CN112817965A - 一种数据拼接方法、装置、电子设备和存储介质 - Google Patents

Abstract

本申请公开了一种数据拼接方法、装置、电子设备和存储介质，涉及大数据处理技术领域。具体实现方案为：从至少两个数据分桶中为待拼接的目标数据选择目标分桶；将所述目标数据分发到所述目标分桶的未拼接数据中，以指示所述目标分桶在监测到拼接触发事件时，对所述未拼接数据进行拼接；其中所述拼接触发事件根据所述目标分桶中的未拼接数据和已拼接数据生成。本申请实施例由于目标分桶中的未拼接数据和已拼接数据是动态变化的，而根据未拼接数据和已拼接数据的数量生成拼接触发事件，可到达动态调整拼接时间间隔的目的，也即可自适应调整数据拼接频率，由此既保证了数据的时效性，还能减少整个拼接过程中计算资源的消耗，提升计算效率。

Description

一种数据拼接方法、装置、电子设备和存储介质

技术领域

本申请实施例涉及互联网技术领域，尤其涉及大数据处理技术领域，具体涉及了一种数据拼接方法、装置、电子设备和存储介质。

背景技术

数据拼接是指两种以上的不同数据，由于业务上关联，通过某些同类属性的关键字值合并为一份数据。

目前主要通过批处理任务或者实时任务进行数据拼接。批处理任务时效性差，并且由于定时批量读取数据，导致部分数据未被拼接，即拼接精度较低。实时任务由于数据库容量的限制，无法处理较长一段时间窗口或者海量数据的拼接。并且，流式数据源源不断的到达，在到达时间存在长尾效应的情况下，为了保证拼接精度，批量任务和实时任务都尽可能拉大数据拼接等待时间窗口，然而拉大数据拼接等待时间窗口后，实际只有少量数据参与拼接，耗费计算资源，降低拼接时效性。

发明内容

本申请实施例公开一种数据拼接方法、装置、电子设备和介质，以解决现有技术中进行数据拼接时存在的无法有效实现拼接精度、计算效率和拼接时效性之间的均衡优化的技术问题。

第一方面，本申请实施例公开了一种数据拼接方法，包括：

从至少两个数据分桶中为待拼接的目标数据选择目标分桶；

将所述目标数据分发到所述目标分桶的未拼接数据中，以指示所述目标分桶在监测到拼接触发事件时，对所述未拼接数据进行拼接；其中所述拼接触发事件根据所述目标分桶中的未拼接数据和已拼接数据生成。

上述申请中的一个实施例具有如下优点或有益效果：由于目标分桶中的未拼接数据和已拼接数据是动态变化的，而根据未拼接数据和已拼接数据的数量关系生成拼接触发事件，可达到动态调整拼接时间间隔的目的，即自适应调整数据拼接频率，由此既保证了数据的时效性，还能减少整个拼接过程中计算资源的消耗，提升计算效率。

另外，根据本申请上述实施例的数据拼接方法，还可以具有如下附加的技术特征：

可选的，从至少两个数据分桶中为待拼接的目标数据选择目标分桶，包括：

根据待拼接的目标数据的分桶关键字值，确定所述目标数据的拼接方式；

若所述目标数据的拼接方式为批量拼接，则将所述分桶关键字值与候选分桶关键字和候选分桶之间的关联关系进行匹配，以得到所述目标分桶。

上述申请中的一个实施例具有如下优点或有益效果：根据不同的分桶关键字值，选择不同的拼接方式进行数据拼接，可提升数据拼接的效率，而且在确定数据的拼接方式为批量拼接时，根据候选分桶关键字和候选分桶之间的关联关系，可将数据快速分发到对应分桶进行拼接，以此提升拼接效率。

可选的，确定所述目标数据的拼接方式之后，还包括：

若所述目标数据的拼接方式为实时拼接，则调用流式拼接服务将所述目标数据拼接入库。

上述申请中的一个实施例具有如下优点或有益效果：通过实时拼接方式来拼接目标数据，可保证拼接时效性并提升拼接效率。

可选的，所述拼接触发事件根据数据拼接精度、所述目标分桶中的未拼接数据和已拼接数据生成。

可选的，所述方法还包括若任一数据分桶满足如下条件，则生成该数据分桶的拼接触发事件：

v_e/(v_e+v_b)＝1-α

其中v_e为该数据分桶的未拼接数据量、v_b为该数据分桶的已拼接数据量，α为所述数据拼接精度。

上述申请中的一个实施例具有如下优点或有益效果：在给定数据拼接精度的基础上，根据目标分桶中的未拼接数据和已拼接数据生成拼接触发事件，可到达动态调整拼接时间间隔的目的，也即自适应调整数据拼接频率，由此既保证了数据的时效性，还能减少整个拼接过程中计算资源的消耗，提升计算效率。

可选的，所述数据分桶的大小根据最小拼接时间窗口和计算资源确定。

上述申请中的一个实施例具有如下优点或有益效果：根据最小拼接时间窗口和计算资源确定分桶的大小，可以避免分桶内的数据超过桶得的最大数据容量，造成部分数据超时未处理，进而影响拼接时效性。

可选的，所述数据分桶中的数据量随等待时间增长而收敛。

上述申请中的一个实施例具有如下优点或有益效果：根据数据分桶中的数据量随等待时间增长而收敛这一特性，可准确的确定分桶关键字和分桶之间的关联关系。

第二方面，本申请实施例公开了一种数据拼接装置，包括：

选择模块，用于从至少两个数据分桶中为待拼接的目标数据选择目标分桶；

分发拼接模块，用于将所述目标数据分发到所述目标分桶的未拼接数据中，以指示所述目标分桶在监测到拼接触发事件时，对所述未拼接数据进行拼接；其中所述拼接触发事件根据所述目标分桶中的未拼接数据和已拼接数据生成。

第三方面，本申请实施例还提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请任意实施例所述的数据拼接方法。

第四方面，本本申请实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请任意实施例所述的数据拼接方法。

上述申请中的一个实施例具有如下优点或有益效果：根据不同的分桶关键字值，选择不同的拼接方式(实时拼接或批量拼接)进行数据拼接，可提升数据拼接的效率，而且在确定数据的拼接方式为批量拼接时，根据候选分桶关键字和候选分桶之间的关联关系，可将数据快速分发到对应分桶进行拼接，在拼接过程中，根据未拼接数据和已拼接数据的数量关系生成拼接触发事件，可到达动态调整拼接时间间隔的目的，也即自适应调整数据拼接频率，由此既保证了数据的时效性，还能减少整个拼接过程中计算资源的消耗，提升计算效率。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请实施例的数据拼接方法的流程示意图；

图2a是根据本申请实施例的另一数据拼接方法的流程示意图；

图2b是根据本申请实施例的数据拼接的整体架构示意图；

图3是根据本申请实施例的数据拼接装置的结构示意图；

图4是用来实现本申请实施例的数据拼接方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是本申请实施例的数据拼接方法的流程示意图，本实施例可适用于广告日志分析或用户行为分析等情况。该方法可由一种数据拼接装置来执行，该装置采用软件和/或硬件的方式实现，优选是配置于电子设备中，例如服务器或计算机设备。如图1所示，该方法具体包括如下：

S101、从至少两个数据分桶中为待拼接的目标数据选择目标分桶。

本申请实施例中，数据分桶是按照分桶策略确定的，用于不断的接收待拼接的目标数据以及在数据分桶中完成数据拼接，其中，分桶策略包括确定数据分桶的大小。可选的，数据分桶的大小根据最小拼接时间窗口和计算资源确定，其中，最小拼接时间窗口也即是最小拼接时间间隔，且最小拼接时间窗口是根据业务时效性要求设置的，例如延时1个小时。在确定最小拼接时间间隔后，根据计算资源(例如电子设备的硬件资源)确定在最小拼接时间间隔内能拼接的最大数据量(例如1G)；将小于最大数据量的固定数据量作为分桶的大小(例如500M)。

本申请实施例中通过时序分桶的方式生成数据分桶，可选的，随着待拼接数据源源不断的到达，在确定分桶大小后，随时间持续生成数据分桶，因此在同一时刻上，存在多个处于不同等待时间段的数据桶桶，而且各个数据分桶的拼接任务时并行独立进行的。示例性的，如果1天总共有2G数据，则可以为1天设置4个分桶，即每个分桶对应6小时，例如第一分桶0-6，第二分桶6-12，第三分桶12-18，第四分桶18-24。如果业务需要对7天之内的业务数据进行拼接，不考虑7天之前的数据，则随着时间延伸最多有4*7＝28个桶。

进一步的，分桶策略还包括构建数据分桶与分桶关键字值的关系，以便后续根据分桶关键字值选择目标分桶。在此需要说明的是，数据分桶设置成固定大小之后不变，数据分桶中的数据量随等待时间增长而收敛。

本申请实施例中，待拼接的目标数据可选的为多路数据解析器从互联网上读取并解析后的数据，包括拼接关键字值、分桶关键字值及相应的待拼接数据字段。其中，拼接关键字值的作用是在数据拼接过程中将带有相同拼接关键字值的数据拼接在一起，例如拼接关键字值可以为表征同一用户的字段；分桶关键字值的作用是确定待拼接的目标数据需要分发到哪个数据分桶，而在确定分桶关键字时，可从待拼接数据的共有属性中抽取与时间相关的字段。示例性的，分桶关键字值可以为与待拼接数据生成时间相关的日志ID，而不是时间字段本身。因为有些数据中没有时间字段，导致数据无法按照时间字段分发到数据分桶中。

在上述基础上，在获取到待拼接的目标数据后，根据其中包括的分桶关键字值从多个数据分桶中确定目标分桶。

S102、将所述目标数据分发到所述目标分桶的未拼接数据中，以指示所述目标分桶在监测到拼接触发事件时，对所述未拼接数据进行拼接。

本申请实施例中，每个数据分桶中均包括两部分数据，分别为未拼接数据和已拼接数据，在确定目标分桶后，将待拼接的目标数据分发到目标分桶的未拼接数据中。进而根据目标分桶中的未拼接数据和已拼接数据生成拼接触发事件，示例性的，根据未拼接数据在目标分桶内所有数据的占比达到阈值时生成拼接触发事件。目标分桶在监测到拼接触发事件时，对未拼接数据进行拼接，可选的，将未拼接数据与目标分桶的已拼接数据进行合并。合并之后清空未拼接数据，以便继续接收新的待拼接数据，并在未拼接数据在目标分桶内所有数据的占比达到阈值继续执行拼接操作，其中，在等待接收的未拼接数据在目标分桶内所有数据的占比达到阈值这一时间段即为拼接时间间隔，由此可根据数据分发到数据分桶的快慢动态调整拼接时间间隔。由此，相比于现有技术中采用定时批量读取固定时间窗口的数据进行拼接时，存在的实际只有少量数据参与拼接，耗费计算资源、且拼接进度低。本申请通过动态调整拼接时间间隔，也即是在未拼接数据达到一定量时立即进行数据拼接，可保证拼接精度的同时，还能避免计算资源的浪费。

本申请实施例中，目标分桶不断接收待拼接数据并在未拼接数据达到一定占比时执行数据拼接操作，由此达到动态调整拼接时间间隔的目的，也即自适应调整数据拼接频率，使得在保证数据时效性放入基础上，还能减少整个拼接过程中计算资源的消耗，提升计算效率。

图2a是本申请实施例的另一种数据拼接方法的流程示意图，本实施例在上述实施例的基础上进行优化，如图2a所示，该方法具体包括如下：

S201、根据待拼接的目标数据的分桶关键字值，确定所述目标数据的拼接方式。

其中，拼接方式包括实时拼接和批量拼接两种。可选的，确定一个目标时刻t0，在目标时刻t0之前，数据拼接时间间隔均小于预设的最小拼接时间间隔，在目标时刻t0之后，数据拼接时间间隔均大于预设的最小拼接时间间隔。在此需要说明的是，数据拼接时间间隔均小于最小拼接时间间隔，则表明数据到达的速度较快，需要对数据进行频繁的拼接，因此需要选择实时拼接的方式；数据拼接时间间隔均大于最小拼接时间间隔，则表明数据到达分桶的速度慢，不需要频繁的拼接数据，可选择批量拼接的方式。因此，只需判断分桶关键字值对应的时刻是在目标时刻t0之前还是之后，即可确定目标数据的拼接方式。根据选择的拼接方式执行S202或S203。

S202、若所述目标数据的拼接方式为实时拼接，则调用流式拼接服务将所述目标数据拼接入库。

实时拼接是利用数据库(如分布式数据库Hbase和百度Table等)将数据按拼接关键字值存储，在流式数据处理中，每条数据经过处理后，实时从数据库中查询相同拼接关键字值，并将拼接后数据重新插入数据库，完成实时的数据拼接。另外为了保证数据库中数据不持续增长，定时移除不需要进行实时处理的数据，使之进行非实时拼接。

S203、若所述目标数据的拼接方式为批量拼接，则将所述分桶关键字值与候选分桶关键字和候选分桶之间的关联关系进行匹配，以得到所述目标分桶。

其中，候选分桶关键字和候选分桶之间的关联关系是在构建数据分桶时确定的，因此可直接根据分桶关键字为目标数据选择目标分桶。而在实现批量拼接时，可选的通过Hadoop或Spark等大数据批处理工具完成。

S204、将所述目标数据分发到所述目标分桶的未拼接数据中，以指示所述目标分桶在监测到拼接触发事件时，对所述未拼接数据进行拼接。

本申请实施例中，拼接触发事件根据数据拼接精度、所述目标分桶中的未拼接数据和已拼接数据生成。可选的，若任一数据分桶满足如下条件，则生成该数据分桶的拼接触发事件：

v_e/(v_e+v_b)＝1-α

其中，v_e为该数据分桶的未拼接数据量、v_b为该数据分桶的已拼接数据量，α为所述数据拼接精度。在此需要说明的是，在待拼接数据到达时延存在长尾效率的情况下，由于计算资源和拼接时效性的限制，必然会存在未拼接数据，因此也无法保证百分百的拼接率，此处给定数据拼接精度α是容忍的最小拼接率。

在持续性的将目标数据分发到目标分桶的未拼接数据，且未拼接数据满足上述公式时，执行数据拼接的操作，可选的，将未拼接数据与目标分桶的已拼接数据进行合并，同时清空所述未拼接数据，以便继续接收新的待拼接数据。在此需要说明的是，本申请实施例中各个数据分桶的拼接任务时并行独立进行的。

为了进一步的描述数据拼接的过程，参见图2b，其示出了数据拼接的整体架构示意图，多路数据解析器从网络获取多路数据后，对数据进行解析得到待拼接的数据(包括拼接关键字值、分桶关键字值以及对应的数据字段)，进而对待拼接数据进行时序分桶，也即根据分桶关键字值确定拼接方式为实时拼接或批量拼接。若为实时拼接，调用流式拼接服务将所述目标数据拼接入库，后续可直接从数据库输出拼接结果；若为批量拼接，由图可知，每个数据分桶都包括未拼接数据和已拼接数据，示例性的，根据分桶关键字值与候选分桶关键字和候选分桶之间的关联关系确定目标分桶为桶1，则将待拼接的目标数据分发到桶1的未拼接数据中，同时判断通1内的未拼接数据和已拼接数据是否满足v_e/(v_e+v_b)＝1-α，若满足，则在桶1内将未拼接数据和已拼接数据合并，使得桶1中的已拼接数据通过合入未拼接数据桶而更新，拼接完成后，桶1中的未拼接数据重新清空，以便持续接收新的未拼接数据。另外每个数据桶的拼接任务同其他桶是并行独立进行的。

本申请实施例中，根据不同的分桶关键字值，选择不同的拼接方式进行数据拼接，可提升数据拼接的效率，而且数据的拼接方式为批量拼接时，在预先给定拼接精度后根据到达数据分桶内的未拼接数据的占比，动态的进行数据拼接，实现了在保证拼接精度的基础上，还能保证数据时效性以及减少整个拼接过程中计算资源的消耗。

图3是本申请实施例的数据拼接装置的结构示意图，本实施例可适用于广告日志分析或用户行为分析等情况。该装置可实现本申请任意实施例所述的数据拼接方法。该装置300具体包括如下：

选择模块301，用于从至少两个数据分桶中为待拼接的目标数据选择目标分桶；

分发拼接模块302，用于将所述目标数据分发到所述目标分桶的未拼接数据中，以指示所述目标分桶在监测到拼接触发事件时，对所述未拼接数据进行拼接；其中所述拼接触发事件根据所述目标分桶中的未拼接数据和已拼接数据生成。

可选的，所述选择模块包括：

拼接方式确定单元，用于根据待拼接的目标数据的分桶关键字值，确定所述目标数据的拼接方式；

目标分桶确定单元，用于若所述目标数据的拼接方式为批量拼接，则将所述分桶关键字值与候选分桶关键字和候选分桶之间的关联关系进行匹配，以得到所述目标分桶。

可选的，所述装置还包括：

实时拼接模块，用于若所述目标数据的拼接方式为实时拼接，则调用流式拼接服务将所述目标数据拼接入库。

可选的，所述拼接触发事件根据数据拼接精度、所述目标分桶中的未拼接数据和已拼接数据生成。

可选的，所述装置还包括事件触发模块，用于：

若任一数据分桶满足如下条件，则生成该数据分桶的拼接触发事件：

v_e/(v_e+v_b)＝1-α

其中v_e为该数据分桶的未拼接数据量、v_b为该数据分桶的已拼接数据量，α为所述数据拼接精度。

可选的，所述数据分桶的大小根据最小拼接时间窗口和计算资源确定。

可选的，所述数据分桶中的数据量随等待时间增长而收敛。本申请实施例所提供的数据拼接装置可执行本申请任意实施例所提供的数据拼接方法，具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本申请任意方法实施例中的描述。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图4所示，是实现本申请实施例的数据拼接方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图4所示，该电子设备包括：一个或多个处理器401、存储器402，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图4中以一个处理器401为例。

存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的数据拼接方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的数据拼接方法。

存储器402作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的数据拼接方法对应的程序指令/模块(例如，附图3所示的选择模块301、分发拼接模块302)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的数据拼接方法。

存储器402可以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、至少一个功能所需要的应用程序；存储数据区可存储根据实现数据拼接方法的电子设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至实现数据拼接方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

实现数据拼接方法的电子设备还可以包括：输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接，图4中以通过总线连接为例。

输入装置403可接收输入的数字或字符信息，以及产生与实现数据拼接方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，根据不同的分桶关键字值，选择不同的拼接方式(实时拼接或批量拼接)进行数据拼接，可提升数据拼接的效率，而且在确定数据的拼接方式为批量拼接时，根据候选分桶关键字和候选分桶之间的关联关系，可将数据快速分发到对应分桶进行拼接，在拼接过程中，根据未拼接数据和已拼接数据的数量关系生成拼接触发事件，可到达动态调整拼接时间间隔的目的，也即自适应调整数据拼接频率，由此既保证了数据的时效性，还能减少整个拼接过程中计算资源的消耗，提升计算效率。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (16)

1.一种数据拼接方法，其特征在于，包括：

从至少两个数据分桶中为待拼接的目标数据选择目标分桶；

将所述目标数据分发到所述目标分桶的未拼接数据中，以指示所述目标分桶在监测到拼接触发事件时，对所述未拼接数据进行拼接；其中所述拼接触发事件根据所述目标分桶中的未拼接数据和已拼接数据生成。

2.根据权利要求1所述的方法，其特征在于，从至少两个数据分桶中为待拼接的目标数据选择目标分桶，包括：

根据待拼接的目标数据的分桶关键字值，确定所述目标数据的拼接方式；

若所述目标数据的拼接方式为批量拼接，则将所述分桶关键字值与候选分桶关键字和候选分桶之间的关联关系进行匹配，以得到所述目标分桶。

3.根据权利要求2所述的方法，其特征在于，确定所述目标数据的拼接方式之后，还包括：

若所述目标数据的拼接方式为实时拼接，则调用流式拼接服务将所述目标数据拼接入库。

4.根据权利要求1所述的方法，其特征在于，所述拼接触发事件根据数据拼接精度、所述目标分桶中的未拼接数据和已拼接数据生成。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括若任一数据分桶满足如下条件，则生成该数据分桶的拼接触发事件：

v_e/(v_e+v_b)＝1-α

其中v_e为该数据分桶的未拼接数据量、v_b为该数据分桶的已拼接数据量，α为所述数据拼接精度。

6.根据权利要求1所述的方法，其特征在于，所述数据分桶的大小根据最小拼接时间窗口和计算资源确定。

7.根据权利要求1所述的方法，其特征在于，所述数据分桶中的数据量随等待时间增长而收敛。

8.一种数据拼接装置，其特征在于，包括：

选择模块，用于从至少两个数据分桶中为待拼接的目标数据选择目标分桶；

分发拼接模块，用于将所述目标数据分发到所述目标分桶的未拼接数据中，以指示所述目标分桶在监测到拼接触发事件时，对所述未拼接数据进行拼接；其中所述拼接触发事件根据所述目标分桶中的未拼接数据和已拼接数据生成。

9.根据权利要求8所述的装置，其特征在于，所述选择模块包括：

拼接方式确定单元，用于根据待拼接的目标数据的分桶关键字值，确定所述目标数据的拼接方式；

目标分桶确定单元，用于若所述目标数据的拼接方式为批量拼接，则将所述分桶关键字值与候选分桶关键字和候选分桶之间的关联关系进行匹配，以得到所述目标分桶。

10.根据权利要求9所述的装置，其特征在于，所述装置还包括：

实时拼接模块，用于若所述目标数据的拼接方式为实时拼接，则调用流式拼接服务将所述目标数据拼接入库。

11.根据权利要求8所述的装置，其特征在于，所述拼接触发事件根据数据拼接精度、所述目标分桶中的未拼接数据和已拼接数据生成。

12.根据权利要求11所述的装置，其特征在于，所述装置还包括事件触发模块，用于：

若任一数据分桶满足如下条件，则生成该数据分桶的拼接触发事件：

v_e/(v_e+v_b)＝1-α

其中v_e为该数据分桶的未拼接数据量、v_b为该数据分桶的已拼接数据量，α为所述数据拼接精度。

13.根据权利要求8所述的装置，其特征在于，所述数据分桶的大小根据最小拼接时间窗口和计算资源确定。

14.根据权利要求8所述的装置，其特征在于，所述数据分桶中的数据量随等待时间增长而收敛。

15.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的数据拼接方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的数据拼接方法。

Images