CN112100159A - 数据处理方法、装置、电子设备和计算机可读介质 - Google Patents

Abstract

本公开的实施例公开了数据处理方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：基于数据库配置信息，对至少一个终端在预设时间窗口内所产生的数据添加指标字段；对已添加指标字段的数据进行指标聚合；将指标聚合后的数据存储到实时分布式搜索和分析引擎中。该实施方式通过根据数据库的配置信息对来自不同终端的数据添加指标字段，简化了后续数据处理过程，提高了数据处理效率。

Description

数据处理方法、装置、电子设备和计算机可读介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及数据处理方法、装置、电子设备和计算机可读介质。

背景技术

随着大数据及云计算技术广泛应用以及智能设备的广泛普及，各种终端用户每天可以产生包含各种事件的、海量的数据。对这些拥有细粒度的海量数据进行处理面临着巨大的挑战。为了提取数据中有用的信息，需要对数据中各种指标进行分析。合理的筛选对业务需求有价值的指标，支持指标灵活扩展的数据处理方式，能更方便的挖掘数据中蕴藏的价值。

现有的技术对数据中需要进行分析的各个指标添加独立的指标字段，数据处理效率低且不支持指标的灵活扩展。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了数据处理方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。

第一方面，本公开的一些实施例提供了一种数据处理方法，该方法包括：基于数据库配置信息，对至少一个终端在预设时间窗口内所产生的数据添加指标字段；对已添加指标字段的数据进行指标聚合；将指标聚合后的数据存储到实时分布式搜索和分析引擎中。

第二方面，本公开的一些实施例提供了一种数据处理装置，该装置包括：添加单元，被配置成基于数据库配置信息，对至少一个终端在预设时间窗口内所产生的数据添加指标字段；聚合单元，被配置成对已添加指标字段的数据进行指标聚合；存储单元，被配置成将指标聚合后的数据存储到实时分布式搜索和分析引擎中。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本公开的上述各个实施例中的一个实施例具有如下有益效果：根据数据库的配置信息，对来自不同终端的数据添加指标字段，简化了后续数据处理过程，提高了数据处理效率。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1是根据本公开的一些实施例的数据处理方法的一个应用场景的示意图；

图2是根据本公开的数据处理方法的一些实施例的流程图；

图3是根据本公开的数据处理方法的另一些实施例的流程图；

图4是根据本公开的数据处理装置的一些实施例的结构示意图；

图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是根据本公开一些实施例的数据处理方法的一个应用场景的示意图。

如图1所示，计算设备101读取待处理的数据102。其中，待处理的数据102可以是观看视频产生的数据。作为示例，上述数据可以是由终端1在5秒内产生的数据，记录了观看时长、视频来源、是否下载等信息。首先，计算设备101读取数据库配置信息。其中，上述数据库配置信息设置了生成数据的格式。根据读取到的数据库的配置信息，对上述数据102添加观看时长、视频来源、下载次数等字段，得到带有添加指标字段的数据103。

之后，计算设备101对已添加指标字段的数据103进行关于下载次数这个指标字段的聚合。即对相同来源的视频对下载次数进行求和，得到指标聚合后得数据104。

最后，计算设备101将指标聚合后的数据存储到实时分布式搜索和分析引擎中，例如ES(搜索分析引擎，ElasticSearch)。

需要说明的是需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的计算设备101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计算设备101。

继续参考图2，示出了根据本公开的数据处理方法的一些实施例的流程200。该数据处理方法，包括以下步骤：

步骤201，基于数据库配置信息，对至少一个终端在预设时间窗口内所产生的数据添加指标字段。

在一些实施例中，数据处理方法的执行主体(例如图1计算设备)可以首先读取至少一个终端在预设时间窗口内产生的实时计算的原始数据。例如，全国手机用户在一个小时内浏览网页过程中产生的数据。之后，上述执行主体根据读取到的数据库中的配置信息，为上述数据需要统计的指标添加指标字段。

其中，上述指标是用于衡量事物发展程度的度量。例如，视频数据的指标可以包括下载次数，观看时长等。

其中，消息队列是传输数据的中间件，可以解决数据传输中的异步，数据丢失等问题。在实践中，消息队列可以是ActiveMQ、RabbitMQ、RocketMQ或Kafka。

在一些实施例中，数据处理方法的执行主体读取数据库配置信息设置的数据的格式，按照该格式为上述数据添加多个指标字段。其中，多个指标字段可以是基于业务要求预先设定的，也可以是基于数据所包含的信息本身设定的。

其中，上述数据库配置信息包含了数据库存储数据的格式。

可选的，执行主体还可以将已添加指标字段的数据写入到消息队列中。

步骤202，对已添加指标字段的数据进行指标聚合。

在一些实施例中，上述执行主体在进行指标聚合处理之前，需根据数据库配置信息，为将要生成的数据添加相同的指标字段。之后，从消息队列中读取已添加指标字段的数据。再之后，按照指标信息对数据进行聚合。

其中，指标聚合是完成对一个查询的数据集中数据的聚合计算。例如，找出某个指标字段的最大值、最小值，计算和、平均值等。

例如，对北京地区某条广告在13：00-14：00时间段内的点击量作聚合，就是利用聚合函数对北京地区在13：00-14：00时间段内该广告点击次数作累加。

可选的，上述执行主体还可以将聚合后的数据写入到消息队列中。

步骤203，将指标聚合后的数据存储到实时分布式搜索和分析引擎中。

在一些实施例中，首先，上述执行主体从存有聚合后的数据的消息队列中读取数据，获得聚合后的数据。之后，将上述数据写入到实时分布式搜索和分析引擎中。

其中，常见的实时分布式搜索和分析引擎有ES(实时分布式搜索和分析引擎，Elasticsearch)、Solandra(基于Solr和Cassandra的实时分布式搜索引擎)及Hermes(基于大索引技术的海量数据实时检索分析平台)。其中，ES是一个分布式、可扩展、实时的搜索与数据分析引擎，且ES本身只存储结果数据，自身带有聚合功能。它使得实时处理大数据成为可能。

作为示例，上述数据处理执行主体将指标聚合后的数据存储到ES中。首先，建立ES索引。其中，在创建索引时，可以预先设定映射，设置好数据类型及字段。之后，执行主体会按照设置好的映射讲数据写入到ES索引中。其中，ES的索引类似于数据库，类型类似于数据库中的一张表。

本公开的上述各个实施例中的一个实施例具有如下有益效果：通过对新加入的数据添加指标字段，方便了后续数据处理过程。之后，对数据聚合处理将需要分析的信息进行汇总降低数据量。最后，通过将数据写入实时分布式搜索和分析引擎方便实时分析数据、挖掘数据中潜在的价值。由此，通过对新加入的数据添加指标字段以及对数据聚合处理，方便了海量的数据的处理过程并降低了数据的存储空间。

进一步参考图3，示出了根据本公开的数据处理方法的一些实施例的流程300。该数据处理方法，包括以下步骤：

步骤301，基于数据库配置信息，对数据进行筛选，得到筛选数据。

在一些实施例中，上述数据库配置信息配置了数据中要统计的指标，该数据库配置信息所配置的指标可以根据已有的数据及业务需求进行设置。

在一些实施例中，作为示例，数据库配置信息中的预设数据库配置信息可以基于spark框架，通过sql语言设置。

可选的，预设的数据库配置信息配置的数据中要统计的指标可以包括以下至少一项：观看时长、观看次数、点击量、下载次数和观看预设时间后的下载量。

在一些实施例中，上述数据是至少一个终端在预设时间窗口内所产生的原始数据。其中，上述原始数据记录了各种信息，执行主体不需要对所有信息进行存储或分析，需要按照数据库配置信息所配置的指标对上述多指标的数据所包含的信息进行筛选。

其中，上述数据库配置信息预先设定了上述数据需要进行分析的各个指标。

步骤302，对上述筛选数据添加指标字段。

在一些实施例中，步骤302可以如下进行：

步骤3021，将上述筛选数据包含的多个指标整合到一个指标列表。

在一些实施例中，上述筛选数据的每条数据包含了需要分析的各个指标信息。

步骤3022，为上述指标列表添加一个指标字段。

在步骤302中，通过将各个指标信息整合到一个指标字段，使得后续的处理过程，可以自动完成。减少了现有技术添加指标字段的繁琐步骤，方便新的数据添加指标字段，同时支持指标的灵活扩展。

步骤303，对已添加指标字段的数据进行指标聚合。

在一些实施例中，上述执行主体对已添加指标字段的数据进行指标聚合可以如下进行：

步骤3031，按照上述已添加指标字段的数据所包含的特定指标，对上述已添加指标字段的数据进行分组。

在一些实施例中，上述特定指标可以是用于描述事物或现象的某种特征。例如，视频数据可以包含数据产生的终端这个指标，用来描述产生视频的来源。

在一些实施例中，上述执行主体将上述数据中各个特定指标都相同的数据分为一组。例如，将用户在东南地区且在13：00到14：00之间观看视频1的数据分为一组。将用户在西北地区且在13：00到14：00之间观看视频1的数据分为另一组。在这个例子中同一分组的数据中三个描述属性的指标信息(用户所在地区、数据产生的时间段、视频编号)均相同。

步骤3032，对各个分组中的数据进行指标聚合。

在一些实施例中，上述指标聚合可以是分析预定指标字段的和、最小值、最大值或平均值。

步骤304，将指标聚合后的数据存储到实时分布式搜索和分析引擎中。

在一些实施例中，步骤304可以如下进行：

步骤3041，将上述指标聚合后的数据中存有多个指标的指标字段拆分成包含一个指标的多个指标字段。

在一些实施例中，上述执行主体将存有各个指标的指标字段拆分成多个包含一个指标的指标字段。

步骤3042，将拆分指标字段的数据存储到实时分布式搜索和分析引擎中。

在一些实施例中，上述实时分布式搜索和分析引擎可以进行分布式的实时文件存储和分布式的实时分析搜索，可以处理结构化和非结构化数据。

在一些实施例中，作为示例，上述数据处理执行主体将指标聚合后的数据存储到ES中。首先，建立ES索引。其中，在创建索引时，可以预先设定映射，设置好数据类型及字段。之后，执行主体会按照设置好的映射将数据写入到ES索引中。由此，数据以一定的组织方式写入到ES中。其中，ES的索引类似于数据库，类型类似于数据库中的一张表。

其中，ES是一个分布式、可扩展、实时的搜索与数据分析引擎，且ES本身只存储结果数据，自身带有聚合功能。它使得实时处理大数据成为可能。

从图3中可以看出，与图2对应的一些实施例的描述相比，图3对应的一些实施例中的数据处理方法的流程300通过将数据中各个指标信息整合到一个指标字段，使得后续处理种指标添加可以自动完成。减少了后续数据处理中的繁琐步骤，同时支持指标字段的灵活扩展。

进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种数据处理装置的一些实施例，这些装置实施例与图5所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，一些实施例的数据处理装置400包括：添加单元401、聚合单元402、存储单元403。其中，添加单元，被配置成基于数据库配置信息，对至少一个终端在预设时间窗口内所产生的数据添加指标字段；聚合单元，被配置成对已添加指标字段的数据进行指标聚合；存储单元，被配置成将指标聚合后的数据存储到实时分布式搜索和分析引擎中。

在一些实施例的可选实现方式中，上述数据处理装置400的添加单元401进一步被配置成：基于上述数据库配置信息，对上述数据进行筛选，得到筛选数据；对上述筛选数据添加指标字段。

在一些实施例的可选实现方式中，上述数据处理装置400的添加单元401进一步被配置成：将上述筛选数据包含的多个指标整合到一个指标列表；为上述指标列表添加一个指标字段。

在一些实施例的可选实现方式中，上述数据处理装置400的聚合单元402进一步被配置成：按照上述已添加指标字段的数据所包含的特定指标，对上述已添加指标字段的数据进行分组；对各个分组中的数据进行指标聚合。

在一些实施例的可选实现方式中，上述数据处理装置400的存储单元403进一步被配置成：将上述指标聚合后的数据中存有多个指标的指标字段拆分成包含一个指标的多个指标字段；将拆分指标字段的数据存储到实时分布式搜索和分析引擎中。

可以理解的是，该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元，在此不再赘述。

下面参考图5，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备)500的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，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，本公开的一些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。在这样的一些实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例所述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。在本公开的一些实施例中，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。而在本公开的一些实施例中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。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该电子设备执行时，使得该电子设备：基于数据库配置信息，对至少一个终端在预设时间窗口内所产生的数据添加指标字段；对已添加指标字段的数据进行指标聚合；将指标聚合后的数据存储到实时分布式搜索和分析引擎中。

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公开的一些实施例的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)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、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，该模块、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，框图和/或流程图中的每个方框、以及框图和/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。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括添加单元、聚合单元、存储单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，聚合单元还可以被描述为“对已添加指标字段的数据进行指标聚合的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

根据本公开的一个或多个实施例，提供了一种数据处理方法，包括：基于数据库配置信息，对至少一个终端在预设时间窗口内所产生的数据添加指标字段；对已添加指标字段的数据进行指标聚合；将指标聚合后的数据存储到实时分布式搜索和分析引擎中。

根据本公开的一个或多个实施例，上述基于数据库配置信息，对至少一个终端在预设时间窗口内所产生的数据添加指标字段，包括：基于上述数据库配置信息，对上述数据进行筛选，得到筛选数据；对上述筛选数据添加指标字段。

根据本公开的一个或多个实施例，上述对上述筛选数据添加指标字段，包括：将上述筛选数据包含的多个指标整合到一个指标列表；为上述指标列表添加一个指标字段。

根据本公开的一个或多个实施例，上述对已添加指标字段的数据进行指标聚合，包括：按照上述已添加指标字段的数据所包含的特定指标，对上述已添加指标字段的数据进行分组；对各个分组中的数据进行指标聚合。

根据本公开的一个或多个实施例，上述将指标聚合后的数据存储到实时分布式搜索和分析引擎中，包括：将上述指标聚合后的数据中存有多个指标的指标字段拆分成包含一个指标的多个指标字段；将拆分指标字段的数据存储到实时分布式搜索和分析引擎中。

根据本公开的一个或多个实施例，提供了一种数据处理装置包括：添加单元，被配置成基于数据库配置信息，对至少一个终端在预设时间窗口内所产生的数据添加指标字段；聚合单元，被配置成对已添加指标字段的数据进行指标聚合；存储单元，被配置成将指标聚合后的数据存储到实时分布式搜索和分析引擎中。

根据本公开的一个或多个实施例，上述添加单元可以进一步被配置成：基于上述数据库配置信息，对上述数据进行筛选，得到筛选数据；对上述筛选数据添加指标字段。

根据本公开的一个或多个实施例，上述添加单元可以进一步被配置成：将上述筛选数据包含的多个指标整合到一个指标列表；为上述指标列表添加一个指标字段。

根据本公开的一个或多个实施例，上述聚合单元还可以进一步被配置成：按照上述已添加指标字段的数据所包含的特定指标，对上述已添加指标字段的数据进行分组；对各个分组中的数据进行指标聚合。

根据本公开的一个或多个实施例，上述存储单元可以进一步被配置成：将上述指标聚合后的数据中存有多个指标的指标字段拆分成包含一个指标的多个指标字段；将拆分指标字段的数据存储到实时分布式搜索和分析引擎中。

根据本公开的一个或多个实施例，提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上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上述任一所述的方法。

根据本公开的一个或多个实施例，提供了一种计算机可读介质，其上存储有计算机程序，其中，上述程序被处理器执行时实现上述任一的方法。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种数据处理方法，包括：

基于数据库配置信息，对至少一个终端在预设时间窗口内所产生的数据添加指标字段；

对已添加指标字段的数据进行指标聚合；

将指标聚合后的数据存储到实时分布式搜索和分析引擎中。

2.根据权利要求1所述的方法，其中，所述基于数据库配置信息，对至少一个终端在预设时间窗口内所产生的数据添加指标字段，包括：

基于所述数据库配置信息，对所述数据进行筛选，得到筛选数据；

对所述筛选数据添加指标字段。

3.根据权利要求2所述的方法，其中，所述对所述筛选数据添加指标字段，包括：

将所述筛选数据包含的多个指标整合到一个指标列表；

为所述指标列表添加一个指标字段。

4.根据权利要求1所述的方法，其中，所述对已添加指标字段的数据进行指标聚合，包括：

按照所述已添加指标字段的数据所包含的特定指标，对所述已添加指标字段的数据进行分组；对各个分组中的数据进行指标聚合。

5.根据权利要求1所述的方法，其中，所述将指标聚合后的数据存储到实时分布式搜索和分析引擎中，包括：

将所述指标聚合后的数据中存有多个指标的指标字段拆分成包含一个指标的多个指标字段；

将拆分指标字段的数据存储到实时分布式搜索和分析引擎中。

6.一种数据处理装置，包括：

添加单元，被配置成基于数据库配置信息，对至少一个终端在预设时间窗口内所产生的数据添加指标字段；

聚合单元，被配置成对已添加指标字段的数据进行指标聚合；

存储单元，被配置成将指标聚合后的数据存储到实时分布式搜索和分析引擎中。

7.根据权利要求6所述的装置，其中，所述添加单元进一步被配置成：

基于所述数据库配置信息，对所述数据进行筛选，得到筛选数据；

对所述筛选数据添加指标字段。

8.根据权利要求7所述的装置，其中，所述添加单元进一步被配置成：

将所述筛选数据包含的多个指标整合到一个指标列表；

为所述指标列表添加一个指标字段。

9.根据权利要求6所述的装置，其中，所述聚合单元进一步被配置成：

按照所述已添加指标字段的数据所包含的特定指标，对所述已添加指标字段的数据进行分组；

对各个分组中的数据进行指标聚合。

10.根据权利要求6所述的装置，其中，所述存储单元进一步被配置成：

将所述指标聚合后的数据中存有多个指标的指标字段拆分成包含一个指标的多个指标字段；

将拆分指标字段的数据存储到实时分布式搜索和分析引擎中。

11.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

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1-5中任一所述的方法。

12.一种计算机可读介质，其上存储有计算机程序，其中，所述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。

Images