CN115168471A - 数据报表生成方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本申请实施例属于大数据分析领域，应用于数据报表生成领域中，涉及一种数据报表生成方法、装置、计算机设备及存储介质，其中方法包括采集初始数据，存储至关系型数据库；基于Dr u i d数据连接池将所述初始数据发送至H i ve数据仓库；对初始数据进行离线ETL处理，展示至分析界面；获取用户分析需求，生成HQL执行语句；执行分析计划，获取数据分析结果；将数据分析结果展示至数据分析界面，采用Dr u i d连接池连接关系型数据库和H i ve数据仓库，将初始数据保存在关系型数据库，分析时，对H i ve数据仓库内数据进行处理，实现数据复用，同时使用Dr u i d连接池提高数据传输速度，保证了时效性。

Description

数据报表生成方法、装置、计算机设备及存储介质

技术领域

本申请涉及大数据和数据分析技术领域，尤其涉及一种数据报表生成方法、装置、计算机设备及存储介质。

背景技术

随着互联网发展，业务数据成爆发式增长，如何实现数据价值的最大化是很多我们需要思考的问题，对数据进行统计分析，从而生成数据报表，可以挖掘到蕴藏于数据中的价值。

目前业内对数据分析普遍存在以下问题：使用烟囱式开发对数据进行报表开发，每来一个数据分析需求，就逐一开发生成报表，无法实现数据复用，且浪费了大量的人力和资源，时效性也非常差，灵活度也很低；因此，引入一些开源的组件，如PRESTO，其虽然解决了人力和资源浪费的问题，但是，当数据量达到一定量时，在由数据生成报表时渲染的非常慢，时效性得不到保证，且无法实现数据复用。

发明内容

本申请实施例的目的在于提出一种数据报表生成方法、装置、计算机设备及存储介质，以便于实现数据复用和提高数据分析的时效性。

为了解决上述技术问题，本申请实施例提供一种数据报表生成方法，采用了如下所述的技术方案：

一种数据报表生成方法，包括下述步骤：

采集待进行分析实时数据及离线数据，作为初始数据，并将其存储至预设关系型数据库；

基于Druid数据连接池从所述关系型数据库中获取所述初始数据，并发送至Hive数据仓库；

基于所述Hive数据仓库对所述初始数据进行离线ETL处理，展示至预设数据分析界面；

获取用户在所述数据分析界面通过点击事件选择的数据分析维度、数据展示指标、数据筛选条件和指标关联算法；

基于所述数据分析维度、数据展示指标、数据筛选条件和指标关联算法，生成HQL执行语句；

将所述HQL执行语句转换为数据分析计划存储在基于Hadoop集群的HDFS文件系统中，执行所述数据分析计划，获取数据分析报表；

将所述数据分析报表展示至所述数据分析界面内预设区域。

进一步的，所述基于Druid数据连接池从所述关系型数据库中获取所述初始数据，并发送至Hive数据仓库的步骤，具体包括：

基于Druid数据连接池从所述关系型数据库中获取所述初始数据，并从预设配置文件中获取所述初始数据的元数据，将所述初始数据和所述元数据一并发送至Hive数据仓库，

其中，所述元数据用于指示所述初始数据在所述关系型数据库中的存储位置，包括初始数据对应表格的表名、所述表格中的列名、所述表格中的分区信息。

进一步的，所述基于所述Hive数据仓库对所述初始数据进行离线ETL处理的步骤，具体包括：

将所述初始数据加载至基于Hadoop集群的HDFS文件系统内的预设目录下；

在加载完毕后，获取所述初始数据的元数据所对应目录信息，并将所述目录信息发送到所述关系型数据库中进行存储。

进一步的，所述将所述数据源加载至基于Hadoop集群的HDFS文件系统内的预设目录下的步骤，具体包括：

预先在所述HDFS文件系统中设置若干同级目录，在进行所述加载时，将所述初始数据中各单元数据依照其对应表名或者分区信息区别加载至所述若干同级目录下；

在所述若干同级目录下分别设置若干同级的下级目录，在进行所述加载时，将相同表名下的不同列名或相同分区信息下的不同列名的各单元数据区别加载至所述若干同级的下级目录下；

所述在加载完毕后，获取所述初始数据的元数据所对应目录信息的步骤，具体包括：

在所述加载完成之后，获取所述初始数据中各单元数据依照其对应表名或者分区信息进行区别加载的目录信息，作为第一目录信息；

在所述加载完成之后，获取所述相同表名下的不同列名或相同分区信息下的不同列名的各单元数据进行区别加载的目录信息，作为第二目录信息；

将所述第一目录信息和所述第二目录信息作为所述初始数据的元数据所对应目录信息。

进一步的，所述基于所述数据分析维度、数据展示指标、数据筛选条件和指标关联算法，生成HQL执行语句的步骤，具体包括：

获取所述初始数据的元数据所对应目录信息作为执行库；

将所述数据分析维度、数据展示指标、数据筛选条件和指标关联算法分别作为执行条件、执行结果、执行结果的约束条件和执行结果的关联关系，与所述执行库共同完成HQL执行语句的构建。

进一步的，所述获取用户在所述数据分析界面通过点击事件选择的数据分析维度、数据展示指标、数据筛选条件和指标关联算法的步骤，具体包括：

在所述获取用户在所述数据分析界面通过点击事件选择的数据分析维度、数据展示指标、数据筛选条件和指标关联算法的步骤之前，包括：

在所述数据分析界面预设第一点击域、第二点击域、筛选条件设置域和关联算法设置域，其中，所述第一点击域中包括第一搜索框和分析维度可选列表，所述第二点击域中包括第二搜索框和展示指标可选列表，所述筛选条件设置域中包括筛选条件自定义框和筛选条件可选列表，所述关联算法设置域中包括关联算法自定义框和关联算法可选列表；

在所述获取用户在所述数据分析界面通过点击事件选择的数据分析维度、数据展示指标、数据筛选条件和指标关联算法的步骤，具体包括：

基于预设点击监测组件，识别并获取用户在所述第一点击域、第二点击域、筛选条件设置域和关联算法设置域对应选择的数据分析维度、数据展示指标、数据筛选条件和指标关联算法。

进一步的，所述基于预设点击监测组件，识别并获取用户在所述第一点击域、第二点击域、筛选条件设置域和关联算法设置域对应选择的数据分析维度、数据展示指标、数据筛选条件和指标关联算法的步骤，具体包括：

启动预设点击监测组件；

若监测到所述第一点击域存在点击请求，对所述点击请求进行解析，并基于解析结果获取所述点击请求指向的所述分析维度可选列表中的至少一项数据分析维度；

若监测到所述第二点击域存在点击请求，对所述点击请求进行解析，并基于解析结果获取所述点击请求指向的所述展示指标可选列表中的至少一项数据展示指标；

若监测到所述筛选条件设置域存在点击请求，对所述点击请求进行解析，并基于解析结果获取所述点击请求指向的至少一项数据筛选条件，其中，所述数据筛选条件可由用户在所述筛选条件自定义框自定义，或在所述筛选条件可选列表中供用户进行点击选择；

若监测到所述关联算法设置域存在点击请求，对所述点击请求进行解析，并基于解析结果获取所述点击请求指向的至少一项指标关联算法，其中，所述指标关联算法可由用户在所述关联算法自定义框自定义，或在所述关联算法可选列表中供用户进行点击选择。

为了解决上述技术问题，本申请实施例还提供一种数据报表生成装置，采用了如下所述的技术方案：

一种数据报表生成装置，包括：

数据采集模块，用于采集待进行分析实时数据及离线数据，作为初始数据，并将其存储至预设关系型数据库；

数据转发模块，用于基于Druid数据连接池从所述关系型数据库中获取所述初始数据，并发送至Hive数据仓库；

界面初始化模块，用于基于所述Hive数据仓库对所述初始数据进行离线ETL处理，展示至预设数据分析界面；

分析指令获取模块，用于获取用户在所述数据分析界面通过点击事件选择的数据分析维度、数据展示指标、数据筛选条件和指标关联算法；

执行语句生成模块，用于基于所述数据分析维度、数据展示指标、数据筛选条件和指标关联算法，生成HQL执行语句；

分析结果获取模块，用于将所述HQL执行语句转换为数据分析计划存储在基于Hadoop集群的HDFS文件系统中，执行所述数据分析计划，获取数据分析结果；

分析结果展示模块，用于将所述数据分析报表展示至所述数据分析界面内预设区域。

为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：

一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现上述所述的数据报表生成方法的步骤。

为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：

一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上述所述的数据报表生成方法的步骤。

与现有技术相比，本申请实施例主要有以下有益效果：

本申请实施例所述数据报表生成方法，通过采集初始数据，存储至关系型数据库；基于Druid数据连接池将所述初始数据发送至Hive数据仓库；对初始数据进行离线ETL处理，展示至分析界面；获取用户分析需求，生成HQL执行语句；执行分析计划，获取数据分析结果；将数据分析结果展示至数据分析界面，采用Druid连接池连接关系型数据库和Hive数据仓库，将初始数据保存在关系型数据库，分析时，对Hive数据仓库内数据进行处理，实现数据复用，同时使用Druid连接池提高数据传输速度，保证了时效性。

附图说明

为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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附图。

图1是本申请可以应用于其中的示例性系统架构图；

图2根据本申请的数据报表生成方法的一个实施例的流程图；

图3是图2所示步骤203的一种具体实施方式的流程图；

图4是图3所示步骤301的一种具体实施方式的流程图；

图5是图2所示步骤207的一种具体实施方式的流程图；

图6是根据本申请的数据报表生成装置的一个实施例的结构示意图；

图7是根据本申请的计算机设备的一个实施例的结构示意图。

具体实施方式

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。

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，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

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、电子书阅读器、MP3播放器(Moving PictureExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、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，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。

需要说明的是，本申请实施例所提供的数据报表生成方法一般由服务器/终端设备执行，相应地，数据报表生成装置一般设置于服务器/终端设备中。

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。

继续参考图2，示出了根据本申请的数据报表生成方法的一个实施例的流程图。所述的数据报表生成方法，包括以下步骤：

步骤201，采集待进行分析实时数据及离线数据，作为初始数据，并将其存储至预设关系型数据库。

本实施例，将初始数据存储至关系型数据库，保证了不对该库中初始数据进行修改操作，只将其作为初始化数据，发送至Hive数据仓库，能实现对初始数据的重复使用。

步骤202，基于Druid数据连接池从所述关系型数据库中获取所述初始数据，并发送至Hive数据仓库。

本实施例中，所述基于Druid数据连接池从所述关系型数据库中获取所述初始数据，并发送至Hive数据仓库的步骤，具体包括：基于Druid数据连接池从所述关系型数据库中获取所述初始数据，并从预设配置文件中获取所述初始数据的元数据，将所述初始数据和所述元数据一并发送至Hive数据仓库，其中，所述元数据用于指示所述初始数据在所述关系型数据库中的存储位置，包括初始数据对应表格的表名、所述表格中的列名、所述表格中的分区信息。

本实施例，通过使用数据库连接池Druid的方式将初始数据发送至Hive数据仓库，Druid数据库连接池采用了分布式连接方式，Hive数据仓库采用了分布式缓存方式，保证了数据传输的时效性，因此，一定程度上也提高了数据分析的时效性。

步骤203，基于所述Hive数据仓库对所述初始数据进行离线ETL处理，展示至预设数据分析界面。

继续参考图3，图3是图2所示步骤203的一种具体实施方式的流程图，包括以下步骤：

步骤301，将所述初始数据加载至基于Hadoop集群的HDFS文件系统内的预设目录下；

通过使用Hadoop集群，使用集群和分布式缓存相结合的方式，进一步提高了对数据进行传输的速度，同时也降低了系统处理的耦合度。

步骤302，在加载完毕后，获取所述初始数据的元数据所对应目录信息，并将所述目录信息发送到所述关系型数据库中进行存储。

通过将目录信息发送到所述关系型数据库中进行存储，实现Hive数据仓库内只保存数据，不保存数据相关的表名、表列名、分区信息等元数据，减少了在查询过程中执行语句检索的时间，一定程度上提高了数据分析的时效性。

继续参考图4，图4是图3所示步骤301的一种具体实施方式的流程图，包括以下步骤：

步骤401，预先在所述HDFS文件系统中设置若干同级目录，在进行所述加载时，将所述初始数据中各单元数据依照其对应表名或者分区信息区别加载至所述若干同级目录下。

采用将不同表名或者不同分区的数据缓存到若干同级目录下的方式，使得数据缓存更加规范化，便于在数据分析时进行数据渲染。

步骤402，在所述若干同级目录下分别设置若干同级的下级目录，在进行所述加载时，将相同表名下的不同列名或相同分区信息下的不同列名的各单元数据区别加载至所述若干同级的下级目录下。

采用将相同表名或者相同分区下的不同列名的数据缓存到若干同级的下级目录下的方式，使得数据缓存更加规范化，便于在数据分析时进行数据渲染。

所述在加载完毕后，获取所述初始数据的元数据所对应目录信息的步骤，包括：

步骤403，在所述加载完成之后，获取所述初始数据中各单元数据依照其对应表名或者分区信息进行区别加载的目录信息，作为第一目录信息。

步骤404，在所述加载完成之后，获取所述相同表名下的不同列名或相同分区信息下的不同列名的各单元数据进行区别加载的目录信息，作为第二目录信息。

步骤405，将所述第一目录信息和所述第二目录信息作为所述初始数据的元数据所对应目录信息。

通过将目录信息发送到所述关系型数据库中进行存储，实现Hive数据仓库内只保存数据，减少了在查询过程中执行语句检索的时间，一定程度上提高了数据分析的时效性。

步骤204，获取用户在所述数据分析界面通过点击事件选择的数据分析维度、数据展示指标、数据筛选条件和指标关联算法。

本实施例中，所述获取用户在所述数据分析界面通过点击事件选择的数据分析维度、数据展示指标、数据筛选条件和指标关联算法的步骤，具体包括：

在所述获取用户在所述数据分析界面通过点击事件选择的数据分析维度、数据展示指标、数据筛选条件和指标关联算法的步骤之前，在所述数据分析界面预设第一点击域、第二点击域、筛选条件设置域和关联算法设置域，其中，所述第一点击域中包括第一搜索框和分析维度可选列表，所述第二点击域中包括第二搜索框和展示指标可选列表，所述筛选条件设置域中包括筛选条件自定义框和筛选条件可选列表，所述关联算法设置域中包括关联算法自定义框和关联算法可选列表；在所述获取用户在所述数据分析界面通过点击事件选择的数据分析维度、数据展示指标、数据筛选条件和指标关联算法的步骤，具体包括：基于预设点击监测组件，识别并获取用户在所述第一点击域、第二点击域、筛选条件设置域和关联算法设置域对应选择的数据分析维度、数据展示指标、数据筛选条件和指标关联算法。

本实施例中，所述基于预设点击监测组件，识别并获取用户在所述第一点击域、第二点击域、筛选条件设置域和关联算法设置域对应选择的数据分析维度、数据展示指标、数据筛选条件和指标关联算法的步骤，具体包括：启动预设点击监测组件；若监测到所述第一点击域存在点击请求，对所述点击请求进行解析，并基于解析结果获取所述点击请求指向的所述分析维度可选列表中的至少一项数据分析维度；若监测到所述第二点击域存在点击请求，对所述点击请求进行解析，并基于解析结果获取所述点击请求指向的所述展示指标可选列表中的至少一项数据展示指标；若监测到所述筛选条件设置域存在点击请求，对所述点击请求进行解析，并基于解析结果获取所述点击请求指向的至少一项数据筛选条件，其中，所述数据筛选条件可由用户在所述筛选条件自定义框自定义，或在所述筛选条件可选列表中供用户进行点击选择；若监测到所述关联算法设置域存在点击请求，对所述点击请求进行解析，并基于解析结果获取所述点击请求指向的至少一项指标关联算法，其中，所述指标关联算法可由用户在所述关联算法自定义框自定义，或在所述关联算法可选列表中供用户进行点击选择。

通过点击监测组件，即监听组件，确定用户进行数据分析的维度、指标、筛选条件和关联算法，用户只需要根据自己的需求，通过拖拉拽或者自定义的方式就能获得数据维度、指标、筛选条件和关联算法，就可以实时获得数据分析结果，能满足用户进行数据分析的灵活性和自主选择性。

步骤205，基于所述数据分析维度、数据展示指标、数据筛选条件和指标关联算法，生成HQL执行语句。

本实施例中，所述基于所述数据分析维度、数据展示指标、数据筛选条件和指标关联算法，生成HQL执行语句的步骤，具体包括：获取所述初始数据的元数据所对应目录信息作为执行库；将所述数据分析维度、数据展示指标、数据筛选条件和指标关联算法分别作为执行条件、执行结果、执行结果的约束条件和执行结果的关联关系，与所述执行库共同完成HQL执行语句的构建。

假设目录信息为“/wh/application”，将其命名为库A，数据分析维度包括当日签单量B、上一日签单量C,数据展示指标包括家用签单量D，数据筛选条件包括时间过滤限制单日与上一日时段E，指标关联算法为当日较上一日签单量的增值函数F(D)，则该HQL执行语句对应为“select F(D)，Dfrom A where B,C group by D having F(D)order by D.idasc”,其含义为从库A中查询家用签单量D的当日签单量B和上一日签单量C的增值函数F(D)，并按照家用签单量对应id进行asc排序。

通过HQL执行语句直接在Hive数据仓库内查询数据，无需将HQL执行语句转化为SQL执行语句从关系型数据库内进行数据查询，保证了不对关系型数据库内数据进行查询，可保证初始数据的复用。

步骤206，将所述HQL执行语句转换为数据分析计划存储在基于Hadoop集群的HDFS文件系统中，执行所述数据分析计划，获取数据分析报表。

步骤207，将所述数据分析报表展示至所述数据分析界面内预设区域。

本实施例中，所述将所述数据分析报表展示至所述数据分析界面内预设区域的步骤，具体包括：判断是否存在预设特定展示插件；若不存在，则以展示列表方式将所述数据分析报表展示至所述数据分析界面内预设区域；若存在，则基于所述预设特定展示插件的种类将所述数据分析报表以饼图、直方图、线段图中任一或者任多种方式展示至所述数据分析界面内预设区域，其中，所述预设特定展示插件包括但不限于饼图、直方图、线段图展示插件。

继续参考图5，图5是图2所示步骤207的一种具体实施方式的流程图，包括以下步骤：

步骤501，判断是否存在预设特定展示插件；

步骤502，若不存在，则以展示列表方式将所述数据分析报表展示至所述数据分析界面内预设区域；

步骤503，若存在，则基于所述预设特定展示插件的种类将所述数据分析报表以饼图、直方图、线段图中任一或者任多种方式展示至所述数据分析界面内预设区域。

通过判断对数据分析结果进行展示时，是否使用了预设图形插件，能实现对数据分析结果的灵活展示，满足用户的个性化和多样化需求。

本申请通过采集初始数据，存储至关系型数据库；基于Druid数据连接池将所述初始数据发送至Hive数据仓库；对初始数据进行离线ETL处理，展示至分析界面；获取用户分析需求，生成HQL执行语句；执行分析计划，获取数据分析结果；将数据分析结果展示至数据分析界面，采用Druid连接池连接关系型数据库和Hive数据仓库，将初始数据保存在关系型数据库，分析时，对Hive数据仓库内数据进行处理，实现数据复用，同时使用Druid连接池提高数据传输速度，保证了时效性。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

例如，本申请实施例中，可以使用人工智能中神经网络模型确定待分析数据的多维维度，可以将该多维维度设置为待分析数据的数据分析维度，将其对应特征值设置为数据分析指标，同时，也可以基于人工智能进行指标关联算法生成。

进一步参考图6，作为对上述图2所示方法的实现，本申请提供了一种数据报表生成装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例所述的数据报表生成装置600包括：数据采集模块601、数据转发模块602、界面初始化模块603、分析指令获取模块604、执行语句生成模块605、分析结果获取模块606以及分析结果展示模块607。其中：

数据采集模块601，用于采集待进行分析实时数据及离线数据，作为初始数据，并将其存储至预设关系型数据库；

数据转发模块602，用于基于Druid数据连接池从所述关系型数据库中获取所述初始数据，并发送至Hive数据仓库；

界面初始化模块603，用于基于所述Hive数据仓库对所述初始数据进行离线ETL处理，展示至预设数据分析界面；

分析指令获取模块604，用于获取用户在所述数据分析界面通过点击事件选择的数据分析维度、数据展示指标、数据筛选条件和指标关联算法；

执行语句生成模块605，用于基于所述数据分析维度、数据展示指标、数据筛选条件和指标关联算法，生成HQL执行语句；

分析结果获取模块606，用于将所述HQL执行语句转换为数据分析计划存储在基于Hadoop集群的HDFS文件系统中，执行所述数据分析计划，获取数据分析结果；

分析结果展示模块607，用于将所述数据分析报表展示至所述数据分析界面内预设区域。

本申请通过数据采集模块采集初始数据，存储至关系型数据库；通过数据转发模块基于Druid数据连接池将所述初始数据发送至Hive数据仓库；通过界面初始化模块对初始数据进行离线ETL处理，展示至分析界面；通过分析指令获取模块和执行语句生成模块获取用户分析需求，生成HQL执行语句；通过分析结果获取模块执行分析计划，获取数据分析结果；通过分析结果展示模块将数据分析结果展示至数据分析界面，采用Druid连接池连接关系型数据库和Hive数据仓库，将初始数据保存在关系型数据库，分析时，对Hive数据仓库内数据进行处理，实现数据复用，同时使用Druid连接池提高数据传输速度，保证了时效性。

本实施例中,所述界面初始化模块包括加载子模块以及缓存子模块。其中，加载子模块用于将所述初始数据加载至基于Hadoop集群的HDFS文件系统内的预设目录下。缓存子模块用于在加载完毕后，获取所述初始数据的元数据所对应目录信息，并将所述目录信息发送到所述关系型数据库中进行存储。

在本实施例的一些可选的实现方式中，加载子模块包括第一设置单元和第二设置单元，其中，第一设置单元用于预先在所述HDFS文件系统中设置若干同级目录，在进行所述加载时，将所述初始数据中各单元数据依照其对应表名或者分区信息区别加载至所述若干同级目录下。第二设置单元用于在所述若干同级目录下分别设置若干同级的下级目录，在进行所述加载时，将相同表名下的不同列名或相同分区信息下的不同列名的各单元数据区别加载至所述若干同级的下级目录下。

在本实施例的一些可选的实现方式中，缓存子模块包括第一目录信息获取单元和第二目录信息获取单元，其中，第一目录信息获取单元用于在所述加载完成之后，获取所述初始数据中各单元数据依照其对应表名或者分区信息进行区别加载的目录信息，作为第一目录信息。第二目录信息获取单元用于在所述加载完成之后，获取所述相同表名下的不同列名或相同分区信息下的不同列名的各单元数据进行区别加载的目录信息，作为第二目录信息。

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，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于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，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图7，图7为本实施例计算机设备基本结构框图。

所述计算机设备7包括通过系统总线相互通信连接存储器71、处理器72、网络接口73。需要指出的是，图中仅示出了具有组件71-73的计算机设备7，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。

所述存储器71至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器71可以是所述计算机设备7的内部存储单元，例如该计算机设备7的硬盘或内存。在另一些实施例中，所述存储器71也可以是所述计算机设备7的外部存储设备，例如该计算机设备7上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。当然，所述存储器71还可以既包括所述计算机设备7的内部存储单元也包括其外部存储设备。本实施例中，所述存储器71通常用于存储安装于所述计算机设备7的操作系统和各类应用软件，例如数据报表生成方法的计算机可读指令等。此外，所述存储器71还可以用于暂时地存储已经输出或者将要输出的各类数据。

所述处理器72在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器72通常用于控制所述计算机设备7的总体操作。本实施例中，所述处理器72用于运行所述存储器71中存储的计算机可读指令或者处理数据，例如运行所述数据报表生成方法的计算机可读指令。

所述网络接口73可包括无线网络接口或有线网络接口，该网络接口73通常用于在所述计算机设备7与其他电子设备之间建立通信连接。

本实施例提出的计算机设备，属于大数据分析技术领域。本申请通过采集初始数据，存储至关系型数据库；基于Druid数据连接池将所述初始数据发送至Hive数据仓库；对初始数据进行离线ETL处理，展示至分析界面；获取用户分析需求，生成HQL执行语句；执行分析计划，获取数据分析结果；将数据分析结果展示至数据分析界面，采用Druid连接池连接关系型数据库和Hive数据仓库，将初始数据保存在关系型数据库，分析时，对Hive数据仓库内数据进行处理，实现数据复用，同时使用Druid连接池提高数据传输速度，保证了时效性。

本申请还提供了另一种实施方式，即提供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可读指令，所述计算机可读指令可被处理器执行，以使所述处理器执行如上述的数据报表生成方法的步骤。

本实施例提出的计算机可读存储介质，属于大数据分析技术领域。本申请通过采集初始数据，存储至关系型数据库；基于Druid数据连接池将所述初始数据发送至Hive数据仓库；对初始数据进行离线ETL处理，展示至分析界面；获取用户分析需求，生成HQL执行语句；执行分析计划，获取数据分析结果；将数据分析结果展示至数据分析界面，采用Druid连接池连接关系型数据库和Hive数据仓库，将初始数据保存在关系型数据库，分析时，对Hive数据仓库内数据进行处理，实现数据复用，同时使用Druid连接池提高数据传输速度，保证了时效性。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。

显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (10)

1.一种数据报表生成方法，其特征在于，包括下述步骤：

采集待进行分析实时数据及离线数据，作为初始数据，并将其存储至预设关系型数据库；

基于Druid数据连接池从所述关系型数据库中获取所述初始数据，并发送至Hive数据仓库；

基于所述Hive数据仓库对所述初始数据进行离线ETL处理，展示至预设数据分析界面；

获取用户在所述数据分析界面通过点击事件选择的数据分析维度、数据展示指标、数据筛选条件和指标关联算法；

基于所述数据分析维度、数据展示指标、数据筛选条件和指标关联算法，生成HQL执行语句；

将所述HQL执行语句转换为数据分析计划存储在基于Hadoop集群的HDFS文件系统中，执行所述数据分析计划，获取数据分析报表；

将所述数据分析报表展示至所述数据分析界面内预设区域。

2.根据权利要求1所述的数据报表生成方法，其特征在于，所述基于Druid数据连接池从所述关系型数据库中获取所述初始数据，并发送至Hive数据仓库的步骤，具体包括：

基于Druid数据连接池从所述关系型数据库中获取所述初始数据，并从预设配置文件中获取所述初始数据的元数据，将所述初始数据和所述元数据一并发送至Hive数据仓库，

其中，所述元数据用于指示所述初始数据在所述关系型数据库中的存储位置，包括初始数据对应表格的表名、所述表格中的列名、所述表格中的分区信息。

3.根据权利要求2所述的数据报表生成方法，其特征在于，所述基于所述Hive数据仓库对所述初始数据进行离线ETL处理的步骤，具体包括：

将所述初始数据加载至基于Hadoop集群的HDFS文件系统内的预设目录下；

在加载完毕后，获取所述初始数据的元数据所对应目录信息，并将所述目录信息发送到所述关系型数据库中进行存储。

4.根据权利要求3所述的数据报表生成方法，其特征在于，所述将所述数据源加载至基于Hadoop集群的HDFS文件系统内的预设目录下的步骤，具体包括：

预先在所述HDFS文件系统中设置若干同级目录，在进行所述加载时，将所述初始数据中各单元数据依照其对应表名或者分区信息区别加载至所述若干同级目录下；

在所述若干同级目录下分别设置若干同级的下级目录，在进行所述加载时，将相同表名下的不同列名或相同分区信息下的不同列名的各单元数据区别加载至所述若干同级的下级目录下；

所述在加载完毕后，获取所述初始数据的元数据所对应目录信息的步骤，具体包括：

在所述加载完成之后，获取所述初始数据中各单元数据依照其对应表名或者分区信息进行区别加载的目录信息，作为第一目录信息；

在所述加载完成之后，获取所述相同表名下的不同列名或相同分区信息下的不同列名的各单元数据进行区别加载的目录信息，作为第二目录信息；

将所述第一目录信息和所述第二目录信息作为所述初始数据的元数据所对应目录信息。

5.根据权利要求3所述的数据报表生成方法，其特征在于，所述基于所述数据分析维度、数据展示指标、数据筛选条件和指标关联算法，生成HQL执行语句的步骤，具体包括：

获取所述初始数据的元数据所对应目录信息作为执行库；

将所述数据分析维度、数据展示指标、数据筛选条件和指标关联算法分别作为执行条件、执行结果、执行结果的约束条件和执行结果的关联关系，与所述执行库共同完成HQL执行语句的构建。

6.根据权利要求1所述的数据报表生成方法，其特征在于，所述获取用户在所述数据分析界面通过点击事件选择的数据分析维度、数据展示指标、数据筛选条件和指标关联算法的步骤，具体包括：

在所述获取用户在所述数据分析界面通过点击事件选择的数据分析维度、数据展示指标、数据筛选条件和指标关联算法的步骤之前，包括：

在所述数据分析界面预设第一点击域、第二点击域、筛选条件设置域和关联算法设置域，其中，所述第一点击域中包括第一搜索框和分析维度可选列表，所述第二点击域中包括第二搜索框和展示指标可选列表，所述筛选条件设置域中包括筛选条件自定义框和筛选条件可选列表，所述关联算法设置域中包括关联算法自定义框和关联算法可选列表；

在所述获取用户在所述数据分析界面通过点击事件选择的数据分析维度、数据展示指标、数据筛选条件和指标关联算法的步骤，具体包括：

基于预设点击监测组件，识别并获取用户在所述第一点击域、第二点击域、筛选条件设置域和关联算法设置域对应选择的数据分析维度、数据展示指标、数据筛选条件和指标关联算法。

7.根据权利要求6所述的数据报表生成方法，其特征在于，所述基于预设点击监测组件，识别并获取用户在所述第一点击域、第二点击域、筛选条件设置域和关联算法设置域对应选择的数据分析维度、数据展示指标、数据筛选条件和指标关联算法的步骤，具体包括：

启动预设点击监测组件；

若监测到所述第一点击域存在点击请求，对所述点击请求进行解析，并基于解析结果获取所述点击请求指向的所述分析维度可选列表中的至少一项数据分析维度；

若监测到所述第二点击域存在点击请求，对所述点击请求进行解析，并基于解析结果获取所述点击请求指向的所述展示指标可选列表中的至少一项数据展示指标；

若监测到所述筛选条件设置域存在点击请求，对所述点击请求进行解析，并基于解析结果获取所述点击请求指向的至少一项数据筛选条件，其中，所述数据筛选条件可由用户在所述筛选条件自定义框自定义，或在所述筛选条件可选列表中供用户进行点击选择；

若监测到所述关联算法设置域存在点击请求，对所述点击请求进行解析，并基于解析结果获取所述点击请求指向的至少一项指标关联算法，其中，所述指标关联算法可由用户在所述关联算法自定义框自定义，或在所述关联算法可选列表中供用户进行点击选择。

8.一种数据报表生成装置，其特征在于，包括：

数据采集模块，用于采集待进行分析实时数据及离线数据，作为初始数据，并将其存储至预设关系型数据库；

数据转发模块，用于基于Druid数据连接池从所述关系型数据库中获取所述初始数据，并发送至Hive数据仓库；

界面初始化模块，用于基于所述Hive数据仓库对所述初始数据进行离线ETL处理，展示至预设数据分析界面；

分析指令获取模块，用于获取用户在所述数据分析界面通过点击事件选择的数据分析维度、数据展示指标、数据筛选条件和指标关联算法；

执行语句生成模块，用于基于所述数据分析维度、数据展示指标、数据筛选条件和指标关联算法，生成HQL执行语句；

分析结果获取模块，用于将所述HQL执行语句转换为数据分析计划存储在基于Hadoop集群的HDFS文件系统中，执行所述数据分析计划，获取数据分析结果；

分析结果展示模块，用于将所述数据分析报表展示至所述数据分析界面内预设区域。

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的数据报表生成方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的数据报表生成方法的步骤。

Images