CN112632141A - 血缘分析数据的可视化方法、装置、计算机设备和介质 - Google Patents
血缘分析数据的可视化方法、装置、计算机设备和介质 Download PDFInfo
- Publication number
- CN112632141A CN112632141A CN202011590804.3A CN202011590804A CN112632141A CN 112632141 A CN112632141 A CN 112632141A CN 202011590804 A CN202011590804 A CN 202011590804A CN 112632141 A CN112632141 A CN 112632141A
- Authority
- CN
- China
- Prior art keywords
- node
- blood
- data object
- data
- recursion
- 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
- 239000008280 blood Substances 0.000 title claims abstract description 183
- 210000004369 blood Anatomy 0.000 title claims abstract description 183
- 238000004458 analytical method Methods 0.000 title claims abstract description 30
- 238000007794 visualization technique Methods 0.000 title abstract description 7
- 230000001419 dependent effect Effects 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000013079 data visualisation Methods 0.000 claims abstract description 25
- 238000012800 visualization Methods 0.000 claims abstract description 24
- 238000013507 mapping Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 3
- 210000004204 blood vessel Anatomy 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 8
- 238000013523 data management Methods 0.000 description 7
- 230000036765 blood level Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002311 subsequent effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- 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
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
- G06F16/287—Visualization; Browsing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例属于数据可视化领域,应用于智慧企业领域中,涉及一种血缘分析数据的可视化方法,包括接收用户终端发送的数据可视化请求,并对响应数据可视化请求,确定当前血缘数据对象是否存在依赖节点;若存在,获取各依赖节点的递归层数,并基于血缘坐标算法和递归层数生成基于当前血缘数据对象的血缘关系图,其中,递归层数是指当前血缘数据对象通过依赖节点逐层向上,查找到数据源节点的递归次数。本申请还提供一种血缘分析数据的可视化装置、计算机设备及存储介质。此外,本申请还涉及区块链技术,所述血缘数据对象数据还存储于区块链中。采用本方法平衡了各子节点多的节点位置,使得交叉线条大大减少,明显改善了复杂血缘关系的可视化效果。
Description
技术领域
本申请涉及数据可视化领域,特别是涉及一种血缘分析数据的可视化方法、装置、计算机设备和存储介质。
背景技术
目前在数据管理领域,数据血缘分析的使用场合比较频繁。数据血缘的研究对象可能是数据表中各字段的来源和对其他表的影响,也可能是批作业中各基础数据表的来源和对后继批作业的影响。
易用的血缘分析极其依赖直观友好的可视化方式的呈现,但是,当血缘关系复杂度提升到4层传递依赖,依赖关系达到30个以上,血缘图往往会变成一个复杂的网状图,无法满足直观可见的基本要求。
传统技术中有通过python的networkx包绘制网络图,通过这种方式画出的图都存在节点随机,具有每次生成的血缘图不固定,线条交叉严重,无法直观查看出节点之间关联的技术问题。
发明内容
基于此,针对上述技术问题,本申请提供一种血缘分析数据的可视化方法、装置、计算机设备及存储介质,以解决现有技术中生成的血缘图不固定,线条交叉严重的技术问题。
一种血缘分析数据的可视化方法,所述方法包括:
接收用户终端的数据可视化请求;并
响应所述数据可视化请求,从所述数据可视化请求中确定需要可视化的数据源节点,并根据所述数据源节点从数据对象表中确定对应的血缘数据对象,作为当前血缘数据对象;
确定当前所述血缘数据对象是否存在依赖节点;
若存在,获取各所述依赖节点的递归层数,并基于血缘坐标算法和所述递归层数生成基于当前所述血缘数据对象的血缘关系图,其中,所述递归层数是指当前所述血缘数据对象通过依赖节点逐层向上,查找到数据源节点的递归次数。
一种血缘分析数据的可视化装置,所述装置包括:
接收模块,用于接收用户终端的数据可视化请求;以及
响应模块,用于响应所述数据可视化请求,从所述数据可视化请求中确定需要可视化的数据源节点,并根据所述数据源节点从数据对象表中确定对应的血缘数据对象,作为当前血缘数据对象;
依赖模块,用于确定当前所述血缘数据对象是否存在依赖节点;
可视化模块,用于若存在,获取各所述依赖节点的递归层数,并基于血缘坐标算法和所述递归层数生成基于当前所述血缘数据对象的血缘关系图,其中,所述递归层数是指当前所述血缘数据对象通过依赖节点逐层向上,查找到数据源节点的递归次数。
一种计算机设备,包括存储器和处理器,以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,所述处理器执行所述计算机可读指令时实现上述血缘分析数据的可视化方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令被处理器执行时实现上述血缘分析数据的可视化方法的步骤。
上述血缘分析数据的可视化方法、装置、计算机设备和存储介质,通过综合考虑血缘数据对象之间的连接关系以及同一节点下的后继节点的数量,然后确定各对象(子节点)相对于其依赖节点的节点半径以及展开角,然后通过血缘坐标算法生成多叉树形的血缘关系图。生成的多叉树由于平衡了各子节点多的节点位置,使得交叉线条大大减少,明显改善了复杂血缘关系的可视化效果,而且还提升了数据管理过程中的决策效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为血缘分析数据的可视化方法的应用环境示意图;
图2为血缘分析数据的可视化方法的流程示意图;
图3为血缘分析数据的可视化装置的示意图;
图4为一个实施例中计算机设备的示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本申请的目的、技术方案及优点更加清楚明白,下面结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明实施例提供的血缘分析数据的可视化方法,可以应用于如图1所示的应用环境中。其中,该应用环境可以包括终端102、网络以及服务端104,网络用于在终端102和服务端104之间提供通信链路介质,网络可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端102通过网络与服务端104交互,以接收或发送消息等。终端102上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端102可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group AudioLayer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts GroupAudio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务端104可以是提供各种服务的服务器,例如对终端102上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的血缘分析数据的可视化方法一般由服务端/终端执行,相应地,血缘分析数据的可视化装置一般设置于服务端/终端设备中。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本申请可应用于智慧企业领域中,例如,应用于智慧企业中的数据关系节点的管理中,用于提高数据管理过程中的决策效率,从而推动智慧企业的建设。
应该理解,图1中的终端、网络和服务端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终端设备、网络和服务器。
其中,终端102通过网络与服务端104进行通信。服务端104接收用户通过终端102发送来的血缘关系图生成请求,并从中获取选中的当前血缘数据对象,然后确定该血缘数据对象是否存在依赖节点,并获取各依赖节点对应的递归层数,基于学员坐标算法和递归层数生成基于当前血缘数据对象的血缘关系图再发送回用户终端102。其中,终端102和服务端104之间通过网络进行连接,该网络可以是有线网络或者无线网络,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务端104可以用独立的服务器或者是多个组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种血缘分析数据的可视化方法,以该方法应用于图1中的服务端为例进行说明,包括以下步骤:
步骤202,接收用户终端的数据可视化请求。
本申请的技术方案可以应用于对具有血缘关系的各节点所组成的关系网有可视化需求的场景中,例如,用户选中任意一个血缘数据对象,并发送以该血缘数据对象为数据源节点的血缘关系图的生成请求。
步骤204,响应所述数据可视化请求,从所述数据可视化请求中确定需要可视化的数据源节点,并根据所述数据源节点从数据对象表中确定对应的血缘数据对象,作为当前血缘数据对象。
服务端接收到数据可视化请求后,做出响应,从该数据可视化请求中确定需要进行可视化的数据源节点。其中,该数据源节点是用户通过用户终端选定的对应的数据对象表中的任意一个血缘数据对象。
步骤206,确定当前血缘数据对象是否存在依赖节点。
服务端会从该请求中确定用户选中的血缘数据对象,并获取与血缘数据对象对应的数据对象表,其中,所述数据对象表包括各血缘数据对象之间的映射关系。然后根据各血缘数据对象之间的映射关系确定当前血缘数据对象是否存在依赖节点。
其中,血缘数据对象是指多个数据节点,且不同数据节点之间具有关联关系或者依赖关系的数据节点。例如,各血缘数据对象之间的血缘关系映射是已知的,且所有的血缘映射关系都可以用点线形式来描述:节点表示数据表,如果节点A表示数据表A;线表示数据表间的依赖关系,一般的,可以写成如下形式(节点A,节点B),表示节点A生成节点B,即,数据表A生成了数据表B,数据表B依赖于数据表A。
本申请一般应用于对某节点进行溯源或者查询某节点的后继节点之间关系的场景,以要查询的节点为起始节点进行血缘关系展示的场景。例如,在实际应用中,查询表A的数据来源,即哪些表生成了表A,哪些表发生变化,会影响到表A,或者查询表A的后继影响,即表A生成了哪些表,表A变化时,会影响哪些表。
在一些实施例中,本申请的技术方案所应用的场景是:血缘数据对象之间的包括至少4层的传递依赖,且依赖关系达到30个以上,以解决该场景下生成的血缘关系图线条交叉严重,无法直观查看的技术问题。
进一步地,依赖节点是指当前血缘数据对象的上一节点,即前驱节点,该血缘数据对象的前驱结点可以是一个,也可以是多个。
步骤208,若存在,获取各所述依赖节点的递归层数,并基于血缘坐标算法和所述递归层数生成基于当前所述血缘数据对象的血缘关系图,其中,所述递归层数是指当前所述血缘数据对象通过依赖节点逐层向上,查找到数据源节点的递归次数。
递归层数是指当前血缘数据对象通过前驱节点逐层向上,查找到数据源节点的递归次数,其中,数据源节点是指所有血缘数据对象的源节点。
因为会出现当前血缘数据对象向前追溯有至少两个依赖节点,即,当前血缘数据对象是其他两个节点的后继节点。为了避免出现无法追溯节点之间关系的情况,所以需要基于从多个依赖节点中任选的一个节点生成血缘关系图。例如:当前血缘数据对象的两个依赖节点到数据源节点的递归层数不同,根据传统的数据可视化的方式就会出现节点交叉的情况。
具体地,若所述基础坐标节点为第一递归层数对应的依赖节点,将第一血缘坐标算法作为所述血缘坐标算法,其中,所述第一递归层数为最大递归层数;若所述基础坐标节点为第二递归层数对应的依赖节点,将第二血缘坐标算法作为所述血缘坐标算法,其中,所述第二递归层数为除最大递归层数外的递归层数。
进一步地,生成血缘关系图之前,还需要计算当前所述血缘数据对象各依赖层上子节点的节点数量,其中,所述依赖层指具有相同第一节点距离的子节点所在的节点层,其中,所述第一节点距离指子节点与当前所述血缘数据对象之间血缘数据对象的数量;计算位于同一所述依赖层上相邻两子节点之间的展开角;设定各所述子节点与当前所述血缘数据对象之间的节点半径;并基于所述节点数量、所述展开角以及所述节点半径,通过所血缘坐标算法得到所述血缘关系图。
可选地,根据选择的依赖节点的不同,确定对应的血缘坐标算法;例如,当选择递归层数最大的依赖节点时,所对应的血缘坐标算法为:假设血缘数据对象的下一层有k个子节点,即,后继节点,同一依赖层上的所有子节点的总展开角为θ,其与该当前血缘数据对象之间的节点半径为r,则同一依赖层上相邻两个子节点之间的夹角为:θ1=θ/(k-1);本实施例中,令m=(k-1)/2,并将当前血缘数据对象N的坐标记为复数形式:
Xn+Yni
则血缘关系图中各个节点C的坐标可用复数形式表示为:
(Xn+Yni)+r*cos((m-p)*θ1)+r*sin((m-p)*θ1)i
其中,i为虚数单位,只是为了计算方便,在本实施例中没有任何业务含义,Xn指当前所述血缘数据对象的X轴坐标,Yni指当前所述血缘数据对象的Y轴坐标、r指所述展开角、p指同一所述依赖层上的第p个子节点、m指(k-1)/2。
可选地,若将血缘数据对象坐标记为是(Xn,Yn),还可以通过
(Xn+r*cos((m-p)*θ1),Yn+r*sin((m-p)*θ1))
计算各子节点的坐标,得到基于当前所述血缘数据对象的血缘关系图,其中,其中,Xn指当前所述血缘数据对象的X轴坐标,Yn指当前所述血缘数据对象的Y轴坐标、θ1指所述展开角、r指节点坐标、p指同一所述依赖层上的第p个子节点、m指(k-1)/2、k指同一所述依赖层上的子节点的数量。
具体地,其实施方式为:设定当前血缘数据对象下同一依赖层上的所有子节点的总展开角为θ。假设当前血缘数据对象上某一依赖层上有k个子节点,当k>1时,将总展开角θ平分为k-1份,得到相邻两子节点之间的展开角θ1;当k=1时,将总展开角θ设为0,即引出一条直线,这样可以结合节点半径r,其中,节点半径是预先设定的,一般有一个设定的普通的节点半径;然后将第一层子节点呈扇形角度θ1平均展开,各子节点的坐标可以根据展开角θ/(k-1)和节点半径r计算出来;从当前血缘数据对象开始,重复上述步骤,直到所有节点的坐标都计算完毕,得到血缘关系图。
为了减少可能的线条交叉,在分配当前血缘数据对象的第一层节点的坐标时,考虑每个子节点的后裔节点的个数,从大到小,平均分布到扇形的两端。如第一层有4个后继节点p1,p2,p3,p4,它们分别有2,2,9,10个后裔节点,则将p4放在第一位置,即扇形的最上端,p3放在第四位置,即扇形的最下端,这样把后裔节点多的节点尽量分散开来;对于后继节点特别多的,先做一条直线引出来,防止和附近节点相互影响。
可选地,当选择除最大递归层数外的其他依赖节点为基础坐标节点时,例如,血缘数据对象C在依赖节点1上面,递归层数为3,在依赖节点2上,递归层数为5,那么基于依赖节点1上的血缘数据对象C的血缘关系图的生成算法的复数形式表示为:
(Xn+Yni)+((hmax-hmin+1)*r*cos((m-p)*θ1)+(hmax-hmin+1)*r*sin((m-p)*θ1)i
其中,Xn指当前所述血缘数据对象的X轴坐标,Yn指当前所述血缘数据对象的Y轴坐标、θ1指所述展开角、r指节点坐标、p指同一所述依赖层上的第p个子节点、m指(k-1)/2、k指同一所述依赖层上的子节点的数量、hmax指最大递归层数、hmin为选中的基础坐标节点的递归层数。
具体表述为:
(Xn+Yni)+((5-3+1)*r*cos((m-p)*θ1)+(5-3+1)*r*sin((m-p)*θ1)i
可选地,若将血缘数据对象坐标记为是(Xn,Yn),还可以通过
(Xn+(hmax-hmin+1)*r*cos((m-p)*θ1),Yn+(hmax-hmin+1)*r*sin((m-p)*θ1))来计算各节点的坐标,得到血缘关系图。
本实施例通过根据选定的不同的依赖节点作为基础坐标节点,获取对应的血缘关系图的生成算法,解决现有技术中的生成的血缘关系图中交叉线条多的技术问题。
本申请综合考虑血缘数据对象之间的连接关系以及同一节点下的后继节点的数量,然后确定各对象(子节点)相对于其依赖节点的节点半径以及展开角,然后通过血缘坐标算法生成多叉树形的血缘关系图。生成的多叉树由于平衡了各子节点多的节点位置,使得交叉线条大大减少,明显改善了复杂血缘关系的可视化效果,而且还提升了数据管理过程中的决策效率。
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图3所示,提供了一种血缘分析数据的可视化装置,该血缘分析数据的可视化装置与上述实施例中血缘分析数据的可视化方法一一对应。该血缘分析数据的可视化装置包括:
接收模块302,用于接收用户终端的数据可视化请求;以及
响应模块304,用于响应所述数据可视化请求,从所述数据可视化请求中确定需要可视化的数据源节点,并根据所述数据源节点从数据对象表中确定对应的血缘数据对象,作为当前血缘数据对象;
依赖模块306,用于确定当前血缘数据对象是否存在依赖节点;
可视化模块308,用于若存在,获取各所述依赖节点的递归层数,并基于血缘坐标算法和所述递归层数生成基于当前所述血缘数据对象的血缘关系图,其中,所述递归层数是指当前所述血缘数据对象通过依赖节点逐层向上,查找到数据源节点的递归次数。
进一步地,可视化模块308,包括:
选取子模块,用于从至少一个所述依赖节点中任选一个节点,作为当前所述血缘数据对象的基础坐标节点;
算法子模块,用于获取与所述基础坐标节点对应的血缘坐标算法;
生成子模块,用于通过获取到的血缘坐标算法和所述节点数量,生成基于当前所述血缘数据对象的血缘关系图。
进一步地,算法子模块,包括:
第一算法单元,用于若所述基础坐标节点为第一递归层数对应的依赖节点,将第一血缘坐标算法作为所述血缘坐标算法,其中,所述第一递归层数为最大递归层数;
第二算法单元,用于若所述基础坐标节点为第二递归层数对应的依赖节点,将第二血缘坐标算法作为所述血缘坐标算法,其中,所述第二递归层数为除最大递归层数外的递归层数。
进一步地,生成子模块,包括:
节点计算子模块,用于计算当前所述血缘数据对象各依赖层上子节点的节点数量,其中,所述依赖层指具有相同第一节点距离的子节点所在的节点层;
展开角子模块,用于计算位于同一所述依赖层上相邻两子节点之间的展开角;
半径子模块,用于计算各所述子节点与当前所述血缘数据对象之间的节点半径;并
生成子模块,用于基于所述节点数量、所述展开角以及所述节点半径,通过所血缘坐标算法得到所述血缘关系图。
进一步地,节点计算子模块,包括:
数据单元,用于获取数据对象表,其中,所述数据对象表包括各血缘数据对象之间的映射关系;
映射单元,用于根据所述映射关系确定所述血缘数据对象之间的依赖关系;
数量单元,用于基于所述依赖关系确定当前所述血缘数据对象各依赖层上子节点的节点数量,得到所述节点数量。
上述血缘分析数据的可视化装置,通过综合考虑血缘数据对象之间的连接关系以及同一节点下的后继节点的数量,然后确定各对象(子节点)相对于其依赖节点的节点半径以及展开角,然后通过血缘坐标算法生成多叉树形的血缘关系图。生成的多叉树由于平衡了各子节点多的节点位置,使得交叉线条大大减少,明显改善了复杂血缘关系的可视化效果,而且还提升了数据管理过程中的决策效率。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机可读指令和数据库。该内存储器为非易失性存储介质中的操作系统和计算机可读指令的运行提供环境。该计算机设备的数据库用于存储各血缘数据对象。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机可读指令被处理器执行时以实现一种血缘分析数据的可视化方法。
本实施例通过综合考虑血缘数据对象之间的连接关系以及同一节点下的后继节点的数量,然后确定各对象(子节点)相对于其依赖节点的节点半径以及展开角,然后通过血缘坐标算法生成多叉树形的血缘关系图。生成的多叉树由于平衡了各子节点多的节点位置,使得交叉线条大大减少,明显改善了复杂血缘关系的可视化效果,而且还提升了数据管理过程中的决策效率。
其中,本技术领域技术人员可以理解,这里的计算机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 Signal Processor,DSP)、嵌入式设备等。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机可读指令,计算机可读指令被处理器执行时实现上述实施例中血缘分析数据的可视化方法的步骤,例如图2所示的步骤202至步骤208,或者,处理器执行计算机可读指令时实现上述实施例中血缘分析数据的可视化装置的各模块/单元的功能,例如图3所示模块302至模块308的功能。
本实施例本申请综合考虑血缘数据对象之间的连接关系以及同一节点下的后继节点的数量,然后确定各对象(子节点)相对于其依赖节点的节点半径以及展开角,然后通过血缘坐标算法生成多叉树形的血缘关系图。生成的多叉树由于平衡了各子节点多的节点位置,使得交叉线条大大减少,明显改善了复杂血缘关系的可视化效果,而且还提升了数据管理过程中的决策效率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,所述的计算机可读指令可存储于一非易失性计算机可读取存储介质中,该计算机可读指令在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchl ink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本申请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。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形、改进或者对部分技术特征进行等同替换,而这些修改或者替换,并不使相同技术方案的本质脱离本发明个实施例技术方案地精神和范畴,都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种血缘分析数据的可视化方法,其特征在于,所述方法包括:
接收用户终端的数据可视化请求;并
响应所述数据可视化请求,从所述数据可视化请求中确定需要可视化的数据源节点,并根据所述数据源节点从数据对象表中确定对应的血缘数据对象,作为当前血缘数据对象;
确定当前所述血缘数据对象是否存在依赖节点;
若存在,获取各所述依赖节点的递归层数,并基于血缘坐标算法和所述递归层数生成基于当前所述血缘数据对象的血缘关系图,其中,所述递归层数是指当前所述血缘数据对象通过依赖节点逐层向上,查找到数据源节点的递归次数。
2.根据权利要求1所述的方法,其特征在于,所述获取各所述依赖节点的递归层数,并基于血缘坐标算法和所述递归层数生成基于当前所述血缘数据对象的血缘关系图,包括:
从至少一个所述依赖节点中任选一个节点,作为当前所述血缘数据对象的基础坐标节点;
获取与所述基础坐标节点对应的血缘坐标算法;
通过获取到的血缘坐标算法和所述节点数量,生成基于当前所述血缘数据对象的血缘关系图。
3.根据权利要求2所述的方法,其特征在于,所述获取与所述基础坐标节点对应的血缘坐标算法,包括:
若所述基础坐标节点为第一递归层数对应的依赖节点,将第一血缘坐标算法作为所述血缘坐标算法,其中,所述第一递归层数为最大递归层数;
若所述基础坐标节点为第二递归层数对应的依赖节点,将第二血缘坐标算法作为所述血缘坐标算法,其中,所述第二递归层数为除最大递归层数外的递归层数。
4.根据权利要求3所述的方法,其特征在于,所述通过获取到的血缘坐标算法,生成基于当前所述血缘数据对象的血缘关系图,包括:
计算当前所述血缘数据对象各依赖层上子节点的节点数量,其中,所述依赖层指具有相同第一节点距离的子节点所在的节点层;
计算位于同一所述依赖层上相邻两子节点之间的展开角;
计算各所述子节点与当前所述血缘数据对象之间的节点半径;并
基于所述节点数量、所述展开角以及所述节点半径,通过所血缘坐标算法得到所述血缘关系图。
5.根据权利要求4所述的方法,其特征在于,所述基于所述节点数量、所述展开角以及所述节点半径,通过所血缘坐标算法得到所述血缘关系图,包括:
通过
(Xn+r*cos((m-p)*θ1),Yn+r*sin((m-p)*θ1))
计算各子节点的坐标,得到基于当前所述血缘数据对象的血缘关系图,其中,Xn指当前所述血缘数据对象的X轴坐标,Yn指当前所述血缘数据对象的Y轴坐标、θ1指所述展开角、r指节点坐标、p指同一所述依赖层上的第p个子节点、m指(k-1)/2、k指同一所述依赖层上的子节点的数量。
6.根据权利要求4所述的方法,其特征在于,所述基于所述节点数量、所述展开角以及所述节点半径,通过所血缘坐标算法得到所述血缘关系图,包括:
通过
(Xn+(hmax-hmin+1)*r*cos((m-p)*θ1),Yn+(hmax-hmin+1)*r*sin((m-p)*θ1))
计算各子节点的坐标,得到基于当前所述血缘数据对象的血缘关系图,其中,Xn指当前所述血缘数据对象的X轴坐标,Yn指当前所述血缘数据对象的Y轴坐标、θ1指所述展开角、r指节点坐标、p指同一所述依赖层上的第p个子节点、m指(k-1)/2、k指同一所述依赖层上的子节点的数量、hmax指最大递归层数、hmin为选中的基础坐标节点的递归层数。
7.根据权利要求4所述的方法,其特征在于,所述计算当前所述血缘数据对象各依赖层上子节点的节点数量,包括:
获取数据对象表,其中,所述数据对象表包括各血缘数据对象之间的映射关系;
根据所述映射关系确定所述血缘数据对象之间的依赖关系;
基于所述依赖关系确定当前所述血缘数据对象各依赖层上子节点的节点数量,得到所述节点数量。
8.一种血缘分析数据的可视化装置,其特征在于,包括:
接收模块,用于接收用户终端的数据可视化请求;以及
响应模块,用于响应所述数据可视化请求,从所述数据可视化请求中确定需要可视化的数据源节点,并根据所述数据源节点从数据对象表中确定对应的血缘数据对象,作为当前血缘数据对象;
依赖模块,用于确定当前所述血缘数据对象是否存在依赖节点;
可视化模块,用于若存在,获取各所述依赖节点的递归层数,并基于血缘坐标算法和所述递归层数生成基于当前所述血缘数据对象的血缘关系图,其中,所述递归层数是指当前所述血缘数据对象通过依赖节点逐层向上,查找到数据源节点的递归次数。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机可读指令,其特征在于,所述处理器执行所述计算机可读指令时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机可读指令,其特征在于,所述计算机可读指令被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011590804.3A CN112632141A (zh) | 2020-12-29 | 2020-12-29 | 血缘分析数据的可视化方法、装置、计算机设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011590804.3A CN112632141A (zh) | 2020-12-29 | 2020-12-29 | 血缘分析数据的可视化方法、装置、计算机设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112632141A true CN112632141A (zh) | 2021-04-09 |
Family
ID=75285940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011590804.3A Pending CN112632141A (zh) | 2020-12-29 | 2020-12-29 | 血缘分析数据的可视化方法、装置、计算机设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112632141A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113094776A (zh) * | 2021-04-19 | 2021-07-09 | 城云科技(中国)有限公司 | 可视化组件模型数据构建的方法、系统及电子设备 |
CN113360720A (zh) * | 2021-06-24 | 2021-09-07 | 平安普惠企业管理有限公司 | 基于数据血缘关系的数据资产可视化方法、装置及设备 |
CN116932831A (zh) * | 2023-09-14 | 2023-10-24 | 北京滴普科技有限公司 | 一种数据血缘图的构建方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107870911A (zh) * | 2016-09-23 | 2018-04-03 | 腾讯科技(深圳)有限公司 | 一种数据可视化展示方法和设备 |
CN110516004A (zh) * | 2019-08-28 | 2019-11-29 | 中国人民解放军国防科技大学 | 兼顾信息全局特征和局部层次结构的可视化方法和系统 |
-
2020
- 2020-12-29 CN CN202011590804.3A patent/CN112632141A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107870911A (zh) * | 2016-09-23 | 2018-04-03 | 腾讯科技(深圳)有限公司 | 一种数据可视化展示方法和设备 |
CN110516004A (zh) * | 2019-08-28 | 2019-11-29 | 中国人民解放军国防科技大学 | 兼顾信息全局特征和局部层次结构的可视化方法和系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113094776A (zh) * | 2021-04-19 | 2021-07-09 | 城云科技(中国)有限公司 | 可视化组件模型数据构建的方法、系统及电子设备 |
CN113360720A (zh) * | 2021-06-24 | 2021-09-07 | 平安普惠企业管理有限公司 | 基于数据血缘关系的数据资产可视化方法、装置及设备 |
CN113360720B (zh) * | 2021-06-24 | 2023-11-21 | 湖北华中电力科技开发有限责任公司 | 基于数据血缘关系的数据资产可视化方法、装置及设备 |
CN116932831A (zh) * | 2023-09-14 | 2023-10-24 | 北京滴普科技有限公司 | 一种数据血缘图的构建方法及装置 |
CN116932831B (zh) * | 2023-09-14 | 2023-12-26 | 北京滴普科技有限公司 | 一种数据血缘图的构建方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112632141A (zh) | 血缘分析数据的可视化方法、装置、计算机设备和介质 | |
US9104768B2 (en) | Person-based information aggregation | |
WO2021174946A1 (zh) | 可视化方法、系统、计算机设备和存储介质 | |
CN112287244A (zh) | 基于联邦学习的产品推荐方法、装置、计算机设备及介质 | |
CN111736836B (zh) | 基于关系图的组件配置方法、装置及计算机可读存储介质 | |
US11244153B2 (en) | Method and apparatus for processing information | |
US20160349964A1 (en) | Method and computing device for performing operation on icon cell | |
CA3154763A1 (en) | Data operation method, device and system | |
CN112306687A (zh) | 基于知识图谱的资源分配方法、装置、计算机设备和介质 | |
CN112182118A (zh) | 基于多数据源的目标对象预测方法及其相关设备 | |
CN108052290A (zh) | 用于存储数据的方法和装置 | |
CN111142799A (zh) | 分布式存储方法及装置、网络节点及存储介质 | |
WO2018177286A1 (zh) | 一种静态资源请求处理方法及装置 | |
CN108507563B (zh) | 巡航路径生成方法及装置 | |
CN114331388B (zh) | 基于联邦学习的薪资计算方法、装置、设备及存储介质 | |
WO2023066258A1 (zh) | 隐私数据的数据处理方法、装置、计算机设备及介质 | |
CN116186649A (zh) | 跨系统访问方法、装置、计算机设备及存储介质 | |
CN114398678A (zh) | 电子文件防篡改的登记验证方法、装置、电子设备及介质 | |
Rüegg et al. | Using one-dimensional compaction for smaller graph drawings | |
WO2021114075A1 (zh) | 一种基于区块链的信用评分处理方法、系统、设备及介质 | |
CN112328381A (zh) | 启动任务执行顺序的决策方法、装置、计算机设备及介质 | |
CN111552715A (zh) | 用户查询方法和装置 | |
CN110162373A (zh) | 在网页中展示图表的方法及装置 | |
CN110647574B (zh) | 一种社交网络数据展示方法、终端设备及存储介质 | |
CN114268558B (zh) | 监控图的生成方法、装置、设备、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 |