CN116484060A - 数据血缘关系分析方法、装置、设备及存储介质 - Google Patents
数据血缘关系分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116484060A CN116484060A CN202310403643.XA CN202310403643A CN116484060A CN 116484060 A CN116484060 A CN 116484060A CN 202310403643 A CN202310403643 A CN 202310403643A CN 116484060 A CN116484060 A CN 116484060A
- Authority
- CN
- China
- Prior art keywords
- data
- nodes
- task
- preset
- node
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 83
- 239000008280 blood Substances 0.000 title claims abstract description 66
- 210000004369 blood Anatomy 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 claims description 19
- 238000003066 decision tree Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 9
- 238000007637 random forest analysis Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 11
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000475481 Nebula Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance 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
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000000007 visual 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- 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
- G06F16/2246—Trees, e.g. B+trees
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及数据分析技术，揭露了一种数据血缘关系分析方法，包括：获取实时链路及离线链路的原始数据；识别原始数据的数据类型，根据数据类型选择预设解析模型；利用预设解析模型解析原始数据，得到原始数据的数据节点、任务节点及数据节点与任务节点的各个节点之间的数据流向关系；根据数据节点、任务节点及数据流向关系构建血缘关系图。此外，本发明还涉及区块链技术，测试报告可存储于区块链的节点。本发明还提出一种数据血缘关系分析方法装置、电子设备以及存储介质。本发明可以提高电子交易类数据的血缘关系的准确性。
Description
技术领域
本发明涉及数据分析技术领域，尤其涉及一种数据血缘关系分析方法、装置、电子设备及计算机可读存储介质。
背景技术
随着数字化时代的发展，时刻都在产生庞大的电子交易数据(例如银行系统、保险系统等产生的电子交易数据)，而这些电子交易数据如何利用起来对每个企业变得至关重要，目前在大数据治理领域，提出了数据血缘关系分析，通过对电子交易数据的采集以及对电子交易数据的分析处理，将电子交易数据之间的联系梳理出来，进而形成想要的数据地图和数据资产，实现数据融合处理的可追溯性，更有利于电子交易数据变更影响分析以及业务问题排查、减少维护成本、提升开发效率等起着十分重要的作用。
现有的数据血缘关系分析及展示方法通常都比较固化和单一：在电子交易数据采集方面目前只通过采集数据库或者采集日志的方式，能力比较薄弱，可扩展性不强，导致大部分有用的电子交易数据丢失，从而使得数据血缘关系准确性不高；数据分析大部分都是通过解析SQL语句来分析数据之间的关系,但是对于非SQL形式的数据分析基本很少，甚至不能实现对复杂的SQL关系数据血缘分析，不利于数据多样化采集和多样化分析，影响血缘粒度的深层次细化分析，从而使得数据血缘关系准确性不高。
发明内容
本发明提供一种数据血缘关系分析方法、装置及计算机可读存储介质，其主要目的在于解决解决进行数据分析时数据血缘关系准确性不高的问题。
为实现上述目的，本发明提供的一种数据血缘关系分析方法，包括：
获取实时链路及离线链路的原始数据；
识别所述原始数据的数据类型，根据所述数据类型选择预设解析模型；
利用所述预设解析模型解析所述原始数据，得到原始数据的数据节点、任务节点及所述数据节点与所述任务节点的各个节点之间的数据流向关系；
根据所述数据节点、所述任务节点及所述数据流向关系构建血缘关系图。
可选地，所述识别所述原始数据的数据类型，包括：
对所述原始数据进行分词，得到原始数据词序列；
利用预设词向量模型对所述原始数据词序列进行量化，得到原始数据向量序列；
获取预设的随机森林分类模型中的多个决策树及每个决策树中至少一层节点的决策维度索引和决策条件；
根据所述随机森林分类模型中第一节点的决策维度索引，对所述原始数据向量序列进行特征提取，得到所述原始数据向量序列在所述第一节点的分裂维度上的特征值；
根据所述第一节点的决策条件对所述特征值进行判断，根据判断结果从所述第一节点的分支节点中确定遍历的第二节点；
根据当前决策维度索引和决策条件，继续提取所述原始数据向量序列在所述第二节点的特征值并确定待遍历的下一节点，直至所述决策树遍历完成，得到所述原始数据的数据类型。
可选地，所述根据所述数据类型选择预设解析模型，包括：
当所述数据类型为SQL类数据时，选择预设的SQL解析模型；
当所述数据类型为JSON类数据时，选择预设的JSON解析模型；
当所述数据类型为通用类数据时，选择预设的文本解析模型。
可选地，所述利用所述预设解析模型解析所述原始数据，得到原始数据的数据节点、任务节点、所述数据节点与所述任务节点的各个节点之间的数据流向关系，包括：
当所述预设解析模型为预设的SQL解析模型时，从所述原始数据中提取规则化SQL语句；
利用预构建的词法分析器将所述规则化SQL语句中的字符转换为符号流；
利用预构建的语法分析器将所述符号流转换为语法树；
通过预设编译器将所述语法树解析为抽象语法树；
从所述抽象语法树中提取所述规则化SQL语句的操作类型，作为任务节点；
根据所述操作类型，从所述抽象语法树中对应的节点中提取操作字段信息及表名信息作为数据节点，从所述抽象语法树中提取所述操作字段信息及所述表名信息对应节点关系，作为所述数据节点与所述任务节点的各个节点之间的数据流向关系。
可选地，所述根据所述数据节点、所述任务节点及所述数据流向关系构建血缘关系图，包括：
获取已有血缘关系图，从所述已有血缘关系图中获取与所述数据节点及所述操作节点的相关节点；
利用图库工具，根据所述数据节点、所述任务节点、所述数据流向关系及所述相关节点，构建血缘关系图。
可选地，所述获取实时链路及离线链路的原始目标数据，包括：
将订阅或推送的实时变更数据写入消息队列，从所述消息队列获取实时数据；
利用预设调度任务定时获取离线数据；
剔除所述实时数据及所述离线数据中的异常数据，得到原始目标数据。
可选地，所述利用预设调度任务定时获取离线数据，包括：
根据用户需求选取预设的任务类型；
获取所述任务类型对应的代码块，并执行所述代码块抓取离线数据。
为了解决上述问题，本发明还提供一种数据血缘关系分析方法装置，所述装置包括：
数据获取模块，用于获取实时链路及离线链路的原始数据；
解析模型选择模块，用于识别所述原始数据的数据类型，根据所述数据类型选择预设解析模型；
解析模块，用于利用所述预设解析模型解析所述原始数据，得到原始数据的数据节点、任务节点及所述数据节点与所述任务节点的各个节点之间的数据流向关系；
血缘关系图构建模块，用于根据所述数据节点、所述任务节点及所述数据流向关系构建血缘关系图。
为了解决上述问题，本发明还提供一种电子设备，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上述所述的数据血缘关系分析方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的数据血缘关系分析方法。
本发明实施例通过获取实时链路及离线链路的原始数据，数据来源更广泛、更全面，使得原始数据更准确；进一步地，识别所述原始数据的数据类型，根据所述数据类型选择预设解析模型，针对不同的数据类型选择不同的解析模型，解析对应的原始数据，得到原始数据的数据节点、任务节点及所述数据节点与所述任务节点的各个节点之间的数据流向关系，适配不同的数据类型，有利于提升数据分析效率和准确性；最后，根据所述数据节点、所述任务节点及所述数据流向关系构建血缘关系图，提供给用户使用。因此本发明提出的数据血缘关系分析方法、装置、电子设备及计算机可读存储介质，可以解决进行数据分析时数据血缘关系准确性不高的问题。
附图说明
图1为本发明一实施例提供的数据血缘关系分析方法的流程示意图；
图2为图1所示数据血缘关系分析方法中其中一个步骤的详细实施流程示意图；
图3为图1所示数据血缘关系分析方法中其中另一个步骤的详细实施流程示意图；
图4为本发明一实施例提供的数据血缘关系分析方法装置的功能模块图；
图5为本发明一实施例提供的实现所述数据血缘关系分析方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种数据血缘关系分析方法。所述数据血缘关系分析方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述数据血缘关系分析方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的数据血缘关系分析方法的流程示意图。在本实施例中，所述数据血缘关系分析方法包括：
S1、获取实时链路及离线链路的原始数据。
本发明实施例中，所述实时链路为需要采集的业务系统的实时在线数据对应的链路。
本发明实施例中，所述离线链路为需要采集的业务系统的离线数据对应的链路。
本发明实施例中，所述原始数据可以来源于数据开发平台产生的数据、APP、WEB等第三方服务的网络数据、本地文件或日志文件数据等的电子交易数据。
详细地，参阅图2所示，S1中所述获取实时链路及离线链路的原始目标数据，包括：
S11、将订阅或推送的实时变更数据写入消息队列，从所述消息队列获取实时数据；
S12、利用预设调度任务定时获取离线数据；
S13、剔除所述实时数据及所述离线数据中的异常数据，得到原始目标数据。
本发明实施例中，所述预设调度任务可以将不同的任务类型，例如Python、Shell、FLINK等封装为统一的任务模型，根据不同的用户需求选取不同的任务类型对应的任务，实现调度任务的动态扩展，抓取离线数据，例如增加一个任务类型为FLINK的任务，可以将对应的任务模型封装为Jar包上传到预设的调度平台，只需指定任务规则就可以执行具体任务。
进一步地，所述利用预设调度任务定时获取离线数据，包括：
根据用户需求选取预设的任务类型；
获取所述任务类型对应的代码块，并执行所述代码块抓取离线数据。
本发明另一实施例中，可以利用ETL工具从各个业务系统采集原始离线数据及原始实时数据，从消息处理引擎获取所述各个业务系统(购物平台、理赔、保险、网上银行等系统)的原始消息数据；剔出所述原始离线数据、所述原始实时数据及所述原始消息数据中异常数据，得到离线数据、实时数据及消息数据，并将所述离线数据、所述实时数据及所述消息数据作为原始目标数据。
本发明实施例中，所述ETL(Extract-Transform-Load)工具为数据抽取、转换、装载工具，例如Kettle、Talend、Informatica、Datax等工具。
本发明实施例中，获取实时及离线数据，数据来源更广泛、更全面，使得原始数据更准确，预设调度任务可以灵活配置调度规则，根据不同的用户需求选取不同的任务类型对应的任务，实现调度任务的动态扩展，抓取数据能力强。
S2、识别所述原始数据的数据类型，根据所述数据类型选择预设解析模型。
本发明实施例中，所述数据类型包括：SQL类数据、JSON类数据、通用类数据等。
详细地，S2中所述识别所述原始数据的数据类型，包括：
对所述原始数据进行分词，得到原始数据词序列；
利用预设词向量模型对所述原始数据词序列进行量化，得到原始数据向量序列；
获取预设的随机森林分类模型中的多个决策树及每个决策树中至少一层节点的决策维度索引和决策条件；
根据所述随机森林分类模型中第一节点的决策维度索引，对所述原始数据向量序列进行特征提取，得到所述原始数据向量序列在所述第一节点的分裂维度上的特征值；
根据所述第一节点的决策条件对所述特征值进行判断，根据判断结果从所述第一节点的分支节点中确定遍历的第二节点；
根据当前决策维度索引和决策条件，继续提取所述原始数据向量序列在所述第二节点的特征值并确定待遍历的下一节点，直至所述决策树遍历完成，得到所述原始数据的数据类型。
本发明实施例中，所述预设的随机森林分类模型是通过集成学习的思想将多棵树集成的一种模型，它的基本单元是决策树。以分类问题为例，每棵决策树都是一个分类器，对于一个输入样本，N棵树会有N个分类结果，而随机森林集成了所有的分类投票结果，将投票次数最多的类别指定为最终的输出，从而获得最优的类别。
本发明实施例中，所述预设解析模型可以分为SQL解析模型、JSON解析模型、文本解析模型。
进一步地，S2中所述根据所述数据类型选择预设解析模型，包括：
当所述数据类型为SQL类数据时，选择预设的SQL解析模型；
当所述数据类型为JSON类数据时，选择预设的JSON解析模型；
当所述数据类型为通用类数据时，选择预设的文本解析模型。
本发明实施例中，针对不同的数据类型选择不同的解析模型，解析对应的原始数据，有利于提升数据分析效率和准确性。
S3、利用所述预设解析模型解析所述原始数据，得到原始数据的数据节点、任务节点及所述数据节点与所述任务节点的各个节点之间的数据流向关系。
详细地，参阅图3所示，所述S3包括：
S31、当所述预设解析模型为预设的SQL解析模型时，从所述原始数据中提取规则化SQL语句；
S32、利用预构建的词法分析器将所述规则化SQL语句中的字符转换为符号流；
S33、利用预构建的语法分析器将所述符号流转换为语法树；
S34、通过预设编译器将所述语法树解析为抽象语法树；
S35、从所述抽象语法树中提取所述规则化SQL语句的操作类型，作为任务节点；
S36、根据所述操作类型，从所述抽象语法树中对应的节点中提取操作字段信息及表名信息作为数据节点，从所述抽象语法树中提取所述操作字段信息及所述表名信息对应节点关系，作为所述数据节点与所述任务节点的各个节点之间的数据流向关系。
本发明实施例中，所述词法分析器(lexical analysis)是计算机科学中将字符序列转换为单词(Token)序列的一种程序。分析量化毫无意义的字符流，将其翻译成离散的单词序列，包括关键字、标识符等。
进一步地，本发明实施例中，所述语法分析器(Syntactic analysis，也叫Parsing)是根据某种给定的形式文法对由单词序列构成的输入文本进行分析并确定其语法结构的一种程序。它的作用是对所述单词序列进行语法检查、并构建由输入的单词序列组成的语法树。
本发明实施例中，所述操作类型分为查询操作类型、读取操作类型、更新操作类型、插入操作类型、删除操作类型，例如所述查询操作类型相关语句可以是SQL语句中select部分相关语句。
本发明另一实施例中，当所述预设解析模型为预设的JSON解析模型时，从所述原始数据中提取规则化JSON语句；根据JSON语法规则解析所述规则化JSON语句，得到操作类型、操作字段信息、表名信息，所述操作类型、所述操作字段信息及所述表名信息之间的数据流向关系，将所述操作类型作为任务节点，将所述操作字段信息及所述表名信息作为数据节点，例如所述操作类型为查询，所述操作字段信息为某人的保单费用、所述表名信息为XX日保单汇总表，所述类型为查询，所述操作字段信息某人的保单费用，所述所述表名信息为XX月保单汇总表，说明能够从XX月保单汇总表及XX日保单汇总表中查询到某人的保单费用，说明XX月保单汇总表及XX日保单汇总表中某人的保单费用存在数据对应关系。
本发明实施例中，所述JSON(JavaScript Object Notation)是一种轻量级的数据交换格式,易于阅读和编写，同时也易于机器解析和生成。
本发明实施例中，所述预设的文本解析模型可以从数据类型为通用类数据的原始数据中解析出数据节点、任务节点及所述数据节点与所述任务节点的各个节点之间的数据流向关系。
本发明实施例中，利用不同的解析模型解析不同数据类型的原始数据，有利于提升数据分析效率和准确性。
S4、根据所述数据节点、所述任务节点及所述数据流向关系构建血缘关系图。
详细地，所述S4包括：
获取已有血缘关系图，从所述已有血缘关系图中获取与所述数据节点及所述操作节点的相关节点；
利用图库工具，根据所述数据节点、所述任务节点、所述数据流向关系及所述相关节点，构建血缘关系图。
本发明另一实施例中，当系统不存在已有血缘关系图时，可以直接利用图库工具，根据所述数据节点、所述任务节点及所述数据流向关系，构建血缘关系图。
本发明实施例中，可以利用图数据库，根据所述数据节点、所述任务节点及所述数据流向关系构建血缘关系图。通过图数据库，可以保存各种类型的数据血缘关系中间处理结果或最终结果，其中，所述图数据库可以为Neo4j图数据库、Nebula Graph图数据库等。
本发明其中另一实施例中，也可以将所述数据节点、所述任务节点及所述数据流向关系封装为API接口对应的血缘关系数据，供其他数据端口调用。
本发明另一实施例中，还可以将所述数据节点、所述任务节点及所述数据流向关系封装为JSON对象，将所述JSON对象转换为血缘关系图。
本发明实施例中，所述血缘关系图可直接在用户端进行展示。
本发明实施例通过获取实时链路及离线链路的原始数据，数据来源更广泛、更全面，使得原始数据更准确；进一步地，识别所述原始数据的数据类型，根据所述数据类型选择预设解析模型，针对不同的数据类型选择不同的解析模型，解析对应的原始数据，得到原始数据的数据节点、任务节点及所述数据节点与所述任务节点的各个节点之间的数据流向关系，适配不同的数据类型，有利于提升数据分析效率和准确性；最后，根据所述数据节点、所述任务节点及所述数据流向关系构建血缘关系图，提供给用户使用。因此本发明提出的数据血缘关系分析方法，可以解决进行数据分析时数据血缘关系准确性不高的问题。
如图4所示，是本发明一实施例提供的数据血缘关系分析方法装置的功能模块图。
本发明所述数据血缘关系分析方法装置100可以安装于电子设备中。根据实现的功能，所述数据血缘关系分析方法装置100可以包括数据获取模块101、解析模型选择模块102、解析模块103及血缘关系图构建模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述数据获取模块101，用于获取实时链路及离线链路的原始数据；
所述解析模型选择模块102，用于识别所述原始数据的数据类型，根据所述数据类型选择预设解析模型；
所述解析模块103，用于利用所述预设解析模型解析所述原始数据，得到原始数据的数据节点、任务节点及所述数据节点与所述任务节点的各个节点之间的数据流向关系；
所述血缘关系图构建模块104，用于根据所述数据节点、所述任务节点及所述数据流向关系构建血缘关系图。
详细地，本发明实施例中所述数据血缘关系分析方法装置100中所述的各模块在使用时采用与上述图1至图3中所述的数据血缘关系分析方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现数据血缘关系分析方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如数据血缘关系分析方法程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing Unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行数据血缘关系分析方法程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11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、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如数据血缘关系分析方法程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的数据血缘关系分析方法程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取实时链路及离线链路的原始数据；
识别所述原始数据的数据类型，根据所述数据类型选择预设解析模型；
利用所述预设解析模型解析所述原始数据，得到原始数据的数据节点、任务节点及所述数据节点与所述任务节点的各个节点之间的数据流向关系；
根据所述数据节点、所述任务节点及所述数据流向关系构建血缘关系图。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取实时链路及离线链路的原始数据；
识别所述原始数据的数据类型，根据所述数据类型选择预设解析模型；
利用所述预设解析模型解析所述原始数据，得到原始数据的数据节点、任务节点及所述数据节点与所述任务节点的各个节点之间的数据流向关系；
根据所述数据节点、所述任务节点及所述数据流向关系构建血缘关系图。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明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。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种数据血缘关系分析方法，其特征在于，所述方法包括：
获取实时链路及离线链路的原始数据；
识别所述原始数据的数据类型，根据所述数据类型选择预设解析模型；
利用所述预设解析模型解析所述原始数据，得到原始数据的数据节点、任务节点及所述数据节点与所述任务节点的各个节点之间的数据流向关系；
根据所述数据节点、所述任务节点及所述数据流向关系构建血缘关系图。
2.如权利要求1所述的数据血缘关系分析方法，其特征在于，所述识别所述原始数据的数据类型，包括：
对所述原始数据进行分词，得到原始数据词序列；
利用预设词向量模型对所述原始数据词序列进行量化，得到原始数据向量序列；
获取预设的随机森林分类模型中的多个决策树及每个决策树中至少一层节点的决策维度索引和决策条件；
根据所述随机森林分类模型中第一节点的决策维度索引，对所述原始数据向量序列进行特征提取，得到所述原始数据向量序列在所述第一节点的分裂维度上的特征值；
根据所述第一节点的决策条件对所述特征值进行判断，根据判断结果从所述第一节点的分支节点中确定遍历的第二节点；
根据当前决策维度索引和决策条件，继续提取所述原始数据向量序列在所述第二节点的特征值并确定待遍历的下一节点，直至所述决策树遍历完成，得到所述原始数据的数据类型。
3.如权利要求1所述的数据血缘关系分析方法，其特征在于，所述根据所述数据类型选择预设解析模型，包括：
当所述数据类型为SQL类数据时，选择预设的SQL解析模型；
当所述数据类型为JSON类数据时，选择预设的JSON解析模型；
当所述数据类型为通用类数据时，选择预设的文本解析模型。
4.如权利要求1所述的数据血缘关系分析方法，其特征在于，所述利用所述预设解析模型解析所述原始数据，得到原始数据的数据节点、任务节点、所述数据节点与所述任务节点的各个节点之间的数据流向关系，包括：
当所述预设解析模型为预设的SQL解析模型时，从所述原始数据中提取规则化SQL语句；
利用预构建的词法分析器将所述规则化SQL语句中的字符转换为符号流；
利用预构建的语法分析器将所述符号流转换为语法树；
通过预设编译器将所述语法树解析为抽象语法树；
从所述抽象语法树中提取所述规则化SQL语句的操作类型，作为任务节点；
根据所述操作类型，从所述抽象语法树中对应的节点中提取操作字段信息及表名信息作为数据节点，从所述抽象语法树中提取所述操作字段信息及所述表名信息对应节点关系，作为所述数据节点与所述任务节点的各个节点之间的数据流向关系。
5.如权利要求1所述的数据血缘关系分析方法，其特征在于，所述根据所述数据节点、所述任务节点及所述数据流向关系构建血缘关系图，包括：
获取已有血缘关系图，从所述已有血缘关系图中获取与所述数据节点及所述操作节点的相关节点；
利用图库工具，根据所述数据节点、所述任务节点、所述数据流向关系及所述相关节点，构建血缘关系图。
6.如权利要求1所述的数据血缘关系分析方法，其特征在于，所述获取实时链路及离线链路的原始目标数据，包括：
将订阅或推送的实时变更数据写入消息队列，从所述消息队列获取实时数据；
利用预设调度任务定时获取离线数据；
剔除所述实时数据及所述离线数据中的异常数据，得到原始目标数据。
7.如权利要求6所述的数据血缘关系分析方法，其特征在于，所述利用预设调度任务定时获取离线数据，包括：
根据用户需求选取预设的任务类型；
获取所述任务类型对应的代码块，并执行所述代码块抓取离线数据。
8.一种数据血缘关系分析方法装置，其特征在于，所述装置包括：
数据获取模块，用于获取实时链路及离线链路的原始数据；
解析模型选择模块，用于识别所述原始数据的数据类型，根据所述数据类型选择预设解析模型；
解析模块，用于利用所述预设解析模型解析所述原始数据，得到原始数据的数据节点、任务节点及所述数据节点与所述任务节点的各个节点之间的数据流向关系；
血缘关系图构建模块，用于根据所述数据节点、所述任务节点及所述数据流向关系构建血缘关系图。
9.一种电子设备，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如权利要求1至7中任意一项所述的数据血缘关系分析方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的数据血缘关系分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310403643.XA CN116484060A (zh) | 2023-04-12 | 2023-04-12 | 数据血缘关系分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310403643.XA CN116484060A (zh) | 2023-04-12 | 2023-04-12 | 数据血缘关系分析方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116484060A true CN116484060A (zh) | 2023-07-25 |
Family
ID=87224460
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310403643.XA Pending CN116484060A (zh) | 2023-04-12 | 2023-04-12 | 数据血缘关系分析方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116484060A (zh) |
-
2023
- 2023-04-12 CN CN202310403643.XA patent/CN116484060A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10705809B2 (en) | Pruning engine | |
| CN111813963B (zh) | 知识图谱构建方法、装置、电子设备及存储介质 | |
| CN112541338A (zh) | 相似文本匹配方法、装置、电子设备及计算机存储介质 | |
| CN110765101B (zh) | 标签的生成方法、装置、计算机可读存储介质及服务器 | |
| CN110795697B (zh) | 逻辑表达式的获取方法、装置、存储介质以及电子装置 | |
| CN113672781A (zh) | 数据查询方法、装置、电子设备及存储介质 | |
| CN113282854A (zh) | 数据请求响应方法、装置、电子设备及存储介质 | |
| CN113886708A (zh) | 基于用户信息的产品推荐方法、装置、设备及存储介质 | |
| CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
| CN114610747A (zh) | 数据查询方法、装置、设备及存储介质 | |
| CN113806492B (zh) | 基于语义识别的记录生成方法、装置、设备及存储介质 | |
| CN115129753A (zh) | 数据血缘关系分析方法、装置、电子设备及存储介质 | |
| CN114841165B (zh) | 用户数据分析及展示方法、装置、电子设备及存储介质 | |
| CN116450723A (zh) | 数据提取方法、装置、计算机设备及存储介质 | |
| CN114780688A (zh) | 基于规则匹配的文本质检方法、装置、设备及存储介质 | |
| CN116484060A (zh) | 数据血缘关系分析方法、装置、设备及存储介质 | |
| CN114490666A (zh) | 基于数据需求的图表生成方法、装置、设备及存储介质 | |
| CN113344674A (zh) | 基于用户购买力的产品推荐方法、装置、设备及存储介质 | |
| CN111651167A (zh) | 调度任务依赖关系识别方法、装置及计算机可读存储介质 | |
| CN114036174B (zh) | 数据更新方法、装置、设备及存储介质 | |
| CN112527880B (zh) | 大数据集群元数据信息的采集方法、装置、设备及介质 | |
| CN113706204B (zh) | 基于深度学习的权益发放方法、装置、设备及存储介质 | |
| CN115237941A (zh) | 数据上报方法、装置、电子设备及计算机可读存储介质 | |
| CN116244423A (zh) | 实体关系挖掘方法、装置、电子设备及存储介质 | |
| CN114637822A (zh) | 法律信息查询方法、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 |