CN110968555A - 维度数据处理方法和装置 - Google Patents

Abstract

本发明公开了一种维度数据处理方法和装置。该方法包括：接收属性查询指令，其中，属性查询指令用于从维度索引文件中查询目标属性；响应于属性查询指令查询对应的维度索引文件，其中，每个维度对应一个维度索引文件，每个维度索引文件中存储该维度对应的属性数据；从维度索引文件中查找得到目标属性。通过本发明，达到了提高维度数据查询效率的效果。

Description

维度数据处理方法和装置

技术领域

本发明涉及数据处理领域，具体而言，涉及一种维度数据处理方法和装置。

背景技术

司法文书的解析从本质上讲是将一篇非结构化(自然语言表述)的法律文书变成结构化(计算机可以识别和处理)的信息集合，简单讲就是要从一篇法律文书中提取出需要的一个或多个信息点，分别将其映射成一个固定的数据结构记录下来，其中每一个信息点称为一个“维度”，由多个“维度”组成的集合称之为“维度集”。由此可知，一篇文书经过解析就对应生成了一个“维度集”，那么对于包含N篇司法文书库经过解析后就会生成N个“维度集”(N通常为千万级别的数据)，可以利用Mongodb数据库将这庞大的解析结果数据存储起来。

现有存储方案中中，利用Database下一个Collection将其全部存储起来，也即将N篇法律文书中的所有维度集解析出来存储到一个索引中。虽然上述的存储方案在存储数据方面有很大便利，它使得插入和顺序读取的过程变得非常简便，但是它在数据查询方面表现出的性能非常差。因为数据只是按照插入顺序依次存储在mongodb中，而不对维度建立索引，那么针对维度的每一次查询都会是一次全盘扫描。而且每个Mongodb Collection所能创建的索引数据是有255个限制的，不可能对于一个数量持续在增长的维度集建立全部的索引，也不可能在每一次查询之前临时去对索引查询的维度建立索引，因为那会花费数个小时才成完成，极大阻碍生产效能。

针对相关技术中所有维度数据存储到一个索引中导致查询速度慢的问题，目前尚未提出有效的解决方案。

发明内容

本发明的主要目的在于提供一种维度数据处理方法和装置，以解决所有维度数据存储到一个索引中导致查询速度慢的问题。

为了实现上述目的，根据本发明的一个方面，提供了一种维度数据处理方法，该方法包括：接收属性查询指令，其中，所述属性查询指令用于从维度索引文件中查询目标属性；响应于所述属性查询指令查询对应的维度索引文件，其中，每个维度对应一个维度索引文件，每个维度索引文件中存储该维度对应的属性数据；从所述维度索引文件中查找得到所述目标属性。

进一步地，在响应于所述属性查询指令查询对应的维度索引文件之前，所述方法还包括：获取待提取维度信息的文本集合；按照预设规则解析出所述文本集合中的每个文本文件的目标维度的数据；将所述目标维度的数据存储到对应的维度索引文件中，其中，每个目标维度对应一个维度索引文件，第一维度索引文件中存储有文本集合中每个文本文件的目标维度的数据。

进一步地，在将所述目标维度的数据存储到对应的维度索引文件中之前，所述方法还包括：对每个维度分别建立一级索引；通过MongoDB的索引机制对每个维度和对应维度下的每个属性建立二级索引。

进一步地，在按照预设规则解析出所述文本集合中的每个文本文件的目标维度的数据之后，所述方法还包括：将每个文本文件的目标维度的数据与所述文本文件的身份标识信息绑定保存，得到携带有文本文件的身份标识信息的目标维度数据，将所述目标维度的数据存储到对应的维度索引文件中包括：将携带有文本文件的身份标识信息的目标维度数据存储到对应的维度索引文件中。

为了实现上述目的，根据本发明的另一方面，还提供了一种维度数据处理装置，该装置包括：接收单元，用于接收属性查询指令，其中，所述属性查询指令用于从维度索引文件中查询目标属性；查询单元，用于响应于所述属性查询指令查询对应的维度索引文件，其中，每个维度对应一个维度索引文件，每个维度索引文件中存储该维度对应的属性数据；查找单元，用于从所述维度索引文件中查找得到所述目标属性。

进一步地，所述装置还包括：获取单元，用于在响应于所述属性查询指令查询对应的维度索引文件之前，获取待提取维度信息的文本集合；解析单元，用于按照预设规则解析出所述文本集合中的每个文本文件的目标维度的数据；存储单元，用于将所述目标维度的数据存储到对应的维度索引文件中，其中，每个目标维度对应一个维度索引文件，第一维度索引文件中存储有文本集合中每个文本文件的目标维度的数据。

进一步地，所述装置还包括：第一建立单元，用于在将所述目标维度的数据存储到对应的维度索引文件中之前，对每个维度分别建立一级索引；第二建立单元，用于通过MongoDB的索引机制对每个维度和对应维度下的每个属性建立二级索引。

进一步地，所述装置还包括：保存单元，用于在按照预设规则解析出所述文本集合中的每个文本文件的目标维度的数据之后，将每个文本文件的目标维度的数据与所述文本文件的身份标识信息绑定保存，得到携带有文本文件的身份标识信息的目标维度数据，所述存储单元用于将携带有文本文件的身份标识信息的目标维度数据存储到对应的维度索引文件中。

为了实现上述目的，根据本发明的另一方面，还提供了一种存储介质，包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备本发明所述的维度数据处理方法。

为了实现上述目的，根据本发明的另一方面，还提供了一种处理器，用于运行程序，其中，所述程序运行时执行本发明所述的维度数据处理方法。

本发明通过接收属性查询指令，其中，属性查询指令用于从维度索引文件中查询目标属性；响应于属性查询指令查询对应的维度索引文件，其中，每个维度对应一个维度索引文件，每个维度索引文件中存储该维度对应的属性数据；从维度索引文件中查找得到目标属性，解决了所有维度数据存储到一个索引中导致查询速度慢的问题，进而达到了提高维度数据查询效率的效果。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的维度数据处理方法的流程图；

图2是根据本发明实施例的维度数据处理装置的示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为了便于描述，以下对本申请实施例涉及的几个术语进行说明：

Mongodb是一种基于文档存储的数据库，天然的可以将维度集结构中的每一个维度映射成key-value的结构，而不需要受传统关系型数据库的限制。

本发明实施例提供了一种维度数据处理方法。

图1是根据本发明实施例的维度数据处理方法的流程图，如图1所示，该方法包括以下步骤：

步骤S102：接收属性查询指令，其中，属性查询指令用于从维度索引文件中查询目标属性；

步骤S104：响应于属性查询指令查询对应的维度索引文件，其中，每个维度对应一个维度索引文件，每个维度索引文件中存储该维度对应的属性数据；

步骤S106：从维度索引文件中查找得到目标属性。

本发明实施例通过接收属性查询指令，其中，属性查询指令用于从维度索引文件中查询目标属性；响应于属性查询指令查询对应的维度索引文件，其中，每个维度对应一个维度索引文件，每个维度索引文件中存储该维度对应的属性数据；从维度索引文件中查找得到目标属性，解决了所有维度数据存储到一个索引中导致查询速度慢的问题，进而达到了提高维度数据查询效率的效果。

在对属性数据进行查找时，可以先找到对应于该属性的维度索引文件，然后从该维度索引文件中查询目标属性，而无需从一个大的维度索引列表中查询，每个维度对应一个维度索引文件，该维度索引文件中存储有对应于该维度的所有属性数据，由于可以快速定位到索引文件，且在数据查询过程中不影响其他索引文件的使用，因而可以提高查询效率。

可选的，在响应于属性查询指令查询对应的维度索引文件之前，获取待提取维度信息的文本集合；按照预设规则解析出文本集合中的每个文本文件的目标维度的数据；将目标维度的数据存储到对应的维度索引文件中，其中，每个目标维度对应一个维度索引文件，第一维度索引文件中存储有文本集合中每个文本文件的目标维度的数据。

本发明实施例的技术方案可以作为一种基于Mongodb面向“索引优化”的维度集存储方案，在本发明实施例中，待提取维度信息的文本集合可以是裁判文书，一篇裁判文书中可以有几百个维度，例如，案件类型、当事人、起诉罪名等多个维度，从每篇裁判文书中提取出这些维度信息，在将数据库中所有的裁判文书中提取的维度信息提取完之后，将这些维度信息保存到对应的索引中，例如，从10万篇裁判文书中提取300个维度的信息，将这10万篇裁判文书中的第一维度信息保存到第一维度对应的维度索引文件中，第二维度信息保存到第二维度对应的维度索引文件中，第三维度信息保存到第三维度对应的维度索引文件中，直至所有维度信息都在对应的维度索引文件中保存好。由于每个维度信息仅存在于该维度所在的维度索引文件中，因而后续在数据查询时，可以直接遍历到该维度所在的维度索引文件进行查询，相当于对数据集按照维度进行了切分以降维，而无需每次都访问大的维度集合总表，可以减少一个维度集合总表的数据量压力，提高查询速度，提升查询效率。

可选的，在将目标维度的数据存储到对应的维度索引文件中之前，对每个维度分别建立一级索引；通过MongoDB的索引机制对每个维度和对应维度下的每个属性建立二级索引。

在对目标维度的数据进行存储之前，需要先建立每个维度的一级索引，对每个维度和其维度下的各个属性建立二级索引，如果还有再下一级，可以再建立下一级索引，维度索引的建立可以通过MongoDB数据库来建立，除此之外，在一些情况下，也可以通过其他类型的数据库来建立。

可选的，在按照预设规则解析出文本集合中的每个文本文件的目标维度的数据之后，将每个文本文件的目标维度的数据与文本文件的身份标识信息绑定保存，得到携带有文本文件的身份标识信息的目标维度数据，将目标维度的数据存储到对应的维度索引文件中包括：将携带有文本文件的身份标识信息的目标维度数据存储到对应的维度索引文件中。

从每个文本文件中解析出目标维度的数据，需要对这些数据进行标识，因此，将每个文本文件的目标维度的数据与该文本文件的身份标识信息进行绑定保存，身份标识信息可以是ID，同一篇文本文件中的各个维度都含有相同的身份标识信息，在对目标维度数据进行存储时，将携带有来源文本文件的身份标识信息的目标维度数据存储到对应的维度索引文件中，这样，在后续数据查询时查到某一维度数据可以及时获知其来源。

本发明实施例的技术方案将一个庞大的维度集合按照维度垂直切分分别进行存储从而建立起一级索引，再利用Mongodb的索引机制分别对维度下的每个属性建立索引，从而能够对于一个持续无限增长的庞大维度集合中的所有数据起索引，极大提升查询效率。

本发明实施例的技术方案还提供了一种优选实施方式，下面结合该优选实施方式对本发明实施例的技术方案进行说明。

1.将这个数据集首先按照维度进行垂直切分，将每篇文书的同一个维度存储于一个Mongodb Collection数据集中。

2.同一篇文书的各个维度在其分别所对应的Mongo Collection中都含有相同的ID，从而能够对应到同一篇文书。

3.在每个Collection中再对于它所包含的所有属性分别建立索引，这种情况下的属性个数通常不超过十个。

本发明实施例的技术方案具有以下优点：

1.因为这个方案中将一个大的维度集合列表，按照每一个维度切分开，将每个维度的数据集存储于一个Collection，这相当于对每个维度天然地建立了一层索引。

2.在每个维度对应的Collection中，又可以针对一个维度下的各个属性建立索引。而且每个维度下的属性个数通常不会超过十个，Collection的索引上限足够满足。

3.基于以上两点，对于这个几千万级别的维度集，对它的每一个维度，以及维度下的每一个属性全部建立起了索引，这对于查询速度可以有极大的提升。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本发明实施例提供了一种维度数据处理装置，该装置可以用于执行本发明实施例的维度数据处理方法。

图2是根据本发明实施例的维度数据处理装置的示意图，如图2所示，该装置包括：

接收单元10，用于接收属性查询指令，其中，属性查询指令用于从维度索引文件中查询目标属性；

查询单元20，用于响应于属性查询指令查询对应的维度索引文件，其中，每个维度对应一个维度索引文件，每个维度索引文件中存储该维度对应的属性数据；

查找单元30，用于从维度索引文件中查找得到目标属性。

该实施例采用接收单元10，用于接收属性查询指令，其中，属性查询指令用于从维度索引文件中查询目标属性；查询单元20，用于响应于属性查询指令查询对应的维度索引文件，其中，每个维度对应一个维度索引文件，每个维度索引文件中存储该维度对应的属性数据；查找单元30，用于从维度索引文件中查找得到目标属性。从而解决了所有维度数据存储到一个索引中导致查询速度慢的问题，进而达到了提高维度数据查询效率的效果。

可选地，该装置还包括：获取单元，用于在响应于属性查询指令查询对应的维度索引文件之前，获取待提取维度信息的文本集合；解析单元，用于按照预设规则解析出文本集合中的每个文本文件的目标维度的数据；存储单元，用于将目标维度的数据存储到对应的维度索引文件中，其中，每个目标维度对应一个维度索引文件，第一维度索引文件中存储有文本集合中每个文本文件的目标维度的数据。

可选地，该装置还包括：第一建立单元，用于在将目标维度的数据存储到对应的维度索引文件中之前，对每个维度分别建立一级索引；第二建立单元，用于通过MongoDB的索引机制对每个维度和对应维度下的每个属性建立二级索引。

可选地，该装置还包括：保存单元，用于在按照预设规则解析出文本集合中的每个文本文件的目标维度的数据之后，将每个文本文件的目标维度的数据与文本文件的身份标识信息绑定保存，得到携带有文本文件的身份标识信息的目标维度数据，存储单元用于将携带有文本文件的身份标识信息的目标维度数据存储到对应的维度索引文件中。

所述维度数据处理装置包括处理器和存储器，上述获取单元、解析单元、存储单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来提高维度数据查询效率。

存储器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)，存储器包括至少一个存储芯片。

本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述维度数据处理方法。

本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述维度数据处理方法。

本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：接收属性查询指令，其中，属性查询指令用于从维度索引文件中查询目标属性；响应于属性查询指令查询对应的维度索引文件，其中，每个维度对应一个维度索引文件，每个维度索引文件中存储该维度对应的属性数据；从维度索引文件中查找得到目标属性。本文中的设备可以是服务器、PC、PAD、手机等。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：接收属性查询指令，其中，属性查询指令用于从维度索引文件中查询目标属性；响应于属性查询指令查询对应的维度索引文件，其中，每个维度对应一个维度索引文件，每个维度索引文件中存储该维度对应的属性数据；从维度索引文件中查找得到目标属性。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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。

本申请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。

存储器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)。存储器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。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请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，本申请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。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种维度数据处理方法，其特征在于，包括：

接收属性查询指令，其中，所述属性查询指令用于从维度索引文件中查询目标属性；

响应于所述属性查询指令查询对应的维度索引文件，其中，每个维度对应一个维度索引文件，每个维度索引文件中存储该维度对应的属性数据；

从所述维度索引文件中查找得到所述目标属性。

2.根据权利要求1所述的方法，其特征在于，在响应于所述属性查询指令查询对应的维度索引文件之前，所述方法还包括：

获取待提取维度信息的文本集合；

按照预设规则解析出所述文本集合中的每个文本文件的目标维度的数据；

将所述目标维度的数据存储到对应的维度索引文件中，其中，每个目标维度对应一个维度索引文件，第一维度索引文件中存储有文本集合中每个文本文件的目标维度的数据。

3.根据权利要求2所述的方法，其特征在于，在将所述目标维度的数据存储到对应的维度索引文件中之前，所述方法还包括：

对每个维度分别建立一级索引；

通过MongoDB的索引机制对每个维度和对应维度下的每个属性建立二级索引。

4.根据权利要求2所述的方法，其特征在于，

在按照预设规则解析出所述文本集合中的每个文本文件的目标维度的数据之后，所述方法还包括：将每个文本文件的目标维度的数据与所述文本文件的身份标识信息绑定保存，得到携带有文本文件的身份标识信息的目标维度数据，

将所述目标维度的数据存储到对应的维度索引文件中包括：将携带有文本文件的身份标识信息的目标维度数据存储到对应的维度索引文件中。

5.一种维度数据处理装置，其特征在于，包括：

接收单元，用于接收属性查询指令，其中，所述属性查询指令用于从维度索引文件中查询目标属性；

查询单元，用于响应于所述属性查询指令查询对应的维度索引文件，其中，每个维度对应一个维度索引文件，每个维度索引文件中存储该维度对应的属性数据；

查找单元，用于从所述维度索引文件中查找得到所述目标属性。

6.根据权利要求5所述的装置，其特征在于，所述装置还包括：

获取单元，用于在响应于所述属性查询指令查询对应的维度索引文件之前，获取待提取维度信息的文本集合；

解析单元，用于按照预设规则解析出所述文本集合中的每个文本文件的目标维度的数据；

存储单元，用于将所述目标维度的数据存储到对应的维度索引文件中，其中，每个目标维度对应一个维度索引文件，第一维度索引文件中存储有文本集合中每个文本文件的目标维度的数据。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

第一建立单元，用于在将所述目标维度的数据存储到对应的维度索引文件中之前，对每个维度分别建立一级索引；

第二建立单元，用于通过MongoDB的索引机制对每个维度和对应维度下的每个属性建立二级索引。

8.根据权利要求6所述的装置，其特征在于，所述装置还包括：

保存单元，用于在按照预设规则解析出所述文本集合中的每个文本文件的目标维度的数据之后，将每个文本文件的目标维度的数据与所述文本文件的身份标识信息绑定保存，得到携带有文本文件的身份标识信息的目标维度数据，

所述存储单元用于将携带有文本文件的身份标识信息的目标维度数据存储到对应的维度索引文件中。

9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至4中任意一项所述的维度数据处理方法。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至4中任意一项所述的维度数据处理方法。

Images