CN112579326A - 离线数据处理方法、装置、电子设备和计算机可读介质 - Google Patents
离线数据处理方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN112579326A CN112579326A CN202011604530.9A CN202011604530A CN112579326A CN 112579326 A CN112579326 A CN 112579326A CN 202011604530 A CN202011604530 A CN 202011604530A CN 112579326 A CN112579326 A CN 112579326A
- Authority
- CN
- China
- Prior art keywords
- data
- depth filtering
- filtered
- offline data
- processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 105
- 238000012937 correction Methods 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000001914 filtration Methods 0.000 claims description 132
- 238000004590 computer program Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 6
- 229910052737 gold Inorganic materials 0.000 description 6
- 239000010931 gold Substances 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000000644 propagated effect Effects 0.000 description 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/546—Message passing systems or structures, e.g. queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/18—File system types
- G06F16/182—Distributed file systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/54—Indexing scheme relating to G06F9/54
- G06F2209/547—Messaging middleware
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本公开的实施例公开了离线数据处理方法、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:根据分布式消息系统订阅信息,从分布式消息系统中获取预先过滤的离线数据,其中,上述分布式消息系统订阅信息用于指示上述预先过滤的离线数据在上述分布式消息系统中的存储位置;对上述预先过滤的离线数据进行格式统一处理,得到目标格式的离线数据;对上述目标格式的离线数据进行内容修正处理,得到与在线数据的内容一致的修正数据。该实施方式无需针对每个业务执行定制化的离线数据处理任务,提高了离线数据处理的业务逻辑的复用性。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及离线数据处理方法、装置、电子设备和计算机可读介质。
背景技术
离线数据是指业务上线之后所产生的历史业务数据,可以是登录日志、访问日志等等。目前,在对离线数据进行处理时,通常采用的方式为:通过分布式文件系统的映射-规约编程模型(例如,MapReduce)或通用的计算引擎(例如,Spark)对离线数据进行处理。
然而,当采用上述方式对离线数据进行处理时,经常会存在如下技术问题:需要针对每个业务执行定制化的离线数据处理任务,导致离线数据处理的业务逻辑的复用性较差。
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离线数据处理方法、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中的一项或多项。
第一方面,本公开的一些实施例提供了一种离线数据处理方法,该方法包括:根据分布式消息系统订阅信息,从分布式消息系统中获取预先过滤的离线数据,其中,上述分布式消息系统订阅信息用于指示上述预先过滤的离线数据在上述分布式消息系统中的存储位置;对上述预先过滤的离线数据进行格式统一处理,得到目标格式的离线数据;对上述目标格式的离线数据进行内容修正处理,得到与在线数据的内容一致的修正数据。
第二方面,本公开的一些实施例提供了一种离线数据处理装置,装置包括:获取单元,被配置成根据分布式消息系统订阅信息,从分布式消息系统中获取预先过滤的离线数据,其中,上述分布式消息系统订阅信息用于指示上述预先过滤的离线数据在上述分布式消息系统中的存储位置;格式统一处理单元,被配置成对上述预先过滤的离线数据进行格式统一处理,得到目标格式的离线数据;内容修正处理单元,被配置成对上述目标格式的离线数据进行内容修正处理,得到与在线数据的内容一致的修正数据。
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上述第一方面任一实现方式所描述的方法。
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上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:首先,根据分布式消息系统订阅信息,从分布式消息系统中获取预先过滤的离线数据,其中,上述分布式消息系统订阅信息用于指示上述预先过滤的离线数据在上述分布式消息系统中的存储位置。从而,可以从分布式消息系统中获取需要进一步处理的预先过滤的离线数据。然后,对上述预先过滤的离线数据进行格式统一处理,得到目标格式的离线数据。从而,将预先过滤的离线数据的格式转换为统一的数据格式,便于统一的处理。最后,对上述目标格式的离线数据进行内容修正处理,得到与在线数据的内容一致的修正数据。从而,可以使得作为历史数据的离线数据的内容保持与在线数据一致,进而便于后续对离线数据的使用。由此,本公开实现了对不同的业务场景下的离线数据的统一处理,无需针对每个业务执行定制化的离线数据处理任务。从而,提高了离线数据处理的业务逻辑的复用性。
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,元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离线数据处理方法的一个应用场景的示意图;
图2是根据本公开的离线数据处理方法的一些实施例的流程图;
图3是根据本公开的离线数据处理方法的另一些实施例的流程图;
图4是根据本公开的另一些实施例的离线数据处理方法的字段补全的示意图;
图5是根据本公开的离线数据处理装置的一些实施例的结构示意图;
图6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。
图1是本公开的一些实施例的离线数据处理方法的一个应用场景的示意图。
在图1的应用场景中,首先,计算设备101可以根据分布式消息系统订阅信息,从分布式消息系统102中获取预先过滤的离线数据103,其中,上述分布式消息系统订阅信息用于指示上述预先过滤的离线数据103在上述分布式消息系统102中的存储位置。然后,计算设备101可以对上述预先过滤的离线数据103进行格式统一处理,得到目标格式的离线数据104。最后,计算设备101可以对上述目标格式的离线数据104进行内容修正处理,得到与在线数据的内容一致的修正数据105。
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,可以安装在上述所列举的硬件设备中。其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。
具体来说,造成相关的离线数据处理的业务逻辑的复用性较差的原因在于:需要针对每个业务执行定制化的离线数据处理任务。基于此,可以通过本公开的离线数据处理方法的一些实施例的流程200或300中的步骤解决上述问题。
继续参考图2,示出了根据本公开的离线数据处理方法的一些实施例的流程200。该离线数据处理方法,包括以下步骤:
步骤201,根据分布式消息系统订阅信息,从分布式消息系统中获取预先过滤的离线数据。
在一些实施例中,离线数据处理方法的执行主体(如图1所示的计算设备101)可以根据分布式消息系统订阅信息,通过有线连接方式或者无线连接方式从分布式消息系统中获取预先过滤的离线数据。其中,上述分布式消息系统订阅信息用于指示上述预先过滤的离线数据在上述分布式消息系统中的存储位置。上述分布式消息系统可以指采用分布式软件系统构建的支持分布式处理的消息系统。上述分布式消息系统可以是一种高吞吐量的分布式发布订阅消息系统(例如,Kafka)。上述分布式消息系统还可以是用于在分布式系统中存储转发消息的消息系统(例如,RabbitMQ)。上述分布式消息系统订阅信息可以是Kafka中的Kafka-Consumer配置参数信息。上述执行主体可以根据上述Kafka-Consumer配置参数信息获取存储在Kafka集群中特定节点上的离线数据。
在一些实施例的一些可选的实现方式中,上述分布式消息系统中预先过滤的离线数据可以是通过以下步骤得到的:
第一步,根据原始离线数据地址,从分布式文件系统中获取原始离线数据。其中,上述分布式文件系统可以是一种允许文件通过网络在多台主机上进行分享的文件系统。上述分布式文件系统可以是HDFS(Hadoop Distributed File System,Hadoop分布式文件系统),FastDFS(Fast Distributed File System,轻量级分布式文件系统)和Ceph等等。上述原始离线数据地址可以用于表示上述原始离线数据在上述分布式文件系统中的存储位置。
作为示例,上述原始离线数据可以是用户登录日志数据。上述用户登录日志数据中的每条用户登录日志可以包括:用户唯一标识码,登录时间,登出时间,登录状态。作为示例,上述用户登录日志数据可以是{[01,2020-11-19-16:12:21,2020-11-19-17:10:01,登录成功],[002,2020-11-18-02:57:19,2020-11-18-03:30:22,登录成功],[01,2020-11-18-14:11:12,null,登录失败],[03,2020-11-19-16:12:21,2020-11-19-16:42:25,登录成功]}。当登录状态为“登录失败”时,对应的登出时间可以标记为“null”。
第二步,根据预先设置的预处理过滤条件对上述原始离线数据进行初步过滤处理,得到初步过滤数据。其中,上述预处理过滤条件可以用于对上述原始离线数据进行筛选。
作为示例,上述预处理过滤条件可以是用户登录日志中的登录状态为“登录成功”且登录时间在2020-11-19-00:00:00至2020-11-19-59:59:59之间。则根据上述预处理过滤条件对上述原始离线数据进行初步过滤处理,得到的初步过滤数据可以是{[01,2020-11-19-16:12:21,2020-11-19-17:10:01,登录成功],[03,2020-11-19-16:12:21,2020-11-19-16:42:25,登录成功]}。
第三步,将上述初步过滤数据作为上述预先过滤的离线数据发送至上述分布式消息系统。
步骤202,对预先过滤的离线数据进行格式统一处理,得到目标格式的离线数据。
在一些实施例中,上述执行主体可以对上述预先过滤的离线数据进行格式统一处理,得到目标格式的离线数据。其中,上述目标格式可以是JSON(JavaScript ObjectNotation,JS对象简谱)格式或XML(Extensible Markup Language,可扩展标记语言)格式等等。
作为示例,将上述预先过滤的离线数据{[01,2020-11-19-16:12:21,2020-11-19-17:10:01,登录成功],[02,2020-11-18-02:57:19,2020-11-18-03:30:22,登录成功],[01,2020-11-18-14:11:12,null,登录失败],[03,2020-11-19-16:12:21,2020-11-19-16:42:25,登录成功]}解析为JSON格式后,得到的目标格式的离线数据可以是:{[“用户唯一标识码”:“01”,“登录时间”:“2020-11-19-16:12:21”,“登出时间”:“2020-11-19-17:10:01”,“登录状态”:“登录成功”],[“用户唯一标识码”:“03”,“登录时间”:“2020-11-19-16:12:21”,“登出时间”:“2020-11-19-16:42:25”,“登录状态”:“登录成功”]}。
在上述实现方式中,通过对预先过滤的离线数据进行格式统一处理,将预先过滤的离线数据的格式转换为统一的目标格式。从而,便于后续的统一处理。
步骤203,对目标格式的离线数据进行内容修正处理,得到与在线数据的内容一致的修正数据。
在一些实施例中,上述执行主体可以对上述目标格式的离线数据进行内容修正处理,得到与在线数据的内容一致的修正数据。其中,在线数据可以是实时产生的数据。修正处理可指将上述目标格式的离线数据中表示方式或取值范围与在线数据不一致的数据转换为与在线数据一致的数据。
作为示例,上述在线数据中用户唯一标识码可以用三位数字表示。而上述预先过滤的离线数据中用户唯一标识码可以用两位数字表示。此时,将上述预先过滤的离线数据中的用户唯一标识码转换为三位数字表示,得到与在线数据的内容一致的修正数据{[“用户唯一标识码”:“001”,“登录时间”:“2020-11-19-16:12:21”,“登出时间”:“2020-11-19-17:10:01”,“登录状态”:“登录成功”],[“用户唯一标识码”:“003”,“登录时间”:“2020-11-19-16:12:21”,“登出时间”:“2020-11-19-16:42:25”,“登录状态”:“登录成功”]}。
在上述实现方式中,通过对目标格式的离线数据进行内容修正处理,确保离线数据与在线数据的一致性,从而便于后续对离线数据的进一步使用。
本公开的上述各个实施例具有如下有益效果:首先,根据分布式消息系统订阅信息,从分布式消息系统中获取预先过滤的离线数据,其中,上述分布式消息系统订阅信息用于指示上述预先过滤的离线数据在上述分布式消息系统中的存储位置。从而,可以从分布式消息系统中获取需要进一步处理的预先过滤的离线数据。然后,对上述预先过滤的离线数据进行格式统一处理,得到目标格式的离线数据。从而,将预先过滤的离线数据的格式转换为统一的数据格式,便于统一的处理。最后,对上述目标格式的离线数据进行内容修正处理,得到与在线数据的内容一致的修正数据。从而,可以使得作为历史数据的离线数据的内容保持与在线数据一致,进而便于后续对离线数据的使用。由此,本公开实现了对不同的业务场景下的离线数据的统一处理,无需针对每个业务执行定制化的离线数据处理任务。从而,提高了离线数据处理的业务逻辑的复用性。
进一步参考图3,其示出了离线数据处理方法的另一些实施例的流程300。该离线数据处理方法的流程300,包括以下步骤:
步骤301,根据分布式消息系统订阅信息,从分布式消息系统中获取预先过滤的离线数据。
步骤302,对预先过滤的离线数据进行格式统一处理,得到目标格式的离线数据。
步骤303,对目标格式的离线数据进行内容修正处理,得到与在线数据的内容一致的修正数据。
在一些实施例中,步骤301-303的具体实现及其所带来的技术效果可以参考图2对应的实施例中的步骤201-203,在此不再赘述
步骤304,对修正数据进行深度过滤处理,得到深度过滤数据。
在一些实施例中,上述执行主体可以对上述修正数据进行深度过滤处理,得到深度过滤数据。其中,上述深度过滤处理可以是删除上述修正数据中格式错误的数据,从而将格式正确的数据作为深度过滤数据。上述深度过滤处理还可以是对上述修正数据中重复出现的数据进行去重处理。
作为示例,可以删除上述修正数据中未成功转换为JSON格式或XML格式的数据,得到深度过滤数据。
在一些实施例的一些可选的实现方式中,上述执行主体可以根据预设的深度过滤信息组对修正数据进行深度过滤处理,得到深度过滤数据。其中,上述预设的深度过滤信息组中的深度过滤信息可以包括:字段补全信息,深度过滤条件。上述字段补全信息可以包括字段名称。可以在数据库中查找与上述修正数据中包括的各条修正后的日志记录相匹配、且字段名称分别与上述深度过滤信息组中包括的各个字段名称相同的字段值,并将这些字段值与上述修正数据进行组合,得到补全后的修正数据。匹配可以指数据库中的日志记录的主键值与上述解析后的日志记录的主键值相同。上述深度过滤条件可以是根据上述字段补全信息设置的。深度过滤条件可以用于对上述补全后的修正数据进行进一步的筛选。
作为示例,上述深度处理配置信息还可以包括由深度过滤信息“[用户身份等级,用户身份等级为‘黄金等级’]”和“[注册时长,注册时长大于30天]”组成的深度过滤信息组。其中,“用户身份等级”和“注册时长”是字段补全信息。“用户身份等级为‘黄金等级’”和“注册时长大于30天”是深度过滤条件。则上述深度处理配置信息可以是{[用户身份等级,用户身份等级为‘黄金等级’],[注册时长,注册时长大于30天]}。
则可以首先根据上述字段补全信息“用户身份等级”和“注册时长”对修正数据{[“用户唯一标识码”:“001”,“登录时间”:“2020-11-19-16:12:21”,“登出时间”:“2020-11-19-17:10:01”,“登录状态”:“登录成功”],[“用户唯一标识码”:“003”,“登录时间”:“2020-11-19-16:12:21”,“登出时间”:“2020-11-19-16:42:25”,“登录状态”:“登录成功”]}进行补全,得到的补全后的修正数据可以是{[“用户唯一标识码”:“001”,“登录时间”:“2020-11-19-16:12:21”,“登出时间”:“2020-11-19-17:10:01”,“登录状态”:“登录成功”,“用户身份等级”:“白银等级”,“注册时长”:“50天”],[“用户唯一标识码”:“003”,“登录时间”:“2020-11-19-16:12:21”,“登出时间”:“2020-11-19-16:42:25”,“登录状态”:“登录成功”,“用户身份等级”:“黄金等级”,“注册时长”:“264天”]}。
然后,分别根据深度处理配置信息中包括的深度过滤条件“用户身份等级为‘黄金等级’”和“注册时长大于30天”对上述补全后的修正数据进行过滤,得到的深度过滤数据可以是{[“用户唯一标识码”:“003”,“登录时间”:“2020-11-19-16:12:21”,“登出时间”:“2020-11-19-16:42:25”,“登录状态”:“登录成功”,“用户身份等级”:“黄金等级”,“注册时长”:“264天”]}。
可选的,上述深度过滤信息组中的深度过滤信息包括:字段补全信息,深度过滤条件。上述执行主体根据预设的深度过滤信息组对修正数据进行深度过滤处理,得到深度过滤数据,可以包括以下步骤:
步骤一,将上述修正数据确定为初始修正数据。
步骤二,从上述深度过滤信息组中选取深度过滤信息。其中,深度过滤信息的选取方式可以是随机选取一个深度过滤信息,也可以是根据人为设置的选取次序从上述深度过滤信息组中选取深度过滤信息。以及执行以下深度过滤处理步骤:
子步骤一,根据选取的深度过滤信息中包括的字段补全信息,对初始修正数据进行字段补全,得到字段补全后的修正数据。
作为示例,首先,可以在上述分布式文件系统中查找与上述初始修正数据相关的、且字段名称与上述字段补全信息相匹配的补全数据。其中,上述字段名称与上述字段补全信息相匹配可以指字段名称与上述字段补全信息中包括的字段名称相同。与上述初始修正数据相关可以指字段值所在的日志记录的主键值与上述修正后的日志记录的主键值相同。接着,将上述补全数据与上述初始修正数据进行组合,得到上述字段补全后的修正数据。
参考图4,首先,可以在分布式文件系统中查找与上述初始修正数据401相关的、且字段名称与上述字段补全信息相匹配的补全数据402。接着,可以将上述补全数据402与上述初始修正数据401进行组合,得到上述字段补全后的修正数据403。
子步骤二,根据选取的深度过滤信息中包括的深度过滤条件,对字段补全后的修正数据进行过滤,得到过滤后的补全数据。其中,上述深度过滤条件可以是根据上述字段补全信息设置的,可以用于对上述补全后的修正数据进行进一步的筛选。
子步骤三,响应于确定上述深度过滤信息组中未选取过的深度过滤信息的个数满足预设条件,将过滤后的补全数据确定为上述深度过滤数据。其中,上述预设条件可以是上述深度过滤信息组中未选取过的深度过滤信息的个数为零。当上述预设条件成立时可以表明上述深度过滤处理步骤已执行完毕。
可选的,上述根据预设的深度过滤信息组对修正数据进行深度过滤处理,得到深度过滤数据,还可以包括:响应于确定上述深度过滤信息组中未选取过的深度过滤信息的个数不满足上述预设条件,将过滤后的补全数据作为初始修正数据,从上述深度过滤信息组中重新选取未选取过的深度过滤信息,执行上述深度过滤处理步骤中的子步骤一至子步骤三。
步骤305,将深度过滤数据发送至目标地址所指示的位置。
在一些实施例中,上述执行主体可以将所述深度过滤数据发送至所述目标地址所指示的位置。其中,上述目标地址可以是存储路径,也可以是IP(Internet Protocol)地址。
在上述方式中,通过将深度过滤数据发送至目标地址所指示的位置,可以将上述深度过滤数据转发至第三方平台以待进一步的处理。还可将上述深度过滤数据转发具有数据存储功能的设备进行存储。
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离线数据处理方法的流程300体现了对离线数据处理步骤的进一步扩展,增加了深度过滤处理以及数据发送的步骤。由此,这些实施例描述的方案可以对修正数据进行进一步的处理,通过改变深度处理配置信息便可实现对不同业务的离线数据进行进一步的处理。并且将深度处理后的离线数据转发至第三方平台以供第三方平台做进一步的处理和使用。从而,进一步丰富了离线数据处理的业务逻辑,能够满足多种离线数据处理业务场景的需求。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种离线数据处理装置的一些实施例,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5所示,一些实施例的离线数据处理装置500包括:获取单元501、格式统一处理单元502和内容修正处理单元503。其中,获取单元501,被配置成根据分布式消息系统订阅信息,从分布式消息系统中获取预先过滤的离线数据,其中,上述分布式消息系统订阅信息用于指示上述预先过滤的离线数据在上述分布式消息系统中的存储位置。格式统一处理单元502,被配置成对上述预先过滤的离线数据进行格式统一处理,得到目标格式的离线数据。内容修正处理单元503,被配置成对上述目标格式的离线数据进行内容修正处理,得到与在线数据的内容一致的修正数据。
在一些实施例的可选实现方式中,上述离线数据处理装置500还可以包括深度过滤处理单元。其中,上述深度过滤处理单元可以被配置成对上述修正数据进行深度过滤处理,得到深度过滤数据。
在一些实施例的可选实现方式中,上述分布式消息系统中预先过滤的离线数据可以是通过以下步骤得到的:根据原始离线数据地址,从分布式文件系统中获取原始离线数据。根据预先设置的预处理过滤条件对上述原始离线数据进行初步过滤处理,得到初步过滤数据。将上述初步过滤数据作为上述预先过滤的离线数据发送至上述分布式消息系统。
在一些实施例的可选实现方式中,上述离线数据处理装置500的深度过滤处理单元可以被进一步配置成:根据预设的深度过滤信息组对上述修正数据进行深度过滤处理,得到深度过滤数据。
在一些实施例的可选实现方式中,上述深度过滤信息组中的深度过滤信息包括:字段补全信息,深度过滤条件。以及上述根据预设的深度过滤信息组对上述修正数据进行深度过滤处理,得到深度过滤数据,可以包括:将上述修正数据确定为初始修正数据。从上述深度过滤信息组中选取深度过滤信息,以及执行以下深度过滤处理步骤:根据选取的深度过滤信息中包括的字段补全信息,对初始修正数据进行字段补全,得到字段补全后的修正数据;根据选取的深度过滤信息中包括的深度过滤条件,对字段补全后的修正数据进行过滤,得到过滤后的补全数据;响应于确定上述深度过滤信息组中未选取过的深度过滤信息的个数满足预设条件,将过滤后的补全数据确定为上述深度过滤数据。
在一些实施例的可选实现方式中,上述根据预设的深度过滤信息组对上述修正数据进行深度过滤处理,得到深度过滤数据,还可以包括:响应于确定上述深度过滤信息组中未选取过的深度过滤信息的个数不满足上述预设条件,将过滤后的补全数据作为初始修正数据,从上述深度过滤信息组中重新选取未选取过的深度过滤信息,执行上述深度过滤处理步骤。
在一些实施例的可选实现方式中,上述离线数据处理装置500还可以包括发送单元。其中,上述发送单元可以被配置成将上述深度过滤数据发送至目标地址所指示的位置。
可以理解的是,该装置500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500及其中包含的单元,在此不再赘述。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605: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606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,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6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609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601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:根据分布式消息系统订阅信息,从分布式消息系统中获取预先过滤的离线数据,其中,上述分布式消息系统订阅信息用于指示上述预先过滤的离线数据在上述分布式消息系统中的存储位置;对上述预先过滤的离线数据进行格式统一处理,得到目标格式的离线数据;对上述目标格式的离线数据进行内容修正处理,得到与在线数据的内容一致的修正数据。
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,上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:一种处理器包括获取单元、格式统一处理单元和内容修正处理单元。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,获取单元还可以被描述为“根据分布式消息系统订阅信息,从分布式消息系统中获取预先过滤的离线数据的单元”。
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。
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)
1.一种离线数据处理方法,包括:
根据分布式消息系统订阅信息,从分布式消息系统中获取预先过滤的离线数据,其中,所述分布式消息系统订阅信息用于指示所述预先过滤的离线数据在所述分布式消息系统中的存储位置;
对所述预先过滤的离线数据进行格式统一处理,得到目标格式的离线数据;
对所述目标格式的离线数据进行内容修正处理,得到与在线数据的内容一致的修正数据。
2.根据权利要求1所述的方法,其中,所述方法还包括:
对所述修正数据进行深度过滤处理,得到深度过滤数据。
3.根据权利要求1所述的方法,其中,所述分布式消息系统中预先过滤的离线数据是通过以下步骤得到的:
根据原始离线数据地址,从分布式文件系统中获取原始离线数据;
根据预先设置的预处理过滤条件对所述原始离线数据进行初步过滤处理,得到初步过滤数据;
将所述初步过滤数据作为所述预先过滤的离线数据发送至所述分布式消息系统。
4.根据权利要求2所述的方法,其中,所述对所述修正数据进行深度过滤处理,得到深度过滤数据,包括:
根据预设的深度过滤信息组对所述修正数据进行深度过滤处理,得到深度过滤数据。
5.根据权利要求4所述的方法,其中,所述深度过滤信息组中的深度过滤信息包括:字段补全信息,深度过滤条件;以及
所述根据预设的深度过滤信息组对所述修正数据进行深度过滤处理,得到深度过滤数据,包括:
将所述修正数据确定为初始修正数据;
从所述深度过滤信息组中选取深度过滤信息,以及执行以下深度过滤处理步骤:
根据选取的深度过滤信息中包括的字段补全信息,对初始修正数据进行字段补全,得到字段补全后的修正数据;
根据选取的深度过滤信息中包括的深度过滤条件,对字段补全后的修正数据进行过滤,得到过滤后的补全数据;
响应于确定所述深度过滤信息组中未选取过的深度过滤信息的个数满足预设条件,将过滤后的补全数据确定为所述深度过滤数据。
6.根据权利要求5所述的方法,其中,所述根据预设的深度过滤信息组对所述修正数据进行深度过滤处理,得到深度过滤数据,还包括:
响应于确定所述深度过滤信息组中未选取过的深度过滤信息的个数不满足所述预设条件,将过滤后的补全数据作为初始修正数据,从所述深度过滤信息组中重新选取未选取过的深度过滤信息,执行所述深度过滤处理步骤。
7.根据权利要求2所述的方法,其中,所述方法还包括:
将所述深度过滤数据发送至目标地址所指示的位置。
8.一种离线数据处理装置,包括:
获取单元,被配置成根据分布式消息系统订阅信息,从分布式消息系统中获取预先过滤的离线数据,其中,所述分布式消息系统订阅信息用于指示所述预先过滤的离线数据在所述分布式消息系统中的存储位置;
格式统一处理单元,被配置成对所述预先过滤的离线数据进行格式统一处理,得到目标格式的离线数据;
内容修正处理单元,被配置成对所述目标格式的离线数据进行内容修正处理,得到与在线数据的内容一致的修正数据。
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1-7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1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011604530.9A CN112579326A (zh) | 2020-12-29 | 2020-12-29 | 离线数据处理方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011604530.9A CN112579326A (zh) | 2020-12-29 | 2020-12-29 | 离线数据处理方法、装置、电子设备和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112579326A true CN112579326A (zh) | 2021-03-30 |
Family
ID=75144289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011604530.9A Pending CN112579326A (zh) | 2020-12-29 | 2020-12-29 | 离线数据处理方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112579326A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130275444A1 (en) * | 2012-04-16 | 2013-10-17 | International Business Machines Corporation | Management of Log Data in a Networked System |
US20140289360A1 (en) * | 2013-03-22 | 2014-09-25 | Dropbox, Inc. | Local server for synced online content management system |
US20180341956A1 (en) * | 2017-05-26 | 2018-11-29 | Digital River, Inc. | Real-Time Web Analytics System and Method |
CN109145040A (zh) * | 2018-06-28 | 2019-01-04 | 中译语通科技股份有限公司 | 一种基于双消息队列的数据治理方法 |
CN109684370A (zh) * | 2018-09-07 | 2019-04-26 | 平安普惠企业管理有限公司 | 日志数据处理方法、系统、设备及存储介质 |
CN110213238A (zh) * | 2019-05-06 | 2019-09-06 | 北京奇安信科技有限公司 | 数据的威胁检测方法及装置、存储介质、计算机设备 |
CN111124839A (zh) * | 2019-12-31 | 2020-05-08 | 中国银行股份有限公司 | 分布式日志数据监控方法及装置 |
CN111639138A (zh) * | 2020-06-03 | 2020-09-08 | 中国联合网络通信集团有限公司 | 数据处理方法、装置、设备及存储介质 |
-
2020
- 2020-12-29 CN CN202011604530.9A patent/CN112579326A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130275444A1 (en) * | 2012-04-16 | 2013-10-17 | International Business Machines Corporation | Management of Log Data in a Networked System |
US20140289360A1 (en) * | 2013-03-22 | 2014-09-25 | Dropbox, Inc. | Local server for synced online content management system |
US20180341956A1 (en) * | 2017-05-26 | 2018-11-29 | Digital River, Inc. | Real-Time Web Analytics System and Method |
CN109145040A (zh) * | 2018-06-28 | 2019-01-04 | 中译语通科技股份有限公司 | 一种基于双消息队列的数据治理方法 |
CN109684370A (zh) * | 2018-09-07 | 2019-04-26 | 平安普惠企业管理有限公司 | 日志数据处理方法、系统、设备及存储介质 |
CN110213238A (zh) * | 2019-05-06 | 2019-09-06 | 北京奇安信科技有限公司 | 数据的威胁检测方法及装置、存储介质、计算机设备 |
CN111124839A (zh) * | 2019-12-31 | 2020-05-08 | 中国银行股份有限公司 | 分布式日志数据监控方法及装置 |
CN111639138A (zh) * | 2020-06-03 | 2020-09-08 | 中国联合网络通信集团有限公司 | 数据处理方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108769214B (zh) | 用于控制边缘计算设备、用于更新数据的方法和装置 | |
CN111581291A (zh) | 数据处理方法、装置、电子设备及可读介质 | |
CN113760674A (zh) | 信息生成方法、装置、电子设备和计算机可读介质 | |
CN113722055A (zh) | 数据处理方法、装置、电子设备和计算机可读介质 | |
CN114928574B (zh) | 信息发送方法、装置、电子设备和计算机可读介质 | |
CN111858381A (zh) | 应用程序容错能力测试方法、电子设备及介质 | |
KR20140128323A (ko) | 공개된 캘린더로부터 이용가능여부 정보를 검색하는 기법 | |
CN107315672B (zh) | 用于监控服务器的方法和装置 | |
US20190356622A1 (en) | Rule-based annotation service in a cloud platform | |
CN113553206B (zh) | 数据事件执行方法、装置、电子设备和计算机可读介质 | |
CN112579326A (zh) | 离线数据处理方法、装置、电子设备和计算机可读介质 | |
CN114490718A (zh) | 数据输出方法、装置、电子设备和计算机可读介质 | |
CN112507676B (zh) | 能源报表生成方法、装置、电子设备和计算机可读介质 | |
CN114785770A (zh) | 镜像层文件发送方法、装置、电子设备和计算机可读介质 | |
CN114090103A (zh) | 表单生成方法、装置、电子设备和计算机可读介质 | |
CN112543228A (zh) | 数据传输方法、装置、电子设备和计算机可读介质 | |
CN112069438B (zh) | 消息合并方法、消息处理方法和装置、设备和介质 | |
CN114398437A (zh) | 用户信息处理方法、装置、电子设备和计算机可读介质 | |
CN111262776B (zh) | 发送通知消息的方法、装置、电子设备及计算机可读介质 | |
CN111930704B (zh) | 业务报警设备控制方法、装置、设备和计算机可读介质 | |
CN115471168B (zh) | 自动化流程处理方法、装置、电子设备和计算机可读介质 | |
CN113204661B (zh) | 实时路况更新方法、电子设备和计算机可读介质 | |
CN113537028B (zh) | 用于人脸识别系统的控制方法、装置、设备和介质 | |
CN112311833B (zh) | 数据更新方法和装置 | |
CN113792072A (zh) | 数据发送方法、装置、电子设备和计算机可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |