CN112069155A - 数据多维分析模型生成方法和装置 - Google Patents
数据多维分析模型生成方法和装置 Download PDFInfo
- Publication number
- CN112069155A CN112069155A CN202011058895.6A CN202011058895A CN112069155A CN 112069155 A CN112069155 A CN 112069155A CN 202011058895 A CN202011058895 A CN 202011058895A CN 112069155 A CN112069155 A CN 112069155A
- Authority
- CN
- China
- Prior art keywords
- table set
- dimension
- final
- fact table
- intersection
- 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.)
- Withdrawn
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000004044 response Effects 0.000 claims abstract description 33
- 238000004141 dimensional analysis Methods 0.000 claims abstract description 13
- 230000015654 memory Effects 0.000 claims description 20
- 238000007493 shaping process Methods 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims 1
- 238000013515 script Methods 0.000 description 9
- 238000007405 data analysis Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000013499 data model Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000000465 moulding Methods 0.000 description 2
- 241000533950 Leucojum Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
-
- 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
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
- G06F16/284—Relational databases
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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种数据多维分析模型生成方法和装置,涉及大数据技术领域。该方法的一具体实施方式包括:基于全量物理模型、指标和至少一个维度,形成初始事实表集合和至少一个维度表集合;响应于至少一个维度表集合与初始事实表集合之间存在交集,将与初始事实表集合存在交集的维度表集合融入初始事实表集合,生成新的事实表集合;将所有至少一个维度表集合中不与初始事实表集合存在交集的维度表集合赋值给有效集;基于有效集以及新的事实表集合,确定最终的有效集以及最终的事实表集合;响应于确定最终的有效集中不存在维度表集合,则将最终的事实表集合作为数据多维分析模型。该实施方式提升了多维分析建模的分析效率。
Description
技术领域
本申请涉及计算机技术领域,具体涉及大数据技术领域,尤其涉及一种数据多维分析模型生成方法、装置、电子设备以及计算机可读介质。
背景技术
数据多维分析模型生成技术是指在数据多维分析中对已有的数据存储模型进行再次建模生成适用于数据多维分析的数据模型的技术。在现有的数据多维分析系统中,如果数据存储在关系性数据库中,需要分析人员以维度(Dimension)和度量(Measure)为基本概念建立多维度的数据立方体模型,以便进行数据分析。
现有技术中,一般采用SQL(structured query language,结构化查询语句)脚本(SQL脚本是包含一或多个SQL命令的SQL语句)将数据表转换成一个数据视图,通过数据视图进行数据多维分析。但是由于分析的数据量会随着维度的变化而变化,在维度较多时,抽取视图的SQL脚本的性能也会随之下降,从而分析效率变低。
发明内容
提供了一种数据多维分析模型生成方法、装置、电子设备以及计算机可读介质。
根据第一方面,提供了一种数据多维分析模型生成方法,上述方法包括:基于全量物理模型、指标和至少一个维度,形成初始事实表集合和至少一个维度表集合;响应于至少一个维度表集合与初始事实表集合之间存在交集,将与初始事实表集合存在交集的维度表集合融入初始事实表集合,生成新的事实表集合;将至少一个维度表集合中所有与新的事实表集合不存在交集的维度表集合赋值给有效集;基于有效集以及新的事实表集合,确定最终的有效集以及最终的事实表集合;响应于确定最终的有效集中不存在维度表集合,则将最终的事实表集合作为数据多维分析模型。
根据第二方面,提供了一种数据多维分析模型生成装置,该装置包括:成形单元,被配置成基于全量物理模型、指标和至少一个维度,形成初始事实表集合和至少一个维度表集合;生成单元,被配置成响应于至少一个维度表集合与初始事实表集合之间存在交集,将与初始事实表集合存在交集的维度表集合融入初始事实表集合,生成新的事实表集合;赋值单元,被配置成将至少一个维度表集合中所有与新的事实表集合不存在交集的维度表集合赋值给有效集;确定单元,被配置成基于有效集以及新的事实表集合,确定最终的有效集以及最终的事实表集合;成模单元,被配置成响应于确定最终的有效集中不存在维度表集合,则将最终的事实表集合作为数据多维分析模型。
根据第三方面,提供了一种电子设备,该电子设备包括:至少一个处理器;以及与至少一个处理器通信连接的存储器,其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面任一实现方式描述的方法。
根据第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行如第一方面任一实现方式描述的方法。
本申请的实施例提供的数据多维分析模型生成方法和装置,首先基于全量物理模型、指标和至少一个维度,形成初始事实表集合和至少一个维度表集合;其次,响应于至少一个维度表集合与初始事实表集合之间存在交集,将与初始事实表集合存在交集的维度表集合融入初始事实表集合,生成新的事实表集合;然后,将至少一个维度表集合中所有与新的事实表集合不存在交集的维度表集合赋值给有效集;再后,基于有效集以及新的事实表集合,确定最终的有效集以及最终的事实表集合;最后,响应于确定最终的有效集中不存在维度表集合,则将最终的事实表集合作为数据多维分析模型。由此,仅基于全量物理模型、指标和维度,即可生成新的数据多维分析模型,增加了数据多维建模的灵活性;同时,在动态模型创建过程中,采用归结至少一个维度表集合和事实表集合之间交集的方式,减少了技术人员在多维分析模型构建中的工作量;在维度和指标的定义不变时,该数据多维分析模型不变,减少了重复建模的工作量,优化了数据多维分析模型的结构,提升数据多维分析模型分析效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请数据多维分析模型生成方法的一个实施例的流程图;
图2是本申请数据多维分析模型生成方法的一个场景的示意图;
图3是本申请数据多维分析模型生成方法的另一个实施例的流程图;
图4是本申请确定最终的有效集以及最终的事实表集合的方法的一种流程图;
图5是根据本申请数据多维分析模型生成装置的实施例的结构示意图;
图6是用来实现本申请实施例的数据多维分析模型生成方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请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,而不会背离本申请的范围和精神。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。
基于关系型数据库的多维数据分析系统中的理想数据多维分析模型是在事实表中通过维度的ID将事实表和至少一个维度表进行关联得到星型模型或雪花模型,但是灵活、多变的分析场景中存在用户自定义的维度和指标,为此,本申请提供的数据多维分析模型生成方法可以解决上述问题。
图1示出了根据本申请数据多维分析模型生成方法的一个实施例的流程100。上述数据多维分析模型生成方法包括以下步骤:
步骤101,基于全量物理模型、指标和至少一个维度,形成初始事实表集合和至少一个维度表集合。
本实施例中,数据多维分析模型生成方法的执行主体能够基于全量物理模型、维度和指标动态的生成需要的数据多维分析模型。
其中,全量物理模型是用于描述关系型数据库的数据模型,该数据模型中具有所有与即将生成的数据多维分析模型相关的数据表,且该数据模型通过SQL脚本将数据多维分析模型用到的数据表关联在一起。数据表是指数据存储在数据库的中与不同场景相关的表,其中,数据表可以是维度表,也可以是事实表。
本实施例中,数据多维分析模型生成方法的执行主体可以通过从内存获取或从终端实时获取的方式得到全量物理模型、指标以及至少一个维度。
本实施例中,初始事实表集合是由一个或多个事实表组成的表集合。维度表集合是由一个或多个维度表组成的表集合。通过一个初始事实表集合和一个或多个维度表集合可以得到星型或雪花型的数据多维分析模型。
在本实施例的一些可选实现方式中,全量物理模型为根据用户的需求将所有与数据多维分析模型相关的数据表相关联得到的模型;指标以及至少一个维度均由用户自定义得到。
上述基于全量物理模型、指标和至少一个维度,形成初始事实表集合和至少一个维度表集合,包括:根据用户自定义的指标,将全量物理模型中的所有包含指标的数据表相关联,形成初始事实表集合;根据用户自定义的至少一个维度,将全量物理模型中的所有包含至少一个维度的数据表相关联,形成至少一个维度表集合。
本可选实现方式中,形成的初始事实表集合以及至少一个维度表集合可以均包括:各个数据表之间的关联条件、关联中间表,其中,通过关联条件可以将具有直接关联关系的数据表关联在一起(通过SQL脚本),而该关联关系可以是全量物理模型中自带的关联关系。关联中间表是初始事实表集合以及至少一个维度表集合中不具有直接关联关系的数据表之间的过渡表,关联中间表也是初始事实表集合或维度表集合中各个单元之间的关联关系中用到的数据表,例如,表集合A到表集合B之间的所有关联关系中用的数据表如:Ajoin X,X join Y,Y join Z,Z join B,其中关联中间表即为表X、表Y、表Z。
本可选实现方式中,首先可以根据实际的需求将所有的数据多维分析模型用到的数据表通过SQL脚本关联在一起,得到全量物理模型。
其次,根据用户自定义的指标,将所有包含指标的数据表通过SQL脚本根据全量物理模型中的关联条件进行关联,包括关联的中间表一起形成事实表集合。
最后,根据用户自定义的至少一个维度,将每个维度所需要用到的数据表通过SQL脚本根据全量物理模型中的关联条件进行关联,包括关联的中间表一起形成各个维度表集合。
本可选实现方式提供的形成初始事实表集合和至少一个维度表集合的方法,首先基于数据多维分析模型建立全量物理模型,根据用户定义的指标和至少一个维度,形成初始事实表集合以及至少一个维度表集合,将用户的意愿增加入数据多维分析模型的形成过程,提高了后续数据多维分析模型的灵活性。
步骤102,响应于至少一个维度表集合与初始事实表集合之间存在交集,将与初始事实表集合存在交集的维度表集合融入初始事实表集合,生成新的事实表集合。
本实施例中,维度表集合与初始事实表集合之间的交集可以由两者之间是否包括相同的数据表确定,在两者包括相同的数据表时,则确定两者存在交集,否则确定两者不存在交集。例如,一维度表集合中包括数据表:T1、T2、T3;初始事实表集合中包括数据表:T1、T4;由于两者共同包括数据表T1,两者存在交集,生成的新的事实表集合包括的数据表:T1、T2、T3、T4,并将新的事实表集合中所有数据表关联起来。
步骤103,将至少一个维度表集合中所有与新的事实表集合不存在交集的维度表集合赋值给有效集。
本实施例中,有效集是维度表集合的有效集,初始的有效集是预设的一个空的集合,用于放置不与新的事实表集合存在交集的所有维度表集合,在有效集中,一个维度表集合是一个单位存放。
步骤104,基于有效集以及新的事实表集合,确定最终的有效集以及最终的事实表集合。
本实施例中,可以基于有效集与新的事实表集合之间交集,确定最终的有效集以及最终的事实表集合,在有效集与新的事实表集合没有任何交集时,当前有效集即为最终的有效集,当前的新的事实表集合即为最终的事实表集合。在有效集与新的事实表集合有交集时,将与新的事实表集合存在交集的维度表集合融入新的事实表集合,并更新新的事实表集合,将至少一个维度表集合中所有与新的事实表集合不存在交集的维度表集合重新赋值给有效集,继续判断有效集与新的事实表集合是否有交集,直至两者没有交集为止,得到的没有交集的有效集以及新的事实表集合即为最终的有效集以及最终的事实表集合。
步骤105,响应于确定最终的有效集中不存在维度表集合,则将最终的事实表集合作为数据多维分析模型。
本实施例中,在最终的有效集中不存在维度表集合时,说明至少一个维度表集合中的所有的维度表集合均与初始事实表集合有交集,可以将至少一个维度表集合中的所有维度表集合均融入初始事实表集合得到数据多维分析模型,此时通过全量物理模型W形成的最终的事实表集合为只有图2中的数据多维分析模型M中的最终的事实表集合F。
可选地,在最终的有效集中存在维度表集合,且存在的维度表集合均与最终的事实表集合没有交集时,可以建立各维度表集合D与最终的事实表集合F之间的关系,从而通过全量物理模型W得到了图2中所示的数据多维分析模型M,其中,图2中的数据多维分析模型M为星型结构。
本申请的实施例提供的数据多维分析模型生成方法,首先基于全量物理模型、指标和至少一个维度,形成初始事实表集合和至少一个维度表集合;其次,响应于至少一个维度表集合与初始事实表集合之间存在交集,将与初始事实表集合存在交集的维度表集合融入初始事实表集合,生成新的事实表集合;然后,将至少一个维度表集合中所有与新的事实表集合不存在交集的维度表集合赋值给有效集;再后,基于有效集以及新的事实表集合,确定最终的有效集以及最终的事实表集合;最后,响应于确定最终的有效集中不存在维度表集合,则将最终的事实表集合作为数据多维分析模型。由此,仅基于全量物理模型、指标和维度,即可生成新的数据多维分析模型,增加了数据多维建模的灵活性;同时,在动态模型创建过程中,采用归结至少一个维度表集合和事实表集合之间交集的方式,减少了技术人员在多维分析模型构建中的工作量;在维度和指标的定义不变时,该数据多维分析模型不变,减少了重复建模的工作量,优化了数据多维分析模型的结构,提升数据多维分析模型分析效率。
在本申请的另一个实施例中,最终的有效集中可以存在维度表集合,也可以不存在维度表集合,当最终的有效集中不存在维度表集合时,最终的事实表集合即为数据多维分析模型;当最终的有效集中存在维度表集合时,可以基于最终的事实表集合以及有效集中的维度表集合,确定数据多维分析模型,该数据多维分析模型为星型模型。
参见图3,示出了本申请数据多维分析模型生成方法的另一个实施例的流程300,该多维分析模型生成方法包括以下步骤:
步骤301,基于全量物理模型、指标和至少一个维度,形成初始事实表集合和至少一个维度表集合,之后,执行步骤302。
步骤302,响应于至少一个维度表集合与初始事实表集合之间存在交集,将与初始事实表集合存在交集的维度表集合融入初始事实表集合,生成新的事实表集合,之后,执行步骤303。
步骤303,将至少一个维度表集合中所有与新的事实表集合不存在交集的维度表集合赋值给有效集,之后,执行步骤304。
步骤304,基于有效集以及新的事实表集合,确定最终的有效集以及最终的事实表集合,之后,执行步骤305。
应当理解,上述步骤301-步骤304中的操作和特征,分别与步骤101-104中的操作和特征相对应,因此,上述在步骤101-104中对于操作和特征的描述,同样适用于步骤301-步骤304,在此不再赘述。
步骤305,判断最终的有效集中是否存在维度表集合;若最终的有效集中不存在维度表集合,之后,执行步骤306;若最终的有效集中存在维度表集合,之后,执行步骤308。
本实施例中,有效集合用于存放维度表集合,每个维度表集合为一项。在最终的有效集合中存在维度表集合时,需要寻找与最终的事实表集合间的连接路径。在最终的有效集合中不存在维度表集合时,得到最终的事实表集合即为数据多维分析模型。
步骤306,将最终的事实表集合作为数据多维分析模型,之后,执行步骤307。
步骤307,结束。
步骤308,确定最终的有效集合中的每一个维度表集合的直接关联路径或间接关联路径,形成数据多维分析模型,之后,执行步骤307。
本实施例中,在最终的有效集合中存在维度表集合时,需要寻找与最终的事实表集合间的连接路径,而寻找连接路径的方式包括如下两种方式:
(1)若该连接路径为直接关联路径(在物理模型中两者呈现的关系为直接关联关系),则对下一个维度表集合进行处理;若该连接路径为间接关联路径(在物理模型中两者呈现的关系为无法直接关联),则将连接路径中用到的所有关联中间表归结到该维度表集合中。
(2)若该连接路径为直接关联路径(在物理模型中两者呈现的关系为直接关联关系),则对下一个维度表集合进行处理;若该连接路径为间接关联路径(在物理模型中两者呈现的关系为无法直接关联),则将连接路径中用到的所有关联中间表归结到该最终的事实表集中。
第(1)种方式相对于第(2)在寻找连接路径时,具有计算量少、冗余度小的特点。
在本实施例的一些可选实现方式中,初始事实表集合以及至少一个维度表集合均包括:关联中间表;上述确定最终的有效集合中的每一个维度表集合的直接关联路径或间接关联路径,形成数据多维分析模型,包括:
针对最终的有效集合中的每一个维度表集合,判断该维度表集合与最终的事实表集合是否有直接关联路径;响应于判断的结果为没有直接关联路径,将该维度表集合与最终的事实表集合之间的间接关联路径相关的关联中间表添加到该维度表集合中;响应于判断的结果为有直接关联路径,确定最终的有效集合中的下一个维度表集合的直接关联路径或间接关联路径,直至最终的有效集合中所有维度表集合与最终的事实表集合之间的关系均已确定,形成数据多维分析模型。
本可选实现方式中,遍历该维度表集合与最终的事实表集合中所有数据表在物理模型中设置的关联关系(例如SQL脚本中的inner join、left join等关系)。
如果这些关联关系的两端分别来自于这两个表集合,就属于直接的关联关系,两者的关联路径为直接关联路径;直接关联路径属于关联路径中的一种情况,其他的关联路径,一种为需要加入其他的数据表及其关联关系才能使两个数据集合中能够连接在一起,另一种为无任何关联关系。
本可选实现方式提供的形成数据多维分析模型的方法,首先判断最终的有效集合中的维度表集合与最终的事实表集合之间的直接关联路径,其次,在最终的有效集合中的维度表集合与最终的事实表集合之间没有直接关联路径时,将该维度表集合与最终的事实表集合之间的间接关联路径相关的关联中间表添加到该维度表集合,以使维度表集合与最终的事实表集合之间具有关联关系,保证了数据多维分析模型中各个集合之间的关联性。
本实施例提供的数据多维分析模型生成方法,在确定最终的有效集中存在维度表集合时,确定最终的有效集合中的每一个维度表集合的直接关联路径或间接关联路径,形成数据多维分析模型,由此,得到的数据多维分析模型为星型模型,并基于维度动态的获取维度集合与事实表集合关联的方式,最大限度的减少数据表的关联,提升了分析性能和分析效率。
本实施例中,可以通过穷尽有效集以及新的事实表集合中交集的确定最终的有效集合和最终的事实表集合,具体地,上述基于有效集以及新的事实表集合,确定最终的有效集以及最终的事实表集合,包括:判断有效集是否与新的事实表集合存在交集;响应于判断结果为有效集与新的事实表集合存在交集,基于存在交集的维度表集合,更新新的事实表集合;响应于有效集中不与新的事实表集合存在交集的维度表集合,将所有与新的事实表集合不存在交集的维度表集合,重新赋值给有效集;继续判断有效集是否与新的事实表集合存在交集,直至有效集中的维度表集合均与新的事实表集合不存在交集为止,确定最终的有效集以及最终的事实表集合。
在本实施例的一些可选实现方式中,如图4所示,确定最终的有效集以及最终的事实表集合的方法包括以下步骤:
步骤401,判断有效集是否与新的事实表集合存在交集;若有效集与新的事实表集合存在交集,之后,执行步骤402;若有效集不与新的事实表集合存在交集,之后,执行步骤405。
本可选实现方式中,有效集与新的初始事实表集合之间的交集可以通过两者之间是否包括相同的数据表确定,当包括相同的数据表则确定两者存在交集,否则确定两者不存在交集。
步骤402,基于存在交集的维度表集合,更新新的事实表集合,之后,执行步骤403。
本可选实现方式,更新新的事实表集合是指:将存在交集的维度表集合融合入新的事实表集合,并将融合后的新的事实表集合中所有数据表关联起来。本可选实现方式中,可以通过SQL脚本进行关联。
步骤403,判断有效集中是否有与新的事实表集合不存在交集的维度表集合;若有效集中有与新的事实表集合不存在交集的维度表集合,之后,执行步骤404。
步骤404,将所有与新的事实表集合不存在交集的维度表集合重新赋值给有效集,之后,执行步骤401。
本可选实现方式中,重新赋值给有效集是指将有效集中原来的维度表集合全部去除,并将当前所有与新的事实表集合不存在交集的维度表集合添加入有效集中。
步骤405,确定当前的有效集为最终的有效集,当前的新的事实表集合为最终的事实表集合。
本可选实现方式中,在有效集中不存在维度表集合时,说明至少一个维度表集合中的所有的维度表集合均与新的事实表集合有交集,此时可以将有效集中的所有维度表集合全部融入新的事实表集合。
本可选实现方式提供的确定最终的有效集以及最终的事实表集合,判断有效集是否与新的事实表集合存在交集,基于存在交集的维度表集合,更新新的事实表集合;当有效集中有与新的事实表集合不存在交集的维度表集合,将所有与新的事实表集合不存在交集的维度表集合重新赋值给有效集;继续判断有效集是否与新的事实表集合存在交集,直至有效集中的维度表集合均与新的事实表集合不存在交集为止,确定最终的有效集合以及最终的事实表集合,由此,历遍并去除了至少一个维度表集合中的所有分别与初始事实表集合、新的事实表集合具有交集的维度表集合,最大限度的减少了至少一个维度表集合以及最终的事实表集合中数据表的关联,提升了数据多维分析性能和数据多维分析效率。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了数据多维分析模型生成装置的一个实施例,该装置实施例与图1所示的方法实施例相对应,该装置具体可应用于各种电子设备中。
如图5所示,本实施例提供的数据多维分析模型生成装置500包括:成形单元501,生成单元502,赋值单元503,确定单元504,成模单元505。其中,上述成形单元501,可以被配置成基于全量物理模型、指标和至少一个维度,形成初始事实表集合和至少一个维度表集合。上述生成单元502,可以被配置成响应于至少一个维度表集合与初始事实表集合之间存在交集,将与初始事实表集合存在交集的维度表集合融入初始事实表集合,生成新的事实表集合。上述赋值单元503,可以被配置成将至少一个维度表集合中所有与新的事实表集合不存在交集的维度表集合赋值给有效集。上述确定单元504,可以被配置成基于有效集以及新的事实表集合,确定最终的有效集以及最终的事实表集合。上述成模单元505,可以被配置成响应于确定最终的有效集中不存在维度表集合,则将最终的事实表集合作为数据多维分析模型。
在本实施例中,数据多维分析模型生成装置500中:成形单元501、生成单元502、赋值单元503、确定单元504、成模单元505的具体处理及其所带来的技术效果可分别参考图1对应实施例中的步骤101、步骤102、步骤103、步骤104、步骤105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,上述装置还包括:建模单元(图中未示出)。上述建模单元,可以被配置成响应于确定最终的有效集中存在维度表集合,确定最终的有效集合中的每一个维度表集合的直接关联路径或间接关联路径,形成数据多维分析模型。
在本实施例的一些可选的实现方式中,上述初始事实表集合以及至少一个维度表集合均包括:关联中间表;上述建模单元包括:路径判断模块(图中未示出)、添加模块(图中未示出)、建模模块(图中未示出)。其中,上述路径判断模块,可以被配置成针对最终的有效集合中的每一个维度表集合,判断该维度表集合与最终的事实表集合是否有直接关联路径。上述添加模块,可以被配置成响应于判断的结果为没有直接关联路径,将该维度表集合与最终的事实表集合之间的间接关联路径相关的关联中间表添加到该维度表集合中。上述建模模块,可以被配置成响应于判断的结果为有直接关联路径,确定最终的有效集合中的下一个维度表集合的直接关联路径或间接关联路径,直至最终的有效集合中所有维度表集合与最终的事实表集合之间的关系均已确定,形成数据多维分析模型。
在本实施例的一些可选的实现方式中,上述确定单元504包括:交集判断模块(图中未示出),更新模块(图中未示出),赋值模块(图中未示出),确定模块(图中未示出)。其中,上述交集判断模块,可以被配置成判断有效集是否与新的事实表集合存在交集。上述更新模块,可以被配置成响应于判断结果为有效集与新的事实表集合存在交集,基于存在交集的维度表集合,更新新的事实表集合。上述赋值模块,可以被配置成有效集中有与新的事实表集合不存在交集的维度表集合,将所有与新的事实表集合不存在交集的维度表集合,重新赋值给有效集。上述交集判断模块还被配置成继续判断有效集是否与新的事实表集合存在交集。上述确定模块,可以被配置成被配置成响应于有效集中的维度表集合均与新的事实表集合不存在交集,确定最终的有效集以及最终的事实表集合。
在本实施例的一些可选的实现方式中,上述全量物理模型为根据用户的需求将所有与数据多维分析模型相关的数据表相关联得到的模型;上述指标以及上述至少一个维度均由用户自定义得到。上述成形单元501包括:事实成形模块(图中未示出),维度成形模块(图中未示出)。其中,上述事实成形模块,可以被配置成将全量物理模型中的所有包含指标的数据表相关联,形成初始事实表集合。上述维度成形模块,可以被配置成将全量物理模型中的所有包含至少一个维度的数据表相关联,形成至少一个维度表集合。
本申请的实施例提供的数据多维分析模型生成装置,首先成形单元501基于全量物理模型、指标和至少一个维度,形成初始事实表集合和至少一个维度表集合;其次,生成单元502响应于至少一个维度表集合与初始事实表集合之间存在交集,将与初始事实表集合存在交集的维度表集合融入初始事实表集合,生成新的事实表集合;然后,赋值单元503将至少一个维度表集合中所有与新的事实表集合不存在交集的维度表集合赋值给有效集;再后,确定单元504基于有效集以及新的事实表集合,确定最终的有效集以及最终的事实表集合;最后,成模单元505响应于确定最终的有效集中不存在维度表集合,则将最终的事实表集合作为数据多维分析模型。由此,仅基于全量物理模型、指标和维度,即可生成新的数据多维分析模型,增加了数据多维建模的灵活性;同时,在动态模型创建过程中,采用归结至少一个维度表集合和事实表集合之间交集的方式,减少了技术人员在多维分析模型构建中的工作量;在维度和指标的定义不变时,该数据多维分析模型不变,减少了重复建模的工作量,优化了数据多维分析模型的结构,提升数据多维分析模型分析效率。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本申请实施例的数据多维分析模型生成方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器601、存储器602,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的数据多维分析模型生成方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的数据多维分析模型生成方法。
存储器602作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的数据多维分析模型生成方法对应的程序指令/模块(例如,附图5所示的成形单元501、生成单元502、赋值单元503、确定单元504和成模单元505)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的数据多维分析模型生成方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据数据多维分析模型生成方法的电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至数据多维分析模型生成方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
数据多维分析模型生成方法的电子设备还可以包括:输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线605或者其他方式连接,图6中以通过总线605连接为例。
输入装置603可接收输入的数字或字符信息,以及产生与数据多维分析模型生成方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (12)
1.一种数据多维分析模型生成方法,包括:
基于全量物理模型、指标和至少一个维度,形成初始事实表集合和至少一个维度表集合;
响应于所述至少一个维度表集合与所述初始事实表集合之间存在交集,将与所述初始事实表集合存在交集的维度表集合融入所述初始事实表集合,生成新的事实表集合;
将所述至少一个维度表集合中所有与所述新的事实表集合不存在交集的维度表集合赋值给有效集;
基于所述有效集以及所述新的事实表集合,确定最终的有效集以及最终的事实表集合;
响应于确定所述最终的有效集中不存在维度表集合,则将所述最终的事实表集合作为数据多维分析模型。
2.根据权利要求1所述的方法,还包括:
响应于确定所述最终的有效集中存在维度表集合,确定所述最终的有效集合中的每一个维度表集合的直接关联路径或间接关联路径,形成数据多维分析模型。
3.根据权利要求2所述的方法,其中,所述初始事实表集合以及所述至少一个维度表集合均包括:关联中间表;
所述确定所述最终的有效集合中的每一个维度表集合的直接关联路径或间接关联路径,形成数据多维分析模型,包括:
针对所述最终的有效集合中的每一个维度表集合,判断该维度表集合与所述最终的事实表集合是否有直接关联路径;
响应于判断的结果为没有直接关联路径,将该维度表集合与所述最终的事实表集合之间的间接关联路径相关的关联中间表添加到该维度表集合中;
响应于判断的结果为有直接关联路径,确定所述最终的有效集合中的下一个维度表集合的直接关联路径或间接关联路径,直至所述最终的有效集合中所有维度表集合与所述最终的事实表集合之间的关系均已确定,形成数据多维分析模型。
4.根据权利要求1或2所述的方法,其中,基于所述有效集以及所述新的事实表集合,确定最终的有效集以及最终的事实表集合,包括:
判断所述有效集是否与所述新的事实表集合存在交集;
响应于判断结果为所述有效集与所述新的事实表集合存在交集,基于存在交集的维度表集合,更新所述新的事实表集合;
响应于所述有效集中有与所述新的事实表集合不存在交集的维度表集合,将所有与所述新的事实表集合不存在交集的维度表集合,重新赋值给所述有效集;
继续判断所述有效集是否与新的事实表集合存在交集,直至所述有效集中的维度表集合均与新的事实表集合不存在交集为止,确定最终的有效集以及最终的事实表集合。
5.根据权利要求1所述的方法,其中,所述全量物理模型为根据用户的需求将所有与所述数据多维分析模型相关的数据表相关联得到的模型;所述指标以及所述至少一个维度均由用户自定义得到;
所述基于全量物理模型、指标和至少一个维度,形成初始事实表集合和至少一个维度表集合,包括:
将所述全量物理模型中的所有包含所述指标的数据表相关联,形成初始事实表集合;
将所述全量物理模型中的所有包含所述至少一个维度的数据表相关联,形成至少一个维度表集合。
6.一种数据多维分析模型生成装置,包括:
成形单元,被配置成基于全量物理模型、指标和至少一个维度,形成初始事实表集合和至少一个维度表集合;
生成单元,被配置成响应于所述至少一个维度表集合与所述初始事实表集合之间存在交集,将与所述初始事实表集合存在交集的维度表集合融入所述初始事实表集合,生成新的事实表集合;
赋值单元,被配置成将所述至少一个维度表集合中所有与所述新的事实表集合不存在交集的维度表集合赋值给有效集;
确定单元,被配置成基于所述有效集以及所述新的事实表集合,确定最终的有效集以及最终的事实表集合;
成模单元,被配置成响应于确定所述最终的有效集中不存在维度表集合,则将所述最终的事实表集合作为数据多维分析模型。
7.根据权利要求6所述的装置,还包括:
建模单元,被配置成响应于确定所述最终的有效集中存在维度表集合,确定所述最终的有效集合中的每一个维度表集合的直接关联路径或间接关联路径,形成数据多维分析模型。
8.根据权利要求7所述的装置,其中,所述初始事实表集合以及所述至少一个维度表集合均包括:关联中间表;
所述建模单元包括:
路径判断模块,被配置成针对所述最终的有效集合中的每一个维度表集合,判断该维度表集合与所述最终的事实表集合是否有直接关联路径;
添加模块,被配置成响应于判断的结果为没有直接关联路径,将该维度表集合与所述最终的事实表集合之间的间接关联路径相关的关联中间表添加到该维度表集合中;
建模模块,被配置成响应于判断的结果为有直接关联路径,确定所述最终的有效集合中的下一个维度表集合的直接关联路径或间接关联路径,直至所述最终的有效集合中所有维度表集合与所述最终的事实表集合之间的关系均已确定,形成数据多维分析模型。
9.根据权利要求6或7所述的装置,其中,所述确定单元包括:
交集判断模块,被配置成判断所述有效集是否与所述新的事实表集合存在交集;
更新模块,被配置成响应于判断结果为所述有效集与所述新的事实表集合存在交集,基于存在交集的维度表集合,更新所述新的事实表集合;
赋值模块,被配置成所述有效集中有与所述新的事实表集合不存在交集的维度表集合,将所有与所述新的事实表集合不存在交集的维度表集合,重新赋值给所述有效集;
所述交集判断模块还被配置成继续判断所述有效集是否与新的事实表集合存在交集;
确定模块,被配置成响应于所述有效集中的维度表集合均与新的事实表集合不存在交集,确定最终的有效集以及最终的事实表集合。
10.根据权利要求6所述的装置,其中,所述全量物理模型为根据用户的需求将所有与所述数据多维分析模型相关的数据表相关联得到的模型;所述指标以及所述至少一个维度均由用户自定义得到;
所述成形单元包括:
事实成形模块,被配置成将所述全量物理模型中的所有包含所述指标的数据表相关联,形成初始事实表集合;
维度成形模块,被配置成将所述全量物理模型中的所有包含所述至少一个维度的数据表相关联,形成至少一个维度表集合。
11.一种电子设备,其特征在于,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权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011058895.6A CN112069155A (zh) | 2020-09-30 | 2020-09-30 | 数据多维分析模型生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011058895.6A CN112069155A (zh) | 2020-09-30 | 2020-09-30 | 数据多维分析模型生成方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112069155A true CN112069155A (zh) | 2020-12-11 |
Family
ID=73683640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011058895.6A Withdrawn CN112069155A (zh) | 2020-09-30 | 2020-09-30 | 数据多维分析模型生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112069155A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115982177A (zh) * | 2023-03-21 | 2023-04-18 | 浙江云融创新科技有限公司 | 一种基于树形维度的数据归集的方法、装置、设备及介质 |
-
2020
- 2020-09-30 CN CN202011058895.6A patent/CN112069155A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115982177A (zh) * | 2023-03-21 | 2023-04-18 | 浙江云融创新科技有限公司 | 一种基于树形维度的数据归集的方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230251898A1 (en) | Federated computing method, electronic device and storage medium | |
CN111488740B (zh) | 一种因果关系的判别方法、装置、电子设备及存储介质 | |
JP2021174516A (ja) | ナレッジグラフ構築方法、装置、電子機器、記憶媒体およびコンピュータプログラム | |
CN112269789A (zh) | 存储数据的方法和装置、以及读取数据的方法和装置 | |
CN113051446A (zh) | 拓扑关系查询方法、装置、电子设备和介质 | |
CN111967569A (zh) | 神经网络结构的生成方法、装置、存储介质及电子设备 | |
CN112466280B (zh) | 语音交互方法、装置、电子设备和可读存储介质 | |
CN111966633A (zh) | 用于查询目录下子节点的方法、装置、电子设备及介质 | |
CN111913808A (zh) | 任务分配的方法、装置、设备以及存储介质 | |
CN111158666A (zh) | 实体归一化处理方法、装置、设备及存储介质 | |
CN111966856A (zh) | 图片数据处理方法、装置、电子设备和存储介质 | |
CN111339462A (zh) | 一种组件渲染方法、装置、服务器、终端和介质 | |
CN112069155A (zh) | 数据多维分析模型生成方法和装置 | |
CN111984545B (zh) | 检测单元测试稳定性的方法、装置、电子设备及存储介质 | |
CN111428489B (zh) | 一种评论生成方法、装置、电子设备及存储介质 | |
CN111831752A (zh) | 分布式数据库的空间整理方法、装置、设备以及存储介质 | |
CN112016524A (zh) | 模型训练方法、人脸识别方法、装置、设备和介质 | |
CN111767149A (zh) | 调度方法、装置、设备及存储设备 | |
CN111177479A (zh) | 获取关系网络图中节点的特征向量的方法以及装置 | |
US11838294B2 (en) | Method for identifying user, storage medium, and electronic device | |
US11941055B2 (en) | Method and apparatus for graph computing, electronic device and storage medium | |
CN111340222B (zh) | 神经网络模型搜索方法、装置以及电子设备 | |
CN111539225B (zh) | 语义理解框架结构的搜索方法和装置 | |
CN113691403A (zh) | 拓扑节点配置方法、相关装置及计算机程序产品 | |
CN111523000A (zh) | 用于导入数据的方法、装置、设备以及存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201211 |