CN111984686A - 一种数据处理的方法和装置 - Google Patents

Abstract

本发明公开了一种数据处理的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：执行接收的数据处理指令，以完成对待处理数据的处理操作；所述待处理数据存储在目标数据仓库中，以及所述目标数据仓库为多个Hadoop集群共享；根据所述数据处理指令的执行结果，更新所述待处理数据的共享元数据表；所述共享元数据表为所述目标数据仓库与所述多个Hadoop集群中的数据集市共享。该方法提高服务器的利用率，大大降低服务器的存储资源的浪费。以及，区别于现有技术中每个数据集市都要维护一套元数据，本发明实施例中的目标数据仓库与多个Hadoop集群中的数据集市共享一个元数据表，进而降低了运维的成本。

Description

一种数据处理的方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种数据处理的方法和装置。

背景技术

随着电子商务、移动互联网的快速发展，用于对数据进行分析与处理的数据仓库(Data Warehouse，DW或DWH)发挥着越来越重要的作用，基于Hive数据仓库的数据中心架构图如图1所示：各个线上系统的数据通过ETL(提取Extra、转化Transfer、加载Load操作)同步到操作性数据仓库ODS中，然后对ODS中的数据进行面向主题域建模形成数据仓库DataWarehouse。

其中，Data Warehouse数据仓库为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合，是一个包含所有主题的通用的集合。DataMart数据集市是针对某一个业务领域建立模型，具体用户(决策层)查看数据集市生成的报表，数据集市只关心自己需要的数据，不会全盘考虑企业整体的数据架构和应用，每个应用有自己的数据集市。

现有技术中，对于每个Hadoop集群，都维护有自己的数据仓库，以及集群中的每个数据集市都维护有自己独立的元数据表。若要对数据进行处理的话，首先需要确定待处理数据所在的Hadoop集群，然后基于该集群的数据仓库和元数据表对待处理数据进行数据同步处理操作。例如对数据仓库中数据进行同步处理操作，首先将线上数据通过ETL等步骤将数据同步到一个数据仓库A中。然后，基于该数据仓库A的数据更新，对若干数据集市中的元数据表进行更新。在该过程中，对于与该数据仓库A在同一个集群中的数据集市，将数据集市的元数据表的HDFS路径Location指向数据仓库A中数据表的Location，即数据只在数据仓库A有一份，数据集市通过建立Location映射指向可以使用数据仓库A中数据表的数据。对于与数据仓库A不在同一集群的其他数据集市，首先通过distcp操作将数据仓库A中的HDFS数据拷贝到其他集群中的数据仓库，然后针对每个集群进行数据同步。通过数据拷贝完成跨集群之间的数据同步，在数据拷贝完成之后，对数据仓库和数据集市的表信息进行检查和添加分区操作。

现有技术中基于Hive数据仓库的数据处理主要存在以下问题：涉及跨集群之间的数据处理，会造成服务器资源的极大浪费；每一个数据集市都需要维护自己的hivemetastore元数据表，并且需要运维人员进行维护，导致维护成本的加大；针对不同的集群或者数据集市，数据处理在调度系统中可能需要创建大量的不同名字的同步任务，增大了系统压力。

发明内容

有鉴于此，本发明实施例提供一种数据处理的方法和装置，能够提高服务器的利用率，大大降低服务器的存储资源的浪费。以及，区别于现有技术中每个数据集市都要维护一套元数据，本发明实施例中的目标数据仓库与多个Hadoop集群中的数据集市共享一个元数据表，进而降低了运维的成本。

为实现上述目的，根据本发明实施例的一个方面，提供了一种数据处理的方法。

本发明实施例的数据处理的方法包括：执行接收的数据处理指令，以完成对待处理数据的处理操作；所述待处理数据存储在目标数据仓库中，以及所述目标数据仓库为多个Hadoop集群共享；并且，根据所述数据处理指令的执行结果，更新所述待处理数据的共享元数据表；所述共享元数据表为所述目标数据仓库与所述多个Hadoop集群中的数据集市共享。

可选地，在根据所述数据处理指令的执行结果，更新所述待处理数据的共享元数据表之后，还包括：获取所述目标数据仓库的权限授权信息；根据所述权限授权信息确定所述多个Hadoop集群中待通知的数据集市；将所述执行结果发送至所述多个Hadoop集群中待通知的数据集市。

可选地，所述权限授权信息包括数据级别授权信息和表级别授权信息。

可选地，执行接收的数据处理指令，以完成对待处理数据的处理操作的步骤包括：解析接收的数据处理指令，以确定所述数据处理指令为数据同步指令；根据所述数据同步指令获取待同步数据；将获取的所述待同步数据存储在目标数据仓库中。

为实现上述目的，根据本发明实施例的另一个方面，提供了一种数据处理的装置。

本发明实施例的数据处理的装置包括：

指令执行模块，用于执行接收的数据处理指令，以完成对待处理数据的处理操作；所述待处理数据存储在目标数据仓库中，以及所述目标数据仓库为多个Hadoop集群共享；

共享元数据表更新模块，用于根据所述数据处理指令的执行结果，更新所述待处理数据的共享元数据表；所述共享元数据表为所述目标数据仓库与所述多个Hadoop集群中的数据集市共享。

可选地，还包括通知模块，用于获取所述目标数据仓库的权限授权信息；根据所述权限授权信息确定所述多个Hadoop集群中待通知的数据集市；将所述执行结果发送至所述多个Hadoop集群中待通知的数据集市。

可选地，所述权限授权信息包括数据级别授权信息和表级别授权信息。

可选地，所述指令执行模块还用于，解析接收的数据处理指令，以确定所述数据处理指令为数据同步指令；根据所述数据同步指令获取待同步数据；将获取的所述待同步数据存储在目标数据仓库中。

为实现上述目的，根据本发明实施例的再一个方面，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上述任一项的数据处理的方法。

为实现上述目的，根据本发明实施例的再一个方面，提供了一种计算机可读介质，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上述任一项的数据处理的方法。

上述发明中的一个实施例具有如下优点或有益效果：由于本发明实施例中的目标数据仓库为多个Hadoop集群共享，在跨集群数据处理的过程中，无需将数据拷贝多份到远程Hadoop集群，而只需拷贝一份到目标数据仓库即可，提高了服务器的利用率，大大降低了服务器的存储资源的浪费。以及，区别于现有技术中每个数据集市都要维护一套元数据，本技术方案中的目标数据仓库与多个Hadoop集群中的数据集市共享一个元数据表，进而降低了运维的成本。

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是基于Hive数据仓库的数据中心架构的示意图；

图2是根据本发明实施例的数据处理的方法的主要流程的示意图；

图3是现有技术中基于Hive数据仓库进行数据同步的示意图；

图4是根据本发明实施例的进行数据同步处理的方法的示意图；

图5是根据本发明实施例的基于Hive数据仓库行数据同步的示意图；

图6是根据本发明实施例的数据处理的装置的主要模块的示意图；

图7是本发明实施例可以应用于其中的示例性系统架构图；

图8是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

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。

图2是根据本发明实施例的数据处理的方法的主要流程的示意图，如图2所示，本发明实施例的数据处理的方法主要包括：

步骤S201：执行接收的数据处理指令，以完成对待处理数据的处理操作；待处理数据存储在目标数据仓库中，以及目标数据仓库为多个Hadoop集群共享。

步骤S202：根据数据处理指令的执行结果，更新待处理数据的共享元数据表；共享元数据表为目标数据仓库与多个Hadoop集群中的数据集市共享。

由于本发明实施例中的目标数据仓库为多个Hadoop集群共享，在跨集群数据处理的过程中，无需将数据拷贝多份到远程Hadoop集群，而只需拷贝一份到目标数据仓库即可，提高了服务器的利用率，大大降低了服务器的存储资源的浪费。以及，区别于现有技术中每个数据集市都要维护一套元数据，本技术方案中的目标数据仓库与多个Hadoop集群中的数据集市共享一个元数据表，进而降低了运维的成本。

图3是现有技术中基于Hive数据仓库进行数据同步的示意图；图4是根据本发明实施例的进行数据同步处理的方法的示意图；图5是根据本发明实施例的基于Hive数据仓库行数据同步的示意图。

Hive是基于Hadoop的一个开源数据仓库系统，可以将结构化的数据文件映射为一张数据库表，并提供完整的sql查询功能，Hive可以把SQL中的表、字段转换为HDFS中的目录、文件。Hive的元数据存储在元数据数据库中，实际的数据存储在HDFS上。

如图3所示，现有技术中基于Hive数据仓库进行数据同步的过程中，首先将线上数据在Hadoop集群D中通过ETL等操作后，将操作后的数据同步到各个集群的数据仓库中，如本发明实施例中Hadoop集群A的数据仓库A、Hadoop集群B的数据仓库B、Hadoop集群C的数据仓库C中。将数据同步到各个集群的数据仓库中后，将各个集群中每个数据集市的元数据表的location指向该集群的数据仓库中数据表的location。例如本发明实施例中Hadoop集群A中的数据集市A1、数据集市A2的元数据表的location指向该集群的数据仓库A中数据表的location，Hadoop集群B中的数据集市B1、数据集市B2的元数据表的location指向该集群的数据仓库B中数据表的location，Hadoop集群C中的数据集市C1、数据集市C2的元数据表的location指向该集群的数据仓库C中数据表的location。以及，各个集群中的数据仓库的数据表分区和表结构也要同步流向该集群的各个数据集市。

在本发明实施例中，通过将操作后的数据同步到Hadoop集群B的数据仓库B为示例，进一步对现有技术中基于Hive数据仓库进行数据同步的过程进行详述。将数据同步到Hadoop集群B的数据仓库B后，基于该数据仓库B的数据更新，对若干数据集市中的元数据表进行更新。该过程包括以下两种情况：

(1)对于与数据仓库B同在一个集群中的其他数据集市，例如数据集市B1、数据集市B2。虽然每个数据集市有自己独立的hive metastore元数据表，但是同步的hive表所用的HDFS数据仍是数据仓库当中的HDFS数据，则通过建立相应的映射关系来满足HDFS数据同步的需求。具体的，分别解析数据集市B1、数据集市B2的元数据表信息，若元数据表不存在，则进行创建，并将创建的元数据表的location指向数据仓库B中数据表的location。如果数据集市B1、数据集市B2的元数据表的结构信息和数据仓库B中数据表的结构信息不一致，则先删除掉数据集市中的元数据表，再进行创建。随后根据数据仓库B的数据表的分区信息对数据集市B1、数据集市B2中的元数据表进行同步分区检查，如果相应分区不存在则创建相应的分区，进行数据集市hive metastore的更新。

(2)对于与数据仓库B不在同一集群的其他数据集市，数据集市A1、数据集市C1，首先需要通过distcp操作将数据仓库B中的HDFS数据拷贝到Hadoop集群A、Hadoop集群C中的数据仓库中。即跨集群之间的数据同步会涉及到数据的拷贝操作，数据拷贝完成之后，分别对Hadoop集群A、Hadoop集群C中的数据仓库和数据集市中的表信息进行检查和添加分区操作，其中数据集市操作逻辑同上述(1)。即数据集市所用表数据仍是其所在集群的数据仓库当中的HDFS数据，通过建立相应的映射关系来满足HDFS数据同步的需求，HDFS数据同步完成之后需要进行相应partition元数据hive metastore的更新。

现有基于Hive数据仓库的数据同步方案主要存在以下几个问题：

(1)跨集群数据同步的过程当中，数据必须先通过源数据仓库拷贝一份到目标集群的数据仓库中。如果除了源数据仓库所在集群之外有n个集群，则可能需要拷贝n份数据到该n个集群。此时如果源数据仓库中有一张表的大小为10T，则需要拷贝10T*n的数据量到其他跨集群的数据仓库中，这会造成服务器资源存储的极大浪费。对于企业来说，如何提高服务器存储的性能，尽可能避免低采购，本身就是一个重要的研究问题，另外从集市用户的角度来看，他们并不关心表数据所在集群的位置，他们更关注的是是否有权限看到某个表的数据，即表数据本身。

(2)每一个数据集市都需要维护自己的一份hive metastore元数据表，当前随着业务需求的快速发展，每一个集群下面至少含有10个以上的集市，假设此时含有K个集群，则至少含有K*10个集市的元数据需要运维人员进行维护，造成维护成本的加大。

(3)数据同步在调度系统当中需要创建大量的不同名字的同步任务，在源集群当中(假设此时集群的名字为jdw集群)，假设存在3个集市eco、risk、cfo集市，则需要创建出：jdw2eco开头的同步任务、jdw2risk开头的同步任务、jdw2cfo开头的同步任务。在跨集群当中，假设存在额外的3个集群：guldan、tyrande、hope，则又需要创建出jdw2guldan开头的同步任务、jdw2tyrande开头的同步任务、jdw2hope开头的同步任务。对于用户来说，他们甚至有的时候并不关心任务的名字是什么，他们更关心的是在自己所在的集市当中是否能够看到表数据。

如图4所示，本发明实施例的基于Hive数据仓库行数据同步的步骤包括：

步骤S401：解析接收的数据处理指令，以确定数据处理指令为数据同步指令。

步骤S402：根据数据同步指令获取待同步数据。

步骤S403：将获取的待同步数据存储在目标数据仓库中。目标数据仓库为多个Hadoop集群共享。

步骤S404：根据数据同步处理指令的执行结果，更新待处理数据的共享元数据表。共享元数据表为目标数据仓库与多个Hadoop集群中的数据集市共享。

对于本发明实施例的多个Hadoop集群，由于多个Hadoop集群共享一套目标数据仓库，不需要维护多个数据仓库。在跨集群数据同步的过程中，无需将源数据仓库当中的数据拷贝多份到远程Hadoop集群，而只需要拷贝一份到目标数据仓库即可，提高了服务器的利用率，大大降低了服务器的存储资源的浪费。以及，区别于现有技术中每个数据集市都要维护一套元数据，本技术方案中的目标数据仓库与多个Hadoop集群中的数据集市共享一个元数据表，进而降低了运维的成本。

如图5所示，本发明实施例首先ETL等操作将数据同步到目标数据仓库，Hadoop集群2、Hadoop集群3、Hadoop集群4共享一个报目标数据仓库。相较于现有技术，本发明实施例的基于Hive数据仓库行数据同步具有的效果如下：

(1)从元数据metastore层面上而言，数据仓库Data Warehouse与数据集市DataMarket共用一套元数据，而不在是每个集市维护一套元数据，进而降低了运维的成本。

(2)目标数据仓库与数据集市之间的数据同步主要通过HDFS数据级别的授权以及表级别的授权方式来进行完成，假设当前数据仓库当中含有一张表：fdm_fms_refund_request_chain，其对应的HDFS数据路径为hdfs://ns5/user/dd_edw/fdm.db/fdm_fms_refund_request_chain。如果此时某个集群中的A集市(对应linux生产账号为mart_A)希望获取到表fdm_fms_refund_request_chain的数据，首先将数据目录hdfs://ns5/user/dd_edw/fdm.db/fdm_fms_refund_request_chain对账号mart_A进行授权(一般为读权限)，而后将表fdm_fms_refund_request_chain在metastore中的元数据对账号mart_A进行授权(一般是select权限)。经过数据级别以及表级别的授权，用户在A集市就可以获取到表fdm_fms_refund_request_chain中的数据。

(3)虽然存在着多个Hadoop集群，但是多个Hadoop集群共用一套目标数据仓库，而不在再是多个数据仓库。在跨集群数据同步的过程当中，无需将源数据仓库当中的数据拷贝多份到远程目标Hadoop集群，而只需要拷贝一份，从公司的层面上而言，提高了服务器的利用率，大大降低了服务器的存储资源的浪费。

(4)数据集市与数据集市之间同样可以通过数据级别以及表级别的授权方式来实现不同集市数据的共享。

(5)数据同步在调度系统当中不需要在创建大量的不同名字的同步任务，对于上述介绍的guldan、tyrande、hope三个Hadoop集群，如果此时三个集群共用一个数据仓库Data Warehouse，只需要创建出一个jdw2XXX的任务即可。

图6是根据本发明实施例数据处理的装置的主要模块的示意图，如图6所示，本发明实施例的数据处理的装置600包括指令执行模块601和共享元数据表更新模块602。

指令执行模块601用于，执行接收的数据处理指令，以完成对待处理数据的处理操作；待处理数据存储在目标数据仓库中，以及目标数据仓库为多个Hadoop集群共享。指令执行模块还用于，析接收的数据处理指令，以确定数据处理指令为数据同步指令；根据数据同步指令获取待同步数据；将获取的待同步数据存储在目标数据仓库中。

共享元数据表更新模块602用于，根据数据处理指令的执行结果，更新待处理数据的共享元数据表；共享元数据表为目标数据仓库与多个Hadoop集群中的数据集市共享。

本发明实施例的数据处理的装置还包括通知模块，用于获取目标数据仓库的权限授权信息；根据权限授权信息确定多个Hadoop集群中待通知的数据集市；将执行结果发送至多个Hadoop集群中待通知的数据集市。权限授权信息包括数据级别授权信息和表级别授权信息。

对于本发明实施例的多个Hadoop集群，由于多个Hadoop集群共享一套目标数据仓库，不需要维护多个数据仓库。在跨集群数据同步的过程中，无需将源数据仓库当中的数据拷贝多份到远程Hadoop集群，而只需要拷贝一份到目标数据仓库即可，提高了服务器的利用率，大大降低了服务器的存储资源的浪费。。以及，区别于现有技术中每个数据集市都要维护一套元数据，本技术方案中的目标数据仓库与多个Hadoop集群中的数据集市共享一个元数据表，进而降低了运维的成本。

图7示出了可以应用本发明实施例的数据处理的方法或数据处理的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。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上可以安装有各种通讯客户端应用，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等数据进行分析等处理，并将处理结果反馈给终端设备。

需要说明的是，本发明实施例所提供的数据处理的方法一般由服务器705执行，相应地，数据处理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。

下面参考图8，其示出了适于用来实现本发明实施例的终端设备的计算机系统800的结构示意图。图8示出的终端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RAM 803中，还存储有系统800操作所需的各种程序和数据。CPU 801、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，以便于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，本发明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(CPU)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。而在本发明中，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。

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，这依所涉及的功能而定。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：一种处理器包括指令执行模块和共享元数据表更新模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，指令执行模块还可以被描述为“执行接收的数据处理指令，以完成对待处理数据的处理操作的模块”。

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。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一个该设备执行时，使得该设备包括：执行接收的数据处理指令，以完成对待处理数据的处理操作；待处理数据存储在目标数据仓库中，以及目标数据仓库为多个Hadoop集群共享；根据数据处理指令的执行结果，更新待处理数据的共享元数据表；共享元数据表为目标数据仓库与多个Hadoop集群中的数据集市共享。

对于本发明实施例的多个Hadoop集群，由于多个Hadoop集群共享一套目标数据仓库，不需要维护多个数据仓库。在跨集群数据同步的过程中，无需将源数据仓库当中的数据拷贝多份到远程Hadoop集群，而只需要拷贝一份到目标数据仓库即可，提高了服务器的利用率，大大降低了服务器的存储资源的浪费。。以及，区别于现有技术中每个数据集市都要维护一套元数据，本技术方案中的目标数据仓库与多个Hadoop集群中的数据集市共享一个元数据表，进而降低了运维的成本。

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)

1.一种数据处理的方法，其特征在于，包括：

执行接收的数据处理指令，以完成对待处理数据的处理操作；所述待处理数据存储在目标数据仓库中，以及所述目标数据仓库为多个Hadoop集群共享；

根据所述数据处理指令的执行结果，更新所述待处理数据的共享元数据表；所述共享元数据表为所述目标数据仓库与所述多个Hadoop集群中的数据集市共享。

2.根据权利要求1所述的方法，其特征在于，在根据所述数据处理指令的执行结果，更新所述待处理数据的共享元数据表之后，还包括：

获取所述目标数据仓库的权限授权信息；

根据所述权限授权信息确定所述多个Hadoop集群中待通知的数据集市；

将所述执行结果发送至所述多个Hadoop集群中待通知的数据集市。

3.根据权利要求2所述的方法，其特征在于，所述权限授权信息包括数据级别授权信息和表级别授权信息。

4.根据权利要求1所述的方法，其特征在于，执行接收的数据处理指令，以完成对待处理数据的处理操作的步骤包括：

解析接收的数据处理指令，以确定所述数据处理指令为数据同步指令；

根据所述数据同步指令获取待同步数据；

将获取的所述待同步数据存储在目标数据仓库中。

5.一种数据处理的装置，其特征在于，包括：

指令执行模块，用于执行接收的数据处理指令，以完成对待处理数据的处理操作；所述待处理数据存储在目标数据仓库中，以及所述目标数据仓库为多个Hadoop集群共享；

共享元数据表更新模块，用于根据所述数据处理指令的执行结果，更新所述待处理数据的共享元数据表；所述共享元数据表为所述目标数据仓库与所述多个Hadoop集群中的数据集市共享。

6.根据权利要求5所述的装置，其特征在于，还包括通知模块，用于获取所述目标数据仓库的权限授权信息；根据所述权限授权信息确定所述多个Hadoop集群中待通知的数据集市；将所述执行结果发送至所述多个Hadoop集群中待通知的数据集市。

7.根据权利要求6所述的装置，其特征在于，所述权限授权信息包括数据级别授权信息和表级别授权信息。

8.根据权利要求5所述的装置，其特征在于，所述指令执行模块还用于，解析接收的数据处理指令，以确定所述数据处理指令为数据同步指令；

根据所述数据同步指令获取待同步数据；

将获取的所述待同步数据存储在目标数据仓库中。

9.一种电子设备，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。

Images