CN117632012A - 基于存储剥离的数据湖数据存储方法、装置、设备及介质 - Google Patents

基于存储剥离的数据湖数据存储方法、装置、设备及介质 Download PDF

Info

Publication number
CN117632012A
CN117632012A CN202311594236.8A CN202311594236A CN117632012A CN 117632012 A CN117632012 A CN 117632012A CN 202311594236 A CN202311594236 A CN 202311594236A CN 117632012 A CN117632012 A CN 117632012A
Authority
CN
China
Prior art keywords
storage
data
hdfs
environment
information
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.)
Pending
Application number
CN202311594236.8A
Other languages
English (en)
Inventor
陈阳
邓晟
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.)
China Merchants Finance Technology Co Ltd
Original Assignee
China Merchants Finance Technology Co Ltd
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 China Merchants Finance Technology Co Ltd filed Critical China Merchants Finance Technology Co Ltd
Priority to CN202311594236.8A priority Critical patent/CN117632012A/zh
Publication of CN117632012A publication Critical patent/CN117632012A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
    • G06F3/0604—Improving or facilitating administration, e.g. storage management
    • G06F3/0607—Improving or facilitating administration, e.g. storage management by facilitating the process of upgrading existing storage systems, e.g. for improving compatibility between host and storage device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
    • G06F3/0638—Organizing or formatting or addressing of data
    • G06F3/0644—Management of space entities, e.g. partitions, extents, pools
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
    • G06F3/067—Distributed or networked storage systems, e.g. storage area networks [SAN], network attached storage [NAS]
    • 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)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及数据存储技术，揭露了一种基于存储剥离的数据湖数据存储方法，包括：获取第三方对象存储的存储信息，提取存储信息内的存储配置数据；根据存储配置数据将所有第三方对象存储进行聚合，得到对象存储集群；提取所述对象存储集群的环境参数，并在对象存储内配置HDFS环境变量；将预设的HDFS依赖包导入所述对象存储集群内，并根据环境变量创建所述HDFS依赖包的HDFS类；根据HDFS类在对象存储集群内封装HDFS接口，并将封装后的HDFS接口配置为预设数据湖的HDFS实现方式。本发明还提出一种基于存储剥离的数据湖数据存储装置、电子设备以及存储介质。本发明可以减少数据存储资源的浪费。

Description

基于存储剥离的数据湖数据存储方法、装置、设备及介质
技术领域
本发明涉及数据存储技术领域，尤其涉及一种基于存储剥离的数据湖数据存储方法、装置、电子设备及计算机可读存储介质。
背景技术
随着大数据时代的到来，海量的数据需要存储计算，为了节约存储资源，便于存储更多的数据信息，同时便于随时扩大存储内存，需要使用第三方存储对象将数据进行剥离存储，进行随时随地的信息存储。
现有的技术使用的传统数据湖多为使用大数据湖各个节点的本地磁盘集合实现一个虚拟的文件系统。实际应用中，这种结构对本地磁盘要求很高，后续扩容必须直接扩展集群机器，这种存储方式需要高性能的本地磁盘，从而导致了数据存储资源的浪费。
发明内容
本发明提供一种基于存储剥离的数据湖数据存储方法、装置及计算机可读存储介质，其主要目的在于解决数据存储资源浪费较大的问题。
为实现上述目的，本发明提供的一种基于存储剥离的数据湖数据存储方法，包括：
获取多个第三方对象存储的存储信息，提取所述存储信息内的存储配置数据；
根据所述存储配置数据将所有第三方对象存储进行聚合，得到对象存储集群；
提取所述对象存储集群的环境参数，根据所述环境参数在所述对象存储集群内配置HDFS环境变量；
将预设的HDFS依赖包导入所述对象存储集群内，并根据所述环境变量创建所述HDFS依赖包的HDFS类；
根据所述HDFS类在所述对象存储集群内封装HDFS接口，并将封装后的HDFS接口配置为预设数据湖的HDFS实现方式，利用所述HDFS实现方式对预设的数据进行数据存储。
可选地，所述所述提取所述存储信息内的存储配置数据，包括：
删除存储信息内多余的数据信息；
将删除后的存储信息进行编码，得到信息编码；
对所述信息编码进行词性标注；
提取数值类词性对应的信息编码，将所述数值类词性对应的信息编码转化成数据形式，得到存储配置数据。
可选地，所述对所述信息编码进行词性标注，包括：
将所述信息编码进行分句，得到信息编码句；
将所述信息编码句逐一分词，得到不同信息编码句的编码分词；
逐一选取一个信息编码句作为目标句；
确定所述目标句内所有编码分词的可能词性；
利用词性概率计算公式逐一计算目标句内不同编码分词在可能词性下的不同词性概率值；
将大于预设概率值的词性概率值对应的编码分词的词性确定为所述编码分词的词性。
可选地，所述利用词性概率计算公式逐一计算目标句内不同编码分词在可能词性下的不同词性概率值，包括：
利用如下词性概率计算公式逐一计算目标句内不同编码分词在不同词性下的词性概率值：
其中，P(W|T)为所述词性概率值，P(Wi|Ti)是编码分词Wi作为词性Ti被标注的可能性，Wi为某一编码分词，Ti为所述某一词性，为所述编码分词Wi被标记成Ti的次数，N为所述目标句内Ti出现的总次数，i为所述目标句内的编码分词的总个数。
可选地，所述根据所述存储配置数据将所有第三方对象存储进行聚合，得到对象存储集群，包括：
根据所述存储配置数据获取所述第三方对象存储的存储网关；
将所有存储网关进行联合管理，根据路由表的规则设置统一管理集；
将设置好的统一管理集确定为对象存储集群。
可选地，所述所述提取所述对象存储集群的环境参数，包括：
在所述对象存储中使用调用环境方法函数来获取完整的环境块；
对所述环境块进行结构化操作，得到环境结构表；
利用查找算法在所述环境结构表中查找环境参数。
可选地，所述对所述环境块进行结构化操作，得到环境结构表，包括：
删除所述环境块中多余的环境信息；
对删除多余环境信息后的环境块进行分词操作，得到环境分词；
将所述环境分词填入预设的空白表格内，得到所述环境结构表。
为了解决上述问题，本发明还提供一种基于存储剥离的数据湖数据存储装置，所述装置包括：
获取信息模块：获取多个第三方对象存储的存储信息，提取所述存储信息内的存储配置数据；
聚合模块：根据所述存储配置数据将所有第三方对象存储进行聚合，得到对象存储集群；
配置变量模块：提取所述对象存储集群的环境参数，根据所述环境参数在所述对象存储集群内配置HDFS环境变量；
依赖包模块：将预设的HDFS依赖包导入所述对象存储集群内，并根据所述环境变量创建所述HDFS依赖包的HDFS类；
数据湖模块：根据所述HDFS类在所述对象存储集群内封装HDFS接口，并将封装后的HDFS接口配置为预设数据湖的HDFS实现方式，利用所述HDFS实现方式对预设的数据进行数据存储。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；
以及，与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于存储剥离的数据湖数据存储方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于存储剥离的数据湖数据存储方法。
本发明通过将第三方对象存储进行聚合，进而形成对象存储集群，有利于随时扩展存储集群的内存容量，同时大大减少了对本地磁盘性能的要求；在所述对象存储集群中配置HDFS接口，为数据存储的安全性增加保障，能够保证高吞吐量运行数据的同时提供高容错性，当需要扩展存储空间时，可以随时随地添加新的存储单元，通过数据湖的方式进行管理，节约人力资源的同时也避免了存储资源的浪费。因此本发明提出的基于存储剥离的数据湖数据存储方法、装置、电子设备及计算机可读存储介质，可以解决进行数据存储时的存储资源浪费较大的问题。
附图说明
图1为本发明一实施例提供的基于存储剥离的数据湖数据存储方法的流程示意图；
图2为本发明一实施例提供的聚合第三方对象存储的流程示意图；
图3为本发明一实施例提供的提取环境参数的流程示意图；
图4为本发明一实施例提供的基于存储剥离的数据湖数据存储装置的功能模块图；
图5为本发明一实施例提供的实现所述基于存储剥离的数据湖数据存储方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于存储剥离的数据湖数据存储方法。所述基于存储剥离的数据湖数据存储方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于存储剥离的数据湖数据存储方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、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、内容分发网络(ContentDelivery Network，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。
参照图1所示，为本发明一实施例提供的基于存储剥离的数据湖数据存储方法的流程示意图。在本实施例中，所述基于存储剥离的数据湖数据存储方法包括：
S1、获取多个第三方对象存储的存储信息，提取所述存储信息内的存储配置数据；
本发明实施例中，所述第三方对象存储即通过第三方接口将数据信息存储至第三方存储单元，由于本地内存有限，数据的安全性质也得不到保障，第三方对象存储是现代大数据存储的主要方式。
本发明实施例中，所述获取多个第三方对象存储的存储信息，可通过编写能够调用第三方接口的自然语言(如python、matlab)调用第三方接口，通过第三方接口逐一获取所述第三方对象存储的存储信息。
本发明实施例中，所述提取所述存储信息内的存储配置数据，包括：删除存储信息内多余的数据信息；将删除后的存储信息进行编码，得到信息编码；对所述信息编码进行词性标注；提取数值类词性对应的信息编码，将所述数值类词性对应的信息编码转化成数据形式，得到存储配置数据。
详细地，词性包括名词、动词、形容词、数词、量词等等，所述数值类词性仅包括数词与量词，所述词性标注是将所述信息编码标注上对应的词性，例如信息编码为小红对应的词性为名词。
详细地，所述删除存储信息内多余的数据信息，包括无义词，重复词，固定格式语句等。能够简化后续步骤，避免多余信息的干扰，提升数据分析的效率。
本发明实施例中，所述对所述信息编码进行词性标注，包括：将所述信息编码进行分句，得到信息编码句；将所述信息编码句逐一分词，得到不同信息编码句的编码分词；逐一选取一个信息编码句作为目标句；确定所述目标句内所有编码分词的可能词性；利用词性概率计算公式逐一计算目标句内不同编码分词在可能词性下的不同词性概率值；将大于预设概率值的词性概率值对应的编码分词的词性确定为所述编码分词的词性。
具体地，所述利用词性概率计算公式逐一计算目标句内不同编码分词在可能词性下的不同词性概率值，包括：
利用如下词性概率计算公式逐一计算目标句内不同编码分词在可能词性下的不同词性概率值：
其中，P(W|T)为所述词性概率值，P(Wi|Ti)是编码分词Wi作为词性Ti被标注的可能性，Wi为某一编码分词，Ti为所述某一词性，NTi为所述编码分词Wi被标记成Ti的次数，N为所述目标句内Ti出现的总次数，i为所述目标句内的编码分词的总个数。
具体地，所述确定所述目标句内所有编码分词的可能词性，例如所述编码分词为工作，那么可能词性为动词或名词，所述编码分词为打工人，那么可能词性只能是名词。确定所述目标句内所有编码分词的可能词性，有利于确定编码分词在所述目标句内的真正词性，同时规避了在所有词性中逐个排除的繁琐操作。
例如，目标句为今天购物花费200人民币，将所述目标句进行分词可得到：今天、购物、花费、200、人民币，其中，今天词性为名词，购物词性为动词或名词，花费为名词或动词，200为数词，人民币为名词。
详细地，通过计算不同编码分词对应不同词性的概率值，可以准确对所述编码分词进行词性判定，从而选出数值类词性对应的数据，达到提取存储信息内的存储配置数据的目的。
S2、根据所述存储配置数据将所有第三方对象存储进行聚合，得到对象存储集群；
本发明实施例中，所述对象存储集群就是多个对象存储互相连接组成的一个集群式的对象存储单元，实现不同对象存储器之间数据的相互传输以及存储，夸大了单个对象存储的存储空间，同时在数据提取方面也会更加便捷。
本发明实施例中，参照图2所示，所述根据所述存储配置数据将所有第三方对象存储进行聚合，得到对象存储集群，包括：
S21、根据所述存储配置数据获取所述第三方对象存储的存储网关；
S22、将所有存储网关进行联合管理，根据路由表的规则设置统一管理集；
S23、将设置好的统一管理集确定为对象存储集群。
详细地，所述存储网关是本地应用作为设备与存储对象之间的桥梁起到连接作用，能够提供保密技术加密存储对象中的信息，还能使本地设备的性能达到最优化。
另外地，所述路由表的规则指的是可以在互联网上标准资源的地址上可以显示的规则，有着过滤地址以及避免混淆地址的功能。
详细地，构建所述对象存储集群不仅操作简单扩展起来也十分方便，当有更多数据需要存储时，可以随时添加新的存储单元，且对象存储集群管理起来也会十分方便，不需要大量管理内存的人员，节省人力物力。
S3、提取所述对象存储集群的环境参数，根据所述环境参数在所述对象存储集群内配置HDFS环境变量；
本发明实施例中，所述环境参数是在指定操作系统工作环境的一些设置选项或属性参数，本案例中的环境参数时在对象存储内部所处的运行环境的设置选项或者属性参数。
详细地，为了让系统在执行命令时能够准确找到对应命令的位置，需要配置环境变量来帮助系统确定位置，同时环境变量也可以用来存储信息，便于系统调用，因此本案例中需要配置HDFS环境变量。
详细地，HDFS是Hadoop分布式文件系统，是指被设计成适合运行在通用硬件上的分布式文件系统。本案例中，HDFS能够提供高吞吐量的数据访问，满足对象存储集群的数据处理要求，同时还具有高容错性，数据传输存储的过程中不易出错。
本发明实施例中，参照图3所示，所述提取所述对象存储集群的环境参数，包括：
S31、在所述对象存储中调用环境方法函数，得到完整的环境块；
S32、对所述环境块进行结构化操作，得到环境结构表；
S33、利用查找算法在所述环境结构表中查找环境参数。
本发明实施例中，所述对所述环境块进行结构化操作，得到环境结构表，包括：删除所述环境块中多余的环境信息；对删除多余环境信息后的环境块进行分词操作，得到环境分词；将所述环境分词填入预设的空白表格内，得到所述环境结构表。
详细地，所述删除所述环境块中多余的环境信息，包括环境快中的格式语句，冗余信息以及重复信息，便于进行分词操作。
另外地，所述利用查找算法在所述环境结构表中查找环境参数中，查找算法包括但不限于顺序查找、二分查找、斐波那契查找以及差值查找等等。其中，本案例使用顺序查找，从结构表的第一个元素开始，逐个比较结构表中的环境分词，直到和预设的环境词重合，找出所述环境分词对应的环境参数。
本发明实施例中，所述根据所述环境参数在所述对象存储集群内配置HDFS环境变量，包括：在所述对象存储集群的系统属性中查找环境变量模块；在所述环境变量模块根据环境参数配置HDFS环境变量；将配置好的HDFS环境变量逐个保存。
详细地，由于对象存储集群需要海量的数据存储单元，此时HDFS也就是分布式文件系统非常适合在廉价的硬件集群即本案例中的对象存储集群中通过流式数据的访问形式进行海量数据的吞吐。
S4、将预设的HDFS依赖包导入所述对象存储集群内，并根据所述环境变量创建所述HDFS依赖包的HDFS类；
本发明实施例中，所述依赖包实际上是一些库文件，任何程序如果没有安装程序对应的依赖包，那么程序本身是无法使用的。例如需要安装某个应用软件，所述应用软件依赖某个开发包，所述开发包包含这个软件所要运行的环境文件，这就是依赖关系。本案例中，使用HDFS就需要用到对应的HDSF依赖包。
本发明实施例中，所述将预设的HDFS依赖包导入所述对象存储集群内，包括：在所述存储对象内创建静态数据链接库；将所述HDFS依赖包导入静态数据链接库中；在存储对象内建立导入HDFS依赖包的静态数据链接库的路径。
详细地，所述静态数据链接库也叫lib文件，一般用于静态连接，本案例中的静态数据链接库用户将HDFS依赖包与对象存储连接起来，使所述对象存储能够使用HDFS分布式文件系统。
另外地，所述根据所述环境变量创建所述HDFS依赖包的HDFS类，即在存储对象中根据环境变量确定所述HDFS依赖包的定义，根据所述定义声明一个HDFS类，其中类中可以包含同类型的对象数据，方便计算以及存储。
详细地，所述HDFS类是具有分布式文件系统属性和服务的集合，内部包括属性和服务两个部分，类是一个模板，用来描述一类对象的行为和属性，例如哺乳动物是一个类，那么猪、狗、鲸鱼就属于同一类，鸡、鸭、鹅则不属于这一类别。
S5、根据所述HDFS类在所述对象存储集群内封装HDFS接口，并将封装后的HDFS接口配置为预设数据湖的HDFS实现方式，利用所述HDFS实现方式对预设的数据进行数据存储。
本发明实施例中，所述数据湖是以原始格式存储数据的存储库或系统，按照原样存储数据，无需事先对数据进行结构化处理，能够面向多数据源存储信息。
为了让对象存储集群更好地调用HDFS，需要将所述HDFS接口进行封装，将复杂的东西包起来，让对象存储集的接口越简单越好，这样使用推广起来也会更加方便快捷，让开发人员轻松调用。
本发明实施例中，所述根据所述HDFS类在所述对象存储集群内封装HDFS接口，包括：根据所述HDFS类确定所述对象存储集群内所有要封装的功能接口；逐一计算所述功能接口与预设的HDFS接口关键词的关键匹配度；将大于预设匹配度的关键匹配度对应的功能接口进行封装。
详细地，所述根据所述HDFS类确定所述对象存储集群内所有要封装的功能接口，根据HDFS类中的内容，在所述对象存储集中查找包含HDFS类中内容的接口，将所述接口汇总在一起，称为所述功能接口。
详细地，所述逐一计算所述功能接口与预设的HDFS接口关键词的关键匹配度，包括：
利用如下匹配度计算公式计算所述功能接口与预设的HDFS接口关键词的关键匹配度：
其中P表示所述关键匹配度，n表示所述功能接口的个数，j表示第j个功能接口w1j表示某个功能接口，w2j表示预设的HDFS接口关键词。
具体地，通过计算所述述功能接口与预设的HDFS接口关键词的关键匹配度能够更快确定所有功能接口中需要封装的部分，加快封装的速度，不顾接口功能的封装所有接口不仅会浪费大量资源，还会使封装后的对象存储集群显得杂乱无章。
详细地，所述将封装后的HDFS接口配置为预设数据湖的HDFS实现方式，利用所述HDFS实现方式对预设的数据进行数据存储，实现了基于存储剥离的数据湖数据存储方法搭建，在数据存储方面不仅拥有更大的存储空间，还能存储多种形式的文件，结合了HDFS的数据湖结构为数据的安全性提供了保障，进一步扩大了数据湖架构的存储内存。
如图4所示，是本发明一实施例提供的基于存储剥离的数据湖数据存储装置的功能模块图。
本发明所述基于存储剥离的数据湖数据存储装置100可以安装于电子设备中。根据实现的功能，所述基于存储剥离的数据湖数据存储装置100可以包括获取信息模块101、聚合模块102、配置变量模块103、依赖包模块104及数据湖模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述获取信息模块101：获取多个第三方对象存储的存储信息，提取所述存储信息内的存储配置数据；
所述聚合模块102：根据所述存储配置数据将所有第三方对象存储进行聚合，得到对象存储集群；
所述配置变量模块103：提取所述对象存储集群的环境参数，根据所述环境参数在所述对象存储集群内配置HDFS环境变量；
所述依赖包模块104：将预设的HDFS依赖包导入所述对象存储集群内，并根据所述环境变量创建所述HDFS依赖包的HDFS类；
所述数据湖模块105：根据所述HDFS类在所述对象存储集群内封装HDFS接口，并将封装后的HDFS接口配置为预设数据湖的HDFS实现方式，利用所述HDFS实现方式对预设的数据进行数据存储。
详细地，本发明实施例中所述基于存储剥离的数据湖数据存储装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于存储剥离的数据湖数据存储方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现基于存储剥离的数据湖数据存储方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于存储剥离的数据湖数据存储程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于存储剥离的数据湖数据存储程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于存储剥离的数据湖数据存储程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图中仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图中示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于存储剥离的数据湖数据存储程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取多个第三方对象存储的存储信息，提取所述存储信息内的存储配置数据；
根据所述存储配置数据将所有第三方对象存储进行聚合，得到对象存储集群；
提取所述对象存储集群的环境参数，根据所述环境参数在所述对象存储集群内配置HDFS环境变量；
将预设的HDFS依赖包导入所述对象存储集群内，并根据所述环境变量创建所述HDFS依赖包的HDFS类；
根据所述HDFS类在所述对象存储集群内封装HDFS接口，并将封装后的HDFS接口配置为预设数据湖的HDFS实现方式，利用所述HDFS实现方式对预设的数据进行数据存储。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/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存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述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(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取多个第三方对象存储的存储信息，提取所述存储信息内的存储配置数据；
根据所述存储配置数据将所有第三方对象存储进行聚合，得到对象存储集群；
提取所述对象存储集群的环境参数，根据所述环境参数在所述对象存储集群内配置HDFS环境变量；
将预设的HDFS依赖包导入所述对象存储集群内，并根据所述环境变量创建所述HDFS依赖包的HDFS类；
根据所述HDFS类在所述对象存储集群内封装HDFS接口，并将封装后的HDFS接口配置为预设数据湖的HDFS实现方式，利用所述HDFS实现方式对预设的数据进行数据存储。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，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，所述模块的划分，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块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，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于存储剥离的数据湖数据存储方法，其特征在于，所述方法包括：
获取多个第三方对象存储的存储信息，提取所述存储信息内的存储配置数据；
根据所述存储配置数据将所有第三方对象存储进行聚合，得到对象存储集群；
提取所述对象存储集群的环境参数，根据所述环境参数在所述对象存储集群内配置HDFS环境变量；
将预设的HDFS依赖包导入所述对象存储集群内，并根据所述环境变量创建所述HDFS依赖包的HDFS类；
根据所述HDFS类在所述对象存储集群内封装HDFS接口，并将封装后的HDFS接口配置为预设数据湖的HDFS实现方式，利用所述HDFS实现方式对预设的数据进行数据存储。
2.如权利要求1所述的基于存储剥离的数据湖数据存储方法，其特征在于，所述提取所述存储信息内的存储配置数据，包括：
删除存储信息内多余的数据信息；
将删除后的存储信息进行编码，得到信息编码；
对所述信息编码进行词性标注；
提取数值类词性对应的信息编码，将所述数值类词性对应的信息编码转化成数据形式，得到存储配置数据。
3.如权利要求2所述的基于存储剥离的数据湖数据存储方法，其特征在于，所述对所述信息编码进行词性标注，包括：
将所述信息编码进行分句，得到信息编码句；
将所述信息编码句逐一分词，得到不同信息编码句的编码分词；
逐一选取一个信息编码句作为目标句；
确定所述目标句内所有编码分词的可能词性；
利用词性概率计算公式逐一计算目标句内不同编码分词在可能词性下的不同词性概率值；
将大于预设概率值的词性概率值对应的编码分词的词性确定为所述编码分词的词性。
4.如权利要求3所述的基于存储剥离的数据湖数据存储方法，其特征在于，所述利用词性概率计算公式逐一计算目标句内不同编码分词在可能词性下的不同词性概率值，包括：
利用如下词性概率计算公式逐一计算目标句内不同编码分词在可能词性下的不同词性概率值：
其中，P(W|T)为所述词性概率值，P(Wi|Ti)是编码分词Wi作为词性Ti被标注的可能性，Wi为某一编码分词，Ti为所述某一词性，为所述编码分词Wi被标记成Ti的次数，N为所述目标句内Ti出现的总次数，i为所述目标句内的编码分词的总个数。
5.如权利要求1所述的基于存储剥离的数据湖数据存储方法，其特征在于，所述根据所述存储配置数据将所有第三方对象存储进行聚合，得到对象存储集群，包括：
根据所述存储配置数据获取所述第三方对象存储的存储网关；
将所有存储网关进行联合管理，根据路由表的规则设置统一管理集；
将设置好的统一管理集确定为对象存储集群。
6.如权利要求1至5中任一项所述的基于存储剥离的数据湖数据存储方法，其特征在于，所述提取所述对象存储集群的环境参数，包括：
在所述对象存储中使用调用环境方法函数来获取完整的环境块；
对所述环境块进行结构化操作，得到环境结构表；
利用查找算法在所述环境结构表中查找环境参数。
7.如权利要求6所述的基于存储剥离的数据湖数据存储方法，其特征在于，所述对所述环境块进行结构化操作，得到环境结构表，包括：
删除所述环境块中多余的环境信息；
对删除多余环境信息后的环境块进行分词操作，得到环境分词；
将所述环境分词填入预设的空白表格内，得到所述环境结构表。
8.一种基于存储剥离的数据湖数据存储装置，其特征在于，所述装置包括：
获取信息模块：获取多个第三方对象存储的存储信息，提取所述存储信息内的存储配置数据；
聚合模块：根据所述存储配置数据将所有第三方对象存储进行聚合，得到对象存储集群；
配置变量模块：提取所述对象存储集群的环境参数，根据所述环境参数在所述对象存储集群内配置HDFS环境变量；
依赖包模块：将预设的HDFS依赖包导入所述对象存储集群内，并根据所述环境变量创建所述HDFS依赖包的HDFS类；
数据湖模块：根据所述HDFS类在所述对象存储集群内封装HDFS接口，并将封装后的HDFS接口配置为预设数据湖的HDFS实现方式，利用所述HDFS实现方式对预设的数据进行数据存储。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；
以及，与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于存储剥离的数据湖数据存储方法。
10.一种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7中任意一项所述的基于存储剥离的数据湖数据存储方法。
CN202311594236.8A 2023-11-24 2023-11-24 基于存储剥离的数据湖数据存储方法、装置、设备及介质 Pending CN117632012A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311594236.8A CN117632012A (zh) 2023-11-24 2023-11-24 基于存储剥离的数据湖数据存储方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311594236.8A CN117632012A (zh) 2023-11-24 2023-11-24 基于存储剥离的数据湖数据存储方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN117632012A true CN117632012A (zh) 2024-03-01

Family

ID=90028147

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311594236.8A Pending CN117632012A (zh) 2023-11-24 2023-11-24 基于存储剥离的数据湖数据存储方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN117632012A (zh)

Similar Documents

Publication Publication Date Title
CN111930547B (zh) 一种故障定位方法、装置及存储介质
CN112541338A (zh) 相似文本匹配方法、装置、电子设备及计算机存储介质
He et al. Model approach to grammatical evolution: deep-structured analyzing of model and representation
CN113806434B (zh) 大数据处理方法、装置、设备及介质
CN112506486A (zh) 搜索系统建立方法、装置、电子设备及可读存储介质
CN114185895A (zh) 数据导入导出方法、装置、电子设备及存储介质
CN113434542B (zh) 数据关系识别方法、装置、电子设备及存储介质
CN114138243A (zh) 基于开发平台的功能调用方法、装置、设备及存储介质
CN112597752A (zh) 投诉文本的处理方法、装置、电子设备及存储介质
CN112579781A (zh) 文本归类方法、装置、电子设备及介质
CN117093619A (zh) 一种规则引擎处理方法、装置、电子设备及存储介质
CN114969385B (zh) 基于文档属性赋值实体权重的知识图谱优化方法及装置
CN116737947A (zh) 实体关系图构建方法、装置、设备及存储介质
CN114556238A (zh) 用于在云计算环境中生成资产信息的数字表示的方法和系统
CN113626605B (zh) 信息分类方法、装置、电子设备及可读存储介质
CN115186188A (zh) 基于行为分析的产品推荐方法、装置、设备及存储介质
CN114356379A (zh) 基于备份的服务升级方法、装置、设备及存储介质
US12039266B2 (en) Methods and system for the extraction of properties of variables using automatically detected variable semantics and other resources
CN117632012A (zh) 基于存储剥离的数据湖数据存储方法、装置、设备及介质
CN111414452B (zh) 搜索词匹配方法、装置、电子设备及可读存储介质
CN112528183A (zh) 基于大数据的网页组件布局方法、装置、电子设备及介质
CN114185617B (zh) 业务调用接口配置方法、装置、设备及存储介质
CN113657076B (zh) 页面操作记录表的生成方法、装置、电子设备及存储介质
CN113157865B (zh) 跨语言词向量生成方法、装置、电子设备及存储介质
CN113704616B (zh) 信息推送方法、装置、电子设备及可读存储介质

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