CN117493444B - 一种数据抽取与加载方法、装置、电子设备及存储介质 - Google Patents

一种数据抽取与加载方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN117493444B
CN117493444B CN202410000433.0A CN202410000433A CN117493444B CN 117493444 B CN117493444 B CN 117493444B CN 202410000433 A CN202410000433 A CN 202410000433A CN 117493444 B CN117493444 B CN 117493444B
Authority
CN
China
Prior art keywords
data
loading
target
variable
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
Application number
CN202410000433.0A
Other languages
English (en)
Other versions
CN117493444A (zh
Inventor
陆天启
白轩瑜
吉才盈
邵长高
郭丽华
冯斌
孙景
刘鹏奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Bojin Information Technology Co ltd
Guangzhou Marine Geological Survey Sanya Institute Of South China Sea Geology
Guangzhou Marine Geological Survey
Original Assignee
Guangzhou Bojin Information Technology Co ltd
Guangzhou Marine Geological Survey Sanya Institute Of South China Sea Geology
Guangzhou Marine Geological Survey
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Bojin Information Technology Co ltd, Guangzhou Marine Geological Survey Sanya Institute Of South China Sea Geology, Guangzhou Marine Geological Survey filed Critical Guangzhou Bojin Information Technology Co ltd
Priority to CN202410000433.0A priority Critical patent/CN117493444B/zh
Publication of CN117493444A publication Critical patent/CN117493444A/zh
Application granted granted Critical
Publication of CN117493444B publication Critical patent/CN117493444B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
    • 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
    • G06F16/26—Visual data mining; Browsing structured data
    • 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
    • G06F16/904—Browsing; Visualisation 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)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本申请公开了一种数据抽取与加载方法、装置、电子设备及存储介质，方法包括：在网络通用数据格式数据中确定目标加载变量，在目标设备中打开变量联动窗口；确定目标加载变量的加载条件；获取目标设备的实时计算资源信息；确定目标加载变量在变量联动窗口中的当前处理状态信息；根据实时计算资源信息和当前处理状态信息在目标加载变量中抽取对应的目标数据；根据加载条件将目标数据加载到变量联动窗口中进行可视化。本申请可抽取出与目标设备处理能力相匹配的目标数据，解决了抽取数据时产生卡顿的问题；对从目标加载变量中抽取得到的目标数据进行可视化，更容易让用户理解其表达的信息，降低了数据的可读难度，可广泛应用于数据处理技术领域。

Description

一种数据抽取与加载方法、装置、电子设备及存储介质
技术领域
本申请涉及数据处理技术领域，尤其涉及一种数据抽取与加载方法、装置、电子设备及存储介质。
背景技术
网络通用数据格式(Network Common Data Form，简称NetCDF或NC)数据在科学研究中被广大科研工作者广泛应用，但科研工作者专业性强，对NetCDF数据进行分析与可视化处理，仅仅是专业的编程或专业软件对数据的分析，只解析出专业人员才能理解的数据表现形式，对普通的非专业用户而言，解析出的NetCDF数据难以可视化理解，非专业用户无法直观地理解NetCDF数据所传递的信息，而且由于NetCDF数据量巨大，非专业用户难以直观、快速地获取到感兴趣区域的数据，非专业用户对NetCDF数据所携带的信息认知程度低；又由于不同设备对不同NetCDF数据加载延迟时间不同，显示NetCDF数据时可能产生不流畅与卡顿现象，进而降低了NetCDF数据的利用效果。
发明内容
本申请实施例的主要目的在于提出一种数据抽取与加载方法、装置、电子设备及存储介质，以在不同设备都能流畅地抽取并加载出容易直观理解的NetCDF数据。
为实现上述目的，本申请实施例的一方面提出了一种数据抽取与加载方法，所述方法包括：
在网络通用数据格式数据中确定目标加载变量，并在目标设备中打开变量联动窗口；
确定所述目标加载变量的加载条件；
获取所述目标设备的实时计算资源信息；
确定所述目标加载变量在所述变量联动窗口中的当前处理状态信息；
根据所述实时计算资源信息和所述当前处理状态信息在所述目标加载变量中抽取对应的目标数据；
根据所述加载条件将所述目标数据加载到所述变量联动窗口中进行可视化。
在一些实施例中，所述在网络通用数据格式数据中确定目标加载变量，包括：
将用户在所述网络通用数据格式数据中选取的变量确定为所述目标加载变量。
在一些实施例中，所述确定所述目标加载变量的加载条件，包括：
确定用户对所述目标加载变量设定的所述加载条件；
其中，所述加载条件包括所述用户指定的感兴趣区域、所述用户对所述目标加载变量设定的加载时间、所述用户对所述目标加载变量设定的可视化时间、所述用户对所述目标加载变量设定的分辨率以及所述用户对所述目标加载变量设定的读取流程。
在一些实施例中，所述获取所述目标设备的实时计算资源信息，包括：
获取所述目标设备的最大计算资源信息；
根据所述目标加载变量确定所述目标设备的占用计算资源信息；
根据所述最大计算资源信息和所述占用计算资源信息确定所述实时计算资源信息。
在一些实施例中，所述确定所述目标加载变量在所述变量联动窗口中的当前处理状态信息，包括：
确定所述目标加载变量在所述变量联动窗口中的数据特征；
根据所述数据特征确定所述目标加载变量的所述当前处理状态信息。
在一些实施例中，所述根据所述实时计算资源信息和所述当前处理状态信息在所述目标加载变量中抽取对应的目标数据，包括：
根据所述实时计算资源信息和所述当前处理状态信息计算出所述变量联动窗口当前的最大显示数据量；
根据所述当前的最大显示数据量将所述变量联动窗口的显示分辨率划分为多个分辨率等级；
在所述目标加载变量中抽取各个所述分辨率等级对应的所述目标数据。
在一些实施例中，所述根据所述加载条件将所述目标数据加载到所述变量联动窗口中进行可视化，包括：
确定所述变量联动窗口的当前尺寸；
在所述当前尺寸下确定所述变量联动窗口对应的数据分辨率和加载时间，所述加载条件包括所述数据分辨率和所述加载时间；
根据所述数据分辨率和所述加载时间将所述目标数据加载到所述变量联动窗口中进行可视化。
为实现上述目的，本申请实施例的另一方面提出了一种数据抽取与加载装置，所述装置包括：
初始化单元，用于在网络通用数据格式数据中确定目标加载变量，并在目标设备中打开变量联动窗口；
加载条件确定单元，用于确定所述目标加载变量的加载条件；
计算资源获取单元，用于获取所述目标设备的实时计算资源信息；
处理状态确定单元，用于确定所述目标加载变量在所述变量联动窗口中的当前处理状态信息；
数据抽取单元，用于根据所述实时计算资源信息和所述当前处理状态信息在所述目标加载变量中抽取对应的目标数据；
数据加载单元，用于根据所述加载条件将所述目标数据加载到所述变量联动窗口中进行可视化。
为实现上述目的，本申请实施例的另一方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。
为实现上述目的，本申请实施例的另一方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。
本申请实施例至少包括以下有益效果：
本申请通过在网络通用数据格式数据中确定目标加载变量，并在目标设备中打开变量联动窗口；确定目标加载变量的加载条件；获取目标设备的实时计算资源信息；确定目标加载变量在变量联动窗口中的当前处理状态信息；根据实时计算资源信息和当前处理状态信息在目标加载变量中抽取对应的目标数据；根据加载条件将目标数据加载到变量联动窗口中进行可视化。本申请结合目标设备的实时计算资源信息和目标加载变量的当前处理状态信息可抽取出与目标设备处理能力相匹配的目标数据，解决了抽取数据时产生卡顿现象的问题；又由于目标数据是从目标加载变量中抽取得到的数据，可视化的目标数据更容易让用户理解目标数据表达的信息，降低了网络通用数据格式数据的可读难度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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为本申请实施例提供的一种数据抽取与加载方法的流程示意图；
图2为本申请实施例提供的一种数据读取流程的示例图；
图3为图1中S120的流程示意图；
图4为图1中S130的流程示意图；
图5为图1中S140的流程示意图；
图6为图1中S150的流程示意图；
图7为本申请实施例提供的一种数据抽取与加载方法的示例流程图；
图8为本申请实施例提供的一种数据抽取与加载装置的结构示意图；
图9为本申请实施例提供的电子设备的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请实施例相一致的所有实施方式，它们仅是与如所附权利要求书中所详述的、本申请实施例的一些方面相一致的装置和方法的例子。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种概念，但除非特别说明，这些概念不受这些术语限制。这些术语仅用于将一个概念与另一个概念区分。例如，在不脱离本申请实施例范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“若”、“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本申请所使用的术语“至少一个”、“多个”、“每个”、“任一”等，至少一个包括一个、两个或两个以上，多个包括两个或两个以上，每个是指对应的多个中的每一个，任一是指多个中的任意一个。
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。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
在对本申请实施例进行详细说明之前，首先对本申请实施例中涉及的部分名词和术语进行说明，本申请实施例中涉及的名词和术语适用于如下的解释：
NetCDF (Network Common Data Form，网络通用数据格式)是一种用于存储科学数据的文件格式，它采用了自描述的、可扩展的二进制文件格式，常用于气象、海洋、地球物理等领域的数据存储和交换。NetCDF文件可以包含多个变量和维度，可以存储多维数组数据，并且可以将数据的元信息（如单位、坐标、时间等）嵌入到文件中。NetCDF数据通常以扩展名为.nc的文件形式存在，可以使用各种编程语言（如Python、Matlab等）或专门的数据处理软件（如Panoply、ncdump等）进行读取和处理。NetCDF数据的优点包括数据可压缩、可索引、可快速访问、跨平台等，被广泛应用于科学研究和数据分析。
网络通用数据格式(Network Common Data Form，简称NetCDF或NC)数据在科学研究中被广大科研工作者广泛应用，但科研工作者专业性强，对NetCDF数据进行分析与可视化处理，仅仅是专业的编程或专业软件对数据的分析，只解析出专业人员才能理解的数据表现形式，对普通的非专业用户而言，解析出的NetCDF数据难以可视化理解，非专业用户无法直观地理解NetCDF数据所传递的信息，而且由于NetCDF数据量巨大，非专业用户难以直观、快速地获取到感兴趣区域的数据，非专业用户对NetCDF数据所携带的信息认知程度低；又由于不同设备对不同NetCDF数据加载延迟时间不同，显示NetCDF数据时可能产生不流畅与卡顿现象，进而降低了NetCDF数据的利用效果。
非专业用户无法直观地理解NetCDF数据所传递的信息，例如温度、盐度或洋流等，特别是无法从连续的时空变化数据中获取有效的信息，而且现有技术加载NetCDF数据时容易出现卡顿不流畅的现象。
有鉴于此，本申请实施例提供了一种数据抽取与加载方法、装置、电子设备及存储介质，该方案通过在网络通用数据格式数据中确定目标加载变量，并在目标设备中打开变量联动窗口；确定目标加载变量的加载条件；获取目标设备的实时计算资源信息；确定目标加载变量在变量联动窗口中的当前处理状态信息；根据实时计算资源信息和当前处理状态信息在目标加载变量中抽取对应的目标数据；根据加载条件将目标数据加载到变量联动窗口中进行可视化。本申请结合目标设备的实时计算资源信息和目标加载变量的当前处理状态信息可抽取出与目标设备处理能力相匹配的目标数据，解决了抽取数据时产生卡顿现象的问题；又由于目标数据是从目标加载变量中抽取得到的数据，可视化的目标数据更容易让用户理解目标数据表达的信息，降低了网络通用数据格式数据的可读难度。
本申请实施例提供的一种数据抽取与加载方法，涉及数据处理技术领域。本申请实施例提供的数据抽取与加载方法可应用于终端中，也可应用于服务器中，还可以是运行于终端或服务器中的软件。在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表以及车载终端等，但并不局限于此；服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、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、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，服务器还可以是区块链网络中的一个节点服务器；软件可以是实现数据抽取与加载方法的应用等，但并不局限于以上形式。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请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申请，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。
参照图1，本申请实施例提供了一种数据抽取与加载方法，该方法可以包括但不限于包括步骤S100至步骤S150，具体如下：
S100：在网络通用数据格式数据中确定目标加载变量，并在目标设备中打开变量联动窗口。
具体地，本申请实施例可以从网络通用数据格式(NetCDF)数据中获取一个或多个需要加载的变量作为目标加载变量，进而在目标设备中打开变量联动窗口。其中，目标加载变量既可以包括标量数据也可以包括矢量数据。
其中，目标设备是用于对NetCDF数据进行可视化的设备，其可以是执行本申请实施例的数据抽取与加载方法的设备，也可以是其他设备，该其他设备可以自由选定。
变量联动窗口是用户浏览数据的可视化界面，为方便描述，变量联动窗口可以简称为窗口，一个窗口可以加载一个变量或多个变量以表示出要素（温度、盐度或者洋流），例如：温度或者盐度等一维标量，或者一维（经度或纬度或垂直方向），二维（水平合成方向），三维（立体方向）等多维流场矢量。其中，矢量，标量可以叠合在一个窗口显示。
目标加载变量Wi可以包括bi和v（n），其中i是窗口数目（即标量数目），bi是标量，v是矢量，n是矢量维度。
W表示窗口大小，即显示尺寸（例如：10寸、24寸或100寸），窗口分辨率，即显示分辨率DPI。
进一步地，S100可以包括：
将用户在所述网络通用数据格式数据中选取的变量确定为所述目标加载变量。
具体地，用户可以指定NetCDF数据中的任意变量作为目标加载变量，例如温度、盐度及洋流等物理量。
响应于用户的操作，打开的或者调节的窗口确定其大小（W）：W=c×k(W：窗口大小，c：窗口长度，k：窗口宽度)，解析显示设备（即目标设备）：分辨率F=l×h，大小P=C×K，解析窗口的分辨率。
S110：确定所述目标加载变量的加载条件。
具体地，加载条件可以自由设定，也可以获取预设的条件，加载条件可以包括对可视化展示形式、展示时间或加载数据量等限定条件。
进一步地，S110可以包括：
确定用户对所述目标加载变量设定的所述加载条件；
其中，所述加载条件包括所述用户指定的感兴趣区域、所述用户对所述目标加载变量设定的加载时间、所述用户对所述目标加载变量设定的可视化时间、所述用户对所述目标加载变量设定的分辨率以及所述用户对所述目标加载变量设定的读取流程。
具体地，本实施例可以获取用户体验感要求并将用户体验感要求作为加载条件。
本实施例的加载条件可以包括以下5个限定条件：
1.用户的感兴趣区域（R）：
感兴趣区域是：用户在窗口中显示要素的一定时空区域，显示可以是叠合的和多窗口的。感兴趣区域通过经度范围，纬度范围，深度范围和时间范围设定。
用户移动鼠标，进而应用本实施例方法的设备可以响应用户的操作，调节横轴（经度选择）、纵轴（纬度选择）、高度轴（深度选择）、时间轴（时间选择）设定感兴趣范围；或者响应用户通过输入框的输入操作，获取用户输入的经度、纬度、深度和时间进而设定感兴趣范围。
2.用户忍耐时间（Tr）：
用户忍耐时间：是用户根据自己的反应时间对从操作指令发出到操作事件完成所经历时间的容忍程度。这是用户体验感的重要因素之一。
一般情况，时间越短，体验感越好。但是，时间短，处理数据量少，显示效果不佳，而且，时间过短，用户反应不及时，也没有必要。因此，需要设定一个合理的范围，既要适应用户的反应，又可以增加数据精度（即加载较高分辨率的数据），达到数据加载速度和精度的平衡。
本实施例可以根据每个用户的需求，设定一种精度较高，响应较快的数据处理忍耐时限，满足用户的浏览需求。
3.用户感知时间（Tg）：
用户从打开的窗口读取信息的时间，即用户从窗口获得所需要了解信息的时间，也是用户在该窗口的页面的停留时间。可选地，时间长度与信息量有关，也和用户需求感知需求有关。本实施例可以根据窗口的页面信息量与用户需求记录时间的长短，该时间在给用户浏览页面的同时，目标设备在后台预先加载数据，应对用户的下一步操作，缩短下一步的操作时间和提高用户的体验感。
4.用户的数据精度（数据分辨率）要求（J）：
用户读取数据，需要获得对变量时空变化的认知，认知深度是对数据细节表现的要求，一般数据分辨率越高，细节表现越精细，用户的认知深度越高。但是，分辨率越高，加载数据越多，响应时间越长。在响应时间优先前提下，本实施例可以通过对精度分级，用户通过提高数据分辨率的操作来满足认知深度不断加深的需求体验。
5.用户的读取流程：
参照图2，本实施例提供了一种数据读取流程的示例图。
窗口是显示数据的载体和途径，用户通过窗口查看多维度要素。建立窗口后，用户通过一系列的操作（提高精度）来完成数据的查看，这一些列的操作对应形成窗口显示序列事件。
例如：选择变量-打开窗口-选择范围（时空）-显示时空数据-感知数据-（提高精度或者改变范围）-感知数据-（继续提高精度或者改变范围）-感知数据-直至浏览结束-关闭窗口等。
窗口显示和用户查看过程就是用户完成显示序列事件的过程，本实施例可以在该过程中实现对NetCDF数据进行抽取、加载与可视化。
S120：获取所述目标设备的实时计算资源信息。
具体地，目标设备是应用本申请实施例的设备，不同的目标设备所具备的计算资源不相同，而目标设备当前还可以处理其他任务而占用了部分计算资源，因此，本实施例可以获取该目标设备当前的计算资源信息作为实时计算资源信息。
参照图3，进一步地，S120可以包括S121~ S123：
S121：获取所述目标设备的最大计算资源信息；
S122：根据所述目标加载变量确定所述目标设备的占用计算资源信息；
S123：根据所述最大计算资源信息和所述占用计算资源信息确定所述实时计算资源信息。
具体地，本实施例首先可以解析出目标设备的标准化处理能力（对应最大计算资源信息），解析出的各项处理能力包括以下：
（1）CPU数据处理器，基准速度Sj，CPU的数据处理能力Cn=Sj，CPU在标准（例如1S）时间内处理NetCDF数据的量。
（2）RAM内存，内存容量Rm，RAM数据缓存能力Nc=Rm，RAM已经存储NetCDF数据的量Rm。
（3）WEB网络，带宽Dk，WEB网络的传输能力Wb=Dk，WEB在标准时间内传输NetCDF数据的量。
（4）GPU图像处理器，专用GPU大小Gp，GPU处理显示能力Gp=Gj，GPU在标准时间能显示NetCDF数据的量。
然后解析出目标设备的当前处理能力（对应实时计算资源信息），解析出的各项处理能力包括以下：
（1）当前CPU利用率Lc，处理能力Pc=LcSj。
例如：当前CPU利用率Lc为%35，处理能力Sj为8G，求出Pc。
（2）当前RAM 已经缓存的数据集中数据点量H(D,Z,h)，D是加载数据分辨率等级，Z是加载数据的数据点数，h是加载数据缓存的数据点数。
例如：本实施例可以计算出：加载时间和空间分辨率\上次空间范围\上次时间尺度\上次加载时间等。加载数据的分辨率为0.5度，加载区域是某个海域，D是总加载数据量，覆盖区域40×30=1200点，h已经加载20个点，Z=1200-20=1180。
（3）当前WEB的传输速度，网络利用率Lw,传输速度Wn=Dk×Lw。
例如：网络传送是5Mb/s，Lw是30%,可求Wn。
（4）当前GPU的利用率Lg，当前Gn=GpLg。
例如：Cpu利用率8%，Gp是4G，求出Gn。
（5）当前处理数据Pn=MIN(Cn，Wn，Gn)。
根据上述求出Cn，Wn，Gn的最小值。
S130：确定所述目标加载变量在所述变量联动窗口中的当前处理状态信息。
具体地，获取目标加载变量到变量联动窗口后，目标设备可以对目标加载变量进行初步处理，本实施例可以获取该初步处理的状态信息。
参照图4，进一步地，S130可以包括S131~S132：
S131：确定所述目标加载变量在所述变量联动窗口中的数据特征；
S132：根据所述数据特征确定所述目标加载变量的所述当前处理状态信息。
具体地，本实施例可以分析窗口当前的数据特征，该数据特征可以记为d，其可以包括：数据集（dataset）、数据维度（记为Dimension，包括4+x+y，4分别指经度、纬度、深度、时间，x是标量数据的量，y是矢量数据的数量）、数据分辨率（含时间分辨率和空间分辨率）以及数据覆盖范围（含时间尺度和空间范围）。
进而分析窗口当前的数据状态：窗口元数据集分析-解析当前窗口最大处理数据量（数据最小分辨率最大反应时间），窗口抽稀等级数据集分析-解析最小处理数据量和分辨率分级。
S140：根据所述实时计算资源信息和所述当前处理状态信息在所述目标加载变量中抽取对应的目标数据。
具体地，本实施例可以在不超过目标设备当前的实时计算资源的情况下从目标加载变量中抽取对应的目标数据，该抽取得到的目标数据与目标加载变量的当前处理状态相符。
参照图5，进一步地，S140可以包括S141~ S143：
S141：根据所述实时计算资源信息和所述当前处理状态信息计算出所述变量联动窗口当前的最大显示数据量；
S142：根据所述当前的最大显示数据量将所述变量联动窗口的显示分辨率划分为多个分辨率等级；
S143：在所述目标加载变量中抽取各个所述分辨率等级对应的所述目标数据。
具体地，本实施例可建立抽稀模型来解析目标加载变量并从中抽取目标数据。
本实施例可以建立时空变化数据抽稀模型，构建过程包括步骤T1~步骤T2：
步骤T1.确定当前窗口显示最大数据量。
计算出当前窗口，加载的数据时空范围对应元数据集合的数据量，也是数据最小分辨率在窗口内显示的数据点数量d1=DataW（max），例如分辨率为1km的数据。
步骤T2.确定当前窗口显示精度分级数。
将最小分辨率数据按照一定比例放大，生成大分辨率数据，生成不同等级，例如：按照分辨率为1km的数据，分辨率放大（精度减小）。
例如：d1（1km），d2（2km），d3（4km），d4（8km）,d4(16km),......dn(2nkm)。
然后，本实施例可以进行步骤T3。
步骤T3.按照数据分辨率进行抽稀，即抽取目标数据。
步骤T3.1.计算出各级分辨率处理数据量。
例如：d1=klh/1-H1,d2=(klh/2-H2)-d1,......,dn=（klh/2n-H2n）-dn-1。
步骤T3.2.计算出数据处理时间Tn=Tr+Tg(Tg是用户浏览数据时间，即完成窗口数据显示后到下一步操作加大精度或更改感兴趣区域的时间)。
步骤T3.3.建立不同分辨率的数据最佳抽稀模型：
CXi=di/TnPn，CXi是抽稀比例；
然后，以不同分辨率的抽稀模型抽取对应的目标数据。
S150：根据所述加载条件将所述目标数据加载到所述变量联动窗口中进行可视化。
具体地，本实施例可以将目标数据加载到变量联动窗口中进行可视化，可视化过程可以包括目标数据在连续时空的变化过程。
参照图6，进一步地，S150可以包括S151~ S153：
S151：确定所述变量联动窗口的当前尺寸；
S152：在所述当前尺寸下确定所述变量联动窗口对应的数据分辨率和加载时间，所述加载条件包括所述数据分辨率和所述加载时间；
S153：根据所述数据分辨率和所述加载时间将所述目标数据加载到所述变量联动窗口中进行可视化。
具体地，本实施例可以响应于用户的操作，在目标设备中打开窗口，设定窗口大小，根据上述的抽稀模型解析出窗口最合适（精度和速度的平衡，根据常规条件下的自动选定，用户根据自己的需求可以调节，显示精度和相应时间）的加载数据量。
用户根据需要选定在打开窗口中显示的时空范围和数据变量，进而目标设备确定用户选取的时空范围，再根据解析数据抽取比例划定数据精度等级，按照抽取比例在数据库中选择出分辨率相应的抽稀模型，进而利用该抽稀模型抽取目标数据。
在显示窗口显示初级精度后，目标设备可以根据用户的需求提高精度设定，按照优化模型（实时加载或预置加载）进一步显示下一级精度。
本实施例可以对NetCDF数据进行高效、连续的时空可视化数据加载与显示，满足专业用户和非专业用户自适应的NetCDF数据读取与可视化，并可根据用户需求不断提高显示精度，满足用户对NetCDF数据读取可视化高精度要求。
接下来将结合具体的应用例子，对本申请实施例的方案作详细介绍和说明：
参照图7，本实施例提供了一种数据抽取与加载方法的示例流程图。
本实施例可以先确定目标加载变量（物理量），然后打开变量联动窗口,根据用户体验需求（感兴趣区域等），解析目标设备的当前的处理能力和数据处理状态，构建NetCDF数据的抽稀模型，利用该抽稀模型从目标加载变量中抽取目标数据，再对目标数据进行可视化，实现了NetCDF数据时空变化动态高效能的自适应可视化。
本实施例可以包括S1~ S6：
S1：确定用户选择的加载变量，并打开变量联动窗口。
其中，加载变量为目标加载变量Wi，目标加载变量Wi可以包括bi和v(n)，目标加载变量Wi可为温度、盐度及洋流等物理量。
S2：获取用户体验需求。
具体地，用户体验需求可以包括：（1）感兴趣区域(数据显示范围并自动能计算出来当前数据比例尺)；（2）用户忍耐时间T（例如：1s）；（3）用户感知时间（例如：30s）；（4）精度要求（例如：数据分辨率1公里）；（5）用户读取流程，速度优先，即先读取低分辨率，再不断提高分辨率。
S3：分析窗口当前的数据特征。
该数据特征可以记为d，其可以包括：数据集（dataset）、数据维度（记为Dimension，包括4+x+y，4分别指经度、纬度、深度、时间，x是标量数据的量，y是矢量数据的数量）、数据分辨率（含时间分辨率和空间分辨率）以及数据覆盖范围（含时间尺度和空间范围）。
S4：确定当前设备的处理数据能力。
解析目标设备（CPU，RAM，WEB，GPU）当前状态和解析当前数据状态分析实时数据处理能力（单位时间读取NetCDF数据量，即加载空间坐标点的量）。
例如：目标设备当前硬件级别、当前网络情况、上次加载延迟时间、上次加载时间和空间分辨率、上次空间范围、上次和时间尺度、上次用户停留时间等。
S5：建立抽稀模型。
抽稀模型如下：
CXi=di/TnPn，CXi是抽稀比例；进而，利用该抽稀模型从目标加载变量中抽取目标数据。
S6：对目标数据进行可视化。
本实施例通过打开窗口，确定用户体验需求（非专业用户常规感官要求或者用户自定义要求），确定目标设备的处理能力，例如CPU，RAM，WEB，GPU的处理能力，再建立NetCDF数据量的自适应抽稀模型，利用该抽稀模型从目标加载变量中抽取目标数据，最后对目标数据进行可视化，实现了NetCDF数据在时空上的连续加载，为用户提供NetCDF数据的动态时空可视化感知。
参照图8，本申请实施例还提供了一种数据抽取与加载装置，可以实现上述的数据抽取与加载方法，该装置包括：
初始化单元，用于在网络通用数据格式数据中确定目标加载变量，并在目标设备中打开变量联动窗口；
加载条件确定单元，用于确定所述目标加载变量的加载条件；
计算资源获取单元，用于获取所述目标设备的实时计算资源信息；
处理状态确定单元，用于确定所述目标加载变量在所述变量联动窗口中的当前处理状态信息；
数据抽取单元，用于根据所述实时计算资源信息和所述当前处理状态信息在所述目标加载变量中抽取对应的目标数据；
数据加载单元，用于根据所述加载条件将所述目标数据加载到所述变量联动窗口中进行可视化。
在一些实施例中，所述初始化单元，包括：
初始化子单元，用于将用户在所述网络通用数据格式数据中选取的变量确定为所述目标加载变量。
在一些实施例中，所述加载条件确定单元，包括：
加载条件确定子单元，用于确定用户对所述目标加载变量设定的所述加载条件；
其中，所述加载条件包括所述用户指定的感兴趣区域、所述用户对所述目标加载变量设定的加载时间、所述用户对所述目标加载变量设定的可视化时间、所述用户对所述目标加载变量设定的分辨率以及所述用户对所述目标加载变量设定的读取流程。
在一些实施例中，所述计算资源获取单元，包括：
最大计算资源获取单元，用于获取所述目标设备的最大计算资源信息；
占用计算资源获取单元，用于根据所述目标加载变量确定所述目标设备的占用计算资源信息；
实时计算资源获取单元，用于根据所述最大计算资源信息和所述占用计算资源信息确定所述实时计算资源信息。
在一些实施例中，所述处理状态确定单元，包括：
数据特征确定单元，用于确定所述目标加载变量在所述变量联动窗口中的数据特征；
状态信息确定单元，用于根据所述数据特征确定所述目标加载变量的所述当前处理状态信息。
在一些实施例中，所述数据抽取单元，包括：
显示数据量计算单元，用于根据所述实时计算资源信息和所述当前处理状态信息计算出所述变量联动窗口当前的最大显示数据量；
分辨率等级划分单元，用于根据所述当前的最大显示数据量将所述变量联动窗口的显示分辨率划分为多个分辨率等级；
数据抽取子单元，用于在所述目标加载变量中抽取各个所述分辨率等级对应的所述目标数据。
在一些实施例中，所述数据加载单元，包括：
窗口尺寸确定单元，用于确定所述变量联动窗口的当前尺寸；
加载数据确定单元，用于在所述当前尺寸下确定所述变量联动窗口对应的数据分辨率和加载时间，所述加载条件包括所述数据分辨率和所述加载时间；
可视化单元，用于根据所述数据分辨率和所述加载时间将所述目标数据加载到所述变量联动窗口中进行可视化。
可以理解的是，上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本申请实施例还提供了一种电子设备，电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述数据抽取与加载方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。
可以理解的是，上述方法实施例中的内容均适用于本设备实施例中，本设备实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
请参阅图9，图9示意了另一实施例的电子设备的硬件结构，电子设备包括：
处理器901，可以采用通用的CPU(CentralProcessingUnit，中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；
存储器902，可以采用只读存储器（ReadOnlyMemory，ROM）、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory，RAM)等形式实现。存储器902可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器902中，并由处理器901来调用执行本申请实施例的数据抽取与加载方法；
输入/输出接口903，用于实现信息输入及输出；
通信接口904，用于实现本设备与其他设备的通信交互，可以通过有线方式（例如USB、网线等）实现通信，也可以通过无线方式（例如移动网络、WIFI、蓝牙等）实现通信；
总线905，在设备的各个组件（例如处理器901、存储器902、输入/输出接口903和通信接口904）之间传输信息；
其中处理器901、存储器902、输入/输出接口903和通信接口904通过总线905实现彼此之间在设备内部的通信连接。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述数据抽取与加载方法。
可以理解的是，上述方法实施例中的内容均适用于本存储介质实施例中，本存储介质实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例提供的一种数据抽取与加载方法、装置、电子设备及存储介质，其通过在网络通用数据格式数据中确定目标加载变量，并在目标设备中打开变量联动窗口；确定目标加载变量的加载条件；获取目标设备的实时计算资源信息；确定目标加载变量在变量联动窗口中的当前处理状态信息；根据实时计算资源信息和当前处理状态信息在目标加载变量中抽取对应的目标数据；根据加载条件将目标数据加载到变量联动窗口中进行可视化。本申请结合目标设备的实时计算资源信息和目标加载变量的当前处理状态信息可抽取出与目标设备处理能力相匹配的目标数据，解决了抽取数据时产生卡顿现象的问题；又由于目标数据是从目标加载变量中抽取得到的数据，可视化的目标数据更容易让用户理解目标数据表达的信息，降低了网络通用数据格式数据的可读难度。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本领域技术人员可以理解的是，图中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，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。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，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，上述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元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，也可以采用软件功能单元的形式实现。
集成的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取存储介质中。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或者该技术方案的全部或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中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。

Claims (7)

1.一种数据抽取与加载方法，其特征在于，所述方法包括：
在网络通用数据格式数据中确定目标加载变量，并在目标设备中打开变量联动窗口；
确定所述目标加载变量的加载条件；
获取所述目标设备的实时计算资源信息；
确定所述目标加载变量在所述变量联动窗口中的当前处理状态信息；
根据所述实时计算资源信息和所述当前处理状态信息在所述目标加载变量中抽取对应的目标数据；
根据所述加载条件将所述目标数据加载到所述变量联动窗口中进行可视化；
所述确定所述目标加载变量的加载条件，包括：确定用户对所述目标加载变量设定的所述加载条件；其中，所述加载条件包括所述用户指定的感兴趣区域、所述用户对所述目标加载变量设定的加载时间、所述用户对所述目标加载变量设定的可视化时间、所述用户对所述目标加载变量设定的分辨率以及所述用户对所述目标加载变量设定的读取流程；
所述确定所述目标加载变量在所述变量联动窗口中的当前处理状态信息，包括：确定所述目标加载变量在所述变量联动窗口中的数据特征；根据所述数据特征确定所述目标加载变量的所述当前处理状态信息；所述数据特征包括数据集、数据维度、数据分辨率以及数据覆盖范围；其中，所述数据维度包括经度、纬度、深度、时间、标量数据的量以及矢量数据的数量；所述数据分辨率包括时间分辨率和空间分辨率；所述数据覆盖范围包括时间尺度和空间范围；
所述根据所述实时计算资源信息和所述当前处理状态信息在所述目标加载变量中抽取对应的目标数据，包括：根据所述实时计算资源信息和所述当前处理状态信息计算出所述变量联动窗口当前的最大显示数据量；根据所述当前的最大显示数据量将所述变量联动窗口的显示分辨率划分为多个分辨率等级；在所述目标加载变量中抽取各个所述分辨率等级对应的所述目标数据。
2.根据权利要求1所述的方法，其特征在于，所述在网络通用数据格式数据中确定目标加载变量，包括：
将用户在所述网络通用数据格式数据中选取的变量确定为所述目标加载变量。
3.根据权利要求1所述的方法，其特征在于，所述获取所述目标设备的实时计算资源信息，包括：
获取所述目标设备的最大计算资源信息；
根据所述目标加载变量确定所述目标设备的占用计算资源信息；
根据所述最大计算资源信息和所述占用计算资源信息确定所述实时计算资源信息。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述根据所述加载条件将所述目标数据加载到所述变量联动窗口中进行可视化，包括：
确定所述变量联动窗口的当前尺寸；
在所述当前尺寸下确定所述变量联动窗口对应的数据分辨率和加载时间，所述加载条件包括所述数据分辨率和所述加载时间；
根据所述数据分辨率和所述加载时间将所述目标数据加载到所述变量联动窗口中进行可视化。
5.一种数据抽取与加载装置，其特征在于，所述装置包括：
初始化单元，用于在网络通用数据格式数据中确定目标加载变量，并在目标设备中打开变量联动窗口；
加载条件确定单元，用于确定所述目标加载变量的加载条件；
计算资源获取单元，用于获取所述目标设备的实时计算资源信息；
处理状态确定单元，用于确定所述目标加载变量在所述变量联动窗口中的当前处理状态信息；
数据抽取单元，用于根据所述实时计算资源信息和所述当前处理状态信息在所述目标加载变量中抽取对应的目标数据；
数据加载单元，用于根据所述加载条件将所述目标数据加载到所述变量联动窗口中进行可视化；
所述加载条件确定单元，包括：加载条件确定子单元，用于确定用户对所述目标加载变量设定的所述加载条件；其中，所述加载条件包括所述用户指定的感兴趣区域、所述用户对所述目标加载变量设定的加载时间、所述用户对所述目标加载变量设定的可视化时间、所述用户对所述目标加载变量设定的分辨率以及所述用户对所述目标加载变量设定的读取流程；
所述处理状态确定单元，包括：数据特征确定单元，用于确定所述目标加载变量在所述变量联动窗口中的数据特征；状态信息确定单元，用于根据所述数据特征确定所述目标加载变量的所述当前处理状态信息；所述数据特征包括数据集、数据维度、数据分辨率以及数据覆盖范围；其中，所述数据维度包括经度、纬度、深度、时间、标量数据的量以及矢量数据的数量；所述数据分辨率包括时间分辨率和空间分辨率；所述数据覆盖范围包括时间尺度和空间范围；
所述数据抽取单元，包括：显示数据量计算单元，用于根据所述实时计算资源信息和所述当前处理状态信息计算出所述变量联动窗口当前的最大显示数据量；分辨率等级划分单元，用于根据所述当前的最大显示数据量将所述变量联动窗口的显示分辨率划分为多个分辨率等级；数据抽取子单元，用于在所述目标加载变量中抽取各个所述分辨率等级对应的所述目标数据。
6.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述的方法。
7.一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4中任一项所述的方法。
CN202410000433.0A 2024-01-02 2024-01-02 一种数据抽取与加载方法、装置、电子设备及存储介质 Active CN117493444B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410000433.0A CN117493444B (zh) 2024-01-02 2024-01-02 一种数据抽取与加载方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410000433.0A CN117493444B (zh) 2024-01-02 2024-01-02 一种数据抽取与加载方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN117493444A CN117493444A (zh) 2024-02-02
CN117493444B true CN117493444B (zh) 2024-04-09

Family

ID=89669402

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410000433.0A Active CN117493444B (zh) 2024-01-02 2024-01-02 一种数据抽取与加载方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN117493444B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020177366A1 (zh) * 2019-03-07 2020-09-10 平安科技（深圳）有限公司 基于时序数据的数据处理方法、装置和计算机设备
WO2021078184A1 (zh) * 2019-10-22 2021-04-29 Oppo广东移动通信有限公司 数据处理方法及装置、电子设备、存储介质
CN114064813A (zh) * 2020-08-03 2022-02-18 中国科学院烟台海岸带研究所 一种海洋多维数据的查询及可视化方法
US11636132B1 (en) * 2021-02-16 2023-04-25 Wells Fargo Bank, N.A. Systems and methods for automatically deriving data transformation criteria
CN116912441A (zh) * 2023-07-19 2023-10-20 武汉理工大学 一种面向海洋水文气象数据的可视化方法、装置及介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7779356B2 (en) * 2003-11-26 2010-08-17 Griesmer James P Enhanced data tip system and method
US20100125541A1 (en) * 2008-11-14 2010-05-20 Andreas Werner Wendel Popup window for error correction
KR101294678B1 (ko) * 2013-04-18 2013-08-16 (주) 웨더링크 신호처리장치
US10409814B2 (en) * 2017-01-26 2019-09-10 International Business Machines Corporation Network common data form data management
JP7115233B2 (ja) * 2018-11-07 2022-08-09 日本電信電話株式会社 表示制御装置、表示制御方法及び表示制御プログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020177366A1 (zh) * 2019-03-07 2020-09-10 平安科技（深圳）有限公司 基于时序数据的数据处理方法、装置和计算机设备
WO2021078184A1 (zh) * 2019-10-22 2021-04-29 Oppo广东移动通信有限公司 数据处理方法及装置、电子设备、存储介质
CN114064813A (zh) * 2020-08-03 2022-02-18 中国科学院烟台海岸带研究所 一种海洋多维数据的查询及可视化方法
US11636132B1 (en) * 2021-02-16 2023-04-25 Wells Fargo Bank, N.A. Systems and methods for automatically deriving data transformation criteria
CN116912441A (zh) * 2023-07-19 2023-10-20 武汉理工大学 一种面向海洋水文气象数据的可视化方法、装置及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
面向中间件的组态王远程数据采集驱动设计;刘学多;焦东来;吉峰;杨浩;;计算机应用;20160110(01);全文 *

Also Published As

Publication number Publication date
CN117493444A (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
US10521692B2 (en) Intelligent image search results summarization and browsing
Agrawal et al. Challenges and opportunities with big data visualization
AU2016201655B2 (en) Estimating depth from a single image
KR101770683B1 (ko) 소셜 네트워크 정보흐름 표시방법, 장치, 서버, 프로그램 및 컴퓨터가 판독가능한 기록매체
WO2020159593A1 (en) Training image and text embedding models
CN104866522A (zh) 一种为提问者提供回答信息的方法与装置
CN110210532B (zh) 背景色生成方法、装置及电子设备
CN107992589B (zh) 一种svg地图数据的加载方法、装置及系统
EP3759616A1 (en) Training image and text embedding models
Chaudhari et al. Ingredient/recipe algorithm using web mining and web scraping for smart chef
Sun et al. A Web-based visual analytics system for real estate data
WO2014176182A1 (en) Auto-completion of partial line pattern
Guo et al. A spatially adaptive decomposition approach for parallel vector data visualization of polylines and polygons
CN109145225B (zh) 一种数据处理方法及装置
CN117493444B (zh) 一种数据抽取与加载方法、装置、电子设备及存储介质
Yan et al. Research and application of the test data visualization
CN117034963A (zh) 模型训练方法、翻译方法、预估方法、推荐方法及装置
CN109543087A (zh) 一种国际三极数据互操作引擎系统的构建方法及使用方法
US20220076464A1 (en) Unified multi-view data visualization
US20120177304A1 (en) System for image intelligence exploitation and creation
CN113468354A (zh) 推荐图表的方法、装置、电子设备及计算机可读介质
CN114827113B (zh) 一种网页访问方法及装置
Walker Tools for interactive visualization of global demographic concepts in R
Paiva et al. A multiresolution approach for internet gis applications
US20240112253A1 (en) Systems and methods for dynamic product summary images

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