CN111125163A - 用于处理数据的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于处理数据的方法和装置。该方法的一具体实施方式包括：从流式计算系统中数据流流至的目标数据处理节点的上游数据处理节点获取待处理数据和与待处理数据对应的数据处理日志；查询与上游节点算子标识和上游节点标识二者对应的已处理数据最大序号；响应于确定上游节点当前数据序号大于所确定的已处理数据最大序号，对待处理数据进行处理，得到结果数据，将目标数据处理节点的当前数据序号递增预设增量数目；最后，将结果数据、数据处理日志和目标数据处理节点的当前数据序号对应持久化存储。该实施方式降低了数据处理节点的数据去重操作所需的存储空间。

Description

用于处理数据的方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于处理数据的方法和装置。

背景技术

流式计算(Stream Computing)是一种强调极低延迟的分布式计算，广泛应用于信息流、广告、网页建库、地图等领域。流式计算的计算结果的准确性要求也越来越高，其中一个方面就体现在计算结果的不丢不重(Exactly-once)。其中，“增量备份与数据重放”的去重方法中采用BloomFilter(Bloom filter是由Howard Bloom在1970年提出的二进制向量数据结构)做内存级粗筛去重，一旦命中后还需查询外部存储Bigtable(BigTable是Google设计的分布式数据存储系统，用来处理海量的数据的一种非关系型的数据库)。该去重方法在高吞吐时每个节点的BloomFilter所需额外占用的内存较多，通常达到几百MB(兆字节，MByte)甚至几个GB(吉字节，Gigabyte)的内存，且失败恢复的长尾延迟严重受限于外部存储的性能。

发明内容

本申请实施例提出了用于处理数据的方法和装置。

第一方面，本申请实施例提供了一种用于处理数据的方法，应用于流式计算系统中的数据处理节点，该方法包括：从流式计算系统中数据流流至的目标数据处理节点的上游数据处理节点获取待处理数据和与待处理数据对应的包括上游节点算子标识、上游节点标识和上游节点当前数据序号的数据处理日志；查询与上游节点算子标识和上游节点标识二者对应的已处理数据最大序号；响应于确定上游节点当前数据序号大于所确定的已处理数据最大序号，对待处理数据进行处理，得到结果数据，将目标数据处理节点的当前数据序号递增预设增量数目；将结果数据、数据处理日志和目标数据处理节点的当前数据序号对应持久化存储。

在一些实施例中，在对待处理数据进行处理，得到结果数据之后，该方法还包括：将与上游节点算子标识和上游节点标识二者对应的已处理数据最大序号更新为上游节点当前数据序号并持久化存储。

在一些实施例中，流式计算系统关联有有向无环图，有向无环图中的每个顶点对应一个算子标识，有向无环图的各个顶点对应的算子标识互不相同，每个算子标识对应至少一个互不相同的数据处理节点标识，有向无环图的有向边用于表征数据流从该有向边的起点对应的算子标识所对应的数据处理节点流入该有向边的终点对应的算子标识所对应的数据处理节点。

在一些实施例中，数据流从有向无环图中入度为零的顶点对应的算子标识对应的数据处理节点流入，并在流经有向无环图中出度为零的顶点对应的算子标识对应的数据处理节点之后流出流式计算系统。

在一些实施例中，上游节点算子标识用于指示处理上游数据处理节点中对数据进行处理的数据处理逻辑的代码段，上游节点标识用于指示上游数据处理节点，上游节点当前数据序号用于表征上游数据处理节点所处理并得到待处理数据的数据的数据序号。

在一些实施例中，该方法还包括：响应于确定重启目标处理节点，获取持久化存储的目标数据处理节点的当前数据序号以及对应的结果数据和数据处理日志，以及获取持久化存储的与各算子标识和节点标识二者对应的已处理数据最大序号。

第二方面，本申请实施例提供了一种用于处理数据的装置，应用于流式计算系统中的数据处理节点，该装置包括：第一获取单元，被配置成从流式计算系统中数据流流至的目标数据处理节点的上游数据处理节点获取待处理数据和与待处理数据对应的包括上游节点算子标识、上游节点标识和上游节点当前数据序号的数据处理日志；查询单元，被配置成查询与上游节点算子标识和上游节点标识二者对应的已处理数据最大序号；处理单元，被配置成响应于确定上游节点当前数据序号大于所确定的已处理数据最大序号，对待处理数据进行处理，得到结果数据，将目标数据处理节点的当前数据序号递增预设增量数目；存储单元，被配置成将结果数据、数据处理日志和目标数据处理节点的当前数据序号对应持久化存储。

在一些实施例中，处理单元进一步被配置成：将与上游节点算子标识和上游节点标识二者对应的已处理数据最大序号更新为上游节点当前数据序号并持久化存储。

在一些实施例中，流式计算系统关联有有向无环图，有向无环图中的每个顶点对应一个算子标识，有向无环图的各个顶点对应的算子标识互不相同，每个算子标识对应至少一个互不相同的数据处理节点标识，有向无环图的有向边用于表征数据流从该有向边的起点对应的算子标识所对应的数据处理节点流入该有向边的终点对应的算子标识所对应的数据处理节点。

在一些实施例中，数据流从有向无环图中入度为零的顶点对应的算子标识对应的数据处理节点流入，并在流经有向无环图中出度为零的顶点对应的算子标识对应的数据处理节点之后流出流式计算系统。

在一些实施例中，上游节点算子标识用于指示处理上游数据处理节点中对数据进行处理的数据处理逻辑的代码段，上游节点标识用于指示上游数据处理节点，上游节点当前数据序号用于表征上游数据处理节点所处理并得到待处理数据的数据的数据序号。

在一些实施例中，该装置还包括：第二获取单元，被配置成响应于确定重启目标处理节点，获取持久化存储的目标数据处理节点的当前数据序号以及对应的结果数据和数据处理日志，以及获取持久化存储的与各算子标识和节点标识二者对应的已处理数据最大序号。

第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被一个或多个处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的用于处理数据的方法和装置，通过首先从流式计算系统中数据流流至的目标数据处理节点的上游数据处理节点获取待处理数据和与待处理数据对应的包括上游节点算子标识、上游节点标识和上游节点当前数据序号的数据处理日志；然后，查询与上游节点算子标识和上游节点标识二者对应的已处理数据最大序号；再，响应于确定上游节点当前数据序号大于所确定的已处理数据最大序号，对待处理数据进行处理，得到结果数据，将目标数据处理节点的当前数据序号递增预设增量数目；最后，将结果数据、数据处理日志和目标数据处理节点的当前数据序号对应持久化存储。从而，只存储结果数据、数据处理日志和目标数据处理节点的当前数据序号，降低了数据处理节点的在处理数据中数据去重操作额外所需的存储空间。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于处理数据的方法的一个实施例的流程图；

图3是根据本申请的用于处理数据的方法的流式计算系统关联的有向无环图的示意图；

图4是根据本申请的用于处理数据的方法的一个应用场景的示意图；

图5是根据本申请的用于处理数据的方法的又一个实施例的流程图；

图6是根据本申请的用于处理数据的装置的一个实施例的结构示意图；

图7是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

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申请。

图1示出了可以应用本申请的用于处理数据的方法或用于处理数据的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如流式计算类应用、地图类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供数据处理服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上安装的应用提供支持的后台服务器，服务器105可以从流式计算系统中数据流流至的目标数据处理节点(例如，可以是服务器105或者服务器105中运行的一个进程)的上游数据处理节点(例如，可以是其他服务器、服务器105中运行的一个进程或者其他服务器中运行的一个进程)获取待处理数据和与待处理数据对应的数据处理日志，查询与上游节点算子标识和上游节点标识二者对应的已处理数据最大序号；然后，响应于确定上游节点当前数据序号大于所确定的已处理数据最大序号，对待处理数据进行处理，得到结果数据，将目标数据处理节点的当前数据序号递增预设增量数目；再，将结果数据、数据处理日志和目标数据处理节点的当前数据序号对应持久化存储。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供流式计算服务服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的用于处理数据的方法可以由服务器105执行，相应地，用于处理数据的装置可以设置于服务器105中。

应该理解，图1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。

继续参考图2，其示出了根据本申请的用于处理数据的方法的一个实施例的流程200。该用于处理数据的方法，包括以下步骤：

步骤201，从流式计算系统中数据流流至的目标数据处理节点的上游数据处理节点获取待处理数据和与待处理数据对应的数据处理日志。

在本实施例中，用于处理数据的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从流式计算系统中数据流流至的目标数据处理节点的上游数据处理节点获取待处理数据和与所获取的待处理数据对应的包括上游节点算子标识、上游节点标识和上游节点当前数据序号的数据处理日志。

其中，上游节点算子标识用于指示处理上游数据处理节点中对数据进行处理的数据处理逻辑的代码段。

上游节点标识用于指示上游数据处理节点。

上游节点当前数据序号用于表征上游数据处理节点所处理并得到所获取的待处理数据的数据的数据序号。例如，上游数据处理节点是第N次处理数据并得到结果数据的，然后上游数据处理节点可以把所得到的结果数据作为待处理数据，这里，N为正整数，而与所得到的结果数据对应的数据处理日志可以包括上游节点算子标识、上游节点标识和上游节点当前数据序号(即，正整数N)。

在本实施例中，流式计算系统包括至少一个数据处理节点，每个数据处理节点关联设置有对应的算子标识和节点标识。

步骤202，查询与上游节点算子标识和上游节点标识二者对应的已处理数据最大序号。

这里，目标数据处理节点所在的电子设备本地或者与目标数据处理节点所在的电子设备网络连接的其他电子设备中可以持久化存储有节点算子标识和节点标识二者与已处理数据最大序号之间的对应关系，该对应关系例如可以存储在表格中，也可以存储在数据库中。这样，目标数据处理节点可以按照上述持久化存储的对应关系，查询与步骤201中所获取的与待处理数据对应的数据处理日志中的上游节点算子标识和上游节点标识二者对应的已处理数据最大序号。这里，与上游节点算子标识和上游节点标识二者对应的已处理数据最大序号用于表征，上游节点标识所指示的数据处理节点执行上游节点算子标识所指示的代码段已经处理过的数据中数据序号最大的数据的数据序号。

步骤203，响应于确定上游节点当前数据序号大于所确定的已处理数据最大序号，对待处理数据进行处理，得到结果数据，将目标数据处理节点的当前数据序号递增预设增量数目。

这里，目标数据处理节点可以在确定步骤201中所获取的与待处理数据对应的数据处理日志中的上游节点当前数据序号大于步骤202中所确定的已处理数据最大序号的情况下，表明步骤201中所获取的待处理数据是目标数据处理节点没有处理过的数据，则可以首先按照该目标数据处理节点对数据进行处理的数据处理逻辑，对待处理数据进行处理，得到结果数据；然后，再将目标数据处理节点的当前数据序号递增预设增量数目，即又处理了一条数据，对当前数据序号进行更新。其中，预设增量数目可以是任意正整数，例如可以为1。

实践中，对于流式计算系统中的每个数据处理节点，可以在该数据处理节点第一次启动时，将该数据处理节点的当前数据序号设置为0。

在本实施例的一些可选的实现方式中，目标数据处理节点还可以在执行完步骤203之后，以及执行步骤204之前，将与上游节点算子标识和上游节点标识二者对应的已处理数据最大序号更新为上游节点当前数据序号并持久化存储，即持久化存储之后，下次再从上游数据处理节点获取到待处理数据和对应的数据处理日志时，可以按照更新后的算子标识与节点标识二者与已处理数据最大序号的对应关系执行步骤202。

步骤204，将结果数据、数据处理日志和目标数据处理节点的当前数据序号对应持久化存储。

这里，目标数据处理节点可以在执行完步骤203后，将步骤203中对待处理数据进行处理所得到的结果数据、步骤201中所得到的与待处理数据对应的数据处理日志和目标数据处理节点的当前数据序号对应持久化存储。

这样，待目标数据处理节点的下游数据处理节点向该目标数据处理节点获取待处理数据和对应的数据处理日志时，目标数据处理节点可以将所持久化存储中的结果数据作为给下游数据处理节点的待处理数据，以及用目标数据处理节点的节点算子标识和节点标识和持久化存储的目标数据处理节点的当前数据序号生成数据处理日志，将所生成的数据处理日志作为给下游数据处理节点的数据处理日志。

在本实施例的一些可选的实现方式中，流式计算系统还可以关联有有向无环图，其中，所关联的有向无环图中的每个顶点对应一个算子标识，有向无环图的各个顶点对应的算子标识互不相同，每个算子标识对应至少一个互不相同的数据处理节点标识，有向无环图的有向边用于表征数据流从该有向边的起点对应的算子标识所对应的数据处理节点流入该有向边的终点对应的算子标识所对应的数据处理节点。每个算子标识对应的至少一个数据处理节点标识中每个数据处理节点标识所指示的数据处理节点都执行相同的代码段，即该算子标识所指示的代码段。

如图3所示，流式计算系统关联的有向无环图包括6个顶点P1、P2、P3、P4、P5和P6，顶点P1、P2、P3、P4、P5和P6分别对应算子标识OP1、OP2、OP3、OP4、OP5和OP6，而算子标识OP1、OP2、OP3、OP4、OP5和OP6分别用于指示操作1、操作2、操作3、操作4、操作5和操作6对应的代码段。算子标识OP1对应有数据处理节点标识Node11、Node12和Node13，即，Node11、Node12和Node13所指示的数据处理节点可以执行操作1；算子标识OP2对应有数据处理节点标识Node21、Node22、Node23和Node24，即Node21、Node22、Node23和Node24所指示的数据处理节点可以执行操作2；算子标识OP3对应有数据处理节点标识Node31、Node32和Node33，即Node31、Node32和Node33所指示的数据处理节点可以执行操作3；算子标识OP4对应有数据处理节点标识Node41、Node42、Node43、Node44和Node45，即Node41、Node42、Node43、Node44和Node45所指示的数据处理节点可以执行操作4；算子标识OP5对应有数据处理节点标识Node51、Node52、Node53和Node54，即Node51、Node52、Node53和Node54所指示的数据处理节点可以执行操作5；算子标识OP6对应有数据处理节点标识Node61、Node62和Node63，即可以执行操作6。

基于上述可选实现方式，可选地，数据流可以从有向无环图中入度为零的顶点对应的算子标识对应的数据处理节点流入，并在流经有向无环图中出度为零的顶点对应的算子标识对应的数据处理节点之后流出流式计算系统。继续延用图3中的示意图，可以看出，数据流从Node11、Node12和Node13所指示的数据处理节点和Node31、Node32和Node33所指示的数据处理节点流入，并在流经Node61、Node62和Node63所指示的数据处理节点之后流出流式计算系统。

继续参见图4，图4是根据本实施例的用于处理数据的方法的应用场景的一个示意图。在图4的应用场景中，目标数据处理节点401从上游数据处理节点402获取待处理数据403和与待处理数据403对应的数据处理日志404，其中，数据处理日志404包括上游节点算子标识4041、上游节点标识4042和上游节点当前数据序号4043；然后，目标数据处理节点401查询与上游节点算子标识4041和上游节点标识4042二者对应的已处理数据最大序号405；接着，目标数据处理节点401响应于确定上游节点当前数据序号4043大于所确定的已处理数据最大序号405，对待处理数据403进行处理，得到结果数据406，将目标数据处理节点401的当前数据序号407递增预设增量数目并持久化存储，以及将与上游节点算子标识4041和上游节点标识4042二者对应的已处理数据最大序号405更新为上游节点当前数据序号4043并持久化存储；最后，目标数据处理节点401将结果数据406、数据处理日志404和目标数据处理节点的当前数据序号407对应持久化存储。

本申请的上述实施例提供的方法通过为数据处理节点中处理的数据持久化存储对应的数据处理日志，实现了流式计算系统中的去重操作，并且额外存储去重操作的数据处理日志所需的存储空间并不大。

进一步参考图5，其示出了用于处理数据的方法的又一个实施例的流程500。该用于处理数据的方法的流程500，包括以下步骤：

步骤501，从流式计算系统中数据流流至的目标数据处理节点的上游数据处理节点获取待处理数据和与待处理数据对应的数据处理日志。

步骤502，查询与上游节点算子标识和上游节点标识二者对应的已处理数据最大序号。

步骤503，响应于确定上游节点当前数据序号大于所确定的已处理数据最大序号，对待处理数据进行处理，得到结果数据，将目标数据处理节点的当前数据序号递增预设增量数目。

步骤504，将结果数据、数据处理日志和目标数据处理节点的当前数据序号对应持久化存储。

在本实施例中，步骤501、步骤502、步骤503和步骤504的具体操作与图2所示的实施例中步骤201、步骤202、步骤203和步骤204的操作基本相同，在此不再赘述。

步骤505，响应于确定重启目标处理节点，获取持久化存储的目标数据处理节点的当前数据序号以及对应的结果数据和数据处理日志，以及获取持久化存储的与各算子标识和节点标识二者对应的已处理数据最大序号。

这里，目标数据处理节点可以在重新启动之后，按照步骤504中对结果数据、数据处理日志和目标数据处理节点的当前数据序号对应持久化存储的位置获取目标数据处理节点的当前数据序号以及对应的结果数据和数据处理日志，以及获取持久化存储的与各算子标识和节点标识二者对应的已处理数据最大序号。

从图5中可以看出，与图2对应的实施例相比，本实施例中的用于处理数据的方法的流程500多出了在目标处理节点重启后，获取持久化存储的各种数据的步骤。由此，本实施例描述的方案可以在流式计算系统中的数据处理节点重启后，依然能够实现数据处理过程中的数据去重操作。

进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种用于处理数据的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的用于处理数据的装置600包括：第一获取单元601、查询单元602、处理单元603和存储单元604。其中，第一获取单元601，被配置成从上述流式计算系统中数据流流至的目标数据处理节点的上游数据处理节点获取待处理数据和与上述待处理数据对应的包括上游节点算子标识、上游节点标识和上游节点当前数据序号的数据处理日志；查询单元602，被配置成查询与上述上游节点算子标识和上述上游节点标识二者对应的已处理数据最大序号；处理单元603，被配置成响应于确定上述上游节点当前数据序号大于所确定的已处理数据最大序号，对上述待处理数据进行处理，得到结果数据，将上述目标数据处理节点的当前数据序号递增预设增量数目；存储单元604，被配置成将上述结果数据、上述数据处理日志和上述目标数据处理节点的当前数据序号对应持久化存储。

在本实施例中，用于处理数据的装置600的第一获取单元601、查询单元602、处理单元603和存储单元604的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，上述处理单元603可以进一步被配置成：将与上述上游节点算子标识和上述上游节点标识二者对应的已处理数据最大序号更新为上述上游节点当前数据序号并持久化存储。

在本实施例的一些可选的实现方式中，上述流式计算系统可以关联有有向无环图，上述有向无环图中的每个顶点对应一个算子标识，上述有向无环图的各个顶点对应的算子标识互不相同，每个算子标识对应至少一个互不相同的数据处理节点标识，上述有向无环图的有向边用于表征上述数据流从该有向边的起点对应的算子标识所对应的数据处理节点流入该有向边的终点对应的算子标识所对应的数据处理节点。

在本实施例的一些可选的实现方式中，上述数据流可以从上述有向无环图中入度为零的顶点对应的算子标识对应的数据处理节点流入，并在流经上述有向无环图中出度为零的顶点对应的算子标识对应的数据处理节点之后流出上述流式计算系统。

在本实施例的一些可选的实现方式中，上述上游节点算子标识可以用于指示处理上述上游数据处理节点中对数据进行处理的数据处理逻辑的代码段，上述上游节点标识用于指示上述上游数据处理节点，上游节点当前数据序号用于表征上述上游数据处理节点所处理并得到上述待处理数据的数据的数据序号。

在本实施例的一些可选的实现方式中，上述装置600还可以包括：第二获取单元605，被配置成响应于确定重启上述目标处理节点，获取持久化存储的上述目标数据处理节点的当前数据序号以及对应的结果数据和数据处理日志，以及获取持久化存储的与各算子标识和节点标识二者对应的已处理数据最大序号。

需要说明的是，本申请实施例提供的用于处理数据的装置中各单元的实现细节和技术效果可以参考本申请中其它实施例的说明，在此不再赘述。

下面参考图7，其示出了适于用来实现本申请实施例的电子设备的计算机系统700的结构示意图。图7示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统700包括中央处理单元(CPU，Central Processing Unit)701，其可以根据存储在只读存储器(ROM，Read Only Memory)702中的程序或者从存储部分708加载到随机访问存储器(RAM，Random Access Memory)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM702以及RAM 703通过总线704彼此相连。输入/输出(I/O，Input/Output)接口705也连接至总线704。

以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT，Cathode Ray Tube)、液晶显示器(LCD，Liquid Crystal Display)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN(局域网，Local AreaNetwork)卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，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710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

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部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所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。在本申请中，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。而在本申请中，计算机可读的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。计算机可读的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。

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申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、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，图示了按照本申请各种实施例的系统、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。

描述于本申请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。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一获取单元、查询单元、处理单元和存储单元。其中，这些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“获取待处理数据和数据处理日志的单元”。

作为另一方面，本申请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装置中所包含的；也可以是单独存在，而未装配入该装置中。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装置执行时，使得该装置：从流式计算系统中数据流流至的目标数据处理节点的上游数据处理节点获取待处理数据和与待处理数据对应的包括上游节点算子标识、上游节点标识和上游节点当前数据序号的数据处理日志；查询与上游节点算子标识和上游节点标识二者对应的已处理数据最大序号；响应于确定上游节点当前数据序号大于所确定的已处理数据最大序号，对待处理数据进行处理，得到结果数据，将目标数据处理节点的当前数据序号递增预设增量数目；将结果数据、数据处理日志和目标数据处理节点的当前数据序号对应持久化存储。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种用于处理数据的方法，应用于流式计算系统中的数据处理节点，所述方法包括：

从所述流式计算系统中数据流流至的目标数据处理节点的上游数据处理节点获取待处理数据和与所述待处理数据对应的包括上游节点算子标识、上游节点标识和上游节点当前数据序号的数据处理日志；

查询与所述上游节点算子标识和所述上游节点标识二者对应的已处理数据最大序号；

响应于确定所述上游节点当前数据序号大于所确定的已处理数据最大序号，对所述待处理数据进行处理，得到结果数据，将所述目标数据处理节点的当前数据序号递增预设增量数目；

将所述结果数据、所述数据处理日志和所述目标数据处理节点的当前数据序号对应持久化存储。

2.根据权利要求1所述的方法，其中，在对所述待处理数据进行处理，得到结果数据之后，所述方法还包括：

将与所述上游节点算子标识和所述上游节点标识二者对应的已处理数据最大序号更新为所述上游节点当前数据序号并持久化存储。

3.根据权利要求2所述的方法，其中，所述流式计算系统关联有有向无环图，所述有向无环图中的每个顶点对应一个算子标识，所述有向无环图的各个顶点对应的算子标识互不相同，每个算子标识对应至少一个互不相同的数据处理节点标识，所述有向无环图的有向边用于表征所述数据流从该有向边的起点对应的算子标识所对应的数据处理节点流入该有向边的终点对应的算子标识所对应的数据处理节点。

4.根据权利要求3所述的方法，其中，所述数据流从所述有向无环图中入度为零的顶点对应的算子标识对应的数据处理节点流入，并在流经所述有向无环图中出度为零的顶点对应的算子标识对应的数据处理节点之后流出所述流式计算系统。

5.根据权利要求4所述的方法，其中，所述上游节点算子标识用于指示处理所述上游数据处理节点中对数据进行处理的数据处理逻辑的代码段，所述上游节点标识用于指示所述上游数据处理节点，上游节点当前数据序号用于表征所述上游数据处理节点所处理并得到所述待处理数据的数据的数据序号。

6.根据权利要求1-5中任一所述的方法，其中，所述方法还包括：

响应于确定重启所述目标处理节点，获取持久化存储的所述目标数据处理节点的当前数据序号以及对应的结果数据和数据处理日志，以及获取持久化存储的与各算子标识和节点标识二者对应的已处理数据最大序号。

7.一种用于处理数据的装置，应用于流式计算系统中的数据处理节点，所述装置包括：

第一获取单元，被配置成从所述流式计算系统中数据流流至的目标数据处理节点的上游数据处理节点获取待处理数据和与所述待处理数据对应的包括上游节点算子标识、上游节点标识和上游节点当前数据序号的数据处理日志；

查询单元，被配置成查询与所述上游节点算子标识和所述上游节点标识二者对应的已处理数据最大序号；

处理单元，被配置成响应于确定所述上游节点当前数据序号大于所确定的已处理数据最大序号，对所述待处理数据进行处理，得到结果数据，将所述目标数据处理节点的当前数据序号递增预设增量数目；

存储单元，被配置成将所述结果数据、所述数据处理日志和所述目标数据处理节点的当前数据序号对应持久化存储。

8.根据权利要求7所述的装置，所述处理单元进一步被配置成：

将与所述上游节点算子标识和所述上游节点标识二者对应的已处理数据最大序号更新为所述上游节点当前数据序号并持久化存储。

9.根据权利要求8所述的装置，其中，所述流式计算系统关联有有向无环图，所述有向无环图中的每个顶点对应一个算子标识，所述有向无环图的各个顶点对应的算子标识互不相同，每个算子标识对应至少一个互不相同的数据处理节点标识，所述有向无环图的有向边用于表征所述数据流从该有向边的起点对应的算子标识所对应的数据处理节点流入该有向边的终点对应的算子标识所对应的数据处理节点。

10.根据权利要求9所述的装置，其中，所述数据流从所述有向无环图中入度为零的顶点对应的算子标识对应的数据处理节点流入，并在流经所述有向无环图中出度为零的顶点对应的算子标识对应的数据处理节点之后流出所述流式计算系统。

11.根据权利要求10所述的装置，其中，所述上游节点算子标识用于指示处理所述上游数据处理节点中对数据进行处理的数据处理逻辑的代码段，所述上游节点标识用于指示所述上游数据处理节点，上游节点当前数据序号用于表征所述上游数据处理节点所处理并得到所述待处理数据的数据的数据序号。

12.根据权利要求7-11中任一所述的装置，其中，所述装置还包括：

第二获取单元，被配置成响应于确定重启所述目标处理节点，获取持久化存储的所述目标数据处理节点的当前数据序号以及对应的结果数据和数据处理日志，以及获取持久化存储的与各算子标识和节点标识二者对应的已处理数据最大序号。

13.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

14.一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被一个或多个处理器执行时实现如权利要求1-6中任一所述的方法。

Images