CN116069806A - 一种数据处理方法、装置及设备 - Google Patents

一种数据处理方法、装置及设备 Download PDF

Info

Publication number
CN116069806A
CN116069806A CN202310168389.XA CN202310168389A CN116069806A CN 116069806 A CN116069806 A CN 116069806A CN 202310168389 A CN202310168389 A CN 202310168389A CN 116069806 A CN116069806 A CN 116069806A
Authority
CN
China
Prior art keywords
data
processing
processed
real
database
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
Application number
CN202310168389.XA
Other languages
English (en)
Inventor
张立超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Construction Bank Corp
CCB Finetech Co Ltd
Original Assignee
China Construction Bank Corp
CCB Finetech Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Construction Bank Corp, CCB Finetech Co Ltd filed Critical China Construction Bank Corp
Priority to CN202310168389.XA priority Critical patent/CN116069806A/zh
Publication of CN116069806A publication Critical patent/CN116069806A/zh
Pending legal-status Critical Current

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
    • G06F16/242—Query formulation
    • G06F16/2433—Query languages
    • 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
    • G06F16/2228—Indexing structures
    • 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
    • G06F16/2453—Query optimisation
    • G06F16/24532—Query optimisation of parallel queries
    • 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
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2471—Distributed queries
    • 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
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • 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
    • 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
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Fuzzy Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computing Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明实施例涉及数据处理技术领域，公开了一种数据处理方法、装置及设备，方法包括基于待处理数据的类别标识查询预设标识关系表，确定待处理数据的处理路径；基于待处理数据的处理路径确定待处理数据的处理规则；基于处理规则对待处理数据进行相应的处理。本申请实施例通过识别待处理数据的类别标识，并基于类别标识选择相应的离线处理路径或实时处理路径对待处理数据进行处理，解决了现有技术中对多维度大批量的数据进行处理时无法根据数据的特性选择其处理方式所导致的数据处理效率低下的技术问题，实现了提升数据处理效率，提高数据处理质量的技术效果。

Description

一种数据处理方法、装置及设备
技术领域
本发明实施例涉及数据处理技术领域，尤其涉及一种数据处理方法、装置及设备。
背景技术
金融企业在构建用户画像、大屏展示、经营数据分析等场景时需要构建大量多维度复杂的指标计算，而传统指标平台或单一指标构建方案，并没有针对多源异构场景进行量身改造适配，对数据实时性、一致性、灵活性等要求并未达到金融级要求。例如传统基于clickhouse的指标平台与架构，对高并发等场景的支持较为低效，而kylin方案虽然较为成熟且大量金融企业在使用，但kylin的灵活性不足，只支持select等基础操作，不足以满意复杂业务需求下的指标请求，且kylin的预计算即是优点又是缺点，每次重建cube改动指标预计算耗时较久，对实时性场景无法贴合需求。
发明内容
本发明实施例提供一种数据处理方法、装置及设备，解决了现有技术中对多维度大批量的数据进行处理时无法根据数据的特性选择其处理方式所导致的数据处理效率低下的技术问题。
第一方面，本申请提供了一种数据处理方法，所述数据处理方法包括：
基于待处理数据的类别标识查询预设标识关系表，确定所述待处理数据的处理路径，其中，所述预设标识关系表包括类别标识与处理路径的对应关系；
基于所述待处理数据的处理路径确定所述待处理数据的处理规则，其中，所述处理路径包括离线处理路径以及实时处理路径；
基于所述处理规则对所述待处理数据进行相应的处理。
第二方面，本申请提供了一种数据处理装置，所述数据处理装置包括：
处理路径确定单元，用于基于待处理数据的类别标识查询预设标识关系表，确定所述待处理数据的处理路径，其中，所述预设标识关系表包括类别标识与处理路径的对应关系；
处理规则确定单元，用于基于所述待处理数据的处理路径确定所述待处理数据的处理规则，其中，所述处理路径包括离线处理路径以及实时处理路径；
数据处理单元，用于基于所述处理规则对所述待处理数据进行相应的处理。
第三方面，本申请提供了一种数据处理设备，所述数据处理设备包括：
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申请第一方面所述的数据处理方法。
第四方面，本申请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申请第一方面所述的数据处理方法。
第五方面，本申请提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现本申请第一方面所述的数据处理方法。
本发明实施例公开了一种数据处理方法、装置及设备，方法包括基于待处理数据的类别标识查询预设标识关系表，确定待处理数据的处理路径；基于待处理数据的处理路径确定待处理数据的处理规则；基于处理规则对待处理数据进行相应的处理。本申请实施例通过识别待处理数据的类别标识，并基于类别标识选择相应的离线处理路径或实时处理路径对待处理数据进行处理，解决了现有技术中对多维度大批量的数据进行处理时无法根据数据的特性选择其处理方式所导致的数据处理效率低下的技术问题，实现了提升数据处理效率，提高数据处理质量的技术效果。
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是本发明实施例提供的一种数据处理方法的流程图；
图2是本发明实施例提供的另一种数据处理方法的流程图；
图3是本发明实施例提供的又一种数据处理方法的流程图；
图4是本发明实施例提供的离线处理路径的流程图；
图5是本发明实施例提供的实时处理路径的流程图；
图6是本发明实施例提供的一种数据处理装置的结构图；
图7是本发明实施例提供的一种数据处理设备的结构示意图。
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及上述附图中的术语“第一”、“第二”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。
图1是本发明实施例提供的一种数据处理方法的流程图，本实施例可适用于任何需要对数据进行实时处理以及离线处理的情况，该方法可以由数据处理装置来执行，该数据处理装置可以采用硬件和/或软件的形式实现，并一般可集成于服务器中。本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
如图1所示，该数据处理方法具体包括如下步骤：
S101，基于待处理数据的类别标识查询预设标识关系表，确定待处理数据的处理路径，其中，预设标识关系表包括类别标识与处理路径的对应关系。
具体地，预设标识关系表为预先配置的用于表示数据类型、类别标识以及处理路径之间关系的表格，在获取到待处理数据之后，可以根据待处理数据的类别标识查询预设标识关系表，以确定相应的处理路径。
S102，基于待处理数据的处理路径确定待处理数据的处理规则，其中，处理路径包括离线处理路径以及实时处理路径。
具体地，在确定出待处理数据的处理路径之后，可以根据处理路径确定出相应的处理规则。具体来说，处理路径包括离线处理路径以及实时处理路径，离线处理路径用来处理不需要当时得到结果的数据，该场景通常面向小时级或T+1级别的离线计算场景，其中，T+1中的T指的是工作日，T+1指的是当前工作日的后一日，即不需要当时得到数据处理结果的场景。例如，月度报表、年度报表的计算等，通常需要在月度汇总或年度汇总时才需要使用计算结果的场景。而实时处理路径用于处理需要当时得到计算结果的数据，该场景通常面向分钟级别升职秒级的计算指标需求。因此，不同的处理路径所需求的处理时间、处理速度等均不相同，因而具有不同的处理规则。
S103，基于处理规则对待处理数据进行相应的处理。
具体地，在确定出相应的处理路径之后，基于不同处理路径所对应的处理规则对待处理数据进行处理，能够有效的提高数据的处理效率。
示例性地，可以利用分布式分析引擎Kylin对需要进行离线处理的待处理数据进行处理，可以利用Kylin在去重、预计算、高并发的优势，高效准确的得到需要的处理结果，但Kylin在每次重建cube时，改动指标预计算耗时较久，对实时性场景无法贴合需求，因此对待处理数据进行实时处理时，可以选择在线分析处理工具Clickhouse进行处理，利用Clickhouse底层的列式存储以及单节点的多核并行处理，能够使用大量的算法分布式处理数据，相应速度更快，更适用于进行实时数据的处理。
本申请实施例通过识别待处理数据的类别标识，并基于类别标识选择相应的离线处理路径或实时处理路径对待处理数据进行处理，解决了现有技术中对多维度大批量的数据进行处理时无法根据数据的特性选择其处理方式所导致的数据处理效率低下的技术问题，实现了提升数据处理效率，提高数据处理质量的技术效果。
在上述各技术方案的基础上，图2是本发明实施例提供的另一种数据处理方法的流程图，如图2所示，若待处理数据的处理路径为离线处理路径，S103具体包括：
S201，对待处理数据进行离线数据处理，并将得到的离线处理结果存储在第一数据库中。
具体地，当确定出待处理数据的处理路径为离线处理路径时，所对应的处理规则为离线处理规则，即对待处理数据进行离线数据处理，得到相应的处理结果，然后将处理结果存入第一数据库中待用。
可选地，S201，对待处理数据进行离线数据处理，并将得到的离线处理结果存储在第一数据库中具体包括：利用数据仓库分析处理工具对待处理数据进行离线数据处理，得到离线处理结果；利用分布式流数据处理引擎将离线处理结果抽取至第一数据库中。
可选地，数据仓库分析处理工具为分布式分析引擎Kylin，第一数据库为Hive数据库，分布式流数据处理引擎为Flink引擎。
具体地，在对待处理数据进行离线数据处理的过程中，首先需要利用分布式分析引擎Kylin对待处理数据进行多维度的计算，将得到的离线处理结果存储在cube结构中，该维度可以是日期维度，也可以是其他预先设置的计算维度，在存入cube结构中后，利用分布式流数据处理引擎Flink将离线处理结果抽取至Hive数据库中进行持久化的保存，以待后续使用。
其中，Kylin是一个开源的分布式分析引擎，提供Hadoop(一种分布式系统基础架构)/Spark(一种用于大规模数据处理的计算引擎)之上的SQL(Structured QueryLanguage，结构化查询语言数据库)查询接口及多维分析(On Line AnalyticalProcessing，OLAP)能力，以支持超大规模数据，它能在亚秒内查询巨大的Hive表。
Hive是基于Hadoop的一个数据仓库工具，用来进行数据提取、转化、加载，这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。Hive数据仓库工具能将结构化的数据文件映射为一张数据库表，并提供SQL查询功能，能将SQL语句转变成MapReduce(一种大规模数据集的并行运算的编程模型)任务来执行。
Flink是由一种开源流处理框架，其核心是用Java和Scala(Scalable Language，多范式编程语言)编写的分布式流数据流引擎。Flink以数据并行和流水线方式执行任意流数据程序，Flink的流水线运行时系统可以执行批处理和流处理程序。此外，Flink的运行时本身也支持迭代算法的执行。
在本发明实施例中，离线处理路径采用了分布式分析引擎Kylin做计算，在数据处理过程中产生的增量数据可以通过任务调度生成增量cube，防止全量数据跑cube占用系统资源。
在上述各技术方案的基础上，如图2所示，若待处理数据的处理路径为实时处理路径，S103还包括：
S202，将待处理数据存储于第二数据库中，并对第二数据库中的待处理数据进行实时数据处理，得到实时处理结果。
具体地，当确定出待处理数据的处理路径为实时处理路径时，所度一应的处理规则为实时处理规则，即需要先将待处理数据存储至第二数据库中，然后对待处理数据进行实时数据处理，得到实时处理结果。
可选地，S202，将待处理数据存储于第二数据库中，并对第二数据库中的待处理数据进行实时数据处理，得到实时处理结果具体包括：利用分布式流数据处理引擎将待处理数据抽取至第二数据库中；利用在线分析处理工具对第二数据库中的待处理数据进行实时数据处理，得到实时处理结果。
可选地，分布式流数据处理引擎Flink引擎，第二数据库为Hive数据库，在线分析处理工具为Clickhouse。
具体地，在对待处理数据进行实时数据处理的过程中，首先需要利用分布式流数据处理引擎Flink将待处理数据抽取至Hive数据库中，即上述第二数据库中，然后利用在线分析处理工具Clickhouse对Hive数据库中的待处理数据进行实时数据处理，得到实时处理结果。
其中，ClickHouse(Click Stream，Data WareHouse)是一种用于在线分析处理查询MPP(Massively Parallel Processing)架构的列式存储数据库，能够使用SQL查询并实时生成分析数据报告。ClickHouse支持实时数据更新以及近似计算，更加适合实时、快速、高效的对数据进行计算处理。
S203，对实时处理结果进行排序并建立索引，并将建立索引后的实时处理结果导入分布式搜索引擎待用。
具体地，由于Clickhouse的底层在每次做insert(插入)、update(修改)、delete(删除)等操作的时候会不断做异步数据合并，因此会影响前台业务的查询性能，使得查询速度较慢，因此在利用Clickhouse得到实时处理结果之后，还可以利用Clickhouse对实时处理结果建立索引，并将建立索引后的实时处理结果导入分布式搜索引擎，这样可以从分布式搜索引擎中查询想要的结果，弥补了Clickhouse对单行的点查询性能不足的缺点。
可选地，S203，对实时处理结果进行排序并建立索引，并将建立索引后的实时处理结果导入分布式搜索引擎待用具体包括：对实时处理结果利用归并排序算法进行排序，并为排序后的实时处理结果建立索引；将建立索引后的实时处理结果导入Elasticsearch引擎中待用。
具体地，在利用Clickhouse得到实时处理结果之后，需要使用Merge(归并排序算法)对实时处理结果进行排序，然后对排序后的实时处理结果建立index索引，最后将建立index索引的实时处理结果导入Elasticsearch引擎中待用中待用。
其中，Merge是建立在归并操作上的一种有效的排序算法，它将多个排序列表作为输入并生成单个列表作为输出，包含按排序顺序排列的输入列表的所有元素。Elasticsearch是一种分布式搜索引擎以及分析引擎，能够为所有类型的数据提供近乎实时的搜索和分析，Elasticsearch支持快速搜索的方式高效的存储和索引，因此将实时处理结果导入Elasticsearch中可以有效避免Clickhouse对数据查询速度较慢的问题。
在上述各技术方案的基础上，图3是本发明实施例提供的又一种数据处理方法的流程图，如图3所示，在S101之前，该数据处理方法还包括：
S301，获取多个业务系统中的待处理数据，依据预设标识关系表对待处理数据进行打标，其中，预设标识关系表包括数据类型与类别标识的对应关系。
具体地，待处理数据可以从多个业务系统中获得，示例性地，对于金融行业来说，业务系统可以是理财信息系统、贷款审批系统、工资代发系统等等，当从多个而不同的业务系统中获得待处理数据之后，首先需要根据预设标识关系表对待处理数据打标，以确定待处理数据在后续需要进行离线数据处理还是进行实时数据处理。预设标识关系表中有预先配置的数据类型与类别表示之间的对应关系，依据该对应关系可以为待处理数据进行打标。
S302，将打标后的待处理数据储存在并行处理数据库中。
具体地，打标后的待处理数据具有相应的类别表示，可以将其储存在并行处理数据库，可选地，并行处理数据库为MPP数据库，MPP数据库是采用MPP架构的数据库，其中，MPP架构是将任务并行的分散到多个服务器和节点上，在每个节点上计算完成后，将各自部分的结果汇总在一起得到最终的结果的一中架构。
S303，将并行处理数据库中的待处理数据抽取到分布式消息队列中。
具体地，在将待处理数据储存在MPP数据库之后，为了保证数据供应的及时性，再将MPP数据库中的待处理数据抽取到分布式消息队列中，可选地，分布式消息队列为Kafka队列，kafka是一个分布式、高吞吐量、高扩展性的消息队列系统，具有高稳定性和高效率的特点。在将待处理数据抽取到Kafka队列之后，通过识别待处理数据的类别标识确定出相应的处理路径，最终实现对待处理数据的分场景处理。如图4和图5所示，图4是本发明实施例提供的离线处理路径的流程图，图5是本发明实施例提供的实时处理路径的流程图。
需要说明的是，参见图4，对于离线数据处理的过程来说，MPP数据库可以执行部分简单的离线计算，则当待处理数据进入到MPP数据库后，MPP数据库可以根据预先设置的计算规则对部分待处理数据直接进行离线计算，然后将离线计算结果存入Hive数据库中(即上述第一数据库)。
在本发明实施例中，通过采用Kylin+Clickhouse+MPP等综合技术的融合，具有下述有益效果：(1)兼顾了实时性要求与离线大规模计算的需求，提高了线上业务数据的安全性；(2)计算得出的业务结果数据都采用持久化落库形式保存，有效杜绝了以往数据存储内存中导致数据丢失或清理麻烦的弊端；(3)使得海量指标数据计算，可以做到秒级响应；(4)可以更快的实现复杂查询的响应。
图6是本发明实施例提供的一种数据处理装置的结构图，如图5所示，该数据处理装置包括：
处理路径确定单元61，用于基于待处理数据的类别标识查询预设标识关系表，确定待处理数据的处理路径，其中，预设标识关系表包括类别标识与处理路径的对应关系；
处理规则确定单元62，用于基于待处理数据的处理路径确定待处理数据的处理规则，其中，处理路径包括离线处理路径以及实时处理路径；
数据处理单元63，用于基于处理规则对待处理数据进行相应的处理。
可选地，若待处理数据的处理路径为离线处理路径，则数据处理单元63包括：离线处理子单元，用于对待处理数据进行离线数据处理，并将得到的离线处理结果存储在第一数据库中。
可选地，离线处理子单元具体用于：
利用数据仓库分析处理工具对待处理数据进行离线数据处理，得到离线处理结果；
利用分布式流数据处理引擎将离线处理结果抽取至第一数据库中。
可选地，数据仓库分析处理工具为分布式分析引擎Kylin，第一数据库为Hive数据库，分布式流数据处理引擎为Flink引擎。
可选地，若待处理数据的处理路径为实时处理路径，则数据处理单元63包括：
第一实时处理子单元，用于将待处理数据存储于第二数据库中，并对第二数据库中的待处理数据进行实时数据处理，得到实时处理结果；
第二实时处理子单元，用于对实时处理结果进行排序并建立索引，并将建立索引后的实时处理结果导入分布式搜索引擎待用。
可选地，第一实时处理子单元具体用于：
利用分布式流数据处理引擎将待处理数据抽取至第二数据库中；
利用在线分析处理工具对第二数据库中的待处理数据进行实时数据处理，得到实时处理结果。
可选地，分布式流数据处理引擎Flink引擎，第二数据库为Hive数据库，在线分析处理工具为Clickhouse。
可选地，第二实时处理子单元具体用于：
对实时处理结果利用归并排序算法进行排序，并为排序后的实时处理结果建立索引；
将建立索引后的实时处理结果导入Elasticsearch引擎中待用。
可选地，在处理路径确定单元61确定待处理数据的处理路径之前，数据处理装置还包括：
数据获取单元，用于获取多个业务系统中的待处理数据，依据预设标识关系表对待处理数据进行打标，其中，预设标识关系表包括数据类型与类别标识的对应关系；
数据存储单元，用于将打标后的待处理数据储存在并行处理数据库中；
数据抽取单元，用于将并行处理数据库中的待处理数据抽取到分布式消息队列中。
可选地，并行处理数据库为MPP数据库，分布式消息队列为Kafka队列。
本发明实施例提供的数据处理装置可执行本发明任意实施例所提供的数据处理方法，具备执行方法相应的功能模块和有益效果。
图7是本发明实施例提供的一种数据处理设备的结构示意图。该数据处理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7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，例如一种数据处理方法。
在一些实施例中，数据处理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RAM 13并由处理器11执行时，可以执行上文描述的数据处理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)而被配置为执行数据处理方法。
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。
本发明实施例还提供一种计算机程序产品，该计算机程序产品包括计算机可执行指令，所述计算机可执行指令在由计算机处理器执行时用于执行本发明任意实施例所提供的数据处理方法。
计算机程序产品在实现的过程中，可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
当然，本申请实施例所提供的计算机程序产品，其计算机可执行指令不限于如上所述的方法操作，还可以执行本申请任意实施例所提供的方法中的相关操作。
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，本申请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 (14)

1.一种数据处理方法，其特征在于，所述数据处理方法包括：
基于待处理数据的类别标识查询预设标识关系表，确定所述待处理数据的处理路径，其中，所述预设标识关系表包括类别标识与处理路径的对应关系；
基于所述待处理数据的处理路径确定所述待处理数据的处理规则，其中，所述处理路径包括离线处理路径以及实时处理路径；
基于所述处理规则对所述待处理数据进行相应的处理。
2.根据权利要求1所述的数据处理方法，其特征在于，若所述待处理数据的处理路径为所述离线处理路径，则基于所述处理规则对所述待处理数据进行相应的处理包括：
对所述待处理数据进行离线数据处理，并将得到的离线处理结果存储在第一数据库中。
3.根据权利要求2所述的数据处理方法，其特征在于，对所述待处理数据进行离线数据处理，并将得到的离线处理结果存储在第一数据库中包括：
利用数据仓库分析处理工具对所述待处理数据进行离线数据处理，得到所述离线处理结果；
利用分布式流数据处理引擎将所述离线处理结果抽取至所述第一数据库中。
4.根据权利要求3所述的数据处理方法，其特征在于，所述数据仓库分析处理工具为分布式分析引擎Kylin，所述第一数据库为Hive数据库，所述分布式流数据处理引擎为Flink引擎。
5.根据权利要求1所述的数据处理方法，其特征在于，若所述待处理数据的处理路径为所述实时处理路径，则基于所述处理规则对所述待处理数据进行相应的处理包括：
将所述待处理数据存储于第二数据库中，并对所述第二数据库中的所述待处理数据进行实时数据处理，得到实时处理结果；
对所述实时处理结果进行排序并建立索引，并将建立索引后的所述实时处理结果导入分布式搜索引擎待用。
6.根据权利要求5所述的数据处理方法，其特征在于，将所述待处理数据存储于第二数据库中，并对所述第二数据库中的所述待处理数据进行实时数据处理，得到所述实时处理结果包括：
利用分布式流数据处理引擎将所述待处理数据抽取至所述第二数据库中；
利用在线分析处理工具对所述第二数据库中的所述待处理数据进行实时数据处理，得到所述实时处理结果。
7.根据权利要求6所述的数据处理方法，其特征在于，所述分布式流数据处理引擎Flink引擎，所述第二数据库为Hive数据库，所述在线分析处理工具为Clickhouse。
8.根据权利要求5所述的数据处理方法，其特征在于，对所述实时处理结果进行排序并建立索引，并将建立索引后的所述实时处理结果导入分布式搜索引擎待用包括：
对所述实时处理结果利用归并排序算法进行排序，并为排序后的所述实时处理结果建立索引；
将建立索引后的所述实时处理结果导入Elasticsearch引擎中待用。
9.根据权利要求1所述的数据处理方法，其特征在于，在确定所述待处理数据的处理路径之前，所述数据处理方法还包括：
获取多个业务系统中的待处理数据，依据所述预设标识关系表对所述待处理数据进行打标，其中，所述预设标识关系表包括数据类型与所述类别标识的对应关系；
将打标后的所述待处理数据储存在并行处理数据库中；
将所述并行处理数据库中的所述待处理数据抽取到分布式消息队列中。
10.根据权利要求9所述的数据处理方法，其特征在于，所述并行处理数据库为MPP数据库，所述分布式消息队列为Kafka队列。
11.一种数据处理装置，其特征在于，所述数据处理装置包括：
处理路径确定单元，用于基于待处理数据的类别标识查询预设标识关系表，确定所述待处理数据的处理路径，其中，所述预设标识关系表包括类别标识与处理路径的对应关系；
处理规则确定单元，用于基于所述待处理数据的处理路径确定所述待处理数据的处理规则，其中，所述处理路径包括离线处理路径以及实时处理路径；
数据处理单元，用于基于所述处理规则对所述待处理数据进行相应的处理。
12.一种数据处理设备，其特征在于，所述数据处理设备包括：
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1-10中任一项所述的数据处理方法。
13.一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1-10中任一项所述的数据处理方法。
14.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-10中任一项所述的数据处理方法。
CN202310168389.XA 2023-02-16 2023-02-16 一种数据处理方法、装置及设备 Pending CN116069806A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310168389.XA CN116069806A (zh) 2023-02-16 2023-02-16 一种数据处理方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310168389.XA CN116069806A (zh) 2023-02-16 2023-02-16 一种数据处理方法、装置及设备

Publications (1)

Publication Number Publication Date
CN116069806A true CN116069806A (zh) 2023-05-05

Family

ID=86169842

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310168389.XA Pending CN116069806A (zh) 2023-02-16 2023-02-16 一种数据处理方法、装置及设备

Country Status (1)

Country Link
CN (1) CN116069806A (zh)

Similar Documents

Publication Publication Date Title
JP2022141957A (ja) メタデータのスナップショット方法及びそのスナップ装置
CN115599769A (zh) 一种数据迁移方法、装置、电子设备及存储介质
CN114021156A (zh) 漏洞自动化聚合的整理方法、装置、设备以及存储介质
CN111291082B (zh) 数据聚合处理方法、装置、设备及存储介质
CN115202847A (zh) 任务的调度方法和装置
CN116050159A (zh) 一种仿真场景集生成方法、装置、设备及介质
CN115801589A (zh) 一种事件拓扑关系确定方法、装置、设备及存储介质
CN116304236A (zh) 一种用户画像生成方法、装置、电子设备和存储介质
CN115905322A (zh) 业务处理方法、装置、电子设备及存储介质
CN115563310A (zh) 一种关键业务节点的确定方法、装置、设备及介质
CN116069806A (zh) 一种数据处理方法、装置及设备
CN115470279A (zh) 基于企业数据的数源转换方法、装置、设备及介质
CN115934550A (zh) 一种测试方法、装置、电子设备及存储介质
CN114896418A (zh) 知识图谱构建方法、装置、电子设备及存储介质
CN115438056A (zh) 一种数据获取方法、装置、设备以及存储介质
CN114547477A (zh) 一种数据处理方法、装置、电子设备和存储介质
CN115080607A (zh) 一种结构化查询语句的优化方法、装置、设备及存储介质
CN116431698B (zh) 一种数据提取方法、装置、设备及存储介质
CN116383454B (zh) 图数据库的数据查询方法、电子设备及存储介质
CN116303578A (zh) 一种查询表达式处理方法、装置、设备及存储介质
CN115599863A (zh) 基于Hudi的银行数据同步方法、装置、电子设备及介质
CN116401269A (zh) 一种数据查询方法、装置、电子设备及存储介质
CN114416881A (zh) 一种多源数据的实时同步方法、装置、设备及介质
CN115563103A (zh) 一种多维度聚合方法、系统、电子设备及存储介质
CN117709903A (zh) 一种分库方法、装置、电子设备及存储介质

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