CN110795479A - 基于数据的分布式etl调度的方法和装置 - Google Patents

基于数据的分布式etl调度的方法和装置 Download PDF

Info

Publication number
CN110795479A
CN110795479A CN201910949148.2A CN201910949148A CN110795479A CN 110795479 A CN110795479 A CN 110795479A CN 201910949148 A CN201910949148 A CN 201910949148A CN 110795479 A CN110795479 A CN 110795479A
Authority
CN
China
Prior art keywords
workflow
current
data
job flow
dependent
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
Application number
CN201910949148.2A
Other languages
English (en)
Inventor
李威
覃鹏
叶长全
刘增文
吴仰波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Construction Bank Corp
Original Assignee
China Construction Bank Corp
CCB Finetech Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Construction Bank Corp, CCB Finetech Co Ltd filed Critical China Construction Bank Corp
Priority to CN201910949148.2A priority Critical patent/CN110795479A/zh
Publication of CN110795479A publication Critical patent/CN110795479A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25Integrating or interfacing systems involving database management systems
    • G06F16/254Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/48Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806Task transfer initiation or dispatching
    • G06F9/4843Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于数据的分布式ETL调度的方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:根据当前作业流的作业流配置表,确定当前作业流的数据源表;依据该数据源表查找所有作业流的作业流配置表,确定以该数据源表作为数据结果表的依赖作业流;当该依赖作业流执行成功时执行当前作业流,并将当前作业流的执行数据保存至当前作业流的数据结果表。该实施方式能够以生产时产生的中间结果数据作为数据源,减少作业依赖复杂度、减少冗余数据的产生且节省计算资源、提高调度效率。

Description

基于数据的分布式ETL调度的方法和装置
技术领域
本发明涉及计算机技术领域,尤其涉及一种基于数据的分布式ETL调度的方法和装置。
背景技术
现有的数据分析领域,主流的开源作业调度工具,如Azkaban、Oozie、Kettle(C/S架构)等,ETL(Extract-Transform-Load,用来描述将数据从来源端经过萃取、转置、加载至目的端的过程)过程通常是依靠于源数据作为数据源进行时间、事件型调度,实际生产中的数据种类庞大,中间结果数据更是庞大,如果ETL过程仅仅依靠于源数据作为数据源进行调度,会产生更多的一次性数据且浪费计算资源。
发明内容
有鉴于此,本发明实施例提供一种基于数据的分布式ETL调度的方法和装置,能够以生产时产生的中间结果数据作为数据源,减少作业依赖复杂度、减少冗余数据的产生且节省计算资源、提高调度效率。
为实现上述目的,根据本发明的一个方面,提供了基于数据的一种分布式ETL调度的方法,包括:
根据当前作业流的作业流配置表,确定当前作业流的数据源表;
依据所述数据源表查找所有作业流的作业流配置表,确定以所述数据源表作为数据结果表的依赖作业流;
当所述依赖作业流执行成功时执行所述当前作业流,并将所述当前作业流的执行数据保存至所述当前作业流的数据结果表;
其中,所述作业流配置表包括以下字段:作业流标识,数据源表的标识,数据结果表的标识。
可选地,所述作业流配置表还包括如下字段:业务日期和作业流状态;
所述方法还包括:判断所述依赖作业流的业务日期和作业流状态是否满足如下条件:所述依赖作业流的业务日期等于所述当前作业流的日期、且所述依赖作业流的作业流状态为用于指示所述依赖作业流执行成功的状态;若是,则判定所述依赖作业流执行成功;以及,
执行所述当前作业流之后,还包括:更新所述当前作业流的作业流配置表中的业务日期和作业流状态。
可选地,所述作业流配置表还包括如下字段:时间触发、事件触发和作业流触发;
根据当前作业流的作业流配置表,确定当前作业流的数据源表之前,还包括:确认所述当前作业流被触发;其中,当所述当前作业流满足如下任一条件时,判定所述当前作业流被触发:
当前时间满足所述时间触发字段的字段值,所述事件触发字段指示的事件被触发,所述作业流触发字段指示的所述当前作业流的前置作业流执行成功。
可选地,所述作业流配置表还包括如下字段:数据处理过程描述和数据结果表结构;所述当前作业流是按照如下步骤创建的:
依据用户用于创建所述当前作业流输入的关键词查找所有作业流的作业流配置表,获取与所述关键词关联的关联作业流;
根据所述关联作业流的作业流配置表中的数据处理过程描述和数据结果表结构,从所有所述关联作业流的数据结果表中筛选所述当前作业流的数据源表;
创建所述当前作业流的作业流配置表,将所述当前作业流的数据源表的标识写入所述当前作业流的作业流配置表,以创建所述当前作业流。
根据本发明实施例的第二方面,提供一种基于数据的分布式ETL调度的装置,包括:
确定数据源表模块,根据当前作业流的作业流配置表,确定当前作业流的数据源表;
确定依赖作业流模块,依据所述数据源表查找所有作业流的作业流配置表,确定以所述数据源表作为数据结果表的依赖作业流;
执行模块,当所述依赖作业流执行成功时执行所述当前作业流,并将所述当前作业流的执行数据保存至所述当前作业流的数据结果表;
其中,所述作业流配置表包括以下字段:作业流标识,数据源表的标识,数据结果表的标识。
可选地,所述作业流配置表还包括如下字段:业务日期和作业流状态;
所述执行模块还用于:判断所述依赖作业流的业务日期和作业流状态是否满足如下条件:所述依赖作业流的业务日期等于所述当前作业流的日期、且所述依赖作业流的作业流状态为用于指示所述依赖作业流执行成功的状态;若是,则判定所述依赖作业流执行成功;以及,
执行所述当前作业流之后,更新所述当前作业流的作业流配置表中的业务日期和作业流状态。
可选地,所述作业流配置表还包括如下字段:时间触发、事件触发和作业流触发;
所述确定数据源表模块还用于:根据当前作业流的作业流配置表确定当前作业流的数据源表之前,确认所述当前作业流被触发;其中,当所述当前作业流满足如下任一条件时,判定所述当前作业流被触发:
当前时间满足所述时间触发字段的字段值,所述事件触发字段指示的事件被触发,所述作业流触发字段指示的所述当前作业流的前置作业流执行成功。
可选地,所述作业流配置表还包括如下字段:数据处理过程描述和数据结果表结构;所述装置还包括:创建模块,用于按照如下步骤创建所述当前作业流:
依据用户用于创建所述当前作业流输入的关键词查找所有作业流的作业流配置表,获取与所述关键词关联的关联作业流;
根据所述关联作业流的作业流配置表中的数据处理过程描述和数据结果表结构,从所有所述关联作业流的数据结果表中筛选所述当前作业流的数据源表;
创建所述当前作业流的作业流配置表,将所述当前作业流的数据源表的标识写入所述当前作业流的作业流配置表,以创建所述当前作业流。
根据本发明实施例的第三方面,提供一种基于数据的分布式ETL调度的电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例第一方面提供的基于数据的分布式ETL调度的方法。
根据本发明实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例第一方面提供的基于数据的分布式ETL调度的方法。
根据本发明的技术方案,上述发明中的一个实施例具有如下优点或有益效果:通过查找以当前作业流的数据源表作为数据结果表的依赖作业流、并在该依赖作业流执行成功时执行当前作业流,能够以生产时产生的中间结果数据作为数据源,减少作业依赖复杂度、减少冗余数据的产生且节省计算资源、提高调度效率。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是本发明实施例中基于数据的分布式ETL调度的方法的主要步骤示意图;
图2是本发明实施例中基于时间依赖触发当前作业流的流程示意图;
图3是本发明实施例中基于事件依赖触发当前作业流的流程示意图;
图4是本发明实施例中基于作业流依赖触发当前作业流的流程示意图;
图5是本发明可选实施例中基于数据的分布式ETL调度的方法的流程示意图;
图6是本发明实施例中基于数据的分布式ETL调度的装置的主要模块示意图;
图7是根据本发明实施例可以应用于其中的示例性系统架构图;
图8是用来实现本发明实施例中方法的电子设备结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要指出的是,在不冲突的情况下,本发明的实施例以及实施例中的技术特征可以相互结合。
本发明提及的各个术语的解释如下:
作业:应用分析处理的单位,为某一目标结果对数据进行处理的过程。本文中可代指ETL处理子过程。
作业流:能够完成一个业务功能的作业的有序集合。
调度:系统内,对于资源、作业统一调配,控制其运行时间、运行条件、运行状态的概念。
图1是根据本发明实施例中方法的主要步骤示意图。如图1所示,本发明实施例的方法可具体按照如下步骤执行:
步骤S101:根据当前作业流的作业流配置表,确定当前作业流的数据源表;
步骤S102:依据该数据源表查找所有作业流的作业流配置表,确定以该数据源表作为数据结果表的依赖作业流;
步骤S103:当该依赖作业流执行成功时执行当前作业流,并将当前作业流的执行数据保存至当前作业流的数据结果表;
其中,作业流配置表包括以下字段:作业流标识,数据源表的标识,数据结果表的标识。
此处提及的依赖作业流,是指以当前作业流的数据源表作为数据结果表的作业流,例如,作业流jobFlowA的数据源表为TableB,作业流jobFlowB的数据结果表为TableB,则作业流jobFlowB称作为作业流jobFlowA的依赖作业流。
数据结果表是生产时产生的中间结果数据,当依赖作业流执行成功时,该依赖作业流的数据结果表中的数据已准备好。本发明通过查找以当前作业流的数据源表作为数据结果表的依赖作业流、并在该依赖作业流执行成功时执行当前作业流,能够以生产时产生的中间结果数据作为数据源,减少作业依赖复杂度、减少冗余数据的产生且节省计算资源、提高调度效率。
可选地,作业流配置表还包括如下字段:业务日期和作业流状态。本发明实施例的方法还包括:判断该依赖作业流的业务日期和作业流状态是否满足如下条件:该依赖作业流的业务日期等于当前作业流的日期、且该依赖作业流的作业流状态为用于指示该依赖作业流执行成功的状态;若是,则判定该依赖作业流执行成功;以及,执行当前作业流之后,还包括:更新当前作业流的作业流配置表中的业务日期和作业流状态。此处提及的依赖作业流的业务日期等于当前作业流的日期,是指依赖作业流的业务日期能够满足当前作业流的时间要求,例如依赖作业流的业务日期距离判断时刻的时长不超过3天,或者依赖作业流的业务日期与判断时刻的日期相同(即二者是同一天)。
示例性地,作业流jobFlowA每天执行一次,其数据源表为TableB,作业流jobFlowB每天执行一次,其数据结果表为TableB。作业流jobFlowB执行之前预先建立对应的数据结果表TableB,作业流jobFlowB执行成功之后将结果数据(中间结果数据或者目标结果数据)写入数据结果表TableB。若判断时刻的日期是2019年5月2日,作业流jobFlowB的业务日期是2019年5月2日,则作业流jobFlowB的业务日期与当前作业流的日期不相等时,作业流jobFlowB的数据结果表TableB未准备好(是一张空表),其中不包含执行作业流jobFlowA所需要的数据。
通过设置业务日期字段,能够快速判断该依赖作业流的执行完成日期,以便确定其数据结果表是否准备好;通过设置作业流状态字段,能够快速判断依赖作业流是否执行成功。
可选地,所述作业流配置表还包括如下字段:时间触发、事件触发和作业流触发;
根据当前作业流的作业流配置表,确定当前作业流的数据源表之前,还包括:确认所述当前作业流被触发;其中,当所述当前作业流满足如下任一条件时,判定所述当前作业流被触发:
当前时间满足所述时间触发字段的字段值,所述事件触发字段指示的事件被触发,所述作业流触发字段指示的所述当前作业流的前置作业流执行成功。
基于时间依赖触发当前作业流时,本领域技术人员可以将实际需求中的各种时间依赖情况整理下来,例如以每日、每周、每月等维度进行整理,并采用正则表达式来进行描述。时间触发字段可以包括执行日期execDate字段和执行时间execTime字段。执行日期execDate字段用于控制作业流的执行日期,执行时间execTime字段用于控制每个执行日期的启动时间。示例性地,执行日期execDate字段为:
表1
描述符 含义
0 每天执行
1~n 隔n天执行,用于处理定时几天的需求
w2 每周二执行
w2|w3 每周二、每周三执行
m2 每月2号执行
m2|m5|m9 每月2号、5号、9号执行
图2是本发明实施例中基于时间依赖触发当前作业流的流程示意图。在图2示出的实施例中,当前作业流的时间依赖的正则表达式为m2,表明当前作业流每月2号执行;当前作业流的执行时间为execTime。
触发当前作业流的流程包括:
步骤S201:解析m2;
步骤S202:判断当前日期是否是2号;若是,则跳转至步骤S203;否则,间隔一定时间(例如24小时等)后跳转至步骤S201重新判断;
步骤S203:判断当前时间是否是execTime;若是,则跳转至步骤S204;否则,间隔一定时间(例如10s、3min等)后执行步骤S203重新进行判断;
步骤S204:执行当前作业流。
基于事件依赖触发当前作业流时,本领域技术人员可以将实际需求中的各种事件依赖情况整理下来,并采用正则表达式来进行描述。事件触发字段用来,描述当前作业流基于什么文件而触发,字段名可以设置为fileName_dpd。示例性地,事件触发fileName_dpd字段为:
表2
Figure BDA0002225192920000081
Figure BDA0002225192920000091
图3是本发明实施例中基于事件依赖触发当前作业流的流程示意图。在图3示出的实施例中,当前作业流的事件依赖的正则表达式为fileA&fileB&fileC,表明当前作业流需要在文件fileA、文件fileB、文件fileC均准备好之后执行。如图3所示,触发当前作业流的流程包括:
步骤S301:解析fileA&fileB&fileC;
步骤S302:判断fileA、fileB、fileC是否均准备好;若是,则跳转至步骤S303;否则,间隔一定时间(例如10s、3min等)后跳转至步骤S301重新判断;
步骤S303:执行当前作业流。
基于作业流依赖触发当前作业流时,本领域技术人员可以将实际需求中的各种作业流依赖情况整理下来,并采用正则表达式来进行描述。作业流触发字段用来,描述当前作业流基于什么作业流执行成功而触发,字段名可以设置为flowID_pre。示例性地,作业流触发flowID_pre字段为:
表3
描述符 含义
jobflowA 依赖于jobFlowA
jobflowA&jobflowB&jobflowC 依赖于jobFlowA、jobFlowB、jobFlowC共同完成
jobflowA|jobflowB|jobflowC 依赖于jobFlowA、jobFlowB、jobFlowC一个完成即可
(JobflowA&jobflowB)|jobflowC 依赖于jobFlowA、jobFlowB都完成或者jobflowC完成
图4是本发明实施例中基于作业流依赖触发当前作业流的流程示意图。在图4示出的实施例中,当前作业流的作业流依赖的正则表达式为jobflowA&jobflowB&jobflowC,表明当前作业流需要依赖于作业流jobFlowA、作业流jobFlowB、作业流jobFlowC共同完成。如图4所示,触发当前作业流的流程包括:
步骤S401:解析jobflowA&jobflowB&jobflowC;
步骤S402:判断jobFlowA、jobFlowB、jobFlowC是否均执行成功;若是,则跳转至步骤S403;否则,间隔一定时间(例如10s等)后跳转至步骤S401重新判断;
步骤S403:执行当前作业流。
以上结合具体示例对基于时间依赖、基于时间依赖以及基于作业流依赖触发的流程进行详细说明。需要说明的是,实际应用过程中也可以将上述各个触发方式中的两个或三个进行任务组合,以适应复杂应用场景。
可选地,所述作业流配置表还包括如下字段:数据处理过程描述和数据结果表结构;所述当前作业流是按照如下步骤创建的:依据用户用于创建所述当前作业流输入的关键词查找所有作业流的作业流配置表,获取与所述关键词关联的关联作业流;根据所述关联作业流的作业流配置表中的数据处理过程描述和数据结果表结构,从所有所述关联作业流的数据结果表中筛选所述当前作业流的数据源表;创建所述当前作业流的作业流配置表,将所述当前作业流的数据源表的标识写入所述当前作业流的作业流配置表,以创建所述当前作业流。
示例性地,创建作业流的过程包括如下步骤:
步骤1-1:操作人需要账户交易表数据,则输入关键词“账户交易”,即可模糊匹配相关的作业流以及描述,主要包含作业流名称jobFlowName、业务日期BizDate、数据源表名称和描述Data_Source、数据源表结构Data_Source_str、数据结果表名称和描述Data_Result、数据结果表结构Data_Result_str、数据处理过程描述Data_Desc等,如下表所示:
Figure BDA0002225192920000101
步骤1-2:根据数据处理过程描述和数据结果表结构,确定需要的中间结果表,则选定该行,创建新的作业流,绑定该行的Data_Result到新作业流的Data_Source。
步骤1-3:补充新作业流的作业流配置表中的其他字段。
对于金融业特别是银行业为代表的传统巨头企业,其业务种类复杂度高,IT系统截图多样性且用户信息安全要求高,ETL调度过程中生产的数据种类庞大,中间结果数据更是庞大。如果ETL过程仅仅依靠源数据作为数据源进行调度,会造成更多的一次性数据且浪费计算资源。本发明以生产中产生的中间结果表作为数据源创建新的作业流,在时间、事件、作业依赖调度之外,基于作业流判断和标志位、数据标记等方式结合,抽象一层基于数据的调度,能够减少作业依赖复杂度、减少冗余数据的产生且节省计算资源、提高调度效率。
以下结合图5对本发明基于数据的分布式ETL调度的方法进行示例性说明。本例中,通过交互模块,对作业流和作业进行配置,采用前述步骤1-1至1-3创建作业流;通过基础调度模块,创建基于时间、事件和作业依赖的调度关系;通过数据调度模块,创建基于数据依赖的调度关系。这些基础配置信息主要体现在作业流的作业流配置表中。本例中,分布式ETL调度的方法包括:
步骤2-1:创建作业流配置表,定义作业流的业务日期、执行日期,确定完成状态中,定义执行日期execTime、业务日期bizDate、状态Status(0-Create、1-Ready、2-Running、3-Done、4-Error、5-reRun)、自定义描述位speSiganl。举例如下:
表4
Figure BDA0002225192920000111
Figure BDA0002225192920000121
步骤2-2:整理各种依赖方式的类型,参见表1-3以及对应的文字描述,此处不再赘述。
步骤2-3:基于步骤1、2增加数据描述、数据结构说明等字段,用于支撑数据调度。参见表5:
表5
Figure BDA0002225192920000131
表5中:
(1)Data_Source数据源表名称,描述:表示当前作业流处理的数据来源于数据仓库Hive或者MPPDB中的哪张表。
(2)Data_Source_str数据源表结构:表示数据源表的表结构。
(3)Data_Result数据结果表名称,描述:表示处理后的保存在数据仓库Hive或者MPPDB的中间结果或者目标结果表的表名。
(4)Data_Result_str数据结果表结构:表示处理后的中间结果或者目标结果表的表结构。
(5)Data_Desc数据处理过程描述:表示对当前数据处理过程的描述。
步骤2-4:按照步骤1-1至步骤1-3创建作业流。
步骤2-5:开发调度工具,按照数据调度的条件调度相应作业流。具体地,编写数据调度处理服务DataSchedulerService,其主要处理逻辑如图5所示:
步骤S501:扫描数据依赖的作业流。例如,DataSchedulerService定时每10s拉起,开始扫描所有的基于数据以来的作业流。
步骤S502::扫描到jobFlowA依赖于TableB的数据。
步骤S503:根据TableB寻找Data_Result==TableB的作业流jobFlowB。即,寻找以TableB作为数据结果表的作业流jobFlowB。
步骤S504:判断bizDateB==bizDateA是否成立。即,判断jobFlowB的业务日期bizDateB是否等于jobFlowA所需要的业务日期,如果不等于,那么依赖条件不成功,跳转至步骤S501;如果等于,那么说明tableB的数据已经存在,跳转至步骤S505。
步骤S505:判断“flowStatusB==成功”是否成立。即,判断tableB在该bizDate的数据是否已经准备好,只需要判断jobFlowB的作业流状态是否为成功而不是运行或者失败,如果作业流状态为成功,则跳转至步骤S506,调起jobFlowA。否则,跳转至步骤S505。
本发明基于数据的调度能够简化作业流之间的依赖关系,让数据分析人员专注于数据的更新和完备性,而不是作业流;让数据分析人员能够重复使用经常用到的中间结果数据,能够减少中间结果数据冗余、节省存储资源和计算资源。
需要说明的是,对于前述的各方法实施例,为了便于描述,将其表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,某些步骤事实上可以采用其它顺序进行或者同时进行。此外,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是实现本发明所必须的。
为便于更好的实施本发明实施例的上述方案,下面还提供用于实施上述方案的相关装置。
图6是本发明实施例中基于数据的分布式ETL调度的装置的主要模块示意图。如图6所示,基于数据的分布式ETL调度的装置600包括:
确定数据源表模块601,根据当前作业流的作业流配置表,确定当前作业流的数据源表;
确定依赖作业流模块602,依据所述数据源表查找所有作业流的作业流配置表,确定以所述数据源表作为数据结果表的依赖作业流;
执行模块603,当所述依赖作业流执行成功时执行所述当前作业流,并将所述当前作业流的执行数据保存至所述当前作业流的数据结果表;
其中,所述作业流配置表包括以下字段:作业流标识,数据源表的标识,数据结果表的标识。
可选地,所述作业流配置表还包括如下字段:业务日期和作业流状态;
所述执行模块还用于:判断所述依赖作业流的业务日期和作业流状态是否满足如下条件:所述依赖作业流的业务日期等于所述当前作业流的日期、且所述依赖作业流的作业流状态为用于指示所述依赖作业流执行成功的状态;若是,则判定所述依赖作业流执行成功;以及,
执行所述当前作业流之后,更新所述当前作业流的作业流配置表中的业务日期和作业流状态。
可选地,所述作业流配置表还包括如下字段:时间触发、事件触发和作业流触发;
所述确定数据源表模块还用于:根据当前作业流的作业流配置表确定当前作业流的数据源表之前,确认所述当前作业流被触发;其中,当所述当前作业流满足如下任一条件时,判定所述当前作业流被触发:
当前时间满足所述时间触发字段的字段值,所述事件触发字段指示的事件被触发,所述作业流触发字段指示的所述当前作业流的前置作业流执行成功。
可选地,所述作业流配置表还包括如下字段:数据处理过程描述和数据结果表结构;所述装置还包括:创建模块,用于按照如下步骤创建所述当前作业流:
依据用户用于创建所述当前作业流输入的关键词查找所有作业流的作业流配置表,获取与所述关键词关联的关联作业流;
根据所述关联作业流的作业流配置表中的数据处理过程描述和数据结果表结构,从所有所述关联作业流的数据结果表中筛选所述当前作业流的数据源表;
创建所述当前作业流的作业流配置表,将所述当前作业流的数据源表的标识写入所述当前作业流的作业流配置表,以创建所述当前作业流。
图7示出了可以应用本发明实施例的方法或装置的示例性系统架构700。
如图7所示,系统架构700可以包括终端设备701、702、703,网络704和服务器705(此架构仅仅是示例,具体架构中包含的组件可以根据申请具体情况调整)。网络704用以在终端设备701、702、703和服务器705之间提供通信链路的介质。网络704可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备701、702、703通过网络704与服务器705交互,以接收或发送消息等。终端设备701、702、703上可以安装有各种客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备701、702、703可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器705可以是提供各种服务的服务器,例如对用户利用终端设备701、702、703所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求进行处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备701、702、703。
需要说明的是,本发明实施例所提供的方法一般由服务器705执行,相应地,本发明实施例所提供的装置一般设置于服务器705中。
应该理解,图7中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
本发明还提供了一种电子设备。本发明实施例的电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明所提供的方法。
下面参考图8,其示出了适于用来实现本发明实施例的电子设备的计算机系统800的结构示意图。图8示出的电子设备仅仅是一个示例,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8所示,计算机系统800包括中央处理单元(CPU)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM803中,还存储有计算机系统800操作所需的各种程序和数据。CPU801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便从其上读出的计算机程序根据需要被安装入存储部分808。
特别地,根据本发明公开的实施例,上文的主要步骤图描述的过程可以被实现为计算机软件程序。例如,本发明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主要步骤图所示的方法的程序代码。在上述实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元801执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示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。在本发明中,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。在本发明中,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:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、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,上述模块、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,这根据所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图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。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括:确定数据源表模块,根据当前作业流的作业流配置表,确定当前作业流的数据源表;确定依赖作业流模块,依据所述数据源表查找所有作业流的作业流配置表,确定以所述数据源表作为数据结果表的依赖作业流;执行模块,当所述依赖作业流执行成功时执行所述当前作业流,并将所述当前作业流的执行数据保存至所述当前作业流的数据结果表。其中,这些模块的名称在某种情况下并不构成对该单元本身的限定,例如,确定数据源表模块还可以被描述为“当所述依赖作业流执行成功时执行所述当前作业流”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中的。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设备执行时,使得该设备执行的步骤包括:根据当前作业流的作业流配置表,确定当前作业流的数据源表;依据所述数据源表查找所有作业流的作业流配置表,确定以所述数据源表作为数据结果表的依赖作业流;当所述依赖作业流执行成功时执行所述当前作业流,并将所述当前作业流的执行数据保存至所述当前作业流的数据结果表。
根据本发明实施例的技术方案,通过查找以当前作业流的数据源表作为数据结果表的依赖作业流、并在该依赖作业流执行成功时执行当前作业流,能够以生产时产生的中间结果数据作为数据源,减少作业依赖复杂度、减少冗余数据的产生且节省计算资源、提高调度效率。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。

Claims (10)

1.一种基于数据的分布式ETL调度的方法,其特征在于,包括:
根据当前作业流的作业流配置表,确定当前作业流的数据源表;
依据所述数据源表查找所有作业流的作业流配置表,确定以所述数据源表作为数据结果表的依赖作业流;
当所述依赖作业流执行成功时执行所述当前作业流,并将所述当前作业流的执行数据保存至所述当前作业流的数据结果表;
其中,所述作业流配置表包括以下字段:作业流标识,数据源表的标识,数据结果表的标识。
2.如权利要求1所述的方法,其特征在于,所述作业流配置表还包括如下字段:业务日期和作业流状态;
所述方法还包括:判断所述依赖作业流的业务日期和作业流状态是否满足如下条件:所述依赖作业流的业务日期等于所述当前作业流的日期、且所述依赖作业流的作业流状态为用于指示所述依赖作业流执行成功的状态;若是,则判定所述依赖作业流执行成功;以及,
执行所述当前作业流之后,还包括:更新所述当前作业流的作业流配置表中的业务日期和作业流状态。
3.如权利要求1所述的方法,其特征在于,所述作业流配置表还包括如下字段:时间触发、事件触发和作业流触发;
根据当前作业流的作业流配置表,确定当前作业流的数据源表之前,还包括:确认所述当前作业流被触发;其中,当所述当前作业流满足如下任一条件时,判定所述当前作业流被触发:
当前时间满足所述时间触发字段的字段值,所述事件触发字段指示的事件被触发,所述作业流触发字段指示的所述当前作业流的前置作业流执行成功。
4.如权利要求1所述的方法,其特征在于,所述作业流配置表还包括如下字段:数据处理过程描述和数据结果表结构;所述当前作业流是按照如下步骤创建的:
依据用户用于创建所述当前作业流输入的关键词查找所有作业流的作业流配置表,获取与所述关键词关联的关联作业流;
根据所述关联作业流的作业流配置表中的数据处理过程描述和数据结果表结构,从所有所述关联作业流的数据结果表中筛选所述当前作业流的数据源表;
创建所述当前作业流的作业流配置表,将所述当前作业流的数据源表的标识写入所述当前作业流的作业流配置表,以创建所述当前作业流。
5.一种基于数据的分布式ETL调度的装置,其特征在于,包括:
确定数据源表模块,根据当前作业流的作业流配置表,确定当前作业流的数据源表;
确定依赖作业流模块,依据所述数据源表查找所有作业流的作业流配置表,确定以所述数据源表作为数据结果表的依赖作业流;
执行模块,当所述依赖作业流执行成功时执行所述当前作业流,并将所述当前作业流的执行数据保存至所述当前作业流的数据结果表;
其中,所述作业流配置表包括以下字段:作业流标识,数据源表的标识,数据结果表的标识。
6.如权利要求5所述的装置,其特征在于,所述作业流配置表还包括如下字段:业务日期和作业流状态;
所述执行模块还用于:判断所述依赖作业流的业务日期和作业流状态是否满足如下条件:所述依赖作业流的业务日期等于所述当前作业流的日期、且所述依赖作业流的作业流状态为用于指示所述依赖作业流执行成功的状态;若是,则判定所述依赖作业流执行成功;以及,
执行所述当前作业流之后,更新所述当前作业流的作业流配置表中的业务日期和作业流状态。
7.如权利要求5所述的装置,其特征在于,所述作业流配置表还包括如下字段:时间触发、事件触发和作业流触发;
所述确定数据源表模块还用于:根据当前作业流的作业流配置表确定当前作业流的数据源表之前,确认所述当前作业流被触发;其中,当所述当前作业流满足如下任一条件时,判定所述当前作业流被触发:
当前时间满足所述时间触发字段的字段值,所述事件触发字段指示的事件被触发,所述作业流触发字段指示的所述当前作业流的前置作业流执行成功。
8.如权利要求5所述的装置,其特征在于,所述作业流配置表还包括如下字段:数据处理过程描述和数据结果表结构;所述装置还包括:创建模块,用于按照如下步骤创建所述当前作业流:
依据用户用于创建所述当前作业流输入的关键词查找所有作业流的作业流配置表,获取与所述关键词关联的关联作业流;
根据所述关联作业流的作业流配置表中的数据处理过程描述和数据结果表结构,从所有所述关联作业流的数据结果表中筛选所述当前作业流的数据源表;
创建所述当前作业流的作业流配置表,将所述当前作业流的数据源表的标识写入所述当前作业流的作业流配置表,以创建所述当前作业流。
9.一种基于数据的分布式ETL调度的电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
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,所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
CN201910949148.2A 2019-10-08 2019-10-08 基于数据的分布式etl调度的方法和装置 Pending CN110795479A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910949148.2A CN110795479A (zh) 2019-10-08 2019-10-08 基于数据的分布式etl调度的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910949148.2A CN110795479A (zh) 2019-10-08 2019-10-08 基于数据的分布式etl调度的方法和装置

Publications (1)

Publication Number Publication Date
CN110795479A true CN110795479A (zh) 2020-02-14

Family

ID=69438925

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910949148.2A Pending CN110795479A (zh) 2019-10-08 2019-10-08 基于数据的分布式etl调度的方法和装置

Country Status (1)

Country Link
CN (1) CN110795479A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111581207A (zh) * 2020-04-13 2020-08-25 深圳市云智融科技有限公司 Azkaban项目的文件生成方法、装置及终端设备
CN111930814A (zh) * 2020-05-29 2020-11-13 武汉达梦数据库有限公司 一种基于etl系统的文件事件的调度方法和etl系统
CN112084014A (zh) * 2020-08-10 2020-12-15 珠海格力电器股份有限公司 一种数据处理方法、装置、设备及介质
CN112463829A (zh) * 2020-11-20 2021-03-09 中国建设银行股份有限公司 一种数据检查方法、装置、设备及存储介质
CN113419835A (zh) * 2021-07-02 2021-09-21 中国工商银行股份有限公司 作业调度方法、装置、设备及介质
CN113448493A (zh) * 2020-03-27 2021-09-28 伊姆西Ip控股有限责任公司 用于备份数据的方法、电子设备和计算机程序产品
CN114764561A (zh) * 2021-01-13 2022-07-19 北京金山云网络技术有限公司 作业开发方法、装置、电子设备及存储介质
CN115525680A (zh) * 2022-09-21 2022-12-27 京信数据科技有限公司 数据处理作业调度方法、装置、计算机设备及存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020070965A1 (en) * 2000-12-13 2002-06-13 Austin Paul F. System and method for automatically configuring program data exchange
CN1818868A (zh) * 2006-03-10 2006-08-16 浙江大学 嵌入式操作系统多任务并行启动优化实现方法
CN101853182A (zh) * 2010-05-05 2010-10-06 中兴通讯股份有限公司 基于数据库的任务执行方法及装置
CN103632219A (zh) * 2012-08-21 2014-03-12 国际商业机器公司 用于重新分配用于检查数据质量的作业的方法和系统
CN105159754A (zh) * 2015-10-13 2015-12-16 街角科技(北京)有限责任公司 基于商业智能云平台的在线仿真方法及装置
CN105608561A (zh) * 2016-01-12 2016-05-25 浪潮通用软件有限公司 一种处理邮件的方法及装置
CN105912387A (zh) * 2015-08-25 2016-08-31 乐视网信息技术(北京)股份有限公司 数据处理作业调度方法及装置
CN106156939A (zh) * 2015-04-27 2016-11-23 上海宝信软件股份有限公司 基于作业流的分布式调度系统及应用方法
CN107590592A (zh) * 2017-08-31 2018-01-16 中国建设银行股份有限公司 作业依赖关系表示方法、作业展示和调度控制方法及装置
CN108595480A (zh) * 2018-03-13 2018-09-28 广州市优普科技有限公司 一种基于云计算的大数据etl工具系统及应用方法
CN109426576A (zh) * 2017-08-30 2019-03-05 华为技术有限公司 容错处理方法以及容错组件
CN109670780A (zh) * 2018-12-03 2019-04-23 中国建设银行股份有限公司 复杂场景下的工作流处理方法、设备和存储介质
CN109902117A (zh) * 2019-02-19 2019-06-18 新华三大数据技术有限公司 业务系统分析方法和装置
CN109997126A (zh) * 2016-11-27 2019-07-09 亚马逊科技公司 事件驱动提取、变换、加载(etl)处理

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020070965A1 (en) * 2000-12-13 2002-06-13 Austin Paul F. System and method for automatically configuring program data exchange
CN1818868A (zh) * 2006-03-10 2006-08-16 浙江大学 嵌入式操作系统多任务并行启动优化实现方法
CN101853182A (zh) * 2010-05-05 2010-10-06 中兴通讯股份有限公司 基于数据库的任务执行方法及装置
CN103632219A (zh) * 2012-08-21 2014-03-12 国际商业机器公司 用于重新分配用于检查数据质量的作业的方法和系统
CN106156939A (zh) * 2015-04-27 2016-11-23 上海宝信软件股份有限公司 基于作业流的分布式调度系统及应用方法
CN105912387A (zh) * 2015-08-25 2016-08-31 乐视网信息技术(北京)股份有限公司 数据处理作业调度方法及装置
CN105159754A (zh) * 2015-10-13 2015-12-16 街角科技(北京)有限责任公司 基于商业智能云平台的在线仿真方法及装置
CN105608561A (zh) * 2016-01-12 2016-05-25 浪潮通用软件有限公司 一种处理邮件的方法及装置
CN109997126A (zh) * 2016-11-27 2019-07-09 亚马逊科技公司 事件驱动提取、变换、加载(etl)处理
CN109426576A (zh) * 2017-08-30 2019-03-05 华为技术有限公司 容错处理方法以及容错组件
CN107590592A (zh) * 2017-08-31 2018-01-16 中国建设银行股份有限公司 作业依赖关系表示方法、作业展示和调度控制方法及装置
CN108595480A (zh) * 2018-03-13 2018-09-28 广州市优普科技有限公司 一种基于云计算的大数据etl工具系统及应用方法
CN109670780A (zh) * 2018-12-03 2019-04-23 中国建设银行股份有限公司 复杂场景下的工作流处理方法、设备和存储介质
CN109902117A (zh) * 2019-02-19 2019-06-18 新华三大数据技术有限公司 业务系统分析方法和装置

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113448493A (zh) * 2020-03-27 2021-09-28 伊姆西Ip控股有限责任公司 用于备份数据的方法、电子设备和计算机程序产品
CN113448493B (zh) * 2020-03-27 2024-04-26 伊姆西Ip控股有限责任公司 用于备份数据的方法、电子设备和计算机可读介质
CN111581207A (zh) * 2020-04-13 2020-08-25 深圳市云智融科技有限公司 Azkaban项目的文件生成方法、装置及终端设备
CN111581207B (zh) * 2020-04-13 2023-12-29 深圳市云智融科技有限公司 Azkaban项目的文件生成方法、装置及终端设备
CN111930814A (zh) * 2020-05-29 2020-11-13 武汉达梦数据库有限公司 一种基于etl系统的文件事件的调度方法和etl系统
CN111930814B (zh) * 2020-05-29 2024-02-27 武汉达梦数据库股份有限公司 一种基于etl系统的文件事件的调度方法和etl系统
CN112084014A (zh) * 2020-08-10 2020-12-15 珠海格力电器股份有限公司 一种数据处理方法、装置、设备及介质
CN112463829A (zh) * 2020-11-20 2021-03-09 中国建设银行股份有限公司 一种数据检查方法、装置、设备及存储介质
CN114764561A (zh) * 2021-01-13 2022-07-19 北京金山云网络技术有限公司 作业开发方法、装置、电子设备及存储介质
CN113419835A (zh) * 2021-07-02 2021-09-21 中国工商银行股份有限公司 作业调度方法、装置、设备及介质
CN115525680A (zh) * 2022-09-21 2022-12-27 京信数据科技有限公司 数据处理作业调度方法、装置、计算机设备及存储介质

Similar Documents

Publication Publication Date Title
CN110795479A (zh) 基于数据的分布式etl调度的方法和装置
US11593599B2 (en) Long running workflows for document processing using robotic process automation
US9704115B2 (en) Automating workflow participation
US20120254221A1 (en) Systems and methods for performing record actions in a multi-tenant database and application system
CN110555068A (zh) 数据导出方法和装置
CN113760924B (zh) 一种分布式事务的处理方法和装置
CN113760488A (zh) 调度任务的方法、装置、设备和计算机可读介质
CN112631751A (zh) 任务调度方法、装置、计算机设备及存储介质
CN109960212B (zh) 任务发送方法和装置
CN111427899A (zh) 存储文件的方法、装置、设备和计算机可读介质
CN112818026A (zh) 数据整合方法和装置
CN111753019A (zh) 一种应用于数据仓库的数据分区方法和装置
CN115170026A (zh) 一种任务处理的方法和装置
CN114169733A (zh) 一种资源分配方法和装置
CN114399259A (zh) 一种员工数据处理方法和装置
CN113312900A (zh) 数据校验的方法和装置
CN113781154A (zh) 一种信息回滚方法、系统、电子设备及存储介质
CN112784187A (zh) 页面展示方法和装置
CN112015565A (zh) 确定任务下传队列的方法和装置
CN112784195A (zh) 一种页面数据发布方法和系统
CN111178014A (zh) 一种处理业务流程的方法和装置
CN110858240A (zh) 一种前端模块加载方法和装置
CN112988806A (zh) 一种数据处理的方法及装置
CN110874302A (zh) 一种埋点配置信息的确定方法和装置
CN115826934B (zh) 一种应用开发系统和方法

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
TA01 Transfer of patent application right

Effective date of registration: 20220921

Address after: 25 Financial Street, Xicheng District, Beijing 100033

Applicant after: CHINA CONSTRUCTION BANK Corp.

Address before: 25 Financial Street, Xicheng District, Beijing 100033

Applicant before: CHINA CONSTRUCTION BANK Corp.

Applicant before: Jianxin Financial Science and Technology Co.,Ltd.

TA01 Transfer of patent application right