CN112100211B - 数据存储方法、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存储方法、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：对至少一个终端在预设时间窗口内所产生的数据进行指标聚合；基于预先设定的不同维度，对指标聚合后的数据进行维度聚合；将维度聚合后的数据存储到搜索分析引擎中。该实施方式通过对指标聚合后的数据进行不同维度的维度聚合，使得特定维度下数据的查询更容易，从而极大提高了数据的查询效率。

Description

数据存储方法、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，具体涉及数据存储方法、装置、电子设备和计算机可读介质。

背景技术

随着电子商务，多媒体传输的发展，以海量数据存储和管理的大数据应用场景应运而生。针对海量数据的存储问题，数据存储技术不仅要满足随时访问数据、不能丢失数据的需求，而且需满足磁盘占有率要低，访问速度要快的需求。由此，数据精简对海量存储有重要意义。希望通过对海量数据进行统计处理来提高存储空间的利用率及数据的查询效率。

相关数据存储技术，直接将指标聚合后的数据存储到搜索分析引擎中。由于指标聚合后数据的数据量大、存储空间大，降低了数据的查询速度。

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存储方法、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存储方法，包括：对至少一个终端在预设时间窗口内所产生的数据进行指标聚合；按照预先设定的不同维度，对指标聚合后的数据进行维度聚合；将维度聚合后的数据存储到搜索分析引擎中。

第二方面，本公开的一些实施例提供了一种数据存储装置，包括：指标聚合单元，被配置成对至少一个终端在预设时间窗口内所产生的数据进行指标聚合；维度聚合单元，被配置成按照预先设定的不同维度，对指标聚合后的数据进行维度聚合；存储单元，被配置成将维度聚合后的数据存储到搜索分析引擎中。

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：首先，通过对数据进行指标聚合，降低了数据量，节约了存储空间。之后，按照预先设定的维度对指标聚合后的数据进行维度聚合，得到数据在各个维度下聚合信息，使得后续的数据挖掘更有针对性，提高了数据的查询效率。最后，将维度聚合后的数据存储到搜索分析引擎中。通过对数据进行指标聚合及维度聚合使得存储在搜索分析引擎中的数据支持高的查询率。

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是本公开的一些实施例的数据存储方法的一个应用场景的示意图；

图2是根据本公开的数据存储方法的一些实施例的流程图；

图3是根据本公开的一些实施例的对视频数据进行指标聚合的示意图；

图4是根据本公开的一些实施例的对指标聚合后的数据进行维度聚合的示意图；

图5是根据本公开的数据存储方法的另一些实施例的流程图；

图6是根据本公开的数据存储装置的一些实施例的结构示意图；

图7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示出了可以应用本公开的一些实施例的数据存储方法的一个应用场景的示意图。

如图1所示，计算设备101可以首先读取待处理的数据102。在这里，作为示例，待处理的数据102可以是观看视频产生的数据。该数据是由终端1、终端2在10秒内产生的数据，记录了下载次数、视频来源、用户id等信息。首先，计算设备101按照数据来源、用户id，对上述待处理的数据102进行指标聚合，得到指标聚合后得数据103。之后，计算设备101分别按照数据来源、用户id进行维度聚合，分别得到维度聚合后数据104及105。

最后，计算设备101将维度聚合后的数据存储到搜索分析引擎中106。

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存储方法的一些实施例的流程200。该数据存储方法，包括以下步骤：

步骤201，对至少一个终端在预设时间窗口内所产生的数据进行指标聚合。

在一些实施例中，上述数据包含多个维度。其中，上述维度是事物或现象的某种特征。例如，性别、地区、时间等都是维度。

在一些实施例中，数据存储方法的执行主体(例如图1所示的计算设备)可以对数据中所包含的维度进行组合，用所包含的多个维度描述一个指标，从而完成指标聚合。实践中，维度之间可以进行组合，用多个维度描述一个指标。例如，A商品在B地区的销售金额为1000万。

其中，上述数据在这里可以是至少一个终端的各种应用产品产生的数据。例如，视频数据、销售数据。

其中，上述指标聚合是对一个查询的数据集中某个指标的数据的进行聚合。例如，找出某个指标的最大值、最小值、计算和、平均值等。其中，上述指标是用于衡量事物发展程度的度量，需要经过加和、平均等汇总计算方式得到，并且是需要在一定的前提条件进行汇总计算，如时间、地点、范围。

作为示例，参考图3，现有用户观看视频产生的数据301。该数据包含观看次数、观看时长3秒下载次数、下载次数及观看时长5秒下载次数及用户所在地区、视频id，用户id等信息。现对具有相同的用户所在地区、视频id，用户id的数据进行指标聚合，得到指标聚合后的数据302。

步骤202，基于预先设定的不同维度对指标聚合后的数据进行维度聚合。

在一些实施例中，数据存储方法的执行主体分别关于上述预先设定的不同维度，分别对指标聚合后的数据进行单一维度下的聚合，得到不同维度下的多个聚合数据。

在一些实施例的一些可选实现方式中，步骤202还可以如下进行：首先，基于每个不同维度，对上述指标聚合后的数据进行分组。之后，对每个分组的数据进行维度聚合。其中，上述维度聚合指数据关于某个单一维度进行聚合。

作为示例，对图3中指标聚合后的视频数据302进行不同维度下的聚合。首先，按照用户所在地区、用户id及视频id对指标聚合后的数据302进行分组，得到3个分组数据。之后，分别对上述3个分组中数据进行关于观看次数、观看时长3秒下载次数、下载次数及观看时长5秒下载次数等指标字段的维度聚合，得到不同维度下聚合后的数据(如图4所示)。

可选的，步骤202还可以包括以下步骤：从写入指标聚合后的数据的消息队列读取指标聚合后数据。

可选的，步骤202还可以包括以下步骤：将上述维度聚合后的数据写入到消息队列中

步骤203，将维度聚合后的数据存储到搜索分析引擎中。

在一些实施例中，上述搜索分析引擎可以包括但不限于以下至少一项：ES(实时分布式搜索和分析引擎，Elasticsearch)、Solr(全文搜索服务器)、Hermes(基于大索引技术的海量数据实时检索分析平台)及Lucene(全文检索引擎的架构)。

在一些实施例中，上述将维度聚合后的数据写入到搜索分析引擎中，可以如下步骤进行：

第一步，上述执行主体从存有维度聚合后的数据的消息队列中读取维度聚合后的数据，获得聚合后的数据。

第二步，将数据写入到搜索分析引擎。

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：首先，通过对数据进行指标聚合，降低了数据量，节约了存储空间。之后，按照预先设定的维度对指标聚合后的数据进行维度聚合，得到数据在各个维度下聚合信息，使得后续的数据挖掘更有针对性，提高了数据的查询效率。最后，将维度聚合后的数据存储到搜索分析引擎中。通过对数据进行指标聚合及维度聚合，使得存储在搜索分析引擎中的数据支持高的查询率。

进一步参考图5，其示出了数据存储方法的另一些实施例的流程500。该数据存储方法的流程500，包括以下步骤：

步骤501，基于至少一个终端在预设时间窗口内所产生的数据包含的各个维度，对上述数据进行分组，得到多个分组后的数据。

在一些实施例中，上述执行主体可以将上述数据中包含的所有维度信息相同的数据分为一组，得到多个分组后的数据。

步骤502，对上述每个分组中的数据进行指标聚合。

在一些实施例中，上述执行主体对上述数据进行关于上述数据包含的指标的聚合。

其中，指标聚合是对一个查询的数据集中某个指标的数据的进行聚合。例如，找出某个指标字段的最大值、最小值，计算和、平均值等。

步骤503，基于预先设定的不同维度，对指标聚合后的数据进行维度聚合。

在一些实施例中，步骤503可以如下进行：

步骤5031，基于上述每个不同维度，对指标聚合后的数据进行分组。

在一些实施例中，上述执行主体可以分别将上述数据中关于每个维度下信息相同的数据划分为一组。

步骤5032，对上述每个分组中的数据进行维度聚合。

在一些实施例中，上述维度聚合是在基于每个维度信息完成对一个查询的数据集中数据的聚合计算。

步骤504，将维度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，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维度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。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5中可以看出，与图2对应的一些实施例的描述相比，图5对应的一些实施例中的数据存储方法的流程500突出了将聚合后的数据存储到实时分布式搜索和分析引擎中这个步骤。通过将维度聚合后的数据存储到实时分布式搜索和分析引擎中，实现了对海量数据的实时处理与存储。由此，得到了一种面向海量实时数据且支持高QPS(每秒查询率，Queries Per Second)查询的数据统计存储方法。

进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种数据存储装置的一些实施例，这些装置实施例与图2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6所示，一些实施例的数据存储装置600包括：指标聚合单元601、维度聚合单元602和存储单元603。其中，指标聚合单元，被配置成对至少一个终端在预设时间窗口内所产生的数据进行指标聚合；维度聚合单元，被配置成基于预先设定的不同维度，对指标聚合后的数据进行维度聚合；存储单元，被配置成将维度聚合后的数据存储到搜索分析引擎中。

在一些实施例的可选实现方式中，其中，上述数据的各个指标存在一个指标字段中。

在一些实施例的可选实现方式中，上述数据存储装置600的指标聚合单元进一步被配置成：基于上述数据包含的各个维度，对上述数据进行分组，得到多个分组后的数据；对上述每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，上述数据存储装置600的维度聚合单元进一步被配置成：基于上述每个不同维度，对指标聚合后的数据进行分组；对上述每个分组中的数据进行维度聚合。

在一些实施例的可选实现方式中，上述数据存储装置600的存储单元进一步被配置成：将维度聚合后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600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600及其中包含的单元，在此不再赘述。

下面参考图7，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)700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7示出的电子设备仅是一个示例，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7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

通常，以下装置可以连接至I/O接口705：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706；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，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7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709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701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中记载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：对至少一个终端在预设时间窗口内所产生的数据进行指标聚合；基于预先设定的不同维度，对指标聚合后的数据进行维度聚合；将维度聚合后的数据存储到搜索分析引擎中。

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，图示了按照本申请各种实施例的系统、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。

描述于本申请实施例中所涉及到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：一种处理器包括指标聚合单元、维度聚合单元和存储单元。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，存储单元单元还可以被描述为“将维度聚合后的数据存储到搜索分析引擎中的单元”。

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，提供了一种数据存储方法，包括：对至少一个终端在预设时间窗口内所产生的数据进行指标聚合；基于预先设定的不同维度，对指标聚合后的数据进行维度聚合；将维度聚合后的数据存储到搜索分析引擎中。

根据本公开的一个或多个实施例，上述对至少一个终端在预设时间窗口内所产生的数据进行指标聚合，包括：基于上述数据包含的各个维度，对上述数据进行分组，得到多个分组后的数据；对上述每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，上述基于预先设定的不同维度，对指标聚合后的数据进行维度聚合，包括：基于上述每个不同维度，对指标聚合后的数据进行分组；对上述每个分组中的数据进行维度聚合。

根据本公开的一个或多个实施例，上述将维度聚合后的数据存储到搜索分析引擎中，包括：将维度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，提供了一种数据存储装置包括：指标聚合单元，被配置成对至少一个终端在预设时间窗口内所产生的数据进行指标聚合；维度聚合单元，被配置成基于预先设定的不同维度，对指标聚合后的数据进行维度聚合；存储单元，被配置成将维度聚合后的数据存储到搜索分析引擎中。

根据本公开的一个或多个实施例，上述指标聚合单元进一步被配置成：基于上述数据包含的各个维度，对上述数据进行分组，得到多个分组后的数据；对上述每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，上述维度聚合单元进一步被配置成：基于上述每个不同维度，对指标聚合后的数据进行分组；对上述每个分组中的数据进行维度聚合。

根据本公开的一个或多个实施例，上述存储单元进一步被配置成：将维度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，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，所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 (10)

1.一种数据存储方法，包括：

对至少一个终端在预设时间窗口内所产生的包含多个维度的数据进行指标聚合，以对数据中所包含的维度进行组合，用所包含的多个维度描述一个指标；

基于预先设定的不同维度，对指标聚合后的数据进行单一维度下的维度聚合，得到不同维度下的多个聚合数据；

将不同维度下的多个聚合数据存储到搜索分析引擎中。

2.根据权利要求1所述的方法，其中，所述对至少一个终端在预设时间窗口内所产生的包含多个维度的数据进行指标聚合，包括：

基于所述数据包含的各个维度，对所述数据进行分组，得到多个分组后的数据；

对所述每个分组中的数据进行指标聚合。

3.根据权利要求1或2所述的方法，其中，所述基于预先设定的不同维度，对指标聚合后的数据进行单一维度下的维度聚合，得到不同维度下的多个聚合数据，包括：

基于所述每个不同维度，对指标聚合后的数据进行分组；

对所述每个分组中的数据进行维度聚合，得到不同维度下的多个聚合数据。

4.根据权利要求3所述的方法，其中，所述将不同维度下的多个聚合数据存储到搜索分析引擎中，包括：

将维度聚合后的数据存储到实时分布式搜索和分析引擎中。

5.一种数据存储装置，包括：

指标聚合单元，被配置成对至少一个终端在预设时间窗口内所产生的包含多个维度的数据进行指标聚合，以对数据中所包含的维度进行组合，用所包含的多个维度描述一个指标；

维度聚合单元，被配置成基于预先设定的不同维度，对指标聚合后的数据进行单一维度下的维度聚合，得到不同维度下的多个聚合数据；

存储单元，被配置成将不同维度下的多个聚合数据存储到搜索分析引擎中。

6.根据权利要求5所述的装置，其中，所述指标聚合单元进一步被配置成：

基于所述数据包含的各个维度，对所述数据进行分组，得到多个分组后的数据；

对所述每个分组中的数据进行指标聚合。

7.根据权利要求5或6所述的装置，其中，所述维度聚合单元进一步被配置成：

基于所述每个不同维度，对指标聚合后的数据进行分组；

对所述每个分组中的数据进行维度聚合。

8.根据权利要求7所述的装置，其中，所述存储单元进一步被配置成：

将维度聚合后的数据存储到实时分布式搜索和分析引擎中。

9.一种电子设备，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1-4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，其中，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