CN117609101B - 一种用户大数据多引擎压测的方法 - Google Patents
一种用户大数据多引擎压测的方法 Download PDFInfo
- Publication number
- CN117609101B CN117609101B CN202410093401.XA CN202410093401A CN117609101B CN 117609101 B CN117609101 B CN 117609101B CN 202410093401 A CN202410093401 A CN 202410093401A CN 117609101 B CN117609101 B CN 117609101B
- Authority
- CN
- China
- Prior art keywords
- user
- target engine
- framework
- locust
- class
- 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 60
- 238000012360 testing method Methods 0.000 title claims abstract description 45
- 238000004806 packaging method and process Methods 0.000 claims abstract description 8
- 238000009530 blood pressure measurement Methods 0.000 claims abstract description 7
- 238000013515 script Methods 0.000 claims description 26
- 238000010998 test method Methods 0.000 claims description 9
- 230000006835 compression Effects 0.000 claims 4
- 238000007906 compression Methods 0.000 claims 4
- 230000006870 function Effects 0.000 description 17
- 241000238814 Orthoptera Species 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000009662 stress testing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3696—Methods or tools to render software testable
-
- 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
- G06F16/2455—Query execution
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明涉及大数据技术测试领域，公开了一种用户大数据多引擎压测的方法，包括：定义需要压测的目标引擎得到目标引擎的定义类；根据目标引擎的定义类构建Locust框架所需的客户端，执行得到Locust框架内置的环境变量；构建Locust框架所需的User，将所构建的User集成为User基础类，将Locust框架，将Locust框架内置的环境变量与User基础类中的环境对象进行关联；基于User基础类构建需要测试的目标引擎的任务集合类；利用Locust框架进行封装，执行Locust命令，运行整个流程，输出压测报告。本发明基于Locust框架可适用于任一存储计算引擎。
Description
技术领域
本发明属于大数据技术测试领域，具体涉及一种用户大数据多引擎压测的方法。
背景技术
当前的大数据的领域里，数据存算组件种类多数量广，包括有OPLT引擎和OLAP引擎。在特定业务场景需要使用不同的技术，在使用新的组件的时候，开发人员首要关注的是当前系统的性能、稳定性和效率，所以需要对新的组件进行压力测试。压力测试是确立系统稳定性的一种测试方法，通常在系统正常运作范围之外进行，用来考察系统功能的极限和隐患。
在目前的大数据压测领域中，比较流行的jmeter和locust两种组件都是针对http接口协议进行压力测试，缺乏其他协议的其他组件例如tcp和jdbc，无法对大数据领域的各式组件进行有效支持，虽然各种开源组件可以提供标准的TPC-C和TPC-H的标准测试结果，但是在不同的测试场景里，所表现出的性能和标准并不统一。
没有统一、完善的对各个存储计算引擎进行压测的方案，成为所属技术领域技术人员亟待解决的技术问题。
发明内容
本发明要解决的技术问题是：提供一种用户大数据多引擎压测的方法，以解决上述问题。
为实现上述目的，本发明采用的技术方案如下：
一种用户大数据多引擎压测的方法，包括：
步骤a、定义需要压测的目标引擎得到目标引擎的定义类；
步骤b、根据目标引擎的定义类构建Locust框架所需的客户端，执行得到Locust框架内置的环境变量；
步骤c、构建Locust框架所需的User，将所构建的User集成为User基础类，将Locust框架，将Locust框架内置的环境变量与User基础类中的环境对象进行关联；
步骤d、基于User基础类构建需要测试的目标引擎的任务集合类；
步骤e、将步骤a-步骤d封装在Locust框架中，执行Locust框架中的命令，运行整个流程，输出压测报告。
进一步地，步骤a中，对需要压测的目标引擎进行定义，得到目标引擎的定义类。
进一步地，步骤b包括：步骤b1，继承步骤a中得到的目标引擎的定义类；步骤b2，根据目标引擎的定义类构建客户端，获取客户端中用户存储Locust框架，定义用户存储Locust框架执行过程中数据的本地环境变量；步骤b3，重写目标引擎客户端中的getattribute方法以获取当前正在调用的函数，更改函数的名称，如果调用的函数是Query方法，则给当前正在调用的Query方法动态添加一个定义的装饰器；步骤b4，利用定义的装饰器将Query方法的执行时间添加至Locust框架内置的环境变量的成功事件中。
进一步地，步骤b3中的装饰器的逻辑为在调用Query函数前记录一个开始时间，执行Query函数后记录一个结束时间，用结束时间减去开始时间计算出Query函数的执行时间。
进一步地，步骤c包括：步骤c1，构建对应目标引擎的User，根据Locust框架提供的类将所构建的User集成为User基础类；步骤c2，使用init方法将步骤b2中构建的客户端初始化；步骤c3，将步骤b4的环境变量赋值为由Locust框架提供的User基础类中的环境对象。
进一步地，步骤d包括：步骤d1，构建一个测试目标引擎的任务集合类，继承步骤c1构建的User基础类，由User基础类对测试任务进行执行；步骤d2，获取需要压测的目标引擎的用户信息；步骤d3，调用目标引擎客户端中的数据库连接方法以创建客户端和目标引擎之间的连接通道；步骤d4，定义测试方法并添加由Locust框架提供的task装饰器，在添加task装饰器后，Locust框架可以自动调用测试方法；步骤d5，调用User类的客户端测试中的函数以关闭客户端与目标引擎之间的连接通道。
进一步地，步骤d4中的测试方法包括：步骤d41，读取目标引擎中包含多个SQL语句的SQL脚本，用于测试不同的用户场景；步骤d42，将读取的SQL脚本添加至一个List集合中；步骤d43，遍历含有SQL脚本的List集合，调用客户端中父类的Query方法，传入已执行的SQL语句。
进一步地，步骤e包括：步骤e1，将步骤a-步骤d封装在Locust框架中的python脚本里并命名；步骤e2，将目标引擎的SQL测试数据添加至Locust框架已命名的python脚本中；步骤e3，调用python脚本命令，完成目标引擎的压力测试；步骤e4，得到目标引擎压力测试的输出报告。
本发明将需要进行压测的引擎定义为新对象，再通过Locust框架构建客户端、User类和任务集合类，执行python脚本命令完成整个压力测试，此方案可适用于任一存储计算引擎。
附图说明
图1为本发明流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进一步详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
术语解释：
Locust框架是一个开源的Python框架，用于编写和运行负载测试；
User是Locust框架提供的一个用户的抽象概念，对不同的引擎进行压力测试，需要定义不同引擎的具体用户；
Getattribute方法是一种内置方法，用于获取特定对象的属性值；
Query是Python中用于从数据库或其他数据源中检索数据的方法；
Init方法是一个特殊的Python魔术方法,用于初始化类的实例对象；
Task装饰器用于标识测试任务；
List是python里面的一种数据类型，是一种有序的集合列表，具有可变性；
SQL是具有数据操纵和数据定义等多种功能的数据库语言；
Python是一种面向对象的解释型计算机程序设计语言。
如图1所示，本发明提供的一种用户大数据多引擎压测的方法，包括：
步骤a、定义需要压测的目标引擎得到目标引擎的定义类；
步骤b、根据目标引擎的定义类构建Locust框架所需的客户端，执行得到Locust框架内置的环境变量；
步骤c、构建Locust框架所需的User，将所构建的User集成为User基础类，将Locust框架，将Locust框架内置的环境变量与User基础类中的环境对象进行关联；
步骤d、基于User基础类构建需要测试的目标引擎的任务集合类；
步骤e、将步骤a-步骤d封装在Locust框架中，执行Locust框架中的命令，运行整个流程，输出压测报告。
优选地，步骤a中，对需要压测的目标引擎进行定义，得到目标引擎的定义类。
目标引擎包括ClickHouse、Doris、Trino、Kylin存算引擎。ClickHouse是俄罗斯的在线分析处理查询MPP架构的列式存储数据库，能够使用SQL查询实时生成分析数据报告；Doris是开源的分布式列式存储数据库，专注与实时分析和交互式查询；Trino是开源的分布式SQL查询引擎，适用于交互式分析查询；Kylin是一个开源的分布式分析引擎，可以提供Hadoop之上的SQL查询接口及多维分析能力以支持超大规模数据。
在目标引擎的定义类中实现以下方法：在python中使用init方法，将客户端初始化；使用Openconnection方法，与目标引擎的数据库建立连接通道；使用Closeconnection方法，关闭与目标引擎的数据库之间的连接通道；用于执行目标引擎SQL数据库的Query方法。
作为其中一种实施例，定义Doris引擎的类。使用init方法定义Doris引擎中的Connection属性，使用python提供的pymysql三方工具，调用Connect函数传入Doris引擎的数据信息，建立用户与Doris引擎的连接通道，构建conn对象。使用Query方法执行SQL的逻辑，调用conn对象的execute方法传入需要被测试的Doris引擎中的SQL并执行。使用Closeconnection方法释放conn对象，让用户关闭与Doris引擎的连接通道。
优选地，步骤b包括：步骤b1，继承步骤a中得到的目标引擎的定义类；步骤b2，根据目标引擎的定义类构建客户端，获取客户端中用户存储Locust框架，定义用户存储Locust框架执行过程中数据的本地环境变量；步骤b3，重写目标引擎客户端中的getattribute方法以获取当前正在调用的函数，更改函数的名称，如果调用的函数是Query方法，则给当前正在调用的Query方法动态添加一个定义的装饰器；步骤b4，利用定义的装饰器将Query方法的执行时间添加至Locust框架内置的环境变量的成功事件中。
所述步骤b2中，执行过程中数据包括本次请求是否成功，本次请求的查询时间，本次查询任务的名称等信息等，用于Locust引擎在执行完所有的任务之后，对任务进行的统计分析。所述步骤b3中，客户端中定义了如何和目标引擎进行连接、通信、操作的方法；被定义的客户端引擎为父类，子类在集成后可以获得相应的操作目标引擎的能力。所述步骤b4中，Locust框架内置的环境变量和步骤b2的本地环境变量是一种继承关系，环境变量是Locust框架中内置的一个对象，本地环境变量是对Locust框架内置的环境变量进行引用，便于把客户端的执行信息传递给Locust框架。
作为其中一种实施例，定义Doris客户端的类，继承实施例1的Doris引擎类，将装饰器添加至Doris引擎的Query方法。Doris客户端的类提供与Doris引擎数据库进行交互的方法，允许用户将数据写入Doris数据库的数据表中。
优选地，步骤b3中的装饰器的逻辑为在调用Query函数前记录一个开始时间，执行Query函数后记录一个结束时间，用结束时间减去开始时间可以计算出Query函数的执行时间。
所述装饰器是python中的一种编程模式，用于包装一个具体的方法。在方法之前和方法之后执行具体的逻辑。
优选地，步骤c包括：步骤c1，构建对应目标引擎的User，根据Locust框架提供的类将所构建的User集成为User基础类；步骤c2，使用init方法将步骤b2中构建的客户端初始化；步骤c3，将步骤b4的环境变量赋值为由Locust框架提供的User基础类中的环境对象。
作为其中一种实施例，定义Doris引擎的User，集成User基础类。使用init方法构建客户端的对象并初始化，构建的次对象为Doris的客户端。将Doris的客户端中的本地环境变量赋值为User基础类的环境对象。
优选地，步骤d包括：步骤d1，构建一个测试目标引擎的任务集合类，继承步骤c1构建的User基础类，由User基础类对测试任务进行执行；步骤d2，获取需要压测的目标引擎的用户信息；步骤d3，调用目标引擎客户端中的数据库连接方法以创建客户端和目标引擎之间的连接通道；步骤d4，定义测试方法并添加由Locust框架提供的task装饰器，在添加task装饰器后，Locust框架可以自动调用测试方法；步骤d5，调用User类的客户端测试中的函数以关闭客户端与目标引擎之间的连接通道。
所述步骤b1中，任务集合类存放的是Locust框架中User要执行的任务集合。所述步骤d2中，用户信息包括目标引擎的用户名、密码、端口、IP地址、数据库名称，这些信息是在构建任务集合类时预先设置的信息。所述步骤d4中，task装饰器的作用是将当前客户端的动态执行信息传递给Locust框架，是Locust框架提供的，用户将测试任务提交给Locust框架。
优选地，步骤d4中的测试方法包括：步骤d41，读取目标引擎中包含多个SQL语句的SQL脚本，用于测试不同的用户场景；步骤d42，将读取的SQL脚本添加至一个List集合中；步骤d43，遍历含有SQL脚本的List集合，调用客户端中父类的Query方法，传入已执行的SQL语句。
作为其中一种实施例，构建Doris的任务集合类，继承步骤c1构建的User基础类，获取Doris引擎的用户信息。调用Doris引擎客户端的数据库连接方法，建立客户端和Doris引擎之间的连接通道。定义Doris引擎的测试方法，并添加由Locust框架提供的task装饰器，读取待测的Doris引擎的SQL脚本添加至List集合中，循环调用Doris引擎客户端的query方法，完成Doris引擎的SQL语句的执行。
优选地，步骤e包括：步骤e1，将步骤a-步骤d封装在Locust框架中的一个脚本里并命名；步骤e2，将目标引擎的SQL测试数据添加至Locust框架已命名的脚本中；步骤e3，调用python脚本命令，完成目标引擎的压力测试；步骤e4，得到目标引擎压力测试的输出报告。
所述步骤e3中，python脚本命令是即时启动整个封装的命令，通过这个命令可以启动对目标引擎的测试。
作为其中一种实施例，将步骤a-步骤d封装在Locust框架下的一个python脚本中并命名，将待测的Doris引擎的SQL文件添加至已命名的脚本中，调用python脚本命令完成对Doris引擎的压力测试。
最后应说明的是：以上各实施例仅仅为本发明的较优实施例用以说明本发明的技术方案，而非对其限制，当然更不是限制本发明的专利范围；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围；也就是说，但凡在本发明的主体设计思想和精神上作出的毫无实质意义的改动或润色，其所解决的技术问题仍然与本发明一致的，均应当包含在本发明的保护范围之内；另外，将本发明的技术方案直接或间接的运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种用户大数据多引擎压测的方法，其特征在于，包括：
步骤a、定义需要压测的目标引擎得到目标引擎的定义类；
步骤b、根据目标引擎的定义类构建Locust框架所需的客户端，执行得到Locust框架内置的环境变量；
步骤c、构建Locust框架所需的User，将所构建的User集成为User基础类，将Locust框架内置的环境变量与User基础类中的环境对象进行关联；
步骤d、基于User基础类构建需要测试的目标引擎的任务集合类；
步骤e、将步骤a-步骤d封装在Locust框架中，执行Locust框架中的命令，运行整个流程，输出压测报告；
步骤b包括：步骤b1，继承步骤a中得到的目标引擎的定义类；步骤b2，根据目标引擎的定义类构建客户端，获取客户端中用户存储Locust框架，定义用户存储Locust框架执行过程中数据的本地环境变量；步骤b3，重写目标引擎客户端中的getattribute方法以获取当前正在调用的函数，更改函数的名称，如果调用的函数是Query方法，则给当前正在调用的Query方法动态添加一个定义的装饰器；步骤b4，利用定义的装饰器将Query方法的执行时间添加至Locust框架内置的环境变量的成功事件中。
2.根据权利要求1所述的一种用户大数据多引擎压测的方法，其特征在于，步骤a中，对需要压测的目标引擎进行定义，得到目标引擎的定义类。
3.根据权利要求1所述的一种用户大数据多引擎压测的方法，其特征在于，步骤b3中的装饰器的逻辑为在调用Query函数前记录一个开始时间，执行Query函数后记录一个结束时间，用结束时间减去开始时间计算出Query函数的执行时间。
4.根据权利要求1所述的一种用户大数据多引擎压测的方法，其特征在于，步骤c包括：步骤c1，构建对应目标引擎的User，根据Locust框架提供的类将所构建的User集成为User基础类；步骤c2，使用init方法将步骤b2中构建的客户端初始化；步骤c3，将步骤b4的环境变量赋值为由Locust框架提供的User基础类中的环境对象。
5.根据权利要求4所述的一种用户大数据多引擎压测的方法，其特征在于，步骤d包括：步骤d1，构建一个测试目标引擎的任务集合类，继承步骤c1构建的User基础类，由User基础类对测试任务进行执行；步骤d2，获取需要压测的目标引擎的用户信息；步骤d3，调用目标引擎客户端中的数据库连接方法以创建客户端和目标引擎之间的连接通道；步骤d4，定义测试方法并添加由Locust框架提供的task装饰器，在添加task装饰器后，Locust框架可以自动调用测试方法；步骤d5，调用User类的客户端测试中的函数以关闭客户端与目标引擎之间的连接通道。
6.根据权利要求5所述的一种用户大数据多引擎压测的方法，其特征在于，步骤d4中的测试方法包括：步骤d41，读取目标引擎中包含多个SQL语句的SQL脚本，用于测试不同的用户场景；步骤d42，将读取的SQL脚本添加至一个List集合中；步骤d43，遍历含有SQL脚本的List集合，调用客户端中父类的Query方法，传入已执行的SQL语句。
7.根据权利要求1所述的一种用户大数据多引擎压测的方法，其特征在于，步骤e包括：步骤e1，将步骤a-步骤d封装在Locust框架中的python脚本里并命名；步骤e2，将目标引擎的SQL测试数据添加至Locust框架已命名的python脚本中；步骤e3，调用python脚本命令，完成目标引擎的压力测试；步骤e4，得到目标引擎压力测试的输出报告。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410093401.XA CN117609101B (zh) | 2024-01-23 | 2024-01-23 | 一种用户大数据多引擎压测的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410093401.XA CN117609101B (zh) | 2024-01-23 | 2024-01-23 | 一种用户大数据多引擎压测的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117609101A CN117609101A (zh) | 2024-02-27 |
| CN117609101B true CN117609101B (zh) | 2024-05-28 |
Family
ID=89958299
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410093401.XA Active CN117609101B (zh) | 2024-01-23 | 2024-01-23 | 一种用户大数据多引擎压测的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117609101B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110704312A (zh) * | 2019-09-25 | 2020-01-17 | 浙江大搜车软件技术有限公司 | 压力测试的方法、装置、计算机设备和存储介质 |
| CN111444111A (zh) * | 2020-04-15 | 2020-07-24 | 深圳市万睿智能科技有限公司 | 基于python的性能测试方法、装置、计算机设备及存储介质 |
| CN113760755A (zh) * | 2021-08-23 | 2021-12-07 | 南京柏跃软件有限公司 | 一种基于海量数据的新型测试方法 |
| CN114610597A (zh) * | 2020-12-08 | 2022-06-10 | 中移(苏州)软件技术有限公司 | 一种压力测试方法、装置、设备及存储介质 |
| CN115373654A (zh) * | 2022-10-08 | 2022-11-22 | 天津华来科技股份有限公司 | Locust中间件代码架构方法、电子设备、存储介质 |
| US11567857B1 (en) * | 2020-05-18 | 2023-01-31 | Amazon Technologies, Inc. | Bypassing generation of non-repeatable parameters during software testing |
| CN117290255A (zh) * | 2023-11-24 | 2023-12-26 | 天津华来科技股份有限公司 | 一种基于Python和Locust框架的批量接口性能测试方法 |
-
2024
- 2024-01-23 CN CN202410093401.XA patent/CN117609101B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110704312A (zh) * | 2019-09-25 | 2020-01-17 | 浙江大搜车软件技术有限公司 | 压力测试的方法、装置、计算机设备和存储介质 |
| CN111444111A (zh) * | 2020-04-15 | 2020-07-24 | 深圳市万睿智能科技有限公司 | 基于python的性能测试方法、装置、计算机设备及存储介质 |
| US11567857B1 (en) * | 2020-05-18 | 2023-01-31 | Amazon Technologies, Inc. | Bypassing generation of non-repeatable parameters during software testing |
| CN114610597A (zh) * | 2020-12-08 | 2022-06-10 | 中移(苏州)软件技术有限公司 | 一种压力测试方法、装置、设备及存储介质 |
| CN113760755A (zh) * | 2021-08-23 | 2021-12-07 | 南京柏跃软件有限公司 | 一种基于海量数据的新型测试方法 |
| CN115373654A (zh) * | 2022-10-08 | 2022-11-22 | 天津华来科技股份有限公司 | Locust中间件代码架构方法、电子设备、存储介质 |
| CN117290255A (zh) * | 2023-11-24 | 2023-12-26 | 天津华来科技股份有限公司 | 一种基于Python和Locust框架的批量接口性能测试方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于Locust的软件性能测试技术研究和实现;苏超;《电子测试》;20180315(第06期);106-107 * |
| 物联网云服务平台的测试与性能评估方法研究;王一川;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190815(第08期);I136-539 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117609101A (zh) | 2024-02-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Vyawahare et al. | A hybrid database approach using graph and relational database | |
| CN111722839B (zh) | 一种代码生成方法、装置、电子设备及存储介质 | |
| JP2011517823A (ja) | 照会処理視覚化システム、照会処理を視覚化する方法及びコンピュータ・プログラム | |
| CN115563817A (zh) | 基于内存数据库的仿真数据访存方法、装置和计算机设备 | |
| CN114238381A (zh) | 数据质量校验方法、设备及计算机可读存储介质 | |
| CN117093599A (zh) | 面向异构数据源的统一sql查询方法 | |
| CN116244387A (zh) | 实体关系构建方法、装置、电子设备及存储介质 | |
| CN116431598A (zh) | 一种基于Redis的关系型数据库全量内存化的方法 | |
| CN114969441A (zh) | 基于图数据库的知识挖掘引擎系统 | |
| CN114238085A (zh) | 接口测试方法、装置、计算机设备、存储介质 | |
| CN117609101B (zh) | 一种用户大数据多引擎压测的方法 | |
| Glava et al. | Information Systems Reengineering Approach Based on the Model of Information Systems Domains | |
| CN113901117A (zh) | 用于多源试验数据引接处理方法 | |
| Mordinyi et al. | Evaluation of NoSQL graph databases for querying and versioning of engineering data in multi-disciplinary engineering environments | |
| CN117421302A (zh) | 一种数据处理方法及相关设备 | |
| Sangupamba et al. | Business intelligence and big data in the cloud: opportunities for design-science researchers | |
| CN112579604A (zh) | 测试系统的造数方法、装置、设备及存储介质 | |
| Gombos et al. | P-Spar (k) ql: SPARQL evaluation method on Spark GraphX with parallel query plan | |
| CN116304220A (zh) | 一种面向数据集成的多粒度溯源方法 | |
| CN114547083A (zh) | 数据处理方法、装置及电子设备 | |
| CN113221528A (zh) | 基于openEHR模型的临床数据质量评估规则的自动生成与执行方法 | |
| Jin et al. | The research for storage scheme based on Hadoop | |
| Ramanujam et al. | A relational wrapper for RDF reification | |
| Hagedorn et al. | Conquering a Panda's weaker self-Fighting laziness with laziness. | |
| Full et al. | MicroStream vs. JPA: An Empirical Investigation |
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 |