CN113760568A - 数据处理的方法和装置 - Google Patents

Abstract

本发明公开了数据处理的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取会话窗口的对象数据，所述对象数据包括：会话标识和对象标识；判断所述对象标识是否存在于与所述会话标识对应的窗口对象集中；若存在，则不对所述对象数据进行加工处理；否则，对所述对象数据进行加工处理。该实施方式通过仅在对象数据的对象标识不存在于的窗口对象集中时才对对象数据进行加工处理，能够实现只有会话窗口中有新的元素时才进行计算处理，大大降低数据处理量，便于用户查看实时数据。

Description

数据处理的方法和装置

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的方法和装置。

背景技术

目前网络平台大多只提供离线数据的指标查询。业务方对实时数据有强烈的需求，只有离线数据，没有实时数据，对数据查看的及时性差，无法满足业务方查看实时数据的诉求。

发明内容

有鉴于此，本发明实施例提供一种数据处理的方法和装置，通过仅在对象数据的对象标识不存在于的窗口对象集中时才对对象数据进行加工处理，能够实现只有会话窗口中有新的元素时才进行计算处理，大大降低数据处理量，便于用户查看实时数据。

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的方法，包括：

获取会话窗口的对象数据，所述对象数据包括：会话标识和对象标识；判断所述对象标识是否存在于与所述会话标识对应的窗口对象集中；若存在，则不对所述对象数据进行加工处理；否则，对所述对象数据进行加工处理。

可选地，所述窗口对象集采用HashMap的形式存储，所述HashMap的键key为所述会话标识，所述HashMap的值value为所述会话窗口包含的各个窗口对象的对象标识。

可选地，所述对象标识为对象数据的哈希值。

可选地，获取会话窗口的对象数据之前，还包括：采用Kafka保存采集到的会话窗口的对象数据；

获取会话窗口的对象数据，包括：周期性地消费所述Kafka中的消息，得到所述会话窗口的对象数据。

可选地，采用Kafka保存采集到的会话窗口的对象数据之前，还包括：清理所述对象数据中的冗余字段，和/或，统一所述对象数据中的字段名称。

可选地，对所述对象数据进行加工处理之后，还包括：将加工处理后的结果数据写入到Doris。

可选地，将加工处理后的结果数据写入到Doris，包括：

确认所述结果数据的数据量大于设定数据量阈值，和/或，确认所述结果数据的产生时间大于设定时间阈值。

根据本发明实施例的再一个方面，提供一种数据处理的装置，包括：

获取模块，获取会话窗口的对象数据，所述对象数据包括：会话标识和对象标识；

判断模块，判断所述对象标识是否存在于与所述会话标识对应的窗口对象集中；

加工模块，当所述对象标识存在于与所述会话标识对应的窗口对象集中时，不对所述对象数据进行加工处理；当所述对象标识不存在于与所述会话标识对应的窗口对象集中时，对所述对象数据进行加工处理。

可选地，所述窗口对象集采用HashMap的形式存储，所述HashMap的键key为所述会话标识，所述HashMap的值value为所述会话窗口包含的各个窗口对象的对象标识。

可选地，所述对象标识为对象数据的哈希值。

可选地，所述获取模块还用于：在获取会话窗口的对象数据之前，采用Kafka保存采集到的会话窗口的对象数据；

获取会话窗口的对象数据，包括：周期性地消费所述Kafka中的消息，得到所述会话窗口的对象数据。

可选地，所述获取模块还用于：在采用Kafka保存采集到的会话窗口的对象数据之前，清理所述对象数据中的冗余字段，和/或，统一所述对象数据中的字段名称。

可选地，所述加工模块还用于：在对所述对象数据进行加工处理之后，将加工处理后的结果数据写入到Doris。

可选地，所述加工模块将加工处理后的结果数据写入到Doris，包括：确认所述结果数据的数据量大于设定数据量阈值，和/或，确认所述结果数据的产生时间大于设定时间阈值。

根据本发明实施例的另一个方面，提供了一种数据处理的电子设备，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提供的数据处理的方法。

根据本发明实施例的还一个方面，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提供的数据处理的方法。

上述发明中的一个实施例具有如下优点或有益效果：通过仅在对象数据的对象标识不存在于的窗口对象集中时才对对象数据进行加工处理，能够实现只有会话窗口中有新的元素时才进行计算处理，大大降低数据处理量，便于用户查看实时数据。

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是适于应用于本发明实施例的数据处理的方法或数据处理的装置的示例性系统架构图；

图2是本发明实施例的数据处理的方法的主要流程的示意图；

图3是本发明可选实施例中数据处理的架构示意图；

图4是本发明可选实施例中数据处理的流程示意图；

图5是本发明实施例的数据处理的装置的主要模块的示意图；

图6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示出了适于应用于本发明实施例的数据处理的方法或数据处理的装置的示例性系统架构图，如图1所示，本发明实施例的数据处理的方法或数据处理的装置的示例性系统架构包括：

如图1所示，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所浏览的购物类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--仅为示例)反馈给终端设备101、102、103。

需要说明的是，本发明实施例所提供的数据处理的方法一般由服务器105执行，相应地，数据处理的装置一般设置于服务器105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。

图2是根据本发明实施例的数据处理的方法的主要流程的示意图，如图2所示，数据处理的方法包括步骤S201、步骤S202和步骤S203。

步骤S201、获取会话窗口的对象数据，所述对象数据包括：会话标识和对象标识。

会话是指一个终端用户与交互系统进行通讯的过程，比如从输入账户密码进入操作系统到退出操作系统就是一个会话过程。会话标识用于唯一表示一个会话，例如会话的UUID(Universally Unique Identifier，通用唯一识别码)。每个会话的窗口时长可以根据实际情况进行选择性设定，例如10分钟、30分钟。

一个会话中往往涉及多个数据对象，对象相关的数据称为对象数据。对象标识用于唯一表示一条对象数据。可选地，对象标识为对象数据的哈希值。

步骤S202、判断所述对象标识是否存在于与所述会话标识对应的窗口对象集中。若存在，则跳转至步骤S203，不对所述对象数据进行加工处理；否则，跳转至步骤S204，对所述对象数据进行加工处理。

此处提及的加工处理，是指根据采集的数据加工处理得到结果数据。加工处理的计算逻辑可以根据实际情况进行选择性设定，例如，计算如下指标：页面访问停留时长、会话是否首次页面请求标志、会话是否是最后页面请求标志、会话的访问深度。

本发明通过仅在对象数据的对象标识不存在于的窗口对象集中时才对对象数据进行加工处理，能够实现只有会话窗口中有新的元素时才进行计算处理，大大降低数据处理量，便于用户查看实时数据。

可选地，窗口对象集采用HashMap(一种基于Key-Value的数据结构)的形式存储，HashMap的键key为会话标识，HashMap的值value为会话窗口包含的各个窗口对象的对象标识。采用HashMap的形式存储，便于查询，性能稳定。

可选地，获取会话窗口的对象数据之前，还包括：采用Kafka(一种分布式发布订阅消息系统，它可以处理用户在网站中的动作流数据)保存采集到的会话窗口的对象数据。采用Kafka保存采集到的会话窗口的对象数据，能够实现数据采集和处理的分布式执行。获取会话窗口的对象数据可以包括：周期性地消费所述Kafka中的消息，得到所述会话窗口的对象数据。例如，为了提高数据的及时性，可以每隔两分钟触发触发器，进行计算。

采用Kafka保存采集到的会话窗口的对象数据之前，还可以包括：清理所述对象数据中的冗余字段，和/或，统一所述对象数据中的字段名称。通过清理对象数据中的冗余字段，能够去除对象数据中的脏数据，便于后续加工处理。通过统一对象数据中的字段名称，也便于后续加工处理。

对所述对象数据进行加工处理之后，还可以包括：将加工处理后的结果数据写入到Doris(一种在线分析处理数据存储计算引擎)。为了保证整个流程的数据有且只消费一次继承GenericWriteAheadSink类，先将checkpointId存储到Redis中，当写入到Doris成功后，再完成整个checkpoint。同时Doris的模型表可以用unique key模型来存储数据。由于存储的宽表明细数据，所以可以支持各种维度组合聚合查询，便于从各种视角来分析数据。

可选地，将加工处理后的结果数据写入到Doris，包括：确认所述结果数据的数据量大于设定数据量阈值，和/或，确认所述结果数据的产生时间大于设定时间阈值。例如，当数据超过80M或者间隔时间超过1分钟才写入Doris。通过设定数量阈值和时间阈值，能够减少Doris写入次数，降低对Doris性能的影响。为了防止某个机器故障或者慢，可以采用轮询机器IP的方法重试，以便及时发现和定位。

本发明实施例的数据处理方法能为用户提供实时数据，便于用户实时查看流量的实时数据状况，为用户快速决策运营提供支撑。

图3是本发明可选实施例中数据处理的架构示意图。如图3所示。点击流(ClickStream)是指用户在网站上持续访问的轨迹。本实施例首先根据点击流采集日志数据，然后通过发送代理对日志数据进行预处理，包括清理冗余字段、统一字段名称等，输出统一且规范的明细数据并发送到Kafka。Flink解析Kafka的明细数据，将数据加工成宽表存储到Doris中，基于Doris引擎，开发系统页面进行实时数据展示。图4是本发明可选实施例中数据处理的流程示意图。本实施例中，通过Flink session window来加工对象数据，加工时根据会话标识进行分组(图4中的group by sessionid)。每隔N秒(图4中的trigger computerevery N seconds)或者会话结束时(图4中的trigger computer when windows end)进行加工处理。加工处理的计算指标包括：页面访问停留时长、本次会话是否首次页面请求标志、本次会话是否是最后页面请求标志以及本次会话的访问深度。自定义计算逻辑，只有窗口中产生新的元素时才进行加工计算，通过这项优化，计算次数减少了80％多。具体实现为：设计固定大小(MaxSize)的HashMap存储窗口中的对象，key为会话session的uuid，值为HashSet，HashSet中存储了会话窗口中MaxSize个元素的hashCode值，窗口计算的时候，先查询HashMap中key为uuid的HashSet中是否包含该元素的hashCode。如果包含，则不是新元素，不参加本次窗口计算；如果不包含，则是新元素，参加本次加工计算。

自定义实现sink(一种操作方式，可以用来处理计算结果，例如控制台输出或者保存数据库)将数据写入到Doris，能够确保Exactly Once语义。为了保证整个流程的数据有且只消费一次，继承GenericWriteAheadSink类，先将checkpointId存储到Redis(RemoteDictionary Server，即远程字典服务，是一个Key-Value数据库)中，当写入到Doris成功后，再完成整个checkpoint。同时Doris的模型表用unique key模型(图4中的UNIQUE KEYdata model)来存储数据。

图4中的Checkpoint是一个内部事件，这个事件激活以后会触发数据库写进程(DBWR)将数据缓冲(DATABUFFER CACHE)中的脏数据块写出到数据文件中。

根据本发明实施例的再一个方面，提供一种实现上述方法的装置。

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

获取模块501，获取会话窗口的对象数据，所述对象数据包括：会话标识和对象标识；

判断模块502，判断所述对象标识是否存在于与所述会话标识对应的窗口对象集中；

加工模块503，当所述对象标识存在于与所述会话标识对应的窗口对象集中时，不对所述对象数据进行加工处理；当所述对象标识不存在于与所述会话标识对应的窗口对象集中时，对所述对象数据进行加工处理。

可选地，所述窗口对象集采用HashMap的形式存储，所述HashMap的键key为所述会话标识，所述HashMap的值value为所述会话窗口包含的各个窗口对象的对象标识。

可选地，所述对象标识为对象数据的哈希值。

可选地，所述获取模块还用于：在获取会话窗口的对象数据之前，采用Kafka保存采集到的会话窗口的对象数据；

获取会话窗口的对象数据，包括：周期性地消费所述Kafka中的消息，得到所述会话窗口的对象数据。

可选地，所述获取模块还用于：在采用Kafka保存采集到的会话窗口的对象数据之前，清理所述对象数据中的冗余字段，和/或，统一所述对象数据中的字段名称。

可选地，所述加工模块还用于：在对所述对象数据进行加工处理之后，将加工处理后的结果数据写入到Doris。

可选地，所述加工模块将加工处理后的结果数据写入到Doris，包括：确认所述结果数据的数据量大于设定数据量阈值，和/或，确认所述结果数据的产生时间大于设定时间阈值。

图6是适于用来实现本发明实施例的终端设备的计算机系统的结构示意图，如图6所示，本发明实施例的终端设备的计算机系统600包括：

包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM603中，还存储有系统600操作所需的各种程序和数据。CPU601、ROM602以及RAM603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。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；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607；包括硬盘等的存储部分608；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609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，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610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608。

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609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601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：一种处理器包括获取模块、判断模块和加工模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“对所述对象数据进行加工处理的模块”。

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：获取会话窗口的对象数据，所述对象数据包括：会话标识和对象标识；判断所述对象标识是否存在于与所述会话标识对应的窗口对象集中；若存在，则不对所述对象数据进行加工处理；否则，对所述对象数据进行加工处理。

根据本发明实施例的技术方案，通过仅在对象数据的对象标识不存在于的窗口对象集中时才对对象数据进行加工处理，能够实现只有会话窗口中有新的元素时才进行计算处理，大大降低数据处理量，便于用户查看实时数据。

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 (10)

1.一种数据处理的方法，其特征在于，包括：

获取会话窗口的对象数据，所述对象数据包括：会话标识和对象标识；

判断所述对象标识是否存在于与所述会话标识对应的窗口对象集中；

若存在，则不对所述对象数据进行加工处理；否则，对所述对象数据进行加工处理。

2.如权利要求1所述的方法，其特征在于，所述窗口对象集采用HashMap的形式存储，所述HashMap的键key为所述会话标识，所述HashMap的值value为所述会话窗口包含的各个窗口对象的对象标识。

3.如权利要求2所述的方法，其特征在于，所述对象标识为对象数据的哈希值。

4.如权利要求1所述的方法，其特征在于，获取会话窗口的对象数据之前，还包括：采用Kafka保存采集到的会话窗口的对象数据；

获取会话窗口的对象数据，包括：周期性地消费所述Kafka中的消息，得到所述会话窗口的对象数据。

5.如权利要求4所述的方法，其特征在于，采用Kafka保存采集到的会话窗口的对象数据之前，还包括：清理所述对象数据中的冗余字段，和/或，统一所述对象数据中的字段名称。

6.如权利要求1所述的方法，其特征在于，对所述对象数据进行加工处理之后，还包括：将加工处理后的结果数据写入到Doris。

7.如权利要求6所述的方法，其特征在于，将加工处理后的结果数据写入到Doris，包括：

确认所述结果数据的数据量大于设定数据量阈值，和/或，确认所述结果数据的产生时间大于设定时间阈值。

8.一种数据处理的装置，其特征在于，包括：

获取模块，获取会话窗口的对象数据，所述对象数据包括：会话标识和对象标识；

判断模块，判断所述对象标识是否存在于与所述会话标识对应的窗口对象集中；

加工模块，当所述对象标识存在于与所述会话标识对应的窗口对象集中时，不对所述对象数据进行加工处理；当所述对象标识不存在于与所述会话标识对应的窗口对象集中时，对所述对象数据进行加工处理。

9.一种数据处理的电子设备，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1-7中任一所述的方法。

10.一种计算机可读介质，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1-7中任一所述的方法。

Images