CN113962597A - 一种数据分析方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请公开了一种数据分析方法、装置、电子设备及存储介质；该方法包括：通过数据分析画布获取用户基于不同的数据源所提供的分析需求；将分析需求拆分为N个子任务；其中，N为大于1的自然数；将N个子任务中的各个子任务发送至对应的分析系统中，通过各个分析系统得到各个子任务对应的分析结果；通过预先构建的调度器将全部的子任务对应的分析结果合并为分析需求对应的最终分析结果。本申请实施例可以面向跨数据源头的海量大数据进行分析，达到分析维度的任意组合，可快速获取结果，可拆解分析任务，可分段评估运行时间，可随时停止启动与中间分析环节，可随时查看中间结果，可周期性运行分析任务的目的。

Description

一种数据分析方法、装置、电子设备及存储介质

技术领域

本申请实施例涉及大数据分析和互联网开发技术领域，尤其涉及一种数据分析方法、装置、电子设备及存储介质。

背景技术

目前，在数据分析领域，面临着数据量巨大，来源各异，数据结构不同，分析维度，周期灵活，数据冗余存储等问题和挑战。

如何能够跨数据源头整合数据，加以调度和分析，目前市面上先后涌现出Airflow、Oozie、Kettle、xxl-job、Spring Batch等技术框架。但是有的技术框架和大数据生态结合不够成熟，有的技术框架在数据分析任务的拆分和整合调度上不够灵活，上述技术框架均不太理想。在这种情况下，出现了DolphinScheduler，它是去中心化的多Master和多Worker结构，可以避免单点故障，具有无回路有向图(Directed Acyclic Graph，简称DAG)监控界面、任务状态、任务类型、重试次数、任务运行机器、可视化变量等关键信息，一目了然；支持多种数据分析任务类型，比如传统的shell、python任务，同时支持大数据平台任务调度，例如：MR、Spark、Flink、SQL、DataX、Sqoop等。支持任务的暂停和恢复，支持可视化流程定义，所有的流程定义都是可视化的，通过拖拽任务来绘制DAG，配置数据源以及资源，并提供rest接口访问，方便后期的集成和二次开发。

但是拥有如此优秀的任务调度框架，距离实现高效，灵活的对海量跨数据源的数据作数据分析并非易事，还有相当遥远的距离，还有很多问题需要解决，还有大量的适配和整合的设计工作要去完成。例如，现有的DolphinScheduler无法实现分析维度的任意组合，快速获取结果、拆解分析任务、分段评估运行时间、随时停止和启动中间分析环节、随时查看中间结果、周期性运行分析任务等。

发明内容

本申请提供一种数据分析方法、装置、电子设备及存储介质，可以面向跨数据源头的海量大数据进行分析，达到分析维度的任意组合，可快速获取结果，可拆解分析任务，可分段评估运行时间，可随时停止启动与中间分析环节，可随时查看中间结果，可周期性运行分析任务的目的。

第一方面，本申请实施例提供了一种数据分析方法，所述方法包括：

通过数据分析画布获取用户基于不同的数据源所提供的分析需求；

将所述分析需求拆分为N个子任务；其中，N为大于1的自然数；

将所述N个子任务中的各个子任务发送至对应的分析系统中，通过各个分析系统得到各个子任务对应的分析结果；

通过预先构建的调度器将全部的子任务对应的分析结果合并为所述分析需求对应的最终分析结果。

第二方面，本申请实施例还提供了一种数据分析装置，所述装置包括：获取模块、拆分模块、分析模块和合并模块；其中，

所述获取模块，用于通过数据分析画布获取用户基于不同的数据源所提供的分析需求；

所述拆分模块，用于将所述分析需求拆分为N个子任务；其中，N为大于1的自然数；

所述分析模块，用于将所述N个子任务中的各个子任务发送至对应的分析系统中，通过各个分析系统得到各个子任务对应的分析结果；

所述合并模块，用于通过预先构建的调度器将全部的子任务对应的分析结果合并为所述分析需求对应的最终分析结果。

第三方面，本申请实施例提供了一种电子设备，包括：

一个或多个处理器；

存储器，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申请任意实施例所述的数据分析方法。

第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现本申请任意实施例所述的数据分析方法。

本申请实施例提出了一种数据分析方法、装置、电子设备及存储介质，先通过数据分析画布获取用户基于不同的数据源所提供的分析需求；然后将分析需求拆分为N个子任务；再将N个子任务中的各个子任务发送至对应的分析系统中，通过各个分析系统得到各个子任务对应的分析结果；最后通过预先构建的调度器将全部的子任务对应的分析结果合并为分析需求对应的最终分析结果。也就是说，在本申请的技术方案中，可以通过数据分析画布获取用户基于不同的数据源所提供的分析需求，并将分析需求拆分为N个子任务后分别进行分析。而现有技术无法实现分析维度的任意组合，快速获取结果、拆解分析任务、分段评估运行时间、随时停止和启动中间分析环节、随时查看中间结果、周期性运行分析任务。因此，和现有技术相比，本申请实施例提出的数据分析方法、装置、电子设备及存储介质，可以面向跨数据源头的海量大数据进行分析，达到分析维度的任意组合，可快速获取结果，可拆解分析任务，可分段评估运行时间，可随时停止启动与中间分析环节，可随时查看中间结果，可周期性运行分析任务的目的；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。

附图说明

图1是本申请实施例提供的数据分析方法的第一流程示意图；

图2是本申请实施例提供的数据分析方法的第二流程示意图；

图3是本申请实施例提供的数据分析方法的第三流程示意图；

图4是本申请实施例提供的数据分析装置的结构示意图；

图5是本申请实施例提供的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。

实施例一

图1是本申请实施例提供的数据分析方法的第一流程示意图，该方法可以由数据分析装置或者电子设备来执行，该装置或者电子设备可以由软件和/或硬件的方式实现，该装置或者电子设备可以集成在任何具有网络通信功能的智能设备中。如图1所示，数据分析方法可以包括以下步骤：

S101、通过数据分析画布获取用户基于不同的数据源所提供的分析需求。

在本步骤中，电子设备可以通过数据分析画布获取用户基于不同的数据源所提供的分析需求。具体地，电子设备可以先通过数据分析画布获取用户的输入操作；其中，输入操作可以包括但不限于：拖拉拽操作、点击操作、选择操作；然后通过数据分析画布构建输入操作对应的可扩展标记语言(eXtensible Markup Language，简称XML)文件；将XML文件作为用户基于不同的数据源所提供的分析需求；其中，XML文件至少可以包括：用户基于不同的数据源所连接的至少两个数据集，该至少两个数据集中每两个数据集之间的配置信息以及输出结果目的地。例如，用户可以在数据分析系统的Web界面上将数据源和数据集定义导入系统后，在数据分析系统的Web界面上，通过拖拉拽的方式将数据源下的表，也就是数据集通过连线连接，连线上的属性可以配置关联条件，比如账号等关键字，最后的分析结果可以通过连线指向最终输出的数据源下的某张结果表。

S102、将分析需求拆分为N个子任务；其中，N为大于1的自然数。

在本步骤中，电子设备可以将分析需求拆分为N个子任务；其中，N为大于1的自然数。具体地，电子设备可以先通过数据模型服务将XML文件映射为对应的无回路有向图；然后基于XML文件对应的无回路有向图，通过分析任务调度服务将分析需求拆分为N个子任务；其中，该N个子任务包括但不限于：Spark子任务、Hive子任务和Sql子任务。

进一步地，数据模型服务负责将数据分析画布产生的XML文件映射为DAG图，DAG图的内容为Spark，Mr，Hive等数据分析子任务的编排，输入输出的前后衔接；然后通过DAG图将数据分析子任务发送给任务调度服务提供的rest接口，发起数据分析任务的注册、执行、查询状态、暂停、恢复执行、查询结果等操作。数据分析任务调度服务主要将数据模型服务发送过来的rest请求拆解为细粒度的DolphinScheduler的基层API接口，并加以调用。而DolphinScheduler主要负责对接各种关系数据库和非关系型数据数据库的底层访问的封装还有任务协作和调度的实现。

S103、将N个子任务中的各个子任务发送至对应的分析系统中，通过各个分析系统得到各个子任务对应的分析结果。

在本步骤中，电子设备可以将N个子任务中的各个子任务发送至对应的分析系统中，通过各个分析系统得到各个子任务对应的分析结果。具体地，电子设备可以根据XML文件中的分析函数个数和前后依赖拆分为子任务，针对每个子任务构建ds请求，请求参数可以包括：输入的数据源、表结构、Sql查询语句等。调用ds提供的创建，启动，查询状态等接口，完整分析逻辑。

S104、通过预先构建的调度器将全部的子任务对应的分析结果合并为分析需求对应的最终分析结果。

在本步骤中，电子设备可以通过预先构建的调度器将全部的子任务对应的分析结果合并为分析需求对应的最终分析结果。本申请实施例中的调度器可以是DolphinScheduler。具体地，电子设备可以先通过调度器将全部的子任务对应的分析结果合并为分析需求对应的初步分析结果；若初步分析结果需要做跨库二次分析，则电子设备可以将初步分析结果作为中间结果缓存到Hive仓库或者Spark内存中；返回执行将分析需求拆分为N个子任务的操作，直到初步分析结果不需要做跨库二次分析，将不需要做跨库二次分析的初步分析结果作为最终分析结果。

本申请实施例提出的数据分析方法，先通过数据分析画布获取用户基于不同的数据源所提供的分析需求；然后将分析需求拆分为N个子任务；再将N个子任务中的各个子任务发送至对应的分析系统中，通过各个分析系统得到各个子任务对应的分析结果；最后通过预先构建的调度器将全部的子任务对应的分析结果合并为分析需求对应的最终分析结果。也就是说，在本申请的技术方案中，可以通过数据分析画布获取用户基于不同的数据源所提供的分析需求，并将分析需求拆分为N个子任务后分别进行分析。而现有技术无法实现分析维度的任意组合，快速获取结果、拆解分析任务、分段评估运行时间、随时停止和启动中间分析环节、随时查看中间结果、周期性运行分析任务。因此，和现有技术相比，本申请实施例提出的数据分析方法，可以面向跨数据源头的海量大数据进行分析，达到分析维度的任意组合，可快速获取结果，可拆解分析任务，可分段评估运行时间，可随时停止启动与中间分析环节，可随时查看中间结果，可周期性运行分析任务的目的；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。

实施例二

图2是本申请实施例提供的数据分析方法的第二流程示意图。基于上述技术方案进一步优化与扩展，并可以与上述各个可选实施方式进行结合。如图2所示，数据分析方法可以包括以下步骤：

S201、通过数据分析画布获取用户的输入操作；其中，输入操作包括但不限于：拖拉拽操作、点击操作、选择操作。

在本步骤中，电子设备可以通过数据分析画布获取用户的输入操作；其中，输入操作包括但不限于：拖拉拽操作、点击操作、选择操作。在本申请的具体实施例中，电子设备可以先创建行业索引库，完成数据源的接入和数据集元数据的定义。1)创建数据源：登记数据源的IP地址，端口，服务名，用户名，密码，并进行可用性探查与存储。2)对数据源下的表结构进行字段级别的探查与存储；提取数据源中的表结构，表数据量的统计；表字段的类型，长度的识别与存储。3)提供Web界面功能，支持对表字段的字典表的导入编辑和维护等功能；对数据字段含有字典码的进行识别归类和映射存储。

S202、通过数据分析画布构建输入操作对应的XML文件；将XML文件作为用户基于不同的数据源所提供的分析需求；其中，XML文件至少包括：用户基于不同的数据源所连接的至少两个数据集，该至少两个数据集中每两个数据集之间的配置信息以及输出结果目的地。

在本步骤中，电子设备可以通过数据分析画布构建输入操作对应的XML文件；将XML文件作为用户基于不同的数据源所提供的分析需求；其中，XML文件至少包括：用户基于不同的数据源所连接的至少两个数据集，该至少两个数据集中每两个数据集之间的配置信息以及输出结果目的地。具体地，数据分析画布接受到用户拖拉拽的操作后，产生数据源、数据集、过滤关联函数、结果输出目的地，依赖关系的XML节点描述。

S203、通过数据模型服务将XML文件映射为对应的无回路有向图。

在本步骤中，电子设备可以通过数据模型服务将XML文件映射为对应的无回路有向图。电子设备可以根据数据分析画布产生的XML文件，解析出不同的数据源，中间关联结果的数据集，Sql函数的类型等元素，并根据以上信息构建出json格式的rest接口请求参数，产生不同的子任务下发给DolphinScheduler。

S204、基于XML文件映射为对应的无回路有向图，通过分析任务调度服务将分析需求拆分为N个子任务；其中，该N个子任务包括但不限于：Spark子任务、Hive子任务和Sql子任务。

在本步骤中，电子设备可以基于XML文件映射为对应的无回路有向图，通过分析任务调度服务将分析需求拆分为N个子任务；其中，该N个子任务包括但不限于：Spark子任务、Hive子任务和Sql子任务。具体地，电子设备可以根据XML文件中的分析函数个数和前后依赖拆分为子任务，针对每个子任务构建ds请求，请求参数包括输入的数据源、表结构、Sql查询语句等。调用ds提供的创建、启动、查询状态等接口，完整分析逻辑。

S205、通过预先构建的调度器将全部的子任务对应的分析结果合并为分析需求对应的最终分析结果。

本申请实施例提出的数据分析方法，先通过数据分析画布获取用户基于不同的数据源所提供的分析需求；然后将分析需求拆分为N个子任务；再将N个子任务中的各个子任务发送至对应的分析系统中，通过各个分析系统得到各个子任务对应的分析结果；最后通过预先构建的调度器将全部的子任务对应的分析结果合并为分析需求对应的最终分析结果。也就是说，在本申请的技术方案中，可以通过数据分析画布获取用户基于不同的数据源所提供的分析需求，并将分析需求拆分为N个子任务后分别进行分析。而现有技术无法实现分析维度的任意组合，快速获取结果、拆解分析任务、分段评估运行时间、随时停止和启动中间分析环节、随时查看中间结果、周期性运行分析任务。因此，和现有技术相比，本申请实施例提出的数据分析方法，可以面向跨数据源头的海量大数据进行分析，达到分析维度的任意组合，可快速获取结果，可拆解分析任务，可分段评估运行时间，可随时停止启动与中间分析环节，可随时查看中间结果，可周期性运行分析任务的目的；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。

实施例三

图3是本申请实施例提供的数据分析方法的第三流程示意图。基于上述技术方案进一步优化与扩展，并可以与上述各个可选实施方式进行结合。如图3所示，数据分析方法可以包括以下步骤：

S301、通过数据分析画布获取用户的输入操作；其中，输入操作包括但不限于：拖拉拽操作、点击操作、选择操作。

S302、通过数据分析画布构建输入操作对应的XML文件；将XML文件作为用户基于不同的数据源所提供的分析需求；其中，XML文件至少包括：用户基于不同的数据源所连接的至少两个数据集，该至少两个数据集中每两个数据集之间的配置信息以及输出结果目的地。

S303、通过数据模型服务将XML文件映射为对应的无回路有向图。

S304、基于XML文件对应的无回路有向图，通过分析任务调度服务将分析需求拆分为N个子任务；其中，该N个子任务包括但不限于：Spark子任务、Hive子任务和Sql子任务。

S305、通过调度器将全部的子任务对应的分析结果合并为分析需求对应的初步分析结果。

在本步骤中，电子设备可以通过调度器将全部的子任务对应的分析结果合并为分析需求对应的初步分析结果。具体地，电子设备可以根据XML文件中的场景判断是否需要对子任务的分析结果进行二次关联；如果需要对子任务的分析结果进行二次关联，根据数据量规模，选择缓存到hive仓库或者spark内存中，再次向ds提交分析子任务。

S306、若初步分析结果需要做跨库二次分析，则将初步分析结果作为中间结果缓存到Hive仓库或者Spark内存中；返回执行将分析需求拆分为N个子任务的操作，直到初步分析结果不需要做跨库二次分析，将不需要做跨库二次分析的初步分析结果作为最终分析结果。

在本申请的具体实施例中，分析结果可以根据创建的数据分析任务下发的输出信息，连接对应的数据库和对应的表。主要逻辑如下：1)解析XML文件中的dburl属性，获取存储结果库的IP地址、端口、用户名和密码；2)连接对应的数据库；3)将结果入库；4)将存储执行状态返回给模型分析服务。

本申请实施例提出的数据分析方法，先通过数据分析画布获取用户基于不同的数据源所提供的分析需求；然后将分析需求拆分为N个子任务；再将N个子任务中的各个子任务发送至对应的分析系统中，通过各个分析系统得到各个子任务对应的分析结果；最后通过预先构建的调度器将全部的子任务对应的分析结果合并为分析需求对应的最终分析结果。也就是说，在本申请的技术方案中，可以通过数据分析画布获取用户基于不同的数据源所提供的分析需求，并将分析需求拆分为N个子任务后分别进行分析。而现有技术无法实现分析维度的任意组合，快速获取结果、拆解分析任务、分段评估运行时间、随时停止和启动中间分析环节、随时查看中间结果、周期性运行分析任务。因此，和现有技术相比，本申请实施例提出的数据分析方法，可以面向跨数据源头的海量大数据进行分析，达到分析维度的任意组合，可快速获取结果，可拆解分析任务，可分段评估运行时间，可随时停止启动与中间分析环节，可随时查看中间结果，可周期性运行分析任务的目的；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。

实施例四

图4是本申请实施例提供的数据分析装置的结构图。如图4所示，所述数据分析装置400包括：获取模块401、拆分模块402、分析模块403和合并模块404；其中，

所述获取模块401，用于通过数据分析画布获取用户基于不同的数据源所提供的分析需求；

所述拆分模块402，用于将所述分析需求拆分为N个子任务；其中，N为大于1的自然数；

所述分析模块403，用于将所述N个子任务中的各个子任务发送至对应的分析系统中，通过各个分析系统得到各个子任务对应的分析结果；

所述合并模块404，用于通过预先构建的调度器将全部的子任务对应的分析结果合并为所述分析需求对应的最终分析结果。

进一步的，所述获取模块401，具体用于通过所述数据分析画布获取用户的输入操作；其中，所述输入操作包括但不限于：拖拉拽操作、点击操作、选择操作；通过所述数据分析画布构建所述输入操作对应的可扩展标记语言XML文件；将所述XML文件作为所述用户基于不同的数据源所提供的分析需求；其中，所述XML文件至少包括：所述用户基于所述不同的数据源所连接的至少两个数据集，所述至少两个数据集中每两个数据集之间的配置信息以及输出结果目的地。

进一步的，所述拆分模块402，具体用于通过数据模型服务将所述XML文件映射为对应的无回路有向图；基于所述XML文件对应的无回路有向图，通过分析任务调度服务将所述分析需求拆分为N个子任务；其中，所述N个子任务包括但不限于：Spark子任务、Hive子任务和Sql子任务。

进一步的，所述合并模块404，具体用于通过所述调度器将全部的子任务对应的分析结果合并为所述分析需求对应的初步分析结果；若所述初步分析结果需要做跨库二次分析，则将所述初步分析结果作为中间结果缓存到Hive仓库或者Spark内存中；返回执行所述将所述分析需求拆分为N个子任务的操作，直到所述初步分析结果不需要做跨库二次分析，将不需要做跨库二次分析的初步分析结果作为所述最终分析结果。

上述数据分析装置可执行本申请任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请任意实施例提供的数据分析方法。

实施例五

图5是本申请实施例提供的电子设备的结构示意图。图5示出了适于用来实现本申请实施方式的示例性电子设备的框图。图5显示的电子设备12仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图5所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。

电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图5中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本申请实施例所提供的数据分析方法。

实施例六

本申请实施例六提供了一种计算机存储介质。

本申请实施例的计算机可读存储介质，可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中，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。

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。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims (10)

1.一种数据分析方法，其特征在于，所述方法包括：

通过数据分析画布获取用户基于不同的数据源所提供的分析需求；

将所述分析需求拆分为N个子任务；其中，N为大于1的自然数；

将所述N个子任务中的各个子任务发送至对应的分析系统中，通过各个分析系统得到各个子任务对应的分析结果；

通过预先构建的调度器将全部的子任务对应的分析结果合并为所述分析需求对应的最终分析结果。

2.根据权利要求1所述的方法，其特征在于，所述通过数据分析画布获取用户基于不同的数据源所提供的分析需求，包括：

通过所述数据分析画布获取用户的输入操作；其中，所述输入操作包括但不限于：拖拉拽操作、点击操作、选择操作；

通过所述数据分析画布构建所述输入操作对应的可扩展标记语言XML文件；将所述XML文件作为所述用户基于不同的数据源所提供的分析需求；其中，所述XML文件至少包括：所述用户基于所述不同的数据源所连接的至少两个数据集，所述至少两个数据集中每两个数据集之间的配置信息以及输出结果目的地。

3.根据权利要求2所述的方法，其特征在于，所述将所述分析需求拆分为N个子任务，包括：

通过数据模型服务将所述XML文件映射为对应的无回路有向图；

基于所述XML文件对应的无回路有向图，通过分析任务调度服务将所述分析需求拆分为N个子任务；其中，所述N个子任务包括但不限于：Spark子任务、Hive子任务和Sql子任务。

4.根据权利要求1所述的方法，其特征在于，所述通过预先构建的调度器将全部的子任务对应的分析结果合并为所述分析需求对应的最终分析结果，包括：

通过所述调度器将全部的子任务对应的分析结果合并为所述分析需求对应的初步分析结果；

若所述初步分析结果需要做跨库二次分析，则将所述初步分析结果作为中间结果缓存到Hive仓库或者Spark内存中；返回执行所述将所述分析需求拆分为N个子任务的操作，直到所述初步分析结果不需要做跨库二次分析，将不需要做跨库二次分析的初步分析结果作为所述最终分析结果。

5.一种数据分析装置，其特征在于，所述装置包括：获取模块、拆分模块、分析模块和合并模块；其中，

所述获取模块，用于通过数据分析画布获取用户基于不同的数据源所提供的分析需求；

所述拆分模块，用于将所述分析需求拆分为N个子任务；其中，N为大于1的自然数；

所述分析模块，用于将所述N个子任务中的各个子任务发送至对应的分析系统中，通过各个分析系统得到各个子任务对应的分析结果；

所述合并模块，用于通过预先构建的调度器将全部的子任务对应的分析结果合并为所述分析需求对应的最终分析结果。

6.根据权利要求5所述的装置，其特征在于，所述获取模块，具体用于通过所述数据分析画布获取用户的输入操作；其中，所述输入操作包括但不限于：拖拉拽操作、点击操作、选择操作；通过所述数据分析画布构建所述输入操作对应的可扩展标记语言XML文件；将所述XML文件作为所述用户基于不同的数据源所提供的分析需求；其中，所述XML文件至少包括：所述用户基于所述不同的数据源所连接的至少两个数据集，所述至少两个数据集中每两个数据集之间的配置信息以及输出结果目的地。

7.根据权利要求6所述的装置，其特征在于，所述拆分模块，具体用于通过数据模型服务将所述XML文件映射为对应的无回路有向图；基于所述XML文件对应的无回路有向图，通过分析任务调度服务将所述分析需求拆分为N个子任务；其中，所述N个子任务包括但不限于：Spark子任务、Hive子任务和Sql子任务。

8.根据权利要求5所述的装置，其特征在于，所述合并模块，具体用于通过所述调度器将全部的子任务对应的分析结果合并为所述分析需求对应的初步分析结果；若所述初步分析结果需要做跨库二次分析，则将所述初步分析结果作为中间结果缓存到Hive仓库或者Spark内存中；返回执行所述将所述分析需求拆分为N个子任务的操作，直到所述初步分析结果不需要做跨库二次分析，将不需要做跨库二次分析的初步分析结果作为所述最终分析结果。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，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至4中任一项所述的数据分析方法。

10.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4中任一项所述的数据分析方法。

Images