CN115509865A - 流数据回溯方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明实施例公开了一种流数据回溯方法、装置、电子设备及存储介质。其中，该方法包括：将获取到的流数据放入消息队列，并对流数据添加时间顺序标签；根据流数据的时间顺序标签，确定流数据的偏移量信息；从消息队列中确定待迁移流数据，并根据待迁移流数据确定增量数据文件；其中，增量数据文件用于记录待迁移流数据；根据增量数据文件的存储路径，对待迁移流数据的偏移量信息进行更新，确定待迁移流数据的更新偏移量信息；根据更新偏移量信息和消息队列中剩余流数据的未更新偏移量信息，确定待回溯流数据。本技术方案，能够有效支持大规模流数据回溯，提高了流数据回溯质量，能够更好地满足实际应用中对大规模流数据的回溯需求。

Description

流数据回溯方法、装置、电子设备及存储介质

技术领域

本发明涉及数据处理技术领域，尤其涉及一种流数据回溯方法、装置、电子设备及存储介质。

背景技术

随着大数据时代的到来，企业对数据处理时效性要求越来越高，越来越多的场景采用实时流处理方式来提高数据处理时效。其中，流处理是指一种专门针对流数据的处理加工方式。在生产测试环境下，通常需要更加一定历史期间的流数据进行回溯处理，以解决流数据异常等问题。由于流数据具有突发、无序乱序、规模庞大等特点，往往不容易进行流数据回溯。在实时流处理方式中，数据不落地，即来即处理，通常不存储实时流数据。在这种情况下，无法支持大规模流数据回溯，因而流数据的回溯质量较差，无法满足实际应用中对大规模流数据的回溯需求。

发明内容

本发明提供了一种流数据回溯方法、装置、电子设备及存储介质，能够有效支持大规模流数据回溯，提高了流数据回溯质量，能够更好地满足实际应用中对大规模流数据的回溯需求。

根据本发明的一方面，提供了一种流数据回溯方法，所述方法包括：

将获取到的流数据放入消息队列，并对所述流数据添加时间顺序标签；其中，所述时间顺序标签用于表征所述流数据的获取顺序；

根据所述流数据的时间顺序标签，确定所述流数据的偏移量信息；其中，所述偏移量信息用于描述与流数据获取时间对应的时间顺序标签；

从所述消息队列中确定待迁移流数据，并根据所述待迁移流数据确定增量数据文件；其中，所述增量数据文件用于记录所述待迁移流数据；

根据所述增量数据文件的存储路径，对所述待迁移流数据的偏移量信息进行更新，确定所述待迁移流数据的更新偏移量信息；

根据所述更新偏移量信息和所述消息队列中剩余流数据的未更新偏移量信息，确定待回溯流数据。

根据本发明的另一方面，提供了一种流数据回溯装置，包括：

时间顺序标签添加模块，用于将获取到的流数据放入消息队列，并对所述流数据添加时间顺序标签；其中，所述时间顺序标签用于表征所述流数据的获取顺序；

偏移量信息确定模块，用于根据所述流数据的时间顺序标签，确定所述流数据的偏移量信息；其中，所述偏移量信息用于描述与流数据获取时间对应的时间顺序标签；

增量数据文件确定模块，用于从所述消息队列中确定待迁移流数据，并根据所述待迁移流数据确定增量数据文件；其中，所述增量数据文件用于记录所述待迁移流数据；

更新偏移量信息确定模块，用于根据所述增量数据文件的存储路径，对所述待迁移流数据的偏移量信息进行更新，确定所述待迁移流数据的更新偏移量信息；

待回溯流数据确定模块，用于根据所述更新偏移量信息和所述消息队列中剩余流数据的未更新偏移量信息，确定待回溯流数据。

根据本发明的另一方面，提供了一种流数据回溯电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的流数据回溯方法。

根据本发明的另一方面，提供了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指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的流数据回溯方法。

本发明实施例的技术方案，将获取到的流数据放入消息队列，并对流数据添加时间顺序标签；其中，时间顺序标签用于表征流数据的获取顺序；根据流数据的时间顺序标签，确定流数据的偏移量信息；其中，偏移量信息用于描述与流数据获取时间对应的时间顺序标签；从消息队列中确定待迁移流数据，并根据待迁移流数据确定增量数据文件；其中，增量数据文件用于记录待迁移流数据；根据增量数据文件的存储路径，对待迁移流数据的偏移量信息进行更新，确定待迁移流数据的更新偏移量信息；根据更新偏移量信息和消息队列中剩余流数据的未更新偏移量信息，确定待回溯流数据。本技术方案，能够有效支持大规模流数据回溯，提高了流数据回溯质量，能够更好地满足实际应用中对大规模流数据的回溯需求。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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附图。

图1是根据本发明实施例一提供的一种流数据回溯方法的流程图；

图2是根据本发明实施例二提供的一种流数据回溯方法的流程图；

图3是根据本发明实施例三提供的一种流数据回溯装置的结构示意图；

图4是实现本发明实施例的一种流数据回溯方法的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”“目标”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，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。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。

实施例一

图1为本发明实施例一提供的一种流数据回溯方法的流程图，本实施例可适用于对大规模流数据进行快速回溯的情况，该方法可以由流数据回溯装置来执行，该流数据回溯装置可以采用硬件和/或软件的形式实现，该流数据回溯装置可配置于具有数据处理能力的电子设备中。如图1所示，该方法包括：

S110，将获取到的流数据放入消息队列，并对流数据添加时间顺序标签；其中，时间顺序标签用于表征流数据的获取顺序。

其中，流数据可以是指由数千个数据源持续生成的数据，具有高吞吐、低延时的特点。一般情况下，流数据可被视为一个随时间延续而无限增长的动态数据集合。流数据可广泛应用于各个领域，例如网络监控、传感器网络、航空航天、气象测控和金融服务等领域；流数据可适用于多个不同的应用场景，例如实时监控、动态跟踪和数据运营等场景。消息队列可以是指用于存放消息的队列，其中存放的消息遵循先入先出原则。时间顺序标签可以用于表征流数据的获取顺序。

本实施例中，当检测到流数据到来时，首先获取流数据并将其存放至消息队列中，同时对该流数据添加对应的时间顺序标签。示例性的，可以按照流数据进入消息队列的先后顺序，动态添加一个自增序号作为流数据的时间顺序标签。可以理解的是，时间顺序标签的值越大，则表明对应的流数据进入消息队列的时间越靠后。

S120，根据流数据的时间顺序标签，确定流数据的偏移量信息；其中，偏移量信息用于描述与流数据获取时间对应的时间顺序标签。

其中，偏移量信息可用于描述与流数据获取时间对应的时间顺序标签。具体的，偏移量信息可以包括流数据的获取时间和时间顺序标签。例如，流数据的偏移量信息可表示为<流数据获取时间,流数据的时间顺序标签>。

S130，从消息队列中确定待迁移流数据，并根据待迁移流数据确定增量数据文件；其中，增量数据文件用于记录待迁移流数据。

其中，待迁移流数据可以是指消息队列中等待被迁移的流数据。增量数据文件可以用于记录待迁移流数据。需要说明的是，由于消息队列的存储空间有限，通常只能缓存一定时间范围(例如7天)内的实时流数据，因此需要实时监控消息队列中的流数据缓存时间，并对快要超过消息队列缓存时间范围的流数据(例如超过6天的流数据)进行迁移和存储，从而避免数据丢失。其中，快要超过消息队列缓存时间范围的流数据可以作为待迁移流数据。此外，每一个偏移量信息对应的待迁移数据可以写成一个增量数据文件。

S140，根据增量数据文件的存储路径，对待迁移流数据的偏移量信息进行更新，确定待迁移流数据的更新偏移量信息。

其中，更新偏移量信息可以是指待迁移流数据原来的偏移量信息经过更新之后得到的新的偏移量信息。

本实施例中，可以根据增量数据文件的存储路径，对待迁移流数据的偏移量信息进行更新，以确定待迁移流数据的更新偏移量信息。可选的，根据增量数据文件的存储路径，对待迁移流数据的偏移量信息进行更新，包括：令待迁移流数据的偏移量信息中的流数据获取时间保持不变，同时将待迁移流数据的偏移量信息中的时间顺序标签，替换为增量数据文件的存储路径，以对待迁移流数据的偏移量信息进行更新。示例性的，待迁移流数据的更新偏移量信息可表示为<待迁移流数据的获取时间，增量数据文件的存储路径>。

本方案通过这样的设置，可以根据增量数据文件的存储路径对待迁移流数据的偏移量信息进行更新，以便后续能根据更新偏移量信息中的存储路径，快速、准确、便捷地获取到待迁移流数据。

S150，根据更新偏移量信息和消息队列中剩余流数据的未更新偏移量信息，确定待回溯流数据。

其中，剩余流数据可以是指消息队列中除了待迁移流数据以外的其他流数据。未更新偏移量信息可以是指没有进行更新的偏移量信息，即消息队列中消息队列中剩余流数据对应的偏移量信息。待回溯流数据可以是指等待被回溯的流数据。

本实施例中，可选的，根据更新偏移量信息和消息队列中剩余流数据的未更新偏移量信息，确定待回溯流数据，包括：根据更新偏移量信息中的流数据获取时间，以及未更新偏移量信息中的流数据获取时间，对待回溯流数据的回溯时间进行匹配；根据匹配结果确定待回溯流数据的目标偏移量信息；根据目标偏移量信息确定待回溯流数据。

其中，回溯时间可以是一个时间点(例如2022年10月1日0点)，也可以是一个时间段(例如2022年10月1日8点至10点)，本实施例对此不做任何限定，可以根据实际应用需求来确定。目标偏移量信息可以是指待回溯流数据对应的偏移量信息。

本实施例中，首先根据待回溯流数据的回溯时间，对更新偏移量信息和未更新偏移量信息中的流数据获取时间进行一一比对，确定出与待回溯流数据的回溯时间匹配的流数据获取时间。然后将匹配成功的流数据获取时间所对应的偏移量信息，确定为待回溯流数据的目标偏移量信息。进而可以根据目标偏移量信息确定待回溯流数据。需要说明的是，目标偏移量信息具有以下三种情况之一：(1)目标偏移量信息仅包含更新偏移量信息；(2)目标偏移量信息仅包含未更新偏移量信息；(3)目标偏移量信息同时包含更新偏移量信息和未更新偏移量信息。

本实施例中，可选的，根据目标偏移量信息确定待回溯流数据，包括：若目标偏移量信息为更新偏移量信息，根据目标偏移量信息确定目标增量数据文件，根据目标增量数据文件确定待回溯流数据；若目标偏移量信息为未更新偏移量信息，根据目标偏移量信息从消息队列中确定目标流数据，根据目标流数据确定待回溯流数据；若目标偏移量信息同时包括更新偏移量信息和未更新偏移量信息，根据目标偏移量信息中的更新偏移量信息确定目标增量数据文件，根据目标增量数据文件确定待回溯流数据，以及根据目标偏移量信息中的未更新偏移量信息从消息队列中确定目标流数据，根据目标流数据确定待回溯流数据。

其中，目标增量数据文件可以是指目标偏移量信息对应的增量数据文件。目标流数据可以是指目标偏移量信息对应的流数据。

本实施例中，可以根据目标偏移量信息的组成情况确定待回溯流数据。具体的，若目标偏移量信息仅包含更新偏移量信息，可以根据目标偏移量信息(即匹配成功的更新偏移量信息)确定目标增量数据文件(即匹配成功的更新偏移量信息所对应的增量数据文件)，然后将目标增量数据文件中的流数据确定为待回溯流数据。若目标偏移量信息仅包含未更新偏移量信息，可以根据目标偏移量信息(即匹配成功的未更新偏移量信息)从消息队列中确定目标流数据(即匹配成功的未更新偏移量信息对应的流数据)，并将目标流数据确定为待回溯流数据。若目标偏移量信息同时包括更新偏移量信息和未更新偏移量信息，可以分别根据目标偏移量信息中的更新偏移量信息和未更新偏移量信息，通过两条途径确定待回溯流数据。其中，根据更新偏移量信息确定待回溯流数据，以及根据未更新偏移量信息确定待回溯流数据的过程，可以分别参见上述两种情况中的确定过程，此处不再赘述。

本方案通过这样的设置，可以根据目标偏移量信息中的未更新偏移量信息对消息队列中的短期流数据进行快速回溯，同时根据目标偏移量信息中的更新偏移量信息对增量数据文件中的长期流数据进行快速回溯，能够更好地实现对大规模流数据的快速回溯。

本发明实施例的技术方案，将获取到的流数据放入消息队列，并对流数据添加时间顺序标签；其中，时间顺序标签用于表征流数据的获取顺序；根据流数据的时间顺序标签，确定流数据的偏移量信息；其中，偏移量信息用于描述与流数据获取时间对应的时间顺序标签；从消息队列中确定待迁移流数据，并根据待迁移流数据确定增量数据文件；其中，增量数据文件用于记录待迁移流数据；根据增量数据文件的存储路径，对待迁移流数据的偏移量信息进行更新，确定待迁移流数据的更新偏移量信息；根据更新偏移量信息和消息队列中剩余流数据的未更新偏移量信息，确定待回溯流数据。本技术方案，能够有效支持大规模流数据回溯，提高了流数据回溯质量，能够更好地满足实际应用中对大规模流数据的回溯需求。

实施例二

图2为本发明实施例二提供的一种流数据回溯方法的流程图，本实施例以上述实施例为基础进行优化。具体优化为：根据流数据的时间顺序标签，确定流数据的偏移量信息，包括：基于预设时间间隔，从消息队列中获取时间顺序标签最大的流数据作为候选流数据；根据候选流数据的获取时间以及候选流数据的时间顺序标签，确定候选流数据的候选偏移量信息。

如图2所示，本实施例的方法具体包括如下步骤：

S210，将获取到的流数据放入消息队列，并对流数据添加时间顺序标签；其中，时间顺序标签用于表征流数据的获取顺序。

S220，基于预设时间间隔，从消息队列中获取时间顺序标签最大的流数据作为候选流数据。

其中，预设时间间隔可以是指预先设定的确定候选流数据的时间间隔。例如，预设时间间隔可以设置为1分钟。候选流数据可以是指消息队列中等待被确定偏移量信息的流数据。

S230，根据候选流数据的获取时间以及候选流数据的时间顺序标签，确定候选流数据的候选偏移量信息。

其中，候选偏移量信息可以是指候选流数据对应的偏移量信息。示例性的，候选偏移量信息可以表示为<候选流数据的获取时间，候选流数据的时间顺序标签>。需要说明的是，本实施例中，并不是对消息队列中所有的流数据都确定偏移量信息，只需要确定候选流数据所对应的偏移量信息(即候选偏移量信息)即可。

S240，从消息队列中确定待迁移流数据，并根据待迁移流数据确定增量数据文件；其中，增量数据文件用于记录待迁移流数据。

本实施例中，可选的，从消息队列中确定待迁移流数据，并根据待迁移流数据确定增量数据文件，包括：基于预设过期时间从消息队列中确定待迁移流数据；根据候选偏移量信息确定待迁移流数据的偏移量信息；根据待迁移流数据的偏移量信息确定增量数据文件。

其中，预设过期时间可以是指预先设定的流数据过期时间，可以用于表征即将超过消息队列缓存时间范围最大值的时间阈值。示例性的，预设过期时间可以设置为消息队列缓存时间范围最大值的前一天。

本实施例中，可以将消息队列中超过预设过期时间的流数据确定为待迁移流数据，然后在待迁移流数据中查找候选流数据，并将待迁移流数据中的候选流数据所对应的候选偏移量信息，确定为待迁移流数据的偏移量信息，进而根据待迁移流数据的偏移量信息确定增量数据文件。

本方案通过这样的设置，可以通过增量数据文件的方式，对即将超过消息队列缓存时间范围的流数据进行记录，有效避免了消息队列中快过期数据的丢失，能够更好地支持对大规模流数据的回溯需求。

本实施例中，可选的，根据待迁移流数据的偏移量信息确定增量数据文件，包括：根据待迁移流数据的偏移量信息中的流数据获取时间，对待迁移流数据的偏移量信息进行排序；基于排序结果，根据在前偏移量信息对应的待迁移流数据，以及与在前偏移量信息相邻的在后偏移量信息对应的待迁移流数据之前的待迁移流数据，确定在前偏移量信息对应的增量数据文件。

其中，在前偏移量信息和在后偏移量信息可以用于表征在排序结果中偏移量信息的前后顺序。本实施例中，首先根据待迁移流数据的偏移量信息中的流数据获取时间，对待迁移流数据的各偏移量信息进行排序，得到按照时间先后顺序排列的待迁移流数据的偏移量信息排序结果。然后根据排序结果中在前偏移量信息对应的待迁移流数据，以及与在前偏移量信息相邻的在后偏移量信息对应的待迁移流数据之前的待迁移流数据，确定出在前偏移量信息对应的增量数据文件。

需要说明的是，待迁移流数据的每一个偏移量信息都需要生成对应的增量数据文件，并且每一个增量数据文件记录了当前偏移量信息到下一个偏移量信息之间的待迁移流数据。

本方案通过这样的设置，可以通过将当前偏移量信息到下一个偏移量信息之间的待迁移流数据写成一个增量数据文件，减少了增量数据文件的数量，便于对增量数据文件的存储管理。

S250，根据增量数据文件的存储路径，对待迁移流数据的偏移量信息进行更新，确定待迁移流数据的更新偏移量信息。

S260，根据更新偏移量信息和消息队列中剩余流数据的未更新偏移量信息，确定待回溯流数据。

本实施例中，若回溯时间是一个时间点，并且不存在与该时间点对应的偏移量信息，此时可以从更新偏移量信息和未更新偏移量信息中搜索位于该时间点之前且最接近的流数据获取时间，并将其作为更新回溯时间的起始时间点，以及从更新偏移量信息和未更新偏移量信息中搜索位于该时间点之后且最接近的流数据获取时间，并将其作为更新回溯时间的终止时间点。其中，更新回溯时间可以是指经过时间范围扩大后得到的新的回溯时间。进而根据与更新回溯时间的起始时间点和终止时间点匹配的偏移量信息，确定待回溯流数据。需要说明的是，更新回溯时间中包括了原始回溯时间点，即更新回溯时间对应的回溯数据中包括了原始回溯时间点需要的全部待回溯流数据，以确保充分满足流数据回溯需求。

若回溯时间是一个时间段，且回溯时间的起始时间点和/或终止时间点没有对应的偏移量信息，此时可以从更新偏移量信息和未更新偏移量信息中搜索位于起始时间点之前且最接近的流数据获取时间，并将其作为更新回溯时间的更新起始时间点，和/或从更新偏移量信息和未更新偏移量信息中搜索位于终止时间点之后且最接近的流数据获取时间，并将其作为更新回溯时间的更新终止时间点。其中，更新起始时间点可以是指更新回溯时间对应的起始时间点。更新终止时间点可以是指更新回溯时间对应的终止时间点。进而根据与更新起始时间点和/或更新终止时间点匹配的偏移量信息确定待回溯流数据。需要说明的是，更新回溯时间中包括了原始回溯时间的全部时间范围，即更新回溯时间对应的回溯数据中包括了原始回溯时间需要的全部待回溯流数据，以确保充分满足流数据回溯需求。

本发明实施例的技术方案，基于预设时间间隔，从消息队列中获取时间顺序标签最大的流数据作为候选流数据；根据候选流数据的获取时间以及候选流数据的时间顺序标签，确定候选流数据的候选偏移量信息。本技术方案，基于预设时间间隔确定候选流数据，以及候选流数据对应的候选偏移量信息，能够在有效支持大规模流数据回溯，提高流数据回溯质量的基础上，减少了增量数据文件的数量，便于对增量数据文件的存储管理，从而更好地满足实际应用中对大规模流数据的回溯需求。

实施例三

图3为本发明实施例三提供的一种流数据回溯装置的结构示意图，该装置可执行本发明任意实施例所提供的流数据回溯方法，具备执行方法相应的功能模块和有益效果。如图3所示，该装置包括：

时间顺序标签添加模块310，用于将获取到的流数据放入消息队列，并对所述流数据添加时间顺序标签；其中，所述时间顺序标签用于表征所述流数据的获取顺序；

偏移量信息确定模块320，用于根据所述流数据的时间顺序标签，确定所述流数据的偏移量信息；其中，所述偏移量信息用于描述与流数据获取时间对应的时间顺序标签；

增量数据文件确定模块330，用于从所述消息队列中确定待迁移流数据，并根据所述待迁移流数据确定增量数据文件；其中，所述增量数据文件用于记录所述待迁移流数据；

更新偏移量信息确定模块340，用于根据所述增量数据文件的存储路径，对所述待迁移流数据的偏移量信息进行更新，确定所述待迁移流数据的更新偏移量信息；

待回溯流数据确定模块350，用于根据所述更新偏移量信息和所述消息队列中剩余流数据的未更新偏移量信息，确定待回溯流数据。

可选的，所述偏移量信息确定模块320，具体用于：

基于预设时间间隔，从所述消息队列中获取所述时间顺序标签最大的流数据作为候选流数据；

根据所述候选流数据的获取时间以及所述候选流数据的时间顺序标签，确定所述候选流数据的候选偏移量信息。

可选的，所述增量数据文件确定模块330，包括：

待迁移流数据确定单元，用于基于预设过期时间从所述消息队列中确定待迁移流数据；

偏移量信息确定单元，用于根据所述候选偏移量信息确定所述待迁移流数据的偏移量信息；

增量数据文件确定单元，用于根据所述待迁移流数据的偏移量信息确定增量数据文件。

可选的，所述增量数据文件确定单元，具体用于：

根据所述待迁移流数据的偏移量信息中的流数据获取时间，对所述待迁移流数据的偏移量信息进行排序；

基于排序结果，根据在前偏移量信息对应的待迁移流数据，以及与所述在前偏移量信息相邻的在后偏移量信息对应的待迁移流数据之前的待迁移流数据，确定所述在前偏移量信息对应的增量数据文件。

可选的，所述更新偏移量信息确定模块340，具体用于：

令所述待迁移流数据的偏移量信息中的流数据获取时间保持不变，同时将所述待迁移流数据的偏移量信息中的时间顺序标签，替换为所述增量数据文件的存储路径，以对所述待迁移流数据的偏移量信息进行更新。

可选的，所述待回溯流数据确定模块350，包括：

回溯时间匹配单元，用于根据所述更新偏移量信息中的流数据获取时间，以及所述未更新偏移量信息中的流数据获取时间，对待回溯流数据的回溯时间进行匹配；

目标偏移量信息确定单元，用于根据匹配结果确定所述待回溯流数据的目标偏移量信息；

待回溯流数据确定单元，用于根据所述目标偏移量信息确定所述待回溯流数据。

可选的，所述待回溯流数据确定单元，具体用于：

若所述目标偏移量信息为更新偏移量信息，根据所述目标偏移量信息确定目标增量数据文件，根据所述目标增量数据文件确定待回溯流数据；

若所述目标偏移量信息为未更新偏移量信息，根据所述目标偏移量信息从消息队列中确定目标流数据，根据所述目标流数据确定待回溯流数据；

若所述目标偏移量信息同时包括更新偏移量信息和未更新偏移量信息，根据所述目标偏移量信息中的更新偏移量信息确定目标增量数据文件，根据所述目标增量数据文件确定待回溯流数据，以及根据所述目标偏移量信息中的未更新偏移量信息从消息队列中确定目标流数据，根据所述目标流数据确定待回溯流数据。

本发明实施例所提供的一种流数据回溯装置可执行本发明任意实施例所提供的一种流数据回溯方法，具备执行方法相应的功能模块和有益效果。

实施例四

图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如流数据回溯方法。

在一些实施例中，流数据回溯方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM13并由处理器11执行时，可以执行上文描述的流数据回溯方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行流数据回溯方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种流数据回溯方法，其特征在于，所述方法包括：

将获取到的流数据放入消息队列，并对所述流数据添加时间顺序标签；其中，所述时间顺序标签用于表征所述流数据的获取顺序；

根据所述流数据的时间顺序标签，确定所述流数据的偏移量信息；其中，所述偏移量信息用于描述与流数据获取时间对应的时间顺序标签；

从所述消息队列中确定待迁移流数据，并根据所述待迁移流数据确定增量数据文件；其中，所述增量数据文件用于记录所述待迁移流数据；

根据所述增量数据文件的存储路径，对所述待迁移流数据的偏移量信息进行更新，确定所述待迁移流数据的更新偏移量信息；

根据所述更新偏移量信息和所述消息队列中剩余流数据的未更新偏移量信息，确定待回溯流数据。

2.根据权利要求1所述的方法，其特征在于，根据所述流数据的时间顺序标签，确定所述流数据的偏移量信息，包括：

基于预设时间间隔，从所述消息队列中获取所述时间顺序标签最大的流数据作为候选流数据；

根据所述候选流数据的获取时间以及所述候选流数据的时间顺序标签，确定所述候选流数据的候选偏移量信息。

3.根据权利要求2所述的方法，其特征在于，从所述消息队列中确定待迁移流数据，并根据所述待迁移流数据确定增量数据文件，包括：

基于预设过期时间从所述消息队列中确定待迁移流数据；

根据所述候选偏移量信息确定所述待迁移流数据的偏移量信息；

根据所述待迁移流数据的偏移量信息确定增量数据文件。

4.根据权利要求3所述的方法，其特征在于，根据所述待迁移流数据的偏移量信息确定增量数据文件，包括：

根据所述待迁移流数据的偏移量信息中的流数据获取时间，对所述待迁移流数据的偏移量信息进行排序；

基于排序结果，根据在前偏移量信息对应的待迁移流数据，以及与所述在前偏移量信息相邻的在后偏移量信息对应的待迁移流数据之前的待迁移流数据，确定所述在前偏移量信息对应的增量数据文件。

5.根据权利要求1或4所述的方法，其特征在于，根据所述增量数据文件的存储路径，对所述待迁移流数据的偏移量信息进行更新，包括：

令所述待迁移流数据的偏移量信息中的流数据获取时间保持不变，同时将所述待迁移流数据的偏移量信息中的时间顺序标签，替换为所述增量数据文件的存储路径，以对所述待迁移流数据的偏移量信息进行更新。

6.根据权利要求5所述的方法，其特征在于，根据所述更新偏移量信息和所述消息队列中剩余流数据的未更新偏移量信息，确定待回溯流数据，包括：

根据所述更新偏移量信息中的流数据获取时间，以及所述未更新偏移量信息中的流数据获取时间，对待回溯流数据的回溯时间进行匹配；

根据匹配结果确定所述待回溯流数据的目标偏移量信息；

根据所述目标偏移量信息确定所述待回溯流数据。

7.根据权利要求6所述的方法，其特征在于，根据所述目标偏移量信息确定所述待回溯流数据，包括：

若所述目标偏移量信息为更新偏移量信息，根据所述目标偏移量信息确定目标增量数据文件，根据所述目标增量数据文件确定待回溯流数据；

若所述目标偏移量信息为未更新偏移量信息，根据所述目标偏移量信息从消息队列中确定目标流数据，根据所述目标流数据确定待回溯流数据。

若所述目标偏移量信息同时包括更新偏移量信息和未更新偏移量信息，根据所述目标偏移量信息中的更新偏移量信息确定目标增量数据文件，根据所述目标增量数据文件确定待回溯流数据，以及根据所述目标偏移量信息中的未更新偏移量信息从消息队列中确定目标流数据，根据所述目标流数据确定待回溯流数据。

8.一种流数据回溯装置，其特征在于，所述装置包括：

时间顺序标签添加模块，用于将获取到的流数据放入消息队列，并对所述流数据添加时间顺序标签；其中，所述时间顺序标签用于表征所述流数据的获取顺序；

偏移量信息确定模块，用于根据所述流数据的时间顺序标签，确定所述流数据的偏移量信息；其中，所述偏移量信息用于描述与流数据获取时间对应的时间顺序标签；

增量数据文件确定模块，用于从所述消息队列中确定待迁移流数据，并根据所述待迁移流数据确定增量数据文件；其中，所述增量数据文件用于记录所述待迁移流数据；

更新偏移量信息确定模块，用于根据所述增量数据文件的存储路径，对所述待迁移流数据的偏移量信息进行更新，确定所述待迁移流数据的更新偏移量信息；

待回溯流数据确定模块，用于根据所述更新偏移量信息和所述消息队列中剩余流数据的未更新偏移量信息，确定待回溯流数据。

9.一种流数据回溯电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的流数据回溯方法。

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存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的流数据回溯方法。

Images