CN112214884B - 一种数据模型管理方法和装置 - Google Patents

Abstract

本申请公开了一种数据模型管理方法和装置，所述方法包括：通过模型生产模块基于预先设置的至少一个模型生产组件，生成可运行的数据模型；通过模型发布模块将数据模型发布至模型售卖平台；通过模型售卖平台将数据模型转化成模型商品供用户购买；通过模型下载模块响应于用户对数据模型的第一预设操作，对数据模型进行与第一预设操作对应的处理，第一预设操作包括预览、购买、下载、编辑、调试、升级、分享、评分、评论和点赞等操作中的一种或多种。由于该方法及装置提供了一套从数据模型生产、发布、上架售卖到下载复用等模型价值相关的全生命周期自动化管理方案，因此可以提高数据模型的生产、使用效率，从而可以提升应用数据模型的企业的生产力。

Description

一种数据模型管理方法和装置

技术领域

本申请涉及计算机领域，尤其涉及一种数据模型管理方法和装置。

背景技术

在数据处理领域，常将数据加工或处理算法抽象成数据模型，然后使用数据模型对接入的数据源进行处理得到目标数据。数据模型，可以理解为是数据数据处理架构设计图的抽象，是一种用于反映数据处理过程中的数据结构特点和数据血缘关系的图谱。

目前，先由设计人员设计出数据模型图(可简称为“模型设计”)，再由开发人员通过编写代码等方式转化成可以应用于生产环境(可运行)的数据模型 (可简称为“模型实践”)，然后进行上线发布等。

但是，现有的数据模型的管理方案存在诸多缺陷，例如，价值转换过程缓慢等，亟待改进。

发明内容

本申请实施例提供一种数据模型管理方法和装置，以对数据模型进行更好的管理，克服相关技术中的数据模型管理中存在的缺陷。

第一方面，本申请实施例提供一种数据模型管理方法，包括：

通过模型生产模块基于预先设置的至少一个模型生产组件，生成可运行的数据模型；

通过模型发布模块将所述数据模型发布至所述模型售卖平台；

通过模型售卖平台将所述数据模型转化成模型商品供用户购买；

通过模型下载模块响应于用户对所述数据模型的第一预设操作，对所述数据模型进行与所述第一预设操作对应的处理，其中，所述第一预设操作包括预览、购买、下载、编辑、调试、升级、分享、评分、评论和点赞中的一种或多种。。

第二方面，本申请实施例还提供一种数据模型管理装置，包括：模型生产模块、模型发布模块、模型售卖平台和模型下载模块，其中，

所述模型生产模块，用于基于预先设置的至少一个模型生产组件，生成可运行的数据模型；

所述模型发布模块，用于将所述数据模型发布至所述模型售卖平台；

所述模型售卖平台，用于将所述数据模型转化成模型商品供用户购买；

所述模型下载模块，用于响应于用户对所述数据模型的第一预设操作，对所述数据模型进行与所述第一预设操作对应的处理，其中，所述第一预设操作包括预览、购买、下载、编辑、调试、升级、分享、评分、评论和点赞中的一种或多种。

第三方面，本申请实施例提供了一种电子设备，包括：存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机可执行指令，所述计算机可执行指令被所述处理器执行时实现如上述第一方面所述的装置的步骤。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机可执行指令，所述计算机可执行指令被处理器执行时实现如上述第一方面所述的装置的步骤。

本申请实施例采用的上述至少一个技术方案能够达到下述至少一种有益效果：一方面，由于提供了一套从数据模型生产、发布、上架售卖到下载复用等一系列的模型价值相关的全生命周期自动化管理方案，因此可以更快、更好地实现模型价值产生及转换的目的，提高了数据模型的生产、使用效率，从而可以提升应用数据模型的企业的生产力；另一方面，由于可以通过模型生产模块基于预先设置的至少一个模型生产组件，生成可运行的数据模型，而不是先完成模型设计再进行模型实践，因此可以避免模型设计与模型实践相互割裂的问题，缩短了数据模型的生产周期。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请的一个实施例提供的一种数据模型管理方法的流程示意图。

图2为图1中所示的步骤101的一种详细实现流程示意图。

图3为图1中所示的步骤101的另一种详细实现流程示意图。

图4为本申请的一个实施例提供的一种模型引擎的结构示意图。

图5为本申请的另一实施例提供的一种数据模型管理方法的流程示意图。

图6为本申请的一个实施例提供的一种数据模型管理装置的结构示意图。

图7为图6中所示的模型生产模块601的一种详细结构示意图。

图8为图6中所示的模型生产模块601的另一种详细结构示意图。

图9为本申请的另一实施例提供的一种数据模型管理装置的结构示意图。

图10为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

现有的数据模型的管理方案，模型实践滞后于模型设计，模型设计与模型实践存在信息的不对称性，模型实践的复用成本高等一系列难题；同时无法实现模型设计的工程可视化、交互探索、即席可见以及模型设计与模型实践的融合、共享协同与复用升级、模型价值转换等；此外，也很难实现批处理系统与流处理系统的融合，也无法应对批处理、流处理混合应用的场景，局限性很大。因此无法很好的、灵活的应对复杂多变的数据加工处理场景。

为了改善相关技术中的数据模型管理方案存在的是上述至少一种缺陷，本申请实施例提供了一种数据模型管理方法和装置。该方法和装置，可以应用于数据模型管理系统中，该系统具有可视化操作界面，在该可视化操作界面中，可以通过拖拽预先设置的模型生产组件生成可运行的数据模型，等等。该系统可以运行在电子设备中，例如终端设备或服务端设备。换言之，上述方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。

为了方便理解，下面先对本申请实施例中涉及的术语进行说明。

数据融合技术，是指利用计算机对获得的(可以是按时序获得的)若干观测数据，在一定准则下加以自动分析、综合，以完成所需的决策和评估任务而进行的数据处理技术。

无边界数据(Unbounded data)，简称无界数据，是一种不断增长、无限的数据集，也叫流数据(Streaming Data)，它是一种持续生成，本质上是无穷尽的数据集。

有边界数据(Bounded data)，简称有界数据，是一种有限的数据集。

流处理系统，是指对运动中的数据进行持续处理的系统，即在生成或接收数据时直接对数据进行处理，一般没有延迟或延迟很低。流处理的输入数据一般是无界数据，流处理系统可依据具体的应用场景来关注数据的事件时间还是处理时间，特点是高吞吐、低延迟，所需的响应时间一般以毫秒(或微秒)来进行计算。

批处理系统，是将一系列相关联的任务按顺序(或并行)一个接一个地执行的系统。批处理的输入是在一段时间内已经收集保存好的数据，每次批处理所产生的输出也可以作为下一次批处理的输入。大部分情况下，批处理的输入数据是有界数据，输出结果也一样是有界数据，批处理更多关注的是事件时间。在许多情况下，批处理任务会被安排，以预先定义好的时间间隔来运行，批处理任务具有高延迟性的特点。

数据模型，一般是数据融合技术中的概念，具体可以理解为是数据数据处理架构设计图的抽象，是一种用于反映数据处理过程中的数据结构特点和数据血缘关系的图谱。

模型数据，也是数据融合技术中的概念，是数据模型中的数据源的抽象。

模型视图，也是数据融合技术中的概念，是数据模型中数据处理结果集的抽象。

下面对本申请实施例提供的一种数据模型管理方法进行说明，该方法描述了数据模型从生产创造(可以看作是产出价值)到价值变现及价值升级等模型价值的整个价值转换过程。

图1示出了本申请实施例提供的一种数据模型管理方法的一种流程示意图。如图1所示，该方法可以包括：

步骤101、通过模型生产模块基于预先设置的至少一个模型生产组件，生成可运行的数据模型。

模型生产组件可以是预先对模型生产所用的数据和方法进行封装得到的。可以理解，使用模型生产组件生成数据模型可以直接运行，无需模型开发人员编写代码，在模型设计的过程中同步完成模型实践，而不是先完成模型设计再进行模型实践，因此可以避免模型设计与模型实践相互割裂的问题，缩短了数据模型的生产周期，也避免了相关技术中因模型实践滞后于模型设计导致的模型实践结果不符合模型设计的初衷等缺陷。

如图2所示，在一种实施方式中，步骤101具体可包括：

步骤1011、通过数据源接入子模块基于数据接入组件将至少一个外部数据源转化成至少一个模型数据。

上述数据接入组件，是指具有外部数据源接入功能的模型生产组件。

数据源接入的目的是将外部数据源转化为数据模型可以识别的内部数据源，称为模型数据。通俗地理解，相当于将外部数据源的格式转换为数据模型可以识别的内部数据源格式。一般通过在数据源接入子模块中填写外部数据源的基本信息即可完成该外部数据源的接入。以异构可视化数据融合为例，数据源接入是非常关键的一步，需要录入预接入数据源需要的详细基本信息，包含协议、参数、请求方式等，保证在后续的处理环节中，数据模型可以识别该数据源，进而实现数据源的数据到模型数据的转换操作。这里的外部数据源可以包括但不限于至少一个外部主流数据源，如分布式文件系统(Hadoop DistributedFile System，HDFS)、MySQL等数据源。

需要说明的是，如果接入的外部数据源为有界数据，则在执行完步骤1011 之后，直接转入步骤1012；如果接入的外部数据源为有界数据，则在执行完步骤1011之后，如图3所示，转入步骤1016。

步骤1012、通过模型视图生成子模块基于模型视图生成组件将所述至少一个模型数据转换成至少一个模型视图。

上述模型视图生成组件，是指具有基于模型数据生成模型视图功能的模型生产组件。

假设接入的外部数据源为A1，经步骤1012转化得到的模型数据为A2，那么基于模型数据A2生成的模型视图可以表示为A3。需要说明的是，在本说明书实施例中，模型视图是可视化的。

步骤1013、通过模型视图关联子模块确定所述至少一个模型视图之间的关联关系，并基于所述至少一个模型视图和所述关联关系生成总体模型视图。

一般而言，一个外部数据源对应一个模型数据，一个模型数据对应生成一个模型视图。如果接入多个外部数据源(在数据融合领域，接入的通常是多个外部数据源)，对应的生成多个模型视图，模型视图间可以设置多种关联关系，包括横连接、纵连接等关联关系，具体通过模型视图之间的交、并、差等方式进行关联，关联之后可以直接得到总体模型视图。可选的，还可以对关联得到的结果执行筛选、统计分析等操作之后，得到总体模型视图。

步骤1104、通过模型输出设置子模块设置总体模型视图的至少一个输出。

模型视图间的关联关系设置好后需要对整个模型视图设置输出节点，一个模型视图可设置多个输出，多个输出之间可以是并行异步的关系。

步骤1105、通过模型生成子模块基于所述总体模型视图和所述至少一个输出，生成数据模型。

具体的，在输出节点绘制结束后，整个数据模型的生成过程基本结束，可以保存最终生成的数据模型。在保存后，系统会针对整个数据模型建立一个有向无环图(DirectedAcyclic Graph，DAG)，将整体结构存储起来，供数据融合系统中的融合引擎进行数据融合时使用。

如图3所示，在另一种实施方式中，步骤101具体可包括：

步骤1011、通过数据源接入子模块基于数据接入组件将至少一个外部数据源转化成至少一个模型数据。

如果接入的外部数据源为有界数据，则在执行完步骤1011之后，直接转入步骤1012；如果接入的外部数据源为有界数据，则在执行完步骤1011之后，如图3所示，转入步骤1016。

步骤1016、在所述外部数据源为无界数据的情况下，通过无界数据转换子模块将所述至少一个模型数据转化成有界数据。

在此步骤中，具体可以先创建无界数据，然后进入拖拽页面开始对需要转换的模型数据进行元数据设置，同时定义好无界数据的格式，从而实现无界数据到无界模型数据的转化。举例如下：采集来源于消息队列的非结构化时间序列文本数据B，依据行、列分隔库、比对分析、数据类型预测、字段名生成策略，解析出B的行、列分隔符、设置默认字段名以及字段类型等元数据信息，从而生成对应的无界模型数据B1。

模型数据创建好后，需要进行详情设置，包括输入参数、输出结果、时间片大小等设置，对于输出结果会有筛选逻辑以及复杂的数据转换逻辑。对于筛选逻辑，系统提供了可视化的筛选方式；设置成功后，即可实现无界模型数据到有界模型数据的转化。举例如下：无界模型数据B1是具有元数据信息的时间序列文本，设置其时间片大小为5秒、过滤条件Flter1、输入字段集合Source1、输出字段集合Target1后，系统会汇集每个5秒内的B1数据生成有界数据B2。

步骤1012、通过模型视图生成子模块基于模型视图生成组件将所述至少一个模型数据转换成至少一个模型视图。

沿用上一步骤所举的例子，在汇集每个5秒内的B1数据生成有界数据B2 的同时，通过设置的Flter1、Source1、Target1，进行加工转换处理，生成每个 5秒内的、按照时间排序的多个有界数据集B3，B3即为一个模型视图。

步骤1013、通过模型视图关联子模块确定所述至少一个模型视图之间的关联关系，并基于所述至少一个模型视图和所述关联关系生成总体模型视图。

步骤1104、通过模型输出设置子模块设置总体模型视图的至少一个输出。

步骤1105、通过模型生成子模块基于所述总体模型视图和所述至少一个输出，生成数据模型。

图3所示的实施方式与图2所示的实施方式的不同之处在于，当外部数据源为无界数据时，需要通过步骤1016将依据外部数据源生成的无界模型数据转换成有界数据，然后再执行步骤1012。

可以理解，图3所示的实施方式，通过对无界模型数据使用时间片进行分割转化成有界模型数据，然后再生成模型视图，可以巧妙地将流处理转化成批处理，从而实现批流处理融合的目的，解决了传统批处理系统和流处理系统不能进行融合的难题。

在实际应用中，如图4所示，可以预先构建一个模型引擎充当模型生产模块实现步骤101所要实现的功能，该模型引擎可以包括模块1、模块2、模块3、模块4、模块5和模块6，这六个模块依次对应于输入、资源管控、统一数据模型、算子库、服务引擎和输出六个功能模块。其中，模块1可接入的外部数据源包括但不限于HIVE、HDFS、Presto、MySQL、Oracle、CSV和Kafka；模块2可以用于对模型引擎中的相关资源进行管控；模块3可用于构建及关联模型视图得到总体模型视图；模块4用于存储生产数据模型所用到算子，如模型共享算子、模型视图算子和模型调度算子等；模块5可用于执行模型调度、元数据定义以及交互式命令等指令；模块6用于提供可能的输出，如标签、数据以及知识图谱等。

步骤102、通过模型发布模块将所述数据模型发布至模型售卖平台。

在一种实施方式中，在模型生产模块生产出数据模型之后，可直接通过模型发布模块将该数据模型发布至模型售卖平台。在另一种实施方式中，可先通过模型发布模块对模型生产模块生成的数据模型的相关质量进行审核，并在审核通过后发布至模型售卖平台，以保证发布至模型售卖平台的数据模型不存在相关质量问题。

在实际应用中，模型售卖平台可以看作是一个模型超市，用户可以通过该平台下单、支付、下载得到目标数据模型。

步骤103、通过模型售卖平台将所述数据模型转化成模型商品供用户购买。

将数据模型发布至模型售卖平台之后，相当于将数据模型作为商品在售卖平台上兜售。可以理解，通过该步骤，可以将模型生产模块生产出的价值(数据模型)通过模型售卖平台进行了变现，实现了模型价值的转换。

步骤104、通过模型下载模块响应于用户对所述数据模型的第一预设操作，对所述数据模型进行与所述第一预设操作对应的处理。

其中，第一预设操作包括但不限于预览、购买、下载、编辑、调试、升级、分享、评分、评论和点赞中的一种或多种。

举一个例子，假设第一预设操作为下载操作，则模型下载模块可以响应于用户对所述数据模型的下载操作，使得用户下载得到所述数据模型。

更为详细的，通过模型下载模块，可以使得用户预览模型售卖平台中的模型商品的输入、输出、数据处理效果、模型图、模型简介等重要信息；进一步地，可以使得用户下单、支付模型筹码后，生成自己的数据模型；更进一步的，用户还可以对下载得到的数据模型进行编辑、调试、升级改造、分享等操作；更进一步的，用户还可以刚刚下载的数据模型进行评分、评论、点赞等操作，也可与数据模型的作者联系沟通，为梳理模型中遇到的疑难解惑。

本申请实施例提供的一种数据模型管理方法，一方面，由于提供了一套从数据模型生产、发布、上架售卖到下载复用等一系列的模型价值相关的全生命周期自动化管理方案，因此可以更快、更好地实现模型价值产生及转换的目的，提高了数据模型的生产、使用效率，从而可以提升应用数据模型的企业的生产力；另一方面，由于可以通过模型生产模块基于预先设置的至少一个模型生产组件，生成可运行的数据模型，而不是先完成模型设计再进行模型实践，因此可以避免模型设计与模型实践相互割裂的问题，缩短了数据模型的生产周期。

另外，通过对无界模型数据使用时间片进行分割转化成有界模型数据，然后再生成模型视图，可以巧妙地将流处理转化成批处理，从而实现批流处理融合的目的，解决了传统批处理系统和流处理系统不能进行融合的难题。

图5示出了本申请另一实施例提供的一种数据模型管理方法的流程示意图。如图5所示，该方法可以包括下述步骤：

步骤101、通过模型生产模块基于预先设置的至少一个模型生产组件，生成可运行的数据模型。

步骤108、通过模型归一化模块对所述模型生产模块生成的数据模型进行归一化处理。

步骤102、通过模型发布模块将所述数据模型发布至模型售卖平台。

步骤103、通过所述模型售卖平台将所述数据模型转化成模型商品供用户购买。

步骤104、通过模型下载模块响应于用户对所述数据模型的第一预设操作，对所述数据模型进行与所述第一预设操作对应的处理，其中，所述第一预设操作包括预览、购买、下载、编辑、调试、升级、分享、评分、评论和点赞中的一种或多种。

可以理解，在步骤101之后，在步骤102之前，通过步骤108对模型生产模块生成的数据模型进行归一化处理，可以防止数据模型被泄露、被篡改或被攻击。

可选地，如图5所示，本申请实施例提供的一种数据模型管理方法还可以包括下述步骤：

步骤105、通过模型共享模块响应于多个用户对所述数据模型的第二预设操作，对所述数据模型执行与所述第二预设操作对应的处理，其中，所述第二预设操作包括获取和共享编辑目标用户下载的所述数据模型的操作，所述多个用户属于所述数据模型的生产团队成员，且所述目标用户是所述多个用户中的任一用户。

上述步骤105是为了解决数据模型创造过程中的团队协作问题而提出的，在一个团队中，各团队成员都可以获取到下载到的模型，多人可共享编辑该模型，且实时可见。

可选地，图5所示的方法，还可以通过所述模型共享模块响应于所述多个用户中的至少一个用户对所述至少一个模型生产组件的操作，创建至少一个新的子模型。该步骤允许团队成员进行新的子模型的创造，为后续的模型融合准备子模型。

可选地，如图5所示，本申请实施例提供的一种数据模型管理方法还可以包括下述步骤：

步骤106、通过模型融合模块对所述至少一个用户创建的所述至少一个新的子模型执行融合操作，生成目标数据模型。

也就是说，可以通过模型融合模块将团队各成员创造的子模型进行模型汇集、融合操作，进而生成整体模型，以达到团队共享协作的目标。

可选地，如图5所示，本申请实施例提供的一种数据模型管理方法还可以包括下述步骤：

步骤107、通过模型调试模块向所述模型生产模块提供模型调试工具，其中，所述模型调试工具用于所述模型生成模块对自身生成的数据模型执行调试操作。

也就是说，模型调试模块可提供模型生产创造过程中的开发工具，包括数据处理过程中的中间结果展现、拖拽相关模板算子进行模型视图的加工处理等，以便于对模型生产模块生成的数据模型进行调试和改进。

总之，本申请实施例提供的一种数据模型管理方法，提供了一套从数据模型生产、发布、上架售卖(价值变现)、下载复用、改造升级(价值升级)等模型价值相关的全生命周期自动化管理方案，因此可以提高数据模型的生产、使用效率，从而可以提升应用数据模型的企业的生产力。

上面对本申请实施例提供的一种数据模型管理方法进行了介绍，相应于上述数据模型管理方法，本申请实施例还提供了一种数据模型管理装置，下面进行介绍。

如图6所示，本申请实施例提供的一种数据模型管理装置，可以包括：模型生产模块601、模型发布模块602、模型售卖平台603和模型下载模块604。

模型生产模块601，用于基于预先设置的至少一个模型生产组件，生成可运行的数据模型。

模型生产组件可以是预先对模型生产所用的数据和方法进行封装得到的。可以理解，使用模型生产组件生成数据模型可以直接运行，无需模型开发人员编写代码，在模型设计的过程中同步完成模型实践，而不是先完成模型设计再进行模型实践，因此可以避免模型设计与模型实践相互割裂的问题，缩短了数据模型的生产周期，也避免了相关技术中因模型实践滞后于模型设计导致的模型实践结果不符合模型设计的初衷等缺陷。

如图7所示，在一种实施方式中，模型生产模块601具体可包括：数据源接入子模块6011、模型视图生成子模块6012、模型视图关联子模块6013、模型输出设置子模块6014和模型生成子模块6015。

数据源接入子模块6011，用于基于数据接入组件将至少一个外部数据源转化成至少一个模型数据。

上述数据接入组件，是指具有外部数据源接入功能的模型生产组件。

数据源接入的目的是将外部数据源转化为数据模型可以识别的内部数据源，称为模型数据。通俗地理解，相当于将外部数据源的格式转换为数据模型可以识别的内部数据源格式。

需要说明的是，如果接入的外部数据源为有界数据，则在数据源接入子模块6011接入数据之后，触发下述模型视图生成子模块6012；如果接入的外部数据源为有界数据，则在数据源接入子模块6011接入数据之后，如图7所示，触发无界数据转换子模块6016。

模型视图生成子模块6012，用于基于模型视图生成组件将所述至少一个模型数据转换成至少一个模型视图。

模型视图关联子模块6013，用于确定所述至少一个模型视图之间的关联关系，并基于所述至少一个模型视图和所述关联关系生成总体模型视图。

模型输出设置子模块6014，用于设置总体模型视图的至少一个输出。

模型生成子模块6015，用于基于所述总体模型视图和所述至少一个输出，生成数据模型。

如图8所示，在另一种实施方式中，模型生产模块601具体可包括：数据源接入子模块6011、无界数据转换子模块6016、模型视图生成子模块6012、模型视图关联子模块6013、模型输出设置子模块6014和模型生成子模块6015。

数据源接入子模块6011，用于基于数据接入组件将至少一个外部数据源转化成至少一个模型数据。

需要说明的是，如果接入的外部数据源为有界数据，则在数据源接入子模块6011接入数据之后，触发无界数据转换子模块6016。

无界数据转换子模块6016，用于在所述外部数据源为无界数据的情况下，在所述模型视图生成子模块基于模型视图生成组件将所述至少一个模型数据转换成至少一个模型视图前，将所述至少一个模型数据转化成有界数据。

模型视图生成子模块6012，用于基于模型视图生成组件将所述至少一个模型数据转换成至少一个模型视图。

模型视图关联子模块6013，用于确定所述至少一个模型视图之间的关联关系，并基于所述至少一个模型视图和所述关联关系生成总体模型视图。

模型输出设置子模块6014，用于设置总体模型视图的至少一个输出。

模型生成子模块6015，用于基于所述总体模型视图和所述至少一个输出，生成数据模型。

图8所示的实施方式与图7所示的实施方式的不同之处在于，当外部数据源为无界数据时，需要通过无界数据转换子模块6016将依据外部数据源生成的无界模型数据转换成有界数据，然后再触发模型视图生成子模块6012。

可以理解，图8所示的实施方式，通过对无界模型数据使用时间片进行分割转化成有界模型数据，然后再生成模型视图，可以巧妙地将流处理转化成批处理，从而实现批流处理融合的目的，解决了传统批处理系统和流处理系统不能进行融合的难题。

模型发布模块602，用于将所述数据模型发布至所述模型售卖平台。

在一种实施方式中，在模型生产模块生产出数据模型之后，可直接通过模型发布模块将该数据模型发布至模型售卖平台。在另一种实施方式中，可先通过模型发布模块对模型生产模块生成的数据模型的相关质量进行审核，并在审核通过后发布至模型售卖平台，以保证发布至模型售卖平台的数据模型不存在相关质量问题。

模型售卖平台603，用于将所述数据模型转化成模型商品供用户购买。

模型下载模块604，用于响应于用户对所述数据模型的第一预设操作，对所述数据模型进行与所述第一预设操作对应的处理，其中，所述第一预设操作包括预览、购买、下载、编辑、调试、升级、分享、评分、评论和点赞中的一种或多种。

本申请实施例提供的一种数据模型管理装置，一方面，由于提供了一套从数据模型生产、发布、上架售卖到下载复用等一系列的模型价值相关的全生命周期自动化管理方案，因此可以更快、更好地实现模型价值产生及转换的目的，提高了数据模型的生产、使用效率，从而可以提升应用数据模型的企业的生产力；另一方面，由于模型生产模块可以基于预先设置的至少一个模型生产组件，生成可运行的数据模型，而不是先完成模型设计再进行模型实践，因此可以避免模型设计与模型实践相互割裂的问题，缩短了数据模型的生产周期。

另外，通过对无界模型数据使用时间片进行分割转化成有界模型数据，然后再生成模型视图，可以巧妙地将流处理转化成批处理，从而实现批流处理融合的目的，解决了传统批处理系统和流处理系统不能进行融合的难题。

图9示出了本申请另一实施例提供的一种数据模型管理装置的结构示意图。如图9所示，该装置可以包括：模型生产模块601、模型归一化模块608、模型发布模块602、模型售卖平台603和模型下载模块604。

模型生产模块601，用于基于预先设置的至少一个模型生产组件，生成可运行的数据模型。

模型归一化模块608，用于对所述模型生产模块生成的数据模型进行归一化处理。

模型发布模块602，用于将所述数据模型发布至所述模型售卖平台。

模型售卖平台603，用于将所述数据模型转化成模型商品供用户购买。

模型下载模块604，用于响应于用户对所述数据模型的第一预设操作，对所述数据模型进行与所述第一预设操作对应的处理，其中，所述第一预设操作包括预览、购买、下载、编辑、调试、升级、分享、评分、评论和点赞中的一种或多种。

可以理解，在生成数据模型之后，在发布数据模型之前，通过模型归一化模块608对模型生产模块生成的数据模型进行归一化处理，可以防止数据模型被泄露、被篡改或被攻击。

可选地，如图9所示，本申请实施例提供的一种数据模型管理装置还可以包括：模型共享模块605。

模型共享模块605，用于响应于多个用户对所述数据模型的第二预设操作，对所述数据模型执行与所述第二预设操作对应的处理，其中，所述第二预设操作包括获取和共享编辑目标用户下载的所述数据模型的操作，所述多个用户属于所述数据模型的生产团队成员，且所述目标用户是所述多个用户中的任一用户。

上述模型共享模块605是为了解决数据模型创造过程中的团队协作问题而增设的，在一个团队中，各团队成员都可以获取到下载到的模型，多人可共享编辑该模型，且实时可见。

可选地，上述模型共享模块605，还可用于响应于所述多个用户中的至少一个用户对所述至少一个模型生产组件的操作，创建至少一个新的子模型，以允许团队成员进行新的子模型的创造，为后续的模型融合准备子模型。

可选地，如图9所示，本申请实施例提供的一种数据模型管理装置还可以包括：模型融合模块606。

模型融合模块606，用于对所述至少一个用户创建的所述至少一个新的子模型执行融合操作，生成目标数据模型。

也就是说，可以通过模型融合模块将团队各成员创造的子模型进行模型汇集、融合操作，进而生成整体模型，以达到团队共享协作的目标。

可选地，如图9所示，本申请实施例提供的一种数据模型管理装置还可以包括：模型调试模块607。

模型调试模块607，用于向所述模型生产模块提供模型调试工具，其中，所述模型调试工具用于所述模型生成模块对自身生成的数据模型执行调试操作。

也就是说，模型调试模块可提供模型生产创造过程中的开发工具，包括数据处理过程中的中间结果展现、拖拽相关模板算子进行模型视图的加工处理等，以便于对模型生产模块生成的数据模型进行调试和改进。

总之，本申请实施例提供的一种数据模型管理装置，提供了一套从数据模型生产、发布、上架售卖(价值变现)、下载复用、改造升级(价值升级)等模型价值相关的全生命周期自动化管理方案，因此可以提高数据模型的生产、使用效率，从而可以提升应用数据模型的企业的生产力。

需要说明的是，由于本申请实施例提供的一种数据模型管理装置与本申请实施例提供的一种数据模型管理方法相对应，因此，在本说明书中对一种数据模型管理装置描述的较为简单，相关之处请参考上文中对一种数据模型管理方法的介绍。

图10示出了是本申请实施例提供的一种电子设备的结构示意图。请参考图10，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器 (Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。

处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图10中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。

处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成数据模型管理装置，并具体用于执行以下操作：

通过模型生产模块基于预先设置的至少一个模型生产组件，生成可运行的数据模型；

通过模型发布模块将所述数据模型发布至模型售卖平台；

通过所述模型售卖平台将所述数据模型转化成模型商品供用户购买；

通过模型下载模块响应于用户对所述数据模型的第一预设操作，对所述数据模型进行与所述第一预设操作对应的处理，其中，所述第一预设操作包括预览、购买、下载、编辑、调试、升级、分享、评分、评论和点赞中的一种或多种。

上述如本申请图1所示实施例揭示的数据模型管理方法执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor， NP)等；还可以是数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field －Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

由此，执行本申请实施例提供的方法的电子设备可执行前文方法实施例中所述的各方法，并实现前文方法实施例中所述的各方法的功能和有益效果，在此不再赘述。

本申请实施例的电子设备以多种形式存在，包括但不限于以下设备。

(1)移动网络设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。

(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC 设备等，例如iPad。

(3)服务器:提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。

(4)其他具有数据交互功能的电子装置。

本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中数据模型管理方法，并具体用于执行以下操作：

通过模型生产模块基于预先设置的至少一个模型生产组件，生成可运行的数据模型；

通过模型发布模块将所述数据模型发布至模型售卖平台；

通过所述模型售卖平台将所述数据模型转化成模型商品供用户购买；

通过模型下载模块响应于用户对所述数据模型的第一预设操作，对所述数据模型进行与所述第一预设操作对应的处理，其中，所述第一预设操作包括预览、购买、下载、编辑、调试、升级、分享、评分、评论和点赞中的一种或多种。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、 CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和 /或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/ 或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

需要说明的是，本申请中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (3)

1.一种数据模型管理方法，其特征在于，所述方法包括：

通过模型生产模块基于预先设置的至少一个模型生产组件，生成可运行的数据模型；

通过模型归一化模块对所述模型生产模块生成的数据模型进行归一化处理；

通过模型发布模块将所述数据模型发布至模型售卖平台；

通过所述模型售卖平台将所述数据模型转化成模型商品供用户购买；

通过模型下载模块响应于用户对所述数据模型的第一预设操作，对所述数据模型进行与所述第一预设操作对应的处理，其中，所述第一预设操作包括预览、购买、下载、编辑、调试、升级、分享、评分、评论和点赞中的一种或多种；

通过模型共享模块响应于多个用户对所述数据模型的第二预设操作，对所述数据模型执行与所述第二预设操作对应的处理，其中，所述第二预设操作包括获取和共享编辑目标用户下载的所述数据模型的操作，所述多个用户属于所述数据模型的生产团队成员，且所述目标用户是所述多个用户中的任一用户；

通过所述模型共享模块响应于所述多个用户中的至少一个用户对所述至少一个模型生产组件的操作，创建至少一个新的子模型；

通过模型融合模块对所述至少一个用户创建的所述至少一个新的子模型执行融合操作，生成目标数据模型；

通过模型调试模块向所述模型生产模块提供模型调试工具，其中，所述模型调试工具用于所述模型生成模块对自身生成的数据模型执行调试操作；

其中，所述通过模型生产模块基于预先设置的至少一个模型生产组件，生成可运行的数据模型，包括：

通过数据源接入子模块基于数据接入组件将至少一个外部数据源转化成至少一个模型数据；

通过模型视图生成子模块基于模型视图生成组件将所述至少一个模型数据转换成至少一个模型视图；

通过模型视图关联子模块确定所述至少一个模型视图之间的关联关系，并基于所述至少一个模型视图和所述关联关系生成总体模型视图；

通过模型输出设置子模块设置所述总体模型视图的至少一个输出；

通过模型生成子模块基于所述总体模型视图和所述至少一个输出，生成数据模型；在输出节点绘制结束后，保存最终生成的数据模型，在保存后，系统会针对整个数据模型建立一个有向无环图，将整体结构存储起来，供数据融合系统中的融合引擎进行数据融合时使用；

在所述外部数据源为无界数据的情况下，在所述模型视图生成子模块基于模型视图生成组件将所述至少一个模型数据转换成至少一个模型视图前，通过无界数据转换子模块将所述至少一个模型数据转化成有界数据。

2.根据权利要求1所述的方法，其特征在于，其中，所述通过模型发布模块将所述数据模型发布至所述模型售卖平台，包括：

通过所述模型发布模块对所述模型生产模块生成的数据模型的质量进行审核，并在审核通过后发布至所述模型售卖平台。

3.一种数据模型管理装置，其特征在于，所述装置包括：模型生产模块、模型归一化模块、模型发布模块、模型售卖平台、模型下载模块、模型共享模块、模型融合模块和模型调试模块，其中，

所述模型生产模块，用于基于预先设置的至少一个模型生产组件，生成可运行的数据模型；

所述模型归一化模块，用于对所述模型生产模块生成的数据模型进行归一化处理；

所述模型发布模块，用于将所述数据模型发布至所述模型售卖平台；

所述模型售卖平台，用于将所述数据模型转化成模型商品供用户购买；

所述模型下载模块，用于响应于用户对所述数据模型的第一预设操作，对所述数据模型进行与所述第一预设操作对应的处理，其中，所述第一预设操作包括预览、购买、下载、编辑、调试、升级、分享、评分、评论和点赞中的一种或多种；

所述模型共享模块，用于响应于多个用户对所述数据模型的第二预设操作，对所述数据模型执行与所述第二预设操作对应的处理，其中，所述第二预设操作包括获取和共享编辑目标用户下载的所述数据模型的操作，所述多个用户属于所述数据模型的生产团队成员，且所述目标用户是所述多个用户中的任一用户；还用于响应于所述多个用户中的至少一个用户对所述至少一个模型生产组件的操作，创建至少一个新的子模型；

所述模型融合模块，用于对所述至少一个用户创建的所述至少一个新的子模型执行融合操作，生成目标数据模型；

所述模型调试模块，用于向所述模型生产模块提供模型调试工具，其中，所述模型调试工具用于所述模型生成模块对自身生成的数据模型执行调试操作；

所述模型生产模块具体包括：数据源接入子模块、无界数据转换子模块、模型视图生成子模块、模型视图关联子模块、模型输出设置子模块和模型生成子模块；

数据源接入子模块，用于基于数据接入组件将至少一个外部数据源转化成至少一个模型数据；

无界数据转换子模块，用于在所述外部数据源为无界数据的情况下，在所述模型视图生成子模块基于模型视图生成组件将所述至少一个模型数据转换成至少一个模型视图前，将所述至少一个模型数据转化成有界数据；

模型视图生成子模块，用于基于模型视图生成组件将所述至少一个模型数据转换成至少一个模型视图；

模型视图关联子模块，用于确定所述至少一个模型视图之间的关联关系，并基于所述至少一个模型视图和所述关联关系生成总体模型视图；

模型输出设置子模块，用于设置总体模型视图的至少一个输出；

模型生成子模块，用于基于所述总体模型视图和所述至少一个输出，生成数据模型；在输出节点绘制结束后，保存最终生成的数据模型，在保存后，系统会针对整个数据模型建立一个有向无环图，将整体结构存储起来，供数据融合系统中的融合引擎进行数据融合时使用。

Images