CN112347126A - 大数据处理方法、装置、设备及介质 - Google Patents

Abstract

本发明涉及大数据领域，提供一种大数据处理方法、装置、设备及介质，能够定义SQL语法结构，根据SQL语法结构对待处理数据进行解析，生成抽象语法树，实现对SQL语法的统一，屏蔽各种语法差异，对抽象语法树进行转化，得到第一执行计划，根据执行环境对抽象语法树进行优化，得到第二执行计划，不仅对语句进行了进一步优化，还根据执行环境进行了再次优化，启动与目标接口对应的执行引擎执行第一执行计划及第二执行计划，以自动识别目标接口，进而通过目标接口调用相应的大数据引擎进行数据处理，实现对大数据统一的自动化处理，有效提高了大数据处理的效率，并提升了大数据系统的性能。本发明还涉及区块链技术，抽象语法树可存储于区块链。

Description

大数据处理方法、装置、设备及介质

技术领域

本发明涉及大数据技术领域，尤其涉及一种大数据处理方法、装置、设备及介质。

背景技术

大数据计算通常涉及大量数据，并且场景复杂。因此，整个大数据平台的数据处理系统是一个复杂的系统，需要由不同的产品和技术组合起来一起覆盖各种场景，这样就会给数据工程师或架构师带来不小的挑战。

数据工程师需要掌握相应工具的编程语法、调试技巧，数据架构师需要对涉及到的各种技术原理有深入了解，并总结出使用的最佳方案，各种技术和产品也都需要相应的熟悉的人员，不仅成本高，且技术栈太散。

发明内容

鉴于以上内容，有必要提供一种大数据处理方法、装置、设备及介质，能够实现对大数据统一的自动化处理，有效提高了大数据处理的效率，并提升了大数据系统的性能。

一种大数据处理方法，所述大数据处理方法包括：

定义SQL语法结构；

当接收到待处理数据时，根据所述SQL语法结构对所述待处理数据进行解析，生成抽象语法树；

对所述抽象语法树进行转化，得到第一执行计划；

检测所述待处理数据的执行环境，并根据所述执行环境对所述抽象语法树进行优化，得到第二执行计划；

根据所述执行环境确定目标接口，并启动与所述目标接口对应的执行引擎执行所述第一执行计划及所述第二执行计划。

根据本发明优选实施例，所述根据所述SQL语法结构对所述待处理数据进行解析，生成抽象语法树包括：

调用线程启动预设语法分析器，所述预设语法分析器包括SQL Lexer组件及SQLParser组件；

调用所述SQL Lexer组件对所述待处理数据进行词法解析，生成第一数据；

调用所述SQL Parser组件，并基于所述SQL语法结构对所述第一数据进行语义解析，生成第二数据；

整合所述第二数据，得到所述抽象语法树。

根据本发明优选实施例，所述对所述抽象语法树进行转化，得到第一执行计划包括：

从所述抽象语法树中获取事实数据构建事实表，及从所述抽象语法树中获取维度数据构建维度表；

对所述事实表及所述维度表进行哈希连接，并根据所述事实表生成事实表直方图，根据所述维度表生成哈希表；

根据所述事实表直方图及所述哈希表确定谓词直方图区域；

将所述谓词直方图区域转换为谓词，并将所述谓词下推至数据存储层，得到所述第一执行计划。

根据本发明优选实施例，所述根据所述事实表直方图及所述哈希表确定谓词直方图区域包括：

获取所述哈希表中的键值，并对所述哈希表中的键值进行排序，得到序列表；

从所述序列表中获取直方图区域；

计算所述直方图区域中与所述事实表直方图对应的每个区域的行数；

按照每个区域的行数由高到低的顺序对每个区域进行排序，并获取排在前预设位的区域作为所述谓词直方图区域。

根据本发明优选实施例，所述方法还包括：

对于所述第一执行计划中的每个SQL语句，计算每个SQL语句的哈希值；

获取每个SQL语句中预设字符位置上的字符，并将获取的字符与对应的每个SQL语句的哈希值进行组合，得到每个SQL语句的数组；

将每个SQL语句的哈希值确定为每个SQL语句的数组的数组标识；

当接收到待转化数据时，计算所述待转化数据的哈希值；

根据所述待转化数据的哈希值在每个SQL语句的数组的数组标识中进行扫描；

当扫描到与所述待转化数据的哈希值一致的数组标识时，将扫描到的数组标识确定为目标标识，并将与所述目标标识对应的数组确定为目标数组；

获取所述待转化数据的预设字符位置上的字符作为待匹配字符，及获取所述目标数组预设字符位置上的字符作为目标字符；

当所述待匹配字符与所述目标字符一致时，返回所述目标数组中的SQL语句作为与所述待转化数据对应的SQL语句。

根据本发明优选实施例，所述检测所述待处理数据的执行环境，并根据所述执行环境对所述抽象语法树进行优化包括：

连接至所述待处理数据的配置文件；

从所述配置文件中获取所述待处理数据的执行环境；

响应于所述执行环境为Spark执行环境，从所述抽象语法树中获取临时表，并将所述临时表转化为视图数据，并将所述视图数据压缩为parquet格式；及/或

响应于所述执行环境为Hive执行环境，从所述抽象语法树中获取小于或者等于配置大小的数据，并对获取的数据进行合并，得到中间数据，将所述中间数据压缩为orc格式。

根据本发明优选实施例，所述根据所述执行环境确定目标接口，并启动与所述目标接口对应的执行引擎执行所述第一执行计划及所述第二执行计划包括：

当所述执行环境为所述Spark执行环境及/或所述Hive执行环境时，将spark/hive引擎接口确定为所述目标接口，并启动所述spark/hive引擎接口执行批处理；或者

当所述执行环境为Flink执行环境时，将Flink引擎接口确定为所述目标接口，并启动所述Flink引擎接口执行流处理；或者

当所述执行环境为python图像执行环境时，将python图像引擎接口确定为所述目标接口，并启动所述python图像引擎接口执行图像处理；或者

当所述执行环境为ElasticSearch半结构化数据执行环境时，将ElasticSearch半结构化数据引擎接口确定为所述目标接口，并启动所述ElasticSearch半结构化数据引擎接口执行非结构化处理。

一种大数据处理装置，所述大数据处理装置包括：

定义单元，用于定义SQL语法结构；

解析单元，用于当接收到待处理数据时，根据所述SQL语法结构对所述待处理数据进行解析，生成抽象语法树；

转化单元，用于对所述抽象语法树进行转化，得到第一执行计划；

优化单元，用于检测所述待处理数据的执行环境，并根据所述执行环境对所述抽象语法树进行优化，得到第二执行计划；

执行单元，用于根据所述执行环境确定目标接口，并启动与所述目标接口对应的执行引擎执行所述第一执行计划及所述第二执行计划。

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所述大数据处理方法。

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所述大数据处理方法。

由以上技术方案可以看出，本发明能够定义SQL语法结构，当接收到待处理数据时，根据所述SQL语法结构对所述待处理数据进行解析，生成抽象语法树，实现对SQL语法的统一，屏蔽各种语法差异，对所述抽象语法树进行转化，得到第一执行计划，检测所述待处理数据的执行环境，并根据所述执行环境对所述抽象语法树进行优化，得到第二执行计划，不仅对语句进行了进一步优化，还根据执行环境进行了再次优化，根据所述执行环境确定目标接口，并启动与所述目标接口对应的执行引擎执行所述第一执行计划及所述第二执行计划，能够自动识别目标接口，进而通过目标接口调用相应的大数据引擎进行数据处理，以实现对大数据统一的自动化处理，有效提高了大数据处理的效率，并提升了大数据系统的性能。

附图说明

图1是本发明大数据处理方法的较佳实施例的流程图。

图2是本发明大数据处理装置的较佳实施例的功能模块图。

图3是本发明实现大数据处理方法的较佳实施例的电子设备的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

如图1所示，是本发明大数据处理方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。

所述大数据处理方法应用于一个或者多个电子设备中，所述电子设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital SignalProcessor，DSP)、嵌入式设备等。

所述电子设备可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理（Personal Digital Assistant，PDA）、游戏机、交互式网络电视（Internet Protocol Television，IPTV）、智能式穿戴式设备等。

所述电子设备还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。

所述电子设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络（Virtual Private Network，VPN）等。

S10，定义SQL语法结构。

在本实施例中，SQL语法是用于执行查询的语法，所述SQL语法结构由系统自动定义。

例如：设置语句KW_SELECT :'SELECT/SEL'; ，KW_SELECT 语法结构表示输入数据的关键字。

具体地，可以根据实际需求定义所述SQL语法结构，以满足不同环境或者任务下的编程需要，例如：由开发人员上传需求文档，系统解析需求文档，并进一步根据需求文档定义SQL语法结构。

例如：语法结构可以为{修饰符列表;返回值列表方法名{形式参数列表}} { 方法体; }，根据实际需求，返回值列表可以对应于不同的指标，如：考试分数、绩效等。

S11，当接收到待处理数据时，根据所述SQL语法结构对所述待处理数据进行解析，生成抽象语法树。

可以理解的是，用户上传的语句可能并不符合语法要求，这可能导致无法正确识别用户需求，或者对用户需求的识别失败，上述情况都将影响最终的数据处理结果。

在本实施例中，所述根据所述SQL语法结构对所述待处理数据进行解析，生成抽象语法树包括：

调用线程启动预设语法分析器，所述预设语法分析器包括SQL Lexer组件及SQLParser组件；

调用所述SQL Lexer组件对所述待处理数据进行词法解析，生成第一数据；

调用所述SQL Parser组件，并基于所述SQL语法结构对所述第一数据进行语义解析，生成第二数据；

整合所述第二数据，得到所述抽象语法树。

例如：所述预设语法分析器可以是antrl语法分析器。

进一步地，通过SQL Lexer对提交的待处理数据进行识别和映射，如SELECT/SEL词被识别映射成KW_SELECT。进一步地，SQL Parser会根据预先定义的SQL语法结构去解析，比如SQL文本满足KW_SELECT selectItem* ，则被解析为SELECT语法从句，最终产出TOK_SELECT_LIST，该TOKEN即可组合成抽象语法树。

通过上述实施方式，能够实现对SQL语法的统一，屏蔽各种语法差异，使用户无需关注底层实现的细节和计算引擎，只需要把更多的精力放在数据处理的业务逻辑层。

在本实施例中，为了进一步保证数据的安全性，防止数据被恶意篡改，可以将抽象语法树存储于区块链。

S12，对所述抽象语法树进行转化，得到第一执行计划。

需要说明的是，为了进一步简化数据处理的过程，提升数据处理的计算能力及效率，还需要对所述抽象语法树进行进一步地优化处理，即执行对所述抽象语法树的转化，以生成对应的执行计划，如SQL Planer、Job Planer。

在本实施例中，所述对所述抽象语法树进行转化，得到第一执行计划包括：

从所述抽象语法树中获取事实数据构建事实表，及从所述抽象语法树中获取维度数据构建维度表；

对所述事实表及所述维度表进行哈希连接，并根据所述事实表生成事实表直方图，根据所述维度表生成哈希表；

根据所述事实表直方图及所述哈希表确定谓词直方图区域；

将所述谓词直方图区域转换为谓词，并将所述谓词下推至数据存储层，得到所述第一执行计划。

其中，所述事实数据是指反映实际数值情况的数据，如业务销售数据等。

其中，所述维度数据能够反映出对应的事实数据的特性，如提供描述性信息的并用于汇总数据的特性的层次结构等。

例如：对于一个企业，根据所述维度表可以找到企业中的各个员工，而每个员工的绩效表可以作为对应的事实数据并构成事实表。

需要说明的是，不同于现有技术中通常采用最小值、最大值或者完整哈希进行下推，容易导致计算资源的缺乏，本实施方式能够根据事实表直方图提升数据过滤能力，进而提高存储层的计算能力，并有效减少执行计划时数据的计算。

本实施例中，所述根据所述事实表直方图及所述哈希表确定谓词直方图区域包括：

获取所述哈希表中的键值，并对所述哈希表中的键值进行排序，得到序列表；

从所述序列表中获取直方图区域；

计算所述直方图区域中与所述事实表直方图对应的每个区域的行数；

按照每个区域的行数由高到低的顺序对每个区域进行排序，并获取排在前预设位的区域作为所述谓词直方图区域。

当然，在其他实施例中，为了便于更好的对所述抽象语法树进行转化，还可以对所述抽象语法树进行连接条件下推、左连接消除等操作，本发明能够不限制。

例如：建立优化规则列表，如谓词下推、连接条件下推、左连接消除等，列表中每个优化规则里包括判断规则和转化规则。

其中，判断规则为遍历语法树，看是否满足优化情景；转化规则，则是在所述优化情景中进行语法树转化的规则。

进一步地，遍历所述抽象语法树，寻找SQL谓词(>=, IS NULL,BETWEEN) ，判断该谓词是否靠近数据源，倘若不是，则满足谓词下推的优化规则，根据谓词下推的转化规则对所述抽象语法树进行转化，把谓词往数据源进行下推。最终得到的所述第一执行计划则为：所述抽象语法树进行基于优化规则的顺序轮询判断，倘若满足优化规则，则通过转化规则进行转化，并输出优化后的语法树；倘若不满足优化规则，则保留原有的抽象语法树，不进行优化。

在本实施例中，所述方法还包括：

对于所述第一执行计划中的每个SQL语句，计算每个SQL语句的哈希值；

获取每个SQL语句中预设字符位置上的字符，并将获取的字符与对应的每个SQL语句的哈希值进行组合，得到每个SQL语句的数组；

将每个SQL语句的哈希值确定为每个SQL语句的数组的数组标识；

当接收到待转化数据时，计算所述待转化数据的哈希值；

根据所述待转化数据的哈希值在每个SQL语句的数组的数组标识中进行扫描；

当扫描到与所述待转化数据的哈希值一致的数组标识时，将扫描到的数组标识确定为目标标识，并将与所述目标标识对应的数组确定为目标数组；

获取所述待转化数据的预设字符位置上的字符作为待匹配字符，及获取所述目标数组预设字符位置上的字符作为目标字符；

当所述待匹配字符与所述目标字符一致时，返回所述目标数组中的SQL语句作为与所述待转化数据对应的SQL语句。

通过上述实施方式，能够利用哈希值的唯一性实现对SQL语句的自动匹配，并实现对转化后的SQL语句的复用，例如对于相同的查询语句，能够获取到对应的规范化后的SQL语句进行查询，避免每次重复执行转化给系统带来负担。

S13，检测所述待处理数据的执行环境，并根据所述执行环境对所述抽象语法树进行优化，得到第二执行计划。

需要说明的是，为了进一步提升数据处理的性能，除了从语句角度进行优化外，还需要根据具体地执行环境进行优化。

具体地，所述检测所述待处理数据的执行环境，并根据所述执行环境对所述抽象语法树进行优化包括：

连接至所述待处理数据的配置文件；

从所述配置文件中获取所述待处理数据的执行环境；

响应于所述执行环境为Spark执行环境，从所述抽象语法树中获取临时表，并将所述临时表转化为视图数据，并将所述视图数据压缩为parquet格式；及/或

响应于所述执行环境为Hive执行环境，从所述抽象语法树中获取小于或者等于配置大小的数据，并对获取的数据进行合并，得到中间数据，将所述中间数据压缩为orc格式。

通过上述实施方式，能够有效利用执行引擎，并减少引擎执行时的计算量，进而更加有效的对数据进行压缩存储。

S14，根据所述执行环境确定目标接口，并启动与所述目标接口对应的执行引擎执行所述第一执行计划及所述第二执行计划。

具体地，所述根据所述执行环境确定目标接口，并启动与所述目标接口对应的执行引擎执行所述第一执行计划及所述第二执行计划包括：

当所述执行环境为所述Spark执行环境及/或所述Hive执行环境时，将spark/hive引擎接口确定为所述目标接口，并启动所述spark/hive引擎接口执行批处理；或者

当所述执行环境为Flink执行环境时，将Flink引擎接口确定为所述目标接口，并启动所述Flink引擎接口执行流处理；或者

当所述执行环境为python图像执行环境时，将python图像引擎接口确定为所述目标接口，并启动所述python图像引擎接口执行图像处理；或者

当所述执行环境为ElasticSearch半结构化数据执行环境时，将ElasticSearch半结构化数据引擎接口确定为所述目标接口，并启动所述ElasticSearch半结构化数据引擎接口执行非结构化处理。

通过上述实施方式，能够自动识别目标接口，进而通过目标接口调用相应的大数据引擎进行数据处理，以实现对大数据的自动化处理。

由以上技术方案可以看出，本发明能够定义SQL语法结构，当接收到待处理数据时，根据所述SQL语法结构对所述待处理数据进行解析，生成抽象语法树，实现对SQL语法的统一，屏蔽各种语法差异，对所述抽象语法树进行转化，得到第一执行计划，检测所述待处理数据的执行环境，并根据所述执行环境对所述抽象语法树进行优化，得到第二执行计划，不仅对语句进行了进一步优化，还根据执行环境进行了再次优化，根据所述执行环境确定目标接口，并启动与所述目标接口对应的执行引擎执行所述第一执行计划及所述第二执行计划，能够自动识别目标接口，进而通过目标接口调用相应的大数据引擎进行数据处理，以实现对大数据统一的自动化处理，有效提高了大数据处理的效率，并提升了大数据系统的性能。

如图2所示，是本发明大数据处理装置的较佳实施例的功能模块图。所述大数据处理装置11包括定义单元110、解析单元111、转化单元112、优化单元113、执行单元114。本发明所称的模块/单元是指一种能够被处理器13所执行，并且能够完成固定功能的一系列计算机程序段，其存储在存储器12中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。

定义单元110定义SQL语法结构。

在本实施例中，SQL语法是用于执行查询的语法，所述SQL语法结构由系统自动定义。

例如：设置语句KW_SELECT :'SELECT/SEL'; ，KW_SELECT 语法结构表示输入数据的关键字。

具体地，可以根据实际需求定义所述SQL语法结构，以满足不同环境或者任务下的编程需要，例如：由开发人员上传需求文档，系统解析需求文档，并进一步根据需求文档定义SQL语法结构。

例如：语法结构可以为{修饰符列表;返回值列表方法名{形式参数列表}} { 方法体; }，根据实际需求，返回值列表可以对应于不同的指标，如：考试分数、绩效等。

解析单元111当接收到待处理数据时，根据所述SQL语法结构对所述待处理数据进行解析，生成抽象语法树。

可以理解的是，用户上传的语句可能并不符合语法要求，这可能导致无法正确识别用户需求，或者对用户需求的识别失败，上述情况都将影响最终的数据处理结果。

在本实施例中，所述解析单元111根据所述SQL语法结构对所述待处理数据进行解析，生成抽象语法树包括：

调用线程启动预设语法分析器，所述预设语法分析器包括SQL Lexer组件及SQLParser组件；

调用所述SQL Lexer组件对所述待处理数据进行词法解析，生成第一数据；

调用所述SQL Parser组件，并基于所述SQL语法结构对所述第一数据进行语义解析，生成第二数据；

整合所述第二数据，得到所述抽象语法树。

例如：所述预设语法分析器可以是antrl语法分析器。

进一步地，通过SQL Lexer对提交的待处理数据进行识别和映射，如SELECT/SEL词被识别映射成KW_SELECT。进一步地，SQL Parser会根据预先定义的SQL语法结构去解析，比如SQL文本满足KW_SELECT selectItem* ，则被解析为SELECT语法从句，最终产出TOK_SELECT_LIST，该TOKEN即可组合成抽象语法树。

通过上述实施方式，能够实现对SQL语法的统一，屏蔽各种语法差异，使用户无需关注底层实现的细节和计算引擎，只需要把更多的精力放在数据处理的业务逻辑层。

在本实施例中，为了进一步保证数据的安全性，防止数据被恶意篡改，可以将抽象语法树存储于区块链。

转化单元112对所述抽象语法树进行转化，得到第一执行计划。

需要说明的是，为了进一步简化数据处理的过程，提升数据处理的计算能力及效率，还需要对所述抽象语法树进行进一步地优化处理，即执行对所述抽象语法树的转化，以生成对应的执行计划，如SQL Planer、Job Planer。

在本实施例中，所述转化单元112对所述抽象语法树进行转化，得到第一执行计划包括：

从所述抽象语法树中获取事实数据构建事实表，及从所述抽象语法树中获取维度数据构建维度表；

对所述事实表及所述维度表进行哈希连接，并根据所述事实表生成事实表直方图，根据所述维度表生成哈希表；

根据所述事实表直方图及所述哈希表确定谓词直方图区域；

将所述谓词直方图区域转换为谓词，并将所述谓词下推至数据存储层，得到所述第一执行计划。

其中，所述事实数据是指反映实际数值情况的数据，如业务销售数据等。

其中，所述维度数据能够反映出对应的事实数据的特性，如提供描述性信息的并用于汇总数据的特性的层次结构等。

例如：对于一个企业，根据所述维度表可以找到企业中的各个员工，而每个员工的绩效表可以作为对应的事实数据并构成事实表。

需要说明的是，不同于现有技术中通常采用最小值、最大值或者完整哈希进行下推，容易导致计算资源的缺乏，本实施方式能够根据事实表直方图提升数据过滤能力，进而提高存储层的计算能力，并有效减少执行计划时数据的计算。

本实施例中，所述转化单元112根据所述事实表直方图及所述哈希表确定谓词直方图区域包括：

获取所述哈希表中的键值，并对所述哈希表中的键值进行排序，得到序列表；

从所述序列表中获取直方图区域；

计算所述直方图区域中与所述事实表直方图对应的每个区域的行数；

按照每个区域的行数由高到低的顺序对每个区域进行排序，并获取排在前预设位的区域作为所述谓词直方图区域。

当然，在其他实施例中，为了便于更好的对所述抽象语法树进行转化，还可以对所述抽象语法树进行连接条件下推、左连接消除等操作，本发明能够不限制。

例如：建立优化规则列表，如谓词下推、连接条件下推、左连接消除等，列表中每个优化规则里包括判断规则和转化规则。

其中，判断规则为遍历语法树，看是否满足优化情景；转化规则，则是在所述优化情景中进行语法树转化的规则。

进一步地，遍历所述抽象语法树，寻找SQL谓词(>=, IS NULL,BETWEEN) ，判断该谓词是否靠近数据源，倘若不是，则满足谓词下推的优化规则，根据谓词下推的转化规则对所述抽象语法树进行转化，把谓词往数据源进行下推。最终得到的所述第一执行计划则为：所述抽象语法树进行基于优化规则的顺序轮询判断，倘若满足优化规则，则通过转化规则进行转化，并输出优化后的语法树；倘若不满足优化规则，则保留原有的抽象语法树，不进行优化。

在本实施例中，对于所述第一执行计划中的每个SQL语句，计算每个SQL语句的哈希值；

获取每个SQL语句中预设字符位置上的字符，并将获取的字符与对应的每个SQL语句的哈希值进行组合，得到每个SQL语句的数组；

将每个SQL语句的哈希值确定为每个SQL语句的数组的数组标识；

当接收到待转化数据时，计算所述待转化数据的哈希值；

根据所述待转化数据的哈希值在每个SQL语句的数组的数组标识中进行扫描；

当扫描到与所述待转化数据的哈希值一致的数组标识时，将扫描到的数组标识确定为目标标识，并将与所述目标标识对应的数组确定为目标数组；

获取所述待转化数据的预设字符位置上的字符作为待匹配字符，及获取所述目标数组预设字符位置上的字符作为目标字符；

当所述待匹配字符与所述目标字符一致时，返回所述目标数组中的SQL语句作为与所述待转化数据对应的SQL语句。

通过上述实施方式，能够利用哈希值的唯一性实现对SQL语句的自动匹配，并实现对转化后的SQL语句的复用，例如对于相同的查询语句，能够获取到对应的规范化后的SQL语句进行查询，避免每次重复执行转化给系统带来负担。

优化单元113检测所述待处理数据的执行环境，并根据所述执行环境对所述抽象语法树进行优化，得到第二执行计划。

需要说明的是，为了进一步提升数据处理的性能，除了从语句角度进行优化外，还需要根据具体地执行环境进行优化。

具体地，所述优化单元113检测所述待处理数据的执行环境，并根据所述执行环境对所述抽象语法树进行优化包括：

连接至所述待处理数据的配置文件；

从所述配置文件中获取所述待处理数据的执行环境；

响应于所述执行环境为Spark执行环境，从所述抽象语法树中获取临时表，并将所述临时表转化为视图数据，并将所述视图数据压缩为parquet格式；及/或

响应于所述执行环境为Hive执行环境，从所述抽象语法树中获取小于或者等于配置大小的数据，并对获取的数据进行合并，得到中间数据，将所述中间数据压缩为orc格式。

通过上述实施方式，能够有效利用执行引擎，并减少引擎执行时的计算量，进而更加有效的对数据进行压缩存储。

执行单元114根据所述执行环境确定目标接口，并启动与所述目标接口对应的执行引擎执行所述第一执行计划及所述第二执行计划。

具体地，所述执行单元114根据所述执行环境确定目标接口，并启动与所述目标接口对应的执行引擎执行所述第一执行计划及所述第二执行计划包括：

当所述执行环境为所述Spark执行环境及/或所述Hive执行环境时，将spark/hive引擎接口确定为所述目标接口，并启动所述spark/hive引擎接口执行批处理；或者

当所述执行环境为Flink执行环境时，将Flink引擎接口确定为所述目标接口，并启动所述Flink引擎接口执行流处理；或者

当所述执行环境为python图像执行环境时，将python图像引擎接口确定为所述目标接口，并启动所述python图像引擎接口执行图像处理；或者

当所述执行环境为ElasticSearch半结构化数据执行环境时，将ElasticSearch半结构化数据引擎接口确定为所述目标接口，并启动所述ElasticSearch半结构化数据引擎接口执行非结构化处理。

通过上述实施方式，能够自动识别目标接口，进而通过目标接口调用相应的大数据引擎进行数据处理，以实现对大数据的自动化处理。

由以上技术方案可以看出，本发明能够定义SQL语法结构，当接收到待处理数据时，根据所述SQL语法结构对所述待处理数据进行解析，生成抽象语法树，实现对SQL语法的统一，屏蔽各种语法差异，对所述抽象语法树进行转化，得到第一执行计划，检测所述待处理数据的执行环境，并根据所述执行环境对所述抽象语法树进行优化，得到第二执行计划，不仅对语句进行了进一步优化，还根据执行环境进行了再次优化，根据所述执行环境确定目标接口，并启动与所述目标接口对应的执行引擎执行所述第一执行计划及所述第二执行计划，能够自动识别目标接口，进而通过目标接口调用相应的大数据引擎进行数据处理，以实现对大数据统一的自动化处理，有效提高了大数据处理的效率，并提升了大数据系统的性能。

如图3所示，是本发明实现大数据处理方法的较佳实施例的电子设备的结构示意图。

所述电子设备1可以包括存储器12、处理器13和总线，还可以包括存储在所述存储器12中并可在所述处理器13上运行的计算机程序，例如大数据处理程序。

本领域技术人员可以理解，所述示意图仅仅是电子设备1的示例，并不构成对电子设备1的限定，所述电子设备1既可以是总线型结构，也可以是星形结构，所述电子设备1还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置，例如所述电子设备1还可以包括输入输出设备、网络接入设备等。

需要说明的是，所述电子设备1仅为举例，其他现有的或今后可能出现的电子产品如可适应于本发明，也应包含在本发明的保护范围以内，并以引用方式包含于此。

其中，存储器12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。存储器12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。存储器12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（Secure Digital, SD）卡、闪存卡（Flash Card）等。进一步地，存储器12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。存储器12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，例如大数据处理程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

处理器13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。处理器13是所述电子设备1的控制核心（Control Unit），利用各种接口和线路连接整个电子设备1的各个部件，通过运行或执行存储在所述存储器12内的程序或者模块（例如执行大数据处理程序等），以及调用存储在所述存储器12内的数据，以执行电子设备1的各种功能和处理数据。

所述处理器13执行所述电子设备1的操作系统以及安装的各类应用程序。所述处理器13执行所述应用程序以实现上述各个大数据处理方法实施例中的步骤，例如图1所示的步骤。

示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述电子设备1中的执行过程。例如，所述计算机程序可以被分割成定义单元110、解析单元111、转化单元112、优化单元113、执行单元114。

上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、计算机设备，或者网络设备等）或处理器（processor）执行本发明各个实施例所述大数据处理方法的部分。

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。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指示相关的硬件设备来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。

其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。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）、随机存取存储器等。

进一步地，计算机可读存储介质可主要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、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。

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。

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。为便于表示，在图3中仅用一根箭头表示，但并不表示仅有一根总线或一种类型的总线。所述总线被设置为实现所述存储器12以及至少一个处理器13等之间的连接通信。

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13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。

图3仅示出了具有组件12-13的电子设备1，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。

结合图1，所述电子设备1中的所述存储器12存储多个指令以实现一种大数据处理方法，所述处理器13可执行所述多个指令从而实现：

定义SQL语法结构；

当接收到待处理数据时，根据所述SQL语法结构对所述待处理数据进行解析，生成抽象语法树；

对所述抽象语法树进行转化，得到第一执行计划；

检测所述待处理数据的执行环境，并根据所述执行环境对所述抽象语法树进行优化，得到第二执行计划；

根据所述执行环境确定目标接口，并启动与所述目标接口对应的执行引擎执行所述第一执行计划及所述第二执行计划。

具体地，所述处理器13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。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统，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。

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。本发明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。第一、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)

1.一种大数据处理方法，其特征在于，所述大数据处理方法包括：

定义SQL语法结构；

当接收到待处理数据时，根据所述SQL语法结构对所述待处理数据进行解析，生成抽象语法树；

对所述抽象语法树进行转化，得到第一执行计划；

检测所述待处理数据的执行环境，并根据所述执行环境对所述抽象语法树进行优化，得到第二执行计划；

根据所述执行环境确定目标接口，并启动与所述目标接口对应的执行引擎执行所述第一执行计划及所述第二执行计划。

2.如权利要求1所述的大数据处理方法，其特征在于，所述根据所述SQL语法结构对所述待处理数据进行解析，生成抽象语法树包括：

调用线程启动预设语法分析器，所述预设语法分析器包括SQL Lexer组件及SQLParser组件；

调用所述SQL Lexer组件对所述待处理数据进行词法解析，生成第一数据；

调用所述SQL Parser组件，并基于所述SQL语法结构对所述第一数据进行语义解析，生成第二数据；

整合所述第二数据，得到所述抽象语法树。

3.如权利要求1所述的大数据处理方法，其特征在于，所述对所述抽象语法树进行转化，得到第一执行计划包括：

从所述抽象语法树中获取事实数据构建事实表，及从所述抽象语法树中获取维度数据构建维度表；

对所述事实表及所述维度表进行哈希连接，并根据所述事实表生成事实表直方图，根据所述维度表生成哈希表；

根据所述事实表直方图及所述哈希表确定谓词直方图区域；

将所述谓词直方图区域转换为谓词，并将所述谓词下推至数据存储层，得到所述第一执行计划。

4.如权利要求3所述的大数据处理方法，其特征在于，所述根据所述事实表直方图及所述哈希表确定谓词直方图区域包括：

获取所述哈希表中的键值，并对所述哈希表中的键值进行排序，得到序列表；

从所述序列表中获取直方图区域；

计算所述直方图区域中与所述事实表直方图对应的每个区域的行数；

按照每个区域的行数由高到低的顺序对每个区域进行排序，并获取排在前预设位的区域作为所述谓词直方图区域。

5.如权利要求1所述的大数据处理方法，其特征在于，所述方法还包括：

对于所述第一执行计划中的每个SQL语句，计算每个SQL语句的哈希值；

获取每个SQL语句中预设字符位置上的字符，并将获取的字符与对应的每个SQL语句的哈希值进行组合，得到每个SQL语句的数组；

将每个SQL语句的哈希值确定为每个SQL语句的数组的数组标识；

当接收到待转化数据时，计算所述待转化数据的哈希值；

根据所述待转化数据的哈希值在每个SQL语句的数组的数组标识中进行扫描；

当扫描到与所述待转化数据的哈希值一致的数组标识时，将扫描到的数组标识确定为目标标识，并将与所述目标标识对应的数组确定为目标数组；

获取所述待转化数据的预设字符位置上的字符作为待匹配字符，及获取所述目标数组预设字符位置上的字符作为目标字符；

当所述待匹配字符与所述目标字符一致时，返回所述目标数组中的SQL语句作为与所述待转化数据对应的SQL语句。

6.如权利要求1所述的大数据处理方法，其特征在于，所述检测所述待处理数据的执行环境，并根据所述执行环境对所述抽象语法树进行优化包括：

连接至所述待处理数据的配置文件；

从所述配置文件中获取所述待处理数据的执行环境；

响应于所述执行环境为Spark执行环境，从所述抽象语法树中获取临时表，并将所述临时表转化为视图数据，并将所述视图数据压缩为parquet格式；及/或

响应于所述执行环境为Hive执行环境，从所述抽象语法树中获取小于或者等于配置大小的数据，并对获取的数据进行合并，得到中间数据，将所述中间数据压缩为orc格式。

7.如权利要求6所述的大数据处理方法，其特征在于，所述根据所述执行环境确定目标接口，并启动与所述目标接口对应的执行引擎执行所述第一执行计划及所述第二执行计划包括：

当所述执行环境为所述Spark执行环境及/或所述Hive执行环境时，将spark/hive引擎接口确定为所述目标接口，并启动所述spark/hive引擎接口执行批处理；或者

当所述执行环境为Flink执行环境时，将Flink引擎接口确定为所述目标接口，并启动所述Flink引擎接口执行流处理；或者

当所述执行环境为python图像执行环境时，将python图像引擎接口确定为所述目标接口，并启动所述python图像引擎接口执行图像处理；或者

当所述执行环境为ElasticSearch半结构化数据执行环境时，将ElasticSearch半结构化数据引擎接口确定为所述目标接口，并启动所述ElasticSearch半结构化数据引擎接口执行非结构化处理。

8.一种大数据处理装置，其特征在于，所述大数据处理装置包括：

定义单元，用于定义SQL语法结构；

解析单元，用于当接收到待处理数据时，根据所述SQL语法结构对所述待处理数据进行解析，生成抽象语法树；

转化单元，用于对所述抽象语法树进行转化，得到第一执行计划；

优化单元，用于检测所述待处理数据的执行环境，并根据所述执行环境对所述抽象语法树进行优化，得到第二执行计划；

执行单元，用于根据所述执行环境确定目标接口，并启动与所述目标接口对应的执行引擎执行所述第一执行计划及所述第二执行计划。

9.一种电子设备，其特征在于，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如权利要求1至7中任意一项所述的大数据处理方法。

10.一种计算机可读存储介质，其特征在于：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如权利要求1至7中任意一项所述的大数据处理方法。

Images