CN117349401B - 一种非结构化数据的元数据存储方法、装置、介质及设备 - Google Patents
一种非结构化数据的元数据存储方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN117349401B CN117349401B CN202311665185.3A CN202311665185A CN117349401B CN 117349401 B CN117349401 B CN 117349401B CN 202311665185 A CN202311665185 A CN 202311665185A CN 117349401 B CN117349401 B CN 117349401B
- Authority
- CN
- China
- Prior art keywords
- metadata
- storage
- unstructured data
- data
- determining
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012986 modification Methods 0.000 claims description 21
- 230000004048 modification Effects 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012217 deletion Methods 0.000 claims description 4
- 230000037430 deletion Effects 0.000 claims description 4
- 238000003780 insertion Methods 0.000 claims description 4
- 230000037431 insertion Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000013500 data storage Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
在本说明书提供的一种非结构化数据的元数据存储方法、装置、介质及设备中，通过响应于第一用户输入的包含非结构化数据的元数据存储请求，对非结构化数据的提取，确定符合预设元数据分类的原始数据。再通过对原始数据的解析，确定原始数据中对应预设元数据分类的结构化元数据。最后将结构化元数据存储在湖仓一体存储平台中，供第二用户检索并管理。使得不同权限的用户能够高效的检索并管理非结构化数据中需要管理的结构化元数据。
Description
技术领域
本说明书涉及计算机技术领域，尤其涉及一种非结构化数据的元数据存储方法、装置、介质及设备。
背景技术
近年来，随着计算机技术的发展，大数据时代已经到来，与之对应的数据存储需求也越来越强。
在现有技术中，需要存储的数据中，非结构化数据占了较大比重。而因非结构化数据存在数据结构不规则或不完整、没有预定义的情况，每个用户会将各自的非结构化数据存储至不同的存储系统当中。正因为此，对于不同权限的用户来说，如何高效的对他人的非结构化数据进行管理成为了一个难题。
为此，本说明书提供了一种非结构化数据的元数据存储方法。
发明内容
本说明书提供一种非结构化数据的元数据存储方法、装置、介质及设备，以部分解决现有技术存在的上述问题。
本说明书采用下述技术方案：
一种非结构化数据的元数据存储方法，包括：
响应于第一用户输入的携带非结构化数据的元数据存储请求，确定湖仓一体存储平台中预设的元数据分类，并确定所述存储请求中的非结构化数据；
遍历所述非结构化数据，确定所述非结构化数据中属于任一元数据分类的信息，作为从所述非结构化数据中提取出的原始信息，所述原始信息对应至少一种元数据分类；
针对每种元数据分类，通过对所述原始信息进行字符串解析，确定所述原始信息中与该元数据分类对应的子数据，将解析得到的子数据与该元数据分类，作为所述原始信息中提取得到的结构化元数据；
将确定出的各结构化元数据存储至所述湖仓一体存储平台，当接收到第二用户的检索请求时，从存储的所述各结构化元数据中，确定与所述检索请求中携带的关键词匹配的结构化元数据，作为检索结果返回所述第二用户。
可选地，所述方法还包括：
遍历所述非结构化数据，确定所述非结构化数据中属于任一元数据分类的信息，作为从所述非结构化数据中提取出的原始信息的同时，若任一原始信息确定，记录确定所述原始信息的时间，并对应记录所述原始信息在非结构化数据中的位置，将记录内容作为遍历状态信息；
当遍历中断，确定中断时间，并根据各遍历状态信息中的时间，记录距所述中断时间最近的遍历状态信息；
当接收到断点续传请求，确定断点续传请求中的中断时间，并根据距所述中断时间最近的遍历状态信息，对所述非结构化数据继续进行遍历。
可选地，所述存储请求中还携带有非结构化信息的存储类型，所述存储类型包括对象以及文件；
通过对所述原始信息进行字符串解析，确定所述原始信息中与该元数据分类对应的子数据，将解析得到的子数据与该元数据分类，作为所述原始信息中提取得到的结构化元数据，具体包括：
确定所述存储请求中携带的存储类型；
确定与所述存储类型对应的接口，将所述非结构化数据发送至所述接口，根据所述接口对应的子数据类型，对所述原始信息进行字符串解析，得到与包括名称、路径、格式以及修改时间在内的一种或多种子数据类型匹配的子数据；
根据所述各元数据分类，对所述子数据类型匹配的子数据进行筛选，得到所述各元数据分类对应的各子数据，并将所述各元数据分类的子数据作为结构化元数据。
可选地，所述方法还包括：
根据所述存储请求，确定该存储请求对应的存储任务的存储编号，以及该存储请求对应的存储任务的启动时间；
将所述结构化元数据加载并存储至湖仓一体存储平台中，具体包括：
确定所述携带非结构化数据的元数据存储请求中的非结构化数据的存储路径以及非结构化数据的名称；
通过数据湖管理框架，将所述结构化元数据装载到湖仓一体存储平台中对应的容器中，并根据所述结构化元数据对应的非结构化数据的存储编号、非结构化数据的存储路径以及非结构化数据的名称，确定该结构化元数据的索引；
将所述索引与对应的结构化元数据存入湖仓一体存储平台。
可选地，所述方法还包括：
当将所述索引与对应的结构化元数据存入湖仓一体存储平台时，根据用于快速检索的预设的数据外表种类，确定所述结构化元数据的外表，并将所述外表以及对应的结构化数据存入湖仓一体存储平台，其中，所述预设的数据外表包括存储编号、路径、名称、存储类型、占用字节、格式、更新时间以及修改时间中的一种或多种。
可选地，将所述元数据外表存入湖仓一体存储平台，具体包括：
确定用户输入的存储所述非结构化数据的请求中的采集类型，并确定与增量采集类型对应输入的增量采集时间间隔、增量采集类型对应元数据的更新时间以及增量采集类型对应元数据的修改时间；
若用户输入的采集类型为全量采集类型，对所述结构化元数据进行批量写入的批处理存储；
若用户输入的采集类型为增量采集类型，确定本次启动时间，并确定与当前时间最近的启动时间，作为上次启动时间；
当所述当前时间与上次启动时间的更新间隔等于所述增量采集时间间隔时，若所述修改时间大于等于所述上次启动时间，将该元数据外表以更新插入组合的方式增量写入；
若所述更新时间小于等于所述本次启动时间，将该元数据外表以对比删除的方式增量删除。
可选地，所述方法还包括：
当响应于第一用户输入的携带非结构化数据的元数据存储请求时，根据所述存储请求以及所述存储请求对应的元数据种类，确定存储任务，并将所述存储任务记录至任务表中；
遍历所述非结构化数据，具体包括：
按照预设的并发数量，同时确定所述任务表中所述存储任务的所述并发数量的任务节点，并执行存储，当提取所述非结构化数据对应的存储任务时，通过所述存储任务节点，执行所述非结构化数据对应的存储任务，遍历所述非结构化数据。
本说明书提供了一种非结构化数据的元数据存储装置，包括：
响应模块，响应于第一用户输入的携带非结构化数据的元数据存储请求，确定湖仓一体存储平台中预设的元数据分类，并确定所述存储请求中的非结构化数据；
提取模块，遍历所述非结构化数据，确定所述非结构化数据中属于任一元数据分类的信息，作为从所述非结构化数据中提取出的原始信息，所述原始信息对应至少一种元数据分类；
解析模块，针对每种元数据分类，通过对所述原始信息进行字符串解析，确定所述原始信息中与该元数据分类对应的子数据，将解析得到的子数据与该元数据分类，作为所述原始信息中提取得到的结构化元数据；
存储模块，将确定出的各结构化元数据存储至所述湖仓一体存储平台；
检索模块，接收到第二用户的检索请求时，从存储的所述各结构化元数据中，确定与所述检索请求中携带的关键词匹配的结构化元数据，作为检索结果返回所述第二用户。
本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现非结构化数据的元数据存储方法。
本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现非结构化数据的元数据存储方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果：
通过响应于第一用户输入的包含非结构化数据的元数据存储请求，对非结构化数据的提取，确定符合预设元数据分类的原始数据。再通过对原始数据的解析，确定原始数据中对应预设元数据分类的结构化元数据。最后将结构化元数据存储在湖仓一体存储平台中，供第二用户检索并管理。
通过将第一用户输入的非结构化数据提取，取得结构化元数据并存储在湖仓一体存储平台中以供第二用户检索的方法，不同权限的用户能够高效的检索并管理非结构化数据中需要管理的结构化元数据。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
图1为本说明书提供的一种非结构化数据的元数据存储方法的流程示意图；
图2为本说明书提供的一种非结构化数据的元数据存储方法的提取器提取流程示意图；
图3为本说明书提供的一种非结构化数据的元数据存储方法的存储流程示意图；
图4为本说明书提供的一种非结构化数据的元数据存储装置流程示意图；
图5为本说明书提供的一种对应于图1的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本说明书保护的范围。
此处需说明的是，本说明书提供的非结构化数据的元数据存储方法可使用计算机或服务器执行，而对于执行方法的具体主体，本说明书在此不作限制。且为方便本说明书描述，本说明书以服务器执行该非结构化数据的元数据存储方法为例进行说明。
以下结合附图，详细说明本说明书各实施例提供的技术方案。
图1为本说明书提供的非结构化数据的元数据存储方法流程示意图，具体包括以下步骤：
S101：响应于第一用户输入的携带非结构化数据的元数据存储请求，确定湖仓一体存储平台中预设的元数据分类，并确定所述元数据存储请求中的非结构化数据。
为解决如何对非结构化数据进行管理的问题，服务器应先对第一用户输入的元数据存储需求中的非结构化数据进行确认，才能进行进一步操作。然而，若后续第二用户直接管理第一用户的非结构化数据，使其在第一用户未知的情况发生变动，会有较大的隐私安全问题。为此，在保护第一用户隐私的情况下，使得第二用户能够对第一用户的非结构化数据进行管理，第二用户应先参照供存储所用的存储平台可接收的元数据分类，预设所需关键分类，以期在后续步骤中对非结构化数据中预设关键分类的元数据进行提取并存储以供管理。即预设第二用户所需的关键分类为元数据分类。
在本说明书实施例中，采用一种现有的湖仓一体架构的数据库作为供存储所用的存储平台进行说明，为方便描述，称之为湖仓一体存储平台。并且，为方便服务器对预设元数据分类进行提取，采用任务表的形式对预设元数据分类进行存储。其中，任务表中内容包括：任务编号、任务采集类型、任务采集目录、存储类型、任务最近启动时间、任务增量采集时间间隔。
具体的，服务器根据预设的元数据分类构建任务信息，并将任务信息存储到任务表，该任务指派到数据计算引擎的云原生容器中去执行。其中，预设的元数据分类可由第一用户根据其对非结构化数据的管理需求，在前端可视化页面上填写元数据分类的构建任务配置信息。服务器响应该构建任务配置信息，并将任务配置信息存储至任务表中。
此处需额外说明，在本说明书实施例中，第一用户以及第二用户为一个概念，并非指的单一用户。并且，本方法允许第一用户与第二用户群体产生重叠，即允许第二用户管理第二用户输入的非结构化数据的元数据。类似的，本说明书不对第一用户以及第二用户限制，即只要输入存储请求并设置管理需求的皆为第一用户，输入检索请求的皆为第二用户。
S103：遍历所述非结构化数据，确定所述非结构化数据中属于任一元数据分类的信息，作为从所述非结构化数据中提取出的原始信息，所述原始信息对应至少一种元数据分类。
为先对非结构化数据的元数据进行存储，服务器根据预设的元数据分类，对上一步骤中获取的非结构化数据进行提取。
在本说明书实施例中，通过数据计算引擎，服务器根据预设的并发度，对非结构化数据进行高并发地元数据ETL同步作业。其中，预设并发度越高，多线程同时处理的任务节点越多，处理该任务的速度越快。
具体的，根据需要执行的任务，服务器基于数据计算引擎高并发地进行非结构化数据存储的元数据抽取、转换和加载（ETL，Extract-Transform-Load）同步作业。
服务器在任务表的元数据分类中记录该提取任务的启动时间，元数据提取器将自适应地对非结构化数据进行遍历，提取出对应于预设元数据分类的原始信息。其中，元数据提取器中进行的流程如图2所示：确定需同步的非结构化数据。根据接收到的指定任务的存储编号，在任务表中查询到该任务的预设分类，并根据不同任务存储类型，自适应地对文件存储类型采用可移植操作系统接口（POSIX，Portable Operating System Interface）或者网络附属存储接口（NASI/O，Network Attached StorageInput/Output），对对象存储类型采用亚马逊S3接口（Amason S3Input/Output，Amason S3I/O）的方式，遍历指定非结构化数据的目录下所有文件和子目录，提取并得到预设元数据分类的原始信息。
其中，存储编号是非结构化数据存储在其他系统的系统名称。对于该非结构化数据存储，通常是通过非结构化数据的地址，在该存储编号对应系统中进行检索。
S105：针对每种元数据分类，通过对所述原始信息进行字符串解析，确定所述原始信息中与该元数据分类对应的子数据，将解析得到的子数据与该元数据分类，作为所述原始信息中提取得到的结构化元数据。
因上一步骤提取得到的非结构化数据的原始信息存在对应多个预设元数据分类的情况，需要对原始数据进行进一步分类，即通过服务器，对原始进行进一步解析并将解析得到的子数据整理为结构化元数据。
在本说明书实施例中，所述存储请求中还携带有非结构化信息的存储类型，所述存储类型包括对象以及文件。通过对所述原始信息进行字符串解析，确定所述原始信息中与该元数据分类对应的子数据，将解析得到的子数据与该元数据分类，作为所述原始信息中提取得到的结构化元数据：确定所述存储请求中携带的存储类型。确定与所述存储类型对应的接口，通过所述接口，根据所述接口对应的子数据类型，对所述原始信息进行字符串解析，得到与包括名称、路径、格式以及修改时间在内的一种或多种子数据类型匹配的子数据。根据所述各元数据分类，对所述子数据类型匹配的子数据进行筛选，得到所述各元数据分类对应的各子数据，并将所述各元数据分类的子数据作为结构化元数据。
具体的，通过将原始数据进行字段映射，服务器解析得到子数据。根据原始数据携带的存储类型信息、不同存储类型对应的不同数据结构，对原始元数据信息进行字符串解析，得到包括文件名称、文件路径、文件格式，并记录修改时间的子数据，并将子数据结构化。
S107：将确定出的各结构化元数据存储至所述湖仓一体存储平台，当接收到第二用户的检索请求时，从存储的所述各结构化元数据中，确定与所述检索请求中携带的关键词匹配的结构化元数据，作为检索结果返回所述第二用户。
将上一步骤中获得原始数据对应的结构化元数据存储，并当服务器接收到第二用户发送检索请求后，返回对应的结构化元数据，以供其进行其他管理操作。
在本说明书实施例中，根据所述存储请求，确定该存储请求对应的存储任务的存储编号，以及该存储请求对应的存储任务的启动时间。将所述结构化元数据加载并存储至湖仓一体存储平台中：确定所述携带非结构化数据的元数据存储请求中的非结构化数据的存储路径以及非结构化数据的名称。通过数据湖管理框架，将所述结构化元数据装载到湖仓一体存储平台中对应的容器中，并根据所述结构化元数据对应的非结构化数据的存储编号、非结构化数据的存储路径以及非结构化数据的名称，确定该结构化元数据的索引。将所述索引与对应的结构化元数据存入湖仓一体存储平台。
在本说明书实施例中，服务器确定用户输入的存储非结构化数据的请求中的采集类型，并确定与增量采集类型对应输入的增量采集时间间隔、增量采集类型对应元数据的更新时间以及增量采集类型对应元数据的修改时间。若用户输入的采集类型为全量采集类型，对结构化元数据进行批量写入的批处理存储。若用户输入的采集类型为增量采集类型，确定本次启动时间，并确定与当前时间最近的启动时间，作为上次启动时间。当当前时间与上次启动时间的更新间隔等于增量采集时间间隔时，若修改时间大于等于上次启动时间，将该元数据外表以更新插入组合的方式增量写入。若更新时间小于等于本次启动时间，将该元数据外表以对比删除的方式增量删除。
具体的，存储流程如图3所示：服务器将结构化元数据存入湖仓一体存储平台中，根据任务信息中包括全量采集类型或增量采集类型的任务采集类型，对于全量采集任务场景进行批处理，服务器将结构化元数据通过数据湖管理框架装载到对象存储集群中，通过获取元数据外表中的各类信息，采用非结构化数据外表中的存储名、文件路径和文件名作为表的唯一索引，同时将元数据的外表同步至数仓分析引擎中。其中，元数据的外表可采用提要（XML Schema，Schema）,具体包括：非结构化数据存储编号、路径、名称、存储类型、占用字节、格式、更新时间以及修改时间等字段。存储类型包括文件以及对象。
服务器将结构化元数据存入湖仓一体存储平台中，根据任务信息中包括全量采集类型或者增量采集类型的任务采集类型，对于增量采集类型的任务进行流处理。若服务器流式读取数据源中数据的修改时间大于等于任务上次启动时间，确定该增量数据，并将增量数据以更新插入组合方式写入湖仓一体存储平台。若服务器流式读取数据湖中数据的更新时间小于等于任务本次启动时间，确定该可能删除数据，查询非结构化数据存储中是否存在该可能删除数据，若存在，则不处理，若不存在，则删除数据湖中本条存储记录。
基于图1所示的非结构化数据的元数据存储方法可达到：通过将第一用户输入的非结构化数据提取，取得结构化元数据并存储在湖仓一体存储平台中以供第二用户检索的方法，不同权限的用户能够检索并管理非结构化数据中需要管理的结构化元数据。
此处需额外说明，第二用户通过用户检索界面，使用结构化查询语言（SQL，Structured Query Language）对湖仓一体存储平台中存储的元数据表进行访问、查询、分析和管理。其中，用户检索界面来自于通过湖仓和用户检索界面使用云原生部署方式，为每个租户提供一个不同湖仓容器和不同检索界面的容器的组合。其中，租户类似于一个单位，通常不由单个用户组成，对于不同的租户，有不同的第一用户以及第二用户群体，但为保护租户隐私，以租户为单位存储在湖仓一体存储平台的元数据是隔离的，即在排除运维人员特殊权限的情况下，对于单独的第二用户而言，不论权限有多高，都不能管理非第二用户所在租户的第一用户元数据，最多只能对该第二用户所在租户的所有第一用户非结构化数据元数据进行管理。
本说明书提供方法还包括，因在步骤S103中，遍历所需时间一般偏长，用户不一定有足量遍历的时间进行遍历，为此本方案还提供了一种断点续传方法。
具体的，在步骤S103中服务器遍历所述非结构化数据，确定所述非结构化数据中属于任一元数据分类的信息，作为从所述非结构化数据中提取出的原始信息的同时，若任一原始信息确定，服务器记录确定所述原始信息的时间，并对应记录所述原始信息在非结构化数据中的位置，将记录内容作为遍历状态信息。当遍历中断，确定中断时间，并根据各遍历状态信息中的时间，记录距所述中断时间最近的遍历状态信息。当接收到断点续传请求，确定断点续传请求中的中断时间，并根据距所述中断时间最近的遍历状态信息，对所述非结构化数据继续进行遍历。
本说明书提供方法还包括，因在步骤S107中，提供了的以外表上预设种类索引为唯一索引的方法，该唯一索引用于保证数据唯一性，提高查询效率。
具体的，当服务器于步骤S107中将所述索引与对应的结构化元数据存入湖仓一体存储平台时，并将所述外表以及对应的结构化数据存入湖仓一体存储平台，其中，所述预设的数据外表包括存储编号、路径、名称、存储类型、占用字节、格式、更新时间以及修改时间中的一种或多种。其中，更新时间随着每次随着第一用户上传更新请求，随各更新进行自主变更，且始终为距观测时间可采集到最近的一次更新的时间。
本说明书还提供了与图1非结构化数据的元数据存储方法的流程图对应的装置，如图4所示：
响应模块201，响应于第一用户输入的携带非结构化数据的元数据存储请求，确定湖仓一体存储平台中预设的元数据分类，并确定所述存储请求中的非结构化数据；
提取模块203，遍历所述非结构化数据，确定所述非结构化数据中属于任一元数据分类的信息，作为从所述非结构化数据中提取出的原始信息，所述原始信息对应至少一种元数据分类；
解析模块205，针对每种元数据分类，通过对所述原始信息进行字符串解析，确定所述原始信息中与该元数据分类对应的子数据，将解析得到的子数据与该元数据分类，作为所述原始信息中提取得到结构化元数据；
存储模块207，将确定出的各结构化元数据存储至所述湖仓一体存储平台；
检索模块209，接收到第二用户的检索请求时，从存储的所述各结构化元数据中，确定与所述检索请求中携带的关键词匹配的结构化元数据，作为检索结果返回所述第二用户。
可选地，提取模块203用于遍历所述非结构化数据，确定所述非结构化数据中属于任一元数据分类的信息，作为从所述非结构化数据中提取出的原始信息的同时，若任一原始信息确定，记录确定所述原始信息的时间，并对应记录所述原始信息在非结构化数据中的位置，将记录内容作为遍历状态信息。当遍历中断，确定中断时间，并根据各遍历状态信息中的时间，记录距所述中断时间最近的遍历状态信息。当接收到断点续传请求，确定断点续传请求中的中断时间，并根据距所述中断时间最近的遍历状态信息，对所述非结构化数据继续进行遍历。
可选地，所述存储请求中还携带有非结构化信息的存储类型，所述存储类型包括对象以及文件，解析模块205用于通过对所述原始信息进行字符串解析，确定所述原始信息中与该元数据分类对应的子数据，将解析得到的子数据与该元数据分类，作为所述原始信息中提取得到的结构化元数据，确定所述存储请求中携带的存储类型。确定与所述存储类型对应的接口，通过所述接口，根据所述接口对应的子数据类型，对所述原始信息进行字符串解析，得到与包括名称、路径、格式以及修改时间在内的一种或多种子数据类型匹配的子数据。根据所述各元数据分类，对所述子数据类型匹配的子数据进行筛选，得到所述各元数据分类对应的各子数据，并将所述各元数据分类的子数据作为结构化元数据。
可选地，存储模块207用于根据所述存储请求，确定该存储请求对应的存储任务的非结构化数据的存储编号，以及该存储请求对应的存储任务的启动时间。将所述结构化元数据加载并存储至湖仓一体存储平台中，具体包括：确定所述携带非结构化数据的元数据存储请求中的非结构化数据的存储路径以及非结构化数据的名称。通过数据湖管理框架，将所述结构化元数据装载到湖仓一体存储平台中对应的容器中，并根据所述结构化元数据对应的非结构化数据的存储编号、非结构化数据的存储路径以及非结构化数据的名称，确定该结构化元数据的索引。将所述索引与对应的结构化元数据存入湖仓一体存储平台。
可选地，存储模块207用于当将所述索引与对应的结构化元数据存入湖仓一体存储平台时，根据用于快速检索的预设的数据外表种类，确定所述结构化元数据的外表，并将所述外表以及对应的结构化数据存入湖仓一体存储平台，其中，所述预设的数据外表包括存储编号、路径、名称、存储类型、占用字节、格式、以更新时间以及修改时间中的一种或多种。
可选地，存储模块207用于将所述元数据外表存入湖仓一体存储平台，确定用户输入的存储非结构化数据的请求中的采集类型，并确定与增量采集类型对应输入的增量采集时间间隔、增量采集类型对应元数据的更新时间以及增量采集类型对应元数据的修改时间。若用户输入的采集类型为全量采集类型，对结构化元数据进行批量写入的批处理存储。若用户输入的采集类型为增量采集类型，确定本次启动时间，并确定与当前时间最近的启动时间，作为上次启动时间。当当前时间与上次启动时间的更新间隔等于增量采集时间间隔时，若修改时间大于等于上次启动时间，将该元数据外表以更新插入组合的方式增量写入。若更新时间小于等于本次启动时间，将该元数据外表以对比删除的方式增量删除。
可选地，响应模块201用于当响应于第一用户输入的携带非结构化数据的元数据存储请求时，根据所述存储请求以及所述存储请求对应的元数据种类，确定存储任务，并将所述存储任务记录至任务表中。遍历所述非结构化数据，包括：按照预设的并发数量，同时确定所述任务表中所述存储任务的所述并发数量的任务节点，并执行存储，当提取所述非结构化数据对应的存储任务时，通过所述存储任务节点，执行所述非结构化数据对应的存储任务，遍历所述非结构化数据。
本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述非结构化数据的元数据存储方法。
本说明书还提供了图5所示的一种对应于图1的电子设备的示意结构图。如图5，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1的非结构化数据的元数据存储方法。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（Programmable Logic Device， PLD）（例如现场可编程门阵列（Field Programmable GateArray，FPGA））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logic compiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（Hardware Description Language，HDL），而HDL也并非仅有一种，而是有许多种，如ABEL（Advanced Boolean Expression Language）、AHDL（Altera Hardware DescriptionLanguage）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（Java Hardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（RubyHardware Description Language）等，目前最普遍使用的是VHDL（Very-High-SpeedIntegrated Circuit Hardware Description Language）与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（Application Specific Integrated Circuit，ASIC）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器（CPU）、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器（RAM）和/或非易失性内存等形式，如只读存储器（ROM）或闪存（flash RAM）。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存（PRAM）、静态随机存取存储器（SRAM）、动态随机存取存储器（DRAM）、其他类型的随机存取存储器（RAM）、只读存储器（ROM）、电可擦除可编程只读存储器（EEPROM）、快闪记忆体或其他内存技术、只读光盘只读存储器（CD-ROM）、数字多功能光盘（DVD）或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体（transitory media），如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。
Claims (9)
1.一种非结构化数据的元数据存储方法，其特征在于，包括：
响应于第一用户输入的携带非结构化数据的元数据存储请求，确定湖仓一体存储平台中预设的元数据分类、所述元数据存储请求中的非结构化数据、所述元数据存储请求对应的存储任务的存储编号、所述元数据存储请求对应的存储任务的启动时间以及所述元数据存储请求中的非结构化数据的存储路径以及非结构化数据的名称；
遍历所述非结构化数据，确定所述非结构化数据中属于任一元数据分类的信息，作为从所述非结构化数据中提取出的原始信息，所述原始信息对应至少一种元数据分类；
针对每种元数据分类，通过对所述原始信息进行字符串解析，确定所述原始信息中与该元数据分类对应的子数据，将解析得到的子数据与该元数据分类，作为所述原始信息中提取得到的结构化元数据；
通过所述湖仓一体存储平台中的数据湖管理框架，将所述结构化元数据装载到所述湖仓一体存储平台中对应的容器中，并根据所述结构化元数据对应的非结构化数据的存储编号、非结构化数据的存储路径以及非结构化数据的名称，确定所述结构化元数据的索引；
根据所述索引，将所述索引与对应的所述结构化元数据存入所述湖仓一体存储平台；
当接收到第二用户的检索请求时，从存储的所述结构化元数据中，确定与所述检索请求中携带的关键词匹配的结构化元数据，作为检索结果返回所述第二用户。
2.如权利要求1所述方法，其特征在于，所述方法还包括：
遍历所述非结构化数据，确定所述非结构化数据中属于任一元数据分类的信息，作为从所述非结构化数据中提取出的原始信息的同时，若任一原始信息确定，记录确定所述原始信息的时间，并对应记录所述原始信息在非结构化数据中的位置，将记录内容作为遍历状态信息；
当遍历中断，确定中断时间，并根据各遍历状态信息中的时间，记录距所述中断时间最近的遍历状态信息；
当接收到断点续传请求，确定断点续传请求中的中断时间，并根据距所述中断时间最近的遍历状态信息，对所述非结构化数据继续进行遍历。
3.如权利要求1所述方法，其特征在于，所述元数据存储请求中还携带有非结构化信息的存储类型，所述存储类型包括对象以及文件；
通过对所述原始信息进行字符串解析，确定所述原始信息中与该元数据分类对应的子数据，将解析得到的子数据与该元数据分类，作为所述原始信息中提取得到的结构化元数据，具体包括：
确定所述元数据存储请求中携带的存储类型；
确定与所述存储类型对应的接口，通过所述接口，根据所述接口对应的子数据类型，对所述原始信息进行字符串解析，得到与包括名称、路径、格式以及修改时间在内的一种或多种子数据类型匹配的子数据；
根据各元数据分类，对所述子数据类型匹配的子数据进行筛选，得到所述各元数据分类对应的各子数据，并将所述各元数据分类的子数据作为结构化元数据。
4.如权利要求1所述方法，其特征在于，所述方法还包括：
当将所述索引与对应的结构化元数据存入湖仓一体存储平台时，根据用于快速检索的预设的数据外表种类，确定所述结构化元数据的外表，并将所述外表以及对应的结构化数据存入湖仓一体存储平台，其中，所述预设的数据外表包括存储编号、路径、名称、存储类型、占用字节、格式、更新时间以及修改时间中的一种或多种。
5.如权利要求1所述方法，其特征在于，将所述元数据外表存入湖仓一体，具体包括：
确定用户输入的存储所述非结构化数据的请求中的采集类型，并确定与增量采集类型对应输入的增量采集时间间隔、增量采集类型对应元数据的更新时间以及增量采集类型对应元数据的修改时间；
若用户输入的采集类型为全量采集类型，对所述结构化元数据进行批量写入的批处理存储；
若用户输入的采集类型为增量采集类型，确定本次启动时间，并确定与当前时间最近的启动时间，作为上次启动时间；
当所述当前时间与上次启动时间的更新间隔等于所述增量采集时间间隔时，若所述修改时间大于等于所述上次启动时间，将该元数据外表以更新插入组合的方式增量写入；
若所述更新时间小于等于所述本次启动时间，将该元数据外表以对比删除的方式增量删除。
6.如权利要求1所述方法，其特征在于，所述方法还包括：
当响应于第一用户输入的携带非结构化数据的元数据存储请求时，根据所述元数据存储请求以及所述元数据存储请求对应的元数据种类，确定存储任务，并将所述存储任务记录至任务表中；
遍历所述非结构化数据，具体包括：
按照预设的并发数量，同时确定所述任务表中所述存储任务的所述并发数量的任务节点，并执行存储，当提取所述非结构化数据对应的存储任务时，通过所述存储任务节点，执行所述非结构化数据对应的存储任务，遍历所述非结构化数据。
7.一种非结构化数据的元数据存储装置，其特征在于，包括：
响应模块，响应于第一用户输入的携带非结构化数据的元数据存储请求，确定湖仓一体存储平台中预设的元数据分类、所述元数据存储请求中的非结构化数据、所述元数据存储请求对应的存储任务的存储编号、所述元数据存储请求对应的存储任务的启动时间以及所述元数据存储请求中的非结构化数据的存储路径以及非结构化数据的名称；
提取模块，遍历所述非结构化数据，确定所述非结构化数据中属于任一元数据分类的信息，作为从所述非结构化数据中提取出的原始信息，所述原始信息对应至少一种元数据分类；
解析模块，针对每种元数据分类，通过对所述原始信息进行字符串解析，确定所述原始信息中与该元数据分类对应的子数据，将解析得到的子数据与该元数据分类，作为所述原始信息中提取得到的结构化元数据；
存储模块，通过所述湖仓一体存储平台中的数据湖管理框架，将所述结构化元数据装载到所述湖仓一体存储平台中对应的容器中，并根据所述结构化元数据对应的非结构化数据的存储编号、非结构化数据的存储路径以及非结构化数据的名称，确定所述结构化元数据的索引；
根据所述索引，将所述索引与对应的所述结构化元数据存入所述湖仓一体存储平台；
检索模块，接收到第二用户的检索请求时，从存储的所述结构化元数据中，确定与所述检索请求中携带的关键词匹配的结构化元数据，作为检索结果返回所述第二用户。
8.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1~6任一项所述的方法。
9.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述权利要求1~6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311665185.3A CN117349401B (zh) | 2023-12-06 | 2023-12-06 | 一种非结构化数据的元数据存储方法、装置、介质及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311665185.3A CN117349401B (zh) | 2023-12-06 | 2023-12-06 | 一种非结构化数据的元数据存储方法、装置、介质及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117349401A CN117349401A (zh) | 2024-01-05 |
| CN117349401B true CN117349401B (zh) | 2024-03-15 |
Family
ID=89358023
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311665185.3A Active CN117349401B (zh) | 2023-12-06 | 2023-12-06 | 一种非结构化数据的元数据存储方法、装置、介质及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117349401B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105677826A (zh) * | 2016-01-04 | 2016-06-15 | 博康智能网络科技股份有限公司 | 一种针对海量非结构化数据的资源管理方法 |
| CN106776783A (zh) * | 2016-11-24 | 2017-05-31 | 福建亿榕信息技术有限公司 | 非结构化数据存储管理方法、服务器和系统 |
| CN111723245A (zh) * | 2019-03-18 | 2020-09-29 | 阿里巴巴集团控股有限公司 | 数据存储系统中建立不同类型存储对象关联关系的方法 |
| CN111897792A (zh) * | 2020-08-11 | 2020-11-06 | 北京无线电测量研究所 | 一种分布式文件存取方法、系统、介质及设备 |
| CN114003791A (zh) * | 2021-12-30 | 2022-02-01 | 之江实验室 | 基于深度图匹配的医疗数据元自动化分类方法及系统 |
| US11308106B1 (en) * | 2018-05-21 | 2022-04-19 | Amazon Technologies, Inc. | Caching results for sub-queries to different data store locations |
| EP4060516A1 (en) * | 2021-03-18 | 2022-09-21 | Tata Consultancy Services Limited | Method and system for document indexing and retrieval |
| CN115269893A (zh) * | 2022-08-09 | 2022-11-01 | 北京数慧时空信息技术有限公司 | 基于湖仓一体的遥感影像存储系统及方法 |
| CN115454947A (zh) * | 2022-09-02 | 2022-12-09 | 中国银行股份有限公司 | 一种非结构化数据的存储方法、装置、设备及存储介质 |
| CN115543198A (zh) * | 2022-09-30 | 2022-12-30 | 招商局金融科技有限公司 | 非结构化数据入湖方法、装置、电子设备及存储介质 |
| CN115904813A (zh) * | 2022-12-26 | 2023-04-04 | 成都信息工程大学 | 文件备份方法、装置、设备及存储介质 |
-
2023
- 2023-12-06 CN CN202311665185.3A patent/CN117349401B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105677826A (zh) * | 2016-01-04 | 2016-06-15 | 博康智能网络科技股份有限公司 | 一种针对海量非结构化数据的资源管理方法 |
| CN106776783A (zh) * | 2016-11-24 | 2017-05-31 | 福建亿榕信息技术有限公司 | 非结构化数据存储管理方法、服务器和系统 |
| US11308106B1 (en) * | 2018-05-21 | 2022-04-19 | Amazon Technologies, Inc. | Caching results for sub-queries to different data store locations |
| CN111723245A (zh) * | 2019-03-18 | 2020-09-29 | 阿里巴巴集团控股有限公司 | 数据存储系统中建立不同类型存储对象关联关系的方法 |
| CN111897792A (zh) * | 2020-08-11 | 2020-11-06 | 北京无线电测量研究所 | 一种分布式文件存取方法、系统、介质及设备 |
| EP4060516A1 (en) * | 2021-03-18 | 2022-09-21 | Tata Consultancy Services Limited | Method and system for document indexing and retrieval |
| CN114003791A (zh) * | 2021-12-30 | 2022-02-01 | 之江实验室 | 基于深度图匹配的医疗数据元自动化分类方法及系统 |
| CN115269893A (zh) * | 2022-08-09 | 2022-11-01 | 北京数慧时空信息技术有限公司 | 基于湖仓一体的遥感影像存储系统及方法 |
| CN115454947A (zh) * | 2022-09-02 | 2022-12-09 | 中国银行股份有限公司 | 一种非结构化数据的存储方法、装置、设备及存储介质 |
| CN115543198A (zh) * | 2022-09-30 | 2022-12-30 | 招商局金融科技有限公司 | 非结构化数据入湖方法、装置、电子设备及存储介质 |
| CN115904813A (zh) * | 2022-12-26 | 2023-04-04 | 成都信息工程大学 | 文件备份方法、装置、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 谷洪彬 ; 杨希 ; 魏孔鹏 ; .基于数据湖的高校大数据管理体系和处理机制研究.计算机时代.2020,(第05期),第113-115页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117349401A (zh) | 2024-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10114908B2 (en) | Hybrid table implementation by using buffer pool as permanent in-memory storage for memory-resident data | |
| US8938430B2 (en) | Intelligent data archiving | |
| US9411840B2 (en) | Scalable data structures | |
| US8452788B2 (en) | Information retrieval system, registration apparatus for indexes for information retrieval, information retrieval method and program | |
| US20140201187A1 (en) | System and Method of Search Indexes Using Key-Value Attributes to Searchable Metadata | |
| US20140046928A1 (en) | Query plans with parameter markers in place of object identifiers | |
| JP2014523024A (ja) | 増分データの抽出 | |
| KR101621385B1 (ko) | 클라우드 스토리지 서비스의 파일 검색 시스템 및 방법, 및 파일 제어 방법 | |
| US20180181581A1 (en) | Systems and methods for implementing object storage and fast metadata search using extended attributes | |
| CN113010476B (zh) | 元数据查找方法、装置、设备及计算机可读存储介质 | |
| CN106055546A (zh) | 基于Lucene的光盘库全文检索系统 | |
| CN110245137B (zh) | 一种索引的处理方法、装置及设备 | |
| CN114328601A (zh) | 数据降采样和数据查询方法、系统及存储介质 | |
| WO2024078122A1 (zh) | 数据库表扫描的方法、装置以及设备 | |
| CN116303625B (zh) | 一种数据查询的方法、装置、存储介质及电子设备 | |
| CN117349401B (zh) | 一种非结构化数据的元数据存储方法、装置、介质及设备 | |
| US20230153455A1 (en) | Query-based database redaction | |
| CN116010419A (zh) | 一种创建唯一索引和优化逻辑删除的方法及装置 | |
| CN116628010A (zh) | 数据处理方法、装置及设备 | |
| CN108153799B (zh) | 数据库访问控制方法、装置和数据库系统 | |
| CN107818126B (zh) | 一种面向Mongo数据库的全文信息检索方法 | |
| CN117591625B (zh) | 一种数据存储方法、装置、存储介质及电子设备 | |
| US11797552B2 (en) | System and method for selective retrieval of metadata artefact versions | |
| CN109033201A (zh) | 一种文件差异数据的获取方法、装置及电子设备 | |
| CN112988668B (zh) | 基于PostgreSQL的流式文档处理方法、装置以及装置的应用方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |