CN113239038A - 数据处理方法和装置 - Google Patents

Abstract

本发明公开了一种数据处理方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：确定是否到达预配置的第一类型任务的执行周期；若是，则生成与第一类型任务对应的选举指令，根据选举指令进行选举；若被选举为与第一类型任务对应的领导者节点，执行所述第一类型任务。该实施方式将系统的主要功能拆分为第一类型任务和第二类型任务，通过动态选主执行第一类型任务，实现了去中心的架构，集群中不存在中心节点，任意节点的故障都可以由集群中其他节点接管，集群的规模可以动态水平扩展；另一方面，集群中所有的节点都会主动获取第二类型任务，替代了主流架构中被迫接受任务的模式，实现了根据节点的处理能力自动均衡分配任务。

Description

数据处理方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种数据处理方法和装置。

背景技术

随着数据中台的兴起，企业数据中心承载的业务也愈加复杂多样，企业内部数据的交换也愈加频繁。如何能够高效、安全的让数据统一汇聚、处理再赋能业务称为数据中台建设的一项重要指标。目前，在实时数据交换的系统中，通常会采用server+agent(服务+代理)的分布式集群来进行数据交换。其中，server负责实时数据文件的发现，并下发到对应的agent。而agent负责在收到任务后，再去源端进行文件的读取并传输到数据中台。在这种架构下，server节点作为整个集群的中心节点，承担着集群中所有的计算任务。而且由于集群只能有一个中心节点，集群的能力上限就受限于server的处理能力。另外，在数据的实时交换方面，目前开源的datax是较为主流的产品。该产品通过将数据的读取与写入分离，读取模块通过配置，将源头的数据分片，分成若干个可并行的任务，将数据读取到缓存中，而写入模块负责从缓存中读取数据写入到目标。然而，datax只解决了数据的如何从源头到目标的传输问题，而并未提供在传输过程中的数据的转换、裁剪。所以其只解决了ETL中E(Extract)与L(Load)，但是中间的T(Transform)是缺失的。其中，ETL(Extract-Transform-Load)用来描述将数据从来源端经过抽取(Extract)、转换(Transform)、加载(Load)至目的端的过程。

发明内容

有鉴于此，本发明实施例提供一种数据处理方法和装置，通过对任务类型的抽象，将系统的主要功能拆分为第一类型任务和第二类型任务，通过动态选主执行第一类型任务，实现了去中心的架构，集群中不存在中心节点，任意节点的故障都可以由集群中其他节点接管，解决了中心节点限制集群规模的问题，集群的规模可以动态水平扩展，不存在上限限制；另一方面，集群中所有的节点都会主动获取第二类型任务，替代了主流架构中被迫接受任务的模式，实现了根据节点的处理能力自动均衡分配任务。

为实现上述目的，根据本发明实施例的一个方面，提供了一种数据处理方法，所述方法应用于集群中的节点；所述方法包括：确定是否到达预配置的第一类型任务的执行周期；若是，则生成与所述第一类型任务对应的选举指令，根据所述选举指令进行选举；在被选举为与所述第一类型任务对应的领导者节点的情况下，执行所述第一类型任务。

可选地，在确定是否到达预配置的第一类型任务的执行周期之前，所述方法还包括：执行预配置的第二类型任务。

可选地，所述第一类型任务包括数据发现任务；

在被选举为与所述第一类型任务对应的领导者节点的情况下，执行所述第一类型任务包括：在被选举为与所述数据发现任务对应的第一领导者节点的情况下，执行所述数据发现任务，以确定是否存在新增数据；若存在新增数据，则将所述新增数据的概要信息写入预设的缓存队列中；

执行预配置的第二类型任务包括：根据所述概要信息，将所述新增数据从数据生产端下载到本地，并根据预设的处理规则，对所述新增数据进行处理，将处理后的新增数据上传到中转目录。

可选地，所述第一类型任务还包括数据转钟任务；

在被选举为与所述第一类型任务对应的领导者节点的情况下，执行所述第一类型任务包括：在被选举为与所述数据转钟任务对应的第二领导者节点的情况下，执行所述数据转钟任务，对所述中转目录中的新增数据按照预设规则进行周期转换。

可选地，所述第一类型任务还包括数据入库任务；

在被选举为与所述第一类型任务对应的领导者节点的情况下，执行所述第一类型任务包括：在被选举为与所述数据入库任务对应的第三领导者节点的情况下，执行所述数据入库任务，以将所述中转目录中进行周期转换后的新增数据写入数据库。

可选地，将所述中转目录中进行周期转换后的新增数据写入数据库包括：根据所述新增数据转换后的周期，确定与所述新增数据对应的数据表，将所述新增数据写入所述对应的数据表。

可选地，所述方法根据如下过程确定是否存在新增数据：将待采集目录中的文件列表与已下载文件列表进行比对，以确定是否存在新增数据。

可选地，根据所述概要信息，将所述新增数据从数据生产端下载到本地，并根据预设的处理规则，对所述新增数据进行处理，将处理后的新增数据上传到中转目录包括：

根据所述概要信息，将所述新增数据从数据生产端下载到本地的第一环形数组中，从所述第一环形数组中读取所述新增数据进行处理，将处理后的所述新增数据写入本地的第二环形数组中，从所述第二环形数组中读取处理后的所述新增数据，将所述处理后的所述新增数据上传到中转目录。

可选地，根据预设的处理规则，对所述新增数据进行处理包括：从预设的字段级处理函数库中获取与所述新增数据对应的目标处理规则，根据所述目标处理规则，对所述新增数据进行处理。

为实现上述目的，根据本发明实施例的另一个方面，提供了一种数据处理方法，包括：配置第一类型任务，并设置所述第一类型任务的执行周期；在到达所述第一类型任务的执行周期的情况下，生成与所述第一类型任务对应的选举指令，基于所述选举指令，触发集群中的节点进行选举，确定与所述第一类型任务对应的领导者节点，以使所述领导者节点执行所述第一类型任务。

可选地，所述第一类型任务包括数据发现任务；

确定与所述第一类型任务对应的领导者节点，以使所述领导者节点执行所述第一类型任务包括：

确定与所述数据发现任务对应的第一领导者节点，以使所述第一领导者节点确定是否存在新增数据；若存在新增数据，则将所述新增数据的概要信息写入预设的缓存队列中；

所述集群中的节点执行所述第二类型任务的过程包括：

从所述预设的缓存队列中获取所述概要信息，根据所述概要信息，将所述新增数据从数据生产端下载到本地，并根据预设的处理规则，对所述新增数据进行处理，将处理后的新增数据上传到中转目录。

可选地，所述概要信息包括所述新增数据的修改时间；所述第一类型任务还包括数据转钟任务；

确定与所述第一类型任务对应的领导者节点，以使所述领导者节点执行所述第一类型任务包括：

确定与所述数据发现任务对应的第二领导者节点，以使所述第二领导者节点对所述中转目录中的新增数据按照预设规则进行周期转换。

可选地，所述第一类型任务还包括数据入库任务；

确定与所述第一类型任务对应的领导者节点，以使所述领导者节点执行所述第一类型任务包括：确定与所述数据发现任务对应的第三领导者节点，以使所述第三领导者节点将所述中转目录中进行周期转换后的新增数据写入数据库。

可选地，将所述中转目录中进行周期转换后的新增数据写入数据库包括：根据所述新增数据转换后的周期，确定与所述新增数据对应的数据表，将所述新增数据写入所述对应的数据表。

可选地，根据所述概要信息，将所述新增数据从数据生产端下载到本地，并根据预设的处理规则，对所述新增数据进行处理，将处理后的新增数据上传到中转目录包括：

根据所述概要信息，将所述新增数据从数据生产端下载到本地的第一环形数组中，从所述第一环形数组中读取所述新增数据进行处理，将处理后的所述新增数据写入本地的第二环形数组中，从所述第二环形数组中读取处理后的所述新增数据，将所述处理后的所述新增数据上传到中转目录。

可选地，根据预设的处理规则，对所述新增数据进行处理包括：从预设的字段级处理函数库中获取与所述新增数据对应的目标处理规则，根据所述目标处理规则，对所述新增数据进行处理。

为实现上述目的，根据本发明实施例的另一个方面，提供了一种数据处理装置，包括：

确定模块，用于确定是否到达预配置的第一类型任务的执行周期；

选举模块，用于生成与所述第一类型任务对应的选举指令，根据所述选举指令进行选举；

任务执行模块，用于在被选举为与所述第一类型任务对应的领导者节点的情况下，执行所述第一类型任务。

可选地，所述任务执行模块还用于执行预配置的第二类型任务。

可选地，所述第一类型任务包括数据发现任务；

所述任务执行模块还用于：执行所述数据发现任务，以确定是否存在新增数据；若存在新增数据，则将所述新增数据的概要信息写入预设的缓存队列中；根据所述概要信息，将所述新增数据从数据生产端下载到本地，并根据预设的处理规则，对所述新增数据进行处理，将处理后的新增数据上传到中转目录。

可选地，所述第一类型任务还包括数据转钟任务；

所述任务执行模块还用于：执行所述数据转钟任务，对所述中转目录中的新增数据按照预设规则进行周期转换。

可选地，所述第一类型任务还包括数据入库任务；

所述任务执行模块还用于：执行所述数据入库任务，以将所述中转目录中进行周期转换后的新增数据写入数据库。

可选地，所述任务执行模块还用于：根据所述新增数据转换后的周期，确定与所述新增数据对应的数据表，将所述新增数据写入所述对应的数据表。

可选地，所述任务执行模块还用于：将待采集目录中的文件列表与已下载文件列表进行比对，以确定是否存在新增数据。

可选地，所述任务执行模块还用于：根据所述概要信息，将所述新增数据从数据生产端下载到本地的第一环形数组中，从所述第一环形数组中读取所述新增数据进行处理，将处理后的所述新增数据写入本地的第二环形数组中，从所述第二环形数组中读取处理后的所述新增数据，将所述处理后的所述新增数据上传到中转目录。

可选地，所述任务执行模块还用于：从预设的字段级处理函数库中获取与所述新增数据对应的目标处理规则，根据所述目标处理规则，对所述新增数据进行处理。

为实现上述目的，根据本发明实施例的又一个方面，提供了电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，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本发明实施例的数据处理方法。

为实现上述目的，根据本发明实施例的再一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例的数据处理方法。

上述发明中的一个实施例具有如下优点或有益效果：通过对任务类型的抽象，将系统的主要功能拆分为第一类型任务和第二类型任务，通过动态选主执行第一类型任务，实现了去中心的架构，集群中不存在中心节点，任意节点的故障都可以由集群中其他节点接管，解决了中心节点限制集群规模的问题，集群的规模可以动态水平扩展，不存在上限限制；另一方面，集群中所有的节点都会主动获取第二类型任务，替代了主流架构中被迫接受任务的模式，实现了根据节点的处理能力自动均衡分配任务。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是本发明实施例的数据处理方法的主要流程的示意图；

图2是本发明另一实施例的数据处理方法的主要流程的示意图；

图3是本发明又一实施例的数据处理方法的子流程的示意图；

图4是本发明又一实施例的数据处理方法的流程示意图；

图5是根据本发明实施例的数据处理装置的主要模块的示意图；

图6是本发明实施例可以应用于其中的示例性系统架构图；

图7是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明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，而不会背离本发明的范围和精神。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和图2是本发明实施例的数据处理方法的主要步骤的流程示意图。不同的是，图1是以节点的角度说明该方法的，图2是以系统的角度说明该方法的。如图1所示，该方法包括：

步骤S101：执行预配置的第二类型任务；

步骤S102：确定是否到达预配置的第一类型任务的执行周期；

步骤S103：若是，则生成与所述第一类型任务对应的选举指令，根据所述选举指令进行选举；

步骤S104：在被选举为与所述第一类型任务对应的领导者节点的情况下，执行所述第一类型任务。

如图2所示，该方法包括：

步骤S201：配置第一类型任务和第二类型任务，并设置所述第一类型任务的执行周期；

步骤S202：设置集群中的节点执行所述第二类型任务；

步骤S203：在到达所述第一类型任务的执行周期的情况下，生成与所述第一类型任务对应的选举指令；

步骤S204：基于所述选举指令，触发集群中的节点进行选举，确定与所述第一类型任务对应的领导者节点，以使所述领导者节点执行所述第一类型任务。

在本实施例中，将系统的主要功能拆分为第一类型任务和第二类型任务。第一类型任务为server型任务，第二类型任务为agent型任务。server型任务对应于主流架构中server角色需要执行的任务。agent型任务对应于主流架构中agent角色需要执行的任务。其中，在同一时间，集群内的所有节点都可以执行第二类型任务，只有被选举为领导者节点(leader节点)的节点才能执行第一类型任务。领导者节点可同时执行第一类型任务和第二类型任务。本实施例通过对任务类型的抽象，将系统的主要功能拆分为第一类型任务和第二类型任务，通过动态选主执行第一类型任务，实现了去中心的架构，集群中不存在中心节点，任意节点的故障都可以由集群中其他节点接管，解决了中心节点限制集群规模的问题，集群的规模可以动态水平扩展，不存在上限限制。

为了按照一定时间周期进行选举，可以为第一类型的任务定义一个执行周期，在到达执行的时间点后，集群中所有的节点都进行竞选，由选中的节点进行此任务的执行。作为示例，可以预先配置第一类型任务，并设置第一类型任务的执行周期；在到达所述第一类型任务的执行周期的情况下，生成与所述第一类型任务对应的选举指令；基于所述选举指令，触发集群中的节点进行选举，确定与所述第一类型任务对应的领导者节点，以使所述领导者节点执行所述第一类型任务。

进一步的，第一类型任务(即server型任务)可以包括数据发现任务、数据转钟任务、数据入库任务。因此，当到达数据发现任务的执行周期时，需要在集群中进行选举以确定执行该数据发现任务的第一领导者节点。当到达数据转钟任务的执行周期时，也需要在集群中进行选举以确定执行该数据转钟任务的第二领导者节点。当到达数据入库任务的执行周期时，也需要在集群中进行选举以确定执行该数据入库任务的第三领导者节点。在可选的实施例中，第一类型任务还包括调度触发任务，该任务用于在一个周期的数据入库完成后，进行后续批处理任务的触发(批处理任务指的是数据入库后的操作流程)。因此，在到达调度触发任务的执行周期时，也需要在集群中进行选举以确定执行该调度触发任务的第四领导者节点。为方便理解，以下对各个任务进行详细说明。

对于数据发现任务，若到达所述数据发现任务的执行周期，生成与该数据发现任务对应的第一选举指令；基于所述第一选举指令，触发集群中的节点进行选举，确定第一领导者节点。所述第一领导者节点执行所述数据发现任务，以确定是否存在新增数据；若存在新增数据，则将所述新增数据的概要信息写入预设的缓存队列中。其中，新增数据的概要信息包括文件名、文件大小和修改时间。第一领导者节点可以根据如下过程确定是否存在新增数据：将待采集目录中的文件列表与已下载文件列表进行比对，以确定是否存在新增数据。其中，该已下载文件列表存储在集群的缓存中，集群中的任意节点都可读取该列表的内容。

对于数据转钟任务，若到达所述数据转钟任务的执行周期，生成与该数据转钟任务对应的第二选举指令，基于所述第二选举指令，触发集群中的节点进行选举，确定第二领导者节点，所述第二领导者节点执行所述数据转钟任务，对中转目录中的新增数据按照预设规则进行周期转换。例如，可以根据当前时间对中转目录中的新增数据进行周期转换，即转换中转目录中新增数据的时间。其中，中转目录中的新增数据是其他节点上传的，其过程在下文介绍。在本实施例中，由于源头的数据是实时不中断的流式数据，节点处理的也是流式数据，而使用端则需要按一定周期(月/日/小时等)进行分析、处理，故需要对新增数据进行“数据周期”的转换更新。比如：使用端需要按日分析数据，则在2021-03-20 00:00:00之后，且2021-03-21 00:00:00之前到达的数据周期皆为20210320，即新增数据的时间在2021-03-20 00:00:00-2021-03-21 00:00:00之间，则将新增数据的周期记为20210320。若使用端需要按月分析数据，则在2021-03-01 00:00:00之后，且2021-04-01 00:00:00之前到达的数据周期皆为202103，即新增数据的时间在2021-03-01 00:00:00-2021-04-01 00:00:00之间，则将新增数据的周期记为202103。

对于数据入库任务，当到达所述数据入库任务的执行周期时，生成第三选举指令，基于所述第三选举指令，触发集群中的节点进行选举，确定第三领导者节点，所述第三领导者节点执行所述数据入库任务，将所述中转目录中进行周期转换后的新增数据写入数据库。更具体的，第三领导者节点根据所述新增数据转换后的周期，确定与所述新增数据对应的数据表，将所述新增数据写入所述对应的数据表。以上述示例为例，将周期为20210320的数据写入与“20210320”对应的数据表中，将周期为20210321的数据写入与“20210321”对应的数据表中。

对于第二类型任务，集群中的节点都可以不停的主动从缓存队列中获取概要信息，根据所述概要信息，将所述新增数据从数据生产端下载到本地，并根据预设的处理规则，对所述新增数据进行处理，将处理后的新增数据上传到中转目录。在本实施例中，概要信息包括新增数据的文件名，每个节点都可以从缓存队列中依次获取概要信息，根据概要信息中的文件名从数据生产端下载数据。具体的，在本实施例预先构建了字段级处理函数库，可以根据不同的数据源或不同的接口从预设的字段级处理函数库中获取与新增数据对应的目标处理规则，然后根据该目标处理规则，对新增数据进行处理。更进一步的，如图3所示，可以将节点执行第二类型任务的过程抽象为三个功能模块，如读取模块、处理模块和写入模块，三个模块之间则利用ringbuffer(环形数组，通常有一个读指针和一个写指针，读指针指向环形缓冲区中可读的数据，写指针指向环形缓冲区中可写的缓冲区，通过移动读指针和写指针就可以实现缓冲区的数据读取和写入)作为数据缓存。中间增加的处理模块，提供了字段级处理函数库，可以根据不同的接口的不同处理规则，动态组装处理组合，满足一份代码多套接口的的需求。因此，节点可以根据概要信息，将新增数据从数据生产端下载到本地的第一环形数组中，从第一环形数组中读取新增数据进行处理，将处理后的新增数据写入本地的第二环形数组中，从第二环形数组中读取处理后的所述新增数据，将处理后的所述新增数据上传到中转目录。本实施例将处理新增数据的过程抽象为读取，转换，输出，并提供字段级处理函数库，实现了将不同源头、处理规则、输出端的组合，适应范围更广，适用于不同场景。

本发明实施例的数据处理方法，通过对任务类型的抽象，将系统的主要功能拆分为第一类型任务和第二类型任务；通过动态选主(即动态选举领导者节点)，实现了去中心的目的，解决了集群中心节点限制了集群规模的问题，而且由于集群中不存在中心节点，任意一台的主机的故障都可以由集群中其他节点接管，因此不会影响集群整体的功能。并且，随着业务的扩张，集群的规模亦可以动态水平扩展，不存在任何的上限限制；另一方面，集群中所有的节点都会主动获取第二类型任务，以此替代主流架构中被迫接受任务的模式，实现了根据节点的处理能力自动均衡分配任务。

图4是本发明另一实施例的数据处理方法的流程示意图。与图1、图2不同的是，该图4是以新增数据的角度说明的。该图4说明了一个数据文件从源头生成到入库的处理流程。如图4所示，该方法包括：

(1)源端系统生成数据文件，并传输到待采集目录中。

(2)集群中的一个节点被选举为领导者节点，进行数据发现。发现新增文件后，将该新增文件的概要信息写入缓存队列。

(3)集群中的节点(该节点可以是集群中的任一节点)从缓存队列中获取到概要信息，下载到本地并通过预先设置的处理规则，对新增文件进行处理。

(4)该节点将处理后的新增文件传输到中转目录。

(5)集群中的节点进行选举，被选举为领导者节点的节点将中转目录中的新增数据进行周期转换。

(6)集群中的节点进行选举，被选举为领导者节点的节点将中转目录中进行周期转换后的新增数据写入数据库中。

图5是本发明实施例的数据处理装置500的主要模块的示意图，如图5所示，该装置500包括：

确定模块501，用于确定是否到达预配置的第一类型任务的执行周期；

选举模块502，用于生成与所述第一类型任务对应的选举指令，根据所述选举指令进行选举；

任务执行模块503，用于在被选举为与所述第一类型任务对应的领导者节点的情况下，执行所述第一类型任务。

可选地，所述任务执行模块还用于执行预配置的第二类型任务。

可选地，所述第一类型任务包括数据发现任务；

所述任务执行模块还用于：执行所述数据发现任务，以确定是否存在新增数据；若存在新增数据，则将所述新增数据的概要信息写入预设的缓存队列中；根据所述概要信息，将所述新增数据从数据生产端下载到本地，并根据预设的处理规则，对所述新增数据进行处理，将处理后的新增数据上传到中转目录。

可选地，所述第一类型任务还包括数据转钟任务；

所述任务执行模块还用于：执行所述数据转钟任务，对所述中转目录中的新增数据按照预设规则进行周期转换。

可选地，所述第一类型任务还包括数据入库任务；

所述任务执行模块还用于：执行所述数据入库任务，以将所述中转目录中进行周期转换后的新增数据写入数据库。

可选地，所述任务执行模块还用于：根据所述新增数据转换后的周期，确定与所述新增数据对应的数据表，将所述新增数据写入所述对应的数据表。

可选地，所述任务执行模块还用于：将待采集目录中的文件列表与已下载文件列表进行比对，以确定是否存在新增数据。

可选地，所述任务执行模块还用于：根据所述概要信息，将所述新增数据从数据生产端下载到本地的第一环形数组中，从所述第一环形数组中读取所述新增数据进行处理，将处理后的所述新增数据写入本地的第二环形数组中，从所述第二环形数组中读取处理后的所述新增数据，将所述处理后的所述新增数据上传到中转目录。

可选地，所述任务执行模块还用于：从预设的字段级处理函数库中获取与所述新增数据对应的目标处理规则，根据所述目标处理规则，对所述新增数据进行处理。

本发明实施例的数据处理装置，通过对任务类型的抽象，将系统的主要功能拆分为第一类型任务和第二类型任务，通过动态选主执行第一类型任务，实现了去中心的架构，集群中不存在中心节点，任意节点的故障都可以由集群中其他节点接管，解决了中心节点限制集群规模的问题，集群的规模可以动态水平扩展，不存在上限限制；另一方面，集群中所有的节点都会主动获取第二类型任务，替代了主流架构中被迫接受任务的模式，实现了根据节点的处理能力自动均衡分配任务。

上述装置可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。

图6示出了可以应用本发明实施例的数据处理方法或数据处理装置的示例性系统架构600。

如图6所示，系统架构600可以包括终端设备601、602、603，网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604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。

用户可以使用终端设备601、602、603通过网络604与服务器605交互，以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备601、602、603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、膝上型便携计算机和台式计算机等等。

服务器605可以是提供各种服务的服务器，例如对用户利用终端设备601、602、603所浏览的购物类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息)反馈给终端设备。

需要说明的是，本发明实施例所提供的数据处理方法一般由服务器605执行，相应地，数据处理装置一般设置于服务器605中。

应该理解，图6中的终端设备、网络和服务器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。

下面参考图7，其示出了适于用来实现本发明实施例的终端设备的计算机系统700的结构示意图。图7示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

特别地，根据本发明公开的实施例，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，本发明公开的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。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示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。在本发明中，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。而在本发明中，计算机可读的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。计算机可读的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：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、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，上述模块、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，框图或流程图中的每个方框、以及框图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。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括发送模块、获取模块、确定模块和第一处理模块。其中，这些模块的名称在某种情况下并不构成对该单元本身的限定，例如，发送模块还可以被描述为“向所连接的服务端发送图片获取请求的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。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一个该设备执行时，使得该设备包括：

确定是否到达预配置的第一类型任务的执行周期；

若是，则生成与所述第一类型任务对应的选举指令，根据所述选举指令进行选举；

在被选举为与所述第一类型任务对应的领导者节点的情况下，执行所述第一类型任务。

本发明实施例的技术方案，通过对任务类型的抽象，将系统的主要功能拆分为第一类型任务和第二类型任务，通过动态选主执行第一类型任务，实现了去中心的架构，集群中不存在中心节点，任意节点的故障都可以由集群中其他节点接管，解决了中心节点限制集群规模的问题，集群的规模可以动态水平扩展，不存在上限限制；另一方面，集群中所有的节点都会主动获取第二类型任务，替代了主流架构中被迫接受任务的模式，实现了根据节点的处理能力自动均衡分配任务。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (20)

1.一种数据处理方法，其特征在于，所述方法应用于集群中的节点；所述方法包括：

确定是否到达预配置的第一类型任务的执行周期；

若是，则生成与所述第一类型任务对应的选举指令，根据所述选举指令进行选举；

在被选举为与所述第一类型任务对应的领导者节点的情况下，执行所述第一类型任务。

2.根据权利要求1所述的方法，其特征在于，在确定是否到达预配置的第一类型任务的执行周期之前，所述方法还包括：执行预配置的第二类型任务。

3.根据权利要求2所述的方法，其特征在于，所述第一类型任务包括数据发现任务；

在被选举为与所述第一类型任务对应的领导者节点的情况下，执行所述第一类型任务包括：

在被选举为与所述数据发现任务对应的第一领导者节点的情况下，执行所述数据发现任务，以确定是否存在新增数据；若存在新增数据，则将所述新增数据的概要信息写入预设的缓存队列中；

执行预配置的第二类型任务包括：根据所述概要信息，将所述新增数据从数据生产端下载到本地，并根据预设的处理规则，对所述新增数据进行处理，将处理后的新增数据上传到中转目录。

4.根据权利要求3所述的方法，其特征在于，所述第一类型任务还包括数据转钟任务；

在被选举为与所述第一类型任务对应的领导者节点的情况下，执行所述第一类型任务包括：

在被选举为与所述数据转钟任务对应的第二领导者节点的情况下，执行所述数据转钟任务，对所述中转目录中的新增数据按照预设规则进行周期转换。

5.根据权利要求4所述的方法，其特征在于，所述第一类型任务还包括数据入库任务；

在被选举为与所述第一类型任务对应的领导者节点的情况下，执行所述第一类型任务包括：

在被选举为与所述数据入库任务对应的第三领导者节点的情况下，执行所述数据入库任务，以将所述中转目录中进行周期转换后的新增数据写入数据库。

6.根据权利要求5所述的方法，其特征在于，将所述中转目录中进行周期转换后的新增数据写入数据库包括：

根据所述新增数据转换后的周期，确定与所述新增数据对应的数据表，将所述新增数据写入所述对应的数据表。

7.根据权利要求3所述的方法，其特征在于，所述方法根据如下过程确定是否存在新增数据：

将待采集目录中的文件列表与已下载文件列表进行比对，以确定是否存在新增数据。

8.根据权利要求3所述的方法，其特征在于，根据所述概要信息，将所述新增数据从数据生产端下载到本地，并根据预设的处理规则，对所述新增数据进行处理，将处理后的新增数据上传到中转目录包括：

根据所述概要信息，将所述新增数据从数据生产端下载到本地的第一环形数组中，从所述第一环形数组中读取所述新增数据进行处理，将处理后的所述新增数据写入本地的第二环形数组中，从所述第二环形数组中读取处理后的所述新增数据，将所述处理后的所述新增数据上传到中转目录。

9.根据权利要求3所述的方法，其特征在于，根据预设的处理规则，对所述新增数据进行处理包括：

从预设的字段级处理函数库中获取与所述新增数据对应的目标处理规则，根据所述目标处理规则，对所述新增数据进行处理。

10.一种数据处理方法，其特征在于，包括：

配置第一类型任务，并设置所述第一类型任务的执行周期；

在到达所述第一类型任务的执行周期的情况下，生成与所述第一类型任务对应的选举指令；

基于所述选举指令，触发集群中的节点进行选举，确定与所述第一类型任务对应的领导者节点，以使所述领导者节点执行所述第一类型任务。

11.根据权利要求10所述的方法，其特征在于，在配置第一类型任务时，所述方法还包括：配置第二类型任务，并设置所述集群中的节点执行所述第二类型任务。

12.根据权利要求11所述的方法，其特征在于，所述第一类型任务包括数据发现任务；

确定与所述第一类型任务对应的领导者节点，以使所述领导者节点执行所述第一类型任务包括：

确定与所述数据发现任务对应的第一领导者节点，以使所述第一领导者节点确定是否存在新增数据；若存在新增数据，则将所述新增数据的概要信息写入预设的缓存队列中；

所述集群中的节点执行所述第二类型任务的过程包括：

从所述预设的缓存队列中获取所述概要信息，根据所述概要信息，将所述新增数据从数据生产端下载到本地，并根据预设的处理规则，对所述新增数据进行处理，将处理后的新增数据上传到中转目录。

13.根据权利要求12所述的方法，其特征在于，所述第一类型任务还包括数据转钟任务；

确定与所述第一类型任务对应的领导者节点，以使所述领导者节点执行所述第一类型任务包括：

确定与所述数据发现任务对应的第二领导者节点，以使所述第二领导者节点，对所述中转目录中的新增数据按照预设规则进行周期转换。

14.根据权利要求13所述的方法，其特征在于，所述第一类型任务还包括数据入库任务；

确定与所述第一类型任务对应的领导者节点，以使所述领导者节点执行所述第一类型任务包括：

确定与所述数据发现任务对应的第三领导者节点，以使所述第三领导者节点将所述中转目录中进行周期转换后的新增数据写入数据库。

15.根据权利要求14所述的方法，其特征在于，将所述中转目录中进行周期转换后的新增数据写入数据库包括：

根据所述新增数据转换后的周期，确定与所述新增数据对应的数据表，将所述新增数据写入所述对应的数据表。

16.根据权利要求12所述的方法，其特征在于，根据所述概要信息，将所述新增数据从数据生产端下载到本地，并根据预设的处理规则，对所述新增数据进行处理，将处理后的新增数据上传到中转目录包括：

根据所述概要信息，将所述新增数据从数据生产端下载到本地的第一环形数组中，从所述第一环形数组中读取所述新增数据进行处理，将处理后的所述新增数据写入本地的第二环形数组中，从所述第二环形数组中读取处理后的所述新增数据，将所述处理后的所述新增数据上传到中转目录。

17.根据权利要求12所述的方法，其特征在于，根据预设的处理规则，对所述新增数据进行处理包括：

从预设的字段级处理函数库中获取与所述新增数据对应的目标处理规则，根据所述目标处理规则，对所述新增数据进行处理。

18.一种数据处理装置，其特征在于，包括：

确定模块，用于确定是否到达预配置的第一类型任务的执行周期；

选举模块，用于生成与所述第一类型任务对应的选举指令，根据所述选举指令进行选举；

任务执行模块，用于在被选举为与所述第一类型任务对应的领导者节点的情况下，执行所述第一类型任务。

19.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

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1-17中任一所述的方法。

20.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-17中任一所述的方法。

Images