CN111625532A

CN111625532A - 数据血缘关系处理方法、装置、计算机设备及存储介质

Info

Publication number: CN111625532A
Application number: CN201910151673.XA
Authority: CN
Inventors: 杨晓臣
Original assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Current assignee: Baidu Online Network Technology Beijing Co Ltd; Beijing Baidu Netcom Science and Technology Co Ltd
Priority date: 2019-02-28
Filing date: 2019-02-28
Publication date: 2020-09-04

Abstract

本发明公开了数据血缘关系处理方法、装置、计算机设备及存储介质，其中方法可包括：数据提供方收集数据血缘关系；数据提供方将数据血缘关系发布到区块链上，以便当满足共识机制要求时，将数据血缘关系作为数据交易记录保存到区块中。应用本发明所述方案，能够提升数据的安全性等。

Description

数据血缘关系处理方法、装置、计算机设备及存储介质

【技术领域】

本发明涉及计算机应用技术，特别涉及数据血缘关系处理方法、装置、计算机设备及存储介质。

【背景技术】

数据血缘(Data Lineage)，也可称为数据起源或数据谱系，从数据的产生、抽取转换加载(ETL，Extract-Transform-Load)处理、流转流通、到最终消亡，数据之间会自然形成一种关系，类似于人类社会的血缘关系，因此可称为数据血缘关系。

数据血缘关系体现了数据的生命周期，体现了数据从产生到消亡的整个过程，具备可追溯性。数据血缘关系主要是为了解决以下问题：数据溯源、评估数据价值、评估数据质量以及作为数据归档、销毁的参考等。

传统的数据血缘关系处理均采用中心式设计，主要由以下两部分组成。

1)中心式的血缘服务器(server)

提供数据血缘关系存储、版本管理、数据血缘关系查询、数据血缘分析等功能；

2)血缘采集

即采集数据血缘关系，存储到血缘server中，常见的方式有以下两种。

一种是血缘采集代理(agent)去解析数仓或数据处理服务的运行日志，从中解析出数据血缘关系。

另一种是由数仓或是数据处理服务主动调用血缘入库应用程序接口(API，Application Programming Interface)，每个数仓和数据处理服务在表创建或是数据处理任务完成时，将新产生的数据血缘关系直接同步给血缘server。

但上述方式在实际应用中会存在一定的问题，如：采用中心式架构，数据集中存储，存在单点风险，不够稳定可靠，在agent较多时，服务压力比较大，数据易被篡改，数据质量无法得到保证等。

【发明内容】

有鉴于此，本发明提供了数据血缘关系处理方法、装置、计算机设备及存储介质。

具体技术方案如下：

一种数据血缘关系处理方法，包括：

数据提供方收集数据血缘关系；

所述数据提供方将所述数据血缘关系发布到区块链上，以便当满足共识机制要求时，将所述数据血缘关系作为数据交易记录保存到区块中。

根据本发明一优选实施例，所述数据提供方包括：数仓，和/或，数据处理服务。

根据本发明一优选实施例，该方法进一步包括：

所述数据提供方将所述数据血缘关系发布到区块链上之前，按照区块链的接入规范，作为节点接入到所述区块链中。

一种数据血缘关系处理方法，包括：

区块链系统获取数据提供方收集的数据血缘关系；

区块链系统确定满足共识机制要求，将所述数据血缘关系作为数据交易记录保存到区块中。

根据本发明一优选实施例，该方法进一步包括：

所述区块链系统获取数据提供方收集的数据血缘关系之前，按照区块链的接入规范，将所述数据提供方作为节点接入到区块链中。

根据本发明一优选实施例，该方法进一步包括：

所述区块链系统根据数据使用方的数据血缘关系查询请求，生成查询结果，并将所述查询结果提供给所述数据使用方。

一种数据血缘关系处理装置，所述装置应用于数据提供方，包括：第一获取单元以及第一处理单元；

所述第一获取单元，用于收集数据血缘关系；

所述第一处理单元，用于将所述数据血缘关系发布到区块链上，以便当满足共识机制要求时，将所述数据血缘关系作为数据交易记录保存到区块中。

根据本发明一优选实施例，所述第一处理单元进一步用于，在将所述数据血缘关系发布到区块链上之前，按照区块链的接入规范，将所述装置作为节点接入到所述区块链中。

一种数据血缘关系处理装置，所述装置应用于区块链系统中，包括：第二获取单元以及第二处理单元；

所述第二获取单元，用于获取数据提供方收集的数据血缘关系；

所述第二处理单元，用于当确定满足共识机制要求时，将所述数据血缘关系作为数据交易记录保存到区块中。

根据本发明一优选实施例，所述装置中进一步包括：预处理单元；

所述预处理单元，用于按照区块链的接入规范，将所述数据提供方作为节点接入到区块链中。

根据本发明一优选实施例，所述装置中进一步包括：查询分析单元；

所述查询分析单元，用于根据数据使用方的数据血缘关系查询请求，生成查询结果，并将所述查询结果提供给所述数据使用方。

一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如以上所述的方法。

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如以上所述的方法。

基于上述介绍可以看出，采用本发明所述方案，数据提供方可收集数据血缘关系，并可将收集到的数据血缘关系发布到区块链上，当满足共识机制要求时，可将数据血缘关系作为数据交易记录保存到区块中，由于区块链天生具有分布式属性，因此不用担心单点故障，而且数据血缘关系分布存储，安全性高，丢失风险小，另外，每次数据血缘关系的写入均需要满足共识机制要求，尽可能地避免了恶意数据、脏数据的写入，保证了数据质量，同时区块链的特性保证了数据不会被篡改等。

【附图说明】

图1为本发明所述数据血缘关系处理方法第一实施例的流程图。

图2为本发明所述数据血缘关系处理方法第二实施例的流程图。

图3为本发明所述数据血缘关系处理装置第一实施例的组成结构示意图。

图4为本发明所述数据血缘关系处理装置第二实施例的组成结构示意图。

图5示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框图。

【具体实施方式】

为了使本发明的技术方案更加清楚、明白，以下参照附图并举实施例，对本发明所述方案进行进一步说明。

显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

另外，应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

图1为本发明所述数据血缘关系处理方法第一实施例的流程图。如图1所示，包括以下具体实现方式。

在101中，数据提供方收集数据血缘关系。

在102中，数据提供方将收集到的数据血缘关系发布到区块链上，以便当满足共识机制要求时，将数据血缘关系作为数据交易记录保存到区块中。

数据提供方是指能够产生数据血缘关系的数仓和/或数据处理服务等，可自发地收集数据血缘关系。

比如，数仓和数据处理服务在表创建或数据处理任务完成时，可将新产生的数据血缘关系作为收集到的数据血缘关系，发布到区块链上。

表B是由表A通过某种转换得到的，这就是一条数据血缘关系。通常来说，只需要将数据血缘关系发布到区块链上，表本身可存储在源数据系统中，从而可减少区块链中存储的数据量并加快数据查询速度等。

数据提供方可作为区块链中的节点，将收集到的数据血缘关系发布到区块链上。发布到区块链上的数据血缘关系，只有在满足共识机制要求时，才会被作为数据交易记录保存到区块中。也就是说，只有满足共识机制要求，发布的数据血缘关系才算是生效的，从而尽可能地避免了恶意数据、脏数据的写入。

要想整个区块链中的节点维持相同的数据，同时保证每个参与者的公平性，整个体系的所有参与者必须要有统一的协议，也就是共识机制。所谓共识机制，是指通过特殊节点的投票，在很短的时间内完成对交易的验证和确认，对于一笔交易，如果利益不相干的若干节点能够达成共识，那么就可以认为全网对此也能够达成共识。

数据血缘关系作为数据交易记录，按区块保存。某个节点宕机或是退出，不会导致数据丢失。单个节点也不会存在存储压力和访问超负荷的问题，整个链上节点随意进出，整个链规模很容易弹性伸缩。

数据提供方作为区块链中的节点将收集到的数据血缘关系发布到区块链上之前，还需要按照区块链的接入规范，作为节点接入到区块链中。即数据提供方可按照现有的区块链的接入规范，申请相应智能合约的权限，注册加入到区块链中。

现有技术中，数据提供方接入成本较高，每个数据提供方都需要申请权限，联调接入API，并没有一个标准化的规范，接入成本较高，而本实施例中，各数据提供方遵循统一的接入规范，而且接入方式简单方便，有效的减少了接入成本。

图2为本发明所述数据血缘关系处理方法第二实施例的流程图。如图2所示，包括以下具体实现方式。

在201中，区块链系统获取数据提供方收集的数据血缘关系。

在202中，区块链系统确定满足共识机制要求，将数据血缘关系作为数据交易记录保存到区块中。

比如，数仓和数据处理服务在表创建或数据处理任务完成时，可作为区块链中的节点，将新产生的数据血缘关系作为收集到的数据血缘关系，发布到区块链上。

区块链系统获取到数据提供方收集的数据血缘关系之后，若确定满足共识机制要求，可将数据血缘关系作为数据交易记录保存到区块中。也就是说，只有满足共识机制要求，数据血缘关系才算是生效的，从而尽可能地避免了恶意数据、脏数据的写入。

另外，区块链系统在获取数据提供方收集的数据血缘关系之前，还需要按照区块链的接入规范，将数据提供方作为节点接入到区块链中。区块链系统可为数据提供方分配密钥或通证(token)等，只有这样，数据提供方才能作为节点加入到区块链系统中，保证了身份的合法性等。

再有，区块链系统还可根据数据使用方的数据血缘关系查询请求，生成查询结果，并将查询结果提供给数据使用方，即提供血缘查询分析服务。

数据使用方可以是指数据提供方，即数据提供方既可以提供数据血缘关系，也可以查询数据血缘关系，或者，数据使用方还可以是指不提供数据血缘关系、单纯进行数据血缘关系查询的节点等。

血缘查询分析服务通过区块链上智能合约实现，查询也是链上操作。

比如，区块链系统获取到某个表的数据血缘关系查询请求后，可将这个表的相关数据关联到一块儿，并生成查询结果，如这个表是由哪个表转换而来，又转换得到了哪个表等，将这些内容整理好作为查询结果提供给数据使用方。

需要说明的是，对于前述的各方法实施例，为了简单描述，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，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。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，所涉及的动作和模块并不一定是本发明所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。

总之，采用本发明方法实施例所述方案，可实现基于区块链的数据血缘关系建设，由于区块链天生具有分布式属性，因此不用担心单点故障，而且数据血缘关系分布存储，安全性高，丢失风险小。

另外，每次数据血缘关系的写入均需要满足共识机制要求，从而尽可能地避免了恶意数据、脏数据的写入，保证了数据质量，同时区块链的特性保证了数据不会被篡改。

再有，整个链上节点随意进出，整个链规模很容易弹性伸缩。

再有，各数据提供方遵循统一的接入规范，而且接入方式简单方便，有效的减少了接入成本等。

以上是关于方法实施例的介绍，以下通过装置实施例，对本发明所述方案进行进一步说明。

图3为本发明所述数据血缘关系处理装置第一实施例的组成结构示意图。该装置可应用于数据提供方，如图3所示，可包括：第一获取单元301以及第一处理单元302。

第一获取单元301，用于收集数据血缘关系。

第一处理单元302，用于将数据血缘关系发布到区块链上，以便当满足共识机制要求时，将数据血缘关系作为数据交易记录保存到区块中。

针对第一获取单元301收集到的数据血缘关系，第一处理单元302可将其发布到区块链上，发布到区块链上的数据血缘关系，只有在满足共识机制要求时，才会被作为数据交易记录保存到区块中。也就是说，只有满足共识机制要求，发布的数据血缘关系才算是生效的，从而尽可能地避免了恶意数据、脏数据的写入。

另外，第一处理单元302还可进一步用于，在将数据血缘关系发布到区块链上之前，按照区块链的接入规范，将所在装置作为节点接入到区块链中。

图4为本发明所述数据血缘关系处理装置第二实施例的组成结构示意图。该装置可应用于区块链系统中，如图4所示，可包括：第二获取单元401以及第二处理单元402。

第二获取单元401，用于获取数据提供方收集的数据血缘关系。

第二处理单元402，用于当确定满足共识机制要求时，将数据血缘关系作为数据交易记录保存到区块中。

针对第二获取单元401获取到的数据血缘关系，第二处理单元402可在当确定满足共识机制要求时，将数据血缘关系作为数据交易记录保存到区块中。

图4所示装置中还可进一步包括：预处理单元400，用于按照区块链的接入规范，将数据提供方作为节点接入到区块链中。

图4所示装置中还可进一步包括：查询分析单元403，用于根据数据使用方的数据血缘关系查询请求，生成查询结果，并将查询结果提供给数据使用方。

比如，查询分析单元403获取到某个表的数据血缘关系查询请求后，可将这个表的相关数据关联到一块儿，并生成查询结果，如这个表是由哪个表转换而来，又转换得到了哪个表等，将这些内容整理好作为查询结果提供给数据使用方。

图3和图4所示装置实施例的具体工作流程请参照前述方法实施例中的相关说明，不再赘述。

总之，采用本发明装置实施例所述方案，可实现基于区块链的数据血缘关系建设，由于区块链天生具有分布式属性，因此不用担心单点故障，而且数据血缘关系分布存储，安全性高，丢失风险小。

图5示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框图。图5显示的计算机系统/服务器12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，计算机系统/服务器12以通用计算设备的形式表现。计算机系统/服务器12的组件可以包括但不限于：一个或者多个处理器(处理单元)16，存储器28，连接不同系统组件(包括存储器28和处理器16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

计算机系统/服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机系统/服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42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。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

计算机系统/服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机系统/服务器12交互的设备通信，和/或与使得该计算机系统/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，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22进行。并且，计算机系统/服务器12还可以通过网络适配器20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5所示，网络适配器20通过总线18与计算机系统/服务器12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机系统/服务器12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。

处理器16通过运行存储在存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现图1或图2所示实施例中的方法。

本发明同时公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时将实现如图1或图2所示实施例中的方法。

可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括：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。在本文件中，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。

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发明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)。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法等，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims

1.一种数据血缘关系处理方法，其特征在于，包括：

数据提供方收集数据血缘关系；

2.根据权利要求1所述的方法，其特征在于，

所述数据提供方包括：数仓，和/或，数据处理服务。

3.根据权利要求1所述的方法，其特征在于，

该方法进一步包括：

4.一种数据血缘关系处理方法，其特征在于，包括：

区块链系统获取数据提供方收集的数据血缘关系；

5.根据权利要求4所述的方法，其特征在于，

该方法进一步包括：

6.根据权利要求4所述的方法，其特征在于，

该方法进一步包括：

7.一种数据血缘关系处理装置，其特征在于，所述装置应用于数据提供方，包括：第一获取单元以及第一处理单元；

所述第一获取单元，用于收集数据血缘关系；

8.根据权利要求7所述的装置，其特征在于，

所述数据提供方包括：数仓，和/或，数据处理服务。

9.根据权利要求7所述的装置，其特征在于，

所述第一处理单元进一步用于，在将所述数据血缘关系发布到区块链上之前，按照区块链的接入规范，将所述装置作为节点接入到所述区块链中。

10.一种数据血缘关系处理装置，其特征在于，所述装置应用于区块链系统中，包括：第二获取单元以及第二处理单元；

11.根据权利要求10所述的装置，其特征在于，

所述装置中进一步包括：预处理单元；

12.根据权利要求10所述的装置，其特征在于，

所述装置中进一步包括：查询分析单元；

13.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～6中任一项所述的方法。

14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1～6中任一项所述的方法。