CN113778978A - 一种大数据质量管控方法和装置 - Google Patents
一种大数据质量管控方法和装置 Download PDFInfo
- Publication number
- CN113778978A CN113778978A CN202011314400.1A CN202011314400A CN113778978A CN 113778978 A CN113778978 A CN 113778978A CN 202011314400 A CN202011314400 A CN 202011314400A CN 113778978 A CN113778978 A CN 113778978A
- Authority
- CN
- China
- Prior art keywords
- data
- version
- metadata corresponding
- metadata
- quality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003908 quality control method Methods 0.000 title claims abstract description 37
- 238000003860 storage Methods 0.000 claims abstract description 106
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims description 29
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005096 rolling process Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 18
- 238000010586 diagram Methods 0.000 description 19
- 238000007726 management method Methods 0.000 description 15
- 238000004519 manufacturing process Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000013499 data model Methods 0.000 description 6
- 238000007689 inspection Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003070 Statistical process control Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/219—Managing data history or versioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种大数据质量管控方法和装置，涉及大数据技术领域。该方法的一具体实施方式包括：接收各个版本的数据；对所述各个版本的数据进行质量监控，并根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储；其中，所述元数据用于指向所述数据的存储路径；将所述数据传输至数据使用系统。该实施方式能够解决难以监控数据流转的全过程和定位问题数据的技术问题。
Description
技术领域
本发明涉及大数据技术领域，尤其涉及一种大数据质量管控方法和装置。
背景技术
大数据在存储、处理、集成传输这三类平台和工具中流转，形成一个复杂的网状关系，由于平台和工具的跨团队维护，要对数据流转的全过程进行监控难度极大。由于大数据存储源众多，生产处理的平台工具频繁升级换代，导致数据结构各异，不同的数据源之间、相同的数据源之间都可能存在着冲突、不一致或相互矛盾的现象，再加上数据收集与集成往往由多个团队协作完成，增大了数据流转过程中产生问题数据的概率。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
一方面，数据在各个平台和工具中结构各异，较难形成一个统一的管理和监控的粒度，而且对数据流转的全过程进行监控难度极大；另一方面，数据流转过程中产生问题的数据概率较大，数据质量监控往往全部放在数据使用环节，由数据使用方检查数据质量，由于数据源众多，造成定位问题的时间成本极高。
发明内容
有鉴于此，本发明实施例提供一种大数据质量管控方法和装置，以解决难以监控数据流转的全过程和定位问题数据的技术问题。
为实现上述目的，根据本发明实施例的一个方面，提供了一种大数据质量管控方法，包括：
接收各个版本的数据；
对所述各个版本的数据进行质量监控，并根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储；其中，所述元数据用于指向所述数据的存储路径；
将所述数据传输至数据使用系统。
可选地，对所述各个版本的数据进行质量监控，并根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储，包括：
对所述各个版本的数据进行质量监控；若所述数据满足质量要求，则根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储，若所述数据不满足质量要求，则结束；或者，
根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储；然后对所述各个版本的数据进行质量监控，若所述数据满足质量要求，则结束，若所述数据不满足质量要求，则对所述数据进行回滚。
可选地，根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储，包括：
将所述各个版本的数据存储到云存储服务平台；
根据所述各个版本的数据在所述云存储服务平台的存储路径生成所述各个版本的数据对应的元数据；
将所述各个版本的数据对应的元数据存储到版本控制工具。
可选地，接收各个版本的数据，包括：
接收各个版本的数据以及所述各个版本的数据对应的数据信息；其中，所述数据信息包括以下至少一种：数据格式、数据类型和摘要值；
根据所述各个版本的数据在所述云存储服务平台的存储路径生成所述各个版本的数据对应的元数据，包括：
根据所述各个版本的数据对应的数据信息以及在所述云存储服务平台的存储路径，生成所述各个版本的数据对应的元数据；其中，所述元数据用于指向所述数据的存储路径和数据信息。
可选地，将所述各个版本的数据存储到云存储服务平台，将所述各个版本的数据对应的元数据存储到版本控制工具，包括：
将最新的N个版本的数据存储到云存储服务平台，并将所述最新的N个版本的数据对应的元数据存储到版本控制工具；其中，N为正整数。
可选地，将所述数据传输至数据使用系统，包括：
每隔预设时间周期，将所述数据传输至数据使用系统；或者，
若所述云存储服务平台的存储容量达到预设容量阈值，则将所述数据传输至数据使用系统。
可选地，将所述数据传输至数据使用系统之后，还包括：
接收所述数据使用系统返回的所述数据的使用情况；
根据所述数据的使用情况，确定是否删除所述数据以及所述数据对应的元数据。
可选地，将所述数据传输至数据使用系统之后，还包括：
接收所述数据使用系统返回的所述数据的使用情况；
将所述数据的使用情况发送至数据源和/或数据加工平台，以使所述数据源和/或所述数据加工平台根据所述数据的使用情况，确定是否发送所述数据以及所述数据对应的数据信息。
另外，根据本发明实施例的另一个方面，提供了一种大数据质量管控装置，包括：
接收模块，用于接收各个版本的数据；
存储模块，用于对所述各个版本的数据进行质量监控，并根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储；其中，所述元数据用于指向所述数据的存储路径；
传输模块，用于将所述数据传输至数据使用系统。
可选地，所述存储模块还用于：
对所述各个版本的数据进行质量监控；若所述数据满足质量要求，则根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储，若所述数据不满足质量要求，则结束；或者，
根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储；然后对所述各个版本的数据进行质量监控，若所述数据满足质量要求，则结束，若所述数据不满足质量要求，则对所述数据进行回滚。
可选地，所述存储模块还用于：
将所述各个版本的数据存储到云存储服务平台；
根据所述各个版本的数据在所述云存储服务平台的存储路径生成所述各个版本的数据对应的元数据；
将所述各个版本的数据对应的元数据存储到版本控制工具。
可选地，所述接收模块还用于：
接收各个版本的数据以及所述各个版本的数据对应的数据信息；其中，所述数据信息包括以下至少一种：数据格式、数据类型和摘要值；
所述存储模块还用于：
根据所述各个版本的数据对应的数据信息以及在所述云存储服务平台的存储路径，生成所述各个版本的数据对应的元数据；其中，所述元数据用于指向所述数据的存储路径和数据信息。
可选地，所述存储模块还用于：
将最新的N个版本的数据存储到云存储服务平台，并将所述最新的N个版本的数据对应的元数据存储到版本控制工具；其中，N为正整数。
可选地，所述传输模块还用于：
每隔预设时间周期，将所述数据传输至数据使用系统；或者，
若所述云存储服务平台的存储容量达到预设容量阈值，则将所述数据传输至数据使用系统。
可选地，所述传输模块还用于：
将所述数据传输至数据使用系统之后，接收所述数据使用系统返回的所述数据的使用情况；
根据所述数据的使用情况，确定是否删除所述数据以及所述数据对应的元数据。
可选地，所述传输模块还用于：
将所述数据传输至数据使用系统之后，接收所述数据使用系统返回的所述数据的使用情况；
将所述数据的使用情况发送至数据源和/或数据加工平台，以使所述数据源和/或所述数据加工平台根据所述数据的使用情况，确定是否发送所述数据以及所述数据对应的数据信息。
根据本发明实施例的另一个方面，还提供了一种电子设备，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时，所述一个或多个处理器实现上述任一实施例所述的方法。
根据本发明实施例的另一个方面，还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上述任一实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果：因为采用对各个版本的数据进行质量监控，并根据各个版本的数据生成各个版本的数据对应的元数据，从而对各个版本的数据及其对应的元数据进行分离存储的技术手段，所以克服了现有技术中难以监控数据流转的全过程和定位问题数据的技术问题。本发明实施例通过对各个版本的数据及其对应的元数据进行分离存储，不但方便监控数据质量，一旦发现数据存在问题时，还能够快速定位出问题数据；而且将数据质量检查前置到数据生产处理环节，降低了定位问题数据的难度。
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是根据本发明实施例的大数据质量管控方法的主要流程的示意图；
图2是根据本发明实施例的大数据质量管控系统的示意图；
图3是根据本发明实施例的数据和元数据分离存储的示意图；
图4是根据本发明一个可参考实施例的大数据质量管控方法的主要流程的示意图；
图5是根据本发明另一个可参考实施例的大数据质量管控方法的主要流程的示意图；
图6是根据本发明实施例的数据模型在生产、分发和使用的联动示意图；
图7是根据本发明实施例的数据模型在不同环境里联动的示意图；
图8是根据本发明实施例的大数据质量管控装置的主要模块的示意图；
图9是本发明实施例可以应用于其中的示例性系统架构图；
图10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是根据本发明实施例的大数据质量管控方法的主要流程的示意图。作为本发明的一个实施例，如图1所示，所述大数据质量管控方法可以包括：
步骤101，接收各个版本的数据。
图2是根据本发明实施例的大数据质量管控系统的示意图，如图2所示，本发明实施例提供的大数据质量管控平台接收各个数据源发送的各个版本的数据，也可以接收各个数据加工平台发送的各个版本的数据。大数据一般存储在分布式存储系统中(比如HDFS)，有一部分也存储在关系型数据库中(比如Oracle)，以及临时存储在消息流里(比如Kafka等)。大数据处理的平台和工具主要包括：Hive、Pig、Map Reduce、Spark、甚至一些Shell等脚本编写的工具。大数据集成传输工具一般是基于传输协议(比如FTP、比特流、SCP)，使用脚本语言二次开发分发工具。大数据在存储、处理、集成传输这三类平台和工具中流转，形成一个复杂的网状关系。
在本发明的实施例中，如图2所示，数据源可以直接将待使用的数据发送至大数据质量管控平台，也可以由数据加工平台从数据源中获取待加工的数据，经过数据加工平台的加工处理之后，将数据发送给大数据质量管控平台。按照生产时间的不同，可以生成不同版本的数据，各个版本的数据之间存在差异。
可选地，步骤101可以包括：接收各个版本的数据以及所述各个版本的数据对应的数据信息；其中，所述数据信息包括以下至少一种：数据格式、数据类型和摘要值。为了方便对接收到的各个版本的数据进行管理和监控，数据源和/或数据加工平台不但发送数据，还发送该数据对应的数据信息，比如数据格式、数据类型或者摘要值(比如MD5)等。在本发明的实施例中，所述数据类型可以是模型文件、特征文件或者索引文件等，不同类型的数据具有不同的用途。
步骤102，对所述各个版本的数据进行质量监控，并根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储。
大数据质量管控平台接收到各个版本的数据之后，对接收到的各个版本的数据分别进行质量监控，并根据所述各个版本的数据生成对应的元数据，然后对所述各个版本的数据及其对应的元数据进行分离存储。其中，所述元数据用于指向所述数据的存储路径。因此，本发明实施例能够对各个版本的数据进行统一地存储、版本管理和质量监控。由于本发明实施例将数据和元数据进行分离存储，因此能够控制数据和元数据的版本，但是不记录数据本身不同版本之间内容的变化，这样可以减少数据拷贝时候无效资源消耗。
在对数据进行质量监控之前，可以预先定义数据单元和数据质量，从而便于对数据进行管理和质量监理。
数据质量的定义包括三部分组成：数据质量的管理维度、数据质量的指标、数据质量的目标(或者称为阈值)。数据单元是数据质量的管理维度，可以按照一定的规则将若干个数据定义为一个数据单元，在数据单元的管理维度上定义数据质量。一个数据单元可以是数据的一个类型，即数据类型相同的数据组成一个数据单元，一个数据单元也可以是多个数据单元的集合(即一个项目)，即同一个项目中的数据组成一个数据单元。
有了数据质量的管理维度，就可以定义量化、程序化地识别数据质量的指标来衡量数据质量。通过量化指标，才可能了解到当前数据的质量，以及采取修正措施之后数据质量的改进程度。可选地，数据质量的指标可以包括：准确性、完整性、实效性、唯一性、有效性和一致性等。其中，完整性可以通过记录数和唯一值来衡量。一致性检验主要是检验数据和数据定义是否一致，因此可以通过合规记录的比率来衡量。准确性可能存在于个别记录，也可能存在于整个数据集上；准确性和一致性的差别在于一致性关注合规，表示统一，而准确性关注数据错误。可选地，可以采用SPC(Statistical Process Control，统计过程控制)对数据进行质量监控，SPC是一种借助数理统计方法的过程控制工具，它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。
定义了维度、指标之后，就可以根据质量管理的目标，来设置阈值。当数据质量指标触发阈值，可以根据业务需要采取不同的策略，比如：拒绝将数据存储到大数据质量管控平台、回滚存储到大数据质量管控平台前的数据或者告警通知数据负责人等。
可选地，步骤102可以包括：对所述各个版本的数据进行质量监控；若所述数据满足质量要求，则根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储，若所述数据不满足质量要求，则结束。在本发明的一些实施例中，可以先对数据进行质量监控，然后对满足质量要求的数据及其对应的元数据进行分离存储。如果数据不满足质量要求，则拒绝将数据及其对应的元数据存储到大数据质量管控平台。
可选地，步骤102可以包括：根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储；然后对所述各个版本的数据进行质量监控，若所述数据满足质量要求，则结束，若所述数据不满足质量要求，则对所述数据进行回滚。在本发明的一些实施例中，可以先将数据及其对应的元数据存储到大数据质量管控平台，然后再对数据进行质量监控，如果数据不满足质量要求，则回滚存储到大数据质量管控平台前的数据。
可选地，根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储，包括：将所述各个版本的数据存储到云存储服务平台；根据所述各个版本的数据在所述云存储服务平台的存储路径生成所述各个版本的数据对应的元数据；将所述各个版本的数据对应的元数据存储到版本控制工具。如图3所示，本发明实施例对数据及其对应的元数据进行分离存储，数据本身由于容量很大，因此以云存储形式存储，元数据则直接存入版本控制工具(比如GIT)，本发明实施例能够控制数据和元数据的版本，但是不记录数据本身不同版本之间内容的变化，这样可以减少数据拷贝时候无效资源消耗。
版本控制工具如GIT等，管理对象是B、KB级别的文件，这些工具不仅关注存档文件是否发生改变，更关注不同版本存档文件内容的差异。为了实现这些目标，工具在设计和实现上，保存所有版本内容的变化，且每次clone操作、pull操作都会把这些变化的内容进行拷贝。但是，当面对GB、TB量级的大文件时，拷贝大数据文件所有变化内容的操作，因为容量太大，很可能花费天级别的时间，不适用作为大数据版本控制，因此本发明实施例对数据和元数据进行分离存储。不仅如此，对数据和元数据进行分离存储还可以提高数据的读写速度，尤其适用于大数据场景下的数据读写操作。
元数据是描述数据的数据，面对GB、TB量级别的大数据，纷繁种类和结构，只有通过元数据来描述这些数据，海量的数据才可以被理解、管理和使用，才会产生价值。元素据容量一般在B、KB级别，这些量级，跟代码文件基本一致，因此可以使用版本控制工具进行版本控制。数据本身可以存放分布式的云存储服务平台上，例如CFS、HFS等。元数据里存放指向数据实际存储的云服务IP地址和文件路径。需要指出的是，元数据可以指向数据文件(Files)的存储路径，也可以指向数据文件的目标(Dirs)的存储路径，还可以指向数据文件的链接(Links)的存储路径。
可选地，根据所述各个版本的数据在所述云存储服务平台的存储路径生成所述各个版本的数据对应的元数据，包括：根据所述各个版本的数据对应的数据信息以及在所述云存储服务平台的存储路径，生成所述各个版本的数据对应的元数据；其中，所述元数据用于指向所述数据的存储路径和数据信息。在本发明的另一些实施例中，如果数据源和/或数据加工平台不但发送数据，还发送该数据对应的数据信息，比如数据格式、数据类型或者摘要值(比如MD5)等，则元数据不但包括指向数据的存储路径，还包括数据信息，以便于对数据进行高效管控。
可选地，将所述各个版本的数据存储到云存储服务平台，将所述各个版本的数据对应的元数据存储到版本控制工具，包括：将最新的N个版本的数据存储到云存储服务平台，并将所述最新的N个版本的数据对应的元数据存储到版本控制工具；其中，N为正整数。为了高效地管控各个版本的数据及其对应的元数据，可以限制存储的版本，只存储最新的N个版本的数据及其对应的元数据，N的大小可以根据业务需求来配置。
步骤103，将所述数据传输至数据使用系统。
如图2所示，在大数据使用场景中，有面向个人用户的，比如搜索系统、推荐系统；也有面向企业和组织的，比如联机分析、决策支持系统等，数据质量与这些服务质量紧密联系。在获得了数据以后，将数据传输至数据使用系统，数据使用系统需要预加载数据或者灰度发布数据等来验证数据质量的可靠性。
可选地，步骤103可以包括：每隔预设时间周期，将所述数据传输至数据使用系统；或者，若所述云存储服务平台的存储容量达到预设容量阈值，则将所述数据传输至数据使用系统。本发明实施例可以根据业务需求预先设定时间周期或者容量阈值，一旦达到时间周期或者容量阈值，则将数据传输至数据使用系统，以提高数据使用的实效性。
根据上面所述的各种实施例，可以看出本发明实施例通过对各个版本的数据进行质量监控，并根据各个版本的数据生成各个版本的数据对应的元数据，从而对各个版本的数据及其对应的元数据进行分离存储的技术手段，解决了现有技术中难以监控数据流转的全过程和定位问题数据的技术问题。本发明实施例通过对各个版本的数据及其对应的元数据进行分离存储，不但方便监控数据质量，一旦发现数据存在问题时，还能够快速定位出问题数据；而且将数据质量检查前置到数据生产处理环节，降低了定位问题数据的难度。
图4是根据本发明一个可参考实施例的大数据质量管控方法的主要流程的示意图。作为本发明的又一个实施例，如图4所示，所述大数据质量管控方法可以包括：
步骤401，接收数据以及所述数据对应的数据信息。其中，所述数据信息包括以下至少一种：数据格式、数据类型和摘要值。
步骤402，对所述数据进行质量监控，判断所述数据是否满足质量要求；若是，则执行步骤403；若否，则结束。
步骤403，将所述数据存储到云存储服务平台。
步骤404，根据所述数据对应的数据信息以及在所述云存储服务平台的存储路径，生成所述数据对应的元数据。
步骤405，将所述数据对应的元数据存储到版本控制工具。
步骤406，判断所述数据在所述云存储服务平台的版本数量是否大于N；若是，则执行步骤407；若否，则执行步骤408。
步骤407，删除所述数据在所述云存储服务平台存储的最旧的版本以及存储在版本控制工具的元数据。
步骤408，每隔预设时间周期，将所述数据传输至数据使用系统；或者，若所述云存储服务平台的存储容量达到预设容量阈值，则将所述数据传输至数据使用系统。
另外，在本发明一个可参考实施例中大数据质量管控方法的具体实施内容，在上面所述大数据质量管控方法中已经详细说明了，故在此重复内容不再说明。
图5是根据本发明另一个可参考实施例的大数据质量管控方法的主要流程的示意图。作为本发明的另一个实施例，如图5所示，所述大数据质量管控方法可以包括：
步骤501，接收各个版本的数据。
步骤502，对所述各个版本的数据进行质量监控，并根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储。其中，所述元数据用于指向所述数据的存储路径。
步骤503，将所述数据传输至数据使用系统。
步骤504，接收所述数据使用系统返回的所述数据的使用情况。
如图2所示，大数据质量管控平台对外开放接口，数据的使用情况可以从数据使用系统同步回来，各个环节可以共享信息进行高效联动，从而提高数据有效性。
步骤505，根据所述数据的使用情况，确定是否删除所述数据以及所述数据对应的元数据。
大数据质量管控平台接收数据使用系统返回的数据的使用情况，根据所述数据的使用情况，确定是否删除所述数据以及所述数据对应的元数据。如果所述数据的使用情况基本为无，则可以将所述数据及其对应的元数据删除，以免浪费运行资源。
以数据模型(数量类型为模型文件的数据)为例，数据模型在生产、分发和使用的联动如图6所示，训练出来的数据模型的数量可以看作是一个大圆，由于信息不同步或者配置问题没有及时发现问题数据，被集成分发到使用环节的模型只是训练出来的一部分。加载、有访问流量的模型数量依次递减，这造成大数据运行环境资源的浪费。模型的使用情况在各个环节共享后，只训练、集成分发并加载真正有流量的模型，从而提高数据服务质量、降本增效。
大数据质量管控平台为各个环节提共享信息，不仅可以做到数据运行各个环节的联动。在使用系统内部，系统的多个环境之间也需要联动，保障数据的质量。仍然以数据模型在各个环境中的使用来举例，信息技术范畴里的环境，是指在软件生命周期中，为了完成一类工作所必需的计算机硬件、软件、网络设备、数据的总称。这里涉及：测试和预发环境、实验环境、全量生产环境，如图7所示。在测试或预发环境里，测试模型功能是否生效；当验证功能生效后，可以在实验环境用真实流量做实验。实验环境，一般指AB对照实验环境，通过与基线模型对比，验证新模型有效，满足业务需求；全量环境，是把在AB验证有效的模型进行全量发布，服务所有用户。如果环境之间的模型缺乏信息的打通，没有做到联动，就无法保证模型按照流程依次在测试、预发、实验和全量生产环境里迭代，把满足业务的模型推到全量。同时，无效、缺少维护的模型充斥在各个环境里面，浪费运行资源。模型在各个环境里联动后，效果如图7的右边部分所示，模型依次在各个环境里有序迭代验证，各个环境中的模型基本一致。
可选地，步骤505也可以替换为：将所述数据的使用情况发送至所述数据源和/或所述数据加工平台，以使所述数据源和/或所述数据加工平台根据所述数据的使用情况，确定是否发送所述数据以及所述数据对应的数据信息。在该实施例中，大数据质量管控平台将数据的使用情况转发至数据源和/或数据加工平台，数据源和/或数据加工平台根据数据的使用情况确定是否发送无效、缺少维护的数据，避免浪费系统运行资源。
另外，在本发明另一个可参考实施例中大数据质量管控方法的具体实施内容，在上面所述大数据质量管控方法中已经详细说明了，故在此重复内容不再说明。
图8是根据本发明实施例的大数据质量管控装置的主要模块的示意图，如图8所示，所述大数据质量管控装置800包括接收模块801、存储模块802和传输模块803；其中，接收模块801用于接收各个版本的数据；存储模块802用于对所述各个版本的数据进行质量监控，并根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储；其中，所述元数据用于指向所述数据的存储路径；传输模块803用于将所述数据传输至数据使用系统。
可选地，所述存储模块802还用于：
对所述各个版本的数据进行质量监控；若所述数据满足质量要求，则根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储，若所述数据不满足质量要求，则结束；或者，
根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储；然后对所述各个版本的数据进行质量监控，若所述数据满足质量要求，则结束，若所述数据不满足质量要求，则对所述数据进行回滚。
可选地，所述存储模块802还用于：
将所述各个版本的数据存储到云存储服务平台；
根据所述各个版本的数据在所述云存储服务平台的存储路径生成所述各个版本的数据对应的元数据；
将所述各个版本的数据对应的元数据存储到版本控制工具。
可选地，所述接收模块801还用于：
接收各个版本的数据以及所述各个版本的数据对应的数据信息；其中，所述数据信息以下至少一种：数据格式、数据类型和摘要值；
所述存储模块802还用于：
根据所述各个版本的数据对应的数据信息以及在所述云存储服务平台的存储路径，生成所述各个版本的数据对应的元数据；其中，所述元数据用于指向所述数据的存储路径和数据信息。
可选地，所述存储模块802还用于：
将最新的N个版本的数据存储到云存储服务平台，并将所述最新的N个版本的数据对应的元数据存储到版本控制工具；其中，N为正整数。
可选地，所述传输模块803还用于：
每隔预设时间周期，将所述数据传输至数据使用系统；或者，
若所述云存储服务平台的存储容量达到预设容量阈值，则将所述数据传输至数据使用系统。
可选地，所述传输模块803还用于：
将所述数据传输至数据使用系统之后，接收所述数据使用系统返回的所述数据的使用情况；
根据所述数据的使用情况，确定是否删除所述数据以及所述数据对应的元数据。
可选地，所述传输模块803还用于：
将所述数据传输至数据使用系统之后，接收所述数据使用系统返回的所述数据的使用情况；
将所述数据的使用情况发送至数据源和/或数据加工平台，以使所述数据源和/或所述数据加工平台根据所述数据的使用情况，确定是否发送所述数据以及所述数据对应的数据信息。
根据上面所述的各种实施例，可以看出本发明实施例通过对各个版本的数据进行质量监控，并根据各个版本的数据生成各个版本的数据对应的元数据，从而对各个版本的数据及其对应的元数据进行分离存储的技术手段，解决了现有技术中难以监控数据流转的全过程和定位问题数据的技术问题。本发明实施例通过对各个版本的数据及其对应的元数据进行分离存储，不但方便监控数据质量，一旦发现数据存在问题时，还能够快速定位出问题数据；而且将数据质量检查前置到数据生产处理环节，降低了定位问题数据的难度。
需要说明的是，在本发明所述大数据质量管控装置的具体实施内容，在上面所述大数据质量管控方法中已经详细说明了，故在此重复内容不再说明。
图6示出了可以应用本发明实施例的大数据质量管控方法或大数据质量管控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(仅为示例)。
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(仅为示例)。后台管理服务器可以对接收到的物品信息查询请求等数据进行分析等处理，并将处理结果反馈给终端设备。
需要说明的是，本发明实施例所提供的大数据质量管控方法一般由服务器605执行，相应地，所述大数据质量管控装置一般设置在服务器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RAM703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，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：一种处理器包括接收模块、存储模块和传输模块，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。
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，该设备实现如下方法：接收各个版本的数据；对所述各个版本的数据进行质量监控，并根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储；其中，所述元数据用于指向所述数据的存储路径；将所述数据传输至数据使用系统。
根据本发明实施例的技术方案，因为采用对各个版本的数据进行质量监控，并根据各个版本的数据生成各个版本的数据对应的元数据，从而对各个版本的数据及其对应的元数据进行分离存储的技术手段，所以克服了现有技术中难以监控数据流转的全过程和定位问题数据的技术问题。本发明实施例通过对各个版本的数据及其对应的元数据进行分离存储，不但方便监控数据质量，一旦发现数据存在问题时，还能够快速定位出问题数据；而且将数据质量检查前置到数据生产处理环节，降低了定位问题数据的难度。
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 (11)
1.一种大数据质量管控方法，其特征在于，包括：
接收各个版本的数据；
对所述各个版本的数据进行质量监控，并根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储；其中，所述元数据用于指向所述数据的存储路径；
将所述数据传输至数据使用系统。
2.根据权利要求1所述的方法，其特征在于，对所述各个版本的数据进行质量监控，并根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储，包括：
对所述各个版本的数据进行质量监控；若所述数据满足质量要求，则根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储，若所述数据不满足质量要求，则结束；或者，
根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储；然后对所述各个版本的数据进行质量监控，若所述数据满足质量要求，则结束，若所述数据不满足质量要求，则对所述数据进行回滚。
3.根据权利要求1所述的方法，其特征在于，根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储，包括：
将所述各个版本的数据存储到云存储服务平台；
根据所述各个版本的数据在所述云存储服务平台的存储路径生成所述各个版本的数据对应的元数据；
将所述各个版本的数据对应的元数据存储到版本控制工具。
4.根据权利要求3所述的方法，其特征在于，接收各个版本的数据，包括：
接收各个版本的数据以及所述各个版本的数据对应的数据信息；其中，所述数据信息包括以下至少一种：数据格式、数据类型和摘要值；
根据所述各个版本的数据在所述云存储服务平台的存储路径生成所述各个版本的数据对应的元数据，包括：
根据所述各个版本的数据对应的数据信息以及在所述云存储服务平台的存储路径，生成所述各个版本的数据对应的元数据；其中，所述元数据用于指向所述数据的存储路径和数据信息。
5.根据权利要求3所述的方法，其特征在于，将所述各个版本的数据存储到云存储服务平台，将所述各个版本的数据对应的元数据存储到版本控制工具，包括：
将最新的N个版本的数据存储到云存储服务平台，并将所述最新的N个版本的数据对应的元数据存储到版本控制工具；其中，N为正整数。
6.根据权利要求3所述的方法，其特征在于，将所述数据传输至数据使用系统，包括：
每隔预设时间周期，将所述数据传输至数据使用系统；或者，
若所述云存储服务平台的存储容量达到预设容量阈值，则将所述数据传输至数据使用系统。
7.根据权利要求1所述的方法，其特征在于，将所述数据传输至数据使用系统之后，还包括：
接收所述数据使用系统返回的所述数据的使用情况；
根据所述数据的使用情况，确定是否删除所述数据以及所述数据对应的元数据。
8.根据权利要求1所述的方法，其特征在于，将所述数据传输至数据使用系统之后，还包括：
接收所述数据使用系统返回的所述数据的使用情况；
将所述数据的使用情况发送至数据源和/或数据加工平台，以使所述数据源和/或所述数据加工平台根据所述数据的使用情况，确定是否发送所述数据以及所述数据对应的数据信息。
9.一种大数据质量管控装置，其特征在于，包括：
接收模块，用于接收各个版本的数据；
存储模块，用于对所述各个版本的数据进行质量监控，并根据所述各个版本的数据生成所述各个版本的数据对应的元数据，从而对所述各个版本的数据以及所述各个版本的数据对应的元数据进行分离存储；其中，所述元数据用于指向所述数据的存储路径；
传输模块，用于将所述数据传输至数据使用系统。
10.一种电子设备，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时，所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
11.一种计算机可读介质，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1-8中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011314400.1A CN113778978A (zh) | 2020-11-20 | 2020-11-20 | 一种大数据质量管控方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011314400.1A CN113778978A (zh) | 2020-11-20 | 2020-11-20 | 一种大数据质量管控方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113778978A true CN113778978A (zh) | 2021-12-10 |
Family
ID=78835291
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011314400.1A Pending CN113778978A (zh) | 2020-11-20 | 2020-11-20 | 一种大数据质量管控方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113778978A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030014291A1 (en) * | 2001-07-10 | 2003-01-16 | The Procter & Gamble Company | Methods, functional data, and systems for optimizing product factors |
| CN102841925A (zh) * | 2008-04-11 | 2012-12-26 | 奥多比公司 | 用于将元数据与媒体相关联的系统和方法 |
| CN103812939A (zh) * | 2014-02-17 | 2014-05-21 | 李漾 | 一种大数据存储系统 |
| CN107918668A (zh) * | 2017-11-28 | 2018-04-17 | 郑州云海信息技术有限公司 | 一种k‑db数据库表空间元数据本地存储方法 |
| CN109446274A (zh) * | 2017-08-31 | 2019-03-08 | 北京京东尚科信息技术有限公司 | 大数据平台bi元数据管理的方法和装置 |
-
2020
- 2020-11-20 CN CN202011314400.1A patent/CN113778978A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030014291A1 (en) * | 2001-07-10 | 2003-01-16 | The Procter & Gamble Company | Methods, functional data, and systems for optimizing product factors |
| CN102841925A (zh) * | 2008-04-11 | 2012-12-26 | 奥多比公司 | 用于将元数据与媒体相关联的系统和方法 |
| CN103812939A (zh) * | 2014-02-17 | 2014-05-21 | 李漾 | 一种大数据存储系统 |
| CN109446274A (zh) * | 2017-08-31 | 2019-03-08 | 北京京东尚科信息技术有限公司 | 大数据平台bi元数据管理的方法和装置 |
| CN107918668A (zh) * | 2017-11-28 | 2018-04-17 | 郑州云海信息技术有限公司 | 一种k‑db数据库表空间元数据本地存储方法 |
Non-Patent Citations (1)
| Title |
|---|
| 马小宁;李平;史天运;: "铁路大数据应用体系架构研究", 铁路计算机应用, no. 09 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109471783B (zh) | 预测任务运行参数的方法和装置 | |
| CN110019263B (zh) | 信息存储方法和装置 | |
| CN110737726B (zh) | 一种确定待测试接口的测试数据的方法和装置 | |
| US20200286014A1 (en) | Information updating method and device | |
| CN110866040B (zh) | 用户画像生成方法、装置和系统 | |
| CN110737655B (zh) | 用于上报数据的方法和装置 | |
| CN113190517B (zh) | 数据集成方法、装置、电子设备和计算机可读介质 | |
| CN110554951A (zh) | 一种埋点管理的方法和装置 | |
| CN110928594A (zh) | 服务开发方法和平台 | |
| CN116450622B (zh) | 数据入库的方法、装置、设备和计算机可读介质 | |
| CN113378346A (zh) | 模型仿真的方法和装置 | |
| CN107679096B (zh) | 数据集市间指标共享的方法和装置 | |
| CN113778978A (zh) | 一种大数据质量管控方法和装置 | |
| CN114138758A (zh) | 一种基于多源系统的数据清洗合并方法、装置及可读介质 | |
| CN110688355A (zh) | 变更容器状态的方法和装置 | |
| CN109087097B (zh) | 一种更新链码同一标识的方法和装置 | |
| CN113468218A (zh) | 一种对数据库慢sql进行监测和管理的方法和装置 | |
| CN113779017A (zh) | 数据资产管理的方法和装置 | |
| CN113760568A (zh) | 数据处理的方法和装置 | |
| CN113254325A (zh) | 测试用例的处理方法和装置 | |
| CN111831534A (zh) | 一种对数据报表进行准确性验证的方法和装置 | |
| CN111178696A (zh) | 一种业务处理时长超时预警方法和装置 | |
| CN111930704B (zh) | 业务报警设备控制方法、装置、设备和计算机可读介质 | |
| US11842077B2 (en) | Method, device, and computer program product for transmitting data for object storage | |
| CN110750410B (zh) | 一种监听数据库日志的方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |