CN112783958A - 基于GraphQL的数据处理方法及装置、服务终端及存储介质 - Google Patents

基于GraphQL的数据处理方法及装置、服务终端及存储介质 Download PDF

Info

Publication number
CN112783958A
CN112783958A CN201911098429.8A CN201911098429A CN112783958A CN 112783958 A CN112783958 A CN 112783958A CN 201911098429 A CN201911098429 A CN 201911098429A CN 112783958 A CN112783958 A CN 112783958A
Authority
CN
China
Prior art keywords
processing
data
graphql
request
database
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
Application number
CN201911098429.8A
Other languages
English (en)
Inventor
杨晓强
亓明亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qianxun Position Network Co Ltd
Chihiro Location Network Co Ltd
Original Assignee
Chihiro Location Network Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chihiro Location Network Co Ltd filed Critical Chihiro Location Network Co Ltd
Priority to CN201911098429.8A priority Critical patent/CN112783958A/zh
Publication of CN112783958A publication Critical patent/CN112783958A/zh
Pending legal-status Critical Current

Links

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
    • G06F16/25—Integrating or interfacing systems involving database management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明适用于数据处理技术领域，提供了一种基于GraphQL的数据处理方法及装置、服务终端及存储介质，其中，所述方法包括：接收用户的数据处理请求；基于预设的GraphQL数据模型将所述数据处理请求转为对应的处理语句；基于所述处理语句在数据库执行相应的处理操作并反馈处理结果。本发明中，基于GraphQL数据模型来进行数据的处理，可降低数据冗余，提高数据处理的准确性。

Description

基于GraphQL的数据处理方法及装置、服务终端及存储介质
技术领域
本发明涉及数据处理技术领域，尤其涉及一种基于GraphQL的数据处理方法及装置、服务终端及存储介质。
背景技术
随着云计算技术的发展，多层架构(n-tier)逐渐替代了客户端-服务器架构(c/s)成为关系型数据库应用开发的主流架构。其中，多层架构可以包括有多个层的应用结构，例如，采用数据访问层、业务逻辑层以及表示层来实现多层结构。在数据访问层中，对象关系映射(Object-relationalmapping，简称ORM)框架是常用的开发框架，由于关系型数据库中的表是二维结构的，即行和列为结构的数据表，因此，使用ORM框架所对应数据表创建的模型通常也都是二维结构的，但是，二维结构的模型灵活性较差。
面向对象中，当访问数据库时，因为数据库的不同及不同的数据库接口的不同，导致访问数据库时需要对访问方式进行切换，使访问操作十分不便，在进行数据处理时容易产生数据的冗余，进而无法准确地获取数据。
故有必要提出一种新的技术方案，以解决上述技术问题。
发明内容
鉴于此，本发明实施例提供了一种基于GraphQLAPI的ORM数据处理方法及装置、服务终端及存储介质，解决现有技术中数据冗余的问题。
本发明实施例的第一方面提供了一种基于GraphQL的数据处理方法，包括：
接收用户的数据处理请求；
基于预设的GraphQL数据模型将所述数据处理请求转为对应的处理语句；
基于所述处理语句在数据库中执行相应的处理操作并反馈处理结果。
本发明实施例的第二方面提供了一种基于GraphQL的数据处理装置，所述装置用于执行上述第一方面提及的一种基于GraphQL的数据处理方法。
本发明实施例的第三方面还提供了一种服务终端，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现上述第一方面提及的方法。
本发明实施例的第四方面提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，上述计算机程序被处理器执行时实现上述第一方面提及的方法。
本发明实施例与现有技术相比存在的有益效果是：基于GraphQL数据模型来进行数据的处理，可降低数据冗余，提高数据处理的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术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为本发明实施例一提供的一种基于GraphQL的数据处理方法的流程示意图；
图2为本发明实施例二提供的一种基于GraphQL的数据处理装置的结构示意图；
图3为本发明实施例三提供的服务终端的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来经说明。
实施例一
图1是本发明实施例一提供的一种基于GraphQL的数据处理方法的流程示意图，该方法可以包括以下步骤：
步骤S1，接收用户的数据处理请求；
具体地，用户根据自己需求发起数据处理请求，该数据处理请求可以是数据查询请求、数据建立请求或数据删除请求，还可以是数据增设请求，此处对此不作限制。优选地，该数据处理请求优选为数据处理代码。需要说明的是，该数据可以是ORM数据。
步骤S2，基于预设的GraphQL数据模型将所述数据处理请求转为对应的处理语句；
具体地，根据预设的GraphQL数据模型将该数据处理请求转为对应的处理语句；其中，该GraphQL数据模型(即GraphQL SDL，Schema Definition Language)定义了数据名称、数据的类型、字段约束，该约束可以为：是否存在默认值、是否可设置重复的值，是否有预设值等，通常该数据模型存储对应的数据代码。
步骤S3，基于处理语句在数据库中执行相应的处理操作并反馈处理结果；
具体地，基于处理语句在数据库中执行相应的处理操作并反馈处理结果，例如，根据该处理语句及该GraphQL数据模型从数据库中查询对应的数据等。
在本实施例中，基于GraphQL数据模型来进行数据的处理，可降低数据冗余，提高数据处理的准确性。
在本实施例的一个优选方案中，该步骤S1之前还包括：
建立GraphQL数据模型；
具体地，根据实际需求或者业务需求来建立GraphQL数据模型。该数据模型相当于一描述文件，该描述文件主板包括数据类型、字段及自定义指令。
在本实施例的另一优选方案中，该步骤S3之前还包括：
连接数据库；
具体地，需要连接数据库时，首先判断是否为第一次连接，若是则说明当前数据库不够匹配，则需要基于预先建立的GraphQL数据模型来建立对应的数据表，然后存储在数据库中，便于后期使用时直接基于该数据表直接调用对应的数据，提高数据处理效率。若当前不是第一次连接，则说明数据库已经存储匹配的数据表，则直接调用数据池的线程来连接该数据库，需要说明的是，在每一时刻，可能存在多个用户的数据处理请求，因此需要预先准备数据池的线程来分别执行数据处理任务，优选地，调用当前没有数据处理任务的线程来处理，或者当所有线程都有处理任务时，可将该数据处理任务放在任务队列中，等待线程来处理，优选地，采用先进先出原则来处理。在本实施例的进一步优选方案中，可根据实际需求来增加线程或者减少线程，以提高数据处理效率或减少资源浪费。
在本实施例的一个优选方案中，该步骤S2具体包括：
基于预设的GraphQL数据模型将所述处理请求转为对应的http请求；
具体地，基于该GraphQL数据模型将该处理请求转为对应的http请求，例如，分析数据模型里的每个子模型的数据名称、数据类型的约束，生成与所述数据处理请求对应的http请求，优选地，基于GraphQL数据模型调用对应语言的数据输入装置，生成符合GraphQLAPI规范的http请求(例如查询请求)，如，该处理请求为“我要查用户信息”则调用查询用户信息的http请求。
将http请求转为对应的处理代码；
具体地，基于该http请求，根据GraphQL数据模型生成对应的GraphQLAPI，处理从GraphQLAPI传入的http请求，生成对应的数据处理代码。
将处理代码转化为对应的处理语句；
具体地，将该数据处理代码转为处理语句，例如，将该数据处理代码转化为SQL语句。
需要说明的是，该数据处理请求可以为数据查询请求、数据删除请求或数据建立请求，该SQL语句可以为SQL查询语句、SQL删除语句、SQL建立语句，此处对此不作限制。
在本实施例的一个优选方案中，该步骤S3具体包括：
在数据库执行与处理语句对应的处理操作，得到处理结果；
具体地，根据该处理语句，在数据库中执行相应的处理操作。如该处理语句为查询语句，则在数据库中查询对应的数据；如该处理请求为删除操作，则在数据库中查询到对应的数据并执行相应的删除动作，若该处理请求为建立数据或增加数据，则在该数据库中建立对应的数据表格及存储对应的数据，或者在原有的数据基础上增加与该请求对应的数据。
向用户反馈所处理的结果；
具体地，需要先将处理结果格式化，然后将格式化的处理结果反馈给用户，例如，将该处理结果转为用户可识别的代码等，便于用户直接读取，给用户带来便利。
在本实施例中，基于GraphQL数据模型来进行数据的处理，可降低数据冗余，提高数据处理的准确性。
其次，基于GraphQLAPI规范，可提高数据处理的速度。
实施例二
基于上述实施例一，如图2所示，为本发明实施例二提供的一种基于GraphQL的数据处理装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分。该装置至少包括：接收单元1、与接收单元1连接的转化单元2、与转化单元2连接的处理反馈单元3，其中：
接收单元1，用于接收用户的数据处理请求；
具体地，用户根据自已需求发起数据处理请求，该数据处理请求可以是数据查询请求、数据建立请求或数据删除请求，还可以是数据增设请求，此处对此不作限制。优选地，该数据处理请求优选为数据处理代码。需要说明的是，该数据可以是ORM数据。
转化单元2，用于基于预设的GraphQL数据模型将所述数据处理请求转为对应的处理语句；
具体地，根据预设的GraphQL数据模型将该数据处理请求转为对应的处理语句；其中，该GraphQL数据模型(即GraphQL SDL，Schema Definition Language)定义了数据名称、数据的类型、字段约束，该约束可以为：是否存在默认值、是否可设置重复的值，是否有预设值等，通常该数据模型存储对应的数据代码。
处理反馈单元3，用于基于处理语句在数据库中执行相应的处理操作并反馈处理结果；
具体地，基于处理语句在数据库中执行相应的处理操作并反馈处理结果，例如，根据该处理语句及该GraphQL数据模型从数据库中查询对应的数据等。
在本实施例中，基于GraphQL数据模型来进行数据的处理，可降低数据冗余，提高数据处理的准确性。
在本实施例的一个优选方案中，该装置还可包括：与转化单元2连接的建立单元，其中：
建立单元，用于建立GraphQL数据模型；
具体地，根据实际需求或者业务需求来建立GraphQL数据模型。该数据模型相当于一描述文件，该描述文件主板包括数据类型、字段及自定义指令。
在本实施例的另一优选方案中，该装置还包括：与处理反馈单元3连接的连接单元，其中：
连接单元，用于连接数据库；
具体地，需要连接数据库时，首先判断是否为第一次连接，若是则说明当前数据库不够匹配，则需要基于预先建立的GraphQL数据模型来建立对应的数据表，然后存储在数据库中，便于后期使用时直接基于该数据表直接调用对应的数据，提高数据处理效率。若当前不是第一次连接，则说明数据库已经存储匹配的数据表，则直接调用数据池的线程来连接该数据库，需要说明的是，在每一时刻，可能存在多个用户的数据处理请求，因此需要预先准备数据池的线程来分别执行数据处理任务，优选地，调用当前没有数据处理任务的线程来处理，或者当所有线程都有处理任务时，可将该数据处理任务放在任务队列中，等待线程来处理，优选地，采用先进先出原则来处理。在本实施例的进一步优选方案中，可根据实际需求来增加线程或者减少线程，以提高数据处理效率或减少资源浪费。
在本实施例的一个优选方案中，该转化单元2具体用于：
基于预设的GraphQL数据模型将所述处理请求转为对应的http请求；
具体地，基于该GraphQL数据模型将该处理请求转为对应的http请求，例如，分析数据模型里的每个子模型的数据名称、数据类型的约束，生成与所述数据处理请求对应的http请求，优选地，基于GraphQL数据模型调用对应语言的数据输入装置，生成符合GraphQLAPI规范的http请求(例如查询请求)，如，该处理请求为“我要查用户信息”则调用查询用户信息的http请求。
将http请求转为对应的处理代码；
具体地，基于该http请求，根据GraphQL数据模型生成对应的GraphQLAPI，处理从GraphQLAPT传入的http请求，生成对应的数据处理代码。
将处理代码转化为对应的处理语句；
具体地，将该数据处理代码转为处理语句，例如，将该数据处理代码转化为SQL语句。
需要说明的是，该数据处理请求可以为数据查询请求、数据删除请求或数据建立请求，该SQL语句可以为SQL查询语句、SQL删除语句、SQL建立语句，此处对此不作限制。
在本实施例的一个优选方案中，该处理反馈单元3具体用于：
在数据库执行与处理语句对应的处理操作，得到处理结果；
具体地，根据该处理语句，在数据库中执行相应的处理操作。如该处理语句为查询语句，则在数据库中查询对应的数据；
向用户反馈所处理的结果；
具体地，需要先将处理结果格式化，然后将格式化的处理结果反馈给用户，例如，将该处理结果转为用户可识别的代码等，便于用户直接读取，给用户带来便利。
在本实施例中，基于GraphQL数据模型来进行数据的处理，可降低数据冗余，提高数据处理的准确性。
其次，基于GraphQLAPI规范，可提高数据处理的速度。
实施例三
图3是本发明实施例三提供的服务终端的结构示意图。如图3所示，该实施例的服务终端3包括：处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32。所述处理器30执行所述计算机程序32时实现上述方法实施例一中的步骤，计算机程序32具体用于使得处理器30执行以下操作：
接收用户的数据处理请求；
基于预设的GraphQL数据模型将所述数据处理请求转为对应的处理语句；
基于所述处理语句在数据库中执行相应的处理操作并反馈处理结果。
在一种可选的方式中，计算机程序32具体用于使得处理器30执行以下操作：
基于预设的GraphQL数据模型将所述处理请求转为对应的http请求；
将所述对应的http请求转为对应的处理代码；
将所述处理代码转化为对应的处理语句。
在一种可选的方式中，计算机程序32具体用于使得处理器30执行以下操作：
在所述数据库执行与所述处理语句对应的处理操作；
向所述用户反馈所处理的结果。
在一种可选的方式中，计算机程序32具体用于使得处理器30执行以下操作：
连接所述数据库。
在一种可选的方式中，计算机程序32具体用于使得处理器30执行以下操作：
是否为第一次连接数据库；
若是时，基于所述GraphQL数据模型建立对应的数据表，并存储在所述数据库中；
若否时，调用数据池的线程连接所述数据库。
在一种可选的方式中，计算机程序32具体用于使得处理器30执行以下操作：
将所述处理结果进行格式化；
将格式化的处理结果反馈给所述用户。
在一种可选的方式中，所述处理请求为以下的一种：数据查询请求、数据建立请求或数据删除请求。
在一种可选的方式中，计算机程序32具体用于使得处理器30执行以下操作：
建立GraphQL数据模型。
在本实施例中，基于GraphQL数据模型来进行数据的处理，可降低数据冗余，提高数据处理的准确性。
实施例四
本发明第四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包括存储在计算机存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述第一实施例中的基于GraphQL的数据处理方法。
可执行指令具体可以用于使得处理器执行以下操作：
接收用户的数据处理请求；
基于预设的GraphQL数据模型将所述数据处理请求转为对应的处理语句；
基于所述处理语句在数据库中执行相应的处理操作并反馈处理结果。
在一种可选的方式中，可执行指令具体可以用于使得处理器执行以下操作：
基于预设的GraphQL数据模型将所述处理请求转为对应的http请求；
将所述对应的http请求转为对应的处理代码；
将所述处理代码转化为对应的处理语句。
在一种可选的方式中，可执行指令具体可以用于使得处理器执行以下操作：
在所述数据库执行与所述处理语句对应的处理操作；
向所述用户反馈所处理的结果。
在一种可选的方式中，可执行指令具体可以用于使得处理器执行以下操作：
连接所述数据库。
在一种可选的方式中，可执行指令具体可以用于使得处理器执行以下操作：
是否为第一次连接数据库；
若是时，基于所述GraphQL数据模型建立对应的数据表，并存储在所述数据库中；
若否时，调用数据池的线程连接所述数据库。
在一种可选的方式中，可执行指令具体可以用于使得处理器执行以下操作：
将所述处理结果进行格式化；
将格式化的处理结果反馈给所述用户。
在一种可选的方式中，所述处理请求为以下的一种：数据查询请求、数据建立请求或数据删除请求。
在一种可选的方式中，可执行指令具体可以用于使得处理器执行以下操作：
建立GraphQL数据模型。
在本发明中，基于GraphQL数据模型来进行数据的处理，可降低数据冗余，提高数据处理的准确性。
其次，基于GraphQLAPI规范，可提高数据处理的速度。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各实施例的模块、单元和/或方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所述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令相关的硬件来完成，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(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求经适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明经了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案经修改，或者对其中部分技术特征经等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (11)

1.一种基于GraphQL的数据处理方法，其特征在于，包括：
接收用户的数据处理请求；
基于预设的GraphQL数据模型将所述数据处理请求转为对应的处理语句；
基于所述处理语句在数据库执行相应的处理操作并反馈处理结果。
2.根据权利要求1所述的方法，其特征在于，所述基于预设的GraphQL数据模型将所述处理请求转为对应的处理语句，包括：
基于预设的GraphQL数据模型将所述处理请求转为对应的http请求；
将所述对应的http请求转为对应的处理代码；
将所述处理代码转化为对应的处理语句。
3.根据权利要求2所述的方法，其特征在于，所述基于所述处理语句在数据库中执行相应的处理操作并反馈处理结果，包括：
在所述数据库执行与所述处理语句对应的处理操作；
向所述用户反馈所处理的结果。
4.根据权利要求1所述的方法，其特征在于，所述基于预设的GraphQL数据模型将所述处理请求转为对应的处理语句之前，还包括：
连接所述数据库。
5.根据权利要求1所述的方法，其特征在于，所述连接数据库，包括：
是否为第一次连接数据库；
若是时，基于所述GraphQL数据模型建立对应的数据表，并存储在所述数据库中；
若否时，调用数据池的线程连接所述数据库。
6.根据权利要求5所述的方法，其特征在于，所述向所述用户反馈所处理的结果，包括：
将所述处理结果进行格式化；
将格式化的处理结果反馈给所述用户。
7.根据权利要求1至6任意一项所述的方法，其特征在于，所述处理请求为以下的一种：数据查询请求、数据建立请求或数据删除请求。
8.根据权利要求1至6任意一项所述的方法，其特征在于，所述接收用户的数据处理请求之前，还包括：
建立GraphQL数据模型。
9.一种基于GraphQL的数据处理装置，其特征在于，所述装置，用于执行如权利要求1至8任意一项方法。
10.一种服务终端，包括存储器、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程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述方法的步骤。
11.一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程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述方法的步骤。
CN201911098429.8A 2019-11-08 2019-11-08 基于GraphQL的数据处理方法及装置、服务终端及存储介质 Pending CN112783958A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911098429.8A CN112783958A (zh) 2019-11-08 2019-11-08 基于GraphQL的数据处理方法及装置、服务终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911098429.8A CN112783958A (zh) 2019-11-08 2019-11-08 基于GraphQL的数据处理方法及装置、服务终端及存储介质

Publications (1)

Publication Number Publication Date
CN112783958A true CN112783958A (zh) 2021-05-11

Family

ID=75749853

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911098429.8A Pending CN112783958A (zh) 2019-11-08 2019-11-08 基于GraphQL的数据处理方法及装置、服务终端及存储介质

Country Status (1)

Country Link
CN (1) CN112783958A (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110008230A (zh) * 2019-01-25 2019-07-12 畅捷通信息技术股份有限公司 对象查询方法及装置、计算机可读存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110008230A (zh) * 2019-01-25 2019-07-12 畅捷通信息技术股份有限公司 对象查询方法及装置、计算机可读存储介质

Similar Documents

Publication Publication Date Title
US11354314B2 (en) Method for connecting a relational data store's meta data with hadoop
US10242073B2 (en) Analytics mediation for microservice architectures
CN110032604B (zh) 数据存储装置、转译装置及数据库访问方法
CN106687955B (zh) 简化将数据从数据源转移到数据目标的导入过程的调用
CN110704398A (zh) 从MySQL到Oracle的数据库迁移方法、装置及计算机设备
US10394805B2 (en) Database management for mobile devices
CN109902114B (zh) Es集群数据复用方法、系统、计算机装置及存储介质
US9734176B2 (en) Index merge ordering
US20150269234A1 (en) User Defined Functions Including Requests for Analytics by External Analytic Engines
EP3279816A1 (en) Data analysis processing method, apparatus, computer device, and storage medium
US9971794B2 (en) Converting data objects from multi- to single-source database environment
US8694525B2 (en) Systems and methods for performing index joins using auto generative queries
CN108363741B (zh) 大数据统一接口方法、装置、设备及存储介质
CN111723161A (zh) 一种数据处理方法、装置及设备
CN110597851B (zh) 一种基于大数据的数据处理及报表展示方法
CN111221851A (zh) 一种基于Lucene的海量数据查询、存储的方法和装置
CN108334620A (zh) 一种基于orm框架操作集群数据库的方法及装置
CN116204550A (zh) 数据库查询语句的优化方法、存储介质与设备
CN112783958A (zh) 基于GraphQL的数据处理方法及装置、服务终端及存储介质
CN113722337B (zh) 业务数据确定方法、装置、设备及存储介质
CN116049232A (zh) 一种子查询抽取方法、装置、电子设备和存储介质
US10255316B2 (en) Processing of data chunks using a database calculation engine
US10169410B2 (en) Merge of stacked calculation views with higher level programming language logic
US10803030B2 (en) Asynchronous SQL execution tool for zero downtime and migration to HANA
CN114218904A (zh) 一种可配置报表导出设计的方法及系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210511