CN115630070A - 一种信息推送方法、计算机可读的存储介质及电子装置 - Google Patents
一种信息推送方法、计算机可读的存储介质及电子装置 Download PDFInfo
- Publication number
- CN115630070A CN115630070A CN202211335711.5A CN202211335711A CN115630070A CN 115630070 A CN115630070 A CN 115630070A CN 202211335711 A CN202211335711 A CN 202211335711A CN 115630070 A CN115630070 A CN 115630070A
- Authority
- CN
- China
- Prior art keywords
- data
- database
- change data
- dimension
- change
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000008859 change Effects 0.000 claims abstract description 127
- 238000012216 screening Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000005012 migration Effects 0.000 claims description 8
- 238000013508 migration Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 6
- 230000004931 aggregating effect Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/214—Database migration support
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种信息推送方法、计算机可读的存储介质及电子装置，涉及计算机技术领域，该信息推送方法包括：将源数据库的历史全量数据存储至数据库宽表；获取源数据库的变化数据，并将变化数据写入数据库宽表，得到更新后的数据库宽表；从更新后的数据库宽表中确定出与变化数据相关联的维度数据，并对变化数据和维度数据进行分类，得到多个维度数据集；根据多个维度数据集和自定义筛选条件进行信息推送。该方法通过将历史全量数据以及变化数据写入数据库宽表，将信息推送业务中的数据访问由原来的MySQL数据库转移到数据库宽表，降低了对MySQL数据库的过度访问，有效避免服务器的崩溃，实现了高速查询，有利于提高响应速度，提升用户的体验感。
Description
技术领域
本申请涉及计算机技术领域，具体而言，涉及一种信息推送方法、计算机可读的存储介质及电子装置。
背景技术
随着在线购物的盛行，电子商务的用户数量日渐增多，在不同业务场景下也随之产生了大量的、快速且实时变化的流式数据。基于用户在不同业务场景下产生的大量数据并对数据进行分析，可为用户提供合理的购物引导，例如，针对各类产品，可以结合用户所在位置向用户推荐其所在位置合理范围内的有效店铺。
为了提高推荐的实时性，相关技术中引入了Flink框架进行流式处理，但数据存储媒介延续着对传统关系型数据库如MySQL的依赖使用，随着数据量的增加在进行业务查询搜索时，直接从MySQL数据库进行数据读取存在以下问题：一方面，需要对各种数据进行关联查询过滤，查询响应时间较长；另一方面，对数据库的访问频率增加，容易出现IO交互链路堵塞，进而造成数据库崩溃以及业务处理异常退出的问题，因而也影响信息推送效果。
发明内容
本发明旨在解决上述技术问题，即，解决现有进行信息推送时响应时间长，且容易出现数据库崩溃以及业务处理异常退出的问题。
在第一方面，本申请提供了一种信息推送方法，其包括：
将源数据库的历史全量数据存储至数据库宽表；
获取所述源数据库的变化数据，并将所述变化数据写入所述数据库宽表，得到更新后的数据库宽表；
从所述更新后的数据库宽表中确定出与所述变化数据相关联的维度数据，并对所述变化数据和所述维度数据进行分类，得到多个维度数据集；
根据所述多个维度数据集和自定义筛选条件进行信息推送。
在一些实施例中，所述获取所述源数据库的变化数据包括：通过读取所述源数据库的数据变更日志获取所述源数据库的变化数据。
在一些实施例中，所述将所述变化数据写入所述数据库宽表，得到更新后的数据库宽表包括：
将所述变化数据引入流式数据源，得到变化数据流；
根据所述变化数据流的操作模式，对所述变化数据流进行用户自定义函数处理，以及，确定与所述变化数据流关联的维度属性；
将处理后的所述变化数据流写入所述数据库宽表，并将所述变化数据流以及与所述变化数据流关联的维度属性的数据聚合存储，得到更新后的数据库宽表。
在一些实施例中，所述确定与所述变化数据流关联的维度属性包括：根据所述变化数据流的源表确定所述变化数据流的维度属性，根据所述变化数据流的维度属性确定与所述变化数据流关联的维度属性。
在一些实施例中，所述将所述变化数据引入所述流式数据源，得到变化数据流之后，所述方法还包括：采用Flink框架读取所述流式数据源中的所述变化数据流。
在一些实施例中，所述对所述变化数据和所述维度数据进行分类，包括：
根据所述变化数据的源表确定所述变化数据的维度属性；
基于所述维度属性对所述变化数据和所述维度数据进行分类。
在一些实施例中，所述根据所述多个维度数据集和自定义筛选条件进行信息推送包括：
接收用户指令，从所述多个维度数据集中确定出指标维度数据集；
根据所述指标维度数据集和所述自定义筛选条件从所述指标维度数据集中筛选出决策数据集，基于所述决策数据集进行信息推送。
在第二方面，本申请提供了一种信息推送装置，其包括：
全量数据迁移模块，其用于将源数据库的历史全量数据存储至数据库宽表；
变化数据迁移模块，其用于获取所述源数据库的变化数据，并将所述变化数据写入所述数据库宽表，得到更新后的数据库宽表；
数据维度分类模块，其用于从所述更新后的数据库宽表中确定出与所述变化数据相关联的维度数据，并对所述变化数据和所述维度数据进行分类，得多个维度数据集；
数据决策模块，其用于根据所述多个维度数据集和自定义筛选条件进行信息推送。
在第三方面，本申请提供了一种计算机可读的存储介质，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行上述任一项所述的信息推送方法。
在第四方面，本申请提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行上述任一项所述的信息推送方法。
在采用上述技术方案的情况下，本申请能够通过将源数据库的历史全量数据存储至数据库宽表；获取源数据库的变化数据，并将变化数据写入数据库宽表，得到更新后的数据库宽表；从更新后的数据库宽表中确定出与变化数据相关联的维度数据，并对变化数据和维度数据进行分类，得到多个维度数据集；根据多个维度数据集和自定义筛选条件进行信息推送。该方法通过将历史全量数据以及变化数据写入单层级的数据库宽表，将后续信息推送业务中的数据访问由原来的MySQL数据库转移到数据库宽表，降低了对MySQL数据库的过度访问，可以缓解MySQL数据库的压力，有效避免服务器的崩溃。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种信息推送方法流程示意图；
图2是本申请实施例提供的获取更新后的数据库宽表的方法流程示意图；
图3是本申请实施例提供的实现信息推送方法的系统框架示意图；
图4是本申请实施例提供的一种信息推送装置结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书中的术语“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。
根据本申请实施例的一个方面，提供了一种信息推送方法，参见图1所示，图1是本申请实施例提供的一种信息推送方法流程示意图，其可以包括：
步骤S11：将源数据库的历史全量数据存储至数据库宽表；
步骤S12：获取源数据库的变化数据，并将变化数据写入数据库宽表，得到更新后的数据库宽表；
步骤S13：从更新后的数据库宽表中确定出与变化数据相关联的维度数据，并对变化数据和维度数据进行分类，得到多个维度数据集；
步骤S14：根据多个维度数据集和自定义筛选条件进行信息推送。
在本申请实施例中，步骤S11可以为采用Spark SQL批处理的方式将源数据库的历史全量数据存储至数据库宽表中。
在一些实施例中，本发明提供的信息推送方法可以应用于店铺相关信息的推送，在下文中将基于应用于店铺相关信息的推送为例进行描述。源数据库可以存储有店铺业务的源数据，店铺业务至少可以对应商品、区域、店铺和库存四个维度属性。在一些实施例中，可以在Click House宽表中构建店铺业务的事实表和至少一个维度表，并通过采用SparkSQL批处理的方式将源数据库的历史全量数据对应存储至事实表和维度表中。
在一些实施例中，步骤S12中获取源数据库的变化数据可以具体为通过读取源数据库的数据变更日志获取源数据库的变化数据。
其中，数据变更日志可以为binlogs日志，binlogs是MySQL Server层记录的二进制日志文件，用于记录MySQL在进行数据操作语言过程中的操作日志。通过binlog日志可以做数据恢复，增量备份，主主复制和主从复制等等。
在一些实施例中，参见图2所示，步骤S12中将变化数据写入数据库宽表，得到更新后的数据库宽表可以为：
步骤S121：将变化数据引入流式数据源，得到变化数据流；
步骤S122：根据变化数据流的操作模式，对变化数据流进行用户自定义函数处理，以及，确定与变化数据流关联的维度属性；
步骤S123：将处理后的变化数据流写入数据库宽表，并将变化数据流以及与变化数据流关联的维度属性的数据聚合存储，得到更新后的数据库宽表。
在一些实施例中，流式数据源可以采用Kafka。Kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理网站中的所有动作流数据。
在一些实施例中，变化数据流的操作模式可以包括嵌入、更新和删除中的至少一种。
在一些实施例中，在步骤S122中根据变化数据的操作模式，对变化数据流进行用户自定义函数处理可以为：根据变化数据流的操作模式，对变化数据流进行分类；针对分类后的每一种操作模式的变化数据流，分别利用用户自定义函数处理变化数据流。
其中，用户自定义函数(User-Defined Functions，UDF)可以作用于单个数据行，产生一个数据行作为输出，在实际应用中，可以根据实际的业务需求自定义开发该函数，以满足用户个性化需求。
在一些实施例中，针对每种操作模式的变化数据流，还可以根据变化数据流的源表(Source Table)确定变化数据流的维度属性，针对不同维度属性的变化数据流采用不同的逻辑处理。
在一些实施例中，步骤S122中确定与变化数据流关联的维度属性可以为：根据变化数据流的源表确定变化数据流的维度属性，根据变化数据流的维度属性确定与变化数据流关联的维度属性。
其中，可以获取店铺业务对应的多种维度属性，针对变化数据流的维度属性从变化数据流所属的店铺业务所对应的多种维度性中确定出与该变化数据流相关联的维度属性。
在本申请实施例中，源数据库可以存储店铺业务的源数据，店铺业务至少可以对应商品、区域、店铺和库存四个维度属性。当变化数据流的维度属性为店铺时，可以确定出与变化数据流相关的维度属性包括商品、区域和库存。进而，可以将变化数据流和与变化数据流相关的属性的数据聚合存储。
其中，宽表通常是指业务主体相关的指标、维度、属性关联在一起的一张数据库表。在本申请中数据库宽表可以采用Click House宽表，该Click House宽表作为标准的列存数据库，有利于高效的对多维度数据聚合、筛选。
在一些实施例中，在步骤S121之后还可以采用Flink框架读取流式数据源中的变化数据流，以基于读取的变化数据流更新数据库宽表。
在一些实施例中，当流式数据源采用Kafka时，可以采用Flink框架中的FlinkKafka Connector读取Kafka中的变化数据流，Flink Kafka Connector是Flink内置的Kafka连接器，它包含了从Kafka Topic读取数据的Flink Kafka Consumer以及向KafkaTopic写入数据的Flink Kafka Producer。
在一些实施例中，步骤S13可以具体为根据变化数据流的维度属性以及在步骤S12中将变化数据流以及与变化数据流关联的维度属性的数据聚合存储后得到的更新后的数据库宽表，确定出与变化数据流相关联的维度属性的数据，作为维度数据。
在一些实施例中，步骤S13中对变化数据和维度数据进行分类可以为：
根据变化数据的源表确定变化数据的维度属性；
基于维度属性对变化数据和维度数据进行分类。
当在步骤S12中将变化数据引入流式数据源，即基于流式数据源对变化数据进行处理后得到变化数据流。在步骤S13中即可以为根据变化数据流的源表确定变化数据流的维度属性，基于维度属性对变化数据流和维度数据进行分类。
在一些实施例中，变化数据流可以包括多条变化数据。
作为示例，店铺业务可以对应商品、区域、店铺和库存四个维度属性。当根据变化数据流的源表确定出变化数据流的维度属性为店铺时，可以从更新后的数据库宽表中确定出与店铺对应的维度属性商品、区域以及库存三个维度属性的数据，进而将变化数据流和从更新后的数据库宽表中确定出的数据进行分类，得到与店铺相关联的四个维度的维度数据集。
在该步骤13中对数据库宽表只进行单向的查询操作而不进行写入操作，实现了单表快速查询的效果。
在一些实施例中，步骤S14可以具体为：
接收用户指令，从多个维度数据集中确定出指标维度数据集；
根据指标维度数据集和自定义筛选条件从指标维度数据集中筛选出决策数据集，基于决策数据集进行信息推荐。
作为示例，店铺业务对应商品、区域、店铺和库存四个维度属性，相应的可以得到商品、区域、店铺和库存四个维度属性的维度数据集，当用户指令指示查询周边店铺时，可以从多个维度数据集中确定出店铺数据集和区域数据集作为指标维度数据集，店铺数据集中可以包括多个店铺数据，区域数据集可以包括多个区域数据。自定义筛选条件可以根据需求进行设置，例如，自定义筛选条件可以为店铺距离用户所在位置小于预设距离，针对指标维度数据集中店铺数据集和区域数据集的每一种组合，判断该组合是否满足店铺距离用户所在位置小于预设距离的条件，如果满足，则基于该组合构建决策数据集，并基于决策数据集进行信息推送。
在一些实施例中，还可以将获取到的决策数据集存储至TiDB数据库，以供后续业务快速查询。
在一些实施例中，参见图3所示，图3是本申请实施例提供的实现信息推送方法的系统框架示意图。
其中，可以利用Spark SQL批处理的方式将源数据库的历史全量数据存储至ClickHouse宽表中，以及，采用Maxwell读取源数据库的MySQL binlog日志，将监控到的变化数据引入Kafka消息队列中，并启用Flink框架读取Kafka中的变化数据流，以基于变化数据流更新Click House宽表。在后续的信息推送过程中，可以直接读取Click House宽表，将得到的决策数据集批量sink(输出)到TiDB数据库，以供后续业务快速查询。其中，Flink框架可以采用Flink Kafka connector以并行的方式读入变化数据流，形成多个并行的task。
以上为本发明实施例提供的一种信息推送方法，通过将源数据库的历史全量数据存储至数据库宽表；获取源数据库的变化数据，并将变化数据写入数据库宽表，得到更新后的数据库宽表；从更新后的数据库宽表中确定出与变化数据相关联的维度数据，并对变化数据和维度数据进行分类，得到多个维度数据集；根据多个维度数据集和自定义筛选条件进行信息推送。该方法通过将历史全量数据以及变化数据写入单层级的数据库宽表，将后续信息推送业务中的数据访问由原来的MySQL数据库转移到数据库宽表，降低了对MySQL数据库的过度访问，可以缓解MySQL数据库的压力，有效避免服务器的崩溃。
根据本申请实施例的另一个方面，提供了一种信息推送装置，参见图4所示，图4是本申请实施例提供的一种信息推送装置结构示意图，其包括：
全量数据迁移模块41，其用于将源数据库的历史全量数据存储至Click House宽表；
变化数据迁移模块42，其用于获取源数据库的变化数据，并将变化数据写入数据库宽表，得到更新后的数据库宽表；
数据维度分类模块43，其用于从更新后的数据库宽表中确定出与变化数据相关联的维度数据，并对变化数据和维度数据进行分类，得到多个维度数据集；
数据决策模块44，其用于根据多个维度数据集和自定义筛选条件进行信息推送。
本申请提供的信息推送装置可用于执行上述信息推送方法，达到与上述实施例中信息推送方法相同的有益效果。进一步，应该理解的是，由于各个模块的设定仅仅是为了说明本申请的装置的功能单元，这些模块对应的物理器件可以是处理器本身，或者处理器中软件的一部分，硬件的一部分，或者软件和硬件结合的一部分。因此，图4中的各个模块的数量仅仅是示意性的。本领域技术人员能够理解的是，可以对装置中的各个模块进行适应性地拆分或合并。对具体模块的这种拆分或合并并不会导致技术方案偏离本发明的原理，因此，拆分或合并之后的技术方案都将落入本申请的保护范围内。
本领域技术人员能够理解的是，本申请实现上述实施例的方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。
根据本申请实施例的另一个方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质包括存储的程序，其中，程序运行时执行上述实施例所述的信息推送方法。该计算机可读的存储介质可以是包括各种电子设备形成的存储装置设备，可选的，本发明实施例中计算机可读的存储介质是非暂时性的计算机可读存储介质。
根据本申请实施例的另一个方面，还提供了一种电子装置，其包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为通过计算机程序执行上述实施例中所述的信息推送方法。
该电子装置可以实现上述施例所述的信息推送方法，达到与上述实施例相同的有益效果。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种信息推送方法，其特征在于，包括：
将源数据库的历史全量数据存储至数据库宽表；
获取所述源数据库的变化数据，并将所述变化数据写入所述数据库宽表，得到更新后的数据库宽表；
从所述更新后的数据库宽表中确定出与所述变化数据相关联的维度数据，并对所述变化数据和所述维度数据进行分类，得到多个维度数据集；
根据所述多个维度数据集和自定义筛选条件进行信息推送。
2.根据权利要求1所述的信息推送方法，其特征在于，所述获取所述源数据库的变化数据包括：通过读取所述源数据库的数据变更日志获取所述源数据库的变化数据。
3.根据权利要求1所述的信息推送方法，其特征在于，所述将所述变化数据写入所述数据库宽表，得到更新后的数据库宽表包括：
将所述变化数据引入流式数据源，得到变化数据流；
根据所述变化数据流的操作模式，对所述变化数据流进行用户自定义函数处理，以及，确定与所述变化数据流关联的维度属性；
将处理后的所述变化数据流写入所述数据库宽表，并将所述变化数据流以及与所述变化数据流关联的维度属性的数据聚合存储，得到更新后的数据库宽表。
4.根据权利要求3所述的信息推送方法，其特征在于，所述确定与所述变化数据流关联的维度属性包括：根据所述变化数据流的源表确定所述变化数据流的维度属性，根据所述变化数据流的维度属性确定与所述变化数据流关联的维度属性。
5.根据权利要求3所述的信息推送方法，其特征在于，所述将所述变化数据引入所述流式数据源，得到变化数据流之后，所述方法还包括：采用Flink框架读取所述流式数据源中的所述变化数据流。
6.根据权利要求1所述的信息推送方法，其特征在于，所述对所述变化数据和所述维度数据进行分类，包括：
根据所述变化数据的源表确定所述变化数据的维度属性；
基于所述维度属性对所述变化数据和所述维度数据进行分类。
7.根据权利要求1所述的信息推送方法，其特征在于，所述根据所述多个维度数据集和自定义筛选条件进行信息推送包括：
接收用户指令，从所述多个维度数据集中确定出指标维度数据集；
根据所述指标维度数据集和所述自定义筛选条件从所述指标维度数据集中筛选出决策数据集，基于所述决策数据集进行信息推送。
8.一种信息推送装置，其特征在于，包括：
全量数据迁移模块，其用于将源数据库的历史全量数据存储至数据库宽表；
变化数据迁移模块，其用于获取所述源数据库的变化数据，并将所述变化数据写入所述数据库宽表，得到更新后的数据库宽表；
数据维度分类模块，其用于从所述更新后的数据库宽表中确定出与所述变化数据相关联的维度数据，并对所述变化数据和所述维度数据进行分类，得到多个维度数据集；
数据决策模块，其用于根据所述多个维度数据集和自定义筛选条件进行信息推送。
9.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行权利要求1至7中任一项所述的信息推送方法。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行权利要求1至7中任一项所述的信息推送方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211335711.5A CN115630070A (zh) | 2022-10-28 | 2022-10-28 | 一种信息推送方法、计算机可读的存储介质及电子装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211335711.5A CN115630070A (zh) | 2022-10-28 | 2022-10-28 | 一种信息推送方法、计算机可读的存储介质及电子装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115630070A true CN115630070A (zh) | 2023-01-20 |
Family
ID=84909039
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211335711.5A Pending CN115630070A (zh) | 2022-10-28 | 2022-10-28 | 一种信息推送方法、计算机可读的存储介质及电子装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115630070A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116501715A (zh) * | 2023-04-28 | 2023-07-28 | 成都赛力斯科技有限公司 | 一种多表全量数据的实时关联更新方法及装置 |
-
2022
- 2022-10-28 CN CN202211335711.5A patent/CN115630070A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116501715A (zh) * | 2023-04-28 | 2023-07-28 | 成都赛力斯科技有限公司 | 一种多表全量数据的实时关联更新方法及装置 |
| CN116501715B (zh) * | 2023-04-28 | 2024-03-12 | 重庆赛力斯凤凰智创科技有限公司 | 一种多表全量数据的实时关联更新方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gupta et al. | A study of big data evolution and research challenges | |
| Zakir et al. | Big data analytics. | |
| EP3299972B1 (en) | Efficient query processing using histograms in a columnar database | |
| KR101806055B1 (ko) | 선택도에 대해 데이터 비트를 인터리빙함으로써 관계형 데이터베이스에 대한 멀티-칼럼 인덱스의 발생 | |
| Shoro et al. | Big data analysis: Ap spark perspective | |
| Miner et al. | MapReduce design patterns | |
| CN110532479A (zh) | 一种信息推荐方法、装置及设备 | |
| Ionescu et al. | Transforming financial decision-making: the interplay of AI, cloud computing and advanced data management technologies | |
| US20170300564A1 (en) | Clustering for social media data | |
| JP6779231B2 (ja) | データ処理方法及びシステム | |
| US20110264651A1 (en) | Large scale entity-specific resource classification | |
| CN102214208B (zh) | 一种基于非结构化文本生成结构化信息实体的方法与设备 | |
| US11182364B2 (en) | Data analysis support apparatus and data analysis support method | |
| US20150046423A1 (en) | Refining Search Query Results | |
| Boratto et al. | Consumer fairness in recommender systems: Contextualizing definitions and mitigations | |
| Hammond et al. | Cloud based predictive analytics: text classification, recommender systems and decision support | |
| CN112182071B (zh) | 数据关联关系挖掘方法、装置、电子设备及存储介质 | |
| CN111966886A (zh) | 对象推荐方法、对象推荐装置、电子设备及存储介质 | |
| JP7261095B2 (ja) | ビジネスマッチング支援装置、及びビジネスマッチング支援方法 | |
| CN115630070A (zh) | 一种信息推送方法、计算机可读的存储介质及电子装置 | |
| Murty et al. | Dark web text classification by learning through SVM optimization | |
| CN109062551A (zh) | 基于大数据开发命令集的开发框架 | |
| US8250024B2 (en) | Search relevance in business intelligence systems through networked ranking | |
| Johannes et al. | Sales Prediction Model Using Classification Decision Tree Approach For Small Medium Enterprise Based on Indonesian E-Commerce Data | |
| US11567906B2 (en) | Generation and traversal of a hierarchical index structure for efficient data retrieval |
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 |