CN115481150A - 多维数据报表确定方法及系统 - Google Patents
多维数据报表确定方法及系统 Download PDFInfo
- Publication number
- CN115481150A CN115481150A CN202110668230.5A CN202110668230A CN115481150A CN 115481150 A CN115481150 A CN 115481150A CN 202110668230 A CN202110668230 A CN 202110668230A CN 115481150 A CN115481150 A CN 115481150A
- Authority
- CN
- China
- Prior art keywords
- target
- dimension
- determining
- report
- data
- 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
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
- G06F16/24—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
- G06F16/242—Query formulation
- G06F16/2433—Query languages
- G06F16/2445—Data retrieval commands; View definitions
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种多维数据报表确定方法及系统,方法包括:获取用户输入的目标数据集;目标数据集包括:目标维度表;基于目标维度表,将与目标维度表相关的实例串联缓存,确定初始数据缓存报表;基于目标数据集,确定目标查询语句;基于初始数据缓存报表,根据目标查询语句,确定目标多维数据报表。无需程序编码人员参与即可生成多维数据报表,能够有效降低业务分析人员和程序编码人员之间需求传递的沟通成本,提高多维数据分析的效率。
Description
技术领域
本发明涉及数据库技术领域,尤其涉及一种多维数据报表确定方法及系统。
背景技术
随着数据采集技术的日益完善和存储介质成本的日益下降,使用多维数据模型管理生产数据被越来越多的行业所接受。多维数据模型存储着对经营者价值极高的数据,经常需要根据数据多维度的统计分析结果以作为生成和营销的决策依据。而对多维数据进行经营分析的工作,是需要业务方面的知识与代码编写方面的技能共同完成的。
但现有技术中,业务方面的知识与代码编写方面的技能往往分属于不同的岗位,业务分析人员不负责编写查询程序,编写程序人员由于缺乏业务背景对维度关联的需求理解存在困难。一个多维关联统计分析的需求从提出到实现,往往需要经历多次需求确认和编码调试才能完成,统计任务从业务分析人员转交给业务背景知识缺乏的程序开发人员执行时,可能会在一些关键问题上需耗费大量沟通成本,造成人力资源和时间的大量浪费。
因此,如何提供一种多维数据报表确定方法及系统,无需程序编码人员参与即可生成多维数据报表,降低业务分析人员和程序编码人员之间需求传递的沟通成本,提高多维数据分析的效率,成为亟待解决的问题。
发明内容
本发明提供的多维数据报表确定方法及系统,用于解决现有技术中存在的上述问题,降低业务分析人员和程序编码人员之间需求传递的沟通成本,提高多维数据分析的效率。
本发明提供的一种多维数据报表确定方法,包括:
获取用户输入的目标数据集;其中,所述目标数据集包括:目标维度表;
基于所述目标维度表,将与所述目标维度表相关的实例串联缓存,确定初始数据缓存报表;
基于所述目标数据集,确定目标查询语句;
基于所述初始数据缓存报表,根据所述目标查询语句,确定目标多维数据报表。
根据本发明提供的多维数据报表确定方法,所述目标数据集还包括:目标事实表、目标事实字段列表、目标聚合函数、目标聚合维度和目标时间粒度;
其中,所述目标事实字段列表包括所述目标事实表中对应的若干事实字段;所述目标聚合函数为所述目标事实字段聚合时的聚合规则;所述目标聚合维度为生成目标多维数据报表时对应的维度;所述目标时间粒度为生成目标多维数据报表时对应的时间粒度。
根据本发明提供的多维数据报表确定方法,所述获取用户输入的目标数据集,具体包括:
获取用户输入的目标维度信息;其中,所述目标维度信息包括:一个起点维度和一个终点维度;
基于所述起点维度和所述终点维度,确定维度链集合;
根据预设维度链排列规则,生成第一界面;其中,所述第一界面显示根据所述预设维度链排列规则排列的维度链集合;
获取用户在所述第一界面输入的目标维度表;其中,所述目标维度表为所述用户在所述维度链集合中确定的目标维度链。
根据本发明提供的多维数据报表确定方法,所述目标维度信息还包括:至少一个中途维度;
所述基于所述起点维度和所述终点维度,确定维度链集合;根据预设维度链排列规则,生成第一界面,具体包括:
按照所述起点维度、所述中途维度和所述终点维度的顺序,根据路径生成算法,确定维度链集合;
基于所述维度链集合,根据预设维度链排列规则,生成第一界面;
其中,所述第一界面显示根据所述预设维度链排列规则排列的维度链集合;所述预设维度链排列规则为:所述维度链包括的维度越少优先级越高,维度数量相同的维度链中实例数越高优先级越高。
根据本发明提供的多维数据报表确定方法,所述获取用户输入的目标数据集,具体包括:
获取用户在所述第一界面输入的目标维度表;
根据所述目标维度表中的各维度,按预设维度排列顺序,生成第二界面;其中,所述第二界面显示根据所述预设维度排列顺序排列的维度列表;
获取用户在所述第二界面输入的目标聚合维度;其中,所述目标聚合维度为在所述维度列表中确定的目标维度。
根据本发明提供的多维数据报表确定方法,所述基于所述目标数据集,确定目标查询语句,具体包括:
基于所述目标维度表、目标事实表和所述目标事实字段列表,确定维度表与事实表关联查询语句片段;其中,所述维度表与事实表关联查询语句片段用于将初始数据缓存报表中的维度表和事实表关联;
基于所述目标事实字段列表和所述目标聚合函数,确定事实表指标查询语句片段;其中,所述事实表指标查询语句片段用于确定初始数据缓存报表中事实字段对应的聚合规则;
基于所述目标聚合维度和所述目标时间粒度,确定聚合语句片段;其中,所述聚合语句片段用于在确定所述目标多维数据报表时对应的维度和时间粒度;
基于所述维度表与事实表关联查询语句片段、所述事实表指标查询语句片段和所述聚合语句片段,确定目标查询语句。
根据本发明提供的多维数据报表确定方法,所述目标数据集还包括:目标时间范围;
基于所述目标事实字段列表和所述目标聚合函数,确定事实表指标查询语句片段,具体包括:
基于所述目标事实字段列表和所述目标聚合函数,确定初始事实表指标查询语句片段;
根据所述目标时间范围限制所述初始事实表指标查询语句片段的数据起止时间,确定事实表指标查询语句片段。
本发明还提供一种多维数据报表确定系统,包括:输入数据获取单元、缓存报表确定单元、查询语句确定单元和目标报表确定单元;
所述输入数据获取单元,用于获取用户输入的目标数据集;其中,所述目标数据集包括:目标维度表;
所述缓存报表确定单元,用于基于所述目标维度表,将与所述目标维度表相关的实例串联缓存,确定初始数据缓存报表;
所述查询语句确定单元,用于基于所述目标数据集,确定目标查询语句;
所述目标报表确定单元,用于基于所述初始数据缓存报表,根据所述目标查询语句,确定目标多维数据报表。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述多维数据报表确定方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述多维数据报表确定方法的步骤。
本发明提供的多维数据报表确定方法及系统,基于用户输入的目标数据集,根据与目标维度表相关的实例串联缓存,确定初始数据缓存报表。并根据计算逻辑确定目标查询语句。根据业务分析人员输入的数据确定初始数据缓存报表和目标查询语句,无需程序编码人员参与即可生成多维数据报表,降低业务分析人员和程序编码人员之间需求传递的沟通成本,提高多维数据分析的效率。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图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附图。
图1是本发明提供的多维数据报表确定方法流程图;
图2是本发明提供的多维数据报表确定方法流程示意图;
图3是本发明提供的多维数据报表确定系统的结构示意图;
图4是本发明提供的电子设备的实体结构示意图。
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,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
沟通成本不仅包括人力沟通成本,还包括时间成本,沟通成本的提高将会严重影响公司的商业竞争能力。根据经验,可能会耗费大量沟通成本的主要转达环节包括:维度范围的转达和汇总计算方法的转达。
(1)维度范围的转达,数据需求者与程序开发者需要在多个维度中对统计维度的范围达成共识。例如按照“业务系统”聚合“逻辑卷”,寻路算法能够根据头维度“业务系统”以及尾维度“逻辑卷”的作为输入参数输出若干个可选择的关联方案,但仍需要双方人员反复确认才能最终选定一个方案。
例如:方案1为“业务系统”关联“虚拟机”关联“逻辑卷”。方案2为“业务系统”关联“物理服务器”关联“存储池”关联“逻辑卷”,两种方案均能够根据“业务系统”找到“逻辑卷”,但通过两种方案获得的“逻辑卷”集合有明显差异,使得最终计算得到的IO时延数据不正确。
(2)汇总计算方法的转达,数据需求者与程序开发者需要在事实字段运算规则和汇聚方法上达成共识。
例如:“IO时延”是取自哪个事实表里的哪个字段、是否需要转换单位进制、多个天的数据汇聚成周粒度的方式是求均值还是求最大值、多个逻辑卷汇聚成业务系统粒度的方式是求均值还是最大值等细节上,需要数据需求者给程序开发者明确,但往往由于数据需求者没有直接接触到原始数据,所以这转达成本会根据需求复杂程度快速上升。
为了解决上述问题,提高构建多维数据报表的效率,现有技术中类似方法有以下两种:
方法一:大数据环境下的指标计算方法,包括提出分离指标计算调度代码和业务计算SQL分离的概念、将计算指标的SQL集合持久化到数据库、通过指标计算信息关联表名与计算SQL集合。
该指标计算方法能够基本实现零代码进行简单统计指标的定义,在一定程度上降低了业务分析人员与程序开发人员就统计需求上的沟通成本。但该方案没有针对多维度复杂关联场景下维度范围描述方法的优化。仅提出了计算调度代码和业务计算SQL分离的概念,没有公开如何制作与业务分离的计算代码的方法,没有针对多维度复杂关联场景下维度范围描述方法的优化。
方法二:模型构建方法,并行执行各基础指标的构建任务,生成若干基础指标表,对各汇总指标的构建任务分别进行时序分析,以确定各汇总指标的最快构建路径,按各最快构建路径分别执行各汇总指标的构建任务,生成若干汇总指标表;根据各基础指标表和各汇总指标表构建数据模型。
虽公开了根据数据源分组指标和汇聚报表而实现指标汇总方式的描述方案,但并不能使业务和编码分离的实现。并且该方案在落地时是需要与业务需求强耦合的。编码开发工作仍旧需要由缺乏业务背景的人员担任,与业务需求强耦合方案的落地会引入持续增加的沟通成本,导致方法的实用性大大降低,无法避免沟通环节产生的成分风险。
综上所述,无论哪种方法,均无法在多维度数据的统计分析场景中,使业务和计算逻辑相互分离,无编程的确定多维数据报表,仍然无法避免沟通环节产生的成本损失。为了解决上述问题,本发明提供一种多维数据报表确定方法及系统。
在对本发明做详细说明之前,首先对本发明中所涉及的相关概念进行说明。
多维数据模型是一种数据组织形式,围绕中心主题组织把数据组织成立方体形式,该主题用事实表表示,事实用数值度量。该立方体允许以多维数据建模和观察,它由维度和事实来定义。
维度是关于一个组织想要记录的视角或观点,每个维都有一个表与之相关联,称为维表。维表是对维的属性的描述。
事实是一个数据度量,对所要考察的数据的一个数值度量,事实表包括事实的名称或度量以及每个相关维表的关键字。
多维数据模型根据维度和事实的组织形式分为:星型模式、雪花模式和事实星座模式。
图1是本发明提供的多维数据报表确定方法流程图,如图1所示,本发明提供的一种多维数据报表确定方法,包括:
步骤S1,获取用户输入的目标数据集;其中,所述目标数据集包括:目标维度表;
步骤S2,基于所述目标维度表,将与所述目标维度表相关的实例串联缓存,确定初始数据缓存报表;
步骤S3,基于所述目标数据集,确定目标查询语句;
步骤S4,基于所述初始数据缓存报表,根据所述目标查询语句,确定目标多维数据报表。
需要说明的是,上述方法的执行主体可以是计算机设备。
可选的,在前端设置输入界面,在确定需要生成多维数据报表时,业务统计分析员(用户),可以通过前端界面,进行简单的“拖、拉和拽”和提交表单,输入对应的目标数据集。其中,目标数据集包括:目标维度表。
根据后台运算逻辑,在步骤S1中,获取用户在前端输入的目标数据集。
在步骤S2中,在后台基于在步骤S1中获取的目标维度表,根据目标维度表中前后维度的关联关系,对维度数据进行预处理,将整个目标维度表对应相关的实例串联成多行记录,并通过关系型数据库进行缓存,确定初始数据缓存报表。
在步骤S3中,基于目标数据集中各数据的用途,根据后台运算逻辑的计算规则,确定符合SQL(Structured Query Language,结构化查询语言)语言规范的可运行的目标查询语句。
在步骤S4中,基于在步骤S2中确定的初始数据缓存报表,根据在步骤S3中确定的目标查询语句,将该目标查询语句在数据库中执行,即能够输出符合用户需要的统计分析结果,即目标多维数据报表。
可以理解的是,用户输入的目标数据集中包含的数据的具体列表,以及如何基于目标数据集中各数据,综合确定目标查询语句的计算逻辑以及对应的具体的SQL语句,均可以根据实际需求进行设置,本发明对此不做限定。
其次,本发明可以广泛应用于不同的数据库类别,在本发明具体应用时,不同的数据库以及对应生成的语句可根据实际情况进行调整,本发明对此不做限定。
需要说明的是,在本发明中,前端界面显示的具体画面,以及输入的具体方法(例如:在对应数据后的输入框中输入数据,或在对应的选项框中选择对应的数据等)均可根据实际情况进行设置,本发明对此不做限定。
其次,可以理解的是,基于目标数据集中的数据确定对应的目标查询语句是实现免编程的关键环节,所述目标数据集中的数据,在多维度的分析场景中,与具体的业务无关,经过预设的计算逻辑处理,即可用于多维度场景下维度范围的描述,实现目标维度数据表的生成。能够广泛的应用于复杂关联场景。
本发明提供的多维数据报表确定方法,基于用户输入的目标数据集,根据与目标维度表相关的实例串联缓存,确定初始数据缓存报表。并根据计算逻辑确定目标查询语句。根据业务分析人员输入的数据确定初始数据缓存报表和目标查询语句,无需程序编码人员参与即可生成多维数据报表,降低业务分析人员和程序编码人员之间需求传递的沟通成本,提高多维数据分析的效率。
进一步地,在一个实施例中,根据本发明提供的多维数据报表确定方法,所述目标数据集还包括:目标事实表、目标事实字段列表、目标聚合函数、目标聚合维度和目标时间粒度;
其中,所述目标事实字段列表包括所述目标事实表中对应的若干事实字段;所述目标聚合函数为所述目标事实字段聚合时的聚合规则;所述目标聚合维度为生成目标多维数据报表时对应的维度;所述目标时间粒度为生成目标多维数据报表时对应的时间粒度。
可选的,目标数据集还包括:目标维度表、目标事实表、目标事实字段列表、目标聚合函数、目标聚合维度和目标时间粒度。
目标数据集中,目标事实字段列表包括目标事实表中对应的若干事实字段;目标聚合函数为目标事实字段聚合时的聚合规则;目标聚合维度为生成目标多维数据报表时对应的维度;目标时间粒度为生成目标多维数据报表时对应的时间粒度。
后台可根据目标数据集中各数据的用途,依照预设的运算逻辑,生成符合SQL语言规范的可运行的目标查询语句。
可以理解的是,基于目标数据集中各数据,综合确定目标查询语句的计算逻辑以及对应的具体的SQL语句,可以根据实际情况进行设置,本发明对此不做限定。
本发明提供的多维数据报表确定方法,基于用户输入的目标数据集,根据与目标维度表相关的实例串联缓存,确定初始数据缓存报表。根据目标维度表、目标事实表、目标事实字段列表、目标聚合函数、目标聚合维度和目标时间粒度,按照计算逻辑确定目标查询语句。根据业务分析人员输入的数据确定初始数据缓存报表和目标查询语句,无需程序编码人员参与即可生成多维数据报表,降低业务分析人员和程序编码人员之间需求传递的沟通成本,提高多维数据分析的效率。
进一步地,在一个实施例中,根据本发明提供的多维数据报表确定方法,所述获取用户输入的目标数据集,具体包括:
获取用户输入的目标维度信息;其中,所述目标维度信息包括:一个起点维度和一个终点维度;
基于所述起点维度和所述终点维度,确定维度链集合;
根据预设维度链排列规则,生成第一界面;其中,所述第一界面显示根据所述预设维度链排列规则排列的维度链集合;
获取用户在所述第一界面输入的目标维度表;其中,所述目标维度表为所述用户在所述维度链集合中确定的目标维度链。
可选的,获取用户在前端输入的目标数据集的步骤,具体包括:
获取用户输入的目标维度信息,例如,通过前端界面罗列出多维模型中的维度列表,用户从中选择若干维度,包括:一个起点维度和一个终点维度。
基于用户选取的起点维度和终点维度,以起点维度作为维度链的第一个维度,终点维度作为维度链的最后一个维度,确定所有满足该排列顺序的维度链,将所有维度链组成维度链集合。
需要说明的是,基于不同维度之间的相关性,在仅确定起点维度和终点维度的情况下,可以确定若干条维度链。例如:维度包括:硬件资源池、机房、硬件、服务器和虚拟机等,起点维度为硬件资源池,终点维度为虚拟机。可能会出现硬件资源池-硬件-虚拟机,以及中硬件资源池-服务器-虚拟机等维度链。
可以理解的是,根据所有维度的相关关系,在确定起点维度和终点维度的基础上,能够自动关联路径生成算法确定对应的维度链,具体使用的路径生成算法,本发明不做限定。
其次,可以理解的是,起点维度和终点维度可以为同一个维度,例如:起点维度和终点维度均输入的是虚拟机,那么仅有一条只包含虚拟机的维度链。具体的维度链集合根据输入的起点维度、终点维度以及维度之间的相关性确定,本发明对此不做限定。
将维度链集合中所有的维度链,根据预设维度链排列规则,按一定的顺序在第一界面中进行显示,并可以在第一界面中设置用户选择维度链的对应方式供给用户选择(例如,用户可勾选其中一条维度链提交,或者长按选择,或者输入维度链的对应编号等),使用户能够在所有的维度链中选择一条作为目标维度链。
需要说明的是,预设维度链排序规则可根据实际情况进行设置,例如:根据维度链中维度的多少进行降序排列或升序排列,以及根据维度的名称根据发音顺序进行排列等,具体的排列规则可根据实际需求进行设置,本发明对此不做限定。
获取用户在第一界面输入目标维度链,通过维度链中前后维度的关联关系确定对应的目标维度表。
本发明提供的多维数据报表确定方法,基于用户输入的目标数据集,通过免编码的方式使用户完成指定维度范围的选择,根据与目标维度表相关的实例串联缓存,确定初始数据缓存报表。并根据计算逻辑确定目标查询语句。根据业务分析人员通过标准化的方式(例如下来框枚举项进行选择配置项等方式),即可根据输入的数据确定初始数据缓存报表,并自动生成对应的目标查询语句代码,无需程序编码人员参与即可生成多维数据报表,极大程度的降低了业务分析人员和程序编码人员双方对接进行需求传递的沟通成本,提高多维数据分析的效率。
进一步地,在一个实施例中,根据本发明提供的多维数据报表确定方法,所述目标维度信息还包括:至少一个中途维度;
所述基于所述起点维度和所述终点维度,确定满足所述维度的排列顺序的维度链集合;
根据预设维度链排列规则,生成第一界面,具体包括:
按照所述起点维度、所述中途维度和所述终点维度的顺序,根据路径生成算法,确定维度链集合;
基于所述维度链集合,根据预设维度链排列规则,生成第一界面;
其中,所述第一界面显示根据所述预设维度链排列规则排列的维度链集合;所述预设维度链排列规则为:所述维度链包括的维度越少优先级越高,维度数量相同的维度链中实例数越高优先级越高。
可选的,目标维度信息还包括:至少一个中途维度。用户可以按照实际需求指定若干中途维度,中途维度能够减少维度链集合中维度链的数量,降低用户选择目标维度链的难度,并减少所需要的时间。
基于起点维度和终点维度,确定满足维度的排列顺序的维度链集合,根据预设维度链排列规则,生成第一界面的步骤,具体包括:
按照起点维度、中途维度和终点维度的顺序,以起点维度作为维度链的第一个维度,终点维度作为维度链的最后一个维度,中途维度作为维度链的中间部分,根据路径生成算法,确定若干满足条件的维度链,确定维度链集合。
进一步,可以理解的是,用户在输入多个中途维度时,可以同时确定维度链可以仅包含其中一个或预设数量的中途维度,或者,还可以设置多个中途维度是否需要满足一定的顺序关系,具体的中途维度的输入方法可以根据实际情况进行调整,本发明对此不做限定。
需要说明的是,根据所有维度的相关关系,在确定起点维度、终点维度和中途维度的基础上,能够自动关联路径生成算法确定对应的维度链,具体使用的路径生成算法,本发明不做限定。
基于维度链集合,根据预设维度链排列规则,以维度链包括的维度越少优先级越高,维度数量相同的维度链中实例数越高优先级越高的顺序,将维度链以优先级从高到低(或者从低到高)进行排序,并在第一界面中枚举罗列。
可以理解的是,维度链包括的维度越少,且对应的实例数越高,即可表明路径对应的道路越宽,路径的匹配度越高。
需要说明的是,在进行维度链的排列时,可能会出现不同维度链优先级相同的情况,进一步的可以采用维度链名称字数多少的顺序由多到少等方法进行排列,出现该特殊情况时所采用的排列方法可根据实际情况进行调整,本发明对此不做限定。
本发明提供的多维数据报表确定方法,基于用户输入的目标数据集,确定用户输入的起点维度、终点维度和中途维度,确定维度链链集合,用户在维度链集合中选择目标维度链,通过免编码的方式使用户完成指定维度范围的选择,根据与目标维度表相关的实例串联缓存,确定初始数据缓存报表。并根据计算逻辑确定目标查询语句。根据业务分析人员通过标准化的方式(例如下来框枚举项进行选择配置项等方式),即可根据输入的数据确定初始数据缓存报表,并自动生成对应的目标查询语句代码,无需程序编码人员参与即可生成多维数据报表,极大程度地降低了业务分析人员和程序编码人员双方对接进行需求传递的沟通成本,提高多维数据分析的效率。进一步地,在一个实施例中,根据本发明提供的多维数据报表确定方法,所述获取用户输入的目标数据集,具体包括:
获取用户在所述第一界面输入的目标维度表,根据所述目标维度表中的各维度;
按预设维度排列顺序,生成第二界面;其中,所述第二界面显示根据所述预设维度排列顺序排列的维度列表;
获取用户在所述第二界面输入的目标聚合维度;其中,所述目标聚合维度为在所述维度列表中确定的目标维度。
可选的,目标聚合维度为最终在生成目标多维数据报表时对应的维度,获取用户输入的目标数据集中,确定目标聚合维度的步骤,具体包括:
获取用户在第一界面输入的目标维度表,根据目标维度表中的各维度,按预设维度排列顺序(例如,按照维度之间的关联关系,进行降序或者升序排列),并将按照预设维度排列顺序排列的维度列表在第二界面中显示,以供用户根据第二界面输入目标聚合维度。
获取用户在第二界面显示的维度列表中确定的目标维度,将用户选择的目标维度作为最终确定目标多维数据报表时对应的目标聚合维度。
本发明提供的多维数据报表确定方法,基于用户输入的目标数据集,通过免编码的方式完成指定维度范围和指定汇总计算(统计数据依照程序语句汇总生成目标数据报表)方法,根据与目标维度表相关的实例串联缓存,确定初始数据缓存报表。并根据计算逻辑确定目标查询语句。根据业务分析人员输入的数据,即可根据后台运算逻辑确定初始数据缓存报表和相关的SQL目标查询语句,无需程序编码人员参与即可生成多维数据报表,降低业务分析人员和程序编码人员之间需求传递的沟通成本,提高多维数据分析的效率。并且通过输入维度组合路径(确定目标维度链)和目标聚合维度,即能生成维度数据表的查询语句片段,从而准确无歧义的描述维度范围,对比现有技术具有更广阔的适用范围。
进一步地,在一个实施例中,根据本发明提供的多维数据报表确定方法,所述基于所述目标数据集,确定目标查询语句,具体包括:
基于所述目标维度表、目标事实表和所述目标事实字段列表,确定维度表与事实表关联查询语句片段;其中,所述维度表与事实表关联查询语句片段用于将初始数据缓存报表中的维度表和事实表关联;
基于所述目标事实字段列表和所述目标聚合函数,确定事实表指标查询语句片段;其中,所述事实表指标查询语句片段用于确定初始数据缓存报表中事实字段对应的聚合规则;
基于所述目标聚合维度和所述目标时间粒度,确定聚合语句片段;其中,所述聚合语句片段用于在确定所述目标多维数据报表时对应的维度和时间粒度;
基于所述维度表与事实表关联查询语句片段、所述事实表指标查询语句片段和所述聚合语句片段,确定目标查询语句。
可选的,通过预设规则,将目标查询语句分为三个语句片段,包括:维度表与事实表关联查询语句片段、维度表与事实表关联查询语句片段和事实表指标查询语句片段。
图2是本发明提供的多维数据报表生成方法流程示意图,如图2所示,基于目标数据集,确定目标查询语句的步骤,具体包括:
基于目标维度表、目标事实表和目标事实字段列表,即可确定用户所期望的在基于初始数据缓存报表生成目标多维数据报表时,初始数据缓存报表中维度和事实表之间的关联配对字段组,在确定关联配对字段组后,计算规则生成单元会将初始数据缓存报表和指标表(字段列表)通过JOIN...ON(连接查询)的SQL语句连接,确定维度表与事实表关联查询语句片段。
基于目标事实字段列表和目标聚合函数,将事实字段作为待统计的指标值的来源,对于每一个事实字段以及前端界面对应输入的目标聚合函数,以事实表为分组,将事实字段由聚合函数包裹串联成指标列表,确定事实表指标查询语句片段,即从事实表中查询指标的语句片段SELECT[指标列表...]FROM[事实表],例如:AVG(IO时延),表示“平均IO时延”指标。
需要说明的是,聚合函数包括但不限于SUM(求和)、COUNT(计数)、DISTINCT_COUNT(去重计数)、MAX(最大值)、MIN(最小值)、AVG(平均值),其中,AVG后端会转换成SUM/COUNT两个原子汇聚函数来处理。每一个事实字段均对应一个聚合函数,用户在选定聚合函数,意味着指定了该事实字段在维度的折叠聚合时所遵循的聚合方法。
可以理解的是,用户通过前端界面输入目标事实字段时,是在对应的目标事实表中选取若干字段列表。其确定方法可以是前端罗列事实表对应的字段列表,用户在其中选择一个或者多个字段生成目标字段列表。
用户可以是在确定目标维度链表之后,在目标维度链表的基础上,确定目标事实字段。也可以在确定目标维度链表的同时确定目标事实字段,此时,可能会出现用户选择的事实字段与目标维度链表不匹配的情况,在生成目标多维数据报表时,不考虑不匹配的事实字段。
基于目标聚合维度(统计分析时的视图观测目标)和目标时间粒度,确定用户期望的在确定目标多维数据报表时对应的维度和时间粒度,确定与时间粒度对应的语句后,将整体的关联查询语句最后增加GROUP BY(分组汇总),确定聚合语句片段。
可以理解的是,时间粒度可根据实际情况选择年、月、日和小时等,本发明对此不做限定。
分别确定三个语句片段之后,将语句片段按照预设的规则进行组合,确定目标查询语句。
例如:以[维度表与事实表关联查询语句片段]+[事实表指标查询语句片段]+[汇聚语句片段]为目标查询语句的拼接合并方式,最终得到符合SQL语言规范的可运行语句。将语句在数据库中执行,即能输出用户所需的统计分析结果,目标输出结果即对应可以查询到目标多维数据报表。
需要说明的是,在本发明中维度表与事实表关联查询语句片段、维度表与事实表关联查询语句片段和事实表指标查询语句片段对应的具体的SQL语句,以及三个语句片段的拼接方法,均可根据实际情况进行调整,本发明对此不做限定。
本发明提供的多维数据报表确定方法,基于用户输入的目标数据集,根据与目标维度表相关的实例串联缓存,确定初始数据缓存报表。并根据计算逻辑确定事实表关联查询语句、维度表与事实表关联查询语句片段和事实表指标查询语句片段,并根据枚举配置输入确定直接在数据库中执行的SQL语句公式,将上述三个语句片段拼接获得目标查询语句,提高了本发明的便捷性、易用性和可复用性。根据业务分析人员输入的数据确定初始数据缓存报表和目标查询语句,无需程序编码人员参与,业务统计分析员能够独立实现多维度模型统计分析,生成多维数据报表,降低业务分析人员和程序编码人员之间需求传递的沟通成本,提高多维数据分析的效率。能够广泛地应用于业务逻辑复杂的多维分析场景,如云计算运维、消费市场用户运营等。
进一步地,在一个实施例中,根据本发明提供的多维数据报表确定方法,所述目标数据集还包括:目标时间范围;
基于所述目标事实字段列表和所述目标聚合函数,确定事实表指标查询语句片段,具体包括:
基于所述目标事实字段列表和所述目标聚合函数,确定初始事实表指标查询语句片段;
根据所述目标时间范围限制所述初始事实表指标查询语句片段的数据起止时间,确定事实表指标查询语句片段。
可选的,目标数据集还包括:目标时间范围;用户可以通过前端界面提供日期和时间范围选择工具,选择数据统计的开始时间点和结束时间点。
在确定时间范围后,基于目标事实字段列表和目标聚合函数,确定事实表指标查询语句片段的步骤,具体包括:
基于目标事实字段列表和目标聚合函数,确定初始事实表指标查询语句片段。
根据目标时间范围,在初始事实表指标查询语句片段最后增加WHERE限定词,限定数据起止时间,确定事实表指标查询语句片段。进一步,确定最终的目标查询语句。
可以理解的是,在目标数据集不包括目标时间范围时,最终确定的目标多维数据报表包括符合筛选条件的所有数据。在包括目标时间范围时,仅保留处于目标时间范围内的数据。
需要说明的是,在初始事实表指标查询语句片段最后增加WHERE限定词仅作为一个程序语句的具体的例子对本发明进行举例说明,除此之外,还可使用其他语句限定数据的起止时间,本发明对此不做限定。
以具体的多维数据报表确定方法的程序为例,对本发明提供的多维数据报表确定方法进行解释说明:
其中,用户输入目标时间表为:机房-服务器-虚拟机,确定初始数据缓存报表(TEMP-OC-PATH-PRO-KXFT-2739),以天为时间粒度,以机房为目标聚合维度,若事实表共包括10个机房的数据,每个机房包括100个服务器,每个服务器对应10个虚拟机。
根据该语句,即可确定在2021-03-01 00:00:00至2021-03-02 00:00:00的一天内,每一个机房(10个)中虚拟机cpu峰值的平均值。
本发明提供的多维数据报表确定方法,基于用户输入的目标数据集,根据与目标维度表相关的实例串联缓存,确定初始数据缓存报表。并根据计算逻辑确定目标查询语句。根据业务分析人员输入的数据确定初始数据缓存报表和目标查询语句,并限制目标多维数据报表中数据的起止时间,无需程序编码人员参与即可生成多维数据报表,降低业务分析人员和程序编码人员之间需求传递的沟通成本,提高多维数据分析的效率。
进一步,可以理解的是,在生成目标多维数据报表之后,用户还可以对目标数据集中任意一项或多项进行更改。
由于本发明中,基于目标维度表确定初始数据缓存报表的步骤,
基于目标维度表和目标事实字段列表确定维度表与事实表关联查询语句片段的步骤,基于目标事实字段列表和/目标聚合函数确定事实表指标查询语句片段的步骤和基于目标聚合维度和目标时间粒度对应更新确定聚合语句片段的步骤是相互独立的,在确定仅有部分输入数据进行更改时,仅需要对应的更新更改数据对应的步骤后,重新确定目标查询预计即可,无需重新执行所有的步骤。
可以理解的是,更新生成初始数据缓存报表的步骤、更新确定维度表与事实表关联查询语句片段的步骤、更新确定事实表指标查询语句片段的步骤以及更新确定聚合语句片段的步骤和本方案新生成对应信息的步骤相同,在此不做过多的赘述。
例如,本想查看整个数据中心的指标状态,后发现某个数据中心数据异常,想查看设备粒度的状态,则仅需重新执行确定聚合语句片段的步骤,将聚合维度从“数据中心”修改成“设备”作为输入,再重新确定目标查询语句,即可得到新要求对应的结果数据。
可以理解的是,在输入目标时间范围的条件下,可以修改分析的时间区间,则仅需根据最新要求,重新确定初始事实表指标查询语句片段对应的起止时间限制,重新确定目标查询语句,即可得到新要求对应的结果数据。
本发明提供的多维数据报表确定方法,基于用户输入的目标数据集,根据与目标维度表相关的实例串联缓存,确定初始数据缓存报表。并根据计算逻辑确定事实表关联查询语句、维度表与事实表关联查询语句片段和事实表指标查询语句片段,并将上述三个语句片段拼接获得目标查询语句,提高了本发明的便捷性、易用性和可复用性。根据业务分析人员输入的数据确定初始数据缓存报表和目标查询语句,无需程序编码人员参与,业务统计分析员能够独立实现多维度模型统计分析,生成多维数据报表,降低业务分析人员和程序编码人员之间需求传递的沟通成本,提高多维数据分析的效率。能够广泛地应用于业务逻辑复杂的多维分析场景,如云计算运维、消费市场用户运营等。并且能够实现统计数据的快速分析,能够适用于分析需求随业务需迭代快速的场景,金融市场分析、大众舆情分析等。
以具体的目标多维数据报表的生成流程为例,对本发明提供的多维数据报表确定方法进行解释说明:
用户确定目标维度链为:国家-省-市-区,确定气温变化事实表、降水量变化事实表和空气指标事实表(事实表中的数据根据随时间的增减进行变化,事实表的空间粒度为区)。确定目标事实字段列表包括:气温和降水量。气温对应的聚合函数为求最大值,降水量对应的聚合函数为求最小值。目标聚合维度为市,目标时间粒度为天,目标时间范围为2020-01-01至2021-01-01。
最终根据生成的目标查询语句,即可确定在2020-01-01至2021-01-01时间段中,每一天所有市对应的气温的最大值和降水量的最小值对应的多维数据报表。
需要说明的是,上述方案仅作为一个例子对本发明进行说明,具体的数据具体值,均可根据实际情况进行调整,本发明对此不做限定。
图3是本发明提供的多维数据报表生成系统的结构示意图,如图3所示,本发明还提供一种多维数据报表确定系统,包括:输入数据获取单元310、缓存报表确定单元320、查询语句确定单元330和目标报表确定单元340;
所述输入数据获取单元310,用于获取用户输入的目标数据集;其中,所述目标数据集包括:目标维度表;
所述缓存报表确定单元320,用于基于所述目标维度表,将与所述目标维度表相关的实例串联缓存,确定初始数据缓存报表;
所述查询语句确定单元330,用于基于所述目标数据集,确定目标查询语句;
所述目标报表确定单元340,用于基于所述初始数据缓存报表,根据所述目标查询语句,确定目标多维数据报表。
可选的,在前端设置输入界面,在确定需要生成多维数据报表时,业务统计分析员(用户),可以通过前端界面,进行简单的“拖、拉和拽”和提交表单,输入对应的目标数据集。其中,目标数据集包括:目标维度表。
根据后台运算逻辑,在输入数据获取单元310,用于获取用户在前端输入的目标数据集。
缓存报表确定单元320,用于在后台基于在输入数据获取单元310中获取的目标维度表,根据目标维度表中前后维度的关联关系,对维度数据进行预处理,将整个目标维度表对应相关的实例串联成多行记录,并通过关系型数据库进行缓存,确定初始数据缓存报表。
查询语句确定单元430,用于基于目标数据集中各数据的用途,根据后台运算逻辑的计算规则,确定符合SQL(Structured Query Language,结构化查询语言)语言规范的可运行的目标查询语句。
目标报表确定单元340,用于基于在缓存报表确定单元320中确定的初始数据缓存报表,根据在查询语句确定单元330中确定的目标查询语句,将该目标查询语句在数据库中执行,即能够输出符合用户需要的统计分析结果,即目标多维数据报表。
可以理解的是,用户输入的目标数据集中包含的数据的具体列表,以及如何基于目标数据集中各数据,综合确定目标查询语句的计算逻辑以及对应的具体的SQL语句,均可以根据实际需求进行设置,本发明对此不做限定。
其次,本发明可以广泛应用于不同的数据库类别,在本发明具体应用时,不同的数据库以及对应生成的语句可根据实际情况进行调整,本发明对此不做限定。
需要说明的是,在本发明中,前端界面显示的具体画面,以及输入的具体方法(例如:在对应数据后的输入框中输入数据,或在对应的选项框中选择对应的数据等)均可根据实际情况进行设置,本发明对此不做限定。
其次,可以理解的是,基于目标数据集中的数据确定对应的目标查询语句是实现免编程的关键环节,所述目标数据集中的数据,在多维度的分析场景中,与具体的业务无关,经过预设的计算逻辑处理,即可用于多维度场景下维度范围的描述,实现目标维度数据表的生成。能够广泛地应用于复杂关联场景。
本发明提供的多维数据报表确定系统,基于用户输入的目标数据集,根据与目标维度表相关的实例串联缓存,确定初始数据缓存报表。并根据计算逻辑确定目标查询语句。根据业务分析人员输入的数据确定初始数据缓存报表和目标查询语句,无需程序编码人员参与即可生成多维数据报表,降低业务分析人员和程序编码人员之间需求传递的沟通成本,提高多维数据分析的效率。
需要说明的是,本发明提供的多维数据报表确定系统用于执行上述多维数据报表确定方法,其具体的实施方式与方法实施方式一致,在此不再赘述。
图4是本发明提供的一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)410、通信接口(communication interface)411、存储器(memory)412和总线(bus)413,其中,处理器410,通信接口411,存储器412通过总线413完成相互间的通信。处理器410可以调用存储器412中的逻辑指令,以执行如下方法:获取用户输入的目标数据集;其中,所述目标数据集包括:目标维度表;基于所述目标维度表,将与所述目标维度表相关的实例串联缓存,确定初始数据缓存报表;基于所述目标数据集,确定目标查询语句;基于所述初始数据缓存报表,根据所述目标查询语句,确定目标多维数据报表。
此外,上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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中,包括若干指令用以使得一台计算机电源屏(可以是个人计算机,服务器,或者网络电源屏等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
进一步地,本发明公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的多维数据报表确定方法,例如包括:获取用户输入的目标数据集;其中,所述目标数据集包括:目标维度表;基于所述目标维度表,将与所述目标维度表相关的实例串联缓存,确定初始数据缓存报表;基于所述目标数据集,确定目标查询语句;基于所述初始数据缓存报表,根据所述目标查询语句,确定目标多维数据报表。
另一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的多维数据报表确定方法,例如包括:获取用户输入的目标数据集;其中,所述目标数据集包括:目标维度表;基于所述目标维度表,将与所述目标维度表相关的实例串联缓存,确定初始数据缓存报表;基于所述目标数据集,确定目标查询语句;基于所述初始数据缓存报表,根据所述目标查询语句,确定目标多维数据报表。
以上所描述的系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
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各实施方式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。基于这样的理解,上述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,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机电源屏(可以是个人计算机,服务器,或者网络电源屏等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例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同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种多维数据报表确定方法,其特征在于,包括:
获取用户输入的目标数据集;其中,所述目标数据集包括:目标维度表;
基于所述目标维度表,将与所述目标维度表相关的实例串联缓存,确定初始数据缓存报表;
基于所述目标数据集,确定目标查询语句;
基于所述初始数据缓存报表,根据所述目标查询语句,确定目标多维数据报表。
2.根据权利要求1所述的多维数据报表确定方法,其特征在于,所述目标数据集还包括:目标事实表、目标事实字段列表、目标聚合函数、目标聚合维度和目标时间粒度;
其中,所述目标事实字段列表包括所述目标事实表中对应的若干事实字段;所述目标聚合函数为所述目标事实字段聚合时的聚合规则;所述目标聚合维度为生成目标多维数据报表时对应的维度;所述目标时间粒度为生成目标多维数据报表时对应的时间粒度。
3.根据权利要求2所述的多维数据报表确定方法,其特征在于,所述获取用户输入的目标数据集,具体包括:
获取用户输入的目标维度信息;其中,所述目标维度信息包括:一个起点维度和一个终点维度;
基于所述起点维度和所述终点维度,确定维度链集合;
根据预设维度链排列规则,生成第一界面;其中,所述第一界面显示根据所述预设维度链排列规则排列的维度链集合;
获取用户在所述第一界面输入的目标维度表;其中,所述目标维度表为所述用户在所述维度链集合中确定的目标维度链。
4.根据权利要求2所述的多维数据报表确定方法,其特征在于,所述目标维度信息还包括:至少一个中途维度;
所述基于所述起点维度和所述终点维度,确定维度链集合;根据预设维度链排列规则,生成第一界面,具体包括:
按照所述起点维度、所述中途维度和所述终点维度的顺序,根据路径生成算法,确定维度链集合;
基于所述维度链集合,根据预设维度链排列规则,生成第一界面;
其中,所述第一界面显示根据所述预设维度链排列规则排列的维度链集合;所述预设维度链排列规则为:所述维度链包括的维度越少优先级越高,维度数量相同的维度链中实例数越高优先级越高。
5.根据权利要求2所述的多维数据报表确定方法,其特征在于,所述获取用户输入的目标数据集,具体包括:
获取用户在所述第一界面输入的目标维度表;
根据所述目标维度表中的各维度,按预设维度排列顺序,生成第二界面;其中,所述第二界面显示根据所述预设维度排列顺序排列的维度列表;
获取用户在所述第二界面输入的目标聚合维度;其中,所述目标聚合维度为在所述维度列表中确定的目标维度。
6.根据权利要求2-5任一项所述的多维数据报表确定方法,其特征在于,所述基于所述目标数据集,确定目标查询语句,具体包括:
基于所述目标维度表、目标事实表和所述目标事实字段列表,确定维度表与事实表关联查询语句片段;其中,所述维度表与事实表关联查询语句片段用于将初始数据缓存报表中的维度表和事实表关联;
基于所述目标事实字段列表和所述目标聚合函数,确定事实表指标查询语句片段;其中,所述事实表指标查询语句片段用于确定初始数据缓存报表中事实字段对应的聚合规则;
基于所述目标聚合维度和所述目标时间粒度,确定聚合语句片段;其中,所述聚合语句片段用于在确定所述目标多维数据报表时对应的维度和时间粒度;
基于所述维度表与事实表关联查询语句片段、所述事实表指标查询语句片段和所述聚合语句片段,确定目标查询语句。
7.根据权利要求6所述的多维数据报表确定方法,其特征在于,所述目标数据集还包括:目标时间范围;
基于所述目标事实字段列表和所述目标聚合函数,确定事实表指标查询语句片段,具体包括:
基于所述目标事实字段列表和所述目标聚合函数,确定初始事实表指标查询语句片段;
根据所述目标时间范围限制所述初始事实表指标查询语句片段的数据起止时间,确定事实表指标查询语句片段。
8.一种多维数据报表确定系统,其特征在于,包括:输入数据获取单元、缓存报表确定单元、查询语句确定单元和目标报表确定单元;
所述输入数据获取单元,用于获取用户输入的目标数据集;其中,所述目标数据集包括:目标维度表;
所述缓存报表确定单元,用于基于所述目标维度表,将与所述目标维度表相关的实例串联缓存,确定初始数据缓存报表;
所述查询语句确定单元,用于基于所述目标数据集,确定目标查询语句;
所述目标报表确定单元,用于基于所述初始数据缓存报表,根据所述目标查询语句,确定目标多维数据报表。
9.一种电子设备,其特征在于,包括存储器和处理器,所述处理器和所述存储器通过总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至7任一所述的多维数据报表确定方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至7任一所述的多维数据报表确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110668230.5A CN115481150A (zh) | 2021-06-16 | 2021-06-16 | 多维数据报表确定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110668230.5A CN115481150A (zh) | 2021-06-16 | 2021-06-16 | 多维数据报表确定方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115481150A true CN115481150A (zh) | 2022-12-16 |
Family
ID=84419362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110668230.5A Pending CN115481150A (zh) | 2021-06-16 | 2021-06-16 | 多维数据报表确定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115481150A (zh) |
-
2021
- 2021-06-16 CN CN202110668230.5A patent/CN115481150A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shen et al. | Web service discovery based on behavior signatures | |
US9063987B2 (en) | Managing uncertain data using Monte Carlo techniques | |
Peukert et al. | A self-configuring schema matching system | |
Liu et al. | High-performance nested CEP query processing over event streams | |
CN108280234B (zh) | 数据查询方法及装置 | |
US10977266B2 (en) | Ad-hoc analytical query of graph data | |
Michelfeit et al. | Linked open data aggregation: Conflict resolution and aggregate quality | |
CN103324701A (zh) | 数据搜索装置和数据搜索方法 | |
CN104834754A (zh) | 一种基于连接代价的sparql语义数据查询优化方法 | |
EP4325415A1 (en) | Method for engineered predictive analysis | |
Pullokkaran | Analysis of data virtualization & enterprise data standardization in business intelligence | |
CN115470195A (zh) | 一种融合维度模型的指标数据自动化计算方法及装置 | |
CN111814458A (zh) | 规则引擎系统优化方法、装置、计算机设备及存储介质 | |
CN115481150A (zh) | 多维数据报表确定方法及系统 | |
CN109933622A (zh) | 一种数据可视化系统及实现方法 | |
CN108805597B (zh) | 模型构建方法及装置、数据报表生成方法及装置 | |
Qi et al. | The LDBC Financial Benchmark | |
US20150347507A1 (en) | Hierarchical query plans in an elastic parallel database management system | |
CN111061767B (zh) | 一种基于内存计算与sql计算的数据处理方法 | |
Maulana et al. | Lost won opportunity prediction in sales pipeline B2b CRM using machine learning | |
CN114647704A (zh) | 业务数据处理方法以及相关设备 | |
CN111159203B (zh) | 一种数据关联分析的方法、平台、电子设备及存储介质 | |
CN114048216A (zh) | 索引选择方法、电子设备及存储介质 | |
Goossens et al. | Extracting Process-Aware Decision Models from Object-Centric Process Data | |
CN114036174B (zh) | 数据更新方法、装置、设备及存储介质 |
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 |