CN116450667A - 数据查询方法、装置、计算机设备及存储介质 - Google Patents
数据查询方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116450667A CN116450667A CN202310363306.2A CN202310363306A CN116450667A CN 116450667 A CN116450667 A CN 116450667A CN 202310363306 A CN202310363306 A CN 202310363306A CN 116450667 A CN116450667 A CN 116450667A
- Authority
- CN
- China
- Prior art keywords
- target
- data
- information
- dimension
- user
- 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 61
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 127
- 230000001960 triggered effect Effects 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 34
- 238000012795 verification Methods 0.000 claims description 31
- 230000011218 segmentation Effects 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 15
- 238000013499 data model Methods 0.000 claims description 10
- 238000004806 packaging method and process Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 12
- 238000012549 training Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000005192 partition Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06F16/2428—Query predicate definition using graphical user interfaces, including menus and forms
-
- 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
- G06F16/24553—Query execution of query operations
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例属于大数据领域,涉及一种数据查询方法,包括:判断是否接收到用户触发的数据查询请求;若是,展示预设的配置页面,并接收用户在配置页面内输入的配置信息;判断分布式分析引擎是否存在与目标维度匹配的维度;若否,在配置页面上展示时间输入提醒信息,接收用户在配置页面内输入的分割时间列信息;基于目标维度与分割时间列信息生成目标数据立方体;从分布式分析引擎中查询出与目标数据立方体对应的目标查询数据;对所述目标查询数据进行展示。本申请还提供一种数据查询装置、计算机设备及存储介质。此外,本申请还涉及区块链技术,目标查询数据可存储于区块链中。本申请有效提高了目标数据立方体的生成效率,提高了数据查询效率。
Description
技术领域
本申请涉及大数据技术领域,尤其涉及数据查询方法、装置、计算机设备及存储介质。
背景技术
在前端开发中,Apache Kylin被广泛应用于科技金融公司的业务系统中。ApacheKylin是一个开源的、分布式的分析引擎,可支持实时/离线的大规模数据处理和分析。在Kylin集群中,通过创建多维度组合的数据立方体Cube对大规模数据进行聚合,并将计算结果存入数据库以支持sql查询。
目前,业务系统在使用Apache Kylin进行数据查询时,通常是通过构建全量维度Cube进行查询,此时构建出来的Cube由于较大从而会导致查询缓慢,实际生产中用户选择的分析维度通常较少,如果通过人工构建用户选择的分析维度的数据立方体Cube,此时需要用户通知技术人员生成Cube,由于技术人员通常是根据经验确定Cube的配置参数,使得构建Cube需要花费较长时间,从而导致数据查询的处理效率低下,用户体验感不好。
发明内容
本申请实施例的目的在于提出一种数据查询方法、装置、计算机设备及存储介质,以解决现有通过人工构建用户选择的分析维度的数据立方体Cube的方式,需要用户通知技术人员生成Cube,由于技术人员通常是根据经验确定Cube的配置参数,使得构建Cube需要花费较长时间,从而导致数据查询的处理效率低下,用户体验感不好的技术问题。
为了解决上述技术问题,本申请实施例提供一种数据查询方法,采用了如下所述的技术方案:
判断是否接收到用户触发的数据查询请求;
若是,展示预设的配置页面,并接收所述用户在所述配置页面内输入的配置信息;其中,所述配置信息至少包括目标维度;
判断预设的分布式分析引擎内是否存在与所述目标维度匹配的维度;
若不存在与所述目标维度匹配的维度,在所述配置页面上展示预设的时间输入提醒信息,并接收所述用户基于所述时间输入提醒信息在所述配置页面内输入的分割时间列信息;
基于所述目标维度与所述分割时间列信息生成对应的目标数据立方体;
从所述分布式分析引擎中查询出与所述目标数据立方体对应的目标查询数据;
对所述目标查询数据进行展示。
进一步的,所述基于所述目标维度与所述分割时间列信息生成对应的目标数据立方体的步骤,具体包括:
调用预设的数据库;
基于所述分布式分析引擎,从所述数据库中查询出与所述分割时间列信息对应的待处理数据;
获取与所述目标维度对应的目标度量信息;
基于所述目标维度与所述目标度量信息对所述待处理数据进行预计算处理,生成对应的计算结果;
对所述计算结果进行封装处理,得到所述目标数据立方体。
进一步的,所述从所述分布式分析引擎中查询出与所述目标数据立方体对应的目标查询数据的步骤,具体包括:
构建与所述目标数据立方体对应的目标sql语句;
从所述分布式分析引擎中查询出与所述目标sql语句对应的指定查询数据;
将所述指定查询数据作为所述目标查询数据。
进一步的,所述判断预设的分布式分析引擎内是否存在与所述目标维度匹配的维度的步骤,具体包括:
获取所述分布式分析引擎内的数据模型的元数据信息;
对所述元数据信息进行解析处理得到对应的维度信息;
判断所述维度信息中是否存在与所述目标维度相同的维度;
若存在与所述目标维度相同的维度,则判定所述分布式分析引擎内存在与所述目标维度匹配的维度,否则判定所述分布式分析引擎内不存在与所述目标维度匹配的维度。
进一步的,所述配置信息还包括图表样式信息,所述对所述目标查询数据进行展示的步骤,具体包括:
从所述配置信息中提取出所述图表样式信息;
基于所述图表样式对所述目标查询数据进行展示。
进一步的,所述数据查询请求还携带所述用户的用户信息,所述展示预设的配置页面,并接收所述用户在所述配置页面内输入的配置信息的步骤,具体包括:
从所述数据查询请求中提取出所述用户信息;
获取与预设的信息类型对应的所述用户的目标生物信息;
基于所述目标生物信息对所述用户进行身份验证;
若身份验证验证通过,基于预设的权限分析模型与所述用户信息对所述用户进行权限验证;
若权限验证通过,执行所述展示预设的配置页面,并接收所述用户在所述配置页面内输入的配置信息的步骤。
进一步的,所述基于预设的权限分析模型与所述用户信息对所述用户进行权限验证的步骤,具体包括:
调用预先训练好的所述权限分析模型;
将所述用户信息输入至所述权限分析模型内,通过所述权限分析模型对所述用户信息进行权限分析处理,输出与所述用户信息对应的权限分数;
从预设的用户角色等级表中查询出与所述权限分数对应的目标用户等级;
获取与数据查询操作对应的操作等级;
判断所述目标用户级别是否大于所述操作等级;
若是,判定权限验证通过,否则判定权限验证未通过。
为了解决上述技术问题,本申请实施例还提供一种数据查询装置,采用了如下所述的技术方案:
第一判断模块,用于判断是否接收到用户触发的数据查询请求;
第一接收模块,用于若是,展示预设的配置页面,并接收所述用户在所述配置页面内输入的配置信息;其中,所述配置信息至少包括目标维度;
第二判断模块,用于判断预设的分布式分析引擎内是否存在与所述目标维度匹配的维度;
第二接收模块,用于若不存在与所述目标维度匹配的维度,在所述配置页面上展示预设的时间输入提醒信息,并接收所述用户基于所述时间输入提醒信息在所述配置页面内输入的分割时间列信息;
生成模块,用于基于所述目标维度与所述分割时间列信息生成对应的目标数据立方体;
查询模块,用于从所述分布式分析引擎中查询出与所述目标数据立方体对应的目标查询数据;
展示模块,用于对所述目标查询数据进行展示。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,
采用了如下所述的技术方案:
判断是否接收到用户触发的数据查询请求;
若是,展示预设的配置页面,并接收所述用户在所述配置页面内输入的配置信息;其中,所述配置信息至少包括目标维度;
判断预设的分布式分析引擎内是否存在与所述目标维度匹配的维度;
若不存在与所述目标维度匹配的维度,在所述配置页面上展示预设的时间输入提醒信息,并接收所述用户基于所述时间输入提醒信息在所述配置页面内输入的分割时间列信息;
基于所述目标维度与所述分割时间列信息生成对应的目标数据立方体;
从所述分布式分析引擎中查询出与所述目标数据立方体对应的目标查询数据;
对所述目标查询数据进行展示。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
判断是否接收到用户触发的数据查询请求;
若是,展示预设的配置页面,并接收所述用户在所述配置页面内输入的配置信息;其中,所述配置信息至少包括目标维度;
判断预设的分布式分析引擎内是否存在与所述目标维度匹配的维度;
若不存在与所述目标维度匹配的维度,在所述配置页面上展示预设的时间输入提醒信息,并接收所述用户基于所述时间输入提醒信息在所述配置页面内输入的分割时间列信息;
基于所述目标维度与所述分割时间列信息生成对应的目标数据立方体;
从所述分布式分析引擎中查询出与所述目标数据立方体对应的目标查询数据;
对所述目标查询数据进行展示。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例首先判断是否接收到用户触发的数据查询请求;若是,展示预设的配置页面,并接收所述用户在所述配置页面内输入的配置信息;然后判断预设的分布式分析引擎内是否存在与所述目标维度匹配的维度;若不存在与所述目标维度匹配的维度,在所述配置页面上展示预设的时间输入提醒信息,并接收所述用户基于所述时间输入提醒信息在所述配置页面内输入的分割时间列信息;之后基于所述目标维度与所述分割时间列信息生成对应的目标数据立方体;后续从所述分布式分析引擎中查询出与所述目标数据立方体对应的目标查询数据;最后对所述目标查询数据进行展示。本申请实施例基于分布式分析引擎的使用来对用户输入的所述目标维度与所述分割时间列信息进行处理,从而可以实现自动快速地生成与用户输入的配置信息对应的目标数据立方体,进而能够从所述分布式分析引擎中快速地查询出与所述目标数据立方体对应的目标查询数据并展示,有效提高了目标数据立方体的生成效率与生成智能性,提高了数据查询效率,以及提高了用户的使用体验。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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是本申请可以应用于其中的示例性系统架构图;
图2根据本申请的数据查询方法的一个实施例的流程图;
图3是根据本申请的数据查询装置的一个实施例的结构示意图;
图4是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103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、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的数据查询方法一般由服务器/终端设备执行,相应地,数据查询装置一般设置于服务器/终端设备中。
应该理解,图1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。
继续参考图2,示出了根据本申请的数据查询方法的一个实施例的流程图。所述的数据查询方法,包括以下步骤:
步骤S201,判断是否接收到用户触发的数据查询请求。
在本实施例中,数据查询方法运行于其上的电子设备(例如图1所示的服务器/终端设备),可以通过有线连接方式或者无线连接方式获取数据查询请求。需要指出的是,上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。其中,所述数据查询请求还可携带所述用户的用户信息。
步骤S202,若是,展示预设的配置页面,并接收所述用户在所述配置页面内输入的配置信息。
在本实施例中,上述配置页面为预先构建的可供用户进行信息配置的页面。其中,所述配置信息至少包括目标维度。另外,所述配置信息还可包括图表样式信息。
步骤S203,判断预设的分布式分析引擎内是否存在与所述目标维度匹配的维度。
在本实施例中,所述分布式分析引擎具体可为Apache Kylin,可简称为Kylin。Apache Kylin是一个开源的分布式分析引擎,提供Hadoop/Spark之上的SQL查询接口及多维分析(OLAP)能力以支持超大规模数据,最初由eBay Inc.开发并贡献至开源社区。它能在亚秒内查询巨大的Hive表。上述判断预设的分布式分析引擎内是否存在与所述目标维度匹配的维度的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。
步骤S204,若不存在与所述目标维度匹配的维度,在所述配置页面上展示预设的时间输入提醒信息,并接收所述用户基于所述时间输入提醒信息在所述配置页面内输入的分割时间列信息。
在本实施例中,上述时间输入提醒信息可为预先构建并存储的用于提醒用户在配置页面内输入分割时间列信息的信息。上述分割时间列信息包括起始时间(partition_date_start)与结束时间(partition_date_end)。
步骤S205,基于所述目标维度与所述分割时间列信息生成对应的目标数据立方体。
在本实施例中,数据立方体也可称为Cube。上述基于所述目标维度与所述分割时间列信息生成对应的目标数据立方体的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。其中,用户还可进一步在配置页面中配置数据更新频率,以按配置的该数据更新频率来定时构建目标数据立方体。
步骤S206,从所述分布式分析引擎中查询出与所述目标数据立方体对应的目标查询数据。
在本实施例中,上述从所述分布式分析引擎中查询出与所述目标数据立方体对应的目标查询数据的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。
步骤S207,对所述目标查询数据进行展示。
在本实施例中,上述对所述目标查询数据进行展示的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。
本申请首先判断是否接收到用户触发的数据查询请求;若是,展示预设的配置页面,并接收所述用户在所述配置页面内输入的配置信息;然后判断预设的分布式分析引擎内是否存在与所述目标维度匹配的维度;若不存在与所述目标维度匹配的维度,在所述配置页面上展示预设的时间输入提醒信息,并接收所述用户基于所述时间输入提醒信息在所述配置页面内输入的分割时间列信息;之后基于所述目标维度与所述分割时间列信息生成对应的目标数据立方体;后续从所述分布式分析引擎中查询出与所述目标数据立方体对应的目标查询数据;最后对所述目标查询数据进行展示。本申请基于分布式分析引擎的使用来对用户输入的所述目标维度与所述分割时间列信息进行处理,从而可以实现自动快速地生成与用户输入的配置信息对应的目标数据立方体,进而能够从所述分布式分析引擎中快速地查询出与所述目标数据立方体对应的目标查询数据并展示,有效提高了目标数据立方体的生成效率与生成智能性,提高了数据查询效率,以及提高了用户的使用体验。
在一些可选的实现方式中,步骤S205包括以下步骤:
调用预设的数据库。
在本实施例中,上述数据库具体可为与上述分布式分析引擎具有关联关系的Hive数据库。
基于所述分布式分析引擎,从所述数据库中查询出与所述分割时间列信息对应的待处理数据。
在本实施例中,上述分割时间列信息包括起始时间与结束时间,可通过将起始时间和结束时间作为增量构建请求的一部分提交给分布式分析引擎Kylin的任务引擎,进而该任务引擎会根据起始时间和结束时间从Hive数据库中抽取相应时间的数据,得到待处理数据。
获取与所述目标维度对应的目标度量信息。
在本实施例中,可通过查询预设的映射表,从该映射表中查询出与目标维度对应的目标度量信息。其中,所述映射表可为根据实际的业务使用需求预先构建的存储有维度与度量之间的映射关系的数据表。
基于所述目标维度与所述目标度量信息对所述待处理数据进行预计算处理,生成对应的计算结果。
在本实施例中,举例地,如果待处理数据为任意一个商品的下单数据,目标维度为订单总量,则目标度量信息为求和,从而可以基于求和的计算方式来对下单数据进行计算处理,得到的订单总量结果即为上述计算结果。
对所述计算结果进行封装处理,得到所述目标数据立方体。
在本实施例中,可通过将所述计算结果进行封装成为一个新的Segment,以得到所述目标数据立方体。其中,还可进一步将得到的计算结果进行存储。
本申请通过调用预设的数据库;然后基于所述分布式分析引擎,从所述数据库中查询出与所述分割时间列信息对应的待处理数据;之后获取与所述目标维度对应的目标度量信息;后续基于所述目标维度与所述目标度量信息对所述待处理数据进行预计算处理,生成对应的计算结果;最后对所述计算结果进行封装处理,得到所述目标数据立方体。本申请基于分布式分析引擎与数据库的使用来对所述目标维度与所述分割时间列信息进行处理,从而可以实现自动快速地生成与用户输入的配置信息对应的目标数据立方体,提高了目标数据立方体的生成效率与生成智能性。
在本实施例的一些可选的实现方式中,步骤S206包括以下步骤:
构建与所述目标数据立方体对应的目标sql语句。
在本实施例中,可通过调用预设的SQL解析模块,通过使用该SQL解析模块对所述目标数据立方体进行处理,以生成与所述目标数据立方体对应的目标sql语句。其中,所述SQL解析模块为根据生成与数据立方体对应的sql查询语句的功能预先构建的功能模块。
从所述分布式分析引擎中查询出与所述目标sql语句对应的指定查询数据。
在本实施例中,可将目标sql语句输入至所述分布式分析引擎内,将目标sql语句通过jdbc对该分布式分析引擎进行查询,以从分布式分析引擎中查询出与所述目标sql语句对应的指定查询数据
将所述指定查询数据作为所述目标查询数据。
本申请通过构建与所述目标数据立方体对应的目标sql语句;进而从所述分布式分析引擎中查询出与所述目标sql语句对应的指定查询数据,并将所述指定查询数据作为所述目标查询数据,实现了快速智能地从所述分布式分析引擎中查询出与所述目标数据立方体对应的目标查询数据,有效提高了目标查询数据的获取效率与获取智能性。
在一些可选的实现方式中,步骤S203包括以下步骤:
获取所述分布式分析引擎内的数据模型的元数据信息。
在本实施例中,上述数据模型为预先配置在分布式分析引擎内的。可通过RestApi获取分布式分析引擎内的元数据信息,上述元数据信息至少包括维度、度量信息。具体地,在分布式分析引擎内配置数据模型的过程可包括:定义事实表与定义维度表;选择维度列和度量列;其中,选择维度列和度量列只是选择一个范围,不代表这些列将来一定要用作Cube的维度或度量,可以把所有可能会用到的列都选进来,后续创建Cube的时候,将只能从这些列中进行选择。选择维度列时,维度可以来自事实表或维度表。选择度量列时,度量只能来自事实表;选择分区列和设定过滤器,以完成数据模型的配置。其中,如果想把一些记录忽略掉,那么这里可以设置一个过滤条件。例如可以直接排除掉金额小于等于0的记录。另外,在完成数据模型的配置以后,定义Cube的时候就可以直接从此数据模型定义的表和列中进行选择了,从而省去重复指定连接(join)条件的步骤。
对所述元数据信息进行解析处理得到对应的维度信息。
在本实施例中,可通过对所述元数据信息进行解析处理,以得到与该元数据信息对应的维度信息。其中,所述维度信息的数量可包括多个。
判断所述维度信息中是否存在与所述目标维度相同的维度。
在本实施例中,可通过将所述维度信息中包含的每一个第一维度与所述目标维度进行相似度计算,从第一维度中筛选出相似度最高的第二维度,若第二维度的相似度大于或等于预设的相似度阈值,则判定第二维度与目标维度属于相同的维度信息,并判定所述维度信息中存在与所述目标维度相同的维度。而如果第二维度的相似度小于预设的相似度阈值,则判定第二维度与目标维度不属于相同的维度信息,并判定所述维度信息中不存在与所述目标维度相同的维度。其中,对于上述相似度阈值的取值不作具体限定,可根据实际的使用需求进行设置。
若存在与所述目标维度相同的维度,则判定所述分布式分析引擎内存在与所述目标维度匹配的维度,否则判定所述分布式分析引擎内不存在与所述目标维度匹配的维度。
本申请通过获取所述分布式分析引擎内的数据模型的元数据信息;然后对所述元数据信息进行解析处理得到对应的维度信息;之后判断所述维度信息中是否存在与所述目标维度相同的维度,得到相应的判断结果,进而能够根据得到的判断结果实现准确地确定出分布式分析引擎内是否存在与所述目标维度匹配的维度。
在一些可选的实现方式中,所述配置信息还包括图表样式信息,步骤S207包括以下步骤:
从所述配置信息中提取出所述图表样式信息。
在本实施例中,可通过对配置信息进行解析处理,以从所述配置信息中提取出所述图表样式信息。
基于所述图表样式对所述目标查询数据进行展示。
在本实施例中,可通过使用所述图表样式对所述目标查询数据进行适配处理,以生成与该图表样式匹配的处理后的目标查询数据,再将该处理后的目标查询数据展示在当前页面。
本申请通过从所述配置信息中提取出所述图表样式信息,进而基于所述图表样式对所述目标查询数据进行展示,实现了根据用户的展示需求来想用户进行相应的目标查询数据的展示处理,提高了用户的使用体验。
在本实施例的一些可选的实现方式中,所述数据查询请求还携带所述用户的用户信息,步骤S202包括以下步骤:
从所述数据查询请求中提取出所述用户信息。
在本实施例中,所述用户信息可包括用户的姓名或ID信息。
获取与预设的信息类型对应的所述用户的目标生物信息。
在本实施例中,对于信息类型的选取不作具体限定,可根据实际的业务使用需求进行设置,例如可包括人脸图像信息、虹膜信息、声纹信息,等等。信息类型的数量包括一种或多种。
基于所述目标生物信息对所述用户进行身份验证。
在本实施例中,可获取与用户信息对应的标准生物信息后,再计算标准生物信息与上述目标生物信息之间的相似度,若相似度大于预设的信息相似度阈值,则判定用户通过身份验证,否则判定用户未通过身份验证。其中,对于上述信息相似度阈值的取值不作具体限定,可根据实际的使用需求进行设置。
若身份验证验证通过,基于预设的权限分析模型与所述用户信息对所述用户进行权限验证。
在本实施例中,上述基于预设的权限分析模型与所述用户信息对所述用户进行权限验证的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。
若权限验证通过,执行所述展示预设的配置页面,并接收所述用户在所述配置页面内输入的配置信息的步骤。
本申请在接收到用户触发的数据查询请求时,还会智能地对用户进行身份验证处理与权限验证处理,只有在用户同时通过了身份验证与权限验证时,之后才会对数据查询请求进行响应并进行后续的相应处理,避免了对非法用户触发的数据查询请求进行响应,提高了对于数据查询请求的处理规范性与处理智能性。
在本实施例的一些可选的实现方式中,所述基于预设的权限分析模型与所述用户信息对所述用户进行权限验证,包括以下步骤:
调用预先训练好的所述权限分析模型。
在本实施例中,对于上述权限分析模型的训练生成过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。
将所述用户信息输入至所述权限分析模型内,通过所述权限分析模型对所述用户信息进行权限分析处理,输出与所述用户信息对应的权限分数。
在本实施例中,在将用户信息输入至上述权限分析模型后,权限分析模型会对用户信息进行权限信息分析,从而得到与用户信息对应的权限分数。
从预设的用户角色等级表中查询出与所述权限分数对应的目标用户等级。
在本实施例中,上述用户角色等级表为预先创建的存储有各种权限分数区间,以及与各种权限分数区间一一对应的用户等级的数据表。可通过从用户角色等级表中确定出与上述权限分数对应的目标权限分数区间,进而查询出与该目标权限分数区间对应的用户等级以作为上述目标用户等级。
获取与数据查询操作对应的操作等级。
在本实施例中,上述操作等级为具有数据查询操作的功能所对应的角色等级。对于上述操作等级的取值不作具体限定,可根据实际的使用需求进行设置。
判断所述目标用户级别是否大于所述操作等级。
若是,判定权限验证通过,否则判定权限验证未通过。
本申请通过使用权限分析模型与用户角色等级表可以快速准确地对用户进行权限验证,并得到相应的权限验证结果,使得后续能够基于该权限验证结果来对用户触发的数据查询请求进行相应的响应处理,提高了数据查询请求处理的规范性与处理智能性。
在本实施例的一些可选的实现方式中,在所述基于预设的权限分析模型与所述用户信息对所述用户进行权限验证的步骤之前,还包括:
获取初始数据;
在本实施例中,上述初始数据可为预设时间段内的用户信息集。对于上述预设时间段的取值不作具体限定,可根据实际的使用需求进行设置。
对所述初始数据进行数据预处理得到训练数据;
在本实施例中,上述数据预处理包括数据清理与格式规范化等处理。通过对初始数据进行数据清理可以剔除掉用户信息集中重复或缺失的数据,从而可以保证用户信息集的整洁性,进而增加权限分析模型的训练准确性。通过对初始数据进行格式规范化处理,有利于提高权限分析模型的训练效率。
调用预设的初始分析模型;
在本实施例中,上述初始模型可为决策树、贝叶斯等模型。
使用所述训练数据对所述初始分析模型进行训练,得到训练后的初始分析模型;
在本实施例中,使用所述训练数据对所述初始分析模型进行训练的过程可包括:对所述训练数据进行K折交叉验证,搜索得到最优参数,并根据得到的最优参数,生成所述训练后的初始分析模型。
对所述训练后的初始分析模型进行验证得到相应的验证值;
在本实施例中,上述评估数值可包括训练后的初始分析模型的分类精确度。
若所述验证值大于预设阈值,则将所述训练后的初始分析模型作为所述权限分析模型。
在本实施例中,对于上述预设阈值的取值不作具体限定,可根据实际的使用需求进行设置。
本申请通过使用初始数据训练生成权限分析模型,有利于后续可以使用该权限分析模型快速准确地生成用户的权限分数,进而可以基于得到的权限分数来快速准确地对用户进行权限验证,保证了生成的权限验证结果的准确性。
需要强调的是,为进一步保证上述目标查询数据的私密和安全性,上述目标查询数据还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3,作为对上述图2所示方法的实现,本申请提供了一种数据查询装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图3所示,本实施例所述的数据查询装置300包括:第一判断模块301、第一接收模块302、第二判断模块303、第二接收模块304、生成模块305、查询模块306以及展示模块307。其中:
第一判断模块301,用于判断是否接收到用户触发的数据查询请求;
第一接收模块302,用于若是,展示预设的配置页面,并接收所述用户在所述配置页面内输入的配置信息;其中,所述配置信息至少包括目标维度;
第二判断模块303,用于判断预设的分布式分析引擎内是否存在与所述目标维度匹配的维度;
第二接收模块304,用于若不存在与所述目标维度匹配的维度,在所述配置页面上展示预设的时间输入提醒信息,并接收所述用户基于所述时间输入提醒信息在所述配置页面内输入的分割时间列信息;
生成模块305,用于基于所述目标维度与所述分割时间列信息生成对应的目标数据立方体;
查询模块306,用于从所述分布式分析引擎中查询出与所述目标数据立方体对应的目标查询数据;
展示模块307,用于对所述目标查询数据进行展示。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据查询方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,生成模块305包括:
调用子模块,用于调用预设的数据库;
第一查询子模块,用于基于所述分布式分析引擎,从所述数据库中查询出与所述分割时间列信息对应的待处理数据;
第一获取子模块,用于获取与所述目标维度对应的目标度量信息;
第一处理子模块,用于基于所述目标维度与所述目标度量信息对所述待处理数据进行预计算处理,生成对应的计算结果;
第二处理子模块,用于对所述计算结果进行封装处理,得到所述目标数据立方体。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据查询方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,查询模块306包括:
构建子模块,用于构建与所述目标数据立方体对应的目标sql语句;
第二查询子模块,用于从所述分布式分析引擎中查询出与所述目标sql语句对应的指定查询数据;
确定子模块,用于将所述指定查询数据作为所述目标查询数据。
本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据查询方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,第二判断模块303包括:
第二获取子模块,用于获取所述分布式分析引擎内的数据模型的元数据信息;
第三处理子模块,用于对所述元数据信息进行解析处理得到对应的维度信息;
判断子模块,用于判断所述维度信息中是否存在与所述目标维度相同的维度;
判定子模块,用于若存在与所述目标维度相同的维度,则判定所述分布式分析引擎内存在与所述目标维度匹配的维度,否则判定
所述分布式分析引擎内不存在与所述目标维度匹配的维度。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据查询方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,所述配置信息还包括图表样式信息,展示模块307包括:
第一提取子模块,用于从所述配置信息中提取出所述图表样式信息;
展示子模块,用于基于所述图表样式对所述目标查询数据进行展示。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据查询方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,所述数据查询请求还携带所述用户的用户信息,第一接收模块302包括:
第二提取子模块,用于从所述数据查询请求中提取出所述用户信息;
第三获取子模块,用于获取与预设的信息类型对应的所述用户的目标生物信息;
第一验证子模块,用于基于所述目标生物信息对所述用户进行身份验证;
第二验证子模块,用于若身份验证验证通过,基于预设的权限分析模型与所述用户信息对所述用户进行权限验证;
执行子模块,用于若权限验证通过,执行所述展示预设的配置页面,并接收所述用户在所述配置页面内输入的配置信息的步骤。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据查询方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,第二验证子模块包括:
调用单元,用于调用预先训练好的所述权限分析模型;
分析单元,用于将所述用户信息输入至所述权限分析模型内,通过所述权限分析模型对所述用户信息进行权限分析处理,输出与所述用户信息对应的权限分数;
查询单元,用于从预设的用户角色等级表中查询出与所述权限分数对应的目标用户等级;
获取单元,用于获取与数据查询操作对应的操作等级;
判断单元,用于判断所述目标用户级别是否大于所述操作等级;
判定单元,用于若是,判定权限验证通过,否则判定权限验证未通过。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据查询方法的步骤一一对应,在此不再赘述。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图4,图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是,图中仅示出了具有组件41-43的计算机设备4,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器41可以是所述计算机设备4的内部存储单元,例如该计算机设备4的硬盘或内存。在另一些实施例中,所述存储器41也可以是所述计算机设备4的外部存储设备,例如该计算机设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中,所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件,例如数据查询方法的计算机可读指令等。此外,所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中,所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据,例如运行所述数据查询方法的计算机可读指令。
所述网络接口43可包括无线网络接口或有线网络接口,该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例中,首先判断是否接收到用户触发的数据查询请求;若是,展示预设的配置页面,并接收所述用户在所述配置页面内输入的配置信息;然后判断预设的分布式分析引擎内是否存在与所述目标维度匹配的维度;若不存在与所述目标维度匹配的维度,在所述配置页面上展示预设的时间输入提醒信息,并接收所述用户基于所述时间输入提醒信息在所述配置页面内输入的分割时间列信息;之后基于所述目标维度与所述分割时间列信息生成对应的目标数据立方体;后续从所述分布式分析引擎中查询出与所述目标数据立方体对应的目标查询数据;最后对所述目标查询数据进行展示。本申请实施例基于分布式分析引擎的使用来对用户输入的所述目标维度与所述分割时间列信息进行处理,从而可以实现自动快速地生成与用户输入的配置信息对应的目标数据立方体,进而能够从所述分布式分析引擎中快速地查询出与所述目标数据立方体对应的目标查询数据并展示,有效提高了目标数据立方体的生成效率与生成智能性,提高了数据查询效率,以及提高了用户的使用体验。
本申请还提供了另一种实施方式,即提供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可读指令,所述计算机可读指令可被至少一个处理器执行,以使所述至少一个处理器执行如上述的数据查询方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例中,首先判断是否接收到用户触发的数据查询请求;若是,展示预设的配置页面,并接收所述用户在所述配置页面内输入的配置信息;然后判断预设的分布式分析引擎内是否存在与所述目标维度匹配的维度;若不存在与所述目标维度匹配的维度,在所述配置页面上展示预设的时间输入提醒信息,并接收所述用户基于所述时间输入提醒信息在所述配置页面内输入的分割时间列信息;之后基于所述目标维度与所述分割时间列信息生成对应的目标数据立方体;后续从所述分布式分析引擎中查询出与所述目标数据立方体对应的目标查询数据;最后对所述目标查询数据进行展示。本申请实施例基于分布式分析引擎的使用来对用户输入的所述目标维度与所述分割时间列信息进行处理,从而可以实现自动快速地生成与用户输入的配置信息对应的目标数据立方体,进而能够从所述分布式分析引擎中快速地查询出与所述目标数据立方体对应的目标查询数据并展示,有效提高了目标数据立方体的生成效率与生成智能性,提高了数据查询效率,以及提高了用户的使用体验。
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上述实施例方法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,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的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,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式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效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种数据查询方法,其特征在于,包括下述步骤:
判断是否接收到用户触发的数据查询请求;
若是,展示预设的配置页面,并接收所述用户在所述配置页面内输入的配置信息;其中,所述配置信息至少包括目标维度;
判断预设的分布式分析引擎内是否存在与所述目标维度匹配的维度;
若不存在与所述目标维度匹配的维度,在所述配置页面上展示预设的时间输入提醒信息,并接收所述用户基于所述时间输入提醒信息在所述配置页面内输入的分割时间列信息;
基于所述目标维度与所述分割时间列信息生成对应的目标数据立方体;
从所述分布式分析引擎中查询出与所述目标数据立方体对应的目标查询数据;
对所述目标查询数据进行展示。
2.根据权利要求1所述的数据查询方法,其特征在于,所述基于所述目标维度与所述分割时间列信息生成对应的目标数据立方体的步骤,具体包括:
调用预设的数据库;
基于所述分布式分析引擎,从所述数据库中查询出与所述分割时间列信息对应的待处理数据;
获取与所述目标维度对应的目标度量信息;
基于所述目标维度与所述目标度量信息对所述待处理数据进行预计算处理,生成对应的计算结果;
对所述计算结果进行封装处理,得到所述目标数据立方体。
3.根据权利要求1所述的数据查询方法,其特征在于,所述从所述分布式分析引擎中查询出与所述目标数据立方体对应的目标查询数据的步骤,具体包括:
构建与所述目标数据立方体对应的目标sql语句;
从所述分布式分析引擎中查询出与所述目标sql语句对应的指定查询数据;
将所述指定查询数据作为所述目标查询数据。
4.根据权利要求1所述的数据查询方法,其特征在于,所述判断预设的分布式分析引擎内是否存在与所述目标维度匹配的维度的步骤,具体包括:
获取所述分布式分析引擎内的数据模型的元数据信息;
对所述元数据信息进行解析处理得到对应的维度信息;
判断所述维度信息中是否存在与所述目标维度相同的维度;
若存在与所述目标维度相同的维度,则判定所述分布式分析引擎内存在与所述目标维度匹配的维度,否则判定所述分布式分析引擎内不存在与所述目标维度匹配的维度。
5.根据权利要求1所述的数据查询方法,其特征在于,所述配置信息还包括图表样式信息,所述对所述目标查询数据进行展示的步骤,具体包括:
从所述配置信息中提取出所述图表样式信息;
基于所述图表样式对所述目标查询数据进行展示。
6.根据权利要求1所述的数据查询方法,其特征在于,所述数据查询请求还携带所述用户的用户信息,所述展示预设的配置页面,并接收所述用户在所述配置页面内输入的配置信息的步骤,具体包括:
从所述数据查询请求中提取出所述用户信息;
获取与预设的信息类型对应的所述用户的目标生物信息;
基于所述目标生物信息对所述用户进行身份验证;
若身份验证验证通过,基于预设的权限分析模型与所述用户信息对所述用户进行权限验证;
若权限验证通过,执行所述展示预设的配置页面,并接收所述用户在所述配置页面内输入的配置信息的步骤。
7.根据权利要求6所述的数据查询方法,其特征在于,所述基于预设的权限分析模型与所述用户信息对所述用户进行权限验证的步骤,具体包括:
调用预先训练好的所述权限分析模型;
将所述用户信息输入至所述权限分析模型内,通过所述权限分析模型对所述用户信息进行权限分析处理,输出与所述用户信息对应的权限分数;
从预设的用户角色等级表中查询出与所述权限分数对应的目标用户等级;
获取与数据查询操作对应的操作等级;
判断所述目标用户级别是否大于所述操作等级;
若是,判定权限验证通过,否则判定权限验证未通过。
8.一种数据查询装置,其特征在于,包括:
第一判断模块,用于判断是否接收到用户触发的数据查询请求;
第一接收模块,用于若是,展示预设的配置页面,并接收所述用户在所述配置页面内输入的配置信息;其中,所述配置信息至少包括目标维度;
第二判断模块,用于判断预设的分布式分析引擎内是否存在与所述目标维度匹配的维度;
第二接收模块,用于若不存在与所述目标维度匹配的维度,在所述配置页面上展示预设的时间输入提醒信息,并接收所述用户基于所述时间输入提醒信息在所述配置页面内输入的分割时间列信息;
生成模块,用于基于所述目标维度与所述分割时间列信息生成对应的目标数据立方体;
查询模块,用于从所述分布式分析引擎中查询出与所述目标数据立方体对应的目标查询数据;
展示模块,用于对所述目标查询数据进行展示。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的数据查询方法的步骤。
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上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的数据查询方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310363306.2A CN116450667A (zh) | 2023-04-06 | 2023-04-06 | 数据查询方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310363306.2A CN116450667A (zh) | 2023-04-06 | 2023-04-06 | 数据查询方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116450667A true CN116450667A (zh) | 2023-07-18 |
Family
ID=87121397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310363306.2A Pending CN116450667A (zh) | 2023-04-06 | 2023-04-06 | 数据查询方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116450667A (zh) |
-
2023
- 2023-04-06 CN CN202310363306.2A patent/CN116450667A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113836131B (zh) | 一种大数据清洗方法、装置、计算机设备及存储介质 | |
CN114996675A (zh) | 数据查询方法、装置、计算机设备及存储介质 | |
CN117094729A (zh) | 请求处理方法、装置、计算机设备及存储介质 | |
CN116681045A (zh) | 报表生成方法、装置、计算机设备及存储介质 | |
CN116383787A (zh) | 页面创建方法、装置、计算机设备及存储介质 | |
CN114495137B (zh) | 票据异常检测模型生成方法与票据异常检测方法 | |
CN115860835A (zh) | 基于人工智能的广告推荐方法、装置、设备及存储介质 | |
CN113722437B (zh) | 基于人工智能的用户标签识别方法、装置、设备及介质 | |
CN115859273A (zh) | 一种数据库异常访问的检测方法、装置、设备及存储介质 | |
CN112085566B (zh) | 基于智能决策的产品推荐方法、装置及计算机设备 | |
CN111597453B (zh) | 用户画像方法、装置、计算机设备及计算机可读存储介质 | |
CN116450667A (zh) | 数据查询方法、装置、计算机设备及存储介质 | |
CN116364223B (zh) | 特征处理方法、装置、计算机设备及存储介质 | |
CN117422523A (zh) | 产品上线方法、装置、计算机设备及存储介质 | |
CN116402644A (zh) | 基于大数据多源数据融合分析的法律监督方法和系统 | |
CN116842011A (zh) | 血缘关系分析方法、装置、计算机设备及存储介质 | |
CN116738084A (zh) | 埋点数据处理方法、装置、计算机设备及存储介质 | |
CN117709801A (zh) | 客户数据处理方法、装置、计算机设备及存储介质 | |
CN117874518A (zh) | 基于人工智能的保险欺诈预测方法、装置、设备及介质 | |
CN117078406A (zh) | 一种客户流失预警方法、装置、计算机设备及存储介质 | |
CN116167872A (zh) | 异常医疗数据检测方法、装置及设备 | |
CN116796140A (zh) | 基于人工智能的异常分析方法、装置、设备及存储介质 | |
CN118212074A (zh) | 数据推荐方法、装置、计算机设备及存储介质 | |
CN116777641A (zh) | 模型构建方法、装置、计算机设备及存储介质 | |
CN116166858A (zh) | 基于人工智能的信息推荐方法、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 |