CN112860811A - 数据血缘关系的确定方法、装置、电子设备和存储介质 - Google Patents

Abstract

本公开公开了一种数据血缘关系的确定方法、装置、电子设备和存储介质，尤其涉及信息流、大数据等人工智能技术领域。其中，具体实现方案为：获取待处理的数据及其对应的初始元信息；将所述初始元信息分别与各个参考元信息集进行匹配，以确定与所述初始元信息匹配的目标元信息集；根据所述目标元信息集，确定所述数据对应的血缘关系。由此，通过根据数据对应的初始元信息与各个参考元信息集的匹配结果，确定数据对应的血缘关系，由于每个参考元信息集都可以唯一表征一个数据的血缘关系，从而可以有效减少数据血缘关系误判的风险，提高了数据血缘关系确定的准确性和可靠性。

Description

数据血缘关系的确定方法、装置、电子设备和存储介质

技术领域

本公开涉及数据处理技术领域，具体涉及信息流、大数据等人工智能技术领域，尤其涉及一种数据血缘关系的确定方法、装置、电子设备和存储介质。

背景技术

随着大数据时代的来临，数据呈现爆发性增长，各种类型的、海量的数据在快速产生。这些庞大复杂的数据信息，通过联姻融合、转换变换、流转流通，又生成新的数据，汇聚成数据的海洋。在数据处理的过程中，从数据源头到最终的数据生成，每个环节都可能会影响数据质量的准确性。从而在对数据的检测和处理过程中。如何准确的确定出数据的血缘关系，显得至关重要。

发明内容

本公开提供了一种数据血缘关系的确定方法、装置、电子设备和存储介质。

本公开一方面，提供了一种数据血缘关系的确定方法，包括：

获取待处理的数据及其对应的初始元信息；

将所述初始元信息分别与各个参考元信息集进行匹配，以确定与所述初始元信息匹配的目标元信息集；

根据所述目标元信息集，确定所述数据对应的血缘关系。

本公开的另一方面，提供了一种数据血缘关系的确定装置，包括：

第一获取模块，用于获取待处理的数据及其对应的初始元信息；

第一确定模块，用于将所述初始元信息分别与各个参考元信息集进行匹配，以确定与所述初始元信息匹配的目标元信息集；

第二确定模块，用于根据所述目标元信息集，确定所述数据对应的血缘关系。

本公开的另一方面，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上述一方面实施例所述的数据血缘关系的确定方法。

本公开的另一方面，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，其上存储有计算机程序，所述计算机指令用于使所述计算机执行上述一方面实施例所述的数据血缘关系的确定方法。

本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述一方面实施例所述的数据血缘关系的确定方法。

本公开提供的数据血缘关系的确定方法、装置、电子设备和存储介质，提高了数据血缘关系确定的准确性和可靠性。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1为本公开一实施例提供的一种数据血缘关系的确定方法的流程示意图；

图2为本公开另一实施例提供的一种数据血缘关系的确定方法的流程示意图；

图3为本公开又一实施例提供的一种数据血缘关系的确定方法的流程示意图；

图4为本公开一实施例提供的一种数据血缘关系的确定装置的结构示意图；

图5为本公开另一实施例提供的一种数据血缘关系的确定装置的结构示意图；

图6为用来实现本公开实施例的数据血缘关系的确定方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习、深度学习、大数据处理技术、知识图谱技术等几大方向。

大数据技术是指通过多种渠道实现对大量数据的采集，并通过使用云计算技术来实现对数据的深度挖掘和分析，确保能够及时的找出数据之间的规律和特点，总结和归纳出数据所存在的价值。大数据技术对于了解数据特征，预测发展趋势具有十分重要的意义。

信息流有广义和狭义两种。广义的信息流是指在空间和时间上向同一方向运动过程中的一组信息，它们有共同的信息源和信息的接收者，即由一个信息源向另一个单位传递的全部信息的集合。狭义的信息流是指信息的传递运动，这种传递运动是在现代信息技术研究、发展、应用的条件中，信息按照一定要求通过一定渠道进行的。

下面参考附图描述本公开实施例的数据血缘关系的确定方法、装置、电子设备和存储介质。

本公开实施例的数据血缘关系的确定方法，可由本公开实施例提供的数据血缘关系的确定装置执行，该装置可配置于电子设备中。

图1为本公开实施例提供的一种数据血缘关系的确定方法的流程示意图。

如图1所示，该数据血缘关系的确定方法，可以包括以下步骤：

步骤101，获取待处理的数据及其对应的初始元信息。

其中，初始元信息，为待处理的数据中包含的，与待处理的数据的血缘相关的数据。比如，初始元信息中，可能包含该数据的来源信息、或者，还包含该数据的存储信息等等，本公开对此不做限定。

步骤102，将初始元信息分别与各个参考元信息集进行匹配，以确定与初始元信息匹配的目标元信息集。

其中，参考元信息集为预先生成的，可用于唯一表征某个数据的血缘关系的元信息。每个参考元信息集中可能包括一个参考元信息，或者也可能包括多个参考元信息，本公开对此不做限定。

另外，参考元信息集可能有多种数据来源，不同的数据来源，其参考元信息集中包含的信息可能有所不同。

比如说，参考元信息集为基于分布式文件系统对应的元信息集生成的，该参考元信息集中可以包括集群地址、基础数据路径、数据集路径、数据就绪标识符、时间通配占位符合以及访问秘钥等信息，本公开对此不做限定。

或者，参考元信息集为基于数仓表对应的元信息集生成的，该参考元信息中可以包括其逻辑映射的分布式文件系统标识、数仓表命名空间、数仓库名、数仓表名、分区键以及字段列表等信息，本公开对此不做限定。

可以理解的是，通过数仓表中对应的逻辑映射的分布式文件系统标识，可以关联到分布式文件系统中的参考元信息，从而即可通过数仓表获取到分布式文件系统中的参考元信息。

可以理解的是，可以将初始元信息中包含的所有内容都与各个参考元信息集一一进行匹配，将与初始元信息中包含的所有内容都匹配成功的参考元信息集，确定为目标元信息集。

举例来说，初始元信息1中包含的信息为：数仓命名空间A、数仓表a，参考元信息集1中包含的信息为：数仓命名空间B、数仓表b等，参考元信息集2中包含的信息为：数仓命名空间A、数仓库名d、数仓表a等，参考元信息集2中包含初始元信息1中的所有信息，从而可以确定参考元信息集2为与初始元信息1匹配的目标元信息集。

或者，初始元信息1中包含的信息为：分布式文件A、秘钥X，初始元信息2中包含的信息为：分布式文件A、基础数据路径N，参考元信息集2中包含的信息为：分布式文件A、基础数据路径N、秘钥X、数据就绪标识符Z等。参考元信息集2中既包含有初始元信息1中的所有信息，又包含有初始元信息2中的所有信息，从而可以确定二者的目标元信息集均为参考元信息集2。

需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中初始元信息、参考元信息集、目标元信息集等的限定。

步骤103，根据目标元信息集，确定数据对应的血缘关系。

可以理解的是，与同一目标元信息集相匹配的多个初始元信息之间，可以具有相应的数据血缘关系。

另外，数据的血缘关系可以有多种，比如可以为包含关系、归属关系、层次关系等，本公开对此不做限定。

比如说，初始元信息1、初始元信息2、初始元信息3均对应于同一目标元信息集a，从而可以确定，初始元信息1、2、3分别对应的三个待处理数据之间存在相应的血缘关系。

需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中目标元信息集、血缘关系等的限定。

需要说明的是，相关技术中，对数据进行处理以确定数据血缘关系时，需要按照一定的时间周期、结合数据前后关联的其他数据进行确定，从而可能会造成数据血缘关系存在周期性、滞后性等问题。本公开中的方案，基于数据自身的元信息以及提前生成的参考元信息集，可以对每一条数据进行匹配，无需考虑数据前后关联的其他数据信息，从而可以实时对数据进行处理，进而确定出数据对应的血缘关系。

本公开实施例，首先获取待处理的数据及其对应的初始元信息，之后可以将初始元信息分别与各个参考元信息集进行匹配，以确定与初始元信息匹配的目标元信息集，从而可以根据目标元信息集，确定数据对应的血缘关系。由此，通过根据数据对应的初始元信息与各个参考元信息集的匹配结果，确定数据对应的血缘关系，由于每个参考元信息集都可以唯一表征一个数据的血缘关系，从而可以有效减少数据血缘关系误判的风险，提高了数据血缘关系确定的准确性和可靠性。

上述实施例，通过将数据对应的初始元信息分别与各个参考元信息集进行匹配，从而确定出与初始元信息匹配的目标元信息集，之后即可确定出数据对应的血缘关系。在一种可能的实现形式中，在初始元信息与参考元信息集进行匹配时，初始元信息中可能包括时间信息，为了降低初始元信息与参考元信息集匹配的复杂度，本公开中，可以首先对时间信息进行处理，下面结合图2对上述过程做进一步说明。

图2为本公开一实施例提供的一种数据血缘关系的确定方法的流程示意图。

如图2所示，该数据血缘关系的确定方法，可以包括以下步骤：

步骤201，获取待处理的数据及其对应的初始元信息。

步骤202，响应于初始元信息中包含时间信息，将时间信息从初始元信息中去除。

可以理解的是，同一数据源的数据，在不同的时刻，所存储的路径可能有所改变，若直接进行数据关系的判断，可能会对具有血缘关系的数据进行误判，从而可能造成数据血缘关系不准确。

比如说，在应用A上进行B操作，在时段1产生的数据A1，其对应的存储路径可能为M，之后继续在应用A上进行B操作，在时段2产生的数据A2，其对应的存储路径可能为N，在时段3产生的数据A3，其对应的存储路径可能为L。数据A1、A2、A3中包含的信息，除了时间信息以及由于时间信息造成的存储路径等不同，其他信息可能均相同，若直接根据存储路径进行匹配，可能会将数据A1、A2、A3误认为没有血缘关系的数据。从而为了进一步提高数据血缘关系确定的准确性，可以先去除初始元信息中的时间信息。

本公开实施例中，为了进一步提高数据血缘关系确定的准确性，可以先去除初始元信息中的时间信息，从而可以使得在数据血缘关系确定中，可以减少时间信息造成的影响，进而提高数据血缘关系确定的准确性。

步骤203，将元信息库中当前处于有效状态的各个元信息集，确定为各个参考元信息集。

其中，元信息库中的各个元信息集，可以是用户根据分布式文件系统或者数仓表对应的元信息集提前预置的，或者，还可以为元信息库通过向分布式文件系统或者数仓表请求获取的，本公开对此不做限定。

在实际使用时，为了进一步保证确定的数据血缘关系的准确性，该数据血缘关系的确定装置可以周期性的与各个元信息集对应的分布式文件系统或者数仓表进行元信息集的同步，并仅将同步成功的元信息集置为有效状态，即仅将同步成功的元信息集确定为参考元信息集。

需要说明的是，步骤202和步骤203的执行顺序可以先后执行，也可以同时执行，本公开仅以步骤203在步骤202之后执行作为示例来解释说明本公开，而不能作为对本公开的限定。

步骤204，响应于初始元信息中包含分布式文件标识、且各个参考元信息集均与数仓表对应，则将分布式文件标识与各个参考元信息集中的分布式文件系统的标识匹配，以确定与初始元信息匹配的目标元信息集。

其中，初始元信息中可以包含分布式文件系统标识，而各个参考元信息集仅与数仓表对应，即每个参考元信息集中，均包含有与其逻辑映射的分布式文件系统标识。从而在将初始元信息与参考元信息集进行匹配时，可以将初始元信息中的分布式文件系统标识与各个参考元信息集中的分布式文件系统标识进行匹配。

比如说，初始元信息1中包含的信息为：分布式文件系统a、集群地址Q，与数仓表1对应的参考元信息集中包含有分布式文件系统a，与数仓表2对应的参考元信息集中包含有分布式文件系统b，初始元信息1中的分布式文件系统a与数仓表1对应的参考元信息集中的分布式文件系统a相同，从而可以确定数仓表1对应的参考元信息集为与初始元信息1匹配的目标元信息集。

需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中分布式文件标识、分布式文件系统的标识、目标元信息集等的限定。

步骤205，根据目标元信息集，确定数据对应的血缘关系。

步骤206，将数据及对应的血缘关系存入数据关系数据库。

比如，得到的数据1对应的血缘关系信息，可以为数据1为应用A中进行B操作所产生的数据，其基础数据路径为Y，从而可以将数据1及其对应的血缘关系存入数据关系数据库中。

需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中数据及其对应的血缘关系等的限定。

本公开实施例，首先获取待处理的数据及其对应的初始元信息，之后响应于初始元信息中包含时间信息，将时间信息从初始元信息中去除，还可以将元信息库中当前处于有效状态的各个元信息集，确定为各个参考元信息集。之后可以在响应于初始元信息中包含分布式文件标识、且各个参考元信息集均与数仓表对应，则将分布式文件标识与各个参考元信息集中的分布式文件系统的标识匹配，之后可以确定出与初始元信息匹配的目标元信息集，即可根据目标元信息集，确定数据对应的血缘关系，还可以将数据及对应的血缘关系存入数据关系数据库。由此，通过提前去除时间信息，可以减少在进行数据血缘关系确定时，时间信息所产生的影响，从而可以对每一个初始元信息都进行充分匹配，进一步提高数据血缘关系确定时的准确性和全面性。

上述实施例，通过去除初始元信息中的时间信息，可以减少在进行数据血缘关系确定时，时间信息所产生的影响，可以有效提高初始元信息进行匹配时的准确性，之后再根据确定出的与初始元信息匹配的目标元信息集，即可确定出数据对应的血缘关系，还可以将数据及对应的血缘关系存入数据关系数据库。在一种可能的实现方式中，可能存在初始元信息与各个参考元信息集进行匹配，但均未匹配成功的情况，此时，可以将该初始元信息与新增参考元信息集进行匹配，从而尽可能的确定出数据对应的血缘关系，下面结合图3对上述过程进行详细说明。

图3为本公开一实施例提供的一种数据血缘关系的确定方法的流程示意图。

如图3所示，该数据血缘关系的确定方法，可以包括以下步骤：

步骤301，获取待处理的数据及其对应的初始元信息。

步骤302，将初始元信息分别与各个参考元信息集进行匹配，以确定与初始元信息匹配的目标元信息集。

步骤303，在初始元信息与各个参考元信息集均不匹配的情况下，将待处理的数据标记为血缘匹配失败状态。

其中，初始元信息与各个参考元信息集进行匹配时，若还未存储与该初始元信息相关的元信息集，则可能不存在与初始元信息相匹配的参考元信息集，从而可以将该初始元信息对应的待处理的数据标记为血缘匹配失败状态。

步骤304，获取新增参考元信息集。

可选的，在获取新增参考元信息集时，可以先获取注册请求，之后向数据源标识对应的数据服务器发送连通请求。

其中，注册请求中可以包括数据源标识及第一秘钥等信息，本公开对此不做限定。

另外，数据服务器可以为数仓表服务器，或者也可以为分布式文件系统服务器，本公开对此不做限定。

之后，可以在响应于获取到数据服务器返回的连通响应，确定数据服务器对应的第二秘钥及新增元信息集。

其中，数据服务器返回的连通响应中，可能包含有数据服务器对应的第二秘钥、新增元信息集等信息，本公开对此做限定。

可以理解的是，数据服务器返回的连通响应中，可能包含有一个新增元信息集，或者也可能包含有多个新增元信息集，本公开对此不做限定。

从而，可以在第一秘钥与第二秘钥匹配的情况下，确定新增元信息集为新增参考元信息集。

比如说，注册请求中包含的信息可以为数仓表A、第一秘钥XX，之后可以向数仓表A对应的数据服务器发送连通请求，获取到的数据服务器返回的连通响应中，可能包含有数据服务器对应的第二秘钥XX、新增元信息集B。第一秘钥和第二秘钥相同，可以确定新增元信息集B为新增参考元信息集。

需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中确定新增参考元信息集等的限定。

步骤305，将初始元信息与新增参考元信息集进行匹配，并在新增参考元信息集中包含与初始元信息匹配的元信息集的情况下，根据与初始元信息匹配的元信息集，确定数据对应的血缘关系。

比如说，初始元信息1中包含的信息为：分布式文件A、基础数据路径M、秘钥X，新增参考元信息集中包含有两个元信息集，分别为元信息集1和元信息集2。其中，元信息集1中的包含信息为：分布式文件A、基础数据路径M、基础数据路径N、秘钥X、数据就绪标识符Z等，元信息集2中包含的信息为：分布式文件B、秘钥Y、数据就绪标识符W。元信息集1中包含有初始元信息1中的所有信息，从而可以确定元信息集1与初始元信息1相匹配。之后可以根据该元信息集1，确定出数据对应的血缘关系。

需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中新增参考元信息集、与初始元信息匹配的元信息集等的限定。

本公开实施例，首先获取待处理的数据及其对应的初始元信息，之后将初始元信息分别与各个参考元信息集进行匹配，以确定与初始元信息匹配的目标元信息集，在初始元信息与各个参考元信息集均不匹配的情况下，将待处理的数据标记为血缘匹配失败状态。之后可以获取新增参考元信息集，再将初始元信息与新增参考元信息集进行匹配，并在新增参考元信息集中包含与初始元信息匹配的元信息集的情况下，根据与初始元信息匹配的元信息集，确定数据对应的血缘关系。由此，对于血缘匹配失败的数据，可以继续将其与新增参考元信息集进行匹配，从而可以尽量保证数据进行匹配的对象更加全面、完整，从而可以提高确定出的数据血缘关系的准确性和可靠性。

为了实现上述实施例，本公开还提出一种数据血缘关系的确定装置。图4为本公开实施例提供的一种数据血缘关系的确定装置的结构示意图。

如图4所示，该数据血缘关系的确定装置400，包括：第一获取模块410、第一确定模块420、第二确定模块430。

其中，第一获取模块410，用于获取待处理的数据及其对应的初始元信息。

第一确定模块420，用于将所述初始元信息分别与各个参考元信息集进行匹配，以确定与所述初始元信息匹配的目标元信息集；

第二确定模块430，用于根据所述目标元信息集，确定所述数据对应的血缘关系。

本公开实施例中的上述各模块的功能及具体实现原理，可参照上述各方法实施例，此处不再赘述。

本公开实施例的数据血缘关系的确定装置，首先获取待处理的数据及其对应的初始元信息，之后可以将初始元信息分别与各个参考元信息集进行匹配，以确定与初始元信息匹配的目标元信息集，从而可以根据目标元信息集，确定数据对应的血缘关系。由此，通过根据数据对应的初始元信息与各个参考元信息集的匹配结果，确定数据对应的血缘关系，由于每个参考元信息集都可以唯一表征一个数据的血缘关系，从而可以有效减少数据血缘关系误判的风险，提高了数据血缘关系确定的准确性和可靠性。

图5为本公开实施例提供的一种数据血缘关系的确定装置的结构示意图。

如图5所示，该数据血缘关系的确定装置500，包括：第一获取模块510、第一确定模块520、第二确定模块530、标记模块540、第二获取模块550、第三确定模块560。

其中，第一获取模块510，用于获取待处理的数据及其对应的初始元信息。

第一确定模块520，用于将所述初始元信息分别与各个参考元信息集进行匹配，以确定与所述初始元信息匹配的目标元信息集；

第二确定模块530，用于根据所述目标元信息集，确定所述数据对应的血缘关系。

在一种可能的实现方式中，第一确定模块520，还用于将元信息库中当前处于有效状态的各个元信息集，确定为所述各个参考元信息集。

在一种可能的实现方式中，第一确定模块520，还用于响应于所述初始元信息中包含时间信息，将所述时间信息从所述初始元信息中去除。

在一种可能的实现方式中，第一确定模块520，具体用于响应于所述初始元信息中包含分布式文件标识、且所述各个参考元信息集均与数仓表对应，则将所述分布式文件标识与所述各个参考元信息集中的分布式文件系统的标识匹配。

在一种可能的实现方式中，第一确定模块520，还用于将所述数据及其对应的血缘关系存入血缘关系数据库。

在一种可能的实现方式中，上述装置500，还可以包括：

标记模块540，用于在所述初始元信息与各个参考元信息集均不匹配的情况下，将所述待处理的数据标记为血缘匹配失败状态。

在一种可能的实现方式中，上述装置500，还可以包括：

第二获取模块550，用于获取新增参考元信息集。

第三确定模块560，用于将所述初始元信息与所述新增参考元信息集进行匹配，并在所述新增参考元信息集中包含与所述初始元信息匹配的元信息集的情况下，根据与所述初始元信息匹配的元信息集，确定所述数据对应的血缘关系。

在一种可能的实现方式中，第二获取模块550，包括：

获取单元5510，用于获取注册请求，其中，所述注册请求中包括数据源标识及第一秘钥；

发送单元5520，用于向所述数据源标识对应的数据服务器发送连通请求；

第一确定单元5530，用于响应于获取到所述数据服务器返回的连通响应，确定所述数据服务器对应的第二秘钥及新增元信息集；

第二确定单元5540，用于在所述第一秘钥与所述第二秘钥匹配的情况下，确定所述新增元信息集为新增参考元信息集。

可以理解的是，本公开实施例中的第一获取模块510、第一确定模块520、第二确定模块530，与上述实施例中的第一获取模块410、第一确定模块420、第二确定模块430，可以分别具有相同的结构和功能。

本公开实施例中的上述各模块的功能及具体实现原理，可参照上述各方法实施例，此处不再赘述。

本公开实施例的数据血缘关系的确定装置，首先获取待处理的数据及其对应的初始元信息，之后响应于初始元信息中包含时间信息，将时间信息从初始元信息中去除，还可以将元信息库中当前处于有效状态的各个元信息集，确定为各个参考元信息集。之后可以根据确定出的与初始元信息匹配的目标元信息集，确定数据对应的血缘关系，并将数据及对应的血缘关系存入数据关系数据库。还可以在初始元信息与各个参考元信息集均不匹配的情况下，将待处理的数据标记为血缘匹配失败状态。之后可以获取新增参考元信息集，再将初始元信息与新增参考元信息集进行匹配，并在新增参考元信息集中包含与初始元信息匹配的元信息集的情况下，根据与初始元信息匹配的元信息集，确定数据对应的血缘关系。由此，通过提前去除时间信息，可以减少在进行数据血缘关系确定时时间信息所产生的影响，对于血缘匹配失败的数据，可以继续将其与新增参考元信息集进行匹配，从而可以尽量保证数据进行匹配的对象更加全面、完整，从而可以提高确定出的数据血缘关系的准确性、全面性、可靠性。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。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/或者要求的本公开的实现。

如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603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。

设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如数据血缘关系的确定方法。例如，在一些实施例中，数据血缘关系的确定方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的数据血缘关系的确定方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行数据血缘关系的确定方法。

本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

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)、互联网和区块链网络。

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。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

本公开的技术方案，首先获取待处理的数据及其对应的初始元信息，之后可以将初始元信息分别与各个参考元信息集进行匹配，以确定与初始元信息匹配的目标元信息集，从而可以根据目标元信息集，确定数据对应的血缘关系。由此，通过根据数据对应的初始元信息与各个参考元信息集的匹配结果，确定数据对应的血缘关系，由于每个参考元信息集都可以唯一表征一个数据的血缘关系，从而可以有效减少数据血缘关系误判的风险，提高了数据血缘关系确定的准确性和可靠性。

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，本公开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，只要能够实现本公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (19)

1.一种数据血缘关系的确定方法，包括：

获取待处理的数据及其对应的初始元信息；

将所述初始元信息分别与各个参考元信息集进行匹配，以确定与所述初始元信息匹配的目标元信息集；

根据所述目标元信息集，确定所述数据对应的血缘关系。

2.如权利要求1所述的方法，其中，在所述将所述初始元信息分别与各个参考元信息集进行匹配之前，还包括：

将元信息库中当前处于有效状态的各个元信息集，确定为所述各个参考元信息集。

3.如权利要求1所述的方法，其中，在所述将所述初始元信息分别与各个参考元信息集进行匹配之前，还包括：

响应于所述初始元信息中包含时间信息，将所述时间信息从所述初始元信息中去除。

4.如权利要求1所述的方法，其中，所述将所述初始元信息分别与各个参考元信息集进行匹配，包括：

响应于所述初始元信息中包含分布式文件标识、且所述各个参考元信息集均与数仓表对应，则将所述分布式文件标识与所述各个参考元信息集中的分布式文件系统的标识匹配。

5.如权利要求1所述的方法，其中，在所述确定所述数据对应的血缘关系之后，还包括：

将所述数据及其对应的血缘关系存入血缘关系数据库。

6.如权利要求1-5任一所述的方法，其中，在所述将所述初始元信息分别与各个参考元信息集进行匹配之后，还包括：

在所述初始元信息与各个参考元信息集均不匹配的情况下，将所述待处理的数据标记为血缘匹配失败状态。

7.如权利要求6所述的方法，其中，在所述将所述待处理的数据标记为血缘匹配失败状态之后，还包括：

获取新增参考元信息集；

将所述初始元信息与所述新增参考元信息集进行匹配，并在所述新增参考元信息集中包含与所述初始元信息匹配的元信息集的情况下，根据与所述初始元信息匹配的元信息集，确定所述数据对应的血缘关系。

8.如权利要求7所述的方法，其中，所述获取新增参考元信息集，包括：

获取注册请求，其中，所述注册请求中包括数据源标识及第一秘钥；

向所述数据源标识对应的数据服务器发送连通请求；

响应于获取到所述数据服务器返回的连通响应，确定所述数据服务器对应的第二秘钥及新增元信息集；

在所述第一秘钥与所述第二秘钥匹配的情况下，确定所述新增元信息集为新增参考元信息集。

9.一种数据血缘关系的确定装置，包括：

第一获取模块，用于获取待处理的数据及其对应的初始元信息；

第一确定模块，用于将所述初始元信息分别与各个参考元信息集进行匹配，以确定与所述初始元信息匹配的目标元信息集；

第二确定模块，用于根据所述目标元信息集，确定所述数据对应的血缘关系。

10.如权利要求9所述的装置，其中，

所述第一确定模块，还用于将元信息库中当前处于有效状态的各个元信息集，确定为所述各个参考元信息集。

11.如权利要求9所述的装置，其中，

所述第一确定模块，还用于响应于所述初始元信息中包含时间信息，将所述时间信息从所述初始元信息中去除。

12.如权利要求9所述的装置，其中，所述第一确定模块，具体用于：

响应于所述初始元信息中包含分布式文件标识、且所述各个参考元信息集均与数仓表对应，则将所述分布式文件标识与所述各个参考元信息集中的分布式文件系统的标识匹配。

13.如权利要求9所述的装置，其中，

所述第一确定模块，还用于将所述数据及其对应的血缘关系存入血缘关系数据库。

14.如权利要求9-13任一所述的装置，其中，还包括：

标记模块，用于在所述初始元信息与各个参考元信息集均不匹配的情况下，将所述待处理的数据标记为血缘匹配失败状态。

15.如权利要求14所述的装置，其中，还包括：

第二获取模块，用于获取新增参考元信息集；

第三确定模块，用于将所述初始元信息与所述新增参考元信息集进行匹配，并在所述新增参考元信息集中包含与所述初始元信息匹配的元信息集的情况下，根据与所述初始元信息匹配的元信息集，确定所述数据对应的血缘关系。

16.如权利要求15所述的装置，其中，所述第二获取模块，包括：

获取单元，用于获取注册请求，其中，所述注册请求中包括数据源标识及第一秘钥；

发送单元，用于向所述数据源标识对应的数据服务器发送连通请求；

第一确定单元，用于响应于获取到所述数据服务器返回的连通响应，确定所述数据服务器对应的第二秘钥及新增元信息集；

第二确定单元，用于在所述第一秘钥与所述第二秘钥匹配的情况下，确定所述新增元信息集为新增参考元信息集。

17.一种电子设备，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权利要求1-8中任一项所述的方法。

18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。

19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。

Images