CN114547022B - 一种数据缓存优化的方法、系统、设备和存储介质 - Google Patents

一种数据缓存优化的方法、系统、设备和存储介质 Download PDF

Info

Publication number
CN114547022B
CN114547022B CN202210107392.6A CN202210107392A CN114547022B CN 114547022 B CN114547022 B CN 114547022B CN 202210107392 A CN202210107392 A CN 202210107392A CN 114547022 B CN114547022 B CN 114547022B
Authority
CN
China
Prior art keywords
data
window
time
time span
calculation
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.)
Active
Application number
CN202210107392.6A
Other languages
English (en)
Other versions
CN114547022A (zh
Inventor
张垚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Inspur Intelligent Technology Co Ltd
Original Assignee
Suzhou Inspur Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou Inspur Intelligent Technology Co Ltd filed Critical Suzhou Inspur Intelligent Technology Co Ltd
Priority to CN202210107392.6A priority Critical patent/CN114547022B/zh
Publication of CN114547022A publication Critical patent/CN114547022A/zh
Application granted granted Critical
Publication of CN114547022B publication Critical patent/CN114547022B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/22—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
    • G06F16/2455—Query execution
    • G06F16/24552—Database cache management
    • 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
    • G06F16/2477—Temporal data queries
    • 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
    • G06F16/248—Presentation of query results
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种数据缓存优化的方法、系统、设备和存储介质，方法包括：确定计算依赖的数据字段，并根据所述数据字段对接收到的数据进行裁剪；对裁剪后的数据进行预聚合，建立预聚合数据和预聚合数据所在的时间周期的对应关系，并将时间字段作为索引；根据窗口的属性计算出需要预聚合的数据的时间跨度；以及根据所述时间跨度进行窗口计算，并输出窗口计算的结果。本发明通过使用预聚合的方式，将流数据时间切片预聚合之后存入缓存，使得窗口运算可以最大程度上的依赖预聚合的缓存数据，杜绝了数据重复处理和加工，提高了流处理系统的效率。

Description

一种数据缓存优化的方法、系统、设备和存储介质
技术领域
本发明涉及流计算领域，更具体地，特别是指一种数据缓存优化的方法、系统、设备和存储介质。
背景技术
目前各大主流的流计算系统，在使用窗口计算的时候，将窗口和属于这个窗口的原始数据缓存在一起(只有窗口数据全部接收到的时候才会触发计算，接收数据的过程中全部数据都需要缓存起来)。这样能够保存所有的原始数据，处理逻辑简单，在计算的时候读取数据非常方便，但是带来严重的性能问题。
首先是占用内存过大的问题。如果窗口时间跨度过长，需要缓存的数据会很多，这样将会大量占用内存空间，降低流计算系统的灵活性和处理能力上限。其次，目前这种缓存方式还会遇到数据重复计算的问题。对于滑动时间窗口来说，很可能存在大量数据同时处于两个或多个窗口时间跨度中，这样带来的问题是，这些重叠区域的数据会被重复缓存。并且计算这些窗口的时候，这部分数据会被重复计算，严重浪费存储空间和计算能力。
发明内容
有鉴于此，本发明实施例的目的在于提出一种数据缓存优化的方法、系统、计算机设备及计算机可读存储介质，本发明利用数据裁剪和预聚合方式，减小了每次窗口计算的数据量；同时预聚合时基于时间分片，从而保证了预聚合结果能够在窗口计算中最大化的利用到，极大程度上提高了流处理窗口计算的效率。
基于上述目的，本发明实施例的一方面提供了一种数据缓存优化的方法，包括如下步骤：确定计算依赖的数据字段，并根据所述数据字段对接收到的数据进行裁剪；对裁剪后的数据进行预聚合，建立预聚合数据和预聚合数据所在的时间周期的对应关系，并将时间字段作为索引；根据窗口的属性计算出需要预聚合的数据的时间跨度；以及根据所述时间跨度进行窗口计算，并输出窗口计算的结果。
在一些实施方式中，所述根据窗口的属性计算出需要预聚合的数据的时间跨度包括：查询缓存中是否存在时间跨度包含于窗口的预聚合结果；响应于不存在时间跨度包含于窗口的预聚合结果，读取窗口内的所有元素，计算时间间隔并按照所述时间间隔进行分片；以及以分片为单位进行聚合计算，并将聚合计算结果和对应的时间跨度保存在缓存中。
在一些实施方式中，所述计算时间间隔并按照所述时间间隔进行分片包括：确定窗口时间跨度和窗口滑动时长的最大公约数，并将所述最大公约数确定为所述时间间隔。
在一些实施方式中，所述根据所述时间跨度进行窗口计算包括：从缓存中选择预聚合结果使得所述预聚合结果对应的时间跨度之和与窗口时间跨度相同，并将所述预聚合结果合并。
本发明实施例的另一方面，提供了一种数据缓存优化的系统，包括：裁剪模块，配置用于确定计算依赖的数据字段，并根据所述数据字段对接收到的数据进行裁剪；对应模块，配置用于对裁剪后的数据进行预聚合，建立预聚合数据和预聚合数据所在的时间周期的对应关系，并将时间字段作为索引；计算模块，配置用于根据窗口的属性计算出需要预聚合的数据的时间跨度；以及执行模块，配置用于根据所述时间跨度进行窗口计算，并输出窗口计算的结果。
在一些实施方式中，所述计算模块配置用于：查询缓存中是否存在时间跨度包含于窗口的预聚合结果；响应于不存在时间跨度包含于窗口的预聚合结果，读取窗口内的所有元素，计算时间间隔并按照所述时间间隔进行分片；以及以分片为单位进行聚合计算，并将聚合计算结果和对应的时间跨度保存在缓存中。
在一些实施方式中，所述计算模块配置用于：确定窗口时间跨度和窗口滑动时长的最大公约数，并将所述最大公约数确定为所述时间间隔。
在一些实施方式中，所述执行模块配置用于：从缓存中选择预聚合结果使得所述预聚合结果对应的时间跨度之和与窗口时间跨度相同，并将所述预聚合结果合并。
本发明实施例的又一方面，还提供了一种计算机设备，包括：至少一个处理器；以及存储器，所述存储器存储有可在所述处理器上运行的计算机指令，所述指令由所述处理器执行时实现如上方法的步骤。
本发明实施例的再一方面，还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时实现如上方法步骤的计算机程序。
本发明具有以下有益技术效果：通过使用预聚合的方式，将流数据时间切片预聚合之后存入缓存，使得窗口运算可以最大程度上的依赖预聚合的缓存数据，杜绝了数据重复处理和加工，提高了流处理系统的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。
图1为本发明提供的数据缓存优化的方法的实施例的示意图；
图2为本发明提供的数据缓存优化的方法的实施例的流程图；
图3为本发明提供的滑动时间窗口的示意图；
图4为本发明提供的数据缓存优化的系统的实施例的示意图；
图5为本发明提供的数据缓存优化的计算机设备的实施例的硬件结构示意图；
图6为本发明提供的数据缓存优化的计算机存储介质的实施例的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明实施例进一步详细说明。
需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。
本发明实施例的第一个方面，提出了一种数据缓存优化的方法的实施例。图1示出的是本发明提供的数据缓存优化的方法的实施例的示意图。如图1所示，本发明实施例包括如下步骤：
S1、确定计算依赖的数据字段，并根据所述数据字段对接收到的数据进行裁剪；
S2、对裁剪后的数据进行预聚合，建立预聚合数据和预聚合数据所在的时间周期的对应关系，并将时间字段作为索引；
S3、根据窗口的属性计算出需要预聚合的数据的时间跨度；以及
S4、根据所述时间跨度进行窗口计算，并输出窗口计算的结果。
流计算是指面向数据流的计算。参与计算的数据是无界的，不间断的，实时到来的。一般需要流计算系统具有很高的计算能力和很低的计算延迟。窗口：流处理数据是无界的，因此它的统计结果需要基于窗口，窗口是规定的流数据的统计范围。本发明实施例中的窗口主要指的是时间窗口。例如统计9:00-9:30之间的数据，那么时间窗口的范围即9:00-9:30，对该时间窗口的运算只需要考虑9:00-9:30之间的数据。时间窗口具有时间跨度的概念。上面例子中的时间窗口的跨度为30分钟。同时时间窗口还有滑动时间的概念。因为在实际业务中，为了保证窗口数据统计结果在时间轴的规律性，窗口不能够随机生成，需要按照一定的规律生成。窗口滑动是一种规律生成窗口的方式。滑动时间指的是相邻两个时间窗口起始时刻的差值。
本发明实施例通过使用预聚合的方式，将流数据时间切片预聚合之后存入缓存，使得窗口运算可以最大程度上的依赖预聚合的缓存数据，杜绝了数据重复处理和加工，提高了流处理系统的效率。
确定计算依赖的数据字段，并根据所述数据字段对接收到的数据进行裁剪。在生成流处理作业计算方案的时候，对聚合逻辑进行分析。将数据做投影运算，仅保留聚合字段，条件字段和分组字段等下游计算必须依赖的数据字段。例如：有用户点击量数据，字段为用户ID(标识)、所属地区、浏览板块，每接收到一次数据说明发生了一次用户点击事件。假如需要聚合统计的信息为每个地区的用户浏览X板块的次数，此时点击次数为聚合字段，浏览板块为条件字段，所属地区为分组字段。用户ID这个字段对于后面的计算过程来说是非必须的，这一列数据可以被裁剪掉，不需要发送的下游参与计算过程，从而减小了网络通信数据量和计算引擎的负载。
对裁剪后的数据进行预聚合，建立预聚合数据和预聚合数据所在的时间周期的对应关系，并将时间字段作为索引。
传统的流计算方法在运行的时候，逐个读取窗口内所有元素，然后进行聚合运算，输出聚合运算结果，再读取下一个窗口的所有数据，以此类推。计算引擎完全不考虑各个窗口之间数据的关联性。本本发明实施例采用数据预聚合的思想，该思想基于累加器。累加器包含两部分，累加和合并。
根据窗口的属性计算出需要预聚合的数据的时间跨度。
在一些实施方式中，所述根据窗口的属性计算出需要预聚合的数据的时间跨度包括：查询缓存中是否存在时间跨度包含于窗口的预聚合结果；响应于不存在时间跨度包含于窗口的预聚合结果，读取窗口内的所有元素，计算时间间隔并按照所述时间间隔进行分片；以及以分片为单位进行聚合计算，并将聚合计算结果和对应的时间跨度保存在缓存中。
图2为本发明提供的数据缓存优化的方法的实施例的流程图，结合图2对本发明实施例进行说明。
采用本发明实施例并不会一开始就逐个读取窗口内的所有元素，而是先查询缓存，是否存在先前时间跨度重叠的数据的预聚合结果。如果存在，直接使用缓存结果，对于缓存中没有预聚合结果的数据，需要逐个读取，按照一定时间间隔进行分片后，以分片为单位进行聚合运算，将数据聚合结果以及它的时间跨度保存在缓存中，以供下个窗口计算的时候取用。以上是累加的过程。这种方式的优点为考虑到了多个不同窗口间数据的关联性，相关的数据不需要重复计算，减少了数据的运算量。其中较为复杂的地方为时间分片，时间分片作用为以牺牲部分缓存粒度(时间跨度)为代价，尽可能的增强数据的可复用能力。窗口计算最终的结果来自于缓存，从缓存中读取各个时间片段，找出这些时间片段之和正好为窗口时间跨度的缓存条目对应的预聚合数据，将它们合并起来形成窗口计算最终的结果。这是累加器合并的过程。
缓存的数据结构如下表所示。每一行存放的数据为聚合结果和时间跨度。例如10对应2022-01-01 9:00(简称9:00)到9:30之间的数据。在计算窗口最终结果的时候，可以依赖缓存的预聚合结果，而不用对窗口内数据逐个计算。例如要计算9:00到10:00时间跨度的窗口内数据的计算结果，按照时间跨度，查找缓存。找到9:00-9:30的结果10和9:30到10:00的结果20，对10和20进行聚合运算，最终的结果就是这个窗口的内容。当然，在实际使用中多数情况已缓存的结果时间跨度的交集几乎不可能完全覆盖窗口的时间跨度。此时窗口中的数据可分为两部分，可被缓存中时间覆盖的数据，从缓存结果计算，剩余的数据逐个按照时间分片之后计算。计算的结果存入缓存，方便之后的时间窗口使用。
在一些实施方式中，所述计算时间间隔并按照所述时间间隔进行分片包括：确定窗口时间跨度和窗口滑动时长的最大公约数，并将所述最大公约数确定为所述时间间隔。
图3为本发明提供的滑动时间窗口的示意图。如图3所示，窗口的时间跨度为1个半小时，窗口的滑动时间长度为30分钟。那么按照“时间分片间隔＝窗口时间跨度和窗口滑动时长的最大公约数”计算出的分片时间间隔为30分钟。这样每个窗口的起止时间都不会和缓存的时间分片发生交叉，同时窗口的时间跨度也正好是时间分片间隔的整数倍。各个窗口之间重叠部分也是分片时间间隔的整数倍。通过这种方式，能够确保缓存数据能够最大可能的被复用，减少了系统计算的压力。
根据所述时间跨度进行窗口计算，并输出窗口计算的结果。
在一些实施方式中，所述根据所述时间跨度进行窗口计算包括：从缓存中选择预聚合结果使得所述预聚合结果对应的时间跨度之和与窗口时间跨度相同，并将所述预聚合结果合并。为了最大程度的提高缓存数据的可复用程度，需要将数据按照时间分片之后进行聚合运算。根据缓存的结果来计算出窗口最终的聚合结果要求非常严格，各个缓存结果对应的时间跨度不能够有时间重叠，也不能够超越窗口的时间边界。不符合要求的缓存结果是无法使用的，必须要重新计算。可以将数据按照时间切片后再预聚合并对预聚合的数据进行窗口计算。
需要特别指出的是，上述数据缓存优化的方法的各个实施例中的各个步骤均可以相互交叉、替换、增加、删减，因此，这些合理的排列组合变换之于数据缓存优化的方法也应当属于本发明的保护范围，并且不应将本发明的保护范围局限在实施例之上。
基于上述目的，本发明实施例的第二个方面，提出了一种数据缓存优化的系统。如图4所示，系统200包括如下模块：裁剪模块，配置用于确定计算依赖的数据字段，并根据所述数据字段对接收到的数据进行裁剪；对应模块，配置用于对裁剪后的数据进行预聚合，建立预聚合数据和预聚合数据所在的时间周期的对应关系，并将时间字段作为索引；计算模块，配置用于根据窗口的属性计算出需要预聚合的数据的时间跨度；以及执行模块，配置用于根据所述时间跨度进行窗口计算，并输出窗口计算的结果。
在一些实施方式中，所述计算模块配置用于：查询缓存中是否存在时间跨度包含于窗口的预聚合结果；响应于不存在时间跨度包含于窗口的预聚合结果，读取窗口内的所有元素，计算时间间隔并按照所述时间间隔进行分片；以及以分片为单位进行聚合计算，并将聚合计算结果和对应的时间跨度保存在缓存中。
在一些实施方式中，所述计算模块配置用于：确定窗口时间跨度和窗口滑动时长的最大公约数，并将所述最大公约数确定为所述时间间隔。
在一些实施方式中，所述执行模块配置用于：从缓存中选择预聚合结果使得所述预聚合结果对应的时间跨度之和与窗口时间跨度相同，并将所述预聚合结果合并。
基于上述目的，本发明实施例的第三个方面，提出了一种计算机设备，包括：至少一个处理器；以及存储器，存储器存储有可在处理器上运行的计算机指令，指令由处理器执行以实现如下步骤：S1、确定计算依赖的数据字段，并根据所述数据字段对接收到的数据进行裁剪；S2、对裁剪后的数据进行预聚合，建立预聚合数据和预聚合数据所在的时间周期的对应关系，并将时间字段作为索引；S3、根据窗口的属性计算出需要预聚合的数据的时间跨度；以及S4、根据所述时间跨度进行窗口计算，并输出窗口计算的结果。
在一些实施方式中，所述根据窗口的属性计算出需要预聚合的数据的时间跨度包括：查询缓存中是否存在时间跨度包含于窗口的预聚合结果；响应于不存在时间跨度包含于窗口的预聚合结果，读取窗口内的所有元素，计算时间间隔并按照所述时间间隔进行分片；以及以分片为单位进行聚合计算，并将聚合计算结果和对应的时间跨度保存在缓存中。
在一些实施方式中，所述计算时间间隔并按照所述时间间隔进行分片包括：确定窗口时间跨度和窗口滑动时长的最大公约数，并将所述最大公约数确定为所述时间间隔。
在一些实施方式中，所述根据所述时间跨度进行窗口计算包括：从缓存中选择预聚合结果使得所述预聚合结果对应的时间跨度之和与窗口时间跨度相同，并将所述预聚合结果合并。
如图5所示，为本发明提供的上述数据缓存优化的计算机设备的一个实施例的硬件结构示意图。
以如图5所示的装置为例，在该装置中包括一个处理器301以及一个存储器302。
处理器301和存储器302可以通过总线或者其他方式连接，图5中以通过总线连接为例。
存储器302作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的数据缓存优化的方法对应的程序指令/模块。处理器301通过运行存储在存储器302中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现数据缓存优化的方法。
存储器302可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据数据缓存优化的方法的使用所创建的数据等。此外，存储器302可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器302可选包括相对于处理器301远程设置的存储器，这些远程存储器可以通过网络连接至本地模块。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个数据缓存优化的方法对应的计算机指令303存储在存储器302中，当被处理器301执行时，执行上述任意方法实施例中的数据缓存优化的方法。
执行上述数据缓存优化的方法的计算机设备的任何一个实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
本发明还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时执行数据缓存优化的方法的计算机程序。
如图6所示，为本发明提供的上述数据缓存优化的计算机存储介质的一个实施例的示意图。以如图6所示的计算机存储介质为例，计算机可读存储介质401存储有被处理器执行时执行如上方法的计算机程序402。
最后需要说明的是，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关硬件来完成，数据缓存优化的方法的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，程序的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。上述计算机程序的实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
以上是本发明公开的示例性实施例，但是应当注意，在不背离权利要求限定的本发明实施例公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。
应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。

Claims (6)

1.一种数据缓存优化的方法，其特征在于，包括如下步骤：
确定计算依赖的数据字段，并根据所述数据字段对接收到的数据进行裁剪；
对裁剪后的数据进行预聚合，建立预聚合数据和预聚合数据所在的时间周期的对应关系，并将时间字段作为索引；
根据窗口的属性计算出需要预聚合的数据的时间跨度；以及
根据所述时间跨度进行窗口计算，并输出窗口计算的结果，
所述根据窗口的属性计算出需要预聚合的数据的时间跨度包括：
查询缓存中是否存在时间跨度包含于窗口的预聚合结果；
响应于不存在时间跨度包含于窗口的预聚合结果，读取窗口内的所有元素，计算时间间隔并按照所述时间间隔进行分片；以及
以分片为单位进行聚合计算，并将聚合计算结果和对应的时间跨度保存在缓存中，
所述根据所述时间跨度进行窗口计算包括：
从缓存中选择预聚合结果使得所述预聚合结果对应的时间跨度之和与窗口时间跨度相同，并将所述预聚合结果合并。
2.根据权利要求1所述的方法，其特征在于，所述计算时间间隔并按照所述时间间隔进行分片包括：
确定窗口时间跨度和窗口滑动时长的最大公约数，并将所述最大公约数确定为所述时间间隔。
3.一种数据缓存优化的系统，其特征在于，包括：
裁剪模块，配置用于确定计算依赖的数据字段，并根据所述数据字段对接收到的数据进行裁剪；
对应模块，配置用于对裁剪后的数据进行预聚合，建立预聚合数据和预聚合数据所在的时间周期的对应关系，并将时间字段作为索引；
计算模块，配置用于根据窗口的属性计算出需要预聚合的数据的时间跨度；以及
执行模块，配置用于根据所述时间跨度进行窗口计算，并输出窗口计算的结果，
所述计算模块配置用于：
查询缓存中是否存在时间跨度包含于窗口的预聚合结果；
响应于不存在时间跨度包含于窗口的预聚合结果，读取窗口内的所有元素，计算时间间隔并按照所述时间间隔进行分片；以及
以分片为单位进行聚合计算，并将聚合计算结果和对应的时间跨度保存在缓存中，
所述执行模块配置用于：
从缓存中选择预聚合结果使得所述预聚合结果对应的时间跨度之和与窗口时间跨度相同，并将所述预聚合结果合并。
4.根据权利要求3所述的系统，其特征在于，所述计算模块配置用于：
确定窗口时间跨度和窗口滑动时长的最大公约数，并将所述最大公约数确定为所述时间间隔。
5. 一种计算机设备，其特征在于，包括：
至少一个处理器；以及
存储器，所述存储器存储有可在所述处理器上运行的计算机指令，所述指令由所述处理器执行时实现权利要求1-2任意一项所述方法的步骤。
6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-2任意一项所述方法的步骤。
CN202210107392.6A 2022-01-28 2022-01-28 一种数据缓存优化的方法、系统、设备和存储介质 Active CN114547022B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210107392.6A CN114547022B (zh) 2022-01-28 2022-01-28 一种数据缓存优化的方法、系统、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210107392.6A CN114547022B (zh) 2022-01-28 2022-01-28 一种数据缓存优化的方法、系统、设备和存储介质

Publications (2)

Publication Number Publication Date
CN114547022A CN114547022A (zh) 2022-05-27
CN114547022B true CN114547022B (zh) 2024-01-16

Family

ID=81673981

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210107392.6A Active CN114547022B (zh) 2022-01-28 2022-01-28 一种数据缓存优化的方法、系统、设备和存储介质

Country Status (1)

Country Link
CN (1) CN114547022B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107077453A (zh) * 2015-03-24 2017-08-18 华为技术有限公司 用于使用集群缓存进行数据库查询的并行优化的系统和方法
CN110046183A (zh) * 2019-04-16 2019-07-23 北京易沃特科技有限公司 一种时序数据聚合检索方法、设备及介质
CN110362600A (zh) * 2019-07-22 2019-10-22 广西大学 一种乱序数据流分布式聚合查询方法、系统及介质
CN111949678A (zh) * 2019-05-17 2020-11-17 北京京东尚科信息技术有限公司 跨时间窗口的非累加指标的处理方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107077453A (zh) * 2015-03-24 2017-08-18 华为技术有限公司 用于使用集群缓存进行数据库查询的并行优化的系统和方法
CN110046183A (zh) * 2019-04-16 2019-07-23 北京易沃特科技有限公司 一种时序数据聚合检索方法、设备及介质
CN111949678A (zh) * 2019-05-17 2020-11-17 北京京东尚科信息技术有限公司 跨时间窗口的非累加指标的处理方法和装置
CN110362600A (zh) * 2019-07-22 2019-10-22 广西大学 一种乱序数据流分布式聚合查询方法、系统及介质

Also Published As

Publication number Publication date
CN114547022A (zh) 2022-05-27

Similar Documents

Publication Publication Date Title
WO2015112249A1 (en) Methods for combining access history and sequentiality for intelligent prefetching and devices thereof
US20100023699A1 (en) System and Method for Usage Analyzer of Subscriber Access to Communications Network
CN103207882A (zh) 店铺访问数据处理方法及系统
CN111459986A (zh) 数据计算系统及方法
CN111522786A (zh) 日志处理系统及方法
CN104361068B (zh) 一种数据去重过程中的并行分块方法与系统
CN109981659A (zh) 基于数据去重技术的网络资源预取方法以及系统
CN114048201A (zh) 一种基于分布式流计算引擎Flink的关键字段实时去重方法
CN114547022B (zh) 一种数据缓存优化的方法、系统、设备和存储介质
US20220004524A1 (en) Chunking method and apparatus
CN114185885A (zh) 一种基于列存数据库的流式数据处理方法及系统
CN111666260A (zh) 数据处理方法及装置
CN110061933B (zh) 一种数据处理方法及装置、设备、存储介质
CN115640333A (zh) 一种基于公约数的时序子结构多模式匹配查询方法及装置
CN113590322A (zh) 一种数据处理方法和装置
CN114048228A (zh) 状态存储的更新方法、装置、设备及存储介质
Chandramouli et al. Impatience is a virtue: Revisiting disorder in high-performance log analytics
CN111125161A (zh) 数据的实时处理方法、装置、设备及存储介质
Elsayed et al. On the Impact of Network Delays on Time-to-Live Caching
CN112069212B (zh) 数据处理方法、装置、计算机设备和存储介质
CN106547788B (zh) 数据处理方法和装置
CN112650880B (zh) 视频分析方法、装置、计算机设备及存储介质
CN117472967B (zh) 一种基于数据使用热度的数据生命周期管理方法及系统
Naeem Optimization and Extension of Stream-Relation Joins
KR20120065102A (ko) 전역 카운터를 제공하는 방법 및 장치

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
GR01 Patent grant
GR01 Patent grant