CN111984731A - 大数据平台数仓之间数据同步方法、装置及存储介质 - Google Patents
大数据平台数仓之间数据同步方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111984731A CN111984731A CN202010880881.6A CN202010880881A CN111984731A CN 111984731 A CN111984731 A CN 111984731A CN 202010880881 A CN202010880881 A CN 202010880881A CN 111984731 A CN111984731 A CN 111984731A
- Authority
- CN
- China
- Prior art keywords
- data
- source
- bin
- environment
- bins
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000005192 partition Methods 0.000 claims description 72
- 230000001360 synchronised effect Effects 0.000 claims description 68
- 238000012545 processing Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 2
- 238000012937 correction Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims 1
- 238000012360 testing method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008676 import Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种大数据,揭露一种大数据平台数仓之间数据同步方法,包括:连接至少两个数仓,至少两个数仓包括一个源环境数仓和至少一个目标环境数仓;在源环境数仓和目标环境数仓均存在源表的情况下,判断源环境数仓中的源表与目标环境数仓中的源表的表结构是否一致;当源环境数仓中的源表与目标环境数仓中的源表的表结构不一致时,删除目标环境数仓中的源表,并从源环境数仓中导出源表的建表语句;在目标环境数仓中执行建表语句,以实现源环境数仓和目标环境数仓之间的数据同步。此外,本发明还涉及区块链技术,所述源表数据存储于区块链中。本发明可以提高数据同步的效率及精度。
Description
技术领域
本发明涉及大数据处理,尤其涉及一种大数据平台数仓之间数据同步方法、装置、电子设备及计算机可读存储介质。
背景技术
目前在大数据测试工作中,存在两套或多套Hive数仓,而测试过程中时如果因为某些情况突然要从环境A切换到环境B,此时大数据测试面临多个困难点及痛点,主要存在以下几种情况:
1、环境B对应的Hive数仓中的各源表不一定都存在。如果源表x不存在,需要从环境A对应的Hive数仓中把源表x的建表语句取到后再在环境B对应的Hive数仓中执行,然后再次检查环境B对应的Hive数仓中是否正确新建了该源表x;
2、环境B对应的Hive数仓中各源表结构不一定是最新的。如果源表x在环境A和环境B对应的Hive数仓中都存在,需要仔细核对两个环境对应Hive数仓中的源表结构,比较费时费力,有些表字段较多的时候,人工比对容易出错;
3、环境B对应的Hive数仓中各源表的数据是比较旧的,不满足当前的测试需要。如果源表y在环境B对应的Hive数仓中存在的数据较少或没有最近时间的数据,需要自己造数据,或从环境A对应的Hive数仓中把源表y数据导出后再导入环境B对应的Hive库源表y中;
4、检查环境B对应Hive数仓源表中数据是否符合测试需要。一方面是源表的数据量,另一方面是源表的数据;
可知,目前市面上并不存在不同Hive数仓之间的数据同步工具,且由于在实际工作中使用较多,导致每次版本测试中环境切换都会给大数据测试带来很多额外的工作,占用本就不充裕的测试时间,增加测试风险和版本质量风险。
发明内容
本发明提供一种大数据平台数仓之间数据同步方法、装置、电子设备及计算机可读存储介质,其主要目的在于提高数据同步效率及准确度。
为实现上述目的,本发明提供的一种大数据平台数仓之间数据同步方法,包括:
连接至少两个数仓,所述至少两个数仓包括一个源环境数仓和至少一个目标环境数仓;
在所述源环境数仓和所述目标环境数仓均存在源表的情况下,判断所述源环境数仓中的源表与所述目标环境数仓中的源表的表结构是否一致;
当所述源环境数仓中的源表与所述目标环境数仓中的源表的表结构不一致时,删除所述目标环境数仓中的源表,并从所述源环境数仓中导出源表的建表语句;
在所述目标环境数仓中执行所述建表语句,以实现所述源环境数仓和所述目标环境数仓之间的数据同步。
可选地,所述源环境数仓中的源表存储于区块链中,在连接至少两个数仓之后还包括:
判断所述源环境数仓中是否存在待同步的源表;
当所述源环境数仓中不存在待同步的源表时,数据同步结束,并在用户界面进行状态提示;
否则,当所述源环境数仓中存在待同步的源表时,判断所述源环境数仓的待同步的源表中待同步的各指定分区是否存在数据;
当所述源环境数仓的待同步的源表中待同步的各指定分区不存在数据或者数据量小于预设阈值时,数据同步结束。
可选地,当所述源环境数仓的待同步的源表中待同步的各指定分区中的数据量大于所述预设阈值时,将所述源环境数仓的待同步的源表中待同步的各指定分区中的数据导出至临时文件中;
在所述临时文件中,对所述源环境数仓中的待同步的源表与所述目标环境数仓中的源表的表结构进行是否一致性的判断。
可选地,所述目标环境数仓中的源表存储于区块链中,在删除所述目标环境数仓中的源表之前,还包括:
自动备份所述目标环境数仓中的源表中的待被同步的各指定分区数据,并将备份名称设置为源表+指定分区+日期的格式。
可选地,在所述目标环境数仓中执行所述建表语句之后,
判断所述源环境数仓中的数据是否成功同步至所述目标环境数仓中;
当所述源环境数仓中的数据在所述目标环境数仓中同步失败时,在用户界面进行状态提示,并提示是否恢复自动备份的所述目标环境数仓中的源表;
否则,当所述源环境数仓中的数据成功同步至所述目标环境数仓中时,继续对所导入的数据进行校验。
可选地,对所导入的数据进行校验的过程包括:
校验所述目标环境数仓中的源表的指定分区的数据与所述源环境数仓中的对应分区的数据是否一致;同时,
校验所述目标环境数仓中的源表的指定分区的数据量与所述源环境数仓中的对应分区的数据量是否一致;
当所述目标环境数仓中的源表的指定分区的数据或数据量与所述源环境数仓中的对应分区的数据或数据量存在不一致时,进行错误提示。
可选地,所述错误提示包括不一致的数据条数以及各条数据中用颜色标示的不一致的字段;并且,
根据错误结果提示对应的修正方式。
为了解决上述问题,本发明还提供一种大数据平台数仓之间数据同步装置,包括:
数仓连接模块,用于连接至少两个数仓,所述至少两个数仓包括一个源环境数仓和至少一个目标环境数仓;
表结构判断模块,用于在所述源环境数仓和所述目标环境数仓均存在源表的情况下,判断所述源环境数仓中的源表与所述目标环境数仓中的源表的表结构是否一致;
建表语句导出模块,用于当所述源环境数仓中的源表与所述目标环境数仓中的源表的表结构不一致时,删除所述目标环境数仓中的源表,并从所述源环境数仓中导出源表的建表语句;
数据同步模块,用于在所述目标环境数仓中执行所述建表语句,以实现所述源环境数仓和所述目标环境数仓之间的数据同步。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的大数据平台数仓之间数据同步方法。
为了解决上述问题,本发明还提供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至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的大数据平台数仓之间数据同步方法。
本发明实施例通过连接至少两个数仓,并在源环境数仓和目标环境数仓均存在源表的情况下,判断源环境数仓中的源表与目标环境数仓中的源表的表结构是否一致;当源环境数仓中的源表与目标环境数仓中的源表的表结构不一致时,删除目标环境数仓中的源表,并从源环境数仓中导出源表的建表语句;在目标环境数仓中执行建表语句,以实现源环境数仓和目标环境数仓之间的数据同步,数据同步速度快、效率高,且能够同时对多个数仓进行数据同步作业。
附图说明
图1为本发明一实施例提供的大数据平台数仓之间数据同步方法的流程示意图;
图2为本发明一实施例提供的大数据平台数仓之间数据同步方法的详细流程图;
图3为本发明一实施例提供的大数据平台数仓之间数据同步装置的模块示意图;
图4为本发明一实施例提供的实现大数据平台数仓之间数据同步方法的电子设备的内部结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种大数据平台数仓之间数据同步方法。参照图1所示,为本发明一实施例提供的大数据平台数仓之间数据同步方法的流程示意图。该方法可以由一个装置执行,该装置可以由软件和/或硬件实现。
在本实施例中,大数据平台数仓之间数据同步方法包括:
S110:连接至少两个数仓,至少两个数仓包括一个源环境数仓和至少一个目标环境数仓。
S120:在源环境数仓和目标环境数仓均存在源表的情况下,判断源环境数仓中的源表与目标环境数仓中的源表的表结构是否一致。
其中,在该步骤中或者在连接至少两个数仓之后,首先判断源环境数仓中是否存在待同步的源表,以及判断目标环境数仓中是否存在待被同步的源表。需要强调的是,为进一步保证上述源环境数仓和目标环境数仓中的源表数据的私密和安全性,上述各数仓数据还可以存储于一区块链的节点中。
具体地,1、判断源环境数仓中是否存在待同步的源表。
2、当源环境数仓中不存在待同步的源表时,数据同步结束,并在用户界面进行状态提示。
3、否则,当源环境数仓中存在待同步的源表时,判断源环境数仓的待同步的源表中待同步的各指定分区是否存在数据。
4、当源环境数仓的待同步的源表中待同步的各指定分区不存在数据或者数据量小于预设阈值时,数据同步结束。
其中,当源环境数仓的源表中待同步的各指定分区中的数据量大于预设阈值时,将源环境数仓的源表中待同步的各指定分区中的数据导出至临时文件中;进而,在临时文件中,对源环境数仓中的待同步的源表与目标环境数仓中的源表的表结构进行是否一致性的判断。
换言之,在本发明的大数据平台数仓之间数据同步的方法中,还包括判断源环境数仓中是否存在待同步源表的过程,如果源环境数仓中不存在待同步源表,则直接数据同步结束,并在用户界面进行状态提示,例如可提示“源环境XXX的Hive数仓中不存在源表YYY”,从而结束本次源表数据同步操作,继续下一个源表数据的同步作业。
否则,当源环境数仓中存在待同步源表的情况下,进一步判断该待同步的源表中待同步的各指定分区是否存在数据,该判断过程包括三种情况,如下所示:
第一种情况:如果源环境数仓在待同步源表中各指定分区内无数据时,则数据同步结束,用户界面进行状态提示“源环境XXX的Hive数仓中源表YYY在ABC分区不存在数据”;
第二种情况:如果源环境数仓中待同步源表中各指定分区的数据总量小于自定义的预设阈值时,用户界面会弹出提示,提醒用户是否继续进行数据导出,如果不进行数据导出,则结束本次的源表数据同步,否则,继续进行数据导出操作;
第三种情况:如果源环境数仓中的待同步源表各指定分区的数据总量大于所述预设阈值,则直接将待同步源表中指定分区内的所有数据导出至临时文件中。
上述数仓可以为Hive数仓,而待同步源表中的分区主要是将源环境Hive数仓源表中的数据按照一定的预设规则进行划分分类,将数据划分为各个区域,该分区可依据数据建立的时间、数据的字段或者其他参数等,对应地,源环境Hive数仓中的源表与目标环境Hive数仓中源表相同,也包括划分后的各分区,在数据同步过程中,可根据待同步的数据所处于的分区查找对应的数据,即上述指定分区。
需要说明的是,如果目标环境数仓中不存在源表的情况下,可直接从源环境数仓中导出待同步源表的建表语句,并在目标环境数仓中执行该建表语句,进而实现两个不同数仓之间的表结构同步。
S130:当源环境数仓中的源表与目标环境数仓中的源表的表结构不一致时,删除目标环境数仓中的源表,并从源环境数仓中导出源表的建表语句。
其中,目标环境数仓中的源表存储于区块链中,在删除目标环境数仓中的源表之前,还包括:
自动备份目标环境数仓中的源表中的待被同步的各指定分区数据,并将备份名称设置为源表+指定分区+日期的格式。
具体地,自动备份目标环境数仓中的待同步源表指定分区数据,备份表指定分区名称可设置为源表+指定分区+日期的格式,然后再进行删除,以防后续数据同步失败的情况下,还可将该源表指定分区的对应数据找回。其中,目标环境Hive数仓源表指定分区数据可先备份在临时文件中。
此外,如果目标环境数仓中的源表指定分区数据备份失败,则会提示是否继续进行同步操作,如果选择“否”则结束本次数据同步操作;如果选择“是”则继续执行源表的删除操作,但是由于源表的数据备份失败,不便于后续源表指定分区数据的找回操作。
S140:在目标环境数仓中执行建表语句,以实现源环境数仓和目标环境数仓之间的数据同步。
其中,在目标环境数仓中执行建表语句之后,还包括:
1、判断源环境数仓中的数据是否成功同步至目标环境数仓中;
2、当源环境数仓中的数据在目标环境数仓中同步或导入失败时,在用户界面进行状态提示,并提示是否恢复自动备份的目标环境数仓中的源表;
3、否则,当源环境数仓中的数据成功同步至目标环境数仓中时,继续对所导入的数据进行校验。
进一步地,对所导入的数据进行校验的过程包括:
1、校验目标环境数仓中的源表的指定分区的数据与源环境数仓中的对应分区的数据是否一致;同时,
2、校验目标环境数仓中的源表的指定分区的数据量与源环境数仓中的对应分区的数据量是否一致;
3、当目标环境数仓中的源表的指定分区的数据或数据量与源环境数仓中的对应分区的数据或数据量存在不一致时,进行错误提示。
具体地,可对目标环境数仓中源表的指定分区的数据做备份,备份表可命名为源表+指定分区;然后执行删除目标环境数仓中源表中指定分区数据的命令,并将源环境数仓中导出的源表指定分区数据插入到目标环境数仓中源表对应的指定分区中;进一步地,检查目标环境数仓中源表中指定分区数据是否导入成功,以及,同步数据的数据量和数据与源环境数仓的源表中指定分区是否一致。
情况一:如果目标环境源表删除失败,也会提示数据删除失败,是否继续把源环境数仓中的源表的导出数据导入到目标环境数仓源表对应的分区中,用户可根据提示进行选择性操作。
情况二:如果目标环境数仓中的源表的数据在导入源环境源表后指定分区数据导入失败,在用户界面会提示数据导入失败的结果,并在目标环境源表指定分区数据备份成功的情况下,提示用户是否恢复备份的目标环境源表指定分区数据到目标环境数仓中,该操作属于对目标环境源表指定分区备份的数据恢复。
情况三:如果源环境源表的数据成功导入目标环境源表的指定分区中,还可以继续对导入的数据进行校验。
换言之,在目标环境数仓中执行所述建表语句,以实现所述源环境数仓和所述目标环境数仓之间的数据同步后,可在用户界面显示数据同步执行的结果。
具体地,在数据导入完成后校验同步指定分区的目标环境源表的数据量和数据。如果数据量或数据与源环境数仓中的源表不一致,则进行错误提示。例如,用户界面提示“目标环境XXX的Hive数仓yyy源表同步数据量aaa条,源环境YYY的Hive数仓yyy源表导出数据量bbb条,请检查”,或者“目标环境XXX的Hive数仓yyy源表的数据与源环境YYY的Hive数仓yyy源表导出数据共有abc条不一致,请检查”,此外,工具提供数据不一致记录对应的源表导出中间表数据、目标表中数据,颜色标示不一致的字段,使用户可以清晰的看到不一致的实际数据。如果字段是时间类型,则引导用户确认目标表中该字段的类型是否与源表一致;如果目标表字段长度比源表导出小,引导用户确认目标表中该字段长度限制是否过小;如果目标表字段值为乱码,源表导出值正常,引导用户确认目标表或目标Hive库指定的编码方式是否与源表或源Hive库相同。
需要说明的是,如果源环境存在多个指定分区或者多个源表需要进行数据同步,可将每个待同步源表设置为一条同步任务,并循环执行上述步骤,直至所有的源表数据同步完成,并显示对应的数据同步结果。
利用上述根据本发明的大数据平台数仓之间数据同步方法,1、能够自动连接数仓,自动判断源表在各环境数仓中是否存在,自动执行命令获取建表语句,自动导出数据并存放到临时文件中;2、支持多个任务同时执行,并分别显示数据同步执行结果;3、支持自动读取源表导出分区数据文件,并把数据导入到目标环境数仓源表指定分区中;4、步实现数据量和数据明细比对,直接给出比对结果,简单方便易操作。
为了解决上述问题,本发明还提供一种大数据平台数仓之间数据同步装置,如图3所示,是本发明大数据平台数仓之间数据同步装置的功能模块图。
如图3所示,本发明所述大数据平台数仓之间数据同步装置100可以安装于电子设备中。根据实现的功能,大数据平台数仓之间数据同步装置100可以包括数仓连接模块101、表结构判断模块102、建表语句导出模块103、数据同步模块104。本发所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
数仓连接模块101,用于连接至少两个数仓,至少两个数仓包括一个源环境数仓和至少一个目标环境数仓;
表结构判断模块102,用于在源环境数仓和目标环境数仓均存在源表的情况下,判断源环境数仓中的源表与目标环境数仓中的源表的表结构是否一致;
建表语句导出模块103,用于当源环境数仓中的源表与目标环境数仓中的源表的表结构不一致时,删除目标环境数仓中的源表,并从源环境数仓中导出源表的建表语句;
数据同步模块104,用于在目标环境数仓中执行建表语句,以实现源环境数仓和目标环境数仓之间的数据同步。
其中需要强调的是,为进一步保证上述源环境数仓中的源表以及目标环境数仓中的源表的数据的私密和安全性,上述各源表数据还可以存储于一区块链的节点中。
如图4所示,是本发明实现大数据平台数仓之间数据同步方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如大数据平台数仓之间数据同步程序12。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如大数据平台数仓之间数据同步程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如大数据平台数仓之间数据同步程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图4仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的大数据平台数仓之间数据同步程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
连接至少两个数仓,所述至少两个数仓包括一个源环境数仓和至少一个目标环境数仓;
在所述源环境数仓和所述目标环境数仓均存在源表的情况下,判断所述源环境数仓中的源表与所述目标环境数仓中的源表的表结构是否一致;
当所述源环境数仓中的源表与所述目标环境数仓中的源表的表结构不一致时,删除所述目标环境数仓中的源表,并从所述源环境数仓中导出源表的建表语句;
在所述目标环境数仓中执行所述建表语句,以实现所述源环境数仓和所述目标环境数仓之间的数据同步。
具体地,所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。需要强调的是,为进一步保证上述目标环境数仓中的源表以及源环境数仓中的源表数据的私密和安全性,上述各源表据还可以存储于一区块链的节点中。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,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,所述模块的划分,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模块可以是或者也可以不是物理上分开的,作为模块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模块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模块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模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种大数据平台数仓之间数据同步方法,其特征在于,所述方法包括:
连接至少两个数仓,所述至少两个数仓包括一个源环境数仓和至少一个目标环境数仓;
在所述源环境数仓和所述目标环境数仓均存在源表的情况下,判断所述源环境数仓中的源表与所述目标环境数仓中的源表的表结构是否一致;
当所述源环境数仓中的源表与所述目标环境数仓中的源表的表结构不一致时,删除所述目标环境数仓中的源表,并从所述源环境数仓中导出源表的建表语句;
在所述目标环境数仓中执行所述建表语句,以实现所述源环境数仓和所述目标环境数仓之间的数据同步。
2.如权利要求1所述的大数据平台数仓之间数据同步方法,其特征在于,所述源环境数仓中的源表存储于区块链中,在连接至少两个数仓之后还包括:
判断所述源环境数仓中是否存在待同步的源表;
当所述源环境数仓中不存在待同步的源表时,数据同步结束,并在用户界面进行状态提示;
否则,当所述源环境数仓中存在待同步的源表时,判断所述源环境数仓的待同步的源表中待同步的各指定分区是否存在数据;
当所述源环境数仓的待同步的源表中待同步的各指定分区不存在数据或者数据量小于预设阈值时,数据同步结束。
3.如权利要求2所述的大数据平台数仓之间数据同步方法,其特征在于,
当所述源环境数仓的待同步的源表中待同步的各指定分区中的数据量大于所述预设阈值时,将所述源环境数仓的待同步的源表中待同步的各指定分区中的数据导出至临时文件中;
在所述临时文件中,对所述源环境数仓中的待同步的源表与所述目标环境数仓中的源表的表结构进行是否一致性的判断。
4.如权利要求1所述的大数据平台数仓之间数据同步方法,其特征在于,所述目标环境数仓中的源表存储于区块链中,在删除所述目标环境数仓中的源表之前,还包括:
自动备份所述目标环境数仓中的源表中的待被同步的各指定分区数据,并将备份名称设置为源表+指定分区+日期的格式。
5.如权利要求4所述的大数据平台数仓之间数据同步方法,其特征在于,在所述目标环境数仓中执行所述建表语句之后,
判断所述源环境数仓中的数据是否成功同步至所述目标环境数仓中;
当所述源环境数仓中的数据在所述目标环境数仓中同步失败时,在用户界面进行状态提示,并提示是否恢复自动备份的所述目标环境数仓中的源表;
否则,当所述源环境数仓中的数据成功同步至所述目标环境数仓中时,继续对所导入的数据进行校验。
6.如权利要求5所述的大数据平台数仓之间数据同步方法,其特征在于,对所导入的数据进行校验的过程包括:
校验所述目标环境数仓中的源表的指定分区的数据与所述源环境数仓中的对应分区的数据是否一致;同时,
校验所述目标环境数仓中的源表的指定分区的数据量与所述源环境数仓中的对应分区的数据量是否一致;
当所述目标环境数仓中的源表的指定分区的数据或数据量与所述源环境数仓中的对应分区的数据或数据量存在不一致时,进行错误提示。
7.如权利要求6所述的大数据平台数仓之间数据同步方法,其特征在于,
所述错误提示包括不一致的数据条数以及各条数据中用颜色标示的不一致的字段;并且,
根据错误结果提示对应的修正方式。
8.一种大数据平台数仓之间数据同步装置,其特征在于,包括:
数仓连接模块,用于连接至少两个数仓,所述至少两个数仓包括一个源环境数仓和至少一个目标环境数仓;
表结构判断模块,用于在所述源环境数仓和所述目标环境数仓均存在源表的情况下,判断所述源环境数仓中的源表与所述目标环境数仓中的源表的表结构是否一致;
建表语句导出模块,用于当所述源环境数仓中的源表与所述目标环境数仓中的源表的表结构不一致时,删除所述目标环境数仓中的源表,并从所述源环境数仓中导出源表的建表语句;
数据同步模块,用于在所述目标环境数仓中执行所述建表语句,以实现所述源环境数仓和所述目标环境数仓之间的数据同步。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至8中任一所述的大数据平台数仓之间数据同步方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8中任一所述的大数据平台数仓之间数据同步方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010880881.6A CN111984731A (zh) | 2020-08-27 | 2020-08-27 | 大数据平台数仓之间数据同步方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010880881.6A CN111984731A (zh) | 2020-08-27 | 2020-08-27 | 大数据平台数仓之间数据同步方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111984731A true CN111984731A (zh) | 2020-11-24 |
Family
ID=73440023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010880881.6A Pending CN111984731A (zh) | 2020-08-27 | 2020-08-27 | 大数据平台数仓之间数据同步方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111984731A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113407498A (zh) * | 2021-06-18 | 2021-09-17 | 北京金山云网络技术有限公司 | 一种数据同步方法、装置、云平台、系统及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682002A (zh) * | 2015-11-05 | 2017-05-17 | 中兴通讯股份有限公司 | 数据库同步方法及系统、源数据和目标数据同步装置 |
CN107741950A (zh) * | 2017-09-05 | 2018-02-27 | 北京趣拿软件科技有限公司 | 数据同步任务的处理方法、装置、处理器及服务端 |
US20190258736A1 (en) * | 2018-02-20 | 2019-08-22 | Sap Se | Dynamic Execution of ETL Jobs Without Metadata Repository |
CN110597821A (zh) * | 2019-09-20 | 2019-12-20 | 中国银行股份有限公司 | 数据仓库表结构变更方法及装置 |
-
2020
- 2020-08-27 CN CN202010880881.6A patent/CN111984731A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682002A (zh) * | 2015-11-05 | 2017-05-17 | 中兴通讯股份有限公司 | 数据库同步方法及系统、源数据和目标数据同步装置 |
CN107741950A (zh) * | 2017-09-05 | 2018-02-27 | 北京趣拿软件科技有限公司 | 数据同步任务的处理方法、装置、处理器及服务端 |
US20190258736A1 (en) * | 2018-02-20 | 2019-08-22 | Sap Se | Dynamic Execution of ETL Jobs Without Metadata Repository |
CN110597821A (zh) * | 2019-09-20 | 2019-12-20 | 中国银行股份有限公司 | 数据仓库表结构变更方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113407498A (zh) * | 2021-06-18 | 2021-09-17 | 北京金山云网络技术有限公司 | 一种数据同步方法、装置、云平台、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108153784B (zh) | 同步数据处理方法和装置 | |
CN112328677B (zh) | 基于表关联的丢失数据回收方法、装置、设备及介质 | |
CN110290166B (zh) | 跨集群数据交互方法、系统、装置及可读存储介质 | |
CN111625252A (zh) | 集群的升级维护方法、装置、电子设备及存储介质 | |
CN112948427A (zh) | 数据查询方法、装置、设备及存储介质 | |
CN110968509A (zh) | 一种批量化自定义变量的方法和系统 | |
CN112115145A (zh) | 数据采集方法、装置、电子设备及存储介质 | |
CN113239106A (zh) | Excel文件导出方法、装置、电子设备及存储介质 | |
CN111651426A (zh) | 数据迁移方法、装置及计算机可读存储介质 | |
CN111984731A (zh) | 大数据平台数仓之间数据同步方法、装置及存储介质 | |
CN112637341B (zh) | 文件上传方法、装置、电子设备及存储介质 | |
CN113297180A (zh) | 数据迁移方法、装置、电子设备及存储介质 | |
CN112486957B (zh) | 数据库迁移检测方法、装置、设备及存储介质 | |
CN112446625A (zh) | 一种工艺线路生成系统、方法、平台及存储介质 | |
CN112256472A (zh) | 分布式数据调取方法、装置、电子设备及存储介质 | |
CN111858604A (zh) | 数据存储方法、装置、电子设备及存储介质 | |
CN109150596B (zh) | 一种scada系统实时数据转储方法和装置 | |
CN114331135B (zh) | 一种工艺流程管理方法、装置、设备及存储介质 | |
CN113515265B (zh) | 站点配置方法、装置、设备及计算机可读存储介质 | |
CN113254446B (zh) | 数据融合方法、装置、电子设备及介质 | |
CN115145870A (zh) | 失败任务原因定位方法、装置、电子设备及存储介质 | |
CN112685384A (zh) | 数据迁移方法、装置、电子设备及存储介质 | |
CN114237982A (zh) | 系统灾备切换方法、装置、设备及存储介质 | |
CN114611477A (zh) | 数据表的设计推荐方法、装置、电子设备及介质 | |
CN114185588A (zh) | 增量包生成方法、装置、设备及存储介质 |
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 |