CN111159229A - 一种数据查询方法及装置 - Google Patents
一种数据查询方法及装置 Download PDFInfo
- Publication number
- CN111159229A CN111159229A CN201911418840.9A CN201911418840A CN111159229A CN 111159229 A CN111159229 A CN 111159229A CN 201911418840 A CN201911418840 A CN 201911418840A CN 111159229 A CN111159229 A CN 111159229A
- Authority
- CN
- China
- Prior art keywords
- query
- task
- engine
- information
- real
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 98
- 238000004891 communication Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 description 63
- 238000001514 detection method Methods 0.000 description 18
- 230000001360 synchronised effect Effects 0.000 description 12
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000003672 processing method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 241000282813 Aepyceros melampus Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2453—Query optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供了一种数据查询方法和装置，所述方法包括：获取查询任务；解析所述查询任务，获取任务需求信息；将所述任务需求信息分别与预设的至少两种查询引擎的性能配置信息比对，查找所述性能配置信息与所述任务需求信息匹配的目标查询引擎；将所述查询任务输入所述目标查询引擎，获取查询结果。本发明实施例提供的数据查询方法，将所述任务需求信息分别与预设的至少两种查询引擎的性能配置信息比对，查找所述性能配置信息与所述任务需求信息匹配的目标查询引擎。使查询系统可以针对所述查询任务，合理分配查询效率较高的预设引擎，提高所述查询任务的查询效率。
Description
技术领域
本发明涉及数据处理技术领域，特别是涉及一种数据查询方法和一种数据查询装置。
背景技术
随着数据相关技术不断被关注和重视，企业开始注意存储、分析和挖掘数据，希望可以从数据中获取更大的价值。企业需要提高对海量数据的存储以及查询能力，以适应数据的挖掘与分析的需求。
一般来说，海量数据查询通常具有查询任务复杂度较高，查询的数据量较大的特点，使得海量数据查询通常需要消耗较长时间、占用资源较多，且存在查询失败的可能，导致查询效率较低。
发明内容
本发明实施例的目的在于提供一种数据查询方法及装置，以实现提高海量数据的查询效率。具体技术方案如下：
在本发明实施的第一方面，首先提供了一种数据查询方法，所述方法包括：获取查询任务；
解析所述查询任务，获取任务需求信息；
将所述任务需求信息分别与预设的至少两种查询引擎的性能配置信息比对，查找所述性能配置信息与所述任务需求信息匹配的目标查询引擎；
将所述查询任务输入所述目标查询引擎，获取查询结果。
可选地，所述查询引擎包括实时引擎以及离线引擎；
所述将所述任务需求信息分别与预设的至少两个查询引擎的性能配置信息比对，查找所述性能配置信息与所述任务需求信息匹配的目标查询引擎的步骤，包括：
确定所述任务需求信息是否与所述实时引擎的性能配置信息匹配；
若所述任务需求信息与所述实时引擎的性能配置信息不匹配，将所述离线引擎确定为目标查询引擎；
若所述任务需求信息与所述实时引擎的性能配置信息匹配，将所述实时引擎确定为目标查询引擎。
可选地，所述实时引擎包括第一实时引擎；所述性能配置信息包括数据量配置信息；所述任务需求信息包括预估任务数据量信息；
所述将所述任务需求信息分别与预设的至少两个查询引擎的性能配置信息比对，查找所述性能配置信息与所述任务需求信息匹配的目标查询引擎的步骤，包括：
确定所述预估任务数据量信息是否与所述第一实时引擎的数据量配置信息匹配；
若所述预估任务数据量信息与所述第一实时引擎的数据量配置信息不匹配，将所述离线引擎确定为目标查询引擎；
若所述预估任务数据量信息与所述第一实时引擎的数据量配置信息匹配，将所述第一实时引擎确定为目标查询引擎
可选地，所述实时引擎还包括第二实时引擎；所述性能配置信息还包括数据属性配置信息；所述任务需求信息还包括任务数据属性信息；
所述确定所述预估查询数据量信息是否与所述第一实时引擎的数据量配置信息匹配的步骤，包括：
确定所述任务数据属性信息是否与所述第二实时引擎的数据属性配置信息匹配；
若所述任务数据属性信息与所述第二实时引擎的数据属性配置信息不匹配，确定确定所述预估查询数据量信息是否与所述第一实时引擎的数据量配置信息匹配；
若所述任务数据属性信息与所述第二实时引擎的数据属性配置信息匹配，将所述第二实时引擎确定为目标查询引擎。
可选地，所述性能配置信息还包括复杂度配置信息；所述任务需求信息还包括任务复杂度信息；
所述确定所述任务数据属性信息是否与所述第二实时引擎的数据属性配置信息匹配的步骤，包括：
确定所述任务复杂度信息是否与所述第二实时引擎的复杂度配置信息匹配；
若所述任务复杂度信息与所述第二实时引擎的复杂度配置信息匹配，确定所述任务数据属性信息是否与所述第二实时引擎的数据属性配置信息匹配；
若所述任务复杂度信息与所述第二实时引擎的复杂度配置信息不匹配，确定所述预估查询数据量信息是否与所述第一实时引擎的数据量配置信息匹配
可选地，所述将所述查询任务输入所述目标查询引擎，获取查询结果的步骤，包括：
将所述查询任务输入所述目标查询引擎；
采用预设的耗时检测模块，检测所述目标查询引擎处理所述查询任务的已消耗时长；
当所述已消耗时长大于预设阈值时，采用异步方式返回查询结果；
当所述已消耗时长不大于预设阈值时，采用同步方式返回查询结果。
在本发明实施的第二方面，还提供了一种数据查询装置，所述装置包括：获取模块，用于获取查询任务；
解析模块，用于解析所述查询任务，获取任务需求信息；
查找模块，用于将所述任务需求信息分别与预设的至少两种查询引擎的性能配置信息比对，查找所述性能配置信息与所述任务需求信息匹配的目标查询引擎；
查询模块，用于将所述查询任务输入所述目标查询引擎，获取查询结果。
可选地，所述查询引擎包括实时引擎以及离线引擎；
所述查找模块包括：
性能确定子模块，用于确定所述任务需求信息是否与所述实时引擎的性能配置信息匹配；
第一确定子模块，用于若所述任务需求信息与所述实时引擎的性能配置信息不匹配，将所述离线引擎确定为目标查询引擎；
第二确定子模块，用于若所述任务需求信息与所述实时引擎的性能配置信息匹配，将所述实时引擎确定为目标查询引擎。
可选地，所述实时引擎包括第一实时引擎；所述性能配置信息包括数据量配置信息；所述任务需求信息包括预估任务数据量信息；
所述查找模块包括：
数据确定子模块，用于确定所述预估任务数据量信息是否与所述第一实时引擎的数据量配置信息匹配；
第四确定子模块，用于若所述预估任务数据量信息与所述第一实时引擎的数据量配置信息不匹配，将所述离线引擎确定为目标查询引擎；
第五确定子模块，用于若所述预估任务数据量信息与所述第一实时引擎的数据量配置信息匹配，将所述第一实时引擎确定为目标查询引擎。
可选地，所述实时引擎还包括第二实时引擎；所述性能配置信息还包括数据属性配置信息；所述任务需求信息还包括任务数据属性信息；
所述数据确定子模块包括：
属性确定单元，用于确定所述任务数据属性信息是否与所述第二实时引擎的数据属性配置信息匹配；
第一确定单元，用于若所述任务数据属性信息与所述第二实时引擎的数据属性配置信息不匹配，确定确定所述预估查询数据量信息是否与所述第一实时引擎的数据量配置信息匹配；
第二确定单元，用于若所述任务数据属性信息与所述第二实时引擎的数据属性配置信息匹配，将所述第二实时引擎确定为目标查询引擎。
可选地，所述性能配置信息还包括复杂度配置信息；所述述任务需求信息还包括任务复杂度信息；
所述属性确定单元包括：
复杂度确定子单元，用于确定所述任务复杂度信息是否与所述第二实时引擎的复杂度配置信息匹配；
第一确定子单元，用于若所述任务复杂度信息与所述第二实时引擎的复杂度配置信息匹配，确定所述任务数据属性信息是否与所述第二实时引擎的数据属性配置信息匹配；
第二确定子单元，用于若所述任务复杂度信息与所述第二实时引擎的复杂度配置信息不匹配，确定所述预估查询数据量信息是否与所述第一实时引擎的数据量配置信息匹配。
可选地，所述查询模块包括：
输入模块，用于将所述查询任务输入所述目标查询引擎；
检测模块，用于采用预设的耗时检测模块，检测所述目标查询引擎处理所述查询任务的已消耗时长；
第一返回模块，用于当所述已消耗时长大于预设阈值时，采用异步方式返回查询结果；
第二返回模块，用于当所述已消耗时长不大于预设阈值时，采用同步方式返回查询结果。
在本发明实施的又一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述任一所述的数据查询方法。
在本发明实施的又一方面，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的数据查询方法。
本发明实施例提供的数据查询方法，采用至少两个查询引擎处理查询任务，将所述任务需求信息分别与预设的至少两种查询引擎的性能配置信息比对，查找所述性能配置信息与所述任务需求信息匹配的目标查询引擎。使查询系统可以针对所述查询任务，合理分配查询效率较高的查询引擎，提高所述查询任务的查询效率。还实现了合理分配资源，避免了查询引擎处理不适配的查询任务导致查询效率低，且容易失败的情况，使每一所述查询引擎皆可以保持在较好的查询任务处理性能上。
附图说明
为了更清楚地说明本发明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。
图1为本发明实施例中一种数据查询方法实施例的步骤流程图；
图2为本发明实施例中另一种数据查询方法实施例的步骤流程图；
图3为本发明实施例中另一种数据查询方法实施例的步骤流程图；
图4为本发明实施例中一种数据查询装置实施例的结构框图；
图5为本发明实施例中一种电子设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行描述。
参照图1，示出了本发明的一种数据处理方法实施例的步骤流程图，具体可以包括如下步骤：
步骤101，获取查询任务；
在本发明实施例中，为了对海量数据进行查询，可以设置一查询系统。查询系统可以存储有海量数据，还可以根据实际需要，持续获取新的海量数据。查询系统还可以通过查询引擎，对海量数据进行查询。
在本发明实施例中，查询系统可以获取用户发送的查询任务。所述查询任务可以为用户输入的用于查询海量数据的任务。具体地，所述查询任务可以包括用户输入的用于查询海量数据的查询语句。例如，所述查询任务可以包括SQL(Structured QueryLanguage，结构化查询语言)查询语句。
步骤102，解析所述查询任务，获取任务需求信息；
在本发明实施例中，查询系统可以对所述查询任务进行解析，获取任务需求信息。所述任务需求信息可以为所述查询任务所需要的性能配置需求。具体地，所述任务需求信息可以包括任务数据属性信息、任务数据量信息、任务复杂度信息等，本发明对此不做限制。查询系统可以基于所述任务需求信息，确定所述查询任务需要查询的数据。
在具体实现中，查询系统可以对所述查询任务中包含的查询语句进行解析，从而获取任务需求信息。具体地，查询系统可以设置一查询任务解析模块，所述查询任务解析模块可以通过提取所述查询语句中的关键词，并基于所述关键词确定所述查询任务可以涉及的数据，确定所述任务需求信息。例如，所述查询任务中包含查询语句“在表A中提取列A与列B”，则查询系统可以基于所述查询语句，确定所述任务数据属性信息可以涉及列A与列B，并基于表A中包含的数据量，确定所述查询语句可能涉及的查询数据量，并基于查询涉及的表格数量，确定查询语句复杂度。
步骤103，将所述任务需求信息分别与预设的至少两种查询引擎的性能配置信息比对，查找所述性能配置信息与所述任务需求信息匹配的目标查询引擎；
在本发明实施例中，查询系统中可以预设有至少两个查询引擎，所述查询引擎可以具有性能配置信息。所述性能配置信息可以用于指示所述查询引擎的查询性能。每一所述查询引擎可以具有不同的查询性能，从而每一所述查询引擎可以支持处理的查询任务可以存在区别，且针对相同的查询任务，不同的所述查询引擎的查询效率可以存在区别。
由此，查询系统可以将所述查询引擎的性能配置信息与所述查询任务的任务需求信息进行比对，确定所述查询引擎的性能是否可以支持所述查询任务。以在所述查询引擎中，查找所述性能配置信息与所述任务需求信息匹配的目标查询引擎。所述目标查询引擎可以是性能配置信息支持处理所述查询任务，且处理所述查询任务效率较高的查询引擎。从而查询系统可以针对每一所述查询任务，分配查询效率较高的查询引擎对所述查询任务进行处理，以合理分配处理所述查询任务所需要的计算资源，并提高查询效率。
具体地，所述性能配置信息可以为数值区间或者若干元素的集合，所述任务需求信息可以为数值区间或者若干元素的集合。若所述任务需求信息的数值区间在所述性能配置信息的数据区间中，或者，所述任务需求信息的集合从属于所述性能配置信息的集合，则可以认为所述任务需求信息与所述查询引擎的所述性能配置信息匹配，并将所述查询引擎作为目标引擎。若所述任务需求信息与所述查询引擎的所述性能配置信息不匹配，则可以认为所述查询引擎可以无法处理所述查询任务，或者，无法以较高效率处理所述查询任务。
步骤104，将所述查询任务输入所述目标查询引擎，获取查询结果。
在本发明实施例中，在查找到适配所述任务需求信息的目标查询引擎之后，可以将所述查询任务输入所述目标查询引擎。所述目标查询引擎可以在海量数据中提取所述查询任务所需的数据，得到查询结果。查询系统可以获取所述目标查询引擎返回的查询结果，并将所述查询结果展示给用户。用户可以基于所述查询结果，提交新的查询任务，或者采用所述查询结果进行数据分析。
通过本发明实施例的数据查询方法，采用至少两个查询引擎处理查询任务，将所述任务需求信息分别与预设的至少两种查询引擎的性能配置信息比对，查找所述性能配置信息与所述任务需求信息匹配的目标查询引擎。使查询系统可以针对所述查询任务，合理分配查询效率较高的查询引擎，提高所述查询任务的查询效率。还实现了合理分配资源，避免了查询引擎处理不适配的查询任务导致查询效率低，且容易失败的情况，使每一所述查询引擎皆可以保持在较好的查询任务处理性能上。
参照图2，示出了本发明的另一种数据处理方法实施例的步骤流程图，具体可以包括如下步骤：
步骤201，获取查询任务；
在本发明实施例中，为了对海量数据进行查询，可以设置一查询系统。查询系统可以存储有海量数据，还可以根据实际需要，持续获取新的海量数据。查询系统还可以通过查询引擎，对海量数据进行查询。
在本发明实施例中，查询系统可以获取用户发送的查询任务。所述查询任务可以为用户输入的用于查询海量数据的任务。具体地，所述查询任务可以包括用户输入的用于查询海量数据的查询语句。例如，所述查询任务可以包括SQL(Structured QueryLanguage，结构化查询语言)查询语句。
步骤202，解析所述查询任务，获取任务需求信息；
在本发明实施例中，查询系统可以对所述查询任务进行解析，获取任务需求信息。所述任务需求信息可以为所述查询任务所需要的性能配置需求。具体地，所述任务需求信息可以包括任务数据属性信息、任务数据量信息、任务复杂度信息等，本发明对此不做限制。查询系统可以基于所述任务需求信息，确定所述查询任务需要查询的数据。
在具体实现中，查询系统可以对所述查询任务中包含的查询语句进行解析，从而获取任务需求信息。具体地，查询系统可以设置一查询任务解析模块，所述查询任务解析模块可以通过提取所述查询语句中的关键词，并基于所述关键词确定所述查询任务可以涉及的数据，确定所述任务需求信息。例如，所述查询任务中包含查询语句“在表A中提取列A与列B”，则查询系统可以基于所述查询语句，确定所述任务数据属性信息可以涉及列A与列B，并基于表A中包含的数据量，确定所述查询语句可能涉及的查询数据量，并基于查询涉及的表格数量，确定查询语句复杂度。
步骤203，将所述任务需求信息分别与预设的至少两种查询引擎的性能配置信息比对，查找所述性能配置信息与所述任务需求信息匹配的目标查询引擎；
在本发明实施例中，所述查询引擎可以包括实时引擎以及离线引擎。所述实时引擎可以基于查询系统实时获取的数据，处理所述查询任务，并返回查询结果。所述离线引擎可以基于查询系统周期性批量获取的数据，处理所述查询任务，并返回查询结果。
在本发明实施例中，所述性能配置信息可以用于指示所述查询引擎的查询性能。所述性能配置信息可以包括数据量配置信息、数据属性配置信息、复杂度配置信息等，本发明对此不做限制。
在本发明实施例中，所述实时引擎可以具有较快的查询任务处理速度，处理速度可以达到秒级以上。但是在性能配置信息上可以存在限制。在所述实时引擎在处理与所述性能配置信息不匹配的查询任务时，可以存在查询效率降低，或者无法处理所述查询任务的情况。例如，实时引擎可以采用通过在内存处理查询任务，中间结果不写入磁盘的方式，提高查询任务处理速度，但是在处理数据量过大的情况下，可能会造成内存溢出。虽然可以将内存中的部分中间结果转移至磁盘存储，从而避免内存溢出。但是将中间结果转储至磁盘的过程会大大增加查询任务的处理时间，导致查询效率降低。又例如，实时引擎可以采用预计算的方式，基于预设的数据属性提前构建数据模型，从而提高查询速度。但是在查询任务需要查询预设的数据属性之外的数据，或者需要查询用于构建数据模型的数据以外的其他数据时，实时引擎无法处理该查询任务。
而所述离线引擎可以具有较慢的查询任务处理速度，处理查询任务需要花费的时间可以达到数十分钟或以上。但是离线引擎可以支持处理吞吐量大、复杂度高的查询任务，其性能配置信息可以存在较小的限制，从而所述离线引擎与所述实时引擎相比，可以处理更多类型、复杂度更高的查询任务。
由此，查询系统可以基于解析所述查询任务得到的所述任务需求信息，确定所述任务需求信息是否与所述实时引擎的性能配置信息匹配，以确定所述查询任务是否适合采用所述实时引擎进行处理。从而查询系统可以为所述查询任务分配查询效率较高的查询引擎，以合理分配处理所述查询任务所需要的计算资源，并提高查询效率。
具体地，所述性能配置信息可以为数值区间、或者若干元素的集合、或者条件信息，所述任务需求信息可以为数值区间、或者若干元素的集合、或者特征信息。若所述任务需求信息的数值区间在所述性能配置信息的数据区间中，或者，所述任务需求信息的集合从属于所述性能配置信息的集合，或者，所述任务需求信息的特征信息符合所述性能配置信息的条件信息，则可以认为所述任务需求信息与所述查询引擎的所述性能配置信息匹配，并将所述查询引擎作为目标引擎。若所述任务需求信息与所述查询引擎的所述性能配置信息不匹配，则可以认为所述查询引擎可以无法处理所述查询任务，或者，无法以较高效率处理所述查询任务。
步骤204，若所述任务需求信息与所述实时引擎的性能配置信息不匹配，将所述离线引擎确定为目标查询引擎；
在本发明实施例中，若所述任务需求信息与所述实时引擎的性能配置信息不匹配，则可以认为所述实时引擎处理所述查询任务的效率可能降低，或者无法处理所述查询任务，则查询系统可以将所述离线引擎确定为目标查询引擎，由所述离线引擎处理所述查询任务。
步骤205，若所述任务需求信息与所述实时引擎的性能配置信息匹配，将所述实时引擎确定为目标查询引擎；
在本发明实施例中，若所述任务需求信息与所述实时引擎的性能配置信息匹配，则可以认为所述实时引擎可以处理所述查询任务，还可以具有较好的处理效率，则查询系统可以将所述实时引擎确定为目标查询引擎，由所述实时引擎处理所述查询任务。
步骤206，将所述查询任务输入所述目标查询引擎，获取查询结果。
在本发明实施例中，在查找到适配所述任务需求信息的目标查询引擎之后，可以将所述查询任务输入所述目标查询引擎。所述目标查询引擎可以在海量数据中提取所述查询任务所需的数据，得到查询结果。查询系统可以获取所述目标查询引擎返回的查询结果，并将所述查询结果展示给用户。用户可以基于所述查询结果，提交新的查询任务，或者采用所述查询结果进行数据分析。
作为本发明的一种示例，查询系统中存储有数据表A，所述数据表A中可以包括“ID”列、“城市”列、“性别”列、“年龄”列、“APP使用时间”列，所述实时引擎可以具有数据属性配置信息，所述数据属性配置信息可以为“ID”列、“城市”列、以及“性别”列。所述查询任务的所述任务需求信息可以包括任务数据属性信息为“ID”列、“城市”列、“性别”列、“年龄”列，则所述任务需求信息与所述性能配置信息不匹配，由此，可以将所述离线引擎确定为目标查询引擎。所述查询任务的所述任务需求信息可以包括任务数据属性信息为“ID”列、“城市”列、“性别”列，则所述任务需求信息与所述性能配置信息匹配，由此，可以将所述实时引擎确定为目标查询引擎。其后，所述查询系统可以将所述查询任务数据所述目标查询引擎，获取查询结果。
通过本发明实施例的数据查询方法，基于查询引擎的性能配置信息，在所述查询引擎中，查找适配所述任务需求信息的实时引擎或离线引擎，作为目标查询引擎。使查询系统可以针对所述查询任务，合理分配查询效率较高的查询引擎，提高所述查询任务的查询效率，且实现了合理分配资源，避免了查询引擎处理不适配的查询任务导致查询效率低，且容易失败的情况。
在本发明的一种实施例中，所述实时引擎包括第一实时引擎；所述性能配置信息包括数据量配置信息；所述任务需求信息包括预估任务数据量信息；
在本发明实施例中，所述查询系统可以具有至少一个实时引擎，所述实时引擎可以具有不同的性能配置信息。其中，所述实时引擎可以包括第一实时引擎，所述第一实时引擎的所述性能配置信息可以包括数据量配置信息。
在本发明实施例中，所述数据量配置信息可以为所述查询引擎可以处理的数据量。所述数据量配置信息可以具有数据区间，例如小于1TB、小于1PB等，本发明对此不做限制。
在本发明实施例中，所述预估查询数据量信息可以为所述查询任务预估需要处理的数据量。所述预估任务数据量信息可以具有数据区间，例如小于1TB、小于1PB等，本发明对此不做限制。
所述基于查询引擎的性能配置信息，在所述查询引擎中，查找适配所述任务需求信息的目标查询引擎的步骤，包括：
S11，确定所述预估任务数据量信息是否与所述第一实时引擎的数据量配置信息匹配；
在本发明实施例中，在查询任务需要查询在较广时间区间下的数据的情况下，所述查询任务需要处理的数据量可以较大。由此，所述查询系统可以设置一数据检测模块，基于所述查询任务需要查询的时间区间，对所述查询任务需要处理的数据量进行预估，从而得到预估任务数据量信息。
在本发明实施例中，所述第一实时引擎可以具有较高的查询任务处理效率，但是在查询任务的数据量较大的情况下，容易出现处理时长增加，且容易查询失败的情况。由此，所述第一实时引擎可以具有数据量配置信息，在所述查询任务需要处理的数据量与所述数据量配置信息匹配时，所述第一实时引擎可以保持较好的处理速度，且查询失败率低。
作为本发明的一种可选的实施方式，所述第一实时引擎可以为Impala实时查询引擎，Impala实时查询引擎可以提供基于内存的实时交互查询，在任务数据属性信息上没有限制，但在查询任务复杂度较高且查询数据量较大的情况下，处理时长增加且容易失败。
在本发明实施例中，所述离线引擎可以具有与所述实时引擎相比较低的查询任务处理效率，但是离线引擎在性能配置信息上可以存在较小的限制，即所述离线引擎具有与第一实时引擎相比更高的数据量配置信息。
作为本发明的一种可选的实施方式，所述离线引擎可以为Hive、SparkSQL等，本发明对此不做限制。Hive、SparkSQL等离线引擎，可以处理复杂的查询任务，可以适配较大的查询数据量、较多的任务数据属性信息。
在本发明实施例中，所述查询系统可以将所述预估任务数据量信息与所述第一实时引擎的数据量配置信息进行比较，确定所述预估任务数据量信息是否与所述第一实时引擎的数据量配置信息匹配，以确定是否可以采用所述第一实时引擎处理所述查询任务。由此，查询系统可以基于所述预估任务数据量信息以及所述数据量配置信息来确定查询引擎处理所述查询任务的处理效率，并为所述查询任务分配处理效率更好的查询引擎，以合理分配处理所述查询任务需要的计算资源。
具体地，可以将所述预估任务数据量信息的数据区间与所述第一实时引擎的数据量配置信息的数据区间进行比对，确定所述预估任务数据量信息的数值区间是否在所述数据量配置信息的数据区间中。
若所述预估任务数据量信息的数值区间在所述数据量配置信息的数据区间中，则所述预估任务数据量信息与所述第一实时引擎的数据量配置信息匹配。若所述预估任务数据量信息的数值区间不在所述数据量配置信息的数据区间中，则所述所述预估任务数据量信息与所述第一实时引擎的数据量配置信息不匹配。
S12，若所述预估任务数据量信息与所述第一实时引擎的数据量配置信息不匹配，将所述离线引擎确定为目标查询引擎；
在本发明实施例中，若所述预估任务数据量信息与所述第一实时引擎的数据量配置信息不匹配，则可以认为所述第一实时引擎在处理所述查询任务时，其可能出现处理时长增加，或者查询失败的情况。由此，可以将所述离线引擎确定为目标查询引擎。
作为本发明的一种示例，所述查询任务可以请求查询时间区间为7月1日至7月31日的数据，所述查询系统可以确定所述查询任务的预估任务数据量信息为800TB，所述第一实时引擎的数据量配置信息为小于500TB，则所述预估任务数据量信息与所述第一实时引擎的数据量配置信息不匹配，则可以将所述离线引擎确定为所述目标查询引擎。
S13，若所述预估任务数据量信息与所述第一实时引擎的数据量配置信息匹配，将所述第一实时引擎确定为目标查询引擎。
在本发明实施例中，若所述预估任务数据量信息与所述第一实时引擎的数据量配置信息匹配，则可以认为所述第一实时引擎在处理所述查询任务时，可以具有较好的处理效率。由此，可以将所述第一实时引擎确定为目标查询引擎。
作为本发明的一种示例，所述查询任务可以请求查询时间区间为7月1日至7月15日的数据，所述查询系统可以确定所述查询任务的预估任务数据量信息为400TB，所述第一实时引擎的数据量配置信息为小于500TB，则所述预估任务数据量信息与所述第一实时引擎的数据量配置信息匹配，则可以将所述第一实时引擎确定为所述目标查询引擎。
在本发明的一种实施例中，所述实时引擎还包括第二实时引擎；所述性能配置信息还包括数据属性配置信息；所述任务需求信息还包括任务数据属性信息；
在本发明实施例中，所述实时引擎还可以包括第二实时引擎，所述第二实时引擎的所述性能配置信息可以包括数据属性配置信息。
在本发明实施例中，海量数据中的每一数据，可以具有至少一个数据属性，所述数据属性可以用于指示数据的属性信息。例如，一针对用户A数据可以存储有用户A的ID、名称、性别、出生日期、常住地的属性信息，则针对用户A的数据可以具有“ID”、“名称”、“性别”、“出生日期”、“常住地”这5个数据属性。
在本发明实施例中，所述数据属性配置信息可以为若干元素的集合，其包括所述查询引擎可以处理的所述查询任务的数据属性。所述数据属性配置信息可以根据实际需要，设置一个数据属性、五个数据属性、十个数据属性等，本发明对此不做限制。
在本发明实施例中，所述任务数据属性信息可以为若干元素的集合，其包括所述查询任务涉及的数据属性。所述任务数据属性信息可以根据实际需要，设置一个数据属性、五个数据属性、十个数据属性等，本发明对此不做限制。
所述确定所述预估查询数据量信息是否与所述第一实时引擎的数据量配置信息匹配的步骤，包括：
S21，确定所述任务数据属性信息是否与所述第二实时引擎的数据属性配置信息匹配；
在本发明实施例中，所述查询任务可以涉及至少一个任务数据属性信息。查询系统可以采用查询任务解析模块，对所述查询任务进行解析，得到所述查询任务的任务数据属性信息。
在本发明实施例中，所述第二实时引擎可以具有较快的查询任务处理速度，但是其具有数据属性配置信息，当所述任务数据属性信息与所述数据属性配置信息不匹配时，所述第二实时引擎处理所述查询任务的效率可以降低，或出现无法处理查询任务的情况。
作为本发明的一种可选的实施方式，所述第二实时引擎可以为Kylin实时查询引擎。Kylin实时查询引擎可以将实时获取的海量数据按照指定的数据属性进行预计算，并存储预计算结果。其后Kylin实时查询引擎可以基于预计算的结果处理查询任务，从而可以提高处理查询任务的效率，且具有较短的处理时长。但是Kylin实时查询引擎中预计算的数据属性是事先指定的，因此其具有数据属性配置信息，对于超出数据属性配置信息的查询任务，Kylin实时查询引擎的查询效率可以降低，或者无法处理查询任务。
在本发明实施例中，查询系统可以将所述任务数据属性信息与所述第二实时引擎的数据属性配置信息进行比较，确定所述任务数据属性信息是否与所述第二实时引擎的数据属性配置信息匹配，以确定是否可以采用所述第二实时引擎处理所述查询任务。由此，查询系统可以基于所述任务数据属性信息以及所述数据属性配置信息来确定所述查询引擎处理所述查询任务的处理效率，并为所述查询任务分配处理效率更好的查询引擎，以合理分配处理所述查询任务所需要的计算资源。
具体地，可以将所述任务数据属性信息的集合与所述第二实时引擎的数据属性配置信息的集合进行比对，确定所述任务数据属性信息的集合是否从属于所述第二实时引擎的数据属性配置信息的集合。
若所述任务数据属性信息的集合从属于所述第二实时引擎的数据属性配置信息的集合，则所述任务数据属性信息与所述第二实时引擎的数据属性配置信息匹配。若所述任务数据属性信息的集合不从属于所述第二实时引擎的数据属性配置信息的集合，则所述任务数据属性信息与所述第二实时引擎的数据属性配置信息不匹配。
S22，若所述任务数据属性信息与所述第二实时引擎的数据属性配置信息不匹配，确定确定所述预估查询数据量信息是否与所述第一实时引擎的数据量配置信息匹配；
在本发明实施例中，若所述任务数据属性信息与所述第二实时引擎的数据属性配置信息不匹配，可以认为所述第二实时引擎处理所述查询任务的效率较低，或者无法处理所述查询任务。而所述第一实时引擎可以在数据属性配置信息具有较小的限制，且所述第一实时引擎可以也具有较好的处理速度。查询系统可以继续确定所述第一实时引擎是否可以处理所述查询请求，由此，可以确定确定所述预估查询数据量信息是否与所述第一实时引擎的数据量配置信息匹配。若确定确定所述预估查询数据量信息与所述第一实时引擎的数据量配置信息匹配，则可以将所述第一实时引擎确定为目标查询引擎，若确定确定所述预估查询数据量信息与所述第一实时引擎的数据量配置信息不匹配，则可将所述离线引擎确定为目标查询引擎。
S23，若所述任务数据属性信息与所述第二实时引擎的数据属性配置信息匹配，将所述第二实时引擎确定为目标查询引擎。
在本发明实施例中，若所述任务数据属性信息与所述第二实时引擎的数据属性配置信息匹配，可以认为所述第二实时引擎可以处理所述查询任务，且处理效率较高，则可将所述第二实时引擎确定为目标查询引擎。
作为本发明的一种示例，查询系统中的数据可以包括“ID”、“名称”、“性别”、“出生日期”、以及“常住地”数据属性。所述第二实时引擎的数据属性配置信息可以为“ID”、“名称”、“性别”、以及“出生日期”。
若所述查询任务请求的任务数据属性信息为“ID”、“名称”、“性别”、“出生日期”、以及“常住地”，则所述任务数据属性信息与所述第二实时引擎的数据属性配置信息不匹配，可以进一步确定确定所述预估查询数据量信息是否与所述第一实时引擎的数据量配置信息匹配。所述查询任务请求查询7月1日至7月15日的数据，所述查询系统可以确定所述查询任务的预估任务数据量信息为400TB，所述第一实时引擎的数据量配置信息为小于500TB，则所述查询任务的所述预估任务数据量信息与所述第一实时引擎的数据量配置信息匹配，则可以将所述第一实时引擎确定为所述目标查询引擎。
若所述查询任务请求的任务数据属性信息为“ID”、“名称”、以及“性别”，则所述任务数据属性信息与所述第二实时引擎的数据属性配置信息匹配，可以将所述第二实时引擎确定为目标查询引擎。
在本发明的一种实施例中，所述性能配置信息还包括复杂度配置信息；所述述任务需求信息还包括任务复杂度信息；
在本发明实施例中，所述查询系统中的海量数据可以数据表的形式进行存储，则海量数据可以包括至少一个数据表。所述数据表之间可以存在相同的数据属性。例如，数据表A中存在“姓名”以及“年龄”数据属性，数据表B中存在“姓名”以及“常住地”数据属性，则数据表A与数据表B之间可以存在相同的数据属性“姓名”。
在本发明实施例中，所述复杂度配置信息可以为条件信息，用于表示所述查询引擎是否可以处理多个数据表。所述任务复杂度信息可以为特征信息，用于表示所述查询任务是否涉及多个数据表。
所述确定所述任务数据属性信息是否与所述第二实时引擎的数据属性配置信息匹配的步骤，包括：
S31，确定所述任务复杂度信息是否与所述第二实时引擎的复杂度配置信息匹配；
在本发明实施例中，所述第一实时引擎的复杂度配置信息可以为不支持处理多个数据表。所述第二实时引擎的复杂度配置信息可以为支持处理多个数据表。所述第一实时引擎以及所述第二实时引擎皆可以具有比所述离线引擎更好的处理效率。一般来说，在查询任务需要处理多个数据表的情况下，所述第二实时引擎可以具有比第一实时引擎更好的表现。而在查询任务不需要处理多个数据表的情况下，第一实时引擎与第二实时引擎皆可以具有较好的处理效率，且第一实时引擎在任务数据属性信息上没有限制。由此，查询系统可以确定所述任务复杂度信息是否与所述第二实时引擎的复杂度配置信息匹配，以确定所述查询任务更适合使用第二实时引擎或第一实时引擎，为查询任务分配效率更好的查询引擎，以合理分配处理所述查询任务需要的计算资源。
在本发明实施例中，查询系统可以通过解析所述查询任务，确定所述查询任务是否涉及多个数据表，以确定任务复杂度信息。具体地，所述查询任务可以包含查询语句“jion”，查询语句“jion”可以用于表示两张以上的数据表结合在一起的操作。若所述查询任务中包含查询语句“jion”，则可以认为所述任务复杂度信息为所述查询任务包含多个数据表。若所述查询任务中不包含查询语句“join”，则可以认为所述任务复杂度信息为所述查询任务不包含多个数据表。
具体地，若所述任务复杂度信息符合所述所述复杂度配置信息，即所述特征信息符合所述条件信息，则可以认为所述任务复杂度信息与所述所述复杂度配置信息匹配，若所述任务复杂度信息不符合所述所述复杂度配置信息，即所述特征信息不符合所述条件信息，则可以认为所述任务复杂度信息与所述所述复杂度配置信息不匹配。例如，所述第一实时引擎的复杂度配置信息为不支持处理多个数据表，而所述任务复杂度信息为涉及多个数据表，则所述复杂度配置信息与所述任务复杂度信息不匹配。
S32，若所述任务复杂度信息与所述第二实时引擎的复杂度配置信息匹配，确定所述任务数据属性信息是否与所述第二实时引擎的数据属性配置信息匹配；
在本发明实施例中，若所述任务复杂度信息与所述第二实时引擎的复杂度配置信息匹配，则可以认为所述第二实时引擎处理所述查询任务，可能具有更好的处理效率。所述查询系统可以进一步确定所述任务数据属性信息是否与所述第二实时引擎的数据属性配置信息匹配，以进一步确定是否可以采用所述第二实时引擎处理所述查询任务。
S33，若所述任务复杂度信息与所述第二实时引擎的复杂度配置信息不匹配，确定所述预估查询数据量信息是否与所述第一实时引擎的数据量配置信息匹配。
在本发明实施例中，若所述任务复杂度信息不与所述第二实时引擎的复杂度配置信息匹配，则可以认为所述第一实时引擎处理所述查询任务，可能具有更好的处理效率。所述查询系统可以进一步确定所述预估查询数据量信息是否与所述第一实时引擎的数据量配置信息匹配，以进一步确定是否可以采用所述第一实时引擎处理所述查询任务。
在本发明的一种实施例中，所述将所述查询任务输入所述目标查询引擎，获取查询结果的步骤，包括：
S41，将所述查询任务输入所述目标查询引擎；
在本发明实施例中，在确定所述目标查询引擎之后，可以将所述查询任务输入所述目标查询引擎，由所述目标查询引擎处理所述查询任务。具体地，所述目标查询引擎可以提供查询接口，查询系统可以通过查询接口，向所述目标查询引擎输入查询任务。
S42，采用预设的耗时检测模块，检测所述目标查询引擎处理所述查询任务的已消耗时长；
在本发明实施例中，所述目标查询引擎处理所述查询任务，可以消耗一定的时长。所述查询系统可以设置耗时检测模块，所述耗时检测模块可以用于检测所述目标查询引擎处理所述查询任务消耗的时长。由此，查询系统可以在所述目标查询引擎处理所述查询任务时，采用所述耗时检测模块检测所述目标查询引擎的已消耗时长，并基于所述已消耗时长，确定查询结果的返回方式。
S43，当所述已消耗时长大于预设阈值时，采用异步方式返回查询结果；
在本发明实施例中，所述预设阈值可以为预设的消耗时长的阈值。所述预设阈值可以为1s、10s、1min、10min等，本发明对此不做限制。
在本发明实施例中，当所述查询引擎处理所述查询任务的已消耗时长大于预设阈值时，可以认为所述查询引擎处理所述查询任务需要消耗较长时间。由此，查询系统可以采用异步方式返回查询结果。所述异步方式可以为查询系统向所述目标查询引擎输入查询任务后，所述目标查询引擎可以在后台处理所述查询任务，并在其后采用通知回调的方式向查询系统返回结果。
在本发明实施例中，在采用异步方式返回查询结果的情况下，在所述目标查询引擎处理所述查询任务的过程中，查询系统可以继续获取新的查询任务，并继续确定新的查询任务的对应的目标查询引擎，原有的查询任务与新的查询任务可以并行处理，从而可以进一步提高查询任务的处理效率，更加高效地使用计算资源。
S44，当所述已消耗时长不大于预设阈值时，采用同步方式返回查询结果。
在本发明实施例中，当所述已消耗时长不大于预设阈值时，可以认为所述查询引擎在较短时间内可以处理完成所述查询任务，并返回查询结果。由此，查询系统可以采用同步方式返回查询结果，所述同步方式可以为查询系统将所述查询任务输入所述目标查询引擎后，等待所述目标查询引擎返回查询结果，并在预设的界面展示所述查询结果。
在本发明实施例中，所述实时引擎可以具有较短的查询任务处理时长，而所述离线引擎可以具有较长的查询任务处理时长。由此，在所述离线引擎为目标查询引擎的情况下，可以直接采用异步方式返回查询结果，避免查询系统等待所述离线引擎返回查询结果。在所述实时引擎为目标查询引擎的情况下，可以先采用同步方式，等待所述实时引擎返回查询结果，并采用所述预设的耗时检测模块检测所述实时引擎处理所述查询任务的已消耗时长。当所述已消耗时长大于预设阈值时，可以将所述同步方式转为异步方式，将所述实时引擎转至后台处理所述查询任务。
作为本发明的一种示例，图3是本发明另一种数据处理方法实施例的步骤流程图，所述数据处理方法包括如下步骤：
步骤301，获取查询任务；
在本发明实施例中，查询系统可以获取用户发送的查询任务。所述查询任务可以为用户输入的用于查询海量数据的任务。具体地，所述查询任务可以包括用户输入的用于查询海量数据的查询语句。例如，所述查询任务可以包括SQL(Structured QueryLanguage，结构化查询语言)查询语句。
步骤302，解析所述查询任务，获取任务需求信息；
在本发明实施例中，查询系统可以对所述查询任务进行解析，获取任务需求信息。所述任务需求信息可以为所述查询任务的特征参数。查询系统可以基于所述任务需求信息，确定所述查询任务需要查询的数据范围。所述任务需求信息可以包括任务数据属性信息、预估任务数据量信息、任务复杂度信息。
在本发明实施例中，所述查询引擎可以包括第一实时引擎、第二实时引擎、以及离线引擎。所述查询引擎具有性能配置信息，所述性能配置信息可以用于指示所述查询引擎的查询性能。所述性能配置信息可以包括数据属性配置信息、数据量配置信息、以及复杂度配置信息。
步骤303，确定所述任务复杂度信息是否与所述第二实时引擎的复杂度配置信息匹配；若匹配，执行步骤304；若不匹配，执行步骤305；
在本发明实施例中，所述查询系统中的海量数据可以数据表的形式进行存储，则海量数据可以包括至少一个数据表。所述第一实时引擎的复杂度配置信息可以为不包含多个数据表。所述第二实时引擎的复杂度配置信息可以为包含多个数据表。所述第一实时引擎以及所述第二实时引擎皆可以具有比所述离线引擎更好的处理效率。一般来说，在查询任务需要处理多个数据表的情况下，所述第二实时引擎可以具有比第一实时引擎更好的表现。而在查询任务不需要处理多个数据表的情况下，第一实时引擎与第二实时引擎皆可以具有较好的处理效率，且第一实时引擎在任务数据属性信息上没有限制。由此，查询系统可以确定所述任务复杂度信息是否与所述第二实时引擎的复杂度配置信息匹配，以确定所述查询任务更适合使用第二实时引擎或第一实时引擎，为查询任务分配效率更好的查询引擎，以合理分配处理所述查询任务需要的计算资源。
在本发明实施例中，查询系统可以通过解析所述查询任务，确定所述查询任务是否涉及多个数据表，以确定任务复杂度信息。具体地，所述查询任务可以包含查询语句“jion”，查询语句“jion”可以用于表示两张以上的数据表结合在一起的操作。若所述查询任务中包含查询语句“jion”，则可以认为所述任务复杂度信息为所述查询任务包含多个数据表。若所述查询任务中不包含查询语句“join”，则可以认为所述任务复杂度信息为所述查询任务不包含多个数据表。
在本发明实施例中，若所述任务复杂度信息与所述第二实时引擎的复杂度配置信息匹配，则可以认为所述第二实时引擎处理所述查询任务，可能具有更好的处理效率。所述查询系统可以执行步骤304，进一步确定所述任务数据属性信息是否超出所述第二实时引擎的数据属性配置信息，以进一步确定是否可以采用所述第二实时引擎处理所述查询任务。
在本发明实施例中，若所述任务复杂度信息不与所述第二实时引擎的复杂度配置信息匹配，则可以认为所述第一实时引擎处理所述查询任务，可能具有更好的处理效率。所述查询系统可以执行步骤305，进一步确定所述预估任务数据量信息是否超出所述第一实时引擎的数据量配置信息，以进一步确定是否可以采用所述第一实时引擎处理所述查询任务。
步骤304，确定所述任务数据属性信息是否与所述第二实时引擎的数据属性配置信息匹配；若不匹配，执行步骤305；若匹配，执行步骤306；
在本发明实施例中，所述数据属性配置信息可以为所述查询引擎处理所述查询任务的数据属性的范围。所述数据属性配置信息可以根据实际需要，设置一个数据属性、五个数据属性、十个数据属性等，本发明对此不做限制。
在本发明实施例中，所述查询任务可以涉及至少一个任务数据属性信息。查询系统可以采用查询任务解析模块，对所述查询任务进行解析，得到所述查询任务的任务数据属性信息。
在本发明实施例中，所述第二实时引擎可以具有较快的查询任务处理速度，但是其具有数据属性配置信息，当所述任务数据属性信息超出所述数据属性配置信息时，所述第二实时引擎处理所述查询任务的效率可以降低，或出现无法处理查询任务的情况。
在本发明实施例中，查询系统可以将所述任务数据属性信息与所述第二实时引擎的数据属性配置信息进行比较，确定所述任务数据属性信息是否与所述第二实时引擎的数据属性配置信息匹配，以确定是否可以采用所述第二实时引擎处理所述查询任务。由此，查询系统可以基于所述任务数据属性信息以及所述数据属性配置信息来确定所述查询引擎处理所述查询任务的处理效率，并为所述查询任务分配处理效率更好的查询引擎，以合理分配处理所述查询任务所需要的计算资源。
在本发明实施例中，若确定所述任务数据属性信息与所述第二实时引擎的数据属性配置信息不匹配，可以认为所述第二实时引擎处理所述查询任务的效率较低，或者无法处理所述查询任务。而所述第一实时引擎可以在数据属性配置信息具有较小的限制，且所述第一实时引擎可以也具有较好的处理速度。查询系统可以执行步骤305，进一步确定所述第一实时引擎是否可以处理所述查询请求。
步骤305，确定所述预估查询数据量信息是否与所述第一实时引擎的数据量配置信息匹配；若不匹配，执行步骤307；若匹配，执行步骤308；
在本发明实施例中，在查询任务需要查询在较广时间区间下的数据的情况下，所述查询任务需要处理的数据量可以较大。由此，所述查询系统可以设置一数据检测模块，基于所述查询任务需要查询的时间区间，对所述查询任务需要处理的数据量进行预估，从而得到预估任务数据量信息。
在本发明实施例中，所述第一实时引擎可以具有较高的查询任务处理效率，但是在查询任务的所述预估任务数据量信息较大的情况下，容易出现处理时长增加，且容易查询失败的情况。由此，所述第一实时引擎可以具有数据量配置信息，在所述查询任务需要处理的数据量与所述数据量配置信息匹配时，所述第一实时引擎可以保持较好的处理速度，且查询失败率低。
在本发明实施例中，所述离线引擎可以具有与所述实时引擎相比较低的查询任务处理效率，但是离线引擎在性能配置信息上可以存在较小的限制，即所述离线引擎具有与第一实时引擎相比更高的数据量。
在本发明实施例中，所述查询系统可以将所述预估任务数据量信息与所述第一实时引擎的数据量配置信息进行比较，确定确定所述预估查询数据量信息是否与所述第一实时引擎的数据量配置信息匹配，以确定是否可以采用所述第一实时引擎处理所述查询任务。由此，查询系统可以基于所述预估任务数据量信息以及所述数据量配置信息来确定查询引擎处理所述查询任务的处理效率，并为所述查询任务分配处理效率更好的查询引擎，以合理分配处理所述查询任务需要的计算资源。
步骤306，将所述第二实时引擎确定为目标查询引擎；
在本发明实施例中，若所述任务数据属性信息与所述第二实时引擎的数据属性配置信息匹配，可以认为所述第二实时引擎可以处理所述查询任务，且处理效率较高，则查询系统可以执行将所述第二实时引擎确定为目标查询引擎。
步骤307，将所述离线引擎确定为目标查询引擎；
在本发明实施例中，若所述预估任务数据量信息与所述第一实时引擎的数据量配置信息不匹配，则可以认为所述第一实时引擎在处理所述查询任务时，其可能出现处理时长增加，或者查询失败的情况。由此，可以将所述离线引擎确定为目标查询引擎。所述离线引擎在性能配置信息上可以存在较小的限制，即所述离线引擎具有与第一实时引擎相比更高的数据量配置信息，在预估任务数据量信息较大的情况下，可以更好地处理所述查询任务。
步骤308，将所述第一实时引擎确定为目标查询引擎
在本发明实施例中，若所述预估任务数据量信息与所述第一实时引擎的数据量配置信息匹配，则可以认为所述第一实时引擎在处理所述查询任务时，可以具有较好的处理效率。由此，查询系统可以将所述第一实时引擎确定为目标查询引擎。
步骤309，将所述查询任务输入所述目标查询引擎；
在本发明实施例中，在确定所述目标查询引擎之后，可以将所述查询任务输入所述目标查询引擎，由所述目标查询引擎处理所述查询任务。具体地，所述目标查询引擎可以提供查询接口，查询系统可以通过查询接口，向所述目标查询引擎输入查询任务。
步骤310，采用预设的耗时检测模块，检测所述目标查询引擎处理所述查询任务的已消耗时长；
在本发明实施例中，所述目标查询引擎处理所述查询任务，可以消耗一定的时长。所述查询系统可以设置耗时检测模块，所述耗时检测模块可以用于检测所述目标查询引擎处理所述查询任务消耗的时长。由此，查询系统可以在所述目标查询引擎处理所述查询任务时，采用所述耗时检测模块检测所述目标查询引擎的已消耗时长，并基于所述已消耗时长，确定查询结果的返回方式。
步骤311，当所述已消耗时长大于预设阈值时，采用异步方式返回查询结果；
在本发明实施例中，当所述查询引擎处理所述查询任务的已消耗时长大于预设阈值时，可以认为所述查询引擎处理所述查询任务需要消耗较长时间。由此，查询系统可以采用异步方式返回查询结果。所述异步方式可以为查询系统向所述目标查询引擎输入查询任务后，所述目标查询引擎可以在后台处理所述查询任务，并在其后采用通知回调的方式向查询系统返回结果。
在本发明实施例中，在采用异步方式返回查询结果的情况下，在所述目标查询引擎处理所述查询任务的过程中，查询系统可以继续获取新的查询任务，并继续确定新的查询任务的对应的目标查询引擎，原有的查询任务与新的查询任务可以并行处理，从而可以进一步提高查询任务的处理效率，更加高效地使用计算资源。
步骤312，当所述已消耗时长不大于预设阈值时，采用同步方式返回查询结果。
在本发明实施例中，当所述已消耗时长不大于预设阈值时，可以认为所述查询引擎在较短时间内可以处理完成所述查询任务，并返回查询结果。由此，查询系统可以可以采用同步方式返回查询结果，所述同步方式可以为查询系统将所述查询任务输入所述目标查询引擎后，等待所述目标查询引擎返回查询结果，并在预设的界面展示所述查询结果。
在本发明实施例中，所述实时引擎可以具有较短的查询任务处理时长，而所述离线引擎可以具有较长的查询任务处理时长。由此，在所述离线引擎为目标查询引擎的情况下，可以直接采用异步方式返回查询结果，避免查询系统等待所述离线引擎返回查询结果。在所述实时引擎为目标查询引擎的情况下，可以先采用同步方式，等待所述实时引擎返回查询结果，并采用所述预设的耗时检测模块检测所述实时引擎处理所述查询任务的已消耗时长。当所述已消耗时长大于预设阈值时，可以将所述同步方式转为异步方式，将所述实时引擎转至后台处理所述查询任务。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，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，所涉及的动作并不一定是本发明实施例所必须的。
参照图4，示出了本发明的一种推理服务的运行装置实施例的结构框图，具体可以包括如下步骤：
获取模块401，用于获取查询任务；
解析模块402，用于解析所述查询任务，获取任务需求信息；
查找模块403，用于将所述任务需求信息分别与预设的至少两种查询引擎的性能配置信息比对，查找所述性能配置信息与所述任务需求信息匹配的目标查询引擎；
查询模块404，用于将所述查询任务输入所述目标查询引擎，获取查询结果。
在本发明一种实施例中，所述查询引擎包括实时引擎以及离线引擎；
所述查找模块包括：
性能确定子模块，用于确定所述任务需求信息是否与所述实时引擎的性能配置信息匹配；
第一确定子模块，用于若所述任务需求信息与所述实时引擎的性能配置信息不匹配，将所述离线引擎确定为目标查询引擎；
第二确定子模块，用于若所述任务需求信息与所述实时引擎的性能配置信息匹配，将所述实时引擎确定为目标查询引擎。
在本发明一种实施例中，所述实时引擎包括第一实时引擎；所述性能配置信息包括数据量配置信息；所述任务需求信息包括预估任务数据量信息；
所述查找模块包括：
数据确定子模块，用于确定所述预估任务数据量信息是否与所述第一实时引擎的数据量配置信息匹配；
第四确定子模块，用于若所述预估任务数据量信息与所述第一实时引擎的数据量配置信息不匹配，将所述离线引擎确定为目标查询引擎；
第五确定子模块，用于若所述预估任务数据量信息与所述第一实时引擎的数据量配置信息匹配，将所述第一实时引擎确定为目标查询引擎。
在本发明一种实施例中，所述实时引擎还包括第二实时引擎；所述性能配置信息还包括数据属性配置信息；所述任务需求信息还包括任务数据属性信息；
所述数据确定子模块包括：
属性确定单元，用于确定所述任务数据属性信息是否与所述第二实时引擎的数据属性配置信息匹配；
第一确定单元，用于若所述任务数据属性信息与所述第二实时引擎的数据属性配置信息不匹配，确定确定所述预估查询数据量信息是否与所述第一实时引擎的数据量配置信息匹配；
第二确定单元，用于若所述任务数据属性信息与所述第二实时引擎的数据属性配置信息匹配，将所述第二实时引擎确定为目标查询引擎。
在本发明一种实施例中，所述性能配置信息还包括复杂度配置信息；所述述任务需求信息还包括任务复杂度信息；
所述属性确定单元包括：
复杂度确定子单元，用于确定所述任务复杂度信息是否与所述第二实时引擎的复杂度配置信息匹配；
第一确定子单元，用于若所述任务复杂度信息与所述第二实时引擎的复杂度配置信息匹配，确定所述任务数据属性信息是否与所述第二实时引擎的数据属性配置信息匹配；
第二确定子单元，用于若所述任务复杂度信息与所述第二实时引擎的复杂度配置信息不匹配，确定所述预估查询数据量信息是否与所述第一实时引擎的数据量配置信息匹配。
在本发明一种实施例中，所述查询模块包括：
输入模块，用于将所述查询任务输入所述目标查询引擎；
检测模块，用于采用预设的耗时检测模块，检测所述目标查询引擎处理所述查询任务的已消耗时长；
第一返回模块，用于当所述已消耗时长大于预设阈值时，采用异步方式返回查询结果；
第二返回模块，用于当所述已消耗时长不大于预设阈值时，采用同步方式返回查询结果。
对于装置实施例而言，由于其与方法实施例基本相似，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。
本发明实施例还提供了一种电子设备，如图5所示，包括处理器501、通信接口502、存储器503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信，
存储器503，用于存放计算机程序；
处理器501，用于执行存储器503上所存放的程序时，实现如下步骤：
获取查询任务；
解析所述查询任务，获取任务需求信息；
将所述任务需求信息分别与预设的至少两种查询引擎的性能配置信息比对，查找所述性能配置信息与所述任务需求信息匹配的目标查询引擎；
将所述查询任务输入所述目标查询引擎，获取查询结果。
在本发明一种实施例中，所述查询引擎包括实时引擎以及离线引擎；
所述将所述任务需求信息分别与预设的至少两个查询引擎的性能配置信息比对，查找所述性能配置信息与所述任务需求信息匹配的目标查询引擎的步骤，包括：
确定所述任务需求信息是否与所述实时引擎的性能配置信息匹配；
若所述任务需求信息与所述实时引擎的性能配置信息不匹配，将所述离线引擎确定为目标查询引擎；
若所述任务需求信息与所述实时引擎的性能配置信息匹配，将所述实时引擎确定为目标查询引擎。
在本发明一种实施例中，所述实时引擎包括第一实时引擎；所述性能配置信息包括数据量配置信息；所述任务需求信息包括预估任务数据量信息；
所述将所述任务需求信息分别与预设的至少两个查询引擎的性能配置信息比对，查找所述性能配置信息与所述任务需求信息匹配的目标查询引擎的步骤，包括：
确定所述预估任务数据量信息是否与所述第一实时引擎的数据量配置信息匹配；
若所述预估任务数据量信息与所述第一实时引擎的数据量配置信息不匹配，将所述离线引擎确定为目标查询引擎；
若所述预估任务数据量信息与所述第一实时引擎的数据量配置信息匹配，将所述第一实时引擎确定为目标查询引擎
在本发明一种实施例中，所述实时引擎还包括第二实时引擎；所述性能配置信息还包括数据属性配置信息；所述任务需求信息还包括任务数据属性信息；
所述确定所述预估查询数据量信息是否与所述第一实时引擎的数据量配置信息匹配的步骤，包括：
确定所述任务数据属性信息是否与所述第二实时引擎的数据属性配置信息匹配；
若所述任务数据属性信息与所述第二实时引擎的数据属性配置信息不匹配，确定确定所述预估查询数据量信息是否与所述第一实时引擎的数据量配置信息匹配；
若所述任务数据属性信息与所述第二实时引擎的数据属性配置信息匹配，将所述第二实时引擎确定为目标查询引擎。
在本发明一种实施例中，所述性能配置信息还包括复杂度配置信息；所述述任务需求信息还包括任务复杂度信息；
所述确定所述任务数据属性信息是否与所述第二实时引擎的数据属性配置信息匹配的步骤，包括：
确定所述任务复杂度信息是否与所述第二实时引擎的复杂度配置信息匹配；
若所述任务复杂度信息与所述第二实时引擎的复杂度配置信息匹配，确定所述任务数据属性信息是否与所述第二实时引擎的数据属性配置信息匹配；
若所述任务复杂度信息与所述第二实时引擎的复杂度配置信息不匹配，确定所述预估查询数据量信息是否与所述第一实时引擎的数据量配置信息匹配
在本发明一种实施例中，所述将所述查询任务输入所述目标查询引擎，获取查询结果的步骤，包括：
将所述查询任务输入所述目标查询引擎；
采用预设的耗时检测模块，检测所述目标查询引擎处理所述查询任务的已消耗时长；
当所述已消耗时长大于预设阈值时，采用异步方式返回查询结果；
当所述已消耗时长不大于预设阈值时，采用同步方式返回查询结果。
上述终端提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述终端与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的数据查询方法。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的数据查询方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，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。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (10)
1.一种数据查询方法，其特征在于，所述方法包括：
获取查询任务；
解析所述查询任务，获取任务需求信息；
将所述任务需求信息分别与预设的至少两种查询引擎的性能配置信息比对，查找所述性能配置信息与所述任务需求信息匹配的目标查询引擎；
将所述查询任务输入所述目标查询引擎，获取查询结果。
2.根据权利要求1所述的方法，其特征在于，所述查询引擎包括实时引擎以及离线引擎；
所述将所述任务需求信息分别与预设的至少两个查询引擎的性能配置信息比对，查找所述性能配置信息与所述任务需求信息匹配的目标查询引擎的步骤，包括：
确定所述任务需求信息是否与所述实时引擎的性能配置信息匹配；
若所述任务需求信息与所述实时引擎的性能配置信息不匹配，将所述离线引擎确定为目标查询引擎；
若所述任务需求信息与所述实时引擎的性能配置信息匹配，将所述实时引擎确定为目标查询引擎。
3.根据权利要求2所述的方法，其特征在于，所述实时引擎包括第一实时引擎；所述性能配置信息包括数据量配置信息；所述任务需求信息包括预估任务数据量信息；
所述将所述任务需求信息分别与预设的至少两个查询引擎的性能配置信息比对，查找所述性能配置信息与所述任务需求信息匹配的目标查询引擎的步骤，包括：
确定所述预估任务数据量信息是否与所述第一实时引擎的数据量配置信息匹配；
若所述预估任务数据量信息与所述第一实时引擎的数据量配置信息不匹配，将所述离线引擎确定为目标查询引擎；
若所述预估任务数据量信息与所述第一实时引擎的数据量配置信息匹配，将所述第一实时引擎确定为目标查询引擎。
4.根据权利要求3所述的方法，其特征在于，所述实时引擎还包括第二实时引擎；所述性能配置信息还包括数据属性配置信息；所述任务需求信息还包括任务数据属性信息；
所述确定所述预估查询数据量信息是否与所述第一实时引擎的数据量配置信息匹配的步骤，包括：
确定所述任务数据属性信息是否与所述第二实时引擎的数据属性配置信息匹配；
若所述任务数据属性信息与所述第二实时引擎的数据属性配置信息不匹配，确定确定所述预估查询数据量信息是否与所述第一实时引擎的数据量配置信息匹配；
若所述任务数据属性信息与所述第二实时引擎的数据属性配置信息匹配，将所述第二实时引擎确定为目标查询引擎。
5.根据权利要求4所述的方法，其特征在于，所述性能配置信息还包括复杂度配置信息；所述任务需求信息还包括任务复杂度信息；
所述确定所述任务数据属性信息是否与所述第二实时引擎的数据属性配置信息匹配的步骤，包括：
确定所述任务复杂度信息是否与所述第二实时引擎的复杂度配置信息匹配；
若所述任务复杂度信息与所述第二实时引擎的复杂度配置信息匹配，确定所述任务数据属性信息是否与所述第二实时引擎的数据属性配置信息匹配；
若所述任务复杂度信息与所述第二实时引擎的复杂度配置信息不匹配，确定所述预估查询数据量信息是否与所述第一实时引擎的数据量配置信息匹配。
6.一种数据查询装置，其特征在于，所述装置包括：
获取模块，用于获取查询任务；
解析模块，用于解析所述查询任务，获取任务需求信息；
查找模块，用于将所述任务需求信息分别与预设的至少两种查询引擎的性能配置信息比对，查找所述性能配置信息与所述任务需求信息匹配的目标查询引擎；
查询模块，用于将所述查询任务输入所述目标查询引擎，获取查询结果。
7.根据权利要求6所述的装置，其特征在于，所述查询引擎包括实时引擎以及离线引擎；
所述查找模块包括：
性能确定子模块，用于确定所述任务需求信息是否与所述实时引擎的性能配置信息匹配；
第一确定子模块，用于若所述任务需求信息与所述实时引擎的性能配置信息不匹配，将所述离线引擎确定为目标查询引擎；
第二确定子模块，用于若所述任务需求信息与所述实时引擎的性能配置信息匹配，将所述实时引擎确定为目标查询引擎。
8.根据权利要求7所述的装置，其特征在于，所述实时引擎包括第一实时引擎；所述性能配置信息包括数据量配置信息；所述任务需求信息包括预估任务数据量信息；
所述查找模块包括：
数据确定子模块，用于确定所述预估任务数据量信息是否与所述第一实时引擎的数据量配置信息匹配；
第四确定子模块，用于若所述预估任务数据量信息与所述第一实时引擎的数据量配置信息不匹配，将所述离线引擎确定为目标查询引擎；
第五确定子模块，用于若所述预估任务数据量信息与所述第一实时引擎的数据量配置信息匹配，将所述第一实时引擎确定为目标查询引擎。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-5任一所述的方法步骤。
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，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911418840.9A CN111159229B (zh) | 2019-12-31 | 2019-12-31 | 一种数据查询方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911418840.9A CN111159229B (zh) | 2019-12-31 | 2019-12-31 | 一种数据查询方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111159229A true CN111159229A (zh) | 2020-05-15 |
| CN111159229B CN111159229B (zh) | 2024-04-26 |
Family
ID=70560433
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911418840.9A Active CN111159229B (zh) | 2019-12-31 | 2019-12-31 | 一种数据查询方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111159229B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111782409A (zh) * | 2020-08-17 | 2020-10-16 | 支付宝(杭州)信息技术有限公司 | 任务处理、风险识别任务处理方法、装置及电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107609130A (zh) * | 2017-09-18 | 2018-01-19 | 链家网（北京）科技有限公司 | 一种选择数据查询引擎的方法及服务器 |
| CN108549683A (zh) * | 2018-04-03 | 2018-09-18 | 联想(北京)有限公司 | 数据查询方法以及系统 |
| CN109033123A (zh) * | 2018-05-31 | 2018-12-18 | 康键信息技术（深圳）有限公司 | 基于大数据的查询方法、装置、计算机设备和存储介质 |
| CN110019308A (zh) * | 2017-12-28 | 2019-07-16 | 中国移动通信集团海南有限公司 | 数据查询方法、装置、设备及存储介质 |
| CN110222072A (zh) * | 2019-06-06 | 2019-09-10 | 江苏满运软件科技有限公司 | 数据查询平台、方法、设备和存储介质 |
-
2019
- 2019-12-31 CN CN201911418840.9A patent/CN111159229B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107609130A (zh) * | 2017-09-18 | 2018-01-19 | 链家网（北京）科技有限公司 | 一种选择数据查询引擎的方法及服务器 |
| CN110019308A (zh) * | 2017-12-28 | 2019-07-16 | 中国移动通信集团海南有限公司 | 数据查询方法、装置、设备及存储介质 |
| CN108549683A (zh) * | 2018-04-03 | 2018-09-18 | 联想(北京)有限公司 | 数据查询方法以及系统 |
| CN109033123A (zh) * | 2018-05-31 | 2018-12-18 | 康键信息技术（深圳）有限公司 | 基于大数据的查询方法、装置、计算机设备和存储介质 |
| CN110222072A (zh) * | 2019-06-06 | 2019-09-10 | 江苏满运软件科技有限公司 | 数据查询平台、方法、设备和存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111782409A (zh) * | 2020-08-17 | 2020-10-16 | 支付宝(杭州)信息技术有限公司 | 任务处理、风险识别任务处理方法、装置及电子设备 |
| CN111782409B (zh) * | 2020-08-17 | 2023-12-19 | 支付宝(杭州)信息技术有限公司 | 任务处理、风险识别任务处理方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111159229B (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108009236B (zh) | 一种大数据查询方法、系统、计算机及存储介质 | |
| JP5575902B2 (ja) | クエリのセマンティックパターンに基づく情報検索 | |
| CN109189799B (zh) | 业务数据查询方法、装置、计算机设备及存储介质 | |
| US9940360B2 (en) | Streaming optimized data processing | |
| WO2019041753A1 (zh) | 信息修改方法、装置、计算机设备及计算机可读存储介质 | |
| WO2018036549A1 (zh) | 分布式数据库查询方法、装置及管理系统 | |
| CN111339171B (zh) | 数据查询的方法、装置及设备 | |
| US10496645B1 (en) | System and method for analysis of a database proxy | |
| CN109977233B (zh) | 一种成语知识图谱构建方法及装置 | |
| CN109871251B (zh) | 一种响应数据的处理方法、装置、存储介质及终端设备 | |
| CN109450969B (zh) | 从第三方数据源服务器中获取数据的方法、装置和服务器 | |
| US9734178B2 (en) | Searching entity-key associations using in-memory objects | |
| CN108319608A (zh) | 访问日志存储查询的方法、装置及系统 | |
| CN111488736B (zh) | 自学习分词方法、装置、计算机设备和存储介质 | |
| WO2019042165A1 (zh) | 搜索结果优化方法、装置、服务器及可读存储介质 | |
| CN107748772B (zh) | 一种商标识别方法及装置 | |
| CN113297458A (zh) | 一种分页查询方法、装置和设备 | |
| CN109656947B (zh) | 数据查询方法、装置、计算机设备和存储介质 | |
| CN116611411A (zh) | 一种业务系统报表生成方法、装置、设备及存储介质 | |
| CN111159229B (zh) | 一种数据查询方法及装置 | |
| CN110569268A (zh) | 数据查询方法、系统及计算机可读存储介质 | |
| CN111475505B (zh) | 一种数据采集的方法及设备 | |
| CN114722264A (zh) | 一种数据查询方法、装置、电子设备及存储介质 | |
| CN109543079B (zh) | 数据查询方法、装置、计算设备及存储介质 | |
| US20170180511A1 (en) | Method, system and apparatus for dynamic detection and propagation of data clusters |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |