CN113946552A - 数据处理方法及电子装置 - Google Patents

Abstract

本申请公开了一种数据处理方法及电子装置。该方法包括：在将目标数据写入存储系统的过程中，确定目标数据对应的业务类型，其中，目标数据是占用存储空间小于预设存储空间的数据，业务类型包括第一类型和第二类型，第一类型对应的数据写入波动情况满足预设波动条件，第一类型对应的数据写入波动情况不满足预设波动条件；在目标数据对应的业务类型为第一类型的情况下，采用离线归并的方式对目标数据进行数据归并；在目标数据对应的业务类型为第二类型的情况下，采用在线归并的方式对目标数据进行数据归并。解决了相关技术中在分布式存储场景下对小文件进行归并时，离线归并方法的归并效率较低，而在线归并方法影响业务数据的写入性能的问题。

Description

数据处理方法及电子装置

技术领域

本申请涉及数据处理领域，具体而言，涉及一种数据处理方法及电子装置。

背景技术

随着大数据时代到来，数据的爆发式增长对传统存储带来严峻挑战，分布式存储应“云”而生，能够提供海量、高可靠、高扩展、去中心化的存储服务。但是，在海量存储场景，分布式存储还面临诸多问题，例如，在非结构化数据存储过程中，小文件存储的空间浪费是所面临的一个重要问题。

为了解决小文件存储的空间浪费问题，相关技术中通过离线归并的方法实现对单个集群的小对象进行归并，具体地，在上传小对象的过程中记录日志文件，后台任务进而通过扫描特性日志匹配对象，进行文件归并。但是，该方法存在以下问题：1、归并过程中需要先扫描对应日志对象再进行数据读取，存在读惩罚，同时由于归并是离线进行的，在用户频繁写入场景会造成归并任务的累计，导致后续业务数据的写入性能降低或导致业务中断；2、在归并过程中以集群为单位进行小文件归并，若归并大对象中的小对象被删除，则会造成归并大对象的空间浪费；3、集群内的不同文件的访问程度存在一定的差异，小文件的读写操作不一致。

为了解决离线归并存在的问题，相关技术中还出现了在线归并技术，在线归并技术虽然能够通过实时归并避免写惩罚，但是，在用户业务场景为周期性写入，并且存在一定的峰值写入场景(用户要求极大化的性能写入的场景)，实时归并会占用写入带宽，影响业务性能。

针对相关技术中在分布式存储场景下对小文件进行归并时，离线归并方法的归并效率较低，而在线归并方法影响业务数据的写入性能的问题，目前尚未提出有效的解决方案。

发明内容

本申请提供一种数据处理方法及电子装置，以解决相关技术中在分布式存储场景下对小文件进行归并时，离线归并方法的归并效率较低，而在线归并方法影响业务数据的写入性能的问题。

根据本申请的一个方面，提供了一种数据处理方法。该方法包括：在将目标数据写入存储系统的过程中，确定目标数据对应的业务类型，其中，目标数据是占用存储空间小于预设存储空间的数据，业务类型包括第一类型和第二类型，第一类型对应的数据写入波动情况满足预设波动条件，第一类型对应的数据写入波动情况不满足预设波动条件；在目标数据对应的业务类型为第一类型的情况下，采用离线归并的方式对目标数据进行数据归并；在目标数据对应的业务类型为第二类型的情况下，采用在线归并的方式对目标数据进行数据归并。

可选地，在目标数据对应的业务类型为第二类型的情况下，采用在线归并的方式对目标数据进行数据归并包括：依次将每个目标数据写入存储系统中的第一存储介质，记录日志数据，并生成目标数据对应的元数据；在每次将目标数据写入存储系统中的第一存储介质时，将目标数据添加至归并模块中，并通过归并模块下发归并任务将目标数据存储至存储系统中的第二存储介质中，直至满足归并任务的设定条件，得到归并后的数据，其中，设定条件用于设定归并后的数据对应的目标数据的数量或所占存储空间大小；更新归并后的数据中的各个目标数据对应的元数据。

可选地，通过归并模块下发归并任务将目标数据存储至存储系统中的第二存储介质中包括：生成多个归并任务，并按照预设规则将目标数据加入多个归并任务中的一个；控制多个归并任务并发地将数据写入第二存储介质中。

可选地，控制多个归并任务并发地将数据写入第二存储介质中包括：在每个归并任务首次将数据写入第二存储介质中的情况下，将归并任务对应的状态从初始状态调整为执行状态；在每个归并任务将所有的数据写入第二存储介质中的情况下，将归并任务对应的状态从执行状态调整为完成状态，并更新归并任务对应的数据的元数据。

可选地，该方法还包括：在归并任务对应的进程出现异常的情况下，重新执行未完成的归并任务。

可选地，在目标数据对应的业务类型为第一类型的情况下，采用离线归并的方式对目标数据进行数据归并包括：依次将每个目标数据写入存储系统中的第一存储介质，记录日志数据，并生成目标数据对应的元数据；在预设归并时间达到后，从日志数据中获取多个目标数据的存储位置，并生成归并任务，其中，多个目标数据的数量为预设数量，存储位置为第一存储介质中的存储地址，归并任务用于对存储位置对应存储的数据进行归并；根据归并任务对应的存储位置从第一存储介质中获取多个目标数据，并对多个目标数据进行归并，得到一组归并后的数据；将归并后的数据存储至存储系统中的第二存储介质，从第一存储介质中删除多个目标数据，并更新多个目标数据对应的元数据。

可选地，从第一存储介质中获取多个目标数据包括：判断目标数据写入第一存储介质的速率是否大于预设速率；在目标数据写入第一存储介质的速率大于预设速率的情况下，采用第一速度从第一存储介质中获取多个目标数据；在目标数据写入第一存储介质的速率小于等于预设速率的情况下，采用第二速度从第一存储介质中获取多个目标数据，其中，第二速度大于第一速度。

可选地，在将归并后的数据存储至存储系统中的第二存储介质之后，该方法还包括：在一组归并后的数据中存在数据缺失的情况下，计算数据缺失比例；在数据缺失比例大于预设比例的情况下，从第二存储介质中读取归并后的数据中的未缺失数据，并从第一存储介质中读取目标数量的目标数据，其中，目标数量为缺失数据的数量；对未缺失数据以及目标数量的目标数据进行归并，得到重新归并后的数据；从第二存储介质中删除未缺失数据，将重新归并后的数据存储至第二存储介质，从第一存储介质中删除目标数量的目标数据，并更新重新归并后的数据中的各个目标数据对应的元数据。

可选地，在将目标数据写入存储系统的过程中，确定目标数据对应的业务类型包括：在预设时间周期内，按照预设时间间隔获取目标数据的写入操作次数，得到多个写入操作次数值；确定预设时间周期内多个写入操作次数值的分布情况，并根据分布情况确定目标数据的数据写入波动情况是否满足预设波动条件；在目标数据的数据写入波动情况满足预设波动条件的情况下，确定目标数据对应的业务类型为第一类型；在目标数据的数据写入波动情况不满足预设波动条件的情况下，确定目标数据对应的业务类型为第二类型。

根据本发明实施例的另一方面，还提供了一种电子装置，包含处理器和存储器；存储器中存储有计算机可读指令，处理器用于运行计算机可读指令，其中，计算机可读指令运行时执行一种数据处理方法。

通过本申请，采用以下步骤：在将目标数据写入存储系统的过程中，确定目标数据对应的业务类型，其中，目标数据是占用存储空间小于预设存储空间的数据，业务类型包括第一类型和第二类型，第一类型对应的数据写入波动情况满足预设波动条件，第一类型对应的数据写入波动情况不满足预设波动条件；在目标数据对应的业务类型为第一类型的情况下，采用离线归并的方式对目标数据进行数据归并；在目标数据对应的业务类型为第二类型的情况下，采用在线归并的方式对目标数据进行数据归并。解决了相关技术中在分布式存储场景下对小文件进行归并时，离线归并方法的归并效率较低，而在线归并方法影响业务数据的写入性能的问题。通过确定小文件对应的业务类型，并根据业务类型选择相应的方式进行数据归并，进而达到了在保证小文件写入性能的同时，提高小文件的归并效率存储场景性能和空间利用率同时提高的效果。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例提供的数据处理方法的流程图。

图2是根据本申请实施例提供的一种可选的业务类型确定的流程图。

图3是根据本申请实施例提供的一种可选的在线归并的方法的流程图。

图4是根据本申请实施例提供的一种可选的离线归并的方法的流程。

图5是根据本申请实施例提供的数据处理装置的示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为了解决相关技术在分布式存储场景下对小文件进行归并时，离线归并方法的归并效率较低，而在线归并方法影响业务数据的写入性能的问题，基于此，本申请希望提供一种能够解决上述技术问题的方案，其详细内容将在后续实施例中得以阐述

根据本申请的实施例，提供了一种数据处理方法。

图1是根据本申请实施例的数据处理方法的流程图。如图1所示，该方法包括以下步骤：

步骤S101，在将目标数据写入存储系统的过程中，确定目标数据对应的业务类型，其中，目标数据是占用存储空间小于预设存储空间的数据，业务类型包括第一类型和第二类型，第一类型对应的数据写入波动情况满足预设波动条件，第一类型对应的数据写入波动情况不满足预设波动条件。

具体的，预设存储空间可以为1kb，目标数据可以为文件大小在1kb以下的小文件。

需要说明的是，在业务运行过程中，不断产生待存储目标数据，数据写入波动情况可以通过在一个周期中按照相同时间间隔获取的多个待存储目标数据数量的差异情况来表征，预设波动条件可以为已经设置好的在一个周期中相同时间间隔下对应的多个待存储目标数据数量的差异情况，用于与实际获取的数量差异情况进行对比。

进一步的，在待存储目标数据的实际波动情况和预设波动条件差异不大的情况下，可以认为数据写入波动情况满足预设波动条件，待存储目标数据对应的业务类型的为数据量均衡的业务类型，也即第一类型。待存储目标数据的实际波动情况和预设波动条件在差异过大的情况下，可以认为数据写入波动情况不满足预设波动条件，待存储目标数据对应的业务类型的为数据量周期性波动的业务类型，也即第一类型。

步骤S102，在目标数据对应的业务类型为第一类型的情况下，采用离线归并的方式对目标数据进行数据归并。

需要说明的是，在目标数据对应的业务类型为第一类型的情况下，说明目标数据的数据量呈周期性波动，为了避免目标数据的归并影响目标数据的写入性能，可以采用离线归并的方式对目标数据进行数据归并。

具体的，离线归并方式的具体地步骤是，通过在上传小目标数据的过程中记录日志文件，后台归并任务进而通过扫描日志文件匹配目标数据并进行文件归并。需要说明的是，在写入过多目标数据时，用户能够自定义归并时间，从而目标数据的写入和归并的错峰执行。

步骤S103，在目标数据对应的业务类型为第二类型的情况下，采用在线归并的方式对目标数据进行数据归并。

需要说明的是，在目标数据对应的业务类型为第二类型的情况下，说明目标数据的数据量均衡，为了在不影响目标数据的写入性能的同时提高数据的归并效率，可以采用在线归并的方式对目标数据进行数据归并。

具体的，在线归并方式可以实现实时归并，也即，在写入目标数据的同时进行归并，一方面，避免了离线归并时的读惩罚，另一方面，以追加写的方式写入，避免了归并后再进行写入的方式的写惩罚，从而提升了归并效率。

本申请实施例提供的数据处理方法，通过采用以下步骤：在将目标数据写入存储系统的过程中，确定目标数据对应的业务类型，其中，目标数据是占用存储空间小于预设存储空间的数据，业务类型包括第一类型和第二类型，第一类型对应的数据写入波动情况满足预设波动条件，第一类型对应的数据写入波动情况不满足预设波动条件；在目标数据对应的业务类型为第一类型的情况下，采用离线归并的方式对目标数据进行数据归并；在目标数据对应的业务类型为第二类型的情况下，采用在线归并的方式对目标数据进行数据归并。解决了相关技术中在分布式存储场景下对小文件进行归并时，离线归并方法的归并效率较低，而在线归并方法影响业务数据的写入性能的问题。通过确定小文件对应的业务类型，并根据业务类型选择相应的方式进行数据归并，进而达到了在保证小文件写入性能的同时，提高小文件的归并效率的效果。

可选地，在本申请实施例提供的数据处理方法中，在将目标数据写入存储系统的过程中，确定目标数据对应的业务类型包括：在预设时间周期内，按照预设时间间隔获取目标数据的写入操作次数，得到多个写入操作次数值；确定预设时间周期内多个写入操作次数值的分布情况，并根据分布情况确定目标数据的数据写入波动情况是否满足预设波动条件；在目标数据的数据写入波动情况满足预设波动条件的情况下，确定目标数据对应的业务类型为第一类型；在目标数据的数据写入波动情况不满足预设波动条件的情况下，确定目标数据对应的业务类型为第二类型。

具体的，预设时间周期可以为设定好的目标数据的写入操作次数获取总时间，可以先确定预设时间周期内按照预设时间间隔获取到的多个写入操作次数值的分布情况，将该分布情况作为该预设时间周期内的目标数据的数据写入波动情况，再将目标数据的数据写入波动情况与预设波动条件进行对比，根据对比结果进行业务类型的确定。

目标数据的写入操作次数值的平均值以及峰值可以表征写入操作次数值的分布情况，可选地，在本申请实施例提供的数据处理方法中，确定预设时间周期内多个写入操作次数值的分布情况，并根据分布情况确定目标数据的数据写入波动情况是否满足预设波动条件包括：计算目标数据的写入操作次数值的平均值以及峰值，并根据平均值和预设权重确定目标值；在峰值大于目标值的情况下，确定目标数据的数据写入波动情况满足预设波动条件；在峰值小于等于目标值的情况下，确定目标数据的数据写入波动情况不满足预设波动条件。

具体的，目标数据的写入操作次数值的峰值可以为预设时间周期内得到的读写次数值的分布统计的80％处的值，目标值由目标数据的写入操作次数值的平均值和预设权重确定，其中，平均值可以为预设时间周期内得到的读写次数值的分布统计的50％处的值，预设权重可以灵活设置，例如，可以设置为2，根据峰值和2倍均值之间的比较结果确定目标数据的数据写入波动情况是否满足预设波动条件。

下面为确定目标数据对应的业务类型的一种可选的实施例，图2为业务类型确定的流程图，如图2所示，其中，预设时间周期T1可以为＝1天，预设时间间隔t1可以为＝5分钟，1天内共有288个时间间隔。每隔5分钟统计小文件的写入操作次数值，经过288个时间间隔后，完成整个周期的统计，此时计算该周期内统计分布的平均值m1和峰值m2，其中平均值m1可以为分布统计的50％处对应的读写促使，峰值m2为分布统计的80％处对应的读写次数。预设条件可以为m2>P*m，P为预设权重，可以设置为2，此时判断m2与m1*P的大小关系是否满足m2>P*m，当满足m2>P*m1时可以认为满足预设波动条件，确定业务类型为第一类型，当不满足m2>P*m1时，例如，m2<P*m1或m2＝P*m1时，可以认为不满足预设波动条件，确定业务类型为第二类型。

可选地，在本申请实施例提供的数据处理方法中，在目标数据对应的业务类型为第二类型的情况下，采用在线归并的方式对目标数据进行数据归并包括：依次将每个目标数据写入存储系统中的第一存储介质，记录日志数据，并生成目标数据对应的元数据；在每次将目标数据写入存储系统中的第一存储介质时，将目标数据添加至归并模块中，并通过归并模块下发归并任务将目标数据存储至存储系统中的第二存储介质中，直至满足归并任务的设定条件，得到归并后的数据，其中，设定条件用于设定归并后的数据对应的目标数据的数量或所占存储空间大小；更新归并后的数据中的各个目标数据对应的元数据。

具体的，与离线归并不同的是，在线归并可以在目标数据写入存储系统中的第一存储介质，并记录日志数据后，通过归并模块直接将目标数据添加至归并任务中，从而根据归并任务将目标数据存储至存储系统中的第二存储介质中，其中归并任务可以包括多个，多个归并任务构成归并任务列表，通过归并任务控制目标数据的归并，同时判断归并过程是否满足设定条件，在满足设定条件后完成归并，并更新归并后的数据中的各个目标数据对应的元数据，其中，设定条件可以为单独一个归并任务中设定好的条件，例如归并16000个目标数据或者归并后的文件达到64M的文件大小，元数据从第一存储介质中的存储地址更新为在第二存储介质中的存储地址。

可选地，在本申请实施例提供的数据处理方法中，通过归并模块下发归并任务将目标数据存储至存储系统中的第二存储介质中包括：生成多个归并任务，并按照预设规则将目标数据加入多个归并任务中的一个；控制多个归并任务并发地将数据写入第二存储介质中。

具体的，归并任务可以为多个，多个归并任务构成归并任务列表，归并任务列表中的各个归并任务并发执行，根据哈希算法将当前获取到的目标数据添加至多个归并任务中的一个中，达到多归并任务同时进行的效果，提高了数据归并的效率。

可选地，在本申请实施例提供的数据处理方法中，控制多个归并任务并发地将数据写入第二存储介质中包括：在每个归并任务首次将数据写入第二存储介质中的情况下，将归并任务对应的状态从初始状态调整为执行状态；在每个归并任务将所有的数据写入第二存储介质中的情况下，将归并任务对应的状态从执行状态调整为完成状态，并更新归并任务对应的数据的元数据。

具体地，上一个归并任务完成或者归并模块初始化时会创建多个并发控制任务。刚创建时为初始化状态，每个归并任务中的第一个小对象追加写后就更新为执行状态，最后满足归并任务设置的数据阈值就会更新该归并任务对应的对象的元数据信息。需要说明的是，在归并过程中如果，小对象发生变化，如被删除或者对象元数据发生变化，则会把归并大对象的元数据标记该小对象为删除状态，更新完成后会重新生成一个小任务。

可选地，在本申请实施例提供的数据处理方法中，该方法还包括：在归并任务对应的进程出现异常的情况下，重新执行未完成的归并任务。

具体的，在其中某个归并任务出现异常时，删除已存储至第二存储介质的目标数据，从第一缓存池读取已存储至第二存储介质的目标数据，存储至从第一缓存池，并对归并任务中的没有完成归并的目标数据继续进行归并。

下面为根据本申请实施例提供的一种可选的在线归并的方法，图3为根据本申请实施例提供的一种可选的在线归并的方法的流程图，如图3所示：

第一存储介质为缓存池，第二存储介质为数据池，预设规则为将16000个目标数据归并为一个大文件。

将目标数据写入缓存池，并生成日志数据，日志数据中包含该目标数据写入的时间以及位置等信息，同时直接下发归并任务，将目标数据添加至归并任务列表中的一个归并任务中，从而将目标数据存储至数据池中。

例如，当前归并列表中有2个并发的归并任务，归并控制模块可以将当前获取的目标数据放入归并任务1中，此时将目标数据写入数据池中的第一目标存储地址，在归并任务1接收到下一个目标数据的情况下，将该目标数据追加写入上一目标数据之后的存储地址，直至归并任务1对应的160000个目标数据均写入数据池，得到归并后的大文件1，此时归并任务1完成，并更新该16000个目标数据的元数据。此外，需要说明的是，若归并任务中的一个目标数据在执行归并时出现异常，则重新执行该归并任务，例如，归并任务1中的第10个目标数据在执行归并时出现异常，则删除数据池中的10个目标数据，从缓存池中读取该10个目标数据，并对归并任务1中的其余15990个目标数据执行归并任务。

可选地，在本申请实施例提供的数据处理方法中，在目标数据对应的业务类型为第一类型的情况下，采用离线归并的方式对目标数据进行数据归并包括：依次将每个目标数据写入存储系统中的第一存储介质，记录日志数据，并生成目标数据对应的元数据；在预设归并时间达到后，从日志数据中获取多个目标数据的存储位置，并生成归并任务，其中，多个目标数据的数量为预设数量，存储位置为第一存储介质中的存储地址，归并任务用于对存储位置对应存储的数据进行归并；根据归并任务对应的存储位置从第一存储介质中获取多个目标数据，并对多个目标数据进行归并，得到一组归并后的数据；将归并后的数据存储至存储系统中的第二存储介质，从第一存储介质中删除多个目标数据，并更新多个目标数据对应的元数据。

具体的，第一存储介质可以为存储性能较好的硬件存储介质，例如固态硬盘，按照第一存储介质的最小存储单元依次存储目标数据，具体地，在目标数据所占存储空间小于一个最小存储单元的情况下，也占据一个最小存储单元。

在将目标数据写入第一存储介质的同时，记录日志数据，日志数据中包括目标数据的写入第一存储介质的时间、写入第一存储介质的位置等信息，可以根据日志数据生成目标数据的元数据，目标数据对应的元数据可以包括目标数据当前的存储位置，在将目标数据写入第一存储介质后，目标数据当前的存储位置即为目标数据在第一存储介质中的存储位置。

其中，预设归并时间可以为用户自定义的归并执行时间，例如，在目标数据对应的业务类型为昼夜数据量波动的情况下，白天产生大量的待存储目标数据，夜晚产生少量的待存储目标数据，预设归并时间可以设置为夜晚；预设数量可以为预先设置好的归并目标数据的个数，例如，可以为100；第二存储介质可以为存储空间较大的硬件存储介质，例如，机械硬盘，便于存储归并后的大文件。

具体的，在预设归并时间到达后，从日志中扫描100个目标数据在第一存储介质中的存储位置，将100个目标数据从第一存储介质中读取至内存中，并生成归并任务，在内存中扫描并执行归并任务，实现对100个目标数据的归并。进一步的，将归并后的数据存储至第二存储介质，更新目标数据对应的元数据，也即，将目标数据当前的存储位置更新为在第二存储介质中的存储位置，并从第一存储介质中删除这100个目标数据，为后续目标数据的写入提供写入空间。

为了避免数据归并时占用太多第一存储介质的读写资源，阻塞目标数据写入第一存储介质的过程，可选地，在本申请实施例提供的数据处理方法中，从第一存储介质中获取多个目标数据包括：判断目标数据写入第一存储介质的速率是否大于预设速率；在目标数据写入第一存储介质的速率大于预设速率的情况下，采用第一速度从第一存储介质中获取多个目标数据；在目标数据写入第一存储介质的速率小于等于预设速率的情况下，采用第二速度从第一存储介质中获取多个目标数据，其中，第二速度大于第一速度。

具体的，预设速率为预先设定好的数据正常写入第一存储介质的速率，可以通过QOS统计目标数据正常写入第一存储介质的数量和时间，从而确定预设速率。进一步的，在得到预设速率后，根据预设速率控制从第一存储介质中获取多个目标数据的速度，实现了在执行数据归的同时保证目标数据的正常写入。

为了防止归并后数据中的目标数据被删除后，造成第二存储介质中的存储空间浪费，可选地，在本申请实施例提供的数据处理方法中，在将归并后的数据存储至存储系统中的第二存储介质之后，该方法还包括：在一组归并后的数据中存在数据缺失的情况下，计算数据缺失比例；在数据缺失比例大于预设比例的情况下，从第二存储介质中读取归并后的数据中的未缺失数据，并从第一存储介质中读取目标数量的目标数据，其中，目标数量为缺失数据的数量；对未缺失数据以及目标数量的目标数据进行归并，得到重新归并后的数据；从第二存储介质中删除未缺失数据，将重新归并后的数据存储至第二存储介质，从第一存储介质中删除目标数量的目标数据，并更新重新归并后的数据中的各个目标数据对应的元数据。

具体的，预设比例为预先设定好的归并后数据中的数据缺失比例。当实际数据缺失比例大于预设比例的情况下，将的归并后的数据中的未缺失数据读取至内存中，并从第一存储介质中读取与缺失数据相同数量的目标数据，将未缺失数据和重新读取的目标数据进行二次归并，将二次归并的数据存储至第二存储介质，同时删除第一存储介质和第二存储介质中的相关目标数据，并更新元数据。

下面为根据本申请实施例提供的一种可选的离线归并的方法，图4为根据本申请实施例提供的一种可选的离线归并的方法的流程图，如图4所示：

第一存储介质为缓存池，第二存储介质为数据池，预设数量为100个目标数据。当数据写入时，数据存储在缓存池中，并将存储时间和位置等信息记录在日志中，在预设归并时间达到后，通过QOS进行目标数据写入缓存池的速率统计，当在目标数据写入第一存储介质的速率小于等于预设速率的情况下，从日志数据中获取100个目标数据在缓存池中的存储位置，并采用较快的速度从缓存池中获取该100个目标数据，对获取的目标数据执行归并得到一组归并后的数据，并将归并后的数据存储至存储系统中的数据池中。进一步的，从缓存池中删除该100个目标数据，并更新该100个目标数据对应的元数据，也即，将该100个目标数据的存储位置从第一存储介质中的存储地址更新为第二存储介质中的存储地址。

当一组归并后的数据中存在数据缺失的情况下，计算数据缺失比例，可设定预设比例为50％，当第1-51个目标数据均缺失的情况下，数据缺失比例>50％，则触发剩余的目标数据加入到归并任务，具体地，将该归并数据剩余的49个目标数据从数据池读取至内存，并从缓存池读取的51个目标数据，把该归并数据剩余的49个目标数据与获取的51个目标数据进行归并，得到二次归并的数据，并将二次归并的数据存储至数据池中，同时更新对应的元数据。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请实施例还提供了一种数据处理装置，需要说明的是，本申请实施例的数据处理装置可以用于执行本申请实施例所提供的用于数据处理方法。以下对本申请实施例提供的数据处理装置进行介绍。

图5是根据本申请实施例的数据处理装置的示意图。如图5所示，该装置包括：第一确定单元10，第一执行单元20，第二执行单元30。

第一确定单元10，用于在将目标数据写入存储系统的过程中，确定目标数据对应的业务类型，其中，目标数据是占用存储空间小于预设存储空间的数据，业务类型包括第一类型和第二类型，第一类型对应的数据写入波动情况满足预设波动条件，第一类型对应的数据写入波动情况不满足预设波动条件。

第一执行模块20，用于在目标数据对应的业务类型为第一类型的情况下，采用离线归并的方式对目标数据进行数据归并。

第二执行模块30，用于在目标数据对应的业务类型为第二类型的情况下，采用在线归并的方式对目标数据进行数据归并。

本申请实施例提供的数据处理装置，通过第一确定单元10在将目标数据写入存储系统的过程中，确定目标数据对应的业务类型，其中，目标数据是占用存储空间小于预设存储空间的数据，业务类型包括第一类型和第二类型，第一类型对应的数据写入波动情况满足预设波动条件，第一类型对应的数据写入波动情况不满足预设波动条件；第一执行模块20在目标数据对应的业务类型为第一类型的情况下，采用离线归并的方式对目标数据进行数据归并；第二执行模块30在目标数据对应的业务类型为第二类型的情况下，采用在线归并的方式对目标数据进行数据归并。解决了相关技术中在分布式存储场景下对小文件进行归并时，离线归并方法的归并效率较低，而在线归并方法影响业务数据的写入性能的问题，通过确定小文件对应的业务类型，并根据业务类型选择相应的方式进行数据归并，进而达到了在保证小文件写入性能的同时，提高小文件的归并效率存储场景性能和空间利用率同时提高的效果。

可选地，在本申请实施例提供的数据处理装置中，第一确定单元10包括：第一获取模块，用于在预设时间周期内，按照预设时间间隔获取目标数据的写入操作次数，得到多个写入操作次数值；第一确定模块，用于确定预设时间周期内多个写入操作次数值的分布情况，并根据分布情况确定目标数据的数据写入波动情况是否满足预设波动条件；第二确定模块，用于在目标数据的数据写入波动情况满足预设波动条件的情况下，确定目标数据对应的业务类型为第一类型；第三确定模块，用于在目标数据的数据写入波动情况不满足预设波动条件的情况下，确定目标数据对应的业务类型为第二类型。

可选地，在本申请实施例提供的数据处理装置中，第二执行模块30包括：第一执行子模块，用于依次将每个目标数据写入存储系统中的第一存储介质，记录日志数据，并生成目标数据对应的元数据，第二执行子模块，用于在每次将目标数据写入存储系统中的第一存储介质时，将目标数据添加至归并模块中，并通过归并模块下发归并任务将目标数据存储至存储系统中的第二存储介质中，直至满足归并任务的设定条件，得到归并后的数据，其中，设定条件用于设定归并后的数据对应的目标数据的数量或所占存储空间大小；第三执行子模块，用于更新归并后的数据中的各个目标数据对应的元数据。

可选地，在本申请实施例提供的数据处理装置中，第二执行模块30还包括：生成子模块，用于生成多个归并任务，并按照预设规则将目标数据加入多个归并任务中的一个；写入子模块，用于控制多个归并任务并发地将数据写入第二存储介质中。

可选地，在本申请实施例提供的数据处理装置中，写入子模块包括：第一调整子模块，用于在每个归并任务首次将数据写入第二存储介质中的情况下，将归并任务对应的状态从初始状态调整为执行状态；第二调整子模，用于在每个归并任务将所有的数据写入第二存储介质中的情况下，将归并任务对应的状态从执行状态调整为完成状态，并更新归并任务对应的数据的元数据。

可选地，在本申请实施例提供的数据处理装置中，第二执行模块30还包括：第四执行子模块，用于在归并任务对应的进程出现异常的情况下，重新执行未完成的归并任务。

可选地，在本申请实施例提供的数据处理装置中，第一执行模块20包括：第五执行子模块，用于依次将每个目标数据写入存储系统中的第一存储介质，记录日志数据，并生成目标数据对应的元数据；第六执行子模块，用于在预设归并时间达到后，从日志数据中获取多个目标数据的存储位置，并生成归并任务，其中，多个目标数据的数量为预设数量，存储位置为第一存储介质中的存储地址，归并任务用于对存储位置对应存储的数据进行归并；第七执行子模块，用于根据归并任务对应的存储位置从第一存储介质中获取多个目标数据，并对多个目标数据进行归并，得到一组归并后的数据；存储子模块，用于将归并后的数据存储至存储系统中的第二存储介质，从第一存储介质中删除多个目标数据，并更新多个目标数据对应的元数据。

可选地，在本申请实施例提供的数据处理装置中，第一执行模块20还包括：判断子模块，用于判断目标数据写入第一存储介质的速率是否大于预设速率；第八执行子模块，用于在目标数据写入第一存储介质的速率大于预设速率的情况下，采用第一速度从第一存储介质中获取多个目标数据；第九执行子模块，用于在目标数据写入第一存储介质的速率小于等于预设速率的情况下，采用第二速度从第一存储介质中获取多个目标数据，其中，第二速度大于第一速度。

可选地，在本申请实施例提供的数据处理装置中，第一执行模块20还包括：计算子模块，用于在一组归并后的数据中存在数据缺失的情况下，计算数据缺失比例；读取子模块，用于在数据缺失比例大于预设比例的情况下，从第二存储介质中读取归并后的数据中的未缺失数据，并从第一存储介质中读取目标数量的目标数据，其中，目标数量为缺失数据的数量；重新归并子模块，用于对未缺失数据以及目标数量的目标数据进行归并，得到重新归并后的数据；第十执行子模块，用于从第二存储介质中删除未缺失数据，将重新归并后的数据存储至第二存储介质，从第一存储介质中删除目标数量的目标数据，并更新重新归并后的数据中的各个目标数据对应的元数据。

数据处理装置包括处理器和存储器，上述第一确定单元10，第一执行单元20，第二执行单元30等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来达到小文件存储场景性能和空间利用率同时提高的效果。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

本申请实施例还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，程序运行时控制非易失性存储介质所在的设备执行一种数据处理方法。

本申请实施例还提供了一种电子装置，包含处理器和存储器；存储器中存储有计算机可读指令，处理器用于运行计算机可读指令，其中，计算机可读指令运行时执行一种数据处理方法。本文中的电子装置可以是服务器、PC、PAD、手机等。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种数据处理方法，其特征在于，包括：

在将目标数据写入存储系统的过程中，确定所述目标数据对应的业务类型，其中，所述目标数据是占用存储空间小于预设存储空间的数据，所述业务类型包括第一类型和第二类型，所述第一类型对应的数据写入波动情况满足预设波动条件，所述第一类型对应的数据写入波动情况不满足所述预设波动条件；

在所述目标数据对应的业务类型为所述第一类型的情况下，采用离线归并的方式对所述目标数据进行数据归并；

在所述目标数据对应的业务类型为所述第二类型的情况下，采用在线归并的方式对所述目标数据进行数据归并。

2.根据权利要求1所述的方法，其特征在于，在所述目标数据对应的业务类型为所述第二类型的情况下，采用在线归并的方式对所述目标数据进行数据归并包括：

依次将每个所述目标数据写入所述存储系统中的第一存储介质，记录日志数据，并生成所述目标数据对应的元数据；

在每次将所述目标数据写入所述存储系统中的第一存储介质时，将所述目标数据添加至归并模块中，并通过所述归并模块下发归并任务将所述目标数据存储至所述存储系统中的第二存储介质中，直至满足所述归并任务的设定条件，得到归并后的数据，其中，所述设定条件用于设定所述归并后的数据对应的目标数据的数量或所占存储空间大小；

更新所述归并后的数据中的各个所述目标数据对应的元数据。

3.根据权利要求2所述的方法，其特征在于，通过所述归并模块下发归并任务将所述目标数据存储至所述存储系统中的第二存储介质中包括：

生成多个所述归并任务，并按照预设规则将所述目标数据加入多个所述归并任务中的一个；

控制多个所述归并任务并发地将数据写入所述第二存储介质中。

4.根据权利要求3所述的方法，其特征在于，控制多个所述归并任务并发地将数据写入所述第二存储介质中包括：

在每个所述归并任务首次将数据写入所述第二存储介质中的情况下，将所述归并任务对应的状态从初始状态调整为执行状态；

在每个所述归并任务将所有的数据写入所述第二存储介质中的情况下，将所述归并任务对应的状态从所述执行状态调整为完成状态，并更新所述归并任务对应的数据的元数据。

5.根据权利要求2所述的方法，其特征在于，所述方法还包括：

在所述归并任务对应的进程出现异常的情况下，重新执行未完成的所述归并任务。

6.根据权利要求1所述的方法，其特征在于，在所述目标数据对应的业务类型为所述第一类型的情况下，采用离线归并的方式对所述目标数据进行数据归并包括：

依次将每个所述目标数据写入所述存储系统中的第一存储介质，记录日志数据，并生成所述目标数据对应的元数据；

在预设归并时间达到后，从所述日志数据中获取多个所述目标数据的存储位置，并生成归并任务，其中，多个所述目标数据的数量为预设数量，所述存储位置为所述第一存储介质中的存储地址，所述归并任务用于对所述存储位置对应存储的数据进行归并；

根据所述归并任务对应的所述存储位置从所述第一存储介质中获取多个所述目标数据，并对多个所述目标数据进行归并，得到一组归并后的数据；

将所述归并后的数据存储至所述存储系统中的第二存储介质，从所述第一存储介质中删除多个所述目标数据，并更新多个所述目标数据对应的元数据。

7.根据权利要求6所述的方法，其特征在于，从所述第一存储介质中获取多个所述目标数据包括：

判断所述目标数据写入所述第一存储介质的速率是否大于预设速率；

在所述目标数据写入所述第一存储介质的速率大于所述预设速率的情况下，采用第一速度从所述第一存储介质中获取多个所述目标数据；

在所述目标数据写入所述第一存储介质的速率小于等于所述预设速率的情况下，采用第二速度从所述第一存储介质中获取多个所述目标数据，其中，所述第二速度大于所述第一速度。

8.根据权利要求6所述的方法，其特征在于，在将所述归并后的数据存储至所述存储系统中的第二存储介质之后，所述方法还包括：

在一组所述归并后的数据中存在数据缺失的情况下，计算数据缺失比例；

在所述数据缺失比例大于预设比例的情况下，从所述第二存储介质中读取所述归并后的数据中的未缺失数据，并从所述第一存储介质中读取目标数量的所述目标数据，其中，所述目标数量为缺失数据的数量；

对所述未缺失数据以及所述目标数量的所述目标数据进行归并，得到重新归并后的数据；

从所述第二存储介质中删除所述未缺失数据，将所述重新归并后的数据存储至所述第二存储介质，从所述第一存储介质中删除所述目标数量的所述目标数据，并更新所述重新归并后的数据中的各个所述目标数据对应的元数据。

9.根据权利要求1所述的方法，其特征在于，在将目标数据写入存储系统的过程中，确定所述目标数据对应的业务类型包括：

在预设时间周期内，按照预设时间间隔获取所述目标数据的写入操作次数，得到多个写入操作次数值；

确定所述预设时间周期内所述多个写入操作次数值的分布情况，并根据所述分布情况确定所述目标数据的数据写入波动情况是否满足所述预设波动条件；

在所述目标数据的数据写入波动情况满足所述预设波动条件的情况下，确定所述目标数据对应的业务类型为所述第一类型；

在所述目标数据的数据写入波动情况不满足所述预设波动条件的情况下，确定所述目标数据对应的业务类型为所述第二类型。

10.一种电子装置，其特征在于，包含处理器和存储器，所述存储器中存储有计算机可读指令，所述处理器用于运行所述计算机可读指令，其中，所述计算机可读指令运行时执行权利要求1至9中任意一项所述的数据处理方法。

Images