CN113641633B - 文件处理方法、装置、电子设备、介质和计算机程序 - Google Patents

Abstract

本公开提供了一种基于分布式环境的文件处理方法、装置、电子设备、介质和计算机程序。基于分布式环境的文件处理方法和装置可用于金融技术领域。基于分布式环境的文件处理方法包括：获取数据文件；根据数据文件生成校验文件，其中，校验文件记录有第一校验信息和第二校验信息，第一校验信息为校验文件的文件信息，第二校验信息为数据文件的文件信息；检测校验文件的编码码制；检测第一校验信息的第一字段结构；检测第二校验信息的第二字段结构；当编码码制、第一字段结构和第二字段结构均正确时，对数据文件进行拆分，将拆分后的数据文件分别导入批量服务器下的对应的目录中；以及将批量服务器下对应的目录中的数据文件的内容写入对应的数据库。

Description

文件处理方法、装置、电子设备、介质和计算机程序

技术领域

本公开涉及金融技术领域，更具体地，涉及一种基于分布式环境的文件处理方法、装置、电子设备、计算机可读存储介质和计算机程序。

背景技术

在传统集中式环境下，对于数据量较大，时效性要求不高的数据，通常会采用批量文件的方式进行数据传输，也即将一个文件导入到一个数据库中，是一对一的关系。但随着架构升级转型，逐渐向分布式架构转型，应用通常会有十六个甚至更多数据库。此时对于一个文件需要导入到多个数据库中，是一对多的关系。

发明内容

有鉴于此，本公开提供了一种可以处理数据量大、时效性要求高且基于分布式环境的文件处理方法、装置、电子设备、计算机可读存储介质和计算机程序。

本公开的一个方面提供了一种基于分布式环境的文件处理方法，包括：获取数据文件；根据所述数据文件生成校验文件，其中，所述校验文件记录有第一校验信息和第二校验信息，所述第一校验信息为所述校验文件的文件信息，所述第二校验信息为所述数据文件的文件信息；检测所述校验文件的编码码制；检测所述第一校验信息的第一字段结构；检测所述第二校验信息的第二字段结构；当所述编码码制、第一字段结构和第二字段结构均正确时，对所述数据文件进行拆分，将拆分后的所述数据文件分别导入批量服务器下的对应的目录中；以及将所述批量服务器下对应的目录中的所述数据文件的内容写入对应的数据库。

在一些实施例中，所述获取数据文件包括：从应用中获取该应用生成的至少一个所述数据文件。

在一些实施例中，所述根据所述数据文件生成校验文件包括：根据至少一个所述数据文件生成校验文件，其中，所述校验文件记录的所述第二校验信息与所述数据文件一一对应。

在一些实施例中，所述第一校验信息在所述校验文件中为一条记录信息，每个所述第二校验信息在所述校验文件中为一条记录信息，每条所述记录信息的结束为一个回车换行符。

在一些实施例中，所述第一字段结构包括：应用标识字段、应用名称字段、传输日期字段、传输场次字段、从所述应用中获取的所述数据文件的个数字段和第一备用字段中的至少一个。

在一些实施例中，所述第二字段结构包括：所述数据文件的文件名称字段、包含的子文件个数字段、文件大小字段、创建时间字段、文件状态字段和第二备用字段中的至少一个。

在一些实施例中，所述数据文件包括m个子文件，m大于等于1，所述对所述数据文件进行拆分，将拆分后的所述数据文件分别导入批量服务器下的对应的目录中包括：将每个所述子文件的文件格式拆分成多个字段信息；选择每个所述子文件下的多个字段信息中的一个输入哈希函数，得到m个输出值；将m个输出值分别与批量服务器下的目录对应；以及将每个所述子文件导入与该子文件的输出值对应的所述目录中。

在一些实施例中，每个所述子文件的文件格式为定长格式，所述将每个所述子文件的文件格式拆分成多个字段信息包括：根据所述文件格式的固定位置进行拆分。

在一些实施例中，每个所述子文件的文件格式为非定长格式，所述将每个所述子文件的文件格式拆分成多个字段信息包括：根据所述文件格式中的分隔符进行拆分。

根据本公开实施例的基于分布式环境的文件处理方法，通过对校验文件的检测可以在数据文件传输之前判断数据文件是否可以传输，防止数据文件传输时显示错误，可以提高传输效率，节约资源。本公开详细描述了对校验文件的检测项目，例如编码码制、第一校验信息和第二校验信息，可以便于检验步骤的实现。

通过对数据文件进行拆分可以便于实现基于分布式环境的文件处理，也即便于基于分布式环境，将应用生成的数据文件下的子文件分别导入批量服务器的对应目录下，从而便于将多个子文件写入不同的数据库中，本公开详细描述了数据文件拆分成子文件并且分别导入对应的目录中的过程，从而便于数据文件拆分步骤的实施。由此，本公开的方法可以处理数据量大，时效性要求高的数据。

本公开的另一个方面提供了一种基于分布式环境的文件处理装置，包括：获取模块，所述获取模块用于获取数据文件；生成模块，所述生成模块用于根据所述数据文件生成校验文件，其中，所述校验文件记录有第一校验信息和第二校验信息，所述第一校验信息为所述校验文件的文件信息，所述第二校验信息为所述数据文件的文件信息；第一检测模块，所述第一检测模块用于检测所述校验文件的编码码制；第二检测模块，所述第二检测模块用于检测所述第一校验信息的第一字段结构；第三检测模块，所述第三检测模块用于检测所述第二校验信息的第二字段结构；拆分模块，当所述编码码制、第一字段结构和第二字段结构均正确时，所述拆分模块用于对所述数据文件进行拆分，将拆分后的所述数据文件分别导入批量服务器下的对应的目录中；以及导入模块，所述导入模块用于将所述批量服务器下的对应的目录中的所述数据文件的内容写入对应的数据库。

本公开的另一方面提供了一种电子设备，包括一个或多个处理器以及一个或多个存储器，其中，所述存储器用于存储可执行指令，所述可执行指令在被所述处理器执行时，实现如上所述方法。

本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法

本公开的另一方面提供了一种计算机程序，所述计算机程序包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的可以应用方法、装置的示例性系统架构；

图2示意性示出了根据本公开实施例的基于分布式环境的文件处理方法的流程图；

图3示意性示出了根据本公开实施例的获取数据文件的流程图；

图4示意性示出了根据本公开实施例的根据数据文件生成校验文件的流程图；

图5示意性示出了根据本公开实施例的对数据文件进行拆分，将拆分后的数据文件分别导入批量服务器下的对应的目录中的流程图；

图6示意性示出了根据本公开一个实施例的将每个子文件的文件格式拆分成多个字段信息的流程图；

图7示意性示出了根据本公开另一个实施例的将每个子文件的文件格式拆分成多个字段信息的流程图；

图8示意性示出了根据本公开实施例的基于分布式环境的文件处理装置的框图；

图9示意性示出了根据本公开实施例的电子设备的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。在本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。

在传统集中式环境下，对于数据量较大，时效性要求不高的数据，通常会采用批量文件的方式进行数据传输，也即将一个文件导入到一个数据库中，是一对一的关系。但随着架构升级转型，逐渐向分布式架构转型，应用通常会有十六个甚至更多数据库。此时对于一个文件需要导入到多个数据库中，是一对多的关系。

因此，本公开的实施例提供了一种基于分布式环境的文件处理方法、装置、电子设备、计算机可读存储介质和计算机程序。基于分布式环境的文件处理方法包括：获取数据文件；根据数据文件生成校验文件，其中，校验文件记录有第一校验信息和第二校验信息，第一校验信息为校验文件的文件信息，第二校验信息为数据文件的文件信息；检测校验文件的编码码制；检测第一校验信息的第一字段结构；检测第二校验信息的第二字段结构；当编码码制、第一字段结构和第二字段结构均正确时，对数据文件进行拆分，将拆分后的数据文件分别导入批量服务器下的对应的目录中；以及将批量服务器下的对应的目录中的数据文件的内容写入对应的数据库。

需要说明的是，本公开基于分布式环境的文件处理方法、装置、电子设备、计算机可读存储介质和计算机程序可用于金融领域，也可用于除金融领域之外的任意领域，这里对本公开的领域不做限定。

图1示意性示出了根据本公开实施例的可以应用基于分布式环境的文件处理方法、装置、电子设备、计算机可读存储介质和计算机程序的示例性系统架构100。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103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(仅为示例)。

终端设备101、102、103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105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的基于分布式环境的文件处理方法一般可以由服务器105执行。相应地，本公开实施例所提供的基于分布式环境的文件处理装置一般可以设置于服务器105中。本公开实施例所提供的基于分布式环境的文件处理方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的基于分布式环境的文件处理装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

应该理解，图1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。

以下将基于图1描述的场景，通过图2～图7对公开实施例的基于分布式环境的文件处理方法进行详细描述。

图2示意性示出了根据本公开实施例的基于分布式环境的文件处理方法的流程图。

如图2所示，该实施例的基于分布式环境的文件处理方法包括操作S210～操作S270。

在操作S210，获取数据文件。在如图3所示的一些示例中，操作S210获取数据文件包括操作S211：从应用中获取该应用生成的至少一个数据文件。可以理解的是，银行可以办理汇款、存钱和理财等多种业务，例如每种业务可以有对应的应用，应用可以生成至少一个数据文件来存储所办理业务的业务数据。在一种可能实现的场景下，公司A、公司B、个人A和个人B均办理了汇款业务，汇款应用则生成一个数据文件存储公司A和公司B的业务数据，生成另一个数据文件存储个人A和个人B的业务数据。由此，应用生成至少一个数据文件后，可以从应用中获取到数据文件。

在操作S220，根据数据文件生成校验文件，其中，校验文件记录有第一校验信息和第二校验信息，第一校验信息为校验文件的文件信息，第二校验信息为数据文件的文件信息。这里，第一校验信息为校验文件的文件信息可以理解为第一校验信息是关于校验文件的文件信息；第二校验信息为数据文件的文件信息可以理解为第二校验信息是关于数据文件的文件信息。

作为一种可能实现的方式，如图4所示，操作S220根据数据文件生成校验文件包括操作S221：根据至少一个数据文件生成校验文件，其中，校验文件记录的第二校验信息与数据文件一一对应。可以理解的是，当应用生成一个数据文件时，校验文件中记录有一个第二校验信息，第二校验信息是关于该数据文件的文件信息；当应用生成多个数据文件时，校验文件中记录有多个第二校验信息，多个第二校验信息与多个数据文件一一对应，每个第二校验信息是关于对应的数据文件的文件信息。

进一步地，第一校验信息在校验文件中为一条记录信息，每个第二校验信息在校验文件中为一条记录信息，每条记录信息的结束为一个回车换行符。例如，第一校验信息在校验文件中可以为第一条记录信息，每个第二校验信息在校验文件中可以为第二条记录信息、第三条记录信息、第四条记录信息等等，以此类推。这里，第一条记录信息、第二条记录信息、第三条记录信息、第四条记录信息仅为举例说明，并不能理解为对本公开的限制，本公开对记录信息的顺序不作具体限定。其中，每一条记录信息的结束均以回车换行符结束，例如回车换行符可以为【0D0A】。

由此，通过回车换行符可以结束上一条记录信息，开始下一条记录信息，从而可以将第一校验信息以一条记录信息的形式记录在校验文件中，同时可以将一个第二校验信息以一条记录信息的形式记录在校验文件中，或者将多个第二校验信息以多条记录信息的形式记录在校验文件中。

在操作S230，检测校验文件的编码码制。需要说明的是，每个生成的校验文件都会有一个编码码制，编码码制可以记录在校验文件中，文件处理时需要检测校验文件的编码码制是否正确。

在操作S240，检测第一校验信息的第一字段结构。作为一种可实施的方式，第一字段结构可以包括：应用标识字段、应用名称字段、传输日期字段、传输场次字段、从应用中获取的数据文件的个数字段和第一备用字段中的至少一个。

其中，应用标识字段可以理解为应用的标识，例如汇款应用的应用标识字段可以为“F”。检测第一校验信息的第一字段结构可以检测应用标识字段，例如符合标准的应用标识字段长度应为20个字节，内容不足时应在内容前用空格补足。

其中，应用名称字段可以理解为应用的名称，例如汇款应用的应用名称字段可以为“汇款”。检测第一校验信息的第一字段结构可以检测应用名称字段，例如符合标准的应用名称字段长度应为50个字节，内容不足时应在内容前用空格补足。

其中，传输日期字段可以理解为数据文件传输的日期，例如传输日期字段可以为“21.02.03”。“21.02.03”可以代表2021年2月3号。检测第一校验信息的第一字段结构可以检测传输日期字段，例如符合标准的传输日期字段长度应为8个字节。

其中，传输场次字段可以理解为校验文件的文件编号，例如，在不同的时间段内生成的校验文件有不同的文件编号，或者在不同的业务场景下生成的校验文件有不同的文件编号。

进一步举例说明，在早上9:00～10:00时间段内，汇款应用生成两个数据文件，根据两个数据文件可以生成校验文件，该校验文件的文件编号可以为A01，也即传输场次字段可以为“A01”。在早上10:00～11:00时间段内，汇款应用生成两个数据文件，根据两个数据文件可以生成校验文件，该校验文件的文件编号可以为A02，也即传输场次字段可以为“A02”。

检测第一校验信息的第一字段结构可以检测传输场次字段，例如符合标准的传输场次字段长度应为3个字节，内容不足时应在内容前用空格补足，传输场次字段不使用则全为空格。

其中，从应用中获取的数据文件的个数字段可以理解为应用生成数据文件的个数，例如，汇款应用生成两个数据文件，从应用中获取的数据文件的个数字段可以为“2”。检测第一校验信息的第一字段结构可以检测从应用中获取的数据文件的个数字段，例如符合标准的从应用中获取的数据文件的个数字段长度应为7个字节，内容不足时应在内容前用空格补足。

其中，第一备用字段可以理解为第一校验信息的备用字段，检测第一校验信息的第一字段结构可以检测第一备用字段，例如符合标准的第一备用字段长度应为168个字节，内容不足时应在内容前用空格补足，第一备用字段不使用则全为空格。

在操作S250，检测第二校验信息的第二字段结构。作为一种可实施的方式，第二字段结构包括：数据文件的文件名称字段、包含的子文件个数字段、文件大小字段、创建时间字段、文件状态字段和第二备用字段中的至少一个。

其中，数据文件的文件名称字段可以理解为数据文件的文件名称，例如，在上文提到的场景下，公司A、公司B、个人A和个人B均办理了汇款业务，汇款应用则生成一个数据文件存储公司A和公司B的业务数据，该数据文件的名称可以命名为“公司业务”，生成另一个数据文件存储个人A和个人B的业务数据，该数据文件可以命名为“个人业务”。

因此，一个第二校验信息的文件名称字段可以为“公司业务”，另一个第二校验信息的文件名称字段可以为“个人业务”。检测第二校验信息的第二字段结构可以检测文件名称字段，例如符合标准的文件名称字段长度应为100个字节，内容不足时应在内容前用空格补足。

其中，包含的子文件个数字段可以理解为与该第二校验信息对应的数据文件中子文件的个数，例如子文件的个数可以为5，也即包含的子文件个数字段可以为“5”。检测第二校验信息的第二字段结构可以检测包含的子文件个数字段，例如符合标准的包含的子文件个数字段长度应为12个字节，内容不足时应在内容前用空格补足，包含的子文件个数字段不使用则全为空格。

其中，文件大小字段可以理解为文件数据量多少，单位为Byte，例如，文件大小字段可以为“1235”。检测第二校验信息的第二字段结构可以检测文件大小字段，例如符合标准的文件大小字段长度应为20个字节，内容不足时应在内容前用空格补足。

其中，创建时间字段可以理解为数据文件创建的时间，例如创建时间字段可以为“10:34”。“10:34”可以代表上午十点三十四分。检测第二校验信息的第二字段结构可以检测创建时间字段，例如符合标准的创建时间字段长度应为14个字节，内容不足时应在内容前用空格补足，创建时间字段不使用则全为空格。

其中，文件状态字段可以理解为文件的状态信息，例如文件状态字段可以为“0”或者“1”等，“0”可以表示文件传输中，“1”可以表示文件传输已完成。检测第二校验信息的第二字段结构可以检测文件状态字段，例如符合标准的文件状态字段长度应为1个字节，文件状态字段不使用则为空格。

其中，第二备用字段可以理解为第二校验信息的备用字段，检测第二校验信息的第二字段结构可以检测第二备用字段，例如符合标准的第二备用字段长度应为109个字节，内容不足时应在内容前用空格补足，第二备用字段不使用则全为空格。

在操作S260，当编码码制、第一字段结构和第二字段结构均正确时，对数据文件进行拆分，将拆分后的数据文件分别导入批量服务器下的对应的目录中。其中，数据文件可以包括m个子文件，m大于等于1，作为一种可能实现的方式，如图5所示，操作S260对数据文件进行拆分，将拆分后的数据文件分别导入批量服务器下的对应的目录中包括操作S261～操作S264。

在操作S261，将每个子文件的文件格式拆分成多个字段信息。例如，每个子文件的文件格式可以理解为每个子文件的文件名，每个子文件的文件格式也可以理解为每个子文件中的内容，但是文件格式的理解并不限于此。例如其中一个子文件的文件格式为“000111222333”，文件格式的1～3位可以代表地区，4～9位代表产品代码，10～12位代表类别等。每个子文件的文件格式可以被拆分成多个字段信息可以理解为将“000111222333”拆分成“000”、“111222”和“333”。

在操作S262，选择每个子文件下的多个字段信息中的一个输入哈希函数，得到m个输出值。下面继续以将“000111222333”拆分成“000”、“111222”和“333”为例进行说明，选择每个子文件下的多个字段信息中的一个输入哈希函数可以理解为选择文件格式的1～3位输入哈希函数，也即将“000”输入哈希函数；选择每个子文件下的多个字段信息中的一个输入哈希函数也可以理解为选择文件格式的4～9位输入哈希函数，也即将“111222”输入哈希函数；选择每个子文件下的多个字段信息中的一个输入哈希函数还可以理解为选择文件格式的10～12位输入哈希函数，也即将“333”输入哈希函数。其中，将某个字段信息输入哈希函数后可以得到一个输出值，m个子文件即可得到m个输出值。

在操作S263，将m个输出值分别与批量服务器下的目录对应。需要说明的是，批量服务器中可以建立有与输出值对应的目录，输出值与目录可以为一对一，换言之，每个不同的输出值都可以对应一个目录；输出值与目录也可以多对一，换言之，输出值可以限定一个范围，在范围内的输出值对应一个目录。

下面以输出值与目录为一对一举例说明，例如m为4，4个输出值分别为03、05、33和48，03、05、33和48可以分别对应批量服务器中的一个目录。

下面以输出值与目录为多对一举例说明，例如m为4，4个输出值分别为03、05、33和48，假设限定输出值范围(00—10)对应一个目录、输出值范围(11—20)对应一个目录、输出值范围(21—30)对应一个目录、输出值范围(31-40)对应一个目录、输出值范围(41—50)对应一个目录等等，那么03和05可以对应批量服务器中的一个目录，33可以对应批量服务器中的一个目录，48可以对应批量服务器中的一个目录。

在操作S264，将每个子文件导入与该子文件的输出值对应的目录中。例如m的输出值分别为03、05、33和48，03、05、33和48可以分别对应批量服务器中的一个目录，则将输出值03对应的子文件导入到与03对应的批量服务器的目录下，则将输出值05对应的子文件导入到与05对应的批量服务器的目录下，则将输出值33对应的子文件导入到与33对应的批量服务器的目录下，则将输出值48对应的子文件导入到与48对应的批量服务器的目录下。

又如m的输出值分别为03、05、33和48，03和05对应批量服务器中的一个目录，33对应批量服务器中的一个目录，48对应批量服务器中的一个目录。则将输出值03对应的子文件导入到与03和05对应的批量服务器的目录下，则将输出值05对应的子文件导入到与03和05对应的批量服务器的目录下，则将输出值33对应的子文件导入到与33对应的批量服务器的目录下，则将输出值48对应的子文件导入到与48对应的批量服务器的目录下。

作为一些具体的示例，每个子文件的文件格式为定长格式，如图6所示，操作S261将每个子文件的文件格式拆分成多个字段信息包括操作S2611：根据文件格式的固定位置进行拆分。这里，每个子文件的文件格式为定长格式可以理解为每个子文件的文件格式包括固定位数的字符，例如“000111222333”，包括12位字符，每个子文件的文件格式均可以包括12位字符。根据文件格式的固定位置进行拆分可以理解为设定在第三位和第四位之间拆分、在第九位和第十位之间拆分，例如拆分成“000”、“111222”和“333”。

作为另一些具体的示例，每个子文件的文件格式为非定长格式，如图7所示，操作S261将每个子文件的文件格式拆分成多个字段信息包括操作S2612：根据文件格式中的分隔符进行拆分。这里，每个子文件的文件格式为非定长格式可以理解为每个子文件的文件格式包括不固定位数的字符，例如“000□111222□333”，包括14位字符，“□”为分隔符，“0000□1112□333”，包括13位字符，“□”为分隔符。根据文件格式中的分隔符进行拆分可以理解为将分隔符前面的字符作为一个字段信息，将分隔符后面的字符作为一个字段信息，例如将“000□111222□333”拆分成“000”、“111222”和“333”。

在操作S270，将批量服务器下对应的目录中的数据文件的内容写入对应的数据库。可以理解的是，随着架构升级转型，基于分布式环境，一个应用生成的数据文件需要写入不同的数据库中，上文详细描述了如何将数据文件进行拆分，将拆分后的数据文件分别导入批量服务器下的对应的目录中。这里，批量服务器下对应的目录可以一一对应有数据库，将数据文件的每个子文件导入与该子文件的输出值对应的目录中后可以将该子文件的内容写入与该目录对应的数据库中。

根据本公开实施例的基于分布式环境的文件处理方法，通过对校验文件的检测可以在数据文件传输之前判断数据文件是否可以传输，防止数据文件传输时显示错误，可以提高传输效率，节约资源。本公开详细描述了对校验文件的检测项目，例如编码码制、第一校验信息和第二校验信息，可以便于检验步骤的实现。

通过对数据文件进行拆分可以便于实现基于分布式环境的文件处理，也即便于基于分布式环境，将应用生成的数据文件下的子文件分别导入批量服务器的对应目录下，从而便于将多个子文件写入不同的数据库中，本公开详细描述了数据文件拆分成子文件并且分别导入对应的目录中的过程，从而便于数据文件拆分步骤的实施。由此，本公开的方法可以处理数据量大，时效性要求高的数据。

基于上述基于分布式环境的文件处理方法，本公开还提供了一种基于分布式环境的文件处理装置。以下将结合图8对基于分布式环境的文件处理装置进行详细描述。

图8示意性示出了根据本公开实施例的基于分布式环境的文件处理装置的结构框图。

基于分布式环境的文件处理装置10，包括获取模块1、生成模块2、第一检测模块3、第二检测模块4、第三检测模块5、拆分模块6和导入模块7。

获取模块1，获取模块1用于执行操作S210获取数据文件。

生成模块2，生成模块2用于执行操作S220根据数据文件生成校验文件，其中，校验文件记录有第一校验信息和第二校验信息，第一校验信息为校验文件的文件信息，第二校验信息为数据文件的文件信息。

第一检测模块3，第一检测模块3用于执行操作S230检测校验文件的编码码制。

第二检测模块4，第二检测模块4用于执行操作S240检测第一校验信息的第一字段结构。

第三检测模块5，第三检测模块5用于执行操作S250检测第二校验信息的第二字段结构。

拆分模块6，当编码码制、第一字段结构和第二字段结构均正确时，拆分模块6用于执行操作S260对数据文件进行拆分，将拆分后的数据文件分别导入批量服务器下的对应的目录中。

导入模块7，导入模块7用于执行操作S270将批量服务器下的对应的目录中的数据文件的内容写入对应的数据库。

由于上述基于分布式环境的文件处理装置10是基于分布式环境的文件处理方法设置的，因此上述基于分布式环境的文件处理装置10的有益效果与基于分布式环境的文件处理方法的相同，这里不再赘述。

另外，根据本公开的实施例，获取模块1、生成模块2、第一检测模块3、第二检测模块4、第三检测模块5、拆分模块6和导入模块7中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。

根据本公开的实施例，获取模块1、生成模块2、第一检测模块3、第二检测模块4、第三检测模块5、拆分模块6和导入模块7中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。

或者，获取模块1、生成模块2、第一检测模块3、第二检测模块4、第三检测模块5、拆分模块6和导入模块7中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

下面详细描述根据本公开实施例的基于分布式环境的文件处理方法。值得理解的是，下述描述仅是示例性说明，而不是对本公开的具体限制。

对于分布式环境下，为完成批量文件一对多的导入到多个数据库中。需搭建批量服务器用于文件接收。部署paas容器用于文件处理。将处理过程分为conmmon层和set层。Common层负责对文件进行到达检测，以及判断文件是否需要进行拆分操作。Set层负责将获取拆分后的数据文件进行加载到数据库中，并对数据库加工处理。

为了减少数据库的压力，通常每一个数据库中存放不同的数据，通过一致性hash函数，将数据平分到不同的数据库中，保证每次数据查询和存储的数据库一致。对文件中的数据采用相同的处理方式。完成分布式环境下的大数据文件处理。

下面为数据处理的步骤：

步骤一：在文件服务器的固定目录下接收文件。

步骤二：检测文件到达，以及校验文件完整性及一致性。

步骤三：根据文件中数据是否需要加载到每一个数据库中进行文件拆分。

步骤四：通过FTP将文件拉取到paas容器中。

步骤五：对文件中的数据进行加工处理。

步骤六：将数据加载到数据库中。

下面详细介绍对文件检测的校验规则：每一个文件按照对应的格式要求生成对应的校验文件，以chk为结尾。根据对应的文件规则，校验文件下传的应用，下传的个数及文件大小，保证文件传输的准确性。

校验文件的内容及标准如下：

1、编码码制应为ASCII码(内容中不能有中文字符)。

2、每条记录长度应为256字节，每条记录结束应一个回车换行符【0D0A】。

3、文件第一条记录应记录整批需传输文件的总体信息，长度应为256个字符，字段结构如下：

生成文件应用的应用标识，长度是20个字节，不足时应前补空格，必输字段，如：F-XXX。

应用名称，长度是50个字节，不足应前补空格，必输字段，为英文，如：F-XXX。

文件传输日期，(格式是“yyyymmdd”)，长度是8个字节，必输字段。

场次，长度是3个字节，不足时应前补空格，可选字段，不使用则全为空格。

传输文件个数，长度是7个字节，不足时应前补空格，必输字段。

备用字段，长度为168个字节，不足后补空格。可选字段，不使用则全为空格。

4、自第二条记录开始的各条记录应记录本次交换的文件清单信息，长度应为256个字节，字段结构如下：

文件名，长度是100个字节，不足时应前补空格，必输字段。

文件记录数，长度是12个字节，不足时应前补空格，可选字段，不使用则全为空格。

文件总大小，(单位：字节Byte)，长度是20个字符，由数字组成(不用包含单位符号)，不足前补空格，必选字段。

文件创建时间，(格式是“yyyymmddhhmmss”)，长度是14个字节，可选字段，不使用则全为空格。

文件状态，长度为1个字节，表示文件状态，可选字段，不使用则全为空格。

备用字段，长度为109个字节，不足时应后补空格，可选字段，不使用则全为空格。

文件有两种类型的格式，一种是定长文件，一种是变长文件，定长文件格式如下：文件的上下游约定好文件的固定内容，如：0-5位是地区号，6-17是产品代码等。针对于这种文件，在分布式的环境下，是需要根据文件中的固定位置去进行文件拆分，读取每一行的固定位置的字符串，再通过hash函数，求得该行文件应该归属于哪一个分片中的文件，再将文件中这一行的内容发到对应的拆分后的目录及文件中。

变长文件格式如下：其中□是一个特殊字符，作为每一个字段之间的文件分隔符，如第一行的第一个字段是A64002，第二个字段是空，以此类推。使用这种格式的文件可以减少太多空格的占用，减少文件的大小，减少文件传输的时间。在分布式环境下，这种格式的文件需要按照第几个字段的位置去进行拆分，比如第3个字段作为文件拆分的字段，那么读取每一行的字符串，在第二个和第三个分隔符之间的字符串，就是需要拆分的字符串，此时再通过hash函数，求得该行文件应该归属于哪一个分片中的文件，再将文件中这一行的内容发到对应的拆分后的目录及文件中。

图9示意性示出了根据本公开实施例的适于实现基于分布式环境的文件处理方法的电子设备的方框图。

如图9所示，根据本公开实施例的电子设备900包括处理器901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。处理器901例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器901还可以包括用于缓存用途的板载存储器。处理器901可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 903中，存储有电子设备900操作所需的各种程序和数据。处理器901、ROM902以及RAM 903通过总线904彼此相连。处理器901通过执行ROM 902和/或RAM 903中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 902和RAM 903以外的一个或多个存储器中。处理器901也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，电子设备900还可以包括输入/输出(I/O)接口905，输入/输出(I/O)接口905也连接至总线904。电子设备900还可以包括连接至I/O接口905的以下部件中的一项或多项：包括键盘、鼠标等的输入部分906；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907；包括硬盘等的存储部分908；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909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至输入/输出(I/O)接口905。可拆卸介质911，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910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908。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储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执行时，实现根据本公开实施例的方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：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)、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。在本公开中，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。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 902和/或RAM 903和/或ROM 902和RAM 903以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，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。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例的方法。

在该计算机程序被处理器901执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分909被下载和安装，和/或从可拆卸介质911被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被处理器901执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，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。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、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。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (11)

1.一种基于分布式环境的文件处理方法，其特征在于，包括：

获取数据文件；

根据所述数据文件生成校验文件，其中，所述校验文件记录有第一校验信息和第二校验信息，所述第一校验信息为所述校验文件的文件信息，所述第二校验信息为所述数据文件的文件信息；

检测所述校验文件的编码码制；

检测所述第一校验信息的第一字段结构，其中，所述第一字段结构包括：应用标识字段、应用名称字段、传输日期字段、传输场次字段、从所述应用中获取的所述数据文件的个数字段和第一备用字段中的至少一个；

检测所述第二校验信息的第二字段结构，其中，所述第二字段结构包括：所述数据文件的文件名称字段、包含的子文件个数字段、文件大小字段、创建时间字段、文件状态字段和第二备用字段中的至少一个；

当所述编码码制、第一字段结构和第二字段结构均正确时，对所述数据文件进行拆分，将拆分后的所述数据文件分别导入批量服务器下的对应的目录中；以及

将所述批量服务器下对应的目录中的所述数据文件的内容写入对应的数据库。

2.根据权利要求1所述的方法，其特征在于，所述获取数据文件包括：从应用中获取该应用生成的至少一个所述数据文件。

3.根据权利要求2所述的方法，其特征在于，所述根据所述数据文件生成校验文件包括：根据至少一个所述数据文件生成校验文件，其中，所述校验文件记录的所述第二校验信息与所述数据文件一一对应。

4.根据权利要求3所述的方法，其特征在于，所述第一校验信息在所述校验文件中为一条记录信息，每个所述第二校验信息在所述校验文件中为一条记录信息，每条所述记录信息的结束为一个回车换行符。

5.根据权利要求1所述的方法，其特征在于，所述数据文件包括m个子文件，m大于等于1，所述对所述数据文件进行拆分，将拆分后的所述数据文件分别导入批量服务器下的对应的目录中包括：

将每个所述子文件的文件格式拆分成多个字段信息；

选择每个所述子文件下的多个字段信息中的一个输入哈希函数，得到m个输出值；

将m个输出值分别与批量服务器下的目录对应；以及

将每个所述子文件导入与该子文件的输出值对应的所述目录中。

6.根据权利要求5所述的方法，其特征在于，每个所述子文件的文件格式为定长格式，所述将每个所述子文件的文件格式拆分成多个字段信息包括：根据所述文件格式的固定位置进行拆分。

7.根据权利要求5所述的方法，其特征在于，每个所述子文件的文件格式为非定长格式，所述将每个所述子文件的文件格式拆分成多个字段信息包括：根据所述文件格式中的分隔符进行拆分。

8.一种基于分布式环境的文件处理装置，其特征在于，包括：

获取模块，所述获取模块用于获取数据文件；

生成模块，所述生成模块用于根据所述数据文件生成校验文件，其中，所述校验文件记录有第一校验信息和第二校验信息，所述第一校验信息为所述校验文件的文件信息，所述第二校验信息为所述数据文件的文件信息；

第一检测模块，所述第一检测模块用于检测所述校验文件的编码码制；

第二检测模块，所述第二检测模块用于检测所述第一校验信息的第一字段结构，其中，所述第一字段结构包括：应用标识字段、应用名称字段、传输日期字段、传输场次字段、从所述应用中获取的所述数据文件的个数字段和第一备用字段中的至少一个；

第三检测模块，所述第三检测模块用于检测所述第二校验信息的第二字段结构，其中，所述第二字段结构包括：所述数据文件的文件名称字段、包含的子文件个数字段、文件大小字段、创建时间字段、文件状态字段和第二备用字段中的至少一个；

拆分模块，当所述编码码制、第一字段结构和第二字段结构均正确时，所述拆分模块用于对所述数据文件进行拆分，将拆分后的所述数据文件分别导入批量服务器下的对应的目录中；以及

导入模块，所述导入模块用于将所述批量服务器下的对应的目录中的所述数据文件的内容写入对应的数据库。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

一个或多个存储器，用于存储可执行指令，所述可执行指令在被所述处理器执行时，实现根据权利要求1～7中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有可执行指令，该指令被处理器执行时实现根据权利要求1～7中任一项所述的方法。

11.一种计算机程序产品，其特征在于，包括计算机程序，该计算机程序包括一个或者多个可执行指令，所述可执行指令被处理器执行时实现根据权利要求1～7中任一项所述的方法。