CN115640279A - 一种数据血缘关系的构建方法和装置 - Google Patents

Abstract

本发明公开了一种数据血缘关系的构建方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取待解析程序的注解；逐个判断每个注解标注的算子的算子类型；当算子类型为数据源算子时，将注解解析为数据源表；当算子类型为其它算子时，根据待解析程序的拓扑流向，获取算子执行时依赖的依赖算子；当依赖算子的注解均被解析为数据表时，解析注解得到数据字段之间的依赖关系，并根据依赖关系将注解解析为数据表；根据依赖算子的数据表以及注解解析得到的数据表生成数据血缘关系。该实施方式不仅节省了开发人员的时间和精力，而且生成可读性强的具有统一格式的数据血缘关系，可以高效进行故障问题的数据追溯、定位以及后续的项目交接工作。

Description

一种数据血缘关系的构建方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种数据血缘关系的构建方法和装置。

背景技术

当今大数据时代，各种类型数据爆发性、海量地增长，这些庞大复杂的数据信息，通过转换、变换、流转，又生成新的数据，数据从产生、加工融合、流转，到最终输出，数据之间形成一种关联关系，这种关系形象化为数据血缘。目前对于数据流的实时任务暂时没有方法可以直接查看数据血缘，只能通过从开发人员的开发文档中查找相关信息。

在实现本发明过程中，发明人发现现有技术中存在如下问题：

开发文档是由开发人员自主编写的代码说明文档，其不是项目中的必不可缺的文档，存在开发文档缺失的问题；另外，开发文档的编写无标准性规范，可读性不佳；这些问题不仅影响了系统数据分析、故障问题的数据追溯和定位，而且耗费了开发人员的时间和精力，也不利于项目的交接工作。

发明内容

有鉴于此，本发明实施例提供一种数据血缘关系的构建方法和装置，基于待解析程序的注解，根据注解标注的算子的算子类型进行不同的解析处理方法，以得到体现数据字段之间的依赖关系的数据血缘关系，不仅节省了开发人员记录、编写数据关系的时间和精力，而且生成的数据血缘关系为统一格式的文档，可读性强，可以高效的进行系统数据分析、故障问题的数据追溯定位、以及后续的项目交接工作。

为实现所述目的，根据本发明实施例的一个方面，提供了一种数据血缘关系的构建方法，包括：

响应于数据血缘关系构建的请求，获取待解析程序的注解；

逐个判断每个所述注解标注的算子的算子类型；

当所述算子类型为数据源算子时，将所述注解解析为数据源表；

当所述算子类型为非数据源算子时，根据所述待解析程序的拓扑流向关系，获取所述算子执行时依赖的依赖算子；在所述依赖算子的注解均被解析为数据表的情况下，对所述注解进行解析得到数据字段之间的依赖关系，并根据所述数据字段之间的依赖关系将所述注解解析为数据表；根据所述算子的依赖算子的数据表以及所述注解解析得到的数据表生成数据血缘关系。

可选地，所述方法还包括：在所述依赖算子的注解未被解析为数据表的情况下，将所述依赖算子的注解解析为数据表。

可选地，将所述注解解析为数据源表，包括：对所述注解进行关键特征提取，以从所述注解中提取字段名和字段类型；根据所述字段名和字段类型生成数据源表。

可选地，对所述注解进行解析得到数据字段之间的依赖关系，并根据所述数据字段之间的依赖关系将所述注解解析为数据表，包括：对所述注解进行关键特征提取，以从所述注解中提取字段名和字段类型；对所述注解进行解析得到数据字段之间的依赖关系，并根据所述依赖关系得到字段对应的来源字段；根据所述字段名、字段类型和来源字段生成数据表。

可选地，所述拓扑流向关系使用数据流处理引擎获取。

可选地，在生成数据血缘关系时，还生成对应的说明文档。

根据本发明实施例的第二方面，提供一种数据血缘关系的构建装置，包括：

注解获取模块，用于响应于数据血缘关系构建的请求，获取待解析程序的注解；

算子类型判断模块，用于逐个判断每个所述注解标注的算子的算子类型；

数据源算子解析模块，用于当所述算子类型为数据源算子时，将所述注解解析为数据源表；

非数据源算子解析模块，用于当所述算子类型为非数据源算子时，根据所述待解析程序的拓扑流向关系，获取所述算子执行时依赖的依赖算子；在所述依赖算子的注解均被解析为数据表的情况下，对所述注解进行解析得到数据字段之间的依赖关系，并根据所述数据字段之间的依赖关系将所述注解解析为数据表；根据所述算子的依赖算子的数据表以及所述注解解析得到的数据表生成数据血缘关系。

可选地，所述装置还包括依赖算子解析模块，用于：在所述依赖算子的注解未被解析为数据表的情况下，将所述依赖算子的注解解析为数据表。

根据本发明实施例的第三方面，提供一种数据血缘关系的构建电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例第一方面提供的方法。

根据本发明实施例的第四方面，提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例第一方面提供的方法。

所述发明中的一个实施例具有如下优点或有益效果：通过响应于数据血缘关系构建的请求，获取待解析程序的注解；逐个判断每个注解标注的算子的算子类型；当算子类型为数据源算子时，将注解解析为数据源表；当算子类型为非数据源算子时，根据待解析程序的拓扑流向关系，获取算子执行时依赖的依赖算子；在依赖算子的注解均被解析为数据表的情况下，对注解进行解析得到数据字段之间的依赖关系，并根据数据字段之间的依赖关系将注解解析为数据表；根据算子的依赖算子的数据表以及注解解析得到的数据表生成数据血缘关系的技术方案，实现了基于待解析程序的注解，根据注解标注的算子的算子类型进行不同的解析处理方法，以得到体现数据字段之间的依赖关系的数据血缘关系，不仅节省了开发人员记录、编写数据关系的时间和精力，而且生成的数据血缘关系为统一格式的文档，可读性强，可以高效的进行系统数据分析、故障问题的数据追溯定位以及后续的项目交接工作。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的数据血缘关系的构建方法的主要流程的示意图；

图2是本发明实施例的数据血缘关系构建示意图；

图3是根据本发明实施例的数据血缘关系的构建装置的主要模块示意图；

图4是本发明实施例可以应用于其中的示例性系统架构图；

图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

目前对于数据流的实时任务通常通过开发文档记录数据之间的关联关系，开发文档是由开发人员自主编写的代码说明文档，其不是项目中的必不可缺的文档，存在开发文档缺失的问题；另外，开发文档的编写无标准性规范，可读性不佳；这些问题不仅影响了系统数据分析、故障问题的数据追溯和定位，而且耗费了开发人员的时间和精力，也不利于项目的交接工作，不能很好的满足实际需要。

为了解决现有技术中存在的上述问题，本发明提出一种数据血缘关系的构建方法，基于待解析程序的注解，根据注解标注的算子的算子类型进行不同的解析处理方法，以得到体现数据字段之间的依赖关系的数据血缘关系，不仅节省了开发人员记录、编写数据关系的时间和精力，而且生成的数据血缘关系为统一格式的文档，可读性强，可以高效的进行系统数据分析、故障问题的数据追溯、定位以及后续的项目交接工作。

在本发明的实施例介绍中，所涉及的名词及其含义如下：

Flink：由Apache软件基金会开发的开源流处理框架，其核心是用Java和Scala编写的分布式流处理引擎；

注解：Java注解(Annotation)又称Java标注，是JDK5.0引入的一种注释机制。Java语言中的类、方法、变量、参数和包等都可以被标注，和Javadoc不同，Java标注可以通过反射获取标注内容，在编译器生成类文件时，标注可以被嵌入到字节码中；

算子：在数学上可以解释为一个函数空间到函数空间上的映射，在流处理、交互式查询中其实就是一个处理单元，往往是指一个函数，在使用算子时往往会有输入和输出，算子则完成相应数据的转化、操作。

图1是根据本发明实施例的数据血缘关系的构建方法的主要流程的示意图，如图1所示，本发明实施例的数据血缘关系的构建方法包括如下的步骤S101至步骤S104。

步骤S101、响应于数据血缘关系构建的请求，获取待解析程序的注解。

具体地，在数据流处理引擎Flink实时任务场景中，庞大复杂的数据信息不利于在系统故障排查中的数据追溯和问题定位，需要建立一种基于实时任务的数据血缘关系，以便于数据分析和故障排查。在注解中定义程序代码中所有的算子的算子类型，基于不同的算子类型，按照不同的注解格式进行注解，通过解析注解，可以得到数据血缘关系。

步骤S102、逐个判断每个所述注解标注的算子的算子类型。

具体地，根据获取到的待解析程序的注解，由注解中定义的注解标注算子的算子类型，可以逐个判断每个注解标注的算子的算子类型，按照数据流处理引擎Flink任务的结构以及算子中数据字段的关联性，算子类型包括数据源算子和非数据源算子，其中非数据源算子包括待解析程序中的数据输出算子，以及其它中间转换算子，这种分类方式容易理解、结构清晰、能够高度还原Flink任务的结构，更符合系统的数据分析和故障问题定位的逻辑。经过对注解标注的算子的算子类型的判断，当所述算子类型为数据源算子时，执行步骤S103，当所述算子类型为非数据源算子时，执行步骤S104。

步骤S103、当所述算子类型为数据源算子时，将所述注解解析为数据源表。

根据本发明的一个实施例，将所述注解解析为数据源表，包括：对所述注解进行关键特征提取，以从所述注解中提取字段名和字段类型；根据所述字段名和字段类型生成数据源表。

具体地，对于数据源算子类型的算子，其注解中除了有算子类型的定义之外，还包括了数据源算子类型的注解格式所要求的关键要素：字段名、字段中文名、字段的数据类型，以及对此段注解解析后的数据源表名，对数据源算子类型的算子的注解进行关键特征提取，提取注解中相应的关键要素，具体包括：字段名、字段中文名、字段类型，以及对此段注解解析后的数据源表名；根据这些关键要素生成数据源表，例如：对于某一数据源算子，其字段有order_time、order_id，数据源表名为OrderSourceTable，则对其注解进行特征提取后，得到数据源表名为OrderSourceTable，表中包括了order_time、order_time的中文名：下单时间、order_time字段的数据类型；order_id、order_id的中文名：订单号、order_id字段的数据类型。

步骤S104、当所述算子类型为非数据源算子时，根据所述待解析程序的拓扑流向关系，获取所述算子执行时依赖的依赖算子；在所述依赖算子的注解均被解析为数据表的情况下，对所述注解进行解析得到数据字段之间的依赖关系，并根据所述数据字段之间的依赖关系将所述注解解析为数据表；根据所述算子的依赖算子的数据表以及所述注解解析得到的数据表生成数据血缘关系。

根据本发明的一个实施例，所述拓扑流向关系使用数据流处理引擎获取。

具体地，考虑到其它非数据源算子之间可能存在上下游的关联关系，所以需要明确对相关注解解析的逻辑、顺序。为此在数据流处理引擎Flink实时任务场景下，可以借助于数据流处理引擎Flink获取程序代码执行的逻辑关系，得到待注解程序的拓扑流向关系，通过此拓扑流向关系，可以确定所有算子之间的上下游关联关系。

对于非数据源算子通过上述得到的拓扑流向关系，可以确定在执行该算子时相关的上游算子也就是依赖算子，只有依赖算子执行完成才能执行该算子，相应的注解解析顺序也要符合拓扑流向，只有在依赖算子的注解均被解析为数据表的情况下，才能对该算子的注解进行解析。

根据本发明的另一个实施例，对所述注解进行解析得到数据字段之间的依赖关系，并根据所述数据字段之间的依赖关系将所述注解解析为数据表，包括：对所述注解进行关键特征提取，以从所述注解中提取字段名和字段类型；对所述注解进行解析得到数据字段之间的依赖关系，并根据所述依赖关系得到字段对应的来源字段；根据所述字段名、字段类型和来源字段生成数据表。

具体地，对于非数据源算子类型的算子，其注解中除了有算子类型的定义之外，还包括了非数据源算子类型的注解格式所要求的关键要素：字段名、字段中文名、字段的数据类型，对此段注解解析后的数据表名，对非数据源算子类型的算子的注解进行关键特征提取，提取注解中相应的关键要素，具体包括：字段名、字段中文名、字段类型，以及对此段注解解析后的数据表名；另外非数据源算子之间的关联依赖关系主要是通过数据字段的依赖关系建立的，非数据源算子类型的注解要素除了上述的字段名、字段中文名、字段的数据类型，对此段注解解析后的数据表名之外，还有表征数据字段之间依赖关系的信息，对该算子的此部分注解进行解析，得到依赖关系信息，根据此依赖关系信息得到上述提取的字段对应的来源字段；根据上述的字段名、字段中文名、字段类型，对此段注解解析后的数据表名，以及来源字段生成非数据源算子类型的算子的数据表，例如某一非数据源算子类型的算子，其字段有order_time、waybill_code，解析后的数据表名为flatTtable，则对其注解进行特征提取后，得到数据表名为flatTtable，表中包括了order_time、order_time的中文名：下单时间、order_time字段的数据类型；waybill_code、waybill_code的中文名：运单号、waybill_code字段的数据类型；另外，字段order_time的来源字段为某一数据源算子的order_time字段；由此可以得到带有字段依赖关系的数据表flatTtable。

根据本发明的再一个实施例，所述方法还包括：在所述依赖算子的注解未被解析为数据表的情况下，将所述依赖算子的注解解析为数据表。

具体地，根据待解析程序的拓扑流向关系，获取该算子执行时依赖的依赖算子，在依赖算子的注解未被解析为数据表的情况下，对依赖算子按照本发明实施例的方法，首先判断依赖算子的算子类型，当依赖算子为数据源算子时，按照上述数据源算子的解析方法，解析依赖算子；当依赖算子为其它非数据源算子时，按照上述非数据源算子的解析方法，解析依赖算子得到依赖算子的数据表。

最后，对每个非数据源算子，根据非数据源算子的依赖算子解析得到的数据表以及非数据源算子的注解解析得到的数据表生成程序的数据血缘关系。

根据本发明的又一个实施例，在生成数据血缘关系时，还生成对应的说明文档。

具体地，除了解析得到的数据血缘关系外，还附带生成对数据血缘关系的文字说明文档，以便于开发者可以准确的应用数据血缘关系来进行数据分析和故障问题定位。

通过上述基于不同算子类型的注解格式，采用相对应的解析注解方法，自动生成风格一致的数据血缘关系，不仅节省了开发人员记录、编写数据关系的时间和精力，而且生成的数据血缘关系为统一格式的文档，可读性强，可以高效的进行系统数据分析、故障问题的数据追溯定位以及后续的项目交接工作。

图2是本发明实施例的数据血缘关系构建示意图，图中左边部分的拓扑流向关系是一个任务程序代码通过数据流处理引擎Flink得到的，此中主要由四级组成：数据源、转换算子、计算算子和输出算子sink，各个算子之间的依赖关系也都通过连接线可知。对数据源算子类型的注解按照数据源算子的解析方法，得到数据源表，如图中的orderSourceTable(订单表)、waybillSourceTable(运单表)和storeSourceTable(出库表)，以orderSourceTable(订单表)为例，order_time、order_id为字段名，下单时间、订单号为相应的字段中文名；对于转换算子、计算算子和输出算子sink，根据左边的拓扑流向关系，可以得到待注解的算子所在的层级位置，以及相应的上一级依赖算子，采用本发明实施例的非数据源算子的解析方法，得到flatTtable(单据表)、flatStoreStable(出库表)、JoinTtable(单据表)、NormSinkTable(单据表)，并通过连接线的方式来表征字段之间的依赖关系，也就是来源字段，以flatStoreStable(出库表)为例，out_store_time、waybill_code为字段名，出库时间、运单号为相应的字段中文名，而out_store_time的来源字段为数据源表storeSourceTable(出库表)的out_store_time字段。这样也就组成了此任务程序代码的数据血缘关系，本图中只是示意了数据血缘关系生成的主要原理，字段类型和相应的说明文档未体现。

图3是根据本发明实施例的数据血缘关系的构建装置的主要模块示意图。如图3所示，数据血缘关系的构建装置300主要包括注解获取模块301、算子类型判断模块302、数据源算子解析模块303和非数据源算子解析模块304。

注解获取模块301，用于响应于数据血缘关系构建的请求，获取待解析程序的注解；

算子类型判断模块302，用于逐个判断每个所述注解标注的算子的算子类型；

数据源算子解析模块303，用于当所述算子类型为数据源算子时，将所述注解解析为数据源表；

非数据源算子解析模块304，用于当所述算子类型为非数据源算子时，根据所述待解析程序的拓扑流向关系，获取所述算子执行时依赖的依赖算子；在所述依赖算子的注解均被解析为数据表的情况下，对所述注解进行解析得到数据字段之间的依赖关系，并根据所述数据字段之间的依赖关系将所述注解解析为数据表；根据所述算子的依赖算子的数据表以及所述注解解析得到的数据表生成数据血缘关系。

根据本发明的一个实施例，所述数据血缘关系的构建装置300还包括依赖算子解析模块(图中未示出)，用于：在所述依赖算子的注解未被解析为数据表的情况下，将所述依赖算子的注解解析为数据表。

根据本发明的另一个实施例，所述数据源算子解析模块303，用于：对所述注解进行关键特征提取，以从所述注解中提取字段名和字段类型；根据所述字段名和字段类型生成数据源表。

根据本发明的再一个实施例，所述非数据源算子解析模块304，用于：对所述注解进行关键特征提取，以从所述注解中提取字段名和字段类型；对所述注解进行解析得到数据字段之间的依赖关系，并根据所述依赖关系得到字段对应的来源字段；根据所述字段名、字段类型和来源字段生成数据表。

根据本发明的又一个实施例，所述拓扑流向关系使用数据流处理引擎获取。

根据本发明的另一个实施例，所述数据血缘关系的构建装置300还包括文档生成模块(图中未示出)，用于：在生成数据血缘关系时，还生成对应的说明文档。

图4是本发明实施例可以应用于其中的示例性系统架构图。

如图4所示，系统架构400可以包括终端设备401、402、403，网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404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401、402、403通过网络404与服务器405交互，以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用，例如数据血缘关系的构建应用等(仅为示例)。

终端设备401、402、403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、膝上型便携计算机和台式计算机等等。

服务器405可以是提供各种服务的服务器，例如对用户利用终端设备401、402、403所进行的数据血缘关系的构建提供支持的后台管理服务器(仅为示例)。后台管理服务器可以响应于数据血缘关系构建的请求，获取待解析程序的注解；逐个判断每个所述注解标注的算子的算子类型；当所述算子类型为数据源算子时，将所述注解解析为数据源表；当所述算子类型为非数据源算子时，根据所述待解析程序的拓扑流向关系，获取所述算子执行时依赖的依赖算子；在所述依赖算子的注解均被解析为数据表的情况下，对所述注解进行解析得到数据字段之间的依赖关系，并根据所述数据字段之间的依赖关系将所述注解解析为数据表；根据所述算子的依赖算子的数据表以及所述注解解析得到的数据表生成数据血缘关系等处理，并将处理结果(例如数据血缘关系等--仅为示例)反馈给终端设备。

需要说明的是，本发明实施例所提供的数据血缘关系的构建方法一般由服务器405执行，相应地，数据血缘关系的构建装置一般设置于服务器405中。

应该理解，图4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。

下面参考图5，其示出了适于用来实现本发明实施例的终端设备或服务器的计算机系统500的结构示意图。图5示出的终端设备或服务器仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是所述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者所述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或所述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者所述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括：注解获取模块、算子类型判断模块、数据源算子解析模块和非数据源算子解析模块。

其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，注解获取模块还可以被描述为“用于响应于数据血缘关系构建的请求，获取待解析程序的注解的模块”。

另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是所述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。所述计算机可读介质承载有一个或者多个程序，当所述一个或者多个程序被一个该设备执行时，使得该设备包括：响应于数据血缘关系构建的请求，获取待解析程序的注解；逐个判断每个所述注解标注的算子的算子类型；当所述算子类型为数据源算子时，将所述注解解析为数据源表；当所述算子类型为非数据源算子时，根据所述待解析程序的拓扑流向关系，获取所述算子执行时依赖的依赖算子；在所述依赖算子的注解均被解析为数据表的情况下，对所述注解进行解析得到数据字段之间的依赖关系，并根据所述数据字段之间的依赖关系将所述注解解析为数据表；根据所述算子的依赖算子的数据表以及所述注解解析得到的数据表生成数据血缘关系。

根据本发明实施例的技术方案，具有如下优点或有益效果：通过响应于数据血缘关系构建的请求，获取待解析程序的注解；逐个判断每个注解标注的算子的算子类型；当算子类型为数据源算子时，将注解解析为数据源表；当算子类型为非数据源算子时，根据待解析程序的拓扑流向关系，获取算子执行时依赖的依赖算子；在依赖算子的注解均被解析为数据表的情况下，对注解进行解析得到数据字段之间的依赖关系，并根据数据字段之间的依赖关系将注解解析为数据表；根据算子的依赖算子的数据表以及注解解析得到的数据表生成数据血缘关系的技术方案，实现了基于待解析程序的注解，根据注解标注的算子的算子类型进行不同的解析处理方法，以得到体现数据字段之间的依赖关系的数据血缘关系，不仅节省了开发人员记录、编写数据关系的时间和精力，而且生成的数据血缘关系为统一格式的文档，可读性强，可以高效的进行系统数据分析、故障问题的数据追溯定位以及后续的项目交接工作。

所述具体实施方式，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，取决于设计要求和其他因素，可以发生各种各样的修改、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)

1.一种数据血缘关系的构建方法，其特征在于，包括：

响应于数据血缘关系构建的请求，获取待解析程序的注解；

逐个判断每个所述注解标注的算子的算子类型；

当所述算子类型为数据源算子时，将所述注解解析为数据源表；

当所述算子类型为非数据源算子时，根据所述待解析程序的拓扑流向关系，获取所述算子执行时依赖的依赖算子；在所述依赖算子的注解均被解析为数据表的情况下，对所述注解进行解析得到数据字段之间的依赖关系，并根据所述数据字段之间的依赖关系将所述注解解析为数据表；根据所述算子的依赖算子的数据表以及所述注解解析得到的数据表生成数据血缘关系。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在所述依赖算子的注解未被解析为数据表的情况下，将所述依赖算子的注解解析为数据表。

3.根据权利要求1所述的方法，其特征在于，将所述注解解析为数据源表，包括：

对所述注解进行关键特征提取，以从所述注解中提取字段名和字段类型；

根据所述字段名和字段类型生成数据源表。

4.根据权利要求1所述的方法，其特征在于，对所述注解进行解析得到数据字段之间的依赖关系，并根据所述数据字段之间的依赖关系将所述注解解析为数据表，包括：

对所述注解进行关键特征提取，以从所述注解中提取字段名和字段类型；

对所述注解进行解析得到数据字段之间的依赖关系，并根据所述依赖关系得到字段对应的来源字段；

根据所述字段名、字段类型和来源字段生成数据表。

5.根据权利要求1所述的方法，其特征在于，所述拓扑流向关系使用数据流处理引擎获取。

6.根据权利要求1所述的方法，其特征在于，在生成数据血缘关系时，还生成对应的说明文档。

7.一种数据血缘关系的构建装置，其特征在于，包括：

注解获取模块，用于响应于数据血缘关系构建的请求，获取待解析程序的注解；

算子类型判断模块，用于逐个判断每个所述注解标注的算子的算子类型；

数据源算子解析模块，用于当所述算子类型为数据源算子时，将所述注解解析为数据源表；

非数据源算子解析模块，用于当所述算子类型为非数据源算子时，根据所述待解析程序的拓扑流向关系，获取所述算子执行时依赖的依赖算子；在所述依赖算子的注解均被解析为数据表的情况下，对所述注解进行解析得到数据字段之间的依赖关系，并根据所述数据字段之间的依赖关系将所述注解解析为数据表；根据所述算子的依赖算子的数据表以及所述注解解析得到的数据表生成数据血缘关系。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括依赖算子解析模块，用于：

在所述依赖算子的注解未被解析为数据表的情况下，将所述依赖算子的注解解析为数据表。

9.一种移动电子设备终端，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。

Images