CN116737453A - 数据转储方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开提供了一种数据转储方法、装置、电子设备及存储介质，涉及计算机技术领域，尤其涉及数据处理、数据库转储等人工智能技术领域。具体实现方案为：在将数据库中的数据片段写入分布式文件系统的过程中，检测到预设故障的情况下，确定预设故障发生前写入成功的第一文件及预设故障关联的第二文件；基于第一文件关联的第一进度信息，确定待重新写入的数据片段；删除第二文件，并重新创建新的第二文件；将待重新写入的数据片段，写入新的第二文件中。由此，在保证数据写入分布式文件系统的准确性的同时，实现了断点续传，提高了数据转储的效率。

Description

数据转储方法、装置、电子设备及存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及数据处理、数据库转储等技术领域，具体涉及一种数据转储方法、装置、电子设备及存储介质。

背景技术

在数据分析场景中，通常需要将数据库(比如MySQL、Oracle等)中的数据转储到分布式文件系统(比如HDFS、AFS等)中，以方便通过离线计算框架(如spark、hive等)进行离线的数据处理和分析。在数据库数据转储场景中，会遇到网络、服务器故障而造成传输中断的问题。因此，如何在遇到传输中断的情况下，提高转储任务的效率成为重点的研究方向。

发明内容

本公开提供了一种数据转储方法、装置、电子设备及存储介质。

根据本公开的第一方面，提供了一种数据转储方法，包括：

在将数据库中的数据片段写入分布式文件系统的过程中，检测到预设故障的情况下，确定所述预设故障发生前写入成功的第一文件及所述预设故障关联的第二文件；

基于所述第一文件关联的第一进度信息，确定待重新写入的数据片段；

删除所述第二文件，并重新创建新的第二文件；

将所述待重新写入的数据片段，写入所述新的第二文件中。

根据本公开的第二方面，提供了一种数据转储装置，包括：

第一确定模块，用于在将数据库中的数据片段写入分布式文件系统的过程中，检测到预设故障的情况下，确定所述预设故障发生前写入成功的第一文件及所述预设故障关联的第二文件；

第二确定模块，用于基于所述第一文件关联的第一进度信息，确定待重新写入的数据片段；

处理模块，用于删除所述第二文件，并重新创建新的第二文件；

写入模块，用于将所述待重新写入的数据片段，写入所述新的第二文件中。

根据本公开的第三方面，提供了一种电子设备，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指令，所述指令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第一方面所述的数据转储方法。

根据本公开第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面的数据转储方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机指令，计算机指令在被处理器执行时实现如第一方面的数据转储方法的步骤。

本公开提供的数据转储方法、装置、电子设备及存储介质，存在如下

有益效果：

本公开实施例中，在将数据库中的数据片段写入分布式文件系统的过程中，检测到预设故障的情况下，确定预设故障发生前写入成功的第一文件及预设故障关联的第二文件，之后基于第一文件关联的第一进度信息，确定待重新写入的数据片段，进而删除第二文件，并重新创建新的第二文件，最后将待重新写入的数据片段，写入新的第二文件中。由此，可以在检测到预设故障时，删除与预设故障关联的第二文件，并重新创建新的第二文件，将待重新写入的数据片段写入新的第二文件，从而在保证数据写入分布式文件系统的准确性的同时，实现了断点续传，提高了数据转储的效率。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开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

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开一实施例提供的一种数据转储方法的流程示意图；

图2是根据本公开又一实施例提供的一种数据转储方法的流程示意图；

图3是根据本公开又一实施例提供的一种数据转储方法的流程示意图；

图4是根据本公开一实施例提供的一种数据转储方法的流程示意图；

图5是根据本公开又一实施例提供的一种数据转储方法的示意图；

图6是根据本公开又一实施例提供的一种数据转储装置的结构示意图；

图7是用来实现本公开实施例的数据转储方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。

本公开实施例涉及数据处理、数据库转储等技术领域。

数据处理(data processing)是对数据的采集、存储、检索、加工、变换和传输。数据处理的基本目的是从大量的、可能是杂乱无章的、难以理解的数据中抽取并推导出对于某些特定的人们来说是有价值、有意义的数据。

数据库转储是指定期将整个数据库复制到另一存储设备上。数据库的转储机制有三种：完全转储、差量转储、增量转储。完全转储：是指对整个数据库中的数据全部重新备份，效率低，时间长；差量转储：是对最近一次数据库完全转储原来发生的数据变化进行转储，效率高，时间短；增量转储：复制上次转储后发生变化的文件或数据块，效率介于前两种转储方式之间。

下面参考附图描述本公开实施例的数据转储方法、装置、电子设备及存储介质。

其中，需要说明的是，本实施例的数据转储方法的执行主体为数据转储装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在电子设备中，电子设备可以包括但不限于终端、服务器端等。

图1是根据本公开一实施例提供的一种数据转储方法的流程示意图。

如图1所示，该数据转储方法包括：

S101：在将数据库中的数据片段写入分布式文件系统的过程中，检测到预设故障的情况下，确定预设故障发生前写入成功的第一文件及预设故障关联的第二文件。

其中，数据库可以为MySQL数据库、Oracle数据库等。本公开对此不做限定。数据库中可以包含多个数据库分库，和多个数据分表。

其中，数据片段指的是第一数据库中的部分数据，数据片段包括至少一条数据库中的数据。

可选的，可以基于主键值顺序进行分页查询，并以设定的数据条数将数据库中的数据划分为数据片段。

可选的，在数据库中包含多个数据表的情况下，可以先获取数据库的每个数据表中的每条数据对应的主键值，之后基于主键值对应的顺序及预设的第一数量，将每个数据表中的数据划分为至少一个数据片段。

其中，第一数量可以为1000条，5000条等。本公开对此不做限定。

由此，将数据划分为多个数据片段，可以实现将数据的分批写入分布式文件系统，从而可以提高处理效率，减少网络传输开销并降低系统负担。

可选的，下面以将数据库中的一个数据表中的数据片段写入分布式文件系统为例，对数据片段写入分布式文件系统的步骤进行详细说明：首先在分布式文件系统中新建第一个文件，将数据片段依次写入新建的第一个文件，当某个数据片段已完全写入第一个文件的情况下，判断第一个文件中的数据量是否大于第一阈值，在大于第一阈值的情况下，关闭第一个文件，创建第二个文件，并将第一文件的进度信息写入分布式文件系统中的进度文件中。之后基于数据片段的顺序，继续将数据片段写入创建的第二个文件中，依次类推，直至将数据片段全部写入分布式文件系统中。

其中，第一阈值可以为预先设置的数值，比如，5吉字节(GB)、3GB等。

可以理解的是，检测到预测故障，表示可能由于网络、服务器故障等，导致数据库中的数据片段写入中断。

其中，第一文件可以为预设故障发生前，写入成功的最后一个文件。其中，第二文件可以为预设故障发生时，正在写入但还未写入成功的文件。第二文件为与第一文件相邻，且位于第一文件之后，即第一文件写入完成之后，继续将数据片段写入第二文件。

可选的，在第一文件关闭成功、第二文件创建成功、且第一进度信息成功写入进度文件的情况下，确定第一文件写入成功。

可选的，在将数据片段写入第二文件过程中，检测到数据传输中断，确定检测到预设故障。

或者，在检测到第二文件关闭失败的情况下，确定检测到预设故障。

可以理解的是，在第二文件关闭失败的情况下，不能继续进行数据片段的写入，即数据传输中断，即检测到预设故障。

或者，在检测到第三文件创建失败的情况下，确定检测到预设故障。

其中，第三文件为与第二文件相邻，且位于第二文件之后，即第二文件写入完成之后，继续将数据片段写入第三文件。

可以理解的是，在第三文件创建失败的情况下，表示不能继续进行数据的写入，即数据传输中断，即检测到预设故障。需要说明的是，由于第三文件的创建，与第二文件的关闭几乎是在同一时间执行的，因此，第三文件创建失败时，第二文件可能会出现故障，所以，在第三文件创建失败的情况下，确定与预设故障关联的文件为第二文件。

由此，可以实时对文件的状态进行检测，确定是否检测到预设故障，提高了传输中断检测的准确性。

S102：基于第一文件关联的第一进度信息，确定待重新写入的数据片段。

可选的，在数据库中包含多个数据表的情况下，第一进度信息可以包含第一文件中已写入的数据片段所在的数据表的标识、第一条写入的数据对应的主键值、最后一条写入的数据对应的主键值，及第一文件的编号。或者，第一进度信息也可以包含第一文件中已写入的数据片段所在的数据表的标识，最后一条写入的数据对应的主键值，及第一文件的编号。

或者，在数据库中只包含1个数据表的情况下，第一进度信息可以包含第一条写入的数据对应的主键值、最后一条写入的数据对应的主键值，及第一文件的编号。或者，第一进度信息也可以包含最后一条写入的数据对应的主键值，及第一文件的编号。

其中，分布式文件系统中创建的文件对应的编号可以为由小到大依次排序的。

其中，待重新写入的数据片段，可以为第二文件中已经写入过的数据片段。本公开中，在确定了第一进度信息之后，即可确定第二文件写入的数据片段是从哪里开始的。进而即可确定待重新写入的数据片段。

S103：删除第二文件，并重新创建新的第二文件。

需要说明的是，由于在写入第二文件时，检测到了预设故障，第二文件的写入中断，但进度文件中只包含了第一文件对应的第一进度信息，不能准确地确定第二文件在写入的过程中具体是从哪里开始中断的。因此，可以将第二文件删除，并重新创建第二文件。

其中，新的第二文件的存储路径及编号，与第二文件的存储路径及编号相同。

S104：将待重新写入的数据片段，写入新的第二文件中。

本公开实施例中，在创建新的第二文件之后，即可将待重新写的数据片段，重新写入新的第二文件，即基于第一进行信息中第一文件写入结束的位置，继续进行数据片段的写入。从而，在保证写入的数据的准确性的同时，提高了数据库中的数据转储的效率。

本公开实施例中，在将数据库中的数据片段写入分布式文件系统的过程中，检测到预设故障的情况下，确定预设故障发生前写入成功的第一文件及预设故障关联的第二文件，之后基于第一文件关联的第一进度信息，确定待重新写入的数据片段，进而删除第二文件，并重新创建新的第二文件，最后将待重新写入的数据片段，写入新的第二文件中。由此，可以在检测到预设故障时，删除与预设故障关联的第二文件，并重新创建新的第二文件，将待重新写入的数据片段写入新的第二文件，从而在保证数据写入分布式文件系统的准确性的同时，实现了断点续传，提高了数据转储的效率。

图2是根据本公开又一实施例提供的一种数据转储方法的流程示意图；

如图2所示，该数据转储方法包括：

S201，在任一数据片段已写入第二文件，且第二文件中包含的数据量大于第一阈值的情况下，关闭第二文件，并创建第三文件。

在一些可能的实现方式中，可以为每个文件设置对应的数据量阈值，即第一阈值。

本公开实施例中，以数据片段为单位进行数据写入，因此，需要在每个数据片段已写入第二文件的情况下，判断第二文件中已写入的数据量是否超过第一阈值。当第二文件中写入的数据量大于第一阈值的情况下，则关闭第二文件。创建第三文件，以继续将数据片段写入第三文件。由此，可以基于第二文件中已写入的数据量，准确地确定关闭第二文件，创建第三文件的时间。

S202，根据第二文件中已写入的数据片段对应的第一标识信息及第二文件的编号，确定第二文件关联的第二进度信息。

其中，第一标识信息可以包括一下至少一项：

数据片段所在的数据表的标识；

数据片段中第一条数据对应的主键值；及

数据片段中最后一条数据对应的主键值。

可选的，若数据库中包含多个数据表，在第一标识信息包含数据片段所在的数据表的标识、数据片段中最后一条数据对应的主键值的情况下，将第二文件中已写入的数据片段所在的数据表的标识、第二文件中已写入的最后一条数据对应的主键值、及第二文件的编号，确定为第二进度信息。

其中，第二文件中已写入的最后一条数据可以为第二文件中最后写入的数据片段中最后一条数据对应的主键值。

由此，在第二进度信息中只保留第二文件中已写入的最后一条数据对应的主键值，即可确定数据片段写入的进度，且可以节省存储空间。

或者，若数据库中包含多个数据表，在第一标识信息包含数据表的标识、数据片段中第一条数据对应的主键值、最后一条数据对应的主键值的情况下，将第一文件中写入的数据片段所在的数据表的标识、已写入的第一条数据对应的主键值、已写入的最后一条数据对应的主键值，及第二文件的编号，确定为第二进度信息。

其中，其中，第二文件中已写入的第一条数据可以为第二文件中第一各写入的数据片段中第一条数据对应的主键值。

若数据库中包含1个数据表，则第二进度信息中可以不包含数据表的标识。

由此，可以基于第一标识信息及第二文件的编号，准确地确定创建文件的进度及数据片段写入的进度。

S203，在检测到第二文件关联的第二进度信息写入分布式文件系统中的进度文件失败的情况下，确定检测到预设故障。

本公开实施例中，在第二文件关闭的情况下，表示在第二文件中写入数据片段已结束，因此，可以将第二进度信息写入进度文件中，若第二进度信息写入分布式文件系统中的进度文件失败，则检测到了预设故障，数据传输中断。

本公开实施例中，对第二进度信息的写入，与第二文件的关闭，及第三文件的创建的先后顺序不做具体限定。

S204，基于第一文件关联的第一进度信息，确定待重新写入的数据片段。

S205，删除第二文件，并重新创建新的第二文件。

S206，将待重新写入的数据片段，写入新的第二文件中。

其中，步骤S204至步骤S206的具体实现形式，可参照本公开中，其他各实施例中的详细描述，此处不再具体赘述。

本公开实施例中，在任一数据片段已写入第二文件，且第二文件中包含的数据量大于第一阈值的情况下，关闭第二文件，并创建第三文件，之后根据第二文件中已写入的数据片段对应的第一标识信息及第二文件的编号，确定第二文件关联的第二进度信息，在检测到第二进度信息写入分布式文件系统中的进度文件失败的情况下，确定检测到预设故障，基于第一文件关联的第一进度信息，确定待重新写入的数据片段；删除第二文件，并重新创建新的第二文件；将待重新写入的数据片段，写入新的第二文件中。由此，可以准确地第二进度信息，并在第二进度信息写入进度文件失败的情况下，确定检测到故障，删除第二文件，基于第一进度信息进行断点续传，从而进一步提高了对传输中断的检测的准确性，进而在保证数据写入分布式文件系统的准确性的同时，实现了断点续传，提高了数据转储的效率。

图3是根据本公开又一实施例提供的一种数据转储方法的流程示意图；

如图3所示，该数据转储方法包括：

S301，在数据库中包含多个数据表，且支持多个数据转储服务并行运行的情况下，获取多个数据转储服务的第二数量、及多个数据表的第三数量。

可以理解的是，在支持多个数据转储服务并行运行的情况下，表示支持多线程的数据写入。进而可以通过多个数据转储服务，对多个数据表中的数据进行并行传输。

其中，数据转储服务可以为通过导出程序，将数据片段从数据库中导出，并写入分布式文件系统。

S302，将第二数量与第三数量中的最小值，确定为第一目标数量。

本公开实施例中，需要根据第二数量和第一数量，确定并行写入的数据表的数量，即确定第一目标数量。

若第二数量小于或等于第一数量，确定第二数量为第一目标数量。在第二数量小于第一数量的情况下，表示数据转储服务的数量小于或等于数据表的数量，最多可对第二数量个数据表进行并行写入。

若第二数量大于第一数量，确定第一数量为第一目标数量。在第二数量大于第二数量的情况下，表示数据转储服务的数量大于数据表的数量，可以同时对所有的数据表进行并行写入。

S303，并行运行第一目标数量个数据转储服务，以将第一目标数量个数据表中的数据片段，并行写入分布式文件系统中的不同存储位置。

在确定了可以并行写入的数据表的第一目标数量之后，即可并行运行第一目标数量个数据转储服务，以实现将第一目标数量个数据表的并行写入分布式文件系统。

在一些可能的实现方式中，可以将不同的数据表写入分布式文件系统中的不同存储位置。以实现数据库中的数据的分布存储。

S304，在将数据库中的数据片段写入分布式文件系统的过程中，检测到预设故障的情况下，确定预设故障发生前写入成功的第一文件及预设故障关联的第二文件。

在本实施例中，可分别对每个数据转储服务将数据片段写入分布式文件系统的过程进行检测，并在任一数据转储服务的数据写入过程中，检测到预设故障的情况下，仅对任一数据转储服务的写入过程进行断点重传。即各数据转储服务的写入过程互不影响。

S305，基于第一文件关联的第一进度信息，确定待重新写入的数据片段。

S306，删除第二文件，并重新创建新的第二文件。

S307，将待重新写入的数据片段，写入新的第二文件中。

其中，步骤S304至步骤S307的具体实现形式，可参照本公开中，其他各实施例中的详细描述，此处不再具体赘述。

本公开实施例中，在数据库中包含多个数据表，且支持多个数据转储服务并行运行的情况下，获取多个数据转储服务的第二数量、及多个数据表的第三数量，之后将第二数量与第三数量中的最小值，确定为第一目标数量，并行运行第一目标数量个数据转储服务，以将第一目标数量个数据表中的数据片段，并行写入分布式文件系统中的不同存储位置，且在检测到预设故障的情况下，确定预设故障发生前写入成功的第一文件及预设故障关联的第二文件，基于第一文件关联的第一进度信息，确定待重新写入的数据片段，进而删除第二文件，并重新创建新的第二文件，最后将待重新写入的数据片段，写入新的第二文件中。由此，可以通过并行运行多个数据转储服务，将多个数据表中的数据进行并行写入分布式文件系统中，从而提高了数据写入的效率，且各数据转储服务的写入过程互不影响，进而在任一数据表的数据写入过程中，检测到预设故障的情况下，只需对任一数据表的写入过程进行断点重传。

图4是根据本公开又一实施例提供的一种数据转储方法的流程示意图；

如图4所示，该数据转储方法包括：

S401，在数据库中的任一数据表中包含的数据量大于第二阈值、且支持多个数据转储服务并行运行的情况下，基于预设的第四数量，将任一数据表中的数据划分为多个转储任务。

需要说明的是，在支持多个数据转储服务并行运行的情况下，表示支持多线程的数据写入。若任一数据表中的包含的数据量大于第二阈值，若只用单线程进行写入，效率比较低。因此，将任一数据表中的数据划分为多个转储任务，进而基于多个数据转储服务，对多个转储任务进行并行写入，调高转储效率。

其中，预设的第四数量可以为预先设置的每个转储任务中包含的数据的条数。

在一些可能的实现方式中，每个导出任务对应的标识信息可以包括任一数据表的标识、及转储任务中数据主键值的起止范围。

本公开实施例中，将任一数据表中的数据划分为多个转储任务，实现多个转储任务的并行写入，即可以适用于数据库中只包含单个数据表的场景，也适用于数据库中包含多个数据表的场景，本公开对此不做限定。

S402，获取多个数据转储服务的第二数量、及多个转储任务的第五数量。

S403，将第二数量与第五数量中的最小值，确定为第二目标数量。

本公开实施例中，需要根据第二数量和第五数量，确定并行写入的转储任务的数量，即确定第二目标数量。

若第二数量小于或等于第五数量，确定第五数量为第一目标数量。在第二数量小于第五数量的情况下，表示数据转储服务的数量小于或等于转储任务的数量，最多可对第二数量个转储任务进行并行写入。

若第二数量大于第五数量，确定第一数量为第二目标数量。在第二数量大于第二数量的情况下，表示数据转储服务的数量大于转储的数量，可以同时对所有的转储任务进行并行写入。

S404，并行运行第二目标数量个数据转储服务，以将第二目标数量个转储任务中的数据片段，并行写入分布式文件系统中的不同存储位置。

在确定了可以并行写入的转储任务的第二目标数量之后，即可并行运行第二目标数量个数据转储服务，以实现将第二目标数量转储任务中的数据并行写入分布式文件系统。

在一些可能的实现方式中，可以将不同的转储任务写入分布式文件系统中的不同存储位置。以实现数据库中的数据的分布存储。

S405，在将数据库中的数据片段写入分布式文件系统的过程中，检测到预设故障的情况下，确定预设故障发生前写入成功的第一文件及预设故障关联的第二文件。

在本实施例中，可分别对每个数据转储服务将数据片段写入分布式文件系统的过程进行检测，并在任一数据转储服务的数据写入过程中，检测到预设故障的情况下，仅对任一数据转储服务的写入过程进行断点重传。即各数据转储服务的写入过程互不影响。

S406,基于第一文件关联的第一进度信息，确定待重新写入的数据片段。

S407，删除第二文件，并重新创建新的第二文件。

S408,将待重新写入的数据片段，写入新的第二文件中。

其中，步骤S407至步骤S408的具体实现形式，可参照本公开中，其他各实施例中的详细描述，此处不再具体赘述。

本公开实施例中，在数据库中的任一数据表中包含的数据量大于第二阈值、且支持多个数据转储服务并行运行的情况下，基于预设的第四数量，将任一数据表中的数据划分为多个转储任务，获取多个数据转储服务的第二数量、及多个转储任务的第五数量，之后将第二数量与第五数量中的最小值，确定为第二目标数量，并行运行第二目标数量个数据转储服务，以将第二目标数量个转储任务中的数据片段，并行写入分布式文件系统中的不同存储位置，且在检测到预设故障的情况下，确定预设故障发生前写入成功的第一文件及预设故障关联的第二文件，基于第一文件关联的第一进度信息，确定待重新写入的数据片段，进而删除第二文件，并重新创建新的第二文件，最后将待重新写入的数据片段，写入新的第二文件中。由此，可以通过并行运行多个数据转储服务，将由一个数据表拆分的多个转储任务并行写入分布式文件系统中，从而提高了数据写入的效率，且各数据转储服务的写入过程互不影响，进而在任一转储任务数据的写入过程中，检测到预设故障的情况下，只需对任一转储任务的写入过程进行断点重传。

图5是根据本公开又一实施例提供的一种数据转储方法的示意图；如图5所示，将数据库中的数据划分为多个转储任务、任务1、任务2、任务3、……、任务N；基于转储任务的数量、及导出程序的数量；将多个转储任务中的数据片段，并行写入分布式文件系统中的不同存储位置。且分布式文件系统中不同存储位置存储对应任务对应的进度文件。

其中，任务1、任务2、任务3、……、任务N，可以是同一个数据表中的数据、也可以是不同数据表中的数据。每个任务有对应的主键值的起止范围。

图6是根据本公开又一实施例提供的一种数据转储装置的结构示意图；

如图6所示，该数据转储装置600，包括：

第一确定模块610，用于在将数据库中的数据片段写入分布式文件系统的过程中，检测到预设故障的情况下，确定预设故障发生前写入成功的第一文件及预设故障关联的第二文件；

第二确定模块620，用于基于第一文件关联的第一进度信息，确定待重新写入的数据片段；

处理模块630，用于删除第二文件，并重新创建新的第二文件；

写入模块640，用于将待重新写入的数据片段，写入新的第二文件中。

在本公开的一些实施例中，第一确定模块610，具体用于：

在将数据片段写入第二文件过程中，检测到数据传输中断，确定检测到预设故障；或者，

在检测到第二文件关闭失败的情况下，确定检测到预设故障；或者，

在检测到第三文件创建失败的情况下，确定检测到预设故障；或者，

在检测到第二文件关联的第二进度信息写入分布式文件系统中的进度文件失败的情况下，确定检测到预设故障。

在本公开的一些实施例中，还包括第三确定模块，用于：

在任一数据片段已写入第二文件，且第二文件中包含的数据量大于第一阈值的情况下，关闭第二文件，并创建第三文件；

根据第二文件中已写入的数据片段对应的第一标识信息及第二文件的编号，确定第二文件关联的第二进度信息。

在本公开的一些实施例中，还包括获取模块，用于：

获取数据库的每个数据表中的每条数据对应的主键值；

基于主键值对应的顺序及预设的第一数量，将每个数据表中的数据划分为至少一个数据片段。

在本公开的一些实施例中，第三确定模块，具体用于：

在第一标识信息包含数据片段所在的数据表的标识、数据片段中最后一条数据对应的主键值的情况下，将第二文件中已写入的数据片段所在的数据表的标识、第二文件中已写入的最后一条数据对应的主键值、及第二文件的编号，确定为第二进度信息。

在本公开的一些实施例中，写入模块640，还用于：

在数据库中包含多个数据表，且支持多个数据转储服务并行运行的情况下，获取多个数据转储服务的第二数量、及多个数据表的第三数量；

将第二数量与第三数量中的最小值，确定为第一目标数量；

并行运行第一目标数量个数据转储服务，以将第一目标数量个数据表中的数据片段，并行写入分布式文件系统中的不同存储位置。

在本公开的一些实施例中，写入模块640，还用于：

在数据库中的任一数据表中包含的数据量大于第二阈值、且支持多个数据转储服务并行运行的情况下，基于预设的第四数量，将任一数据表中的数据划分为多个转储任务；

获取多个数据转储服务的第二数量、及多个转储任务的第五数量；

将第二数量与第五数量中的最小值，确定为第二目标数量；

并行运行第二目标数量个数据转储服务，以将第二目标数量个转储任务中的数据片段，并行写入分布式文件系统中的不同存储位置。

需要说明的是，前述对数据转储方法的解释说明也适用于本实施例的数据转储装置，此处不再赘述。

本公开实施例中，在将数据库中的数据片段写入分布式文件系统的过程中，检测到预设故障的情况下，确定预设故障发生前写入成功的第一文件及预设故障关联的第二文件，之后基于第一文件关联的第一进度信息，确定待重新写入的数据片段，进而删除第二文件，并重新创建新的第二文件，最后将待重新写入的数据片段，写入新的第二文件中。由此，可以在检测到预设故障时，删除与预设故障关联的第二文件，并重新创建新的第二文件，将待重新写入的数据片段写入新的第二文件，从而在保证数据写入分布式文件系统的准确性的同时，实现了断点续传，提高了数据转储的效率。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子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/或者要求的本公开的实现。

如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700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。

计算单元701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。计算单元701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计算单元、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。计算单元701执行上文所描述的各个方法和处理，例如数据转储。例如，在一些实施例中，数据转储可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的数据转储的一个或多个步骤。备选地，在其他实施例中，计算单元701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转储。

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。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码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或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码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。

在本公开的上下文中，机器可读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程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读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。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，可以在计算机上实施此处描述的系统和技术，该计算机具有：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计算机。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)、互联网及区块链网络。

计算机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("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

本公开实施例中，在将数据库中的数据片段写入分布式文件系统的过程中，检测到预设故障的情况下，确定预设故障发生前写入成功的第一文件及预设故障关联的第二文件，之后基于第一文件关联的第一进度信息，确定待重新写入的数据片段，进而删除第二文件，并重新创建新的第二文件，最后将待重新写入的数据片段，写入新的第二文件中。由此，可以在检测到预设故障时，删除与预设故障关联的第二文件，并重新创建新的第二文件，将待重新写入的数据片段写入新的第二文件，从而在保证数据写入分布式文件系统的准确性的同时，实现了断点续传，提高了数据转储的效率。

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，本发公开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，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。在本公开的描述中，所使用的词语“如果”及“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“在……情况下”。

上述具体实施方式，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种数据转储方法，包括：

在将数据库中的数据片段写入分布式文件系统的过程中，检测到预设故障的情况下，确定所述预设故障发生前写入成功的第一文件及所述预设故障关联的第二文件；

基于所述第一文件关联的第一进度信息，确定待重新写入的数据片段；

删除所述第二文件，并重新创建新的第二文件；

将所述待重新写入的数据片段，写入所述新的第二文件中。

2.根据权利要求1所述的方法，其中，所述检测到预设故障，包括：

在将数据片段写入所述第二文件过程中，检测到数据传输中断，确定检测到所述预设故障；或者，

在检测到所述第二文件关闭失败的情况下，确定检测到所述预设故障；或者，

在检测到第三文件创建失败的情况下，确定检测到所述预设故障；或者，

在检测到所述第二文件关联的第二进度信息写入所述分布式文件系统中的进度文件失败的情况下，确定检测到所述预设故障。

3.根据权利要求2所述的方法，其中，还包括：

在任一数据片段已写入所述第二文件，且所述第二文件中包含的数据量大于第一阈值的情况下，关闭所述第二文件，并创建所述第三文件；

根据所述第二文件中已写入的数据片段对应的第一标识信息及所述第二文件的编号，确定所述第二文件关联的第二进度信息。

4.根据权利要求3所述的方法，其中，在所述将数据库中的数据片段写入分布式文件系统之前，还包括：

获取所述数据库的每个数据表中的每条数据对应的主键值；

基于所述主键值对应的顺序及预设的第一数量，将每个所述数据表中的数据划分为至少一个数据片段。

5.根据权利要求4所述的方法，其中，所述根据所述第二文件中已写入的数据片段对应的第一标识信息及所述第二文件的编号，确定所述第二文件关联的第二进度信息，包括：

在所述第一标识信息包含所述数据片段所在的数据表的标识、所述数据片段中最后一条数据对应的主键值的情况下，将所述第二文件中已写入的数据片段所在的数据表的标识、所述第二文件中已写入的最后一条数据对应的主键值、及所述第二文件的编号，确定为所述第二进度信息。

6.根据权利要求1所述的方法，其中，所述将数据库中的数据片段写入分布式文件系统，还包括：

在所述数据库中包含多个数据表，且支持多个数据转储服务并行运行的情况下，获取所述多个数据转储服务的第二数量、及所述多个数据表的第三数量；

将所述第二数量与所述第三数量中的最小值，确定为第一目标数量；

并行运行所述第一目标数量个数据转储服务，以将第一目标数量个数据表中的数据片段，并行写入所述分布式文件系统中的不同存储位置。

7.根据权利要求1所述的方法，其中，所述将数据库中的数据片段写入分布式文件系统，还包括：

在所述数据库中的任一数据表中包含的数据量大于第二阈值、且支持多个数据转储服务并行运行的情况下，基于预设的第四数量，将所述任一数据表中的数据划分为多个转储任务；

获取所述多个数据转储服务的第二数量、及所述多个转储任务的第五数量；

将所述第二数量与所述第五数量中的最小值，确定为第二目标数量；

并行运行所述第二目标数量个数据转储服务，以将第二目标数量个转储任务中的数据片段，并行写入所述分布式文件系统中的不同存储位置。

8.一种数据转储装置，包括：

第一确定模块，用于在将数据库中的数据片段写入分布式文件系统的过程中，检测到预设故障的情况下，确定所述预设故障发生前写入成功的第一文件及所述预设故障关联的第二文件；

第二确定模块，用于基于所述第一文件关联的第一进度信息，确定待重新写入的数据片段；

处理模块，用于删除所述第二文件，并重新创建新的第二文件；

写入模块，用于将所述待重新写入的数据片段，写入所述新的第二文件中。

9.根据权利要求8所述的装置，其中，所述第一确定模块，具体用于：

在将数据片段写入所述第二文件过程中，检测到数据传输中断，确定检测到所述预设故障；或者，

在检测到所述第二文件关闭失败的情况下，确定检测到所述预设故障；或者，

在检测到第三文件创建失败的情况下，确定检测到所述预设故障；或者，

在检测到所述第二文件关联的第二进度信息写入所述分布式文件系统中的进度文件失败的情况下，确定检测到所述预设故障。

10.根据权利要求9所述的装置，其中，还包括第三确定模块，用于：

在任一数据片段已写入所述第二文件，且所述第二文件中包含的数据量大于第一阈值的情况下，关闭所述第二文件，并创建所述第三文件；

根据所述第二文件中已写入的数据片段对应的第一标识信息及所述第二文件的编号，确定所述第二文件关联的第二进度信息。

11.根据权利要求10所述的装置，其中，还包括获取模块，用于：

获取所述数据库的每个数据表中的每条数据对应的主键值；

基于所述主键值对应的顺序及预设的第一数量，将每个所述数据表中的数据划分为至少一个数据片段。

12.根据权利要求11所述的装置，其中，所述第三确定模块，具体用于：

在所述第一标识信息包含所述数据片段所在的数据表的标识、所述数据片段中最后一条数据对应的主键值的情况下，将所述第二文件中已写入的数据片段所在的数据表的标识、所述第二文件中已写入的最后一条数据对应的主键值、及所述第二文件的编号，确定为所述第二进度信息。

13.根据权利要求8所述的装置，其中，所述写入模块，还用于：

在所述数据库中包含多个数据表，且支持多个数据转储服务并行运行的情况下，获取所述多个数据转储服务的第二数量、及所述多个数据表的第三数量；

将所述第二数量与所述第三数量中的最小值，确定为第一目标数量；

并行运行所述第一目标数量个数据转储服务，以将第一目标数量个数据表中的数据片段，并行写入所述分布式文件系统中的不同存储位置。

14.根据权利要求8所述的装置，其中，所述写入模块，还用于：

在所述数据库中的任一数据表中包含的数据量大于第二阈值、且支持多个数据转储服务并行运行的情况下，基于预设的第四数量，将所述任一数据表中的数据划分为多个转储任务；

获取所述多个数据转储服务的第二数量、及所述多个转储任务的第五数量；

将所述第二数量与所述第五数量中的最小值，确定为第二目标数量；

并行运行所述第二目标数量个数据转储服务，以将第二目标数量个转储任务中的数据片段，并行写入所述分布式文件系统中的不同存储位置。

15.一种电子设备，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指令，所述指令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1-7中任一项所述的方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。

17.一种计算机程序产品，包括计算机指令，所述计算机指令被处理器执行时实现权利要求1-7中任一项所述方法的步骤。