明书一实施例的一种数据的流式处理方法的示意性流程图，如图1所示，该方法应用于分布式文件系统HDFS，包括：

S102，接收客户端发送的针对指定文件的数据流式处理任务。

其中，数据流式处理任务包括指定文件对应的流式处理逻辑。流式处理逻辑包括数据流式处理过程中所用到的具体的函数，如sum、min、filter、converter等函数。

S104，基于数据流式处理任务，接收客户端发送的单位数据；及，将单位数据存储至指定文件中。

由于分布式文件系统HDFS在写文件时，通常是以64KB为一个数据包的形式传输数据，因此这里的单位数据可以是64KB。

S106，监测单位数据是否成功存储至指定文件中。

S108，若单位数据成功存储至指定文件中，则按照流式处理逻辑对单位数据执行相应的流式处理，得到处理结果。

采用本说明书一个或多个实施例的技术方案，在接收到客户端发送的针对指定文件的数据流式处理任务后，能够接收客户端发生的单位数据及将单位数据存储至指定文件中，并在监测到单位数据成功存储至指定文件中时，按照流式处理逻辑对单位数据执行相应的流式处理。可见，该技术方案在对数据进行处理时，无需等待所有数据都完整地准备好再去处理，而是监测到单位数据成功存储时即可对单位数据进行流式处理，由于单位数据的数据量通常很小(如64KB)，使得处理时效很高，因此能够实现高时效地流式数据处理服务器；此外，该技术方案基于分布式文件系统HDFS，无需构建额外的流式计算框架，因此在系统的部署和运维上也非常方便。

在一个实施例中，在接收客户端发送的针对指定文件的数据流式处理任务之前，首先接收客户端发送的用于新建指定文件的第一指令，并根据第一指令新建指定文件；其次将指定文件划分为多个预定大小的数据块；再将各数据块分布在分布式文件系统HDFS的数据节点上。

其中，数据块用于存储单位数据。第一指令中包括指定文件的文件元信息，指定文件的文件元信息包括文件名、文件权限、文件路径、文件创建者中的至少一项信息。

本实施例中，可由分布式文件系统HDFS的元数据节点NameNode新建指定文件，并分配指定文件被划分后的数据块存储于数据节点上的哪一台设备。数据块的预定大小可以是64MB、128MB等。

在一个实施例中，将单位数据存储至指定文件中时，可根据各数据块的相关存储信息确定用于存储单位数据的第一数据块；其中，相关存储信息包括存储状态、分布位置中的至少一项；进而将客户端发送的单位数据存储至所确定的第一数据块中。

本实施例中，存储状态包括存储空间已满或存储空间未满；分布位置包括各数据块之间的位置关系，如分布顺序等。例如，可按照各数据块的分布顺序来确定将单位数据存储在哪个数据块中，即依次从分布位置最靠前的数据块开始存储，一个数据块存储空间已满后，再将接收到的单位数据存储至该数据块的下一个数据块中。

基于流式处理的特性，在流式处理脚本中，可读取到数据的实时行内容，因此在分布式文件系统HDFS中，单位数据成功存储至数据块中之后，分布式文件系统HDFS即可实时读取到所存储的单位数据，读取效率极高。也就是说，新写入的单位数据还在分布式文件系统HDFS的page cache(页高速缓冲存储器)中时，即可被分布式文件系统HDFS读取到，可见读取效率极高，从而确保数据流式处理的时效很高。

在一个实施例中，分布式文件系统HDFS可按照预设频率更新处理结果，并将更新后的处理结果存储至分布式文件系统HDFS的任务追踪器中。

本实施例中，为确保处理结果更新及时可设定较小的预设频率，如3秒、1秒等。此外，由于更新后的处理结果需存储在任务追踪器中，因此在设定预设频率的同时，还应考虑任务追踪器的系统压力，即预设频率不应过小，这样既能保证数据流式处理的处理时效(可达到秒级响应)，还不会增加任务追踪器的系统压力。

基于上述实施例，客户端可通过分布式文件系统HDFS的任务追踪器查询到处理结果。当分布式文件系统HDFS接收到来自客户端的用于查询处理结果的查询请求时，获取最近一次更新后的目标处理结果，并将目标处理结果发送至客户端。

图2是根据本说明书一实施例的一种分布式文件系统HDFS的示意性框图，如图2所示，分布式文件系统HDFS 200包括任务追踪器210和数据节点220；其中：

任务追踪器210，用于接收客户端发送的针对指定文件的数据流式处理任务。

其中，数据流式处理任务包括指定文件对应的流式处理逻辑；指定文件存储于分布式文件系统HDFS200的数据节点220中。流式处理逻辑包括数据流式处理过程中所用到的具体的函数，如sum、min、filter、converter等函数。

数据节点220，用于基于数据流式处理任务，接收客户端发送的单位数据；及，将单位数据存储至指定文件中。

由于分布式文件系统HDFS在写文件时，通常是以64KB为一个数据包的形式传输数据，因此这里的单位数据可以是64KB。

任务追踪器210，还用于监测单位数据是否成功存储至指定文件中。

数据节点220，还用于若任务追踪器210监测到单位数据成功存储至指定文件，则按照流式处理逻辑对单位数据执行相应的流式处理，得到处理结果。

在一个实施例中，任务追踪器210还用于若监测到单位数据成功存储至指定文件，则生成对单位数据执行流式处理的流式处理指令，并将流式处理指令下发至数据节点220。

数据节点220还用于接收流式处理指令；基于流式处理指令，按照流式处理逻辑对单位数据执行相应的流式处理。

在一个实施例中，系统200还包括：

元数据节点，用于接收客户端发送的用于新建指定文件的第一指令；根据第一指令新建指定文件；将指定文件划分为多个指定大小的数据块；及，将各数据块分布在数据节点220上。

其中，第一指令中包括指定文件的文件元信息；文件元信息包括文件名、文件权限、文件路径、文件创建者中的至少一项信息；数据块用于存储单位数据。

本实施例中，可由分布式文件系统HDFS的元数据节点NameNode新建指定文件，并分配指定文件被划分后的数据块存储于数据节点上的哪一台设备。数据块的预定大小可以是64MB、128MB等。

在一个实施例中，数据节点220还用于：

根据各数据块的相关存储信息，确定用于存储单位数据的第一数据块；其中，相关存储信息包括存储状态、分布位置中的至少一项；将客户端发送的单位数据存储至第一数据块中。

本实施例中，存储状态包括存储空间已满或存储空间未满；分布位置包括各数据块之间的位置关系，如分布顺序等。例如，可按照各数据块的分布顺序来确定将单位数据存储在哪个数据块中，即依次从分布位置最靠前的数据块开始存储，一个数据块存储空间已满后，再将接收到的单位数据存储至该数据块的下一个数据块中。

在一个实施例中，数据节点220上设有数据读取接口；数据节点220还用于：在接收到流式处理指令之后，调用数据读取接口；利用数据读取接口读取第一数据块中的单位数据；及，对读取到的单位数据执行流式处理。

本实施例中，数据读取接口仅设置于分布式文件系统HDFS的数据节点220上，而不对外开放，也就是说，当新写入的单位数据还在分布式文件系统HDFS的page cache(页高速缓冲存储器)中时，即可被数据节点220利用数据读取接口读取到，而无需从磁盘中读取数据，使得读取效率极高，从而确保数据流式处理的时效很高。

在一个实施例中，数据节点220还用于：按照预设频率将处理结果上传至任务追踪器210。

本实施例中，为确保处理结果更新及时可设定较小的预设频率，如3秒、1秒等。此外，由于更新后的处理结果需存储在任务追踪器中，因此在设定预设频率的同时，还应考虑任务追踪器的系统压力，即预设频率不应过小，这样既能保证数据流式处理的处理时效(可达到秒级响应)，还不会增加任务追踪器的系统压力。

在一个实施例中，任务追踪器210还用于：按照预设频率获取并更新处理结果；当接收到来自客户端的用于查询处理结果的查询请求时，获取最近一次更新后的目标处理结果；将目标处理结果发送至客户端。

采用本说明书一个或多个实施例的系统，在接收到客户端发送的针对指定文件的数据流式处理任务后，能够接收客户端发生的单位数据及将单位数据存储至指定文件中，并在监测到单位数据成功存储至指定文件中时，按照流式处理逻辑对单位数据执行相应的流式处理。可见，该技术方案在对数据进行处理时，无需等待所有数据都完整地准备好再去处理，而是监测到单位数据成功存储时即可对单位数据进行流式处理，由于单位数据的数据量通常很小(如64KB)，使得处理时效很高，因此能够实现高时效地流式数据处理服务器；此外，该技术方案基于分布式文件系统HDFS，无需构建额外的流式计算框架，因此在系统的部署和运维上也非常方便。

以下通过一具体实施例来说明数据的流式处理方法如何应用于分布式文件系统HDFS中。

图3是根据本说明书一具体实施例的一种数据的流式处理系统的示意性框图。如图3所示，数据的流式处理系统包括客户端(即图中所示client)310和分布式文件系统HDFS320。其中，分布式文件系统HDFS320包括任务追踪器JobTracker、数据节点DataNode及元数据节点NameNode。

数据节点DataNode上分布有一个或多个TaskTracker，各TaskTracker中分布有由元数据节点NameNode分配的数据块block，如图4所示。图4中仅示意性地示出了2个TaskTracker，其不代表实际系统中的TaskTracker数量。

图5是根据本说明书一具体实施例的一种数据的流式处理方法的示意性流程图，数据的流式处理方法应用于如图3至图4所示的系统架构中。如图5所示，数据的流式处理方法包括如下步骤：

S501，客户端向元数据节点NameNode发送新建指定文件的第一指令。

其中，第一指令中包括指定文件的文件元信息；文件元信息包括文件名、文件权限、文件路径、文件创建者中的至少一项信息。

S502，NameNode根据第一指令新建指定文件，并将指定文件划分为多个指定大小的数据块block；将各数据块block分布在DataNode上的TaskTracker中。

本实施例中，各数据块block的大小为64MB。

S503，客户端向JobTracker发送针对指定文件的数据流式处理任务。

其中，数据流式处理任务包括指定文件对应的流式处理逻辑。

S504，JobTracker接收客户端发送的单位数据，并将单位数据存储至TaskTracker中的数据块block中。

本实施例中，单位数据的大小为64KB。

S505，JobTracker监测单位数据是否成功存储至数据块block中；若是，则执行S506；若否，则继续监测。

S506，JobTracker生成对单位数据执行流式处理的流式处理指令，并将流式处理指令下发至TaskTracker。

其中，流式处理指令中包括指定文件对应的流式处理逻辑。流式处理逻辑包括数据流式处理过程中所用到的具体的函数，如sum、min、filter、converter等函数。

S507，TaskTracker调用仅设置于DataNode上的数据读取接口，并利用数据读取接口读取数据块block中的单位数据。

S508，TaskTracker按照流式处理逻辑对单位数据执行相应的流式处理，得到处理结果。

S509，TaskTracker按照预设频率将处理结果上传至JobTracker。

本实施例中，预设频率为3秒。

S510，JobTracker按照预设频率更新处理结果，并在接收到客户端发生的查询请求时，将最新更新的处理结果发送至客户端。

由本实施例可看出，该技术方案在对数据进行处理时，无需等待所有数据都完整地准备好再去处理，而是监测到单位数据成功存储时即可对单位数据进行流式处理，由于单位数据的数据量通常很小(即64KB)，使得处理时效很高，因此能够实现高时效地流式数据处理服务器；此外，该技术方案基于分布式文件系统HDFS，无需构建额外的流式计算框架，因此在系统的部署和运维上也非常方便。

综上，已经对本主题的特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作可以按照不同的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序，以实现期望的结果。在某些实施方式中，多任务处理和并行处理可以是有利的。

以上为本说明书一个或多个实施例提供的数据的流式处理方法，基于同样的思路，本说明书一个或多个实施例还提供一种数据的流式处理装置。

图6是根据本说明书一实施例的一种数据的流式处理装置的示意性框图，如图6所示，数据的流式处理装置600应用于分布式文件系统HDFS，包括：

第一接收模块610，用于接收客户端发送的针对指定文件的数据流式处理任务；其中，数据流式处理任务包括指定文件对应的流式处理逻辑；

接收及存储模块620，用于基于数据流式处理任务，接收客户端发送的单位数据；及，将单位数据存储至指定文件中；

监测模块630，用于监测单位数据是否成功存储至指定文件中；

处理模块640，用于若单位数据成功存储至指定文件中，则按照流式处理逻辑对单位数据执行相应的流式处理，得到处理结果。

在一个实施例中，装置600还包括：

第二接收模块，用于在接收客户端发送的针对指定文件的数据流式处理任务之前，接收客户端发送的用于新建指定文件的第一指令；其中，第一指令中包括指定文件的文件元信息；文件元信息包括文件名、文件权限、文件路径、文件创建者中的至少一项信息；

新建模块，用于根据第一指令新建指定文件；

划分及分布模块，用于将指定文件划分为多个预定大小的数据块；及，将各数据块分布在分布式文件系统HDFS的数据节点上；其中，数据块用于存储单位数据。

在一个实施例中，接收及存储模块620包括：

确定单元，用于根据各数据块的相关存储信息，确定用于存储单位数据的第一数据块；其中，相关存储信息包括存储状态、分布位置中的至少一项；

存储单元，用于将客户端发送的单位数据存储至第一数据块中。

在一个实施例中，装置600还包括：

更新单元，用于按照预设频率更新处理结果；

第二存储单元，用于将更新后的处理结果存储至分布式文件系统HDFS的任务追踪器中。

在一个实施例中，装置600还包括：

获取模块，用于当接收到来自客户端的用于查询处理结果的查询请求时，获取最近一次更新后的目标处理结果；

发送模块，用于将目标处理结果发送至客户端。

采用本说明书一个或多个实施例的装置，在接收到客户端发送的针对指定文件的数据流式处理任务后，能够接收客户端发生的单位数据及将单位数据存储至指定文件中，并在监测到单位数据成功存储至指定文件中时，按照流式处理逻辑对单位数据执行相应的流式处理。可见，该技术方案在对数据进行处理时，无需等待所有数据都完整地准备好再去处理，而是监测到单位数据成功存储时即可对单位数据进行流式处理，由于单位数据的数据量通常很小(如64KB)，使得处理时效很高，因此能够实现高时效地流式数据处理服务器；此外，该技术方案基于分布式文件系统HDFS，无需构建额外的流式计算框架，因此在系统的部署和运维上也非常方便。

本领域的技术人员应可理解，上述数据的流式处理装置能够用来实现前文所述的数据的流式处理方法，其中的细节描述应与前文方法部分描述类似，为避免繁琐，此处不另赘述。

基于同样的思路，本说明书一个或多个实施例还提供一种数据的流式处理设备，如图7所示。数据的流式处理设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器701和存储器702，存储器702中可以存储有一个或一个以上存储应用程序或数据。其中，存储器702可以是短暂存储或持久存储。存储在存储器702的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对数据的流式处理设备中的一系列计算机可执行指令。更进一步地，处理器701可以设置为与存储器702通信，在数据的流式处理设备上执行存储器702中的一系列计算机可执行指令。数据的流式处理设备还可以包括一个或一个以上电源703，一个或一个以上有线或无线网络接口704，一个或一个以上输入输出接口705，一个或一个以上键盘706。

具体在本实施例中，数据的流式处理设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对数据的流式处理设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：

接收客户端发送的针对指定文件的数据流式处理任务；其中，所述数据流式处理任务包括所述指定文件对应的流式处理逻辑；

基于所述数据流式处理任务，接收所述客户端发送的单位数据；及，将所述单位数据存储至所述指定文件中；

监测所述单位数据是否成功存储至所述指定文件中；

若是，则按照所述流式处理逻辑对所述单位数据执行相应的流式处理，得到处理结果。

可选地，计算机可执行指令在被执行时，还可以使所述处理器：

在接收客户端发送的针对指定文件的数据流式处理任务之前，接收所述客户端发送的用于新建所述指定文件的第一指令；其中，所述第一指令中包括所述指定文件的文件元信息；所述文件元信息包括文件名、文件权限、文件路径、文件创建者中的至少一项信息；

根据所述第一指令新建所述指定文件；

将所述指定文件划分为多个预定大小的数据块；及，将各所述数据块分布在所述分布式文件系统HDFS的数据节点上；其中，所述数据块用于存储所述单位数据。

可选地，计算机可执行指令在被执行时，还可以使所述处理器：

根据各所述数据块的相关存储信息，确定用于存储所述单位数据的第一数据块；其中，所述相关存储信息包括存储状态、分布位置中的至少一项；

将所述客户端发送的所述单位数据存储至所述第一数据块中。

可选地，计算机可执行指令在被执行时，还可以使所述处理器：

按照预设频率更新所述处理结果；

将更新后的所述处理结果存储至所述分布式文件系统HDFS的任务追踪器中。

可选地，计算机可执行指令在被执行时，还可以使所述处理器：

当接收到来自所述客户端的用于查询所述处理结果的查询请求时，获取最近一次更新后的目标处理结果；

将所述目标处理结果发送至所述客户端。

本说明书一个或多个实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行上述数据的流式处理方法，并具体用于执行：

接收客户端发送的针对指定文件的数据流式处理任务；其中，所述数据流式处理任务包括所述指定文件对应的流式处理逻辑；

基于所述数据流式处理任务，接收所述客户端发送的单位数据；及，将所述单位数据存储至所述指定文件中；

监测所述单位数据是否成功存储至所述指定文件中；

若是，则按照所述流式处理逻辑对所述单位数据执行相应的流式处理，得到处理结果。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书一个或多个实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书一个或多个实施例可提供为方法、系统、或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书一个或多个实施例是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本说明书一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书一个或多个实施例可以有各种更改和变化。凡在本说明书一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的权利要求范围之内。

Claims (19)

1.一种数据的流式处理方法，应用于分布式文件系统HDFS，所述方法包括：

接收客户端发送的针对指定文件的数据流式处理任务；其中，所述数据流式处理任务包括所述指定文件对应的流式处理逻辑；

基于所述数据流式处理任务，接收所述客户端发送的单位数据；及，将所述单位数据存储至所述指定文件中；

监测所述单位数据是否成功存储至所述指定文件中；

若是，则按照所述流式处理逻辑对所述单位数据执行相应的流式处理，得到处理结果。

2.根据权利要求1所述的方法，在接收客户端发送的针对指定文件的数据流式处理任务之前，还包括：

接收所述客户端发送的用于新建所述指定文件的第一指令；其中，所述第一指令中包括所述指定文件的文件元信息；所述文件元信息包括文件名、文件权限、文件路径、文件创建者中的至少一项信息；

根据所述第一指令新建所述指定文件；

将所述指定文件划分为多个预定大小的数据块；及，将各所述数据块分布在所述分布式文件系统HDFS的数据节点上；其中，所述数据块用于存储所述单位数据。

3.根据权利要求2所述的方法，所述将所述单位数据存储至所述指定文件中，包括：

根据各所述数据块的相关存储信息，确定用于存储所述单位数据的第一数据块；其中，所述相关存储信息包括存储状态、分布位置中的至少一项；

将所述客户端发送的所述单位数据存储至所述第一数据块中。

4.根据权利要求1所述的方法，还包括：

按照预设频率更新所述处理结果；

将更新后的所述处理结果存储至所述分布式文件系统HDFS的任务追踪器中。

5.根据权利要求4所述的方法，还包括：

当接收到来自所述客户端的用于查询所述处理结果的查询请求时，获取最近一次更新后的目标处理结果；

将所述目标处理结果发送至所述客户端。

6.一种数据的流式处理装置，应用于分布式文件系统HDFS，所述装置包括：

第一接收模块，用于接收客户端发送的针对指定文件的数据流式处理任务；其中，所述数据流式处理任务包括所述指定文件对应的流式处理逻辑；

接收及存储模块，用于基于所述数据流式处理任务，接收所述客户端发送的单位数据；及，将所述单位数据存储至所述指定文件中；

监测模块，用于监测所述单位数据是否成功存储至所述指定文件中；

处理模块，用于若所述单位数据成功存储至所述指定文件中，则按照所述流式处理逻辑对所述单位数据执行相应的流式处理，得到处理结果。

7.根据权利要求6所述的装置，还包括：

第二接收模块，用于在接收客户端发送的针对指定文件的数据流式处理任务之前，接收所述客户端发送的用于新建所述指定文件的第一指令；其中，所述第一指令中包括所述指定文件的文件元信息；所述文件元信息包括文件名、文件权限、文件路径、文件创建者中的至少一项信息；

新建模块，用于根据所述第一指令新建所述指定文件；

划分及分布模块，用于将所述指定文件划分为多个预定大小的数据块；及，将各所述数据块分布在所述分布式文件系统HDFS的数据节点上；其中，所述数据块用于存储所述单位数据。

8.根据权利要求7所述的装置，所述接收及存储模块包括：

确定单元，用于根据各所述数据块的相关存储信息，确定用于存储所述单位数据的第一数据块；其中，所述相关存储信息包括存储状态、分布位置中的至少一项；

存储单元，用于将所述客户端发送的所述单位数据存储至所述第一数据块中。

9.根据权利要求6所述的装置，还包括：

更新单元，用于按照预设频率更新所述处理结果；

第二存储单元，用于将更新后的所述处理结果存储至所述分布式文件系统HDFS的任务追踪器中。

10.根据权利要求9所述的装置，还包括：

获取模块，用于当接收到来自所述客户端的用于查询所述处理结果的查询请求时，获取最近一次更新后的目标处理结果；

发送模块，用于将所述目标处理结果发送至所述客户端。

11.一种分布式文件系统HDFS，包括：

任务追踪器，用于接收客户端发送的针对指定文件的数据流式处理任务；其中，所述数据流式处理任务包括所述指定文件对应的流式处理逻辑；所述指定文件存储于所述分布式文件系统HDFS的数据节点中；

所述数据节点，用于基于所述数据流式处理任务，接收所述客户端发送的单位数据；及，将所述单位数据存储至所述指定文件中；

所述任务追踪器，还用于监测所述单位数据是否成功存储至所述指定文件中；

所述数据节点，还用于若所述任务追踪器监测到所述单位数据成功存储至所述指定文件，则按照所述流式处理逻辑对所述单位数据执行相应的流式处理，得到处理结果。

12.根据权利要求11所述的系统，所述任务追踪器，还用于若监测到所述单位数据成功存储至所述指定文件，则生成对所述单位数据执行流式处理的流式处理指令，并将所述流式处理指令下发至所述数据节点；

所述数据节点，还用于接收所述流式处理指令；基于所述流式处理指令，按照所述流式处理逻辑对所述单位数据执行相应的流式处理。

13.根据权利要求12所述的系统，还包括：

元数据节点，用于接收所述客户端发送的用于新建所述指定文件的第一指令；根据所述第一指令新建所述指定文件；将所述指定文件划分为多个指定大小的数据块；及，将各所述数据块分布在所述数据节点上；

其中，所述第一指令中包括所述指定文件的文件元信息；所述文件元信息包括文件名、文件权限、文件路径、文件创建者中的至少一项信息；所述数据块用于存储所述单位数据。

14.根据权利要求13所述的系统，所述数据节点还用于：

根据各所述数据块的相关存储信息，确定用于存储所述单位数据的第一数据块；其中，所述相关存储信息包括存储状态、分布位置中的至少一项；

将所述客户端发送的所述单位数据存储至所述第一数据块中。

15.根据权利要求14所述的系统，所述数据节点上设有数据读取接口；所述数据节点还用于：

在接收到所述流式处理指令之后，调用所述数据读取接口；

利用所述数据读取接口读取所述第一数据块中的所述单位数据；及，对读取到的所述单位数据执行所述流式处理。

16.根据权利要求11所述的系统，所述数据节点还用于：

按照预设频率将所述处理结果上传至所述任务追踪器。

17.根据权利要求16所述的系统，所述任务追踪器还用于：

按照所述预设频率获取并更新所述处理结果；

当接收到来自所述客户端的用于查询所述处理结果的查询请求时，获取最近一次更新后的目标处理结果；

将所述目标处理结果发送至所述客户端。

18.一种数据的流式处理设备，应用于分布式文件系统HDFS，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：

接收客户端发送的针对指定文件的数据流式处理任务；其中，所述数据流式处理任务包括所述指定文件对应的流式处理逻辑；

基于所述数据流式处理任务，接收所述客户端发送的单位数据；及，将所述单位数据存储至所述指定文件中；

监测所述单位数据是否成功存储至所述指定文件中；

若是，则按照所述流式处理逻辑对所述单位数据执行相应的流式处理，得到处理结果。

19.一种存储介质，用于存储计算机可执行指令，所述可执行指令在被执行时实现以下流程：

接收客户端发送的针对指定文件的数据流式处理任务；其中，所述数据流式处理任务包括所述指定文件对应的流式处理逻辑；

基于所述数据流式处理任务，接收所述客户端发送的单位数据；及，将所述单位数据存储至所述指定文件中；

监测所述单位数据是否成功存储至所述指定文件中；

若是，则按照所述流式处理逻辑对所述单位数据执行相应的流式处理，得到处理结果。