CN113656407B - 一种数据拓扑生成方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开提供了一种数据拓扑生成方法、装置、电子设备及存储介质，涉及数据处理领域，尤其涉及大数据处理领域。具体实现方案为：在接收到数据源拓扑展示指令或任务拓扑展示指令后，基于获取到的目标数据链路的数据源血缘信息和任务血缘信息，获得相应的数据源拓扑信息或任务拓扑信息进行展示。本公开实施例中，可以基于使用者根据不同业务需求发出的拓扑展示指获得相应的数据源或任务拓扑信息，实现了多维度拓扑信息的展示，极大提高了相关人员进行链路运维的便利性。

Description

一种数据拓扑生成方法、装置、电子设备及存储介质

技术领域

本公开涉及数据处理技术领域，尤其涉及大数据处理中的一种数据拓扑生成方法、装置、电子设备及存储介质。

背景技术

在当今的互联网大数据时代，每个企业都会生产、加工大量高价值数据，这些数据具有规模大、链路长、参与角色多的特点，随着企业大数据爆炸式增长，数据治理成为了企业必需开展的重要工作。

链路运维是数据治理中的关键一环。随着业务不断迭代更新，数据任务不论从数量还是复杂度都会有较大提升，数据处理任务间的依赖关系错综复杂。这种情况下，需要生成数据拓扑，进而基于数据拓扑进行有效地链路运维。

发明内容

本公开提供了一种能够生成多维拓扑信息的数据拓扑生成方法、装置、电子设备以及存储介质。

根据本公开的一方面，提供了一种数据拓扑生成方法，包括：

获取目标数据链路的血缘信息；所述血缘信息包括：数据源血缘信息和任务血缘信息；

接收数据源拓扑展示指令或任务拓扑展示指令；

基于所述数据源血缘信息或任务血缘信息，获得数据源拓扑信息或任务拓扑信息；

展示数据源拓扑信息对应的拓扑图或任务拓扑信息对应的拓扑图。

根据本公开的另一方面，提供了一种数据拓扑生成装置，包括：

血缘信息获取模块，用于获取目标数据链路的血缘信息；所述血缘信息包括：数据源血缘信息和任务血缘信息；

展示指令接收模块，用于接收数据源拓扑展示指令或任务拓扑展示指令；

拓扑信息获取模块，用于基于所述数据源血缘信息或任务血缘信息，获得数据源拓扑信息或任务拓扑信息；

拓扑展示模块，用于展示数据源拓扑信息对应的拓扑图或任务拓扑信息对应的拓扑图。

根据本公开的另一方面，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任一所述的数据拓扑生成方法。

根据本公开的另一方面，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，其中，所述计算机指令用于使所述计算机执行根据上述任一所述的数据拓扑生成方法。

根据本公开的另一方面，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根据上述任一所述的数据拓扑生成方法。

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是根据本公开提供的数据拓扑生成方法的第一实施例的流程图；

图2是根据本公开提供的数据拓扑生成方法的第二实施例的流程图；

图3是根据本公开提供的数据拓扑生成方法的第三实施例的流程图；

图4是本公开中针对单一节点生成数据拓扑的一种过程示意图；

图5是根据本公开提供的数据拓扑生成方法的第四实施例的流程图；

图6是根据本公开提供的数据拓扑生成方法的第五实施例的流程图；

图7是根据本公开提供的数据拓扑生成方法的第六实施例的流程图；

图8是使用本公开提供的数据拓扑生成方法的一种具体实例示意图；

图9是根据本公开提供的数据拓扑生成方法的第七实施例的流程图；

图10a是根据图9所示的数据拓扑生成方法的第一实例的示意图；

图10b是根据图9所示的数据拓扑生成方法的第二实例的示意图；

图10c是根据图9所示的数据拓扑生成方法的第三实例的示意图；

图11是根据本公开提供的数据拓扑生成装置的一种结构示意图；

图12是根据本公开提供的数据拓扑生成装置的第二种结构示意图；

图13是根据本公开提供的数据拓扑生成装置的第三种结构示意图；

图14是用来实现本公开实施例的数据拓扑生成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。

为了生成多维拓扑信息，本公开提供了一种数据拓扑生成方法、装置、电子设备及存储介质。

参见图1，图1是根据本公开提供的数据拓扑生成方法的第一实施例的流程图，该方法具体可以包括以下步骤：

步骤S100、获取目标数据链路的血缘信息；所述血缘信息包括：数据源血缘信息和任务血缘信息；

步骤S110、接收数据源拓扑展示指令或任务拓扑展示指令；

步骤S120、基于所述数据源血缘信息或任务血缘信息，获得数据源拓扑信息或任务拓扑信息；

步骤S130、展示数据源拓扑信息对应的拓扑图或任务拓扑信息对应的拓扑图。

本公开实施例提供的数据拓扑生成方法，在接收到数据源拓扑展示指令或任务拓扑展示指令后，基于获取到的目标数据链路的数据源血缘信息和任务血缘信息，获得相应的数据源拓扑信息或任务拓扑信息进行展示。本公开实施例中，可以基于使用者根据不同业务需求发出的拓扑展示指获得相应的数据源或任务拓扑信息，实现了多维度拓扑信息的展示，极大提高了相关人员进行链路运维的便利性。

作为本公开实施例的一种具体实施方式，上述一个目标数据链路与一个业务相对应，上述业务可以是广告业务、电商平台业务等。对广告业务来说，上述任务可以是筛选、匹配、排序、展示等，上述数据源则可以包括筛选、匹配、排序的结果等。

如上所述，上述获取到的目标链路的血缘信息包括了数据源血缘信息和任务血缘信息，本发明实施例中，上述数据源血缘信息用来表示数据链路中数据源之间的依赖关系，相应的，任务血缘信息则用来表示任务之间的依赖关系。

本公开实施例中，上述依赖关系可以分为直接依赖与间接依赖。直接依赖可以是指相同类型数据直接关联建立的血缘关系，如任务与任务的直接关联。间接依赖则可以指相同类型数据通过其他类型数据产生连接，如任务依赖于其他任务产生的数据源。

作为本公开实施例的一种具体实施方式，所述数据源血缘信息和任务血缘信息的存储结构可以相同，均可以包括：节点信息和边信息；

本公开实施例中，可以将每种数据拓扑都定义为DAG图(有向无环图)，一张DAG图中包含了各数据节点信息、各边信息以及各数据节点的出度、入度和拓扑的深度，而各节点的出度、入度以及拓扑的深度均可以通过DAG图中的各节点和边信息得到。

本公开实施例中，所述数据源血缘信息中的节点信息可以包含：所述目标数据链路中所有数据源节点标识，边信息可以包含：每条数据源边的起始数据源节点标识和结束数据源节点标识；

所述任务血缘信息中的节点信息可以包含：所述目标数据链路中所有任务节点标识，边信息可以包括：每条任务边的起始任务节点标识和结束任务节点标识。

作为本公开实施例的一种具体实施方式，上述数据源节点标识可以是数据源节点ID，该ID可以由相关人员在对数据源节点进行存储时人为设置。各数据节点还可以有相应的节点名称，节点名称可以表征该数据源的数据类型，如广告业务中的数据源可以有广告点击率、投放价格等，当然，对数据源节点进行存储时还可以存储节点的其他属性，如产生时间等，此处不做具体限定。

本公开实施例中，上述数据源节点可以以数据源节点信息表的形式存储。如下表所示，下表中示出了部分数据源节点的存储方式：

节点ID	节点名称	其他
			1	A	…
2	B	…
			3	C	…
4	D	…

上表中，为了方便叙述各节点的名称以A、B、C、D代替。

相应的，本发明实施例中，数据源的边信息也可以以边信息表的形式存储，各边的边信息除了包含上述边的起始节点标识以及结束节点标识外，还可以包含边ID、直接依赖关系、间接依赖关系等其他属性，此处不做具体限定。基于上述数据源节点表的举例，如下表所示，下表中示出了部分边的存储方式。

边ID	起始节点	结束节点	其他
				1	1	2	…
2	1	3	…
				3	3	4	…

如上所述，本公开实施例中数据源血缘信息和任务血缘信息的存储结构相同，此处对任务血缘信息的存储方式不再赘述。

本公开实施例中，对于各目标链路(业务)来说，可以将所有的数据源节点和任务节点都存储至同一节点信息表中，相应的边信息也可以存储至同一边信息表中，也就是说，可以将各业务的数据源血缘信息以及任务血缘信息以一个节点信息表和一个边信息表的形式存储。

可见，本公开实施例中，各业务的血缘信息可以采用统一结构存储，即实现了血缘信息的归一化存储，提高了基于目标数据链路的血缘信息获取拓扑信息的便利性。

相应的，基于图1，参见图2，图2中对上述步骤S120进行了细化，具体的，上述步骤S120可以包括以下步骤：

步骤S121、基于所述展示指令中的第一目标数据源或第一目标任务，及第一目标出/入度和第一拓扑深度，从所述数据源血缘信息或任务血缘信息中，获得第一数据源拓扑信息或第一任务拓扑信息；

本发明实施例中，使用用户(如，链路运维人员)可以通过在操作页面输入自己想要查看拓扑的数据，并输入相应的目标出度、目标入度以及目标拓扑深度来发出展示指令，展示指令中就包含了上述信息。作为本公开实施例的另一种实施方式，也可以是开发人员在设计操作页面时，设置可选的数据以及可选的出/入度、拓扑深度的数值范围，用户可直接在页面中选择相应的目标数据、目标出度、目标入度以及目标拓扑深度来发出展示指令，这样可以避免用户的超范围输入，提高效率。本公开实施例中，用户可以通过对目标数据名称的输入或选择来确定目标数据进行展示。

根据上述目标数据即可从节点信息表中选择出需要生成拓扑的数据源节点或任务节点，而根据目标出度、目标入度以及目标拓扑深度可以选择出相应的边以及其他节点。

相应的，如图2所示，上述步骤S130具体可以包括以下步骤：

步骤S131、按照所述第一数据源拓扑信息或第一任务拓扑信息，生成并展示第一数据源拓扑图或第一任务拓扑图。

该步骤中，即可根据筛选出的各节点以及边信息构成相应的数据拓扑进行展示。

可见，本公开实施例中，可以根据使用者选择的目标数据以及相应的目标出/入度和拓扑深度来得到相应的拓扑信息，并生成相应拓扑图，增强了数据源拓扑图以及任务拓扑图获取的可操作性以及便利性，为链路运维人员对各链路的排查提供有力保障。

作为本公开实施例的一种具体实施方式，基于图2，参见图3，上述步骤S121具体可以包括：

步骤S1211、以所述第一目标数据源或第一目标任务为查找起始点，按照所述第一目标出/入度和第一拓扑深度，从所述数据源血缘信息或任务血缘信息中，查找得到第一目标节点信息和第一目标边信息，作为第一数据源拓扑信息或第一任务拓扑信息。

参见图4，图4是本公开实施例中针对单一节点获取该节点的数据拓扑(DAG图)的一种流程示意图。如图4所示，流程开始后，就需要根据目标数据节点、目标出度/入度以及目标拓扑深度对血缘信息进行递归遍历。从当前目标数据节点开始分别向出入度方向进行边查找，之后将查到的边的结束节点入栈后进行下一层遍历，直至达到目标拓扑深度或没有尾结点为止，向上游遍历时，上述尾结点可以是起始节点；向下游遍历时，上述尾结点可以是结束节点。

具体的，图4中示出了向目标节点的入度方向查找边以及相应其他节点的流程，在步骤S400开始流程后，可以执行以下步骤：

步骤S410、定义res_map(数据拓扑)函数以及节点列表(vertex_list)，且设置拓扑深度(depth)初始值为0。

本实施例中，上述节点列表可以以堆栈方式存储。

步骤S420、判断拓扑深度是否达到目标拓扑深度，若depth未达到目标拓扑深度，则执行步骤S430；若depth达到目标拓扑深度，则执行步骤S470；

步骤S430、将结束节点在上述节点列表中的边的起始节点写入节点列表(堆栈)。

步骤S440、判断节点列表(vertex_list)是否为空，若vertex_list不为空(否)，则执行步骤S450；若vertex_list为空(是)，则执行步骤S470；

步骤S450、对节点列表进行归并、整理，写入res_map函数，执行步骤S460、depth++，返回上述步骤S420。

即将筛选出的节点写入res_map函数以进行后续的拓扑生成，并进行下一层遍历。

步骤S70、返回res_map函数，执行步骤S480结束流程。

图4中，达到目标拓扑深度或进行遍历后的节点列表为空，都可结束流程。进行遍历后节点列表为空说明没有新的尾结点入栈。

可见，通过对拓扑进行递归遍历，可以获取目标节点、目标出/入度以及目标拓扑深度对应的数据拓扑，保证了获取到的数据拓扑的完整性。

本公开实施例中，还可以对全局数据拓扑进行展示，基于图1，参见图5，在接收到的展示指令是全局数据源拓扑展示指令或全局任务拓扑展示指令的情况下，上述步骤S120可以包括：

步骤S122、将所述数据源血缘信息或任务血缘信息中所有节点信息和边信息作为全局数据源拓扑信息或全局任务拓扑信息；

本公开实施例中，使用用户可以通过在操作页面上选择“全局数据源拓扑”按键或“全局任务拓扑”按键来发出相应的全局数据源拓扑展示指令或全局任务拓扑展示指令，系统则可以根据相应的指令从节点信息表以及边信息表中获取业务所有的数据源节点(或任务节点)以及所有的数据源(任务)血缘信息中的边。

相应的，上述步骤S130可以包括：

步骤S132、按照所述全局数据源拓扑信息或全局任务拓扑信息，生成并展示全局数据源拓扑图或全局任务拓扑图。

获取到上述节点信息以及边信息后，就可基于各边的起始节点以及结束节点信息连接各个节点，生成相应的全局拓扑并展示。

对于一个业务，其全局数据源拓扑或任务拓扑可以包含多个上述DAG拓扑。

可见，本公开实施例中还可以针对一个业务生成其业务组范围内的所有任务拓扑或所有数据源拓扑，使得链路运维人员可以直观得到任务或数据源之间的依赖关系，进一步提高链路排查的便利性以及效率。

作为本公开实施例的一种具体实施方式，所述数据源血缘信息中的节点信息和任务血缘信息中的节点信息中，还可以包括：该节点与其上游节点的时间段依赖信息。

也就是说，本公开实施例中，一个节点与其上游节点的依赖关系可以时有时间限定。例如，对于一任务节点A，其可依赖上游节点(记作任务节点B)过去一周的数据，也可以依赖任务节点B过去一天的数据。

上述依赖时间段一般可以包含多段时间，可以定义该依赖时间段中的多段时间为例行周期，定义各例行周期的起始时刻为基准时刻。一个依赖时间段中可以包含多个基准时刻。

相应的，基于图1，参见图6，本公开实施例中，上述数据拓扑生成方法还可以包括以下步骤：

步骤S640、接收针对第二目标任务的动态实例拓扑展示指令。

与上述拓扑展示指令相同，用户可以通过选择“动态拓扑展示指令”按键，并输入或选择要获取动态拓扑的目标任务、目标出/入度以及目标拓扑深度来发出上述动态实例拓扑展示指令。

步骤S650、基于所述动态实例拓扑展示指令中的第二目标任务及第二目标出/入度和第二拓扑深度，从所述任务血缘信息中，获得第二任务拓扑信息，作为目标任务静态拓扑信息。

该步骤可以与上述步骤121的执行过程相同。

步骤S660、基于所述动态实例拓扑展示指令中的目标基准时刻及目标任务节点信息中的时间段依赖信息，确定与所述目标基准时刻对应的目标依赖时间段。

本公开实施例中，目标任务的动态实例拓扑展示指令还可以包含用户选定的生成动态实例的具体时间。而如上所述，数据源血缘信息中的节点信息和任务血缘信息中的节点信息中可以包括：该节点与其上游节点的时间段依赖信息。因此，基于基准时刻以及上述依赖时间段就可以获取相应的目标依赖时间段。

在本公开的一种实例中，上述数据源节点信息和任务节点信息中的时间段依赖信息可以包括多个例行周期，所述例行周期包括所述任务节点(或数据源节点)与上游任务节点(或数据源节点)的依赖基准时刻差值以及依赖时长；所述例行周期采用依赖通配符表示。

相应的，基于图6，如图7所示，上述步骤S660可以包括：

步骤S661、基于所述动态实例拓扑展示指令中的目标基准时刻、上游节点和/或下游节点的依赖通配符，确定与所述目标基准时刻对应的目标任务节点的各上游节点和/或下游节点的目标例行周期。

上述任务节点的依赖通配符的配置内容可以包含offset、step、limit三部分，其中offset可以表示任务节点与其下游节点基准时刻的偏差，limit则可以表示由offset之后再持续的依赖时长，step则可以表示依赖时间段中的基准时刻间隔。

例如，limit m offset n就可以表示任务节点与上游任务节点的基准时刻差值为n，基准时刻后再持续的依赖时长是m，这里的时间单位可以是天，也可以是周等，具体可以基于实际应用需求设置。本公开实施例中，可以默认{n，m}表示与上游任务节点的基准时刻差值为n，基准时刻后再持续的依赖时长是m。

本公开实施例中，目标节点的时间段依赖信息包含与其上游节点的基准时刻差值以及依赖时长，这样既可从下游基准时刻查询上游例行周期，又可从上游基准时刻反查下游例行周期，且简单可配置，利于计算。

步骤S670、从已存储的实例运行数据中，获取目标依赖时间段中的各个目标实例的运行状态数据。

本公开实施例中，可以是获取各个目标实例在上述目标例行周期中的运行状态数据。各目标实例的运行状态可以包括未运行、运行中、已完成或已失败四个状态。

步骤S680、基于所述目标任务静态拓扑信息和所述各个目标实例的运行状态数据，生成所述目标任务的目标动态实例拓扑信息。

步骤S690、展示目标动态实例拓扑信息对应的拓扑图。

上述获取目标任务的静态拓扑信息的执行过程可以与上述步骤S120类似，将目标任务静态拓扑信息与基于目标依赖时间段获取的目标例行状态结合，即可得到目标动态实例拓扑信息。

具体的，可以是在获取到静态拓扑信息后，使用BFS(广度优先遍历Breadth FirstSearch)算法对静态血缘拓扑进行遍历，并在遍历过程中逐层地获取节点的依赖通配符，并根据通配符计算上游或下游的例行周期，并将例行周期补充进节点信息中。获取例行周期后，根据该例行周期内部包含的基准时刻获取对应节点的实例信息。获取实例信息时可以是基于任务节点ID进行批量获取。

可见，本公开实施例中，可以针对目标任务生成其动态任务拓扑，使得用户可以直观的判断出任务拓扑中各任务的运行状态，便于进行链路诊断。

通常，在链路排查环节，最常用的场景包括了解上游任务状态，即上游是否已就绪，或当前整个任务链路卡在某个节点，需了解各节点的最终状态，来排查出运行出现问题的节点。

因此，基于图6，参见图7，上述步骤S670可以细化为以下步骤：

步骤S671，从已存储的实例运行数据中，获取目标任务静态拓扑信息中的各个任务的各个目标实例在其目标例行周期中的运行状态；

如上所述，各目标实例的运行状态可以包括未运行、运行中、已完成或已失败四个状态。

步骤S672，针对所述各个任务，基于该任务中各目标实例的运行状态，生成该任务在所述目标例行周期的例行状态。

如上所述，在实际的应用场景中，通常关注的是节点的运行状态，也就是任务的运行状态，而一个任务中可以包含多个实例，因此，本公开实施例中，可以基于目标例行周期中任务包含的多个实例的运行状态来得到任务的运行状态。

任务的运行状态可以包含以下几种：当任务中的各个实例状态均为未运行时，该任务的状态为未运行。任务中的各实例状态均为运行中，则任务状态为运行中。任务中的各实例中有部分实例已经完成运行，其他实例还未运行、运行中或运行失败，则任务的状态为部分完成。任务中的各实例的运行状态均为已完成，则任务的状态为已完成。任务中的各实例的运行状态均为已失败，则任务的运行状态为已失败。

本公开实施例中，以任务的例行状态代替各具体实例的运行状态，可以在链路运维(如，链路诊断)是避免不必要的信息冗余，提高拓扑生成效率。

参见图8，图8示出本公开实施例中生成动态实例拓扑的一个具体实例示意图：

图8中，选定的目标任务实例为任务C，获取到的上游节点有任务B、任务A。任务A的产出数据源为数据源1，任务B的依赖数据源是数据源1，产出数据源是数据源2与数据源3，数据源1的依赖通配符是{0,1day}，即其与下游节点的基准时刻偏差为0，依赖时长为1天。任务C的产出数据源是数据源5，依赖数据源是数据源3，数据源3的依赖通配符是{0,1day}，也就是说其与下游节点的依赖基准时刻偏差为0，依赖时长为1天。

基于上述依赖关系即可得到数据源1、数据源2、数据源3和数据源5对应的数据源拓扑，而根据各任务的依赖数据源和产出数据源，就可得到相应的任务拓扑。得到对应的任务拓扑以及数据源的依赖通配符后，就可以获取各任务的例行状态。

如图8所示，选定的目标任务为任务C，选定的目标任务的目标基准时刻(即图8中的基准时间)为2020-02-01 00:00:00，由于任务C依赖于任务B产生的数据源3，而数据源3的依赖通配符为{0,1day}，因此可以确定任务B的例行周期(即图8中的依赖区间)为2020-02-01 00:00:00～2020-02-02 00:00:00，而基于任务B依赖于任务A产生的数据源1，数据源1的依赖通配符为{0,1day}，任务B的基准时刻为2020-02-01 00:00:00，因此可以得到任务A的基准时刻为2020-02-01 00:00:00，例行周期为2020-02-01 00:00:00～2020-02-0200:00:00。

相应的可以得到各任务的例行周期中的实例状态：任务A包含实例A1，其运行状态为已完成，因此任务A的例行状态为已完成。任务B包含实例B1和实例B2，实例B1的运行状态为运行中，实例B2的状态为已失败，因此任务B的例行状态为运行中。任务C中不包含实例，其例行状态为未运行。

将上述任务例行状态信息添加至任务拓扑中即可得到任务C的动态实例拓扑信息展示给用户(即图8中的实例拓扑)。

参见图9，基于上述图1，上述方法还可以包括：

步骤S940，获得所述目标数据链路的数据源和/或任务变更信息；

步骤S950，基于所述数据源和/或任务变更信息，更新所述数据源血缘信息和/或任务血缘信息。

本公开实施例中，上述变更信息可以包括数据源和/或任务节点的增加、删除、依赖关系(边)变更。

对于数据源和/或任务节点的增加，可以在节点(vertex)及边(edge)信息表新增相应记录。对于依赖关系(边)变更，可以对节点信息进行更新，并对节点上下游依赖关系进行更新。对于前者，直接对节点信息表对应记录进行更新；对于后者，可以对边信息表进行更新，将所有关联当前节点的边(起始节点或终止节点等于当前节点id的记录)进行删除后重新插入。对于数据源和/或任务节点的删除，除了删除节点信息表对应记录外，还需将边信息表中所有关联当前节点的边进行删除。

图10a、图10b、图10c中分别示出了在目标数据链路中增加数据源(任务)节点、删除数据源(任务)节点、改变节点连接的情况。

如图10a所示，原先数据拓扑中包含4个节点，节点名称分别为A、B、C、D，节点ID分别为1、2、3、4，其中节点A、B间的边ID为1，其起始节点为1、终止节点为2，边ID为2的边的起始节点为1、终止节点为3，边ID为3的边的起始节点为3、终止节点为4。此时，在拓扑中增加了节点E，且节点D依赖节点E，因此，在节点信息表中插入节点E的信息，并为其设置节点ID为5，同时在边信息表中增加节点E、D之间的边的信息，设置边ID为4，其起始节点为5、终止节点为4。

图10b中示出在原先的数据拓扑(与图10a中原先数据拓扑相同)中删除节点C的情况，具体的是从节点信息表中删除节点C的信息，相应在边信息表中删除边2、边3的信息。

如图10c所示，原始数据拓扑为图10a中示出的增加节点E后的拓扑，此时，改变节点D与上游节点的依赖关系，具体的，节点D原先依赖节点C、E，现改为节点D依赖节点B与结点E，因此需要在节点信息表中更新节点D的信息。而由于节点D的信息变更，因此需要将原先其与节点C之间的边删除，并将其与节点E之间的边进行更新，相应的，将原先的边3、4删除，增加信息的边信息，将新增边ID设置为5、原先的边4更新为边6，边5的起始节点为2、终止节点为4；边6的起始节点为5、终止节点为4。

本公开实施例中，在任务的上下游信息发生变化时能实现数据源、任务及实例血缘信息的动态更新，保证获取到的拓扑的准确性与实时性。

通常，离线数据场景一般包含三个主要元素，即数据源、任务以及实力，而本公开实施例可以从上述三个维度进行血缘构建：对于数据源，血缘生成时节点为数据源类型，可构建数据源间的依赖关系，即某个表的上下游链路，可应用于表、字段级血缘流向及字段使用率、重复性的筛选工作。对于任务，血缘生成时节点为任务类型，可构建任务间的依赖拓扑，即某个任务依赖了哪些任务，被哪些任务所依赖，可用于任务下线限制、回溯下游通知等场景。对于实例，每个任务实例均有具体的基准时刻，可利用动态血缘进行血缘链路诊断，也可用于任务运行时诊断等场景。

数据链路运维是数据治理中关键的一环，进行链路运维时通常需要获取各数据间的关联关系，并人工对所有的数据关系进行梳理，而由于数据量的庞大，使得人工梳理数据的效率低，且面对多变的数据关联关系，不能很好的应对。而本公开实施例提供的数据拓扑生成方法，同时具备动态、多维度特性，可以支撑链路运维多维度展示需要，降低人力成本与链路运维成本。

本公开实施例还提供了一种数据拓扑生成装置，如图11所示，该装置可以包括：

血缘信息获取模块1100，用于获取目标数据链路的血缘信息；所述血缘信息包括：数据源血缘信息和任务血缘信息；

展示指令接收模块1110，用于接收数据源拓扑展示指令或任务拓扑展示指令；

拓扑信息获取模块1120，用于基于所述数据源血缘信息或任务血缘信息，获得数据源拓扑信息或任务拓扑信息；

拓扑展示模块1130，用于展示数据源拓扑信息对应的拓扑图或任务拓扑信息对应的拓扑图。

本公开实施例提供的数据拓扑生成装置，在接收到数据源拓扑展示指令或任务拓扑展示指令后，基于获取到的目标数据链路的数据源血缘信息和任务血缘信息，获得相应的数据源拓扑信息或任务拓扑信息进行展示。本公开实施例中，可以基于使用者根据不同业务需求发出的拓扑展示指获得相应的数据源或任务拓扑信息，实现了多维度拓扑信息的展示，极大提高了相关人员进行链路运维的便利性。

本公开实施例中，所述数据源血缘信息和任务血缘信息的存储结构相同，均包括：节点信息和边信息；

其中，所述数据源血缘信息中的节点信息包含：所述目标数据链路中所有数据源节点标识，边信息包含：每条数据源边的起始数据源节点标识和结束数据源节点标识；

所述任务血缘信息中的节点信息包含：所述目标数据链路中所有任务节点标识，边信息包括：每条任务边的起始任务节点标识和结束任务节点标识。

相应的，所述拓扑信息获取模块1120，具体可以用于基于所述展示指令中的第一目标数据源或第一目标任务，及第一目标出/入度和第一拓扑深度，从所述数据源血缘信息或任务血缘信息中，获得第一数据源拓扑信息或第一任务拓扑信息；

在其他实施例中，拓扑信息获取模块1120，可以具体用于以所述第一目标数据源或第一目标任务为查找起始点，按照所述第一目标出/入度和第一拓扑深度，从所述数据源血缘信息或任务血缘信息中，查找得到第一目标节点信息和第一目标边信息，作为第一数据源拓扑信息或第一任务拓扑信息。

所述拓扑展示模块1130，具体可以用于按照所述第一数据源拓扑信息或第一任务拓扑信息，生成并展示第一数据源拓扑图或第一任务拓扑图。

本公开实施例中，在接收到全局数据源拓扑展示指令或全局任务拓扑展示指令的情况下，

所述拓扑信息获取模块1120，具体用于将所述数据源血缘信息或任务血缘信息中所有节点信息和边信息作为全局数据源拓扑信息或全局任务拓扑信息；

所述拓扑展示模块1130，具体用于按照所述全局数据源拓扑信息或全局任务拓扑信息，生成并展示全局数据源拓扑图或全局任务拓扑图。

本公开实施例中，所述数据源血缘信息中的节点信息和任务血缘信息中的节点信息中，可以包括：该节点与其上游节点的时间段依赖信息；

相应的，基于图11，参见图12，所述装置，还可以包括：

动态拓扑展示指令接收模块1240，用于接收针对第二目标任务的动态实例拓扑展示指令；

目标静态拓扑获取模块1250，用于基于所述动态实例拓扑展示指令中的第二目标任务及第二目标出/入度和第二拓扑深度，从所述任务血缘信息中，获得第二任务拓扑信息，作为目标任务静态拓扑信息；

目标依赖时间段获取模块1260，用于基于所述动态实例拓扑展示指令中的基准时刻及目标任务节点信息中的时间段依赖信息，确定与基准时刻对应的目标依赖时间段；

在本公开其他实施例中，任务节点信息中的时间段依赖信息包括多个例行周期，所述例行周期包括所述任务节点与下游任务节点的依赖基准时刻差值以及依赖时长；所述例行周期采用依赖通配符表示；

这样，所述目标依赖时间段获取模块1260，可以具体用于：

基于所述动态实例拓扑展示指令中的目标基准时刻、上游节点和/或下游节点的依赖通配符，确定与所述目标基准时刻对应的目标任务节点的各上游节点和/或下游节点的目标例行周期。

实例运行状态获取模块1270，用于从已存储的实例运行数据中，获取目标依赖时间段中的各个目标实例的运行状态数据；

在其他实施例中，所述实例运行状态获取模块1270，可以具体用于：

从已存储的实例运行数据中，获取目标任务静态拓扑信息中的各个任务的各个目标实例在其目标例行周期中的运行状态；

针对所述各个任务，基于该任务中各目标实例的运行状态，生成该任务在所述目标例行周期的例行状态。

目标动态拓扑获取模块1280，用于基于所述目标任务静态拓扑信息和所述各个目标实例的运行状态数据，生成所述目标任务的目标动态实例拓扑信息；

动态拓扑展示模块1290，用于展示目标动态实例拓扑信息对应的拓扑图。

基于图11，如图13所示，上述装置还可以包括：

变更信息获取模块1340，可以用于获得所述目标数据链路的数据源和/或任务变更信息；

血缘信息更新模块1350，可以用于基于所述数据源和/或任务变更信息，更新所述数据源血缘信息和/或任务血缘信息。

可见，本公开实施例提供的数据拓扑生成装置，同时具备动态、多维度特性，可以支撑链路运维多维度展示需要。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

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14示出了可以用来实施本公开的实施例的示例电子设备1400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14所示，设备1400包括计算单元1401，其可以根据存储在只读存储器(ROM)1402中的计算机程序或者从存储单元1408加载到随机访问存储器(RAM)1403中的计算机程序，来执行各种适当的动作和处理。在RAM 1403中，还可存储设备1400操作所需的各种程序和数据。计算单元1401、ROM 1402以及RAM 1403通过总线1404彼此相连。输入/输出(I/O)接口1405也连接至总线1404。

设备1400中的多个部件连接至I/O接口1405，包括：输入单元1406，例如键盘、鼠标等；输出单元1407，例如各种类型的显示器、扬声器等；存储单元1408，例如磁盘、光盘等；以及通信单元1409，例如网卡、调制解调器、无线通信收发机等。通信单元1409允许设备1400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1401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1401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1401执行上文所描述的各个方法和处理，例如数据拓扑生成方法。例如，在一些实施例中，数据拓扑生成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1408。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1402和/或通信单元1409而被载入和/或安装到设备1400上。当计算机程序加载到RAM 1403并由计算单元1401执行时，可以执行上文描述的数据拓扑生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元1401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拓扑生成方法。

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)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。服务器可以是云服务器，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。

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 (15)

1.一种数据拓扑生成方法，包括：

获取目标数据链路的血缘信息；所述血缘信息包括：数据源血缘信息和任务血缘信息；

接收数据源拓扑展示指令或任务拓扑展示指令；

基于所述数据源血缘信息或任务血缘信息，获得数据源拓扑信息或任务拓扑信息；

展示数据源拓扑信息对应的拓扑图或任务拓扑信息对应的拓扑图；

其中，所述数据源血缘信息和任务血缘信息均包括：节点信息和边信息；

所述数据源血缘信息中的节点信息包含：所述目标数据链路中所有数据源节点标识，边信息包含：每条数据源边的起始数据源节点标识和结束数据源节点标识；

所述任务血缘信息中的节点信息包含：所述目标数据链路中所有任务节点标识，边信息包括：每条任务边的起始任务节点标识和结束任务节点标识；

所述方法，还包括：

接收针对第二目标任务的动态实例拓扑展示指令；

基于所述动态实例拓扑展示指令中的第二目标任务及第二目标出/入度和第二拓扑深度，从所述任务血缘信息中，获得第二任务拓扑信息，作为目标任务静态拓扑信息；

基于所述动态实例拓扑展示指令中的目标基准时刻及目标任务节点信息中的时间段依赖信息，确定与所述目标基准时刻对应的目标依赖时间段；

从已存储的实例运行数据中，获取目标依赖时间段中的各个目标实例的运行状态数据；

基于所述目标任务静态拓扑信息和所述各个目标实例的运行状态数据，生成所述目标任务的目标动态实例拓扑信息；

展示目标动态实例拓扑信息对应的拓扑图。

2.根据权利要求1所述的方法，其中，

所述基于所述数据源血缘信息或任务血缘信息，获得数据源拓扑信息或任务拓扑信息的步骤，包括：

基于所述展示指令中的第一目标数据源或第一目标任务，及第一目标出/入度和第一拓扑深度，从所述数据源血缘信息或任务血缘信息中，获得第一数据源拓扑信息或第一任务拓扑信息；

所述展示数据源拓扑信息对应的拓扑图或任务拓扑信息对应的拓扑图的步骤，包括：

按照所述第一数据源拓扑信息或第一任务拓扑信息，生成并展示第一数据源拓扑图或第一任务拓扑图。

3.根据权利要求2所述的方法，其中，

所述基于所述展示指令中的第一目标数据源或第一目标任务，及第一目标出/入度和第一拓扑深度，从所述数据源血缘信息或任务血缘信息中，获得第一数据源拓扑信息或第一任务拓扑信息的步骤，包括：

以所述第一目标数据源或第一目标任务为查找起始点，按照所述第一目标出/入度和第一拓扑深度，从所述数据源血缘信息或任务血缘信息中，查找得到第一目标节点信息和第一目标边信息，作为第一数据源拓扑信息或第一任务拓扑信息。

4.根据权利要求1所述的方法，其中，

在接收到全局数据源拓扑展示指令或全局任务拓扑展示指令的情况下，所述基于所述数据源血缘信息或任务血缘信息，获得数据源拓扑信息或任务拓扑信息的步骤，包括：

将所述数据源血缘信息或任务血缘信息中所有节点信息和边信息作为全局数据源拓扑信息或全局任务拓扑信息；

所述展示数据源拓扑信息对应的拓扑图或任务拓扑信息对应的拓扑图的步骤，包括：

按照所述全局数据源拓扑信息或全局任务拓扑信息，生成并展示全局数据源拓扑图或全局任务拓扑图。

5.根据权利要求1所述的方法，其中，

任务节点信息中的时间段依赖信息包括多个例行周期，所述例行周期包括所述任务节点与上游任务节点的依赖基准时刻差值以及依赖时长；所述例行周期采用依赖通配符表示；

所述基于所述动态实例拓扑展示指令中的目标基准时刻及目标任务节点信息中的时间段依赖信息，确定与所述目标基准时刻对应的目标依赖时间段的步骤，包括：

基于所述动态实例拓扑展示指令中的目标基准时刻、上游节点和/或下游节点的依赖通配符，确定与所述目标基准时刻对应的目标任务节点的各上游节点和/或下游节点的目标例行周期。

6.根据权利要求5所述的方法，其中，

所述从已存储的实例运行数据中，获取目标依赖时间段中的各个目标实例的运行状态数据的步骤，包括：

从已存储的实例运行数据中，获取目标任务静态拓扑信息中的各个任务的各个目标实例在其目标例行周期中的的运行状态；

针对所述各个任务，基于该任务中各目标实例的运行状态，生成该任务在所述目标例行周期的例行状态。

7.根据权利要求1所述的方法，所述方法还包括：

获得所述目标数据链路的数据源和/或任务变更信息；

基于所述数据源和/或任务变更信息，更新所述数据源血缘信息和/或任务血缘信息。

8.一种数据拓扑生成装置，包括：

血缘信息获取模块，用于获取目标数据链路的血缘信息；所述血缘信息包括：数据源血缘信息和任务血缘信息；

展示指令接收模块，用于接收数据源拓扑展示指令或任务拓扑展示指令；

拓扑信息获取模块，用于基于所述数据源血缘信息或任务血缘信息，获得数据源拓扑信息或任务拓扑信息；

拓扑展示模块，用于展示数据源拓扑信息对应的拓扑图或任务拓扑信息对应的拓扑图；

其中，所述数据源血缘信息和任务血缘信息均包括：节点信息和边信息；

所述数据源血缘信息中的节点信息包含：所述目标数据链路中所有数据源节点标识，边信息包含：每条数据源边的起始数据源节点标识和结束数据源节点标识；

所述任务血缘信息中的节点信息包含：所述目标数据链路中所有任务节点标识，边信息包括：每条任务边的起始任务节点标识和结束任务节点标识；

所述装置，还包括：

动态拓扑展示指令接收模块，用于接收针对第二目标任务的动态实例拓扑展示指令；

目标静态拓扑获取模块，用于基于所述动态实例拓扑展示指令中的第二目标任务及第二目标出/入度和第二拓扑深度，从所述任务血缘信息中，获得第二任务拓扑信息，作为目标任务静态拓扑信息；

目标依赖时间段获取模块，用于基于所述动态实例拓扑展示指令中的基准时刻及目标任务节点信息中的时间段依赖信息，确定与基准时刻对应的目标依赖时间段；

实例运行状态获取模块，用于从已存储的实例运行数据中，获取目标依赖时间段中的各个目标实例的运行状态数据；

目标动态拓扑获取模块，用于基于所述目标任务静态拓扑信息和所述各个目标实例的运行状态数据，生成所述目标任务的目标动态实例拓扑信息；

动态拓扑展示模块，用于展示目标动态实例拓扑信息对应的拓扑图。

9.根据权利要求8所述的装置，其中，

所述拓扑信息获取模块，具体用于基于所述展示指令中的第一目标数据源或第一目标任务，及第一目标出/入度和第一拓扑深度，从所述数据源血缘信息或任务血缘信息中，获得第一数据源拓扑信息或第一任务拓扑信息；

所述拓扑展示模块，具体用于按照所述第一数据源拓扑信息或第一任务拓扑信息，生成并展示第一数据源拓扑图或第一任务拓扑图。

10.根据权利要求8所述的装置，其中，

在接收到全局数据源拓扑展示指令或全局任务拓扑展示指令的情况下，

所述拓扑信息获取模块，具体用于将所述数据源血缘信息或任务血缘信息中所有节点信息和边信息作为全局数据源拓扑信息或全局任务拓扑信息；

所述拓扑展示模块，具体用于按照所述全局数据源拓扑信息或全局任务拓扑信息，生成并展示全局数据源拓扑图或全局任务拓扑图。

11.根据权利要求8所述的装置，其中，

任务节点信息中的时间段依赖信息包括多个例行周期，所述例行周期包括所述任务节点与上游任务节点的依赖基准时刻差值以及依赖时长；所述例行周期采用依赖通配符表示；

所述目标依赖时间段获取模块，具体用于：

基于所述动态实例拓扑展示指令中的目标基准时刻、上游节点和/或下游节点的依赖通配符，确定与所述目标基准时刻对应的目标任务节点的各上游节点和/或下游节点的目标例行周期。

12.根据权利要求11所述的装置，其中，

所述实例运行状态获取模块，具体用于：

从已存储的实例运行数据中，获取目标任务静态拓扑信息中的各个任务的各个目标实例在其目标例行周期中的的运行状态；

针对所述各个任务，基于该任务中各目标实例的运行状态，生成该任务在所述目标例行周期的例行状态。

13.根据权利要求8所述的装置，其中，

所述装置还包括：

变更信息获取模块，用于获得所述目标数据链路的数据源和/或任务变更信息；

血缘信息更新模块，用于基于所述数据源和/或任务变更信息，更新所述数据源血缘信息和/或任务血缘信息。

14.一种电子设备，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1-7中任一项所述的方法。

15.一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1-7中任一项所述的方法。