CN112487018A - 榜单生成方法、装置电子设备及计算机可读存储介质 - Google Patents

Abstract

本申请公开了一种榜单生成方法、装置电子设备及计算机可读存储介质，其中，所述榜单生成方法包括：获取到终端用户的行为数据及其对应的类型；其中，行为数据的类型包括实时行为数据以及设定周期内的离线行为数据中至少一种；基于行为数据的类型，将行为数据存储至与类型匹配的预设位置；获取到用户通过配置界面设置的榜单生成指令；其中，榜单生成指令包括榜单参数；响应于榜单生成指令，从预设位置查询与榜单参数匹配的行为数据；将与榜单参数匹配的行为数据生成榜单，并在配置界面进行显示。上述方案，能够提高榜单生成的灵活性和效率。

Description

榜单生成方法、装置电子设备及计算机可读存储介质

技术领域

本申请涉及互联网技术领域，特别是涉及一种榜单生成方法、装置电子设备及计算机可读存储介质。

背景技术

随着智能终端的普及，基于手机、平板、电脑等各种智能设备进行互动的交流平台迅速发展，以网络直播为例，网络直播是指可以通过网络在交流平台上观看直播数据的一种播放方式，在网络直播平台通常会生成各种类型的榜单，以使用户更直观地了解自己感兴趣的领域的热度。

但是，网络直播的榜单需求频繁且重复，在现有技术中，在生成榜单之前需要开发人员分析榜单对应的数据需求，进而编写相应的代码并运行以获取榜单对应的数据后发送给运营人员，再由运营人员生成并维护榜单，一旦榜单的需求有变化，则又需要开发人员再次编程，这极大地影响了生成榜单生成的灵活性，并且增加了开发人员的负担。

发明内容

本申请主要解决的技术问题是提供一种榜单生成方法、装置电子设备及计算机可读存储介质，能够提高榜单生成的灵活性和效率。

为解决上述技术问题，本申请第一方面提供一种榜单生成方法，所述榜单生成方法包括：获取到终端用户的行为数据及其对应的类型；其中，所述行为数据的类型包括实时行为数据以及设定周期内的离线行为数据中至少一种；基于所述行为数据的类型，将所述行为数据存储至与所述类型匹配的预设位置；获取到用户通过配置界面设置的榜单生成指令；其中，所述榜单生成指令包括榜单参数；响应于所述榜单生成指令，从所述预设位置查询与所述榜单参数匹配的行为数据；将所述与所述榜单参数匹配的行为数据生成榜单，并在所述配置界面进行显示。

为解决上述技术问题，本申请第二方面提供一种榜单生成装置，所述榜单生成装置包括：数据获取模块，用于获取到终端用户的行为数据及其对应的类型；其中，所述行为数据的类型包括实时行为数据以及设定周期内的离线行为数据中至少一种；数据存储模块，用于基于所述行为数据的类型，将所述行为数据存储至与所述类型匹配的预设位置；指令获取模块，用于获取到用户通过配置界面设置的榜单生成指令；其中，所述榜单生成指令包括榜单参数；数据查询模块，用于响应于所述榜单生成指令，从所述预设位置查询与所述榜单参数匹配的行为数据；榜单生成模块，用于将所述与所述榜单参数匹配的行为数据生成榜单，并在所述配置界面进行显示。

为解决上述技术问题，本申请第三方面提供一种电子设备，包括相互耦接的存储器和处理器，其中，所述存储器存储有程序指令，所述处理器用于执行所述存储器中存储的程序指令，以实现上述第一方面的榜单生成方法。

为解决上述技术问题，本申请第四方面提供一种计算机可读存储介质，其上存储有程序指令，所述程序指令被处理器执行时实现上述第一方面的榜单生成方法。

本申请的有益效果是：区别于现有技术的情况，本申请将终端用户的行为数据根据其对应的类型存储至与类型相匹配的预设位置，在获取到用户通过配置界面设置的榜单生成指令后，从预设位置查询并获取与榜单参数匹配的行为数据，利用与榜单参数匹配的行为数据生成榜单并显示。本申请对行为数据按类型进行了存储以供调用，对于需要生成榜单的用户而言，只需在配置界面设置自定义的榜单生成指令，即可最终生成榜单，无需开发人员针对每次生成榜单进行编程，减轻了开发人员的负担同时提高了榜单生成的灵活性和效率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：

图1是本申请榜单生成方法一实施例的流程示意图；

图2是本申请榜单生成方法另一实施例的流程示意图；

图3a是本申请活动配置界面一实施场景中的显示界面示意图；

图3b是本申请榜单配置界面一实施场景中的显示界面示意图；

图3c是本申请指标配置界面一实施场景中的显示界面示意图；

图4是本申请榜单生成装置一实施例的框架示意图；

图5是本申请榜单生成装置另一实施例的框架示意图；

图6是本申请电子设备一实施例的框架示意图；

图7是本申请计算机可读存储介质一实施例的框架示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部实施例。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的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。

本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。

请参阅图1，图1是本申请榜单生成方法一实施例的流程示意图。具体而言，可以包括如下步骤：

步骤S101：获取到终端用户的行为数据及其对应的类型。其中，行为数据的类型包括实时行为数据以及设定周期内的离线行为数据中至少一种。

具体地，随着直播行业的快速发展，直播已经给人们的日常生活和工作带来了很多便利，为使观看直播的观众更直观地了解各类直播内容的热度，需要生成各类榜单以便观看直播的观众获知相关热度信息。本申请中的直播可以是各种类型的直播形式，例如游戏类直播、电商类直播、娱乐类直播等，上述终端用户是进行直播的主播，行为数据至少包括日活跃用户数量(Daily Active User，DAU)、分享、时长、打赏、弹幕和粉丝中的一种或几种。上述行为数据从主播的直播间通过网络上传至大数据平台。

进一步地，行为数据可分为实时行为数据和离线行为数据，其中，离线行为数据为周期性的历史数据，例如：5分钟内的行为数据、1小时内的行为数据、12小时内的行为数据、24小时内的行为数据，7天内的行为数据、30天内的行为数据等。

步骤S102：基于行为数据的类型，将行为数据存储至与类型匹配的预设位置。

具体地，对实时行为数据进行预处理，将实时行为数据存储在实时存储区，对离线行为数据进行预处理，将离线行为数据存储在离线存储区。其中，离线存储区中进行存储时，按照时间递增的顺序进行存储。

在一实施场景中，将实时行为数据存储至实施存储区，将距当前时间点5分钟内的行为数据进行存储并根据时间节点更新，将距当前时间点1小时内的行为数据进行存储并根据时间节点更新，且1小时内的行为数据包括距当前时间点5分钟内的行为数据，将距当前时间点12小时内的行为数据进行存储并根据时间节点更新，且12小时内的行为数据包括距当前时间点1小时内的行为数据。

在另一实施场景中，在进行离线行为数据存储时，为不同周期的离线行为数据分别设置对应的离线存储区，将离线行为数据按周期存储至对应的离线存储区内。

步骤S103：获取到用户通过配置界面设置的榜单生成指令。其中，榜单生成指令包括榜单参数。

具体地，上述步骤S103中的用户表示直播平台的运营人员，运营人员可在配置界面设置榜单的榜单参数，进而根据榜单参数生成榜单生成指令，且榜单生成指令包括榜单参数。

进一步地，榜单参数可以包括榜单所需的行为数据、参与条件、直播类型以及榜单的更新方式为实时榜单还是离线榜单。

在一实施场景中，运营人员在配置界面进行榜单参数的设置，选择榜单的更新方式为12小时内的离线榜单，选择直播类型为游戏直播中的DOTA直播，选择参与条件为至少已直播1小时，选择主播的行为数据包括DAU、分享、打赏和弹幕。运营人员做出上述选择后在配置界面提交，进而将运营人员选择的榜单参数转换成可以被服务系统执行的榜单生成指令。

具体地，运营人员通过配置界面即可自定义榜单参数以生成多种形式的榜单，在榜单的需求有变化时无需开发人员再次编程以适应不同形式的榜单，减轻开发人员的负担且节约了人力投入成本。

步骤S104：响应于榜单生成指令，从预设位置查询与榜单参数匹配的行为数据。

具体地，执行榜单生成指令，判断榜单参数中榜单的更新方式为实时榜单还是离线榜单，若为实时榜单，则从实时存储区提取所需的行为数据，若为离线榜单，则从离线存储区提取所需的行为数据。

步骤S105：将与榜单参数匹配的行为数据生成榜单，并在配置界面进行显示。

具体地，在获得与榜单匹配的行为数据后，将行为数据根据既定规则计算热度得分，根据热度得分进行排名生成榜单并在配置界面显示。

在一实施场景中，在获得进行DOTA直播且已直播1小时的主播的实时行为数据后，将实时行为数据中的DAU、分享、打赏和弹幕，按照DAU*5+分享*1+打赏*10+弹幕*5的计算方式，计算满足条件的主播的热度得分，进而按照热度递减的方式至少显示部分主播对应的主播名称和热度得分，以在配置界面显示DOTA直播对应的实时榜单。

本实施例中，将终端用户的行为数据根据其对应的类型存储至与类型相匹配的预设位置，在获取到用户通过配置界面设置的榜单生成指令后，从预设位置查询并获取与榜单参数匹配的行为数据，利用与榜单参数匹配的行为数据生成榜单并显示。本申请对行为数据按类型进行了存储以供调用，对于需要生成榜单的用户而言，只需在配置界面设置自定义的榜单生成指令，即可最终生成榜单，无需开发人员针对每次生成榜单进行编程，减轻了开发人员的负担同时提高了榜单生成的灵活性和效率。

请参阅图2，图2是本申请榜单生成方法另一实施例的流程示意图。具体而言，可以包括如下步骤：

步骤S201：获取到终端用户的行为数据及其对应的类型。其中，行为数据的类型包括实时行为数据以及设定周期内的离线行为数据中至少一种。

具体地，主播的行为数据可根据时间节点分为实时行为数据和离线行为数据，实时行为数据按照当前时间点实时更新，离线行为数据包括距离当前时间点不同周期长度的行为数据。

进一步地，根据行为数据的类型不同，将实时行为数据和离线行为数据分别送入对应的引擎平台。比如：通过第一引擎平台获取到实时行为数据，以及通过第二引擎平台获取到离线行为数据。可以理解的是，由于两种类型的行为数据其刷新和存储方式存在差异，因此，将不同类型的行为数据送入更匹配行为数据特性的引擎平台，可提高行为数据的处理效率。

步骤S202：基于行为数据的类型，将行为数据存储至与类型匹配的预设位置。

具体地，利用行为数据对应的引擎平台对行为数据进行预处理，并存储至引擎平台提供的预设位置内。

在一实施场景中，上述步骤S202包括：通过第一引擎平台对实时行为数据进行预处理，得到实时行为数据的指标参数，以及通过第二引擎平台对离线行为数据进行预处理，得到离线行为数据的指标参数，将实时行为数据的指标参数以及离线行为数据的指标参数存储至与类型匹配的预设位置。

具体地，上述第一引擎平台包括Flink平台，上述第二引擎平台包括Hadoop平台。其中，Flink核心是一个流式的数据流执行引擎，通过Flink平台提供的Flink SQL计算引擎进行实时行为数据的预处理，Flink SQL是Flink平台针对实时计算的简化模型，更适用于实时数据的计算同时降低了用户使用实时计算的门槛。Hadoop平台是一个能够对大量数据进行分布式处理的软件框架，可提供高吞吐量来访问应用程序的数据，适合有着超大数据集的应用程序，因此，通过Hadoop平台提供的Hive计算引擎可适应数据量较大的离线行为数据，Hive可用来进行数据的提取、转化、加载，能将结构化的数据文件映射为一张数据库表，因此可将不同周期的离线行为数据进行处理后生成数据库表并存储。此外，离线数据的预处理还可通过Presto计算引擎，Presto可对250PB以上的数据进行快速地交互式分析，同样适用于数据量较大的离线行为数据。

可选地，底层设有Flink SQL、Hive和Presto计算引擎，针对特殊的语法，也对其创建对应UDF函数包，以提供满足复杂的数据逻辑操作的接口。

进一步地，上述通过第一引擎平台对实时行为数据进行预处理，得到实时行为数据的指标参数，以及通过第二引擎平台对离线行为数据进行预处理，得到离线行为数据的指标参数，将实时行为数据的指标参数以及离线行为数据的指标参数存储至与类型匹配的预设位置的步骤，包括：通过第一引擎平台依据实时行为数据的不同类别对实时行为数据进行维度划分，以生成由不同类别形成的多维度的指标参数，将多维度的指标参数建立关联，并将关联后的指标参数存入第一引擎平台的列表中；通过第二引擎平台依据离线行为数据的不同类别对离线行为数据进行维度划分，以生成由不同类别形成的多维度的指标参数，将多维度的指标参数建立关联，并将关联后的指标参数存入第二引擎平台的列表中。

具体地，将实时行为数据通过Flink平台进行预处理，将不同类别的行为数据按照维度分为多维度的指标参数，将属于同一主播的多维度的指标参数进行关联，存入实时动态事件表。将离线行为数据通过Hadoop平台进行预处理，将不同类别的行为数据按照维度分为多维度的指标参数，将属于同一主播的多维度的指标参数进行关联，存入Hive表。

在一应用方式中，以海外直播的业务中的离线行为数据为例，离线行为数据至少包括DAU、分享、钻石(打赏)、时长、弹幕和粉丝，根据离线行为数据的类型，将DAU和分享归入拉新，将钻石归入营收，将时长和弹幕归入直播，将粉丝归入潜力。其中，拉新、营收、直播、潜力为4个不同维度的指标参数。利用Hadoop平台将大量需要重复计算的主播离线行为数据抽象化，进行预处理后存入Hive表中，且仅在服务系统空闲内存大于第一阈值时利用Hadoop平台对离线行为数据进行预处理，以提高服务系统的流畅性。请参阅下表1，表1是多维度的指标参数宽表(Hive)，其中，拉新、营收、直播、潜力4个指标参数下，对应有相应类别的离线行为数据，并且离线行为数据与主播的ID号和国家绑定，当需要新增其他离线行为数据，可追加到宽表的后面，已实现的宽表中的指标参数也可以共用，避免重复。

表1：多维度的指标参数宽表(Hive)

步骤S203：获取到配置界面的配置信息。其中，配置信息包括配置界面的配置参数。

具体地，运营人员在配置界面可以选择配置信息，其中，配置信息包括多个维度的配置参数。

在一实施场景中，请参阅图3a-3c，配置界面包括活动配置界面、榜单配置界面和指标配置界面，在不同的配置界面可选择该配置界面中的配置信息，配置信息包括配置界面的配置参数。

具体地，活动配置界面主要包括是否报名、是否接入常规黑名单、是否接入常规白名单、开始结束时间以及限定参与的国家、主播开播的品类等配置参数。榜单配置界面包括榜单玩法类型、榜单主体、时区、数据执行更新周期，开始结束时间等配置参数。指标配置界面主要包括人群筛选、维度过滤、统计规则3种指标的配置参数。运营人员在配置界面进行配置参数的选择即可将指标组合后形成规则，进而规则组合后形成榜单参数，由榜单参数决定榜单的生成，使榜单的生成更加灵活。

步骤S204：获取到用户通过配置界面设置的榜单生成指令。其中，榜单生成指令包括榜单参数。

具体地，运营人员做出相应选择后在配置界面提交，进而将运营人员选择的榜单参数转换成可以被服务系统执行的榜单生成指令。

步骤S205：响应于榜单生成指令，从预设位置查询与榜单参数匹配的行为数据。

具体地，按照榜单生成指令中包含的榜单参数，将榜单参数转换成SQL查询指令，以从上述步骤S201-S202中生成的实时动态事件表和/或Hive表中查询并提取与榜单参数匹配的行为数据。

在一实施场景中，上述步骤S205可包括：将榜单生成SQL查询指令，通过SQL查询指令从预设位置查询与榜单参数匹配的行为数据。

具体地，请再次参阅图3c，榜单由规则组合而成，规则由指标组合而成，将榜单生成SQL查询指令主要是将指标配置界面的配置参数转换成SQL查询指令，将人群筛选、维度过滤、统计规则解析成使用SQL实现的3部分查询语句。

进一步地，为统计规则生成第一函数，以获得按预设规则生成的统计规则对应的总得分，为维度过滤生成第二函数，以过滤维度过滤之外的参数，为人群筛选生成第三函数，以获得包含人群筛选的用户。其中，针对统计规则创建实现加减乘除逻辑运算后的sum函数语句，针对人群筛选创建一个满足该活动榜单人群的inner函数语句，针对维度过滤创建能够对主播日行为数据进行过滤的where函数语句，以便通过SQL查询指令从实时动态事件表和/或Hive表中迅速且准确地获得与榜单参数匹配的行为数据。

步骤S206：将与榜单参数匹配的行为数据生成榜单，并在配置界面进行显示。

具体地，请再次参阅图3c，配置参数包括对应的更新频率，如图3c中的当日即表示更新频率为24小时，当日5分钟则表示更新频率为5分钟。在获得更新频率后，将与榜单参数匹配的行为数据生成榜单，按照更新频率更新榜单的数据。

进一步地，指标配置界面的配置参数在创建时即包括了更新频率该属性。运营人员在指标配置界面选择配置参数时则对应选择了更新频率，在完成配置参数的选择后，即可根据配置参数对应的更新频率确定榜单的更新频率。也就是说，在步骤S204之前即可确定榜单的更新频率，进而在查询与榜单参数匹配的行为数据时，即可根据榜单的更新频率来选择是去实时动态事件表还是Hive表中查询行为数据。并且，在Hive表中查询行为数据时可提取与榜单的更新频率相匹配的周期内的离线行为数据，进而极大提升榜单生成的效率，同时使得配置界面可兼容Flink SQL、Hive和Presto三种计算引擎。

进一步地，运营人员选择的配置参数对应的更新频率可能存在冲突，此时，按照更新频率更新榜单的数据的步骤包括：判断配置参数对应的更新频率是否相同；若是，则按照更新频率更新榜单的数据，若否，则进一步判断不同的更新频率对应的配置参数是否相互影响；若否，则按照不同的更新频率分别更新榜单的数据，若是，则选择所有更新频率中占比最高的更新频率更新榜单的数据。

具体地，在确定榜单的更新频率时，若配置参数对应的更新频率相同，则将配置参数对应的更新频率确定为榜单的更新频率，若配置参数对应的更新频率不相同，则判断配置参数对应的更新频率是否相互影响，比如：配置参数的更新频率包括5分钟和24小时，都属于离线行为数据对应的更新频率，则判定不同的更新频率不影响，最终从Hive表中查询5分钟和24小时对应的离线行为数据更新两种周期的离线榜单。但是，如果配置参数的更新频率包括实时和离线两种类型，则定不同的更新频率之间影响，则选择配置参数的更新频率中占比最高的更新频率作为榜单的更新频率，进而降低因更新频率相互影响导致榜单无法生成的概率。

本实施例中，配置界面兼容多种引擎平台，将实时行为数据和离线行为数据通过不同的引擎平台进行预处理并存储，而运营人员仅需在配置界面设置相应的配置参数以获得榜单参数，进而获得榜单生成指令和SQL查询指令，利用SQL查询指令提取与榜单参数匹配的行为数据，进而根据榜单生成指令和配置参数的更新频率生成榜单，提高了配置界面对于不同更新频率的榜单的兼容性以及榜单生成的灵活性。

请参阅图4，图4是本申请榜单生成装置一实施例的框架示意图。榜单生成装置40具体包括数据获取模块400、数据存储模块402、指令获取模块404、数据查询模块406和榜单生成模块408。其中，数据获取模块400用于获取到终端用户的行为数据及其对应的类型，且行为数据的类型包括实时行为数据以及设定周期内的离线行为数据中至少一种。数据存储模块402用于基于行为数据的类型，将行为数据存储至与类型匹配的预设位置。指令获取模块404用于获取到用户通过配置界面设置的榜单生成指令，且榜单生成指令包括榜单参数。数据查询模块406用于响应于榜单生成指令，从预设位置查询与榜单参数匹配的行为数据。榜单生成模块408用于将与榜单参数匹配的行为数据生成榜单，并在配置界面进行显示。

上述方案，通过数据获取模块400获取终端用户的行为数据，数据存储模块402根据行为数据对应的类型存储至与类型相匹配的预设位置，指令获取模块404获取到用户通过配置界面设置的榜单生成指令后，数据查询模块406从预设位置查询并获取与榜单参数匹配的行为数据，榜单生成模块408利用与榜单参数匹配的行为数据生成榜单并显示。对于需要生成榜单的用户，只需在配置界面设置自定义的榜单生成指令，进而指令获取模块404获取相关指令即可由数据查询模块406获取与榜单参数匹配的参数，最终由榜单生成模块408生成榜单，无需开发人员针对每次生成榜单进行编程，减轻了开发人员的负担同时提高了榜单生成的灵活性和效率。

在一些实施例中，指令获取模块404还可以用于：获取到配置界面的配置信息；其中，配置信息包括配置界面的配置参数。

在一些实施例中，配置参数包括对应的更新频率，此时榜单生成模块408具体可以用于：按照更新频率更新榜单的数据。

在一些实施例中，数据获取模块400还可以用于：通过第一引擎平台对实时行为数据进行预处理，得到实时行为数据的指标参数，以及通过第二引擎平台对离线行为数据进行预处理，得到离线行为数据的指标参数。数据存储模块402还可以用于：将实时行为数据的指标参数以及离线行为数据的指标参数存储至与类型匹配的预设位置。

在一些实施例中，数据获取模块400具体可以用于：通过第一引擎平台依据实时行为数据的不同类别对实时行为数据进行维度划分，以生成由不同类别形成的多维度的指标参数。数据存储模块402具体可以用于：将多维度的指标参数建立关联，并将关联后的指标参数存入第一引擎平台的列表中。数据获取模块400具体可以用于：通过第二引擎平台依据离线行为数据的不同类别对离线行为数据进行维度划分，以生成由不同类别形成的多维度的指标参数。数据存储模块402具体可以用于：将多维度的指标参数建立关联，并将关联后的指标参数存入第二引擎平台的列表中。其中，第一引擎平台包括Flink平台；第二引擎平台包括Hadoop平台。

在一些实施例中，数据查询模块406还可以用于：将榜单生成SQL查询指令，通过SQL查询指令从预设位置查询与榜单参数匹配的行为数据。

请参阅图5，图5是本申请榜单生成装置另一实施例的框架示意图。榜单生成装置40还包括冲突判断模块410，冲突判断模块410具体可以用于判断配置参数对应的更新频率是否相同；若是，则按照更新频率更新榜单的数据，若否，则进一步判断不同的更新频率对应的配置参数是否相互影响；若否，则按照不同的更新频率分别更新榜单的数据，若是，则选择所有更新频率中占比最高的更新频率更新榜单的数据。

请参阅图6，图6是本申请电子设备一实施例的框架示意图。电子设备60包括相互耦接的存储器601和处理器602，存储器601存储有程序指令，处理器602用于执行存储器601中存储的程序指令，以实现上述任一榜单生成方法实施例的步骤。

具体而言，处理器602用于控制其自身以及存储器601以实现上述任一榜单生成方法实施例的步骤。处理器602还可以称为CPU(Central Processing Unit，中央处理单元)。处理器602可能是一种集成电路芯片，具有信号的处理能力。处理器602还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,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。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。另外，处理器602可以由集成电路芯片共同实现。

上述方案，处理器602通过接收用户在配置界面设置的榜单参数生成榜单生成指令，查询与榜单参数匹配的行为数据进而生成榜单并显示，简化了榜单生成的流程，降低了榜单生成的门槛。

请参阅图7，图7是本申请计算机可读存储介质一实施例的框架示意图。计算机可读存储介质700存储有能够被处理器运行的程序指令7000，程序指令7000用于实现上述任一榜单生成方法实施例的步骤。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法、装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，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，例如单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元来实现本实施方式方案的目的。

另外，在本申请各个实施例中的各功能单元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，也可以采用软件功能单元的形式实现。

集成的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，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品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，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (11)

1.一种榜单生成方法，其特征在于，所述方法包括：

获取到终端用户的行为数据及其对应的类型；其中，所述行为数据的类型包括实时行为数据以及设定周期内的离线行为数据中至少一种；

基于所述行为数据的类型，将所述行为数据存储至与所述类型匹配的预设位置；

获取到用户通过配置界面设置的榜单生成指令；其中，所述榜单生成指令包括榜单参数；

响应于所述榜单生成指令，从所述预设位置查询与所述榜单参数匹配的行为数据；

将所述与所述榜单参数匹配的行为数据生成榜单，并在所述配置界面进行显示。

2.根据权利要求1所述的榜单生成方法，其特征在于，所述获取到用户通过配置界面设置的榜单生成指令的步骤之前，还包括：

获取到所述配置界面的配置信息；其中，所述配置信息包括所述配置界面的配置参数。

3.根据权利要求2所述的榜单生成方法，其特征在于，所述配置参数包括对应的更新频率；

所述将所述与所述榜单参数匹配的行为数据生成榜单，并在所述配置界面进行显示的步骤之前，还包括：

按照所述更新频率更新所述榜单的数据。

4.根据权利要求3所述的榜单生成方法，其特征在于，所述按照所述更新频率更新所述榜单的数据的步骤，包括：

判断所述配置参数对应的所述更新频率是否相同；

若是，则按照所述更新频率更新所述榜单的数据，若否，则进一步判断不同的所述更新频率对应的所述配置参数是否相互影响；

若否，则按照不同的所述更新频率分别更新所述榜单的数据，若是，则选择所有所述更新频率中占比最高的更新频率更新所述榜单的数据。

5.根据权利要求1所述的榜单生成方法，其特征在于，所述获取到终端用户的行为数据及其对应的类型的步骤，包括：

通过第一引擎平台获取到所述实时行为数据，以及通过第二引擎平台获取到所述离线行为数据；

所述基于所述行为数据的类型，将所述行为数据存储至与所述类型匹配的预设位置的步骤，包括：

通过所述第一引擎平台对所述实时行为数据进行预处理，得到所述实时行为数据的指标参数，以及通过所述第二引擎平台对所述离线行为数据进行预处理，得到所述离线行为数据的指标参数，将所述实时行为数据的指标参数以及所述离线行为数据的指标参数存储至与所述类型匹配的预设位置。

6.根据权利要求5所述的榜单生成方法，其特征在于，所述通过所述第一引擎平台对所述实时行为数据进行预处理，得到所述实时行为数据的指标参数，以及通过所述第二引擎平台对所述离线行为数据进行预处理，得到所述离线行为数据的指标参数，将所述实时行为数据的指标参数以及所述离线行为数据的指标参数存储至与所述类型匹配的预设位置的步骤，包括：

通过所述第一引擎平台依据所述实时行为数据的不同类别对所述实时行为数据进行维度划分，以生成由所述不同类别形成的多维度的指标参数，将所述多维度的指标参数建立关联，并将关联后的所述指标参数存入所述第一引擎平台的列表中；

通过所述第二引擎平台依据所述离线行为数据的不同类别对所述离线行为数据进行维度划分，以生成由所述不同类别形成的多维度的指标参数，将所述多维度的指标参数建立关联，并将关联后的所述指标参数存入所述第二引擎平台的列表中。

7.根据权利要求5或6所述的榜单生成方法，其特征在于，所述第一引擎平台包括Flink平台；所述第二引擎平台包括Hadoop平台。

8.根据权利要求5或6所述的榜单生成方法，其特征在于，所述响应于所述榜单生成指令，从所述预设位置查询与所述榜单参数匹配的行为数据的步骤，包括：

将所述榜单生成SQL查询指令，通过所述SQL查询指令从所述预设位置查询与所述榜单参数匹配的行为数据。

9.一种榜单生成装置，其特征在于，包括：

数据获取模块，用于获取到终端用户的行为数据及其对应的类型；其中，所述行为数据的类型包括实时行为数据以及设定周期内的离线行为数据中至少一种；

数据存储模块，用于基于所述行为数据的类型，将所述行为数据存储至与所述类型匹配的预设位置；

指令获取模块，用于获取到用户通过配置界面设置的榜单生成指令；其中，所述榜单生成指令包括榜单参数；

数据查询模块，用于响应于所述榜单生成指令，从所述预设位置查询与所述榜单参数匹配的行为数据；

榜单生成模块，用于将所述与所述榜单参数匹配的行为数据生成榜单，并在所述配置界面进行显示。

10.一种电子设备，其特征在于，包括：相互耦接的存储器和处理器，其中，所述存储器存储有程序指令，所述处理器用于执行所述存储器中存储的程序指令，以实现如权利要求1-8中任一项所述的方法。

11.一种计算机可读存储介质，其上存储有程序指令，其特征在于，所述程序指令被处理器执行时实现如权利要求1-8中任一项所述的方法。

Images