CN110389785B - 大数据处理系统及方法、电子设备、存储介质 - Google Patents

Abstract

本公开是关于一种大数据处理系统及方法、电子设备、存储介质，涉及数据处理技术领域，该方法包括：数据接收单元，用于通过基于预设系统的集群实例的监听器接收业务数据；数据转发单元，用于对接收到的所述业务数据根据转发策略转发至所述集群实例的分布式组件或下级集群实例；业务处理单元，用于通过所述集群实例的分布式组件对接收到的所述业务数据进行处理，以生成中间数据；数据发送单元，用于根据转发策略将所述中间数据发送至所述集群实例的所述分布式组件或所述下级集群实例，以进行数据处理。本公开可以更容易地维护数据系统，提高数据处理系统的可靠性。

Description

大数据处理系统及方法、电子设备、存储介质

技术领域

本公开涉及数据处理技术领域，具体而言，涉及一种大数据处理系统、大数据处理方法、电子设备以及计算机可读存储介质。

背景技术

在DDos((Distributed Denial of Service，分布式拒绝服务)防护流量分析场景中，通常会基于开源的Storm、Spark等组件进行实时数据大流量数据分析处理。

相关技术中，一般会基于分布式组件JobBolt组织业务处理拓扑；然后采用流式处理框架根据Etcd集群实例注册信息和JobBolt生成路由算法；集群实例在监听到数据时，根据数据路由信息，交付第一阶段JobBolt处理；业务数据在本阶段JobBolt处理完成后，根据路由信息交付下一阶段的JobBolt处理。

但是，上述方式中，开源Storm、Spark等实时数据处理系统体量较大，耗费物理资源较多，因此不易于维护；除此之外，由于数据负载不平衡，可能导致系统异常，进而对数据处理造成较大影响，降低数据处理系统的可靠性。

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大数据处理系统及方法、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数据处理系统不易维护的问题。

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，提供一种大数据处理系统，包括：数据接收单元，用于通过基于预设系统的集群实例的监听器接收业务数据；数据转发单元，用于将接收到的所述业务数据根据转发策略转发至所述集群实例的分布式组件或下级集群实例；业务处理单元，用于通过所述集群实例的分布式组件对接收到的所述业务数据进行处理，以生成中间数据；数据发送单元，用于根据转发策略将所述中间数据发送至所述集群实例的所述分布式组件或所述下级集群实例，以进行数据处理。

在本公开的一种示例性实施例中，所述数据发送单元包括：第一发送子单元，用于根据所述路由算法将所述中间数据发送至所述集群实例的分布式组件。

在本公开的一种示例性实施例中，所述数据发送单元包括：第二发送子单元，用于通过第一接口将所述中间数据发送至所述下级集群实例的所述监听器。

在本公开的一种示例性实施例中，所述系统还包括：信息维护单元，用于通过Ectd集群对所述集群实例建立服务发现机制，并通过所述服务发现机制维护所述集群实例的路由信息和转发策略。

在本公开的一种示例性实施例中，所述信息维护单元包括：维护控制子单元，用于控制第二接口根据业务拓扑信息、转发策略以及所述集群实例对所述路由信息进行维护。

在本公开的一种示例性实施例中，所述系统还包括：状态监测单元，用于通过第三接口实时监测和统计所述集群实例的状态。

在本公开的一种示例性实施例中，所述方法还包括：有向图生成单元，用于控制第四接口根据所述业务拓补信息生成数据有向图。

根据本公开的一个方面，提供一种大数据处理方法，包括：通过基于预设系统的集群实例的监听器接收业务数据；将接收到的所述业务数据根据转发策略转发至所述集群实例的分布式组件或下级集群实例；通过所述集群实例的所述分布式组件对接收到的所述业务数据进行处理，以生成中间数据；根据转发策略将所述中间数据发送至所述集群实例的所述分布式组件或所述下级集群实例，以进行数据处理。

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大数据处理方法。

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大数据处理方法。

本公开示例性实施例中提供的一种大数据处理系统、大数据处理方法、电子设备以及计算机可读存储介质中，根据转发策略将接收到的业务数据或处理后的中间数据转发至集群实例的分布式组件或下级集群实例，一方面，根据预设系统中的转发策略进行数据转发，避免耗费较多的物理资源，更易于系统维护；另一方面，通过转发策略进行数据转发，使得数据平衡负载，减小了系统异常对数据处理的影响，提高了数据处理系统的可靠性。

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大数据处理系统框图；

图2示意性示出本公开示例性实施例中大数据处理系统的具体架构图；

图3示意性示出本公开示例性实施例中集群实例的拓扑图；

图4示意性示出本公开示例性实施例中一种大数据处理方法的示意图；

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大数据处理系统，可以应用于Ddos防护流量分析场景中，用于进行大流量数据实时分析处理。参考图1所示，该大数据处理系统100可以包括：数据接收单元101、数据转发单元102、业务处理单元103以及数据发送单元104，其中：

数据接收单元101，可以用于通过基于预设系统的集群实例的监听器接收业务数据；

数据转发单元102，可以用于将接收到的所述业务数据根据转发策略转发至所述集群实例的分布式组件或下级集群实例；

业务处理单元103，可以用于通过所述集群实例的分布式组件对接收到的所述业务数据进行处理，以生成中间数据；

数据发送单元104，可以用于根据转发策略将所述中间数据发送至所述集群实例的所述分布式组件或所述下级集群实例，以进行数据处理。

在本示例性实施例中提供的大数据处理系统中，一方面，根据预设系统中的转发策略进行数据转发，避免耗费较多的物理资源，更易于系统维护；另一方面，通过转发策略进行数据转发，使得数据平衡负载，减小了系统异常对数据处理的影响，提高了数据处理系统的可靠性。

接下来，结合附图对本示例性实施例中的大数据处理系统进行进一步解释说明。

数据接收单元101，可以用于通过基于预设系统的集群实例的监听器接收业务数据。

本示例中，预设系统例如可以为通过Go语言建立的分布式实时数据处理系统。Go语言具有静态编译以及高并发等特性，可以在不损失应用程序性能的情况下降低代码的复杂性。因此基于Go语言建立的实时数据处理系统具有依赖性低、定制化强等特点。

集群中可以包括多个集群实例，且每一个集群实例的参数基本相同。本示例中的集群实例可以包括多个接口，且每个接口都执行不同的功能。具体而言，参考图2所示，集群实例中可以包括监听器JobListener，监听器JobListener可以通过http server接收业务数据。这里可以通过两种方式进行监听操作：一、注册为全局监听器，即对所有的集群实例都有效；二、注册为针对特定集群实例的局部监听器，其中针对不同的版本，有不同的配置方式。监听方式具体可以包括：采用getName()、jobToBeExecuted()、jobExecutionVetoed()以及jobWasExecuted()等函数进行JobListener监听。

业务数据可以为客户端发送的业务请求对应的数据，例如，当通过JobListener监听到客户端发送的业务请求“获取某一段时间内的销售数量”时，可以通过监听集群实例，以获取并接收与业务请求对应的业务数据。

数据转发单元102，可以用于将接收到的所述业务数据根据转发策略转发至所述集群实例的分布式组件或下级集群实例。

本示例中，监听器JobListener在接收到业务数据后，可以根据该集群实例中确定的转发策略对接收到的业务数据进行转发。转发策略可以根据业务数据的实际应用情况进行设置，以通过转发策略合理分配数据。在确定转发策略之后，转发路由可以根据集群实例的个数和上游JobBolt到下游JobBolt的分组策略确定将业务数据转发至何处。例如，可以转发至当前集群实例的分布式组件或下级集群实例。

分布式组件即JobBolt，一般情况下，一个集群实例中可以包括多个分布式组件。第一个分布式组件JobBolt收到消息或者数据之后，会执行用户的业务逻辑，随后可以将处理后的数据继续发送到下一个JobBolt，以形成一个处理流水线。需要注意的是，可以通过处理流水线中的最后一个JobBolt进行数据存储操作，比如将实时计算出来的数据写入DB或者是HBase等数据库，以供前台业务进行查询和展现。除此之外，也可以在处理完消息之后直接结束整个消息处理过程。

下级集群实例可以与当前集群实例通信连接，一般位于当前集群实例的下一阶段，并且可以将经过当前集群实例的数据作为下级集群事例的输入数据。

集群实例中的JobListener在接收到业务数据后，可以根据具体的转发策略进行数据转发。举例而言，参考图2所示，集群实例201中的监听器JobListener可以根据转发策略，将接收到的业务数据通过集群实例中的Forwarder接口转发至下级集群实例中的JobListener；也可以将接收到的业务数据直接转发至集群实例201中的分布式组件JobBolt。

其中，如果只有下级集群实例202会对业务数据进行处理，则可以直接通过集群实例中的Forwarder接口将业务数据转发下级集群实例202中的JobListener；如果需要集群实例201对业务数据进行处理，则需要将业务数据进一步转发至集群实例201中的第一个分布式组件。在此基础上，可以通过增加集群实例进行集群横向扩容，从而可以便于业务调整和扩展；除此之外，可以减少组件的引入，并且减少硬件资源的投入，从而降低系统运营成本。

业务处理单元103，可以用于通过所述集群实例的分布式组件对接收到的所述业务数据进行处理，以生成中间数据。

如数据转发单元中所述，如果集群实例中的监听器JobListener根据实际需求将业务数据发送至同一个集群实例中的分布式组件之后，可以采用多个分布式组件JobBolt，基于客户端发送的业务请求对业务数据进行处理，并将处理后得到的数据作为中间数据。此处的数据处理例如可以包括数据转换、分组、计算、检索、排序等操作。

在处理业务数据时，如果数据量较大，可以进行批处理，以充分利用机器资源。除此之外也可以进行实时处理，以即时输出处理结果，本示例中以实时处理方式为例进行说明。

数据发送单元104，可以用于根据转发策略将所述中间数据发送至所述集群实例的所述分布式组件或所述下级集群实例，以进行数据处理。

本示例中，与数据转发单元的功能类似，集群实例中的分布式组件JobBolt在接收到中间数据后，可以根据根据Hash字段以及流分组模式，对中间数据进行转发，以确定是由本节点处理中间数据还是将中间数据转发给其它的集群实例进行处理，以合理分配数据。其中，流分组模式可以包括随机分组、字段分组和全局分组中的任意一种或多种。

具体而言，数据发送单元104可以包括第一发送子单元1041以及第二发送子单元1042。其中，第一发送子单元可以用于根据所述路由算法将所述中间数据发送至所述集群实例的分布式组件。第二发送子单元可以用于通过第一接口将所述中间数据发送至所述下级集群实例的所述监听器。

其中，路由算法的目的在于找到一条从源路由器到目的路由器的好路径。流式处理框架可以根据集群实例的注册信息和分布式组件JobBolt生成路由算法。路由算法例如可以包括随机分组、字段分组、全局分组、LS算法、Dijkstra算法、链路向量选路算法以及距离向量算法等等，可以基于一致性Hash算法实现业务数据的路由算法。在确定路由算法之后，可以根据确定的路由算法将产生的中间数据发送至同一集群实例的分布式组件，以继续进行数据处理。

此处的第一接口指的是集群实例中的Forwarder接口。如果只有下级集群实例对业务数据进行处理，则可以直接通过集群实例中的Forwarder接口将产生的中间数据转发下级集群实例中的JobListener监听器，从而实现数据负载均衡。

除此之外，大数据处理系统中还可以包括信息维护单元，可以用于通过Ectd集群对所述集群实例建立服务发现机制，并通过所述服务发现机制维护所述集群实例的路由信息和转发策略。

具体而言，如果需要一个分布式存储仓库来存储配置信息，并且希望这个仓库读写速度快、支持高可用、部署简单、支持http接口，那么就可以使用Etcd集群。Etcd集群是一个分布式系统，由多个节点相互通信构成整体对外服务，每个节点都存储了完整的数据，并且通过Raft协议保证每个节点维护的数据是一致的。本示例中，可以通过Coordinator接口注册Etcd集群，使Etcd集群与集群实例通信连接，可以为集群实例建立服务发现机制。服务发现机制是服务框架下把服务请求者和服务提供者连接起来的重要环节，且服务发现机制可以包括客户端发现机制或者是服务端发现机制。

路由信息中包括表示数据来源的分布式组件JobBolt、表示数据去处的分布式组件JobBolt以及流分组模式等信息。在建立服务发现机制之后，可以通过服务发现机制维护集群实例的路由信息和转发策略，以保证数据的准确传输。

其中，信息维护单元可以包括维护控制子单元，可以用于控制第二接口根据业务拓扑信息、转发策略以及所述集群实例对所述路由信息进行维护。第二接口例如可以为Route接口，其输入可以为第四接口Topology的输出数据，其输出连接至集群实例中的JobListener监听器。业务拓扑信息可以为业务拓扑关系图，一般为用于表示业务处理节点之间的关系图。拓扑关系图的结构例如可以为星型结构、总线结构、环型结构或者是树型结构。路由算法可以根据集群中的实例个数、流分组模式以及业务拓扑信息，确定本集群实例中处理数据的节点，或者将数据转发出去，让其他节点或其他集群实例进行处理。本示例中可以控制集群实例中的Route接口，根据业务拓扑信息、确定的转发策略以及集群实例的设置信息，通过Route命令对路由信息进行维护，以保证系统的稳定性，从而提高数据处理的可靠性。

除此之外，大数据处理系统还可以包括状态监测单元，用于通过第三接口实时监测和统计所述集群实例的状态。其中，第三接口可以为Monitor接口，可以与外部设备连接，实时监测集群实例的运行状态，并对运行状态和产生的数据进行统计，以提供可视化数据展示服务。

进一步地，大数据处理系统还可以包括有向图生成单元，用于控制第四接口根据所述业务拓扑信息生成集群实例内部的数据有向图。第四接口可以为Topology接口，数据有向图可以为由一组顶点和一组有方向的边组成的。本示例中，可以通过数据有向图清楚、直观地标识集群实例中不同接口之间数据传输。

综上所述，本示例中的大数据处理系统中，通过转发策略将数据转发至分布式组件或者是下级集群实例，在集群实例重启时，不会造成分布式组件中缓存数据的丢失，因此更易于维护，系统稳定性更好；基于此，相对于开源Storm、Spark等实时数据处理系统而言，可以增强业务定制性，实现轻量级。

图2中示出了大数据处理系统的具体架构图。参考图2所示，具体包括以下部分：

集群实例201，具体包括：

JobListener监听器2011，用于在接收到业务数据后，可以根据该集群实例中确定的转发策略对接收到的业务数据进行转发；

Forwarder接口2012，用于将业务数据和中间数据转发至下级集群实例202；

JobBolt分布式组件2013、2018、2019，用于对业务数据和中间数据进行业务处理；

Route接口2014，用于根据业务拓扑信息、转发策略以及所述集群实例对所述路由信息进行维护；

Topology接口2015，用于根据所述业务拓扑信息生成集群实例内部的数据有向图；

Monitor接口2016，用于实时监测集群实例的运行状态；

Coordinator接口2017，用于注册Etcd集群，以为集群实例建立服务发现机制。

下级集群实例202，其中包括JobListener监听器2021以及Forwarder接口2022等与集群实例201相同的接口，且各个接口的功能与集群实例201相同，此处不再赘述。

Etcd集群203，用于为集群实例建立服务发现机制。

图3示出了集群实例的拓扑图。由图3可以看出，JobListener监听器301和JobListener监听器301在接收到业务数据后，监听器301可以将其转发至JobBolt分布式组件303；监听器302可以将其转发至JobBolt分布式组件304和分布式组件305；进一步地，分布式组件303和分布式组件304会将业务数据转发至分布式组件306，分布式组件305会将业务数据转发至分布式组件307，以进行业务数据处理。

本公开还提供了一种大数据处理方法。参考图4所示，该大数据处理方法可以包括：

在步骤S410中，通过基于预设系统的集群实例的监听器接收业务数据；

在步骤S420中，将接收到的所述业务数据根据转发策略转发至所述集群实例的分布式组件或下级集群实例；

在步骤S430中，通过所述集群实例的所述分布式组件对接收到的所述业务数据进行处理，以生成中间数据；

在步骤S440中，根据转发策略将所述中间数据发送至所述集群实例的所述分布式组件或所述下级集群实例，以进行数据处理。

需要说明的是，上述大数据处理方法中各步骤的具体细节已经在对应的大数据处理系统中进行了详细描述，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。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

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4中所示的步骤：在步骤S410中，通过基于预设系统的集群实例的监听器接收业务数据；在步骤S420中，将接收到的所述业务数据根据转发策略转发至所述集群实例的分布式组件或下级集群实例；在步骤S430中，通过所述集群实例的所述分布式组件对接收到的所述业务数据进行处理，以生成中间数据；在步骤S440中，根据转发策略将所述中间数据发送至所述集群实例的所述分布式组件或所述下级集群实例，以进行数据处理。

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。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

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 (10)

1.一种大数据处理系统，其特征在于，包括：

数据接收单元，用于通过基于预设系统的集群实例的监听器接收业务数据；所述集群实例包括多个分布式组件；

数据转发单元，用于将接收到的所述业务数据根据转发策略转发至所述集群实例的多个分布式组件中的第一个分布式组件或下级集群实例；

业务处理单元，用于通过所述第一个分布式组件对接收到的所述业务数据进行处理，以生成中间数据；

数据发送单元，用于根据所述转发策略将所述中间数据发送至所述集群实例中的下一个分布式组件或所述下级集群实例，以进行数据处理，以形成一个处理流水线，并通过所述处理流水线中的最后一个分布式组件进行数据存储操作。

2.根据权利要求1所述的大数据处理系统，其特征在于，所述数据发送单元包括：

第一发送子单元，用于根据路由算法将所述中间数据发送至所述集群实例的分布式组件。

3.根据权利要求1所述的大数据处理系统，其特征在于，所述数据发送单元包括：

第二发送子单元，用于通过第一接口将所述中间数据发送至所述下级集群实例的所述监听器。

4.根据权利要求1所述的大数据处理系统，其特征在于，所述系统还包括：

信息维护单元，用于通过Ectd集群对所述集群实例建立服务发现机制，并通过所述服务发现机制维护所述集群实例的路由信息和转发策略。

5.根据权利要求4所述的大数据处理系统，其特征在于，所述信息维护单元包括：

维护控制子单元，用于控制第二接口根据业务拓扑信息、转发策略以及所述集群实例对所述路由信息进行维护。

6.根据权利要求1所述的大数据处理系统，其特征在于，所述系统还包括：

状态监测单元，用于通过第三接口实时监测和统计所述集群实例的状态。

7.根据权利要求4所述的数据处理系统，其特征在于，所述系统还包括：

有向图生成单元，用于控制第四接口根据业务拓扑信息生成数据有向图。

8.一种大数据处理方法，其特征在于，包括：

通过基于预设系统的集群实例的监听器接收业务数据；所述集群实例包括多个分布式组件；

将接收到的所述多个分布式组件中的第一个业务数据根据转发策略转发至所述集群实例的分布式组件或下级集群实例；

通过所述集群实例的所述第一个分布式组件对接收到的所述业务数据进行处理，以生成中间数据；

根据所述转发策略将所述中间数据发送至所述集群实例中的下一个分布式组件或所述下级集群实例，以进行数据处理，以形成一个处理流水线，并通过所述处理流水线中的最后一个分布式组件进行数据存储操作。

9.一种电子设备，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8所述的大数据处理方法。

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，所述计算机程序被处理器执行时实现权利要求8所述的大数据处理方法。