CN117573698A - 数据查询方法及存储介质 - Google Patents
数据查询方法及存储介质 Download PDFInfo
- Publication number
- CN117573698A CN117573698A CN202410050755.6A CN202410050755A CN117573698A CN 117573698 A CN117573698 A CN 117573698A CN 202410050755 A CN202410050755 A CN 202410050755A CN 117573698 A CN117573698 A CN 117573698A
- Authority
- CN
- China
- Prior art keywords
- data
- query
- target
- field
- dimension
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000013499 data model Methods 0.000 claims abstract description 209
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000004220 aggregation Methods 0.000 claims description 41
- 230000002776 aggregation Effects 0.000 claims description 41
- 238000005259 measurement Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 description 4
- 238000005520 cutting process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 241000533950 Leucojum Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
-
- 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
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2452—Query translation
-
- 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
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- 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
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种数据查询方法及存储介质,所述方法包括:根据用户查询的目标字段,解析得到关联的基础字段;根据基础字段确定预设的星座数据模型中的若干个目标星型数据模型;去除各个目标星型数据模型中与查询无关的维度表以及基础字段,使得各个目标星型数据模型仅包括与查询有关的事实表、维度表以及基础字段,最后根据各个目标星型数据模型生成查询语句,从预设的数据库中查询得到对应的数据,根据查询得到的数据得到用户查询的目标字段的查询结果。本申请实施例的数据查询方法能够得到精准的查询语句,避免了查询其他无关的数据表,同时也减少了数据库系统处理的复杂度,使得数据的查询更加的高效,显著提高了用户的数据查询效率。
Description
技术领域
本申请涉及数据仓库技术领域,尤其涉及一种数据查询方法及存储介质。
背景技术
随着大数据时代的到来,大数据分析技术也越来越普及应用。通过快速获取、处理以及提取丰富的、多维度的业务数据并对其进行分析,可以获得有价值的信息辅助企业的生产和运营决策,从而助力企业的发展。目前在大数据领域涉及的技术包括数据仓库、数据安全、数据分析以及数据挖掘等等,这些技术在各个商业领域逐渐引起各行业内人士的关注。
在现有的大数据应用场景中,数据库存储和管理的数据规模庞大,往往达千亿甚至万亿级别,且数据的维度多,与此同时,用户的数据查询需求也越来越复杂,例如用户查询的字段中可能同时包含多个维度和多个操作等等,因此对于数据查询技术提出越来越高的要求,尤其是在查询效率方面。然而,现有技术在处理用户的查询请求时仍然不够高效及时,用户的查询效率低,需要一种提高数据查询效率的方法。
发明内容
基于此,本申请的目的在于,提供一种数据查询方法,提高数据查询的效率。
本申请实施例第一方面提供了一种数据查询方法,所述方法包括以下步骤:
获取用户查询的目标字段,确定所述目标字段的基础字段;所述基础字段包括度量字段和/或维度字段;
根据所述基础字段,确定预设的星座数据模型中至少一个数据表为目标数据表;其中,所述星座数据模型记录若干个数据表、各个数据表包括的基础字段以及各个数据表的图关系;所述图关系至少包括有向图关系;
以任一所述目标数据表为根节点,根据所述图关系,确定所述星座数据模型中能够到达所述目标数据表的其他数据表,分别以各个所述目标数据表为事实表、以所述事实表对应能够到达的所述其他数据表为维度表,获得若干个目标星型数据模型;
将任一所述目标星型数据模型中不包括所述维度字段的边缘的维度表去除,将任一所述目标星型数据模型的事实表中除所述度量字段之外的基础字段去除,以及将任一所述星型数据模型的维度表中除所述维度字段之外的基础字段去除;
根据各个所述目标星型数据模型生成第一查询语句,根据所述第一查询语句从预设的数据库中查询得到对应的数据;其中,所述第一查询语句的查询字段根据所述目标星型数据模型包含的基础字段确定,所述第一查询语句的查询数据表根据所述目标星型数据模型包含的数据表确定;所述预设的数据库存储包括所述星座数据模型对应的各个数据表的数据;
根据查询得到的数据,得到所述目标字段的查询结果。
本申请实施例第二方面提供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如本申请实施例任意一项所述方法的步骤。
本申请实施例所述的数据查询方法,首先根据用户查询的目标字段,解析得到关联的基础字段;根据基础字段,确定星座数据模型中的目标数据表,并以目标数据表为中心的事实表,以能够到达所述事实表的其他数据表为维度表,确定若干个目标星型数据模型;去除各个目标星型数据模型中与查询无关的维度表,以及去除与查询无关的基础字段,从而最终得到的目标星型数据模型仅包括与查询有关的事实表、维度表以及基础字段,最后根据各个目标星型数据模型生成查询语句,从预设的数据库中查询得到对应的数据,根据查询得到的数据得到用户的目标字段的查询结果。通过本申请实施例的数据查询方法,实现了根据用户查询的目标字段对事先建模的星座数据模型进行裁剪,并最终根据裁剪得到的最小可用的星型数据模型确定出精准的查询语句,避免了查询其他无关的数据表,同时也减少了数据库系统处理的复杂度,使得数据的查询更加的高效,显著提高了用户的数据查询效率。
为了更好地理解和实施,下面结合附图详细说明本申请。
附图说明
图1为本申请实施例的数据查询方法的流程示意图;
图2为本申请例子中从星座数据模型中确定星型数据模型的示意图;
图3为本申请例子中维度表经过裁剪后星型数据模型的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施例做进一步地详细描述。其中,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。
应当明确,以下描述的实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。基于本申请实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。此外,在本申请的描述中,除非另有说明,“多个”是指两个或两个以上。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合,例如,A 和/或 B,可以表示:单独存在 A,同时存在A和B,单独存在B这三种情况;字符“/”一般表示前后关联对象是一种“或”的关系。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语,而且,这些术语仅用来区别类似的对象,而不必用于描述特定的顺序或先后次序,也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。取决于语境,本申请所使用的词语“如果”/“若”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本申请涉及数据仓库技术领域,在现有的大数据应用场景中,数据库存储和管理的数据规模庞大,往往达千亿甚至万亿级别,且数据的维度多,与此同时,用户的数据查询需求也越来越复杂,例如用户查询的字段中可能同时包含多个维度和多个操作等等,因此对于数据查询技术提出越来越高的要求,尤其是在查询的效率方面。然而,现有技术在处理用户的查询请求时仍然不够高效及时,用户的查询效率低,因此,需要一种提高数据查询效率的方法。
请参考图1,本申请实施例提供了一种数据查询方法,所述方法包括以下步骤:
步骤S101:获取用户查询的目标字段,确定所述目标字段的基础字段;所述基础字段包括度量字段和/或维度字段;
步骤S102:根据所述基础字段,确定预设的星座数据模型中至少一个数据表为目标数据表;其中,所述星座数据模型记录若干个数据表、各个数据表包括的基础字段以及各个数据表的图关系;所述图关系至少包括有向图关系;
步骤S103:以任一所述目标数据表为根节点,根据所述图关系,确定所述星座数据模型中能够到达所述目标数据表的其他数据表,分别以各个所述目标数据表为事实表、以所述事实表对应能够到达的所述其他数据表为维度表,获得若干个目标星型数据模型;
步骤S104:将任一所述目标星型数据模型中不包括所述维度字段的边缘的维度表去除,将任一所述目标星型数据模型的事实表中除所述度量字段之外的基础字段去除,以及将任一所述星型数据模型的维度表中除所述维度字段之外的基础字段去除;
步骤S105:根据各个所述目标星型数据模型生成第一查询语句,根据所述第一查询语句从预设的数据库中查询得到对应的数据;其中,所述第一查询语句的查询字段根据所述目标星型数据模型包含的基础字段确定,所述第一查询语句的查询数据表根据所述目标星型数据模型包含的数据表确定;所述预设的数据库存储包括所述星座数据模型对应的各个数据表的数据;
步骤S106:根据查询得到的数据,得到所述目标字段的查询结果。
本申请实施例所述的数据查询方法,首先根据用户查询的目标字段,解析得到关联的基础字段;根据基础字段,确定星座数据模型中的目标数据表,并以目标数据表为中心的事实表,以能够到达所述事实表的其他数据表为维度表,确定若干个目标星型数据模型;去除各个目标星型数据模型中与查询无关的维度表,以及去除与查询无关的基础字段,从而最终得到的目标星型数据模型仅包括与查询有关的事实表、维度表以及基础字段,最后根据各个目标星型数据模型生成查询语句,从预设的数据库中查询得到对应的数据,根据查询得到的数据得到用户的目标字段的查询结果。通过本申请实施例的数据查询方法,实现了根据用户查询的目标字段对事先建模的星座数据模型进行裁剪,并最终根据裁剪得到的最小可用的星型数据模型确定出精准的查询语句,避免了查询其他无关的数据表,同时也减少了数据库系统处理的复杂度,使得数据的查询更加的高效,显著提高了用户的数据查询效率。
本申请实施例所述的数据查询方法的执行主体为计算机设备。
首先说明的是,在本申请实施例中,用户查询的情况可能多种多样,解析用户查询的目标字段得到的所述基础字段可能同时包括度量字段和维度字段,也可能仅包括度量字段,还可能仅包括维度字段,在不同的情况下,步骤S102中根据所述基础字段确定所述星座数据模型的目标数据表的步骤的具体执行将有所不同。
具体在一个实施例中,若所述基础字段包括仅仅度量字段,步骤S102所述根据所述基础字段,确定预设的星座数据模型中至少一个数据表为目标数据表的步骤,包括:
步骤S1021,确定预设的星座数据模型中包含任意一个或多个所述度量字段的至少一个数据表为目标数据表;
若所述基础字段仅包括维度字段,步骤S102所述根据所述基础字段,确定预设的星座数据模型中至少一个数据表为目标数据表的步骤,包括:
步骤S1022,确定所述星座数据模型中的各个数据表为目标数据表。
也就是说,在本申请实施例中,若是所述基础字段包括度量字段,则从星座数据模型中找到一个包含任意一个或多个所述度量字段的数据表,并以之为目标数据表,确定出目标星型数据模型,之后再对目标星型数据模型进行裁剪,去除与查询无关的数据表和基础字段。其中,若是所述基础字段仅仅包括度量字段,也就是说本次查询不涉及任何维度字段,则应当理解的是,步骤S104中的目标星型数据模型显然便不存在满足“包括所述维度字段”这一条件的任何维度表,因此在本实施例中其全部维度表应当去除。
而若是所述基础字段不包括度量字段,仅包括维度字段,则本次查询主要针对维度表的数据,因此,分别以星座数据模型的各个数据表为目标数据表,确定出对应的各个星型数据模型,例如星座数据模型具有10个数据表,则分别以每个数据表为目标数据表可确定10个星型数据模型。当然,在此种情况下,还需要进一步地从所有的星型数据模型中确定包含任意所述维度字段的星型数据模型,具体的,在步骤S103之后,还需要确定存在维度表包含所述维度字段的目标星型数据模型,也就是说,若是某个目标星型数据模型不存在维度表包含所述维度字段,则舍弃该目标星型数据模型;之后才是对最终确定下来的目标星型数据模型中无关的维度表以及无关的基础字段进行去除。
以下,本实施例主要以所述基础字段同时包括至少一个度量字段和至少一个维度字段的情况进行说明,对于相关步骤的说明同样适用于其他的情况。
对于步骤S101,获取用户查询的目标字段,确定所述目标字段的基础字段。
其中,所述目标字段是用户查询的字段,具体可以包括数据库的数据表中存在的基础字段,也可以包括聚合字段。所述基础字段一般是记录原始的(不经过聚合处理)业务数据的字段;所述聚合字段一般是记录原始业务数据经过聚合处理后得到的数据的字段,在一个实施例中,所述聚合字段包括计算字段和/或命名集字段。具体在一个例子中,数据库中存储了数据表“A企业销售部门信息”,该数据表中包含3字段分别是“销售人员”、“销售产品”、“销售量”并且分别记录了若干个具体的数据,例如“销售人员”字段记录的数据包括“张三”、“李四”和“赵五”,对应的“销售产品”字段记录的数据为“产品1”、“产品1”、“产品2”,以及对应的“销售量”字段记录的数据为“100”、“150”、“120”,则其中记录的这些数据便是原始数据,其是在实际的业务场景中得到的数据,而所述数据表中记录原始数据的字段便是基础字段,例如“销售人员”、“销售产品”、“销售量”等字段为基础字段,进一步地,若是针对该数据表需要查询的字段并不是任意基础字段,而是需要对原始数据进行聚合处理,则为聚合字段,例如需要查询的字段为“平均销售量”,该聚合字段所要查询的结果需要对记录的数据计算平均值得到,因此便是聚合字段。需要说明,本实施例的说明不可避免存在局限性,除本实施例的说明之外,还可以参照本领域通常的理解。
在本实施中,获取用户查询的目标字段之后,需要对目标字段进行解析,主要是判断目标字段关联哪些基础字段。若目标字段是数据库存储的数据表中存在的基础字段,则可以直接得到关联的基础字段便是其本身(其本身便是基础字段);而若目标字段是聚合字段,则需要获取该聚合字段所引用的基础字段,得到其关联的基础字段,继续以上述例子说明,若目标字段是“平均销售量”,显然该目标字段便是针对“销售量”进行聚合计算的字段,可以解析得到其引用的基础字段包括“销售量”字段。在一个实施例中,可以根据系统预设的聚合字段和基础字段的对应关系,从而确定聚合字段所关联的基础字段。
其中,在本实施例中所述基础字段包括度量字段和/或维度字段,也就是说,解析所述目标字段得到关联的基础字段可能为度量字段或维度字段,还可能为同时包括度量字段和维度字段。
所述度量字段一般是指事实表中的字段,所述维度字段一般是指维度表中的字段。其中,所述事实表和所述维度表是数据仓库领域的数据建模中的概念,目前在数据仓库领域的主要涉及的数据模型有星型数据模型、在星型数据模型基础上产生的雪花数据模型以及星座数据模型。其中,在星型数据模型中包括一个位于中心的数据表以及其他与中心数据表连接的数据表,其中,中心的数据表为事实表,而与之连接的其他数据表则为维度表。一般而言,在一个复杂的星座数据模型中,若是以不同的数据表为中心,便可以确定不同的星型数据模型,一个数据表可以在某个星型数据模型中作为事实表,也可以在其他星型数据模型中作为维度表。而在本实施例中,可以事先对于用户可以查询的字段分别按照“度量字段类别”和“维度字段类别”进行分类并存储在数据库中,从而当接收到用户的查询请求,获取用户查询的目标字段并解析得到关联的基础字段时,可以根据预设的分类进行判断所述关联的基础字段是否为度量字段或维度字段。
对于步骤S102,根据所述基础字段,确定预设的星座数据模型中至少一个数据表为目标数据表。
其中,所述星座数据模型是事先基于数据库存储的各个数据表建立起来的数据逻辑层,其中记录若干个数据表、各个数据表包含的基础字段以及各个数据表的图关系。也就是说,本实施例中所述星型数据模型并不记录各个数据表的字段的具体业务数据,而是仅仅记录了用于生成查询语句的有关信息,这些信息主要包括数据表的表名以及数据表的字段信息,此外,所述星型数据模型中建立了各个数据表之间的图关系。其中,所述图关系至少包括有向图关系。请参考图2中(a)的示例,在本实施例中,所述星座数据模型的各个数据表中,部分数据表之间为有向图关系,部分数据表之间还可以为无向图关系或者说存在双向边关系。
在一个实施例中,所述星座数据模型的至少部分数据表还可以绑定用户的查询限制信息,具体的,绑定不同的用户标识分别对应的查询限制信息,从而根据不同用户标识可以对不同的用户查询进行相应的限制。至于具体是哪些数据表绑定查询限制信息可以根据各个用户的情况进行设置。
其中,所述查询限制信息用于限制用户的查询范围,具体可以是查询限制参数,也可以是查询权限信息。所述查询限制参数用于限制用户可查询的范围,所述查询权限信息用于限制用户可查询的权限。
在本实施例中,所述查询限制参数和所述查询权限信息可以不限形式,其根本上用于限定最终生成的查询语句,从而限制查询语句所能查询的数据。
在一个实施例中,所述查询限制参数可以是数据表的字段参数,用于限定数据表筛选的数据范围,例如在“区域”数据表中绑定了查询限制参数为“区域=华南”,从而便限制了最终生成的查询语句中用户所能查询的数据范围仅限于“华南”地区。
在一个实施例中,所述查询权限信息可以是查询语句例如SQL语句(select *from t_region where shipProvince = "广东"),在最终生成查询语句时将该查询语句进行合并连结,从而限定了最终生成的查询语句中用户查询的数据范围仅限于“广东”区域。除此之外,还可以是其他各种实现方式,本质上所述查询限制信息用于在最终根据星型数据模型生成查询语句时,限制查询语句查询的范围,从而实现了对用户的查询范围或查询权限的控制。
对于步骤S103,以任一所述目标数据表为根节点,根据所述图关系,确定所述星座数据模型中能够到达所述目标数据表的其他数据表,分别以各个所述目标数据表为事实表、以所述事实表对应能够到达的所述其他数据表为维度表,获得若干个目标星型数据模型。
本步骤中,所述能够到达所述目标数据表,即是指沿着图关系中的路径可以到达所述目标数据表。
具体请参考图2,图2示意了一个从星座数据模型中确定星型数据模型的例子,其中,图2中(a)表示原始的星座数据模型,A-F的各个节点分别表示数据表,本例子以数据表A为根节点,则确定的星型数据模型即为图2中(b)所示的星型数据模型,在该星型数据模型中,数据表A为事实表,数据表B、C、F、E为维度表(对于数据表C和E一般也称为雪花维)。其中,数据表E和F原本在星座数据模型中为双向关系,而在确定了星型数据模型后,将仅保留以数据表A为中心的方向关系,即数据表E指向数据表F(数据表F指向数据表A)。也就是说,本申请实施例所确定的星型数据模型中,均是以事实表为中心,事实表以及其他维度表之间即使原本具有双向关系,也将仅保留(直接或间接)指向中心事实表的方向。基于此,在一个实施例中,便可以根据星型数据模型中数据表的方向关系,区分各个数据表分别是事实表还是维度表。
在一个实施例中,步骤S103所述分别以各个所述目标数据表为事实表、以所述事实表对应能够到达的所述其他数据表为维度表,获得若干个目标星型数据模型的步骤之后,还包括步骤:
步骤S10311,若全部所述目标星型数据模型的维度表缺失任一个所述维度字段,则确定所述星座数据模型中除所述目标数据表之外的其他数据表为第二数据表;
步骤S10312,以任一所述第二数据表为根节点,根据所述图关系,确定所述星座数据模型中能够到达所述第二数据表的其他数据表,并分别以各个所述第二数据表为事实表、以所述事实表对应能够到达的其他数据表为维度表,获得若干个第二星型数据模型;
步骤S10313,确定包含所述缺失的维度字段的第二星型数据模型;
步骤S10314,将所述第二星型数据模型中不包含任一缺失的维度字段的边缘的维度表去除;
步骤S10315,将所述第二星型数据模型的事实表中的全部基础字段去除,以及维度表中除所述缺失的维度字段之外的基础字段去除;
步骤S10316,所述根据各个所述目标星型数据模型生成第一查询语句,根据所述第一查询语句从预设的数据库中查询得到对应的数据的步骤,包括:
步骤S10317,根据所述第二星型数据模型生成第二查询语句,根据所述第一查询语句以及所述第二查询语句从预设的数据库中查询得到对应的数据。
本实施例中,若步骤S103确定的所有目标星型数据模型中不包含某一查询的维度字段,也就是说,存在查询的任一维度字段不在任一个目标星型数据模型中,那么,还需要另外再确定一个包含缺失的维度字段的星型数据模型。对此,本实施例以步骤S102确定的目标数据表之外的其他数据表为根节点,分别确定多个第二星型数据模型,再找到包含所有缺失的维度字段的第二星型数据模型,进而对该第二星型数据模型的与查询无关的维度表以及基础字段去除,最终根据裁剪得到的第二星型数据模型生成第二查询语句,与第一查询语句一起进行查询。在一个实施例中,可以根据第一查询语句以及第二查询语句拼装得到一条包含多个子查询的查询语句,具体可以根据查询引擎以及用户需求设置。
在一个实施例中,步骤S101还获取用户对应的用户标识;步骤S103所述分别以各个所述目标数据表为事实表、以所述事实表对应能够到达的所述其他数据表为维度表,获得若干个目标星型数据模型的步骤之后,包括步骤:
步骤S1032,根据所述用户标识,确定各个所述目标星型数据模型的维度表绑定的查询限制信息。
其中,所述用户标识不作限定,可以是用户名称或者其他标识符等等。
在本实施例中,所述星座数据模型的至少部分数据表绑定了不同用户的查询限制信息,从而对于不同的用户查询,在确定本次查询对应的星型数据模型的事实表和维度表后,同步确认星型数据模型中各个维度表对应的查询限制信息,而在对维度表进行裁剪时,同时满足不包含任一所述维度字段且不绑定查询限制信息以及处在边缘的维度表才会去除,否则便不会去除,其中,绑定了查询限制信息而被保留的维度表将在生成查询语句时对查询的范围形成限制,具体请继续参考后续的说明。也就是说本实施例实现了对于不同的用户,分别进行不同的查询限制,便于数据的有序管理和信息安全,避免数据被无权限人员或无关人员随意查询。
对于步骤S104,将任一所述目标星型数据模型中不包括所述维度字段的边缘的维度表去除,将任一所述目标星型数据模型的事实表中除所述度量字段之外的基础字段去除,以及将任一所述星型数据模型的维度表中除所述维度字段之外的基础字段去除。
其中所述边缘的维度表是指星型数据模型中处在边缘的维度表,例如在图2中(b)的星型数据模型中,维度表C和E便是边缘的维度表。进一步地,假设维度表C去除,则维度表B将成为边缘的维度表,以此类推。
在一个实施例中,若任一所述目标星型数据模型中存在维度表绑定了查询限制信息,则步骤S104所述将任一所述目标星型数据模型中不包括所述维度字段的边缘的维度表去除的步骤,包括:
步骤S1041,将任一所述目标星型数据模型中不包含任一所述维度字段且不绑定查询限制信息的边缘的维度表去除。
请参考图2和图3,在一种情况中,假设图2中(b)的星型数据模型中,维度表B和F包含查询到维度字段,而维度表C和E不包含任一本次查询的维度字段且不绑定用户的查询限制信息,则维度表C和E将从星型数据模型中去除,得到图3的星型数据模型。在另一情况中,假设维度表B、C、E包含查询的维度字段,而维表F不包含查询的维度字段且不绑定用户的查询限制信息,则星型数据模型仍然为图2中(b)所示,不会去除维度表F和E。
也就是说,本步骤实现了将星型数据模型中与本次查询无关的维度表去除,其中,在确定与本次查询无关的维度表时,需要结合其是否包括维度字段、是否绑定查询限制信息以及是否位于边缘等条件进行确定,避免裁剪掉与查询有关的维度表。进一步地,将事实表中除了本次查询的度量字段之外的其他基础字段去除,以及将维度表中除了本次查询的维度字段之外的其他基础字段去除,从而最终只保留与查询有关的数据表和基础字段。
对于步骤S105,根据各个所述目标星型数据模型生成第一查询语句,根据所述第一查询语句从预设的数据库中查询得到对应的数据;其中,所述第一查询语句的查询字段根据所述目标星型数据模型包含的基础字段确定,所述查询语句的查询数据表根据所述目标星型数据模型包含的数据表确定。
其中,所述第一查询语句是用于从数据库中查询数据的语句,一般而言,不同的数据库操作系统可能具有不同的查询语法,对应的查询语句也有所不同,因此所述查询语句可不限定具体类型以及具体的结构,其可以根据实际情况设定,例如可以是SQL语句也可以是MDX语句等等。
一般而言,在各种现有的查询语法中,查询语句至少包括查询字段和查询数据表,其中查询字段用于指定用户所要查询的目标字段,查询数据表用于指定用户所要查询的目标数据表,以SQL语句为例,查询语句一般格式是:select 查询字段 from 查询数据表。
本实施例中,所述数据库存储包括所述星座数据模型对应的各个数据表的数据。即,所述数据库实际上便是所述星座数据模型建模的基础。
在一个实施例中,若所述用户查询的目标字段仅仅包括基础字段,或者所述用户查询的目标字段包括聚合字段,但是不存在预设的预聚合表包含所述目标星型数据模型的全部基础字段以及所述聚合字段,步骤S105所述根据各个所述目标星型数据模型生成第一查询语句的步骤包括:
步骤S1051,根据任一所述目标星型数据模型中的基础字段确定对应的查询字段;
步骤S1052,根据任一所述目标星型数据模型中的事实表确定对应的第一查询数据表;
步骤S1053,根据任一所述目标星型数据模型中不绑定查询限制信息的维度表确定对应的第二查询数据表;
步骤S1054,根据任一所述目标星型数据模型中绑定查询限制信息的维度表确定对应的第三查询数据表;其中,所述第三查询数据表根据所述绑定查询限制信息的维度表及其绑定的查询限制信息确定;
步骤S1055,将任一所述目标星型数据模型对应的所述第一查询数据表、所述第二查询数据表以及所述第三查询数据表进行连结得到对应的第四查询数据表;
步骤S1056,根据任一所述目标星型数据模型对应的所述查询字段以及所述第四查询数据表,生成对应的查询语句;
步骤S1057,根据各个所述目标星型数据模型对应的查询语句,得到所述第一查询语句。
本实施例中,在经过步骤S104处理得到目标星型数据模型后,还包括步骤:若是判断用户查询的目标字段包括聚合字段,则进一步判断是否存在预设的预聚合表包含所述目标星型数据模型的全部基础字段以及所述聚合字段;若不存在或者所述用户查询的目标字段仅仅是基础字段,则直接根据目标星型数据模型生成查询语句——具体的,根据用户查询的目标字段得到的目标星型数据模型中,记录了与本次查询有关的主要的数据表、基础字段以及查询限制信息,根据目标星型数据模型包含的基础字段便可以确定本次查询的字段,根据目标星型数据模型包含的数据表便可确定本次查询的数据表。其中,数据表可能包括三种:一种是事实表,一种是不绑定查询限制信息的维度表,一种是绑定查询限制信息的维度表。对于第一种和第二种,可以确定其数据表便分别为第一查询数据表和第二查询数据表,对于第三种,则根据该绑定查询限制信息的维度表及其绑定的查询限制信息确定第三查询数据表。可以理解的是,基于查询限制信息是用于限制查询语句的查询范围,故所述第三查询数据表是用于限制查询语句的查询范围的数据表——具体的,便是通过将第三查询数据表连结到第一查询数据表和第二查询数据表的方式,实现将查询的最终数据表中的字段数据进行限制或过滤,使得连结后得到的第四查询数据表中,限定了字段的范围或者不包含限制查询的字段。当然,若是不存在绑定查询限制信息的维度表,则不必确定所述用于限制查询语句的查询范围的第三查询数据表,从而仅需要将所述第一查询数据表和所述第二查询数据表进行连结得到所述第四查询数据表。
本实施例中,在分别将各个所述目标星型数据模型对应的所述第一查询数据表、所述第二查询数据表以及所述第三查询数据表进行连结时,其中的连接条件可根据情况设定,具体的,可以通过字段匹配,将连结的两个数据表之间共同的字段作为连接条件,也可以根据用户设置的连接条件进行连接,对此可不作限制。
在一个实施例中,步骤S1055所述将任一所述目标星型数据模型对应的所述第一查询数据表、所述第二查询数据表以及所述第三查询数据表进行连结得到对应的第四查询数据表的步骤,包括:
将任一所述目标星型数据模型对应的所述第一查询数据表与对应的各个所述第二查询数据表依次进行左连结,并与对应的各个所述第三查询数据表依次进行内连结,得到对应的第四查询数据表。
具有的,在一个例子中,假设目标星型数据模型包含事实表t0以及3个维度表t1、t2、t3,其中事实表t0仅包含一个“数量”字段,维度表t1包含“类别”字段,维度表t2包含“产地”字段,维度表t3不包含字段但是绑定了查询限制信息为“时间=12月”,则据此目标星型数据模型生成的查询语句为:select t0.数量,t1.类别,t2.产地 from t0 left join t1on 连接条件 left join t2 on 连接条件 inner join (select * from t3 where 时间=12月) t3 on 连接条件。
在另一实施例中,若所述用户查询的目标字段包括聚合字段,步骤S105所述根据各个所述目标星型数据模型生成第一查询语句的步骤,包括:
若存在预设的预聚合表包含所述目标星型数据模型的全部基础字段以及所述聚合字段,则根据各个所述目标星型数据模型中的基础字段确定第一查询字段;
根据所述聚合字段确定第二查询字段;
根据所述预聚合表确定第五查询数据表;
根据任一所述目标星型数据模型中绑定查询限制信息的维度表确定对应的第六查询数据表;其中,所述第六查询数据表根据所述绑定查询限制信息的维度表及其绑定的查询限制信息确定;
将所述第五查询数据表以及各个所述第六查询数据表进行连结得到第七查询数据表;
根据所述第一查询字段、所述第二查询字段以及所述第七查询数据表,生成所述第一查询语句。
其中,在本实施例中,所述预聚合表是数据库存储的真实预聚合表的逻辑映射,具体参考星座数据模型,其仅包括数据表的表名、基础字段以及聚合字段等数据,用于生成查询语句时确定查询的字段信息、数据表的表名信息。本实施例在数据库中存在真实的预聚合表,该预聚合表是事先对原始数据进行了聚合处理后得到的数据表,其中存储包含基础字段、聚合字段以及各个字段对应的数据。
本实施例中,在判断存在预设的预聚合表包含所述目标星型数据模型的全部基础字段以及所述聚合字段时,则根据所述目标星型数据模型以及所述预聚合表生成查询语句,具体的,是直接将预聚合表作为查询语句中查询的目标数据表,根据绑定查询限制信息的维度表确定对应的第六查询数据表,再将第六查询数据表连结到所述预聚合表(实现查询限制)得到第七查询数据表,具体的采用内连结的方式实现查询限制。最终根据所述第一查询字段、所述第二查询字段以及所述第七查询数据表生成查询语句再进行查询,查询得到的数据中将直接包括聚合字段的查询结果,而不需要再对有关的基础字段的数据进行聚合处理。
对于步骤S106,根据查询得到的数据,得到所述目标字段的查询结果。
在一个实施例中,若所述用户查询的目标字段包括聚合字段,但是不存在预设的预聚合表包含所述目标星型数据模型的全部基础字段以及所述聚合字段,所述根据查询得到的数据,得到所述目标字段的查询结果的步骤,还包括:
根据所述聚合字段确定聚合处理的方式并对所述聚合字段关联的基础字段的对应数据进行聚合处理,得到所述目标字段的查询结果。
本实施例中,若不存在预设的预聚合表能够直接查询,则从数据库中查询得到的数据便只是基础字段的数据,因此,若是用户查询的目标字段中存在字段是聚合字段,则还需要对查询得到的有关基础字段的数据进行聚合处理,从而得到聚合字段的查询结果。当然,对于目标字段本身便是基础字段的情况,根据数据库中查询到的数据便可以直接得到基础字段的查询结果。
本申请实施例还公开了一种计算机可读存储介质,其上存储有计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任一项实施例所述的方法。即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。计算机程序可以包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。而前述的存储介质包括:能够携带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(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,则本申请也意图包含这些改动和变形。
Claims (10)
1.一种数据查询方法,其特征在于,所述方法包括以下步骤:
获取用户查询的目标字段,确定所述目标字段的基础字段;所述基础字段包括度量字段和/或维度字段;
根据所述基础字段,确定预设的星座数据模型中至少一个数据表为目标数据表;其中,所述星座数据模型记录若干个数据表、各个数据表包括的基础字段以及各个数据表的图关系;所述图关系至少包括有向图关系;
以任一所述目标数据表为根节点,根据所述图关系,确定所述星座数据模型中能够到达所述目标数据表的其他数据表,分别以各个所述目标数据表为事实表、以所述事实表对应能够到达的所述其他数据表为维度表,获得若干个目标星型数据模型;
将任一所述目标星型数据模型中不包括所述维度字段的边缘的维度表去除,将任一所述目标星型数据模型的事实表中除所述度量字段之外的基础字段去除,以及将任一所述星型数据模型的维度表中除所述维度字段之外的基础字段去除;
根据各个所述目标星型数据模型生成第一查询语句,根据所述第一查询语句从预设的数据库中查询得到对应的数据;其中,所述第一查询语句的查询字段根据所述目标星型数据模型包含的基础字段确定,所述第一查询语句的查询数据表根据所述目标星型数据模型包含的数据表确定;所述预设的数据库存储包括所述星座数据模型对应的各个数据表的数据;
根据查询得到的数据,得到所述目标字段的查询结果。
2.根据权利要求1所述的数据查询方法,其特征在于,若所述基础字段包括至少一个度量字段和至少一个维度字段,所述根据所述基础字段,确定预设的星座数据模型中至少一个数据表为目标数据表的步骤,包括:
确定预设的星座数据模型中包含任意一个或多个所述度量字段的至少一个数据表为目标数据表。
3.根据权利要求2所述的数据查询方法,其特征在于,所述分别以各个所述目标数据表为事实表、以所述事实表对应能够到达的所述其他数据表为维度表,获得若干个目标星型数据模型的步骤之后,还包括步骤:
若全部所述目标星型数据模型的维度表缺失任一个所述维度字段,则确定所述星座数据模型中除所述目标数据表之外的其他数据表为第二数据表;
以任一所述第二数据表为根节点,根据所述图关系,确定所述星座数据模型中能够到达所述第二数据表的其他数据表,并分别以各个所述第二数据表为事实表、以所述事实表对应能够到达的其他数据表为维度表,获得若干个第二星型数据模型;
确定包含所述缺失的维度字段的第二星型数据模型;
将所述第二星型数据模型中不包含任一缺失的维度字段的边缘的维度表去除;
将所述第二星型数据模型的事实表中的全部基础字段去除,以及维度表中除所述缺失的维度字段之外的基础字段去除;
所述根据各个所述目标星型数据模型生成第一查询语句,根据所述第一查询语句从预设的数据库中查询得到对应的数据的步骤,包括:
根据所述第二星型数据模型生成第二查询语句,根据所述第一查询语句以及所述第二查询语句从预设的数据库中查询得到对应的数据。
4.根据权利要求1所述的数据查询方法,其特征在于,若所述基础字段仅包括度量字段,所述根据所述基础字段,确定预设的星座数据模型中至少一个数据表为目标数据表的步骤,包括:确定所述星座数据模型中包含任意一个或多个所述度量字段的至少一个数据表为目标数据表;
若所述基础字段仅包括维度字段,所述根据所述基础字段,确定预设的星座数据模型中至少一个数据表为目标数据表的步骤,包括:确定所述星座数据模型中的各个数据表为目标数据表;所述分别以各个所述目标数据表为事实表、以所述事实表对应能够到达的所述其他数据表为维度表,获得若干个目标星型数据模型的步骤之后,还包括步骤:确定存在维度表包含所述维度字段的目标星型数据模型。
5.根据权利要求1至4中任一项权利要求所述的数据查询方法,其特征在于,所述星座数据模型的至少部分数据表绑定不同的用户标识分别对应的查询限制信息,所述查询限制信息用于限制用户的查询范围;
所述获取用户查询的目标字段的步骤包括:
获取用户查询的目标字段以及对应的用户标识;
所述分别以各个所述目标数据表为事实表、以所述事实表对应能够到达的所述其他数据表为维度表,获得若干个目标星型数据模型的步骤之后,包括步骤:
根据所述用户标识,确定各个所述目标星型数据模型的维度表绑定的查询限制信息;
所述将任一所述目标星型数据模型中不包括所述维度字段的边缘的维度表去除的步骤,包括:
将任一所述目标星型数据模型中不包含任一所述维度字段且不绑定查询限制信息的边缘的维度表去除。
6.根据权利要求5所述的数据查询方法,其特征在于,若所述用户查询的目标字段仅仅包括基础字段,或者所述用户查询的目标字段包括聚合字段,但是不存在预设的预聚合表包含所述目标星型数据模型的全部基础字段以及所述聚合字段,所述根据各个所述目标星型数据模型生成第一查询语句的步骤包括:
根据任一所述目标星型数据模型中的基础字段确定对应的查询字段;
根据任一所述目标星型数据模型中的事实表确定对应的第一查询数据表;
根据任一所述目标星型数据模型中不绑定查询限制信息的维度表确定对应的第二查询数据表;
根据任一所述目标星型数据模型中绑定查询限制信息的维度表确定对应的第三查询数据表;其中,所述第三查询数据表根据所述绑定查询限制信息的维度表及其绑定的查询限制信息确定;
将任一所述目标星型数据模型对应的所述第一查询数据表、所述第二查询数据表以及所述第三查询数据表进行连结得到对应的第四查询数据表;
根据任一所述目标星型数据模型对应的所述查询字段以及所述第四查询数据表,生成对应的查询语句;
根据各个所述目标星型数据模型对应的查询语句,得到所述第一查询语句。
7.根据权利要求6所述的数据查询方法,其特征在于,所述将任一所述目标星型数据模型对应的所述第一查询数据表、所述第二查询数据表以及所述第三查询数据表进行连结得到对应的第四查询数据表的步骤,包括:
将任一所述目标星型数据模型对应的所述第一查询数据表与对应的各个所述第二查询数据表依次进行左连结,并与对应的各个所述第三查询数据表依次进行内连结,得到对应的第四查询数据表。
8.根据权利要求6所述的数据查询方法,其特征在于,若所述用户查询的目标字段包括聚合字段,但是不存在预设的预聚合表包含所述目标星型数据模型的全部基础字段以及所述聚合字段,所述根据查询得到的数据,得到所述目标字段的查询结果的步骤,还包括:
根据所述聚合字段确定聚合处理的方式并对所述聚合字段关联的基础字段的对应数据进行聚合处理,得到所述目标字段的查询结果。
9.根据权利要求5所述的数据查询方法,其特征在于,若所述用户查询的目标字段包括聚合字段,所述根据各个所述目标星型数据模型生成第一查询语句的步骤,包括:
若存在预设的预聚合表包含所述目标星型数据模型的全部基础字段以及所述聚合字段,则根据各个所述目标星型数据模型中的基础字段确定第一查询字段;
根据所述聚合字段确定第二查询字段;
根据所述预聚合表确定第五查询数据表;
根据任一所述目标星型数据模型中绑定查询限制信息的维度表确定对应的第六查询数据表;其中,所述第六查询数据表根据所述绑定查询限制信息的维度表及其绑定的查询限制信息确定;
将所述第五查询数据表以及各个所述第六查询数据表进行连结得到第七查询数据表;
根据所述第一查询字段、所述第二查询字段以及所述第七查询数据表,生成所述第一查询语句。
10.一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9任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410050755.6A CN117573698B (zh) | 2024-01-15 | 2024-01-15 | 数据查询方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410050755.6A CN117573698B (zh) | 2024-01-15 | 2024-01-15 | 数据查询方法及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117573698A true CN117573698A (zh) | 2024-02-20 |
CN117573698B CN117573698B (zh) | 2024-04-05 |
Family
ID=89864579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410050755.6A Active CN117573698B (zh) | 2024-01-15 | 2024-01-15 | 数据查询方法及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117573698B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117807108A (zh) * | 2024-02-28 | 2024-04-02 | 广州思迈特软件有限公司 | 基于双查询引擎的数据查询方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030088548A1 (en) * | 2001-11-07 | 2003-05-08 | Hyperion Solutions Corporation | Method for extracting data from a relational database using a reduced query |
US20140122415A1 (en) * | 2012-10-31 | 2014-05-01 | International Business Machines Corporation | Generation of cube metadata and query statement based on an enhanced star schema |
US20170337260A1 (en) * | 2015-02-13 | 2017-11-23 | Guangzhou Shenma Mobile Information Technology Co. Ltd. | Method and device for storing data |
CN115329011A (zh) * | 2021-05-10 | 2022-11-11 | 北京三快在线科技有限公司 | 数据模型的构建方法、数据查询的方法、装置及存储介质 |
US20230073666A1 (en) * | 2020-12-11 | 2023-03-09 | Tencent Technology (Shenzhen) Company Limited | Data query method and apparatus, device, and computer-readable storage medium |
-
2024
- 2024-01-15 CN CN202410050755.6A patent/CN117573698B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030088548A1 (en) * | 2001-11-07 | 2003-05-08 | Hyperion Solutions Corporation | Method for extracting data from a relational database using a reduced query |
US20140122415A1 (en) * | 2012-10-31 | 2014-05-01 | International Business Machines Corporation | Generation of cube metadata and query statement based on an enhanced star schema |
US20170337260A1 (en) * | 2015-02-13 | 2017-11-23 | Guangzhou Shenma Mobile Information Technology Co. Ltd. | Method and device for storing data |
US20230073666A1 (en) * | 2020-12-11 | 2023-03-09 | Tencent Technology (Shenzhen) Company Limited | Data query method and apparatus, device, and computer-readable storage medium |
CN115329011A (zh) * | 2021-05-10 | 2022-11-11 | 北京三快在线科技有限公司 | 数据模型的构建方法、数据查询的方法、装置及存储介质 |
Non-Patent Citations (1)
Title |
---|
黄贻彬;马小雨;: "Microsoft SQL Server中的星形连接查询优化", 煤炭技术, no. 09, 10 September 2011 (2011-09-10), pages 169 - 170 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117807108A (zh) * | 2024-02-28 | 2024-04-02 | 广州思迈特软件有限公司 | 基于双查询引擎的数据查询方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117573698B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117573698B (zh) | 数据查询方法及存储介质 | |
US10740396B2 (en) | Representing enterprise data in a knowledge graph | |
US20140351241A1 (en) | Identifying and invoking applications based on data in a knowledge graph | |
US20110119300A1 (en) | Method Of Generating An Analytical Data Set For Input Into An Analytical Model | |
CA2450044A1 (en) | Managed file system filter model and architecture | |
US9633104B2 (en) | Methods and systems to operate on group-by sets with high cardinality | |
US9158599B2 (en) | Programming framework for applications | |
US9633077B2 (en) | Query of multiple unjoined views | |
CN103092997B (zh) | 用于报表分析的联动查询系统和联动查询方法 | |
CN106815353A (zh) | 一种数据查询的方法及设备 | |
CN110609839A (zh) | 区块链数据处理的方法、装置、设备及可读存储介质 | |
US10628421B2 (en) | Managing a single database management system | |
US20140280218A1 (en) | Techniques for data integration | |
CN112395315A (zh) | 一种日志文件的统计与异常探测方法及电子装置 | |
US20190370382A1 (en) | Unbalanced partitioning of database for application data | |
CN111045994B (zh) | 一种基于kv数据库的文件分类检索方法及系统 | |
US20220215021A1 (en) | Data Query Method and Apparatus, Computing Device, and Storage Medium | |
CN115270419A (zh) | 一种实时事件当前状态的孪生方法、订阅方法及系统 | |
CN115510289A (zh) | 一种数据立方体配置方法、装置、电子设备及存储介质 | |
CN111352922B (zh) | Bi工具中多数据表的数据权限继承方法 | |
JP2003030065A (ja) | 管理情報データベース構造定義ファイル結合方法およびネットワークデバイス管理システムならびに管理情報データベース構造定義ファイルを結合するための処理プログラム | |
CN112434189A (zh) | 数据查询方法、装置及设备 | |
US10936979B2 (en) | Dynamic extension of semantic layer universes | |
CN117807108A (zh) | 基于双查询引擎的数据查询方法 | |
CN111026747A (zh) | 一种分布式的图数据管理系统、方法及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |