TW202034185A

TW202034185A - 用於基於結構化查詢語言語句實現計算服務的方法、裝置及系統、計算設備和非暫態性機器可讀儲存媒體

Info

Publication number: TW202034185A
Application number: TW108130244A
Authority: TW
Inventors: 益王; 揚楊; 朱衛國; 劉勇峰
Original assignee: 香港商阿里巴巴集團服務有限公司
Priority date: 2019-03-12
Filing date: 2019-08-23
Publication date: 2020-09-16
Also published as: CN110046169A; CN110046169B; WO2020185330A1; US11537606B2; US20200293519A1

Abstract

本發明提供一種基於SQL語句實現計算服務的方法和裝置。在該方法中，對現有SQL語法進行擴展，使得擴展後的SQL語句中包含計算服務所需的計算要素，並且在客戶端和目標計算框架之間創建SQL語句處理裝置。SQL語句處理裝置對所接收的SQL語句進行語法解析。在解析出SQL語句是擴展SQL語句後，基於該SQL語句所包含的計算要素資訊產生目標計算框架可識別的計算服務描述語句，然後將計算服務描述語句提交給目標計算框架，由此在目標計算框架中基於該計算服務描述語句來進行計算服務，從而無需用戶具備目標計算框架所需程式編寫能力。

Description

基於結構化查詢語言語句的計算服務實現方案

本發明通常有關電腦技術領域，更具體地，有關基於結構化查詢語言語句的計算服務實現方法及裝置。

在使用結構化查詢語言語句（Structured Query Language，SQL）資料進行計算時，比如，在使用SQL資料進行機器學習模型訓練時，用戶通常需要使用R或Python編程語言來編寫機器學習腳本，並且將所編寫的機器學習腳本嵌入到SQL程式語句中來執行，從而實現機器學習模型訓練。在這種情況下，用戶需要熟悉 SQL語言和比如Python語言的其它非SQL語言，並且具有使用SQL語言和比如Python語言的其它非SQL語言進行程式編寫的能力，由此給用戶提出了較高的要求。

鑒於上述，本發明提供了一種基於SQL語句實現計算服務的方法及裝置。利用該方法及裝置，透過對現有SQL語法進行擴展，使得擴展後的SQL語句中包含計算服務所需的計算要素資訊，在接收到擴展後的SQL語句後，對擴展後的SQL語句進行解析並基於計算要素資訊產生目標計算框架可識別的計算服務描述語句，由此在目標計算框架中基於所產生的計算服務描述語句來進行計算服務，從而無需用戶具備目標計算框架所需程式編寫能力。根據本發明的一個態樣，提供了一種用於基於結構化查詢語言語句實現計算服務的方法，包括：對結構化查詢語言語句進行語法解析，以確定所述結構化查詢語言語句中是否存在擴展語法標識，所述擴展語法標識指示針對所述結構化查詢語言語句的目標計算服務；在所述結構化查詢語言語句中存在擴展語法標識時，基於所述結構化查詢語言語句產生具有第一語句格式的計算服務描述語句，所述第一語句格式是目標計算服務框架可識別的語句格式；以及將所產生的計算服務描述語句提交給所述目標計算服務框架，以在所述目標計算服務框架中，基於所述計算服務描述語句來呼叫所述結構化查詢語言語句所查詢的資料進行目標計算，其中，在所述結構化查詢語言語句中存在所述擴展語法標識時，所述結構化查詢語言語句包括所述目標計算服務所需的計算要素。可選地，在上述態樣的一個示例中，所述目標計算服務包括機器學習計算服務或者集群計算服務。可選地，在上述態樣的一個示例中，所述機器學習計算服務包括機器學習模型訓練或者機器學習模型預測。可選地，在上述態樣的一個示例中，基於所述結構化查詢語言語句產生具有第一語句格式的計算服務描述語句包括：基於所述結構化查詢語言語句中的資料查詢要素，產生具有所述第一語句格式的資料查詢程式碼；以及基於所述結構化查詢語言語句中的計算服務要素，產生具有所述第一語句格式的機器學習程式碼。可選地，在上述態樣的一個示例中，所述計算要素包括機器學習模型名稱、機器學習模型參數、機器學習模型特徵、機器學習模型標籤以及機器學習計算結果儲存位址，其中，基於所述結構化查詢語言語句中的計算服務要素，產生具有所述第一語句格式的機器學習程式碼包括：呼叫與所述機器學習模型名稱對應的機器學習程式碼範本；以及將所述機器學習模型訓練參數、機器學習模型特徵和機器學習模型標籤提供給所述機器學習程式碼範本，以產生具有所述第一語句格式的機器學習程式碼。可選地，在上述態樣的一個示例中，在所述目標計算服務框架呼叫所述結構化查詢語言語句所查詢的資料來基於機器學習程式碼進行目標計算後，所述目標計算服務框架將目標計算結果儲存在結構化查詢語言資料庫中的機器學習計算結果儲存位址中。可選地，在上述態樣的一個示例中，在基於所述結構化查詢語言語句產生具有第一語句格式的計算服務描述語句之前，所述方法還包括：對所述結構化查詢語言語句進行語義驗證。可選地，在上述態樣的一個示例中，所述方法還可以包括：獲取經由客戶端輸入的結構化查詢語言語句。根據本發明的另一態樣，提供一種用於基於結構化查詢語言語句實現計算服務的裝置，包括：語法解析單元，被配置成對結構化查詢語言語句進行語法解析，以確定所述結構化查詢語言語句中是否存在擴展語法標識，所述擴展語法標識指示針對所述結構化查詢語言語句的目標計算服務；計算服務描述語句產生單元，被配置成在所述結構化查詢語言語句中存在擴展語法標識時，基於所述結構化查詢語言語句產生具有第一語句格式的計算服務描述語句，所述第一語句格式是目標計算服務框架可識別的語句格式；以及描述語句提交單元，被配置成將所產生的計算服務描述語句提交給所述目標計算服務框架，以在所述目標計算服務框架中，基於所述計算服務描述語句來呼叫所述結構化查詢語言語句所查詢的資料進行目標計算，其中，在所述結構化查詢語言語句中存在所述擴展語法標識時，所述結構化查詢語言語句包括所述目標計算服務所需的計算要素。可選地，在上述態樣的一個示例中，所述目標計算服務包括機器學習計算服務或者集群計算服務。可選地，在上述態樣的一個示例中，所述機器學習計算服務包括機器學習模型訓練或者機器學習模型預測，以及所述計算服務描述語句產生單元包括：資料查詢碼產生模組，被配置成基於所述結構化查詢語言語句中的資料查詢要素，產生具有所述第一語句格式的資料查詢程式碼；以及機器學習碼產生模組，被配置成基於所述結構化查詢語言語句中的計算服務要素，產生具有所述第一語句格式的機器學習程式碼。可選地，在上述態樣的一個示例中，所述計算要素包括機器學習模型名稱、機器學習模型參數、機器學習模型特徵、機器學習模型標籤以及機器學習計算結果儲存位址，其中，所述機器學習碼產生模組被配置成：呼叫與所述機器學習模型名稱對應的機器學習程式碼範本；以及將所述機器學習模型訓練參數、機器學習模型特徵和機器學習模型標籤提供給所述機器學習程式碼範本，以產生具有所述第一語句格式的機器學習程式碼。可選地，在上述態樣的一個示例中，所述裝置還可以包括：語義驗證單元，被配置成在基於所述結構化查詢語言語句產生具有第一語句格式的計算服務描述語句之前，對所述結構化查詢語言語句進行語義驗證。可選地，在上述態樣的一個示例中，所述裝置還可以包括：語句獲取單元，被配置成獲取經由客戶端輸入的結構化查詢語言語句。根據本發明的另一態樣，提供一種用於基於結構化查詢語言語句實現計算服務的系統，包括：客戶端設備，被配置成輸入結構化查詢語言語句；如上所述的用於基於結構化查詢語言語句實現計算服務的裝置；目標計算服務框架；以及結構化查詢語言資料庫。根據本發明的另一態樣，提供一種計算設備，包括：至少一個處理器，以及與所述至少一個處理器耦合的記憶體，所述記憶體儲存有指令，當所述指令被所述至少一個處理器執行時，使得所述至少一個處理器執行如上所述的用於基於結構化查詢語言語句實現計算服務的方法。根據本發明的另一態樣，提供一種非暫態性機器可讀儲存媒體，其儲存有可執行指令，所述指令當被執行時使得所述機器執行如上所述的用於基於結構化查詢語言語句實現計算服務的方法。

現在將參考示例實施方式討論本文描述的主題。應該理解，討論這些實施方式只是為了使得本領域技術人員能夠更好地理解從而實現本文描述的主題，並非是對申請專利範圍中所闡述的保護範圍、適用性或者示例的限制。可以在不脫離本發明內容的保護範圍的情況下，對所討論的元素的功能和排列進行改變。各個示例可以根據需要，省略、替代或者添加各種過程或組件。例如，所描述的方法可以按照與所描述的順序不同的順序來執行，以及各個步驟可以被添加、省略或者組合。另外，相對一些示例所描述的特徵在其它例子中也可以進行組合。如本文中使用的，術語“包括”及其變型表示開放的術語，含義是“包括但不限於”。術語“基於”表示“至少部分地基於”。術語“一個實施例”和“一實施例”表示“至少一個實施例”。術語“另一個實施例”表示“至少一個其他實施例”。術語“第一”、“第二”等可以指代不同的或相同的對象。下面可以包括其他的定義，無論是明確的還是隱含的。除非上下文中明確地指明，否則一個術語的定義在整個說明書中是一致的。在本發明所提出的實施例中，對現有SQL語法進行擴展，使得擴展後的SQL語句中包含計算服務所需的計算要素資訊，並且在SQL引擎（亦即，SQL客戶端）和目標計算框架之間創建SQL語句處理裝置。該SQL語句處理裝置接收SQL引擎所提交的SQL語句，並且能夠對SQL引擎所提交的SQL語句進行語法解析。在解析出所接收到的SQL語句是擴展後的SQL語句後，基於該SQL語句所包含的計算要素資訊產生目標計算框架可識別的計算服務描述語句，然後將所產生的計算服務描述語句提交給目標計算框架，由此在目標計算框架中基於所產生的計算服務描述語句來進行計算服務，從而無需用戶具備目標計算框架所需程式編寫能力。下面將結合圖式來詳細描述根據本發明的實施例的用於基於SQL語句實現計算服務的系統及方法。圖1示出了根據本發明的實施例的用於基於結構化查詢語言語句實現計算服務的系統（下文中稱為“計算服務實現系統”）10的方塊圖。如圖1所示，計算服務實現系統10包括客戶端設備100、SQL語句處理裝置200、目標計算服務框架300和SQL資料庫400。客戶端設備100被配置成編寫SQL語句並向SQL語句處理裝置200提交所編寫的SQL語句。例如，用戶可以在瀏覽器內或者在命令列中直接編寫SQL語句，然後客戶端設備100採用流式RPC訊息的方式發送給SQL語句處理裝置200。在本發明中，SQL語句處理裝置200可以支援多種客戶端。比如，瀏覽器的客戶端可以是透過在Jupyter Notebook內加入一個Python的客戶端來實現。客戶端設備100具有體驗良好的互動式用戶界面。在經由互動式用戶界面輸入並提交SQL語句後，能夠在互動式用戶界面上即時地顯示SQL語句處理的狀態資訊。在接收到客戶端設備100所提交的SQL語句後，SQL語句處理裝置200對所接收的SQL語句進行語法解析。在語法解析結果指示該SQL是習知SQL語句後，SQL語句處理裝置200向SQL資料庫400發起SQL查詢操作。在語法解析結果指示該SQL是擴展SQL語句後，SQL語句處理裝置200基於該SQL語句所包含的計算要素資訊產生目標計算框架300可識別的計算服務描述語句，然後將所產生的計算服務描述語句提交給目標計算框架300。在本發明中，SQL語句處理裝置200支援根據互動式命令列語句進行操作，並且能夠向客戶端設備100即時返回SQL語句處理的狀態資訊。在本發明中，SQL語句處理裝置200也可以稱為SQLFLow。關於SQL語句處理裝置的操作和結構將在下面參照圖式詳細描述。在接收到計算服務描述語句後，目標計算框架300可以基於計算服務描述語句，呼叫所述結構化查詢語言語句所查詢的資料來進行目標計算。在完成目標計算後，目標計算框架300將計算結果儲存在SQL資料庫中，比如，將計算結果儲存在計算服務描述語句所指定的SQL資料庫位址中。 SQL資料庫400被配置為資料儲存引擎，用於儲存待查詢的資料。在本發明中，SQL資料庫可以包括MySQL、SQLite、Hive、ODPS和SparkSQL等。圖2示出了根據本發明的實施例的用於基於結構化查詢語言語句實現計算服務的方法的流程圖。如圖2所示，在方塊S201，用戶在客戶端設備100上編寫好SQL語句後，將所編寫的SQL語句發送給SQL語句處理裝置200。客戶端設備100和SQL語句處理裝置200之間是採用流式RPC訊息的方式進行訊息互動的。所發送的SQL語句可以是習知SQL語句，也可以是具有擴展語法標識的SQL語句，亦即，擴展SQL語句。這裡，SQL語句語法擴展規則是預先規定的，並且客戶端設備100和SQL語句處理裝置200事先都已經獲知。圖3A示出了根據本發明的實施例的習知SQL語句的一個示例的示意圖。圖3A中所示的SQL語句是習知SQL語句，該習知SQL語句指示“從iris.iris中查詢具有目標屬性的資料”，其中，在該SQL語句中，目標屬性使用“*”表示。圖3B示出了根據本發明的實施例的具有擴展語法標識的SQL語句的一個示例的示意圖。圖3B中所示的SQL語句是擴展SQL語句。在擴展SQL語句中，包括用於指示針對所述結構化查詢語言語句的目標計算服務。如圖3B所示，該擴展SQL語句包括擴展語法標識“TRAIN”，該擴展語法標識指示目標計算服務是機器學習模型訓練。此外，圖3B中所示的SQL語句還包括所述目標計算服務所需的計算要素。在目標計算服務是機器學習模型訓練時，所述計算要素可以包括機器學習模型名稱、機器學習模型參數、機器學習模型特徵、機器學習模型標籤以及機器學習模型訓練結果儲存位址（亦即，機器學習計算結果儲存位址）。具體地，在圖3B中所示的SQL語句中，機器學習模型名稱為“DNNClassfier”，亦即，DNN分類器。機器學習模型參數為“n_classes=3，hidden_units=[10,20]”，亦即，分類類別為3類，隱藏層神經元的數目為[10,20]個。機器學習模型特徵為“sepal_length，sepal_width，petal_length，petal_width”。機器學習模型標籤為“class”。機器學習模型訓練結果儲存位址為“my_dnn_model”，例如，SQL資料庫中的一個表格。這裡要說明的是，圖3B中示出的僅僅是示例。圖3C示出了根據本發明的實施例的具有擴展語法標識的SQL語句的另一示例的示意圖。如圖3C所示，該擴展SQL語句包括擴展語法標識“PREDICT”，該擴展語法標識指示目標計算服務是機器學習模型預測。該擴展SQL語句還包括“iris.predict.class”和“USING my_dnn_model”。“iris.predict.class”用於指示預測目標，亦即，預測iris的類別。“USING my_dnn_model”用於指示所使用的模型儲存位址，亦即，使用my_dnn_model中儲存的模型資訊。此外，如上參照圖3B描述的計算要素被記錄在所使用的模型儲存位址所儲存的資訊中，即，“my_dnn_model”所儲存的資訊中。在本發明中，除了“TRAIN”和“PREDICT”之外，擴展語法標識還可以包括“Cluster”。擴展語法標識“Cluster”用於指示進行集群計算，比如，集群計算。此外，擴展語法標識還可以包括用於指示其它合適的計算服務的擴展語法標識。回到圖2，在從客戶端設備100接收到SQL語句後，在方塊S202，SQL語句處理裝置200對結構化查詢語言語句進行語法解析，以確定該SQL語句中是否存在擴展語法標識。在SQL語句中不存在擴展語法標識時，在方塊S203，向SQL資料庫400發送SQL語句，並且在方塊S204，在SQL資料庫400中進行SQL查詢。SQL資料庫400將所查詢到的資料經由SQL語句處理裝置200返回給客戶端設備100，以在客戶端設備100的顯示界面上進行顯示。在SQL語句中存在擴展語法標識時，在方塊S205，對SQL語句進行語義驗證。具體地，可以對SQL語句中的資料查詢部分的合法性進行校驗。例如，SQL語句處理裝置200可以基於SQL語句中的資料查詢要素，選取少量查詢資料來向SQL資料庫400發起資料查詢。如果SQL資料庫400能夠返回查詢結果，則認為語義驗證通過。如果SQL資料庫400不能返回查詢結果，則認為語義驗證失敗。在語義驗證失敗時，在方塊S206，向客戶端設備100返回錯誤提示，並且在方塊S207，將錯誤提示顯示在客戶端設備100的顯示界面上，以通知給用戶。在語義驗證通過後，在方塊S208，SQL語句處理裝置200基於SQL語句產生具有第一語句格式的計算服務描述語句。這裡，第一語句格式是目標計算服務框架可識別的語句格式。在本發明中，目標計算服務框架可以包括TensorFlow、Pytorch、Xgboost和AutoML等。所述目標計算服務框架可以例如由SQL語句中的用於唯一標識目標計算服務框架的計算要素來定義。例如，在目標計算服務是圖3B中所示的機器學習模型訓練時，目標計算服務框架可以由機器學習模型名稱“DNNClassfier”來標識。這裡，“DNNClassfier”例如用於標識目標計算服務框架是“TensorFlow”，由此，SQL語句處理裝置200基於SQL語句產生具有TensorFlow可識別的語句格式的計算服務描述語句。此外，也可以在計算要素中設置單獨的識別字來唯一地標識目標計算服務框架。在本發明中，所述目標計算服務可以包括機器學習計算服務或者集群計算服務等。此外，所述機器學習計算服務包括機器學習模型訓練或者機器學習模型預測。在所述目標計算服務是集群計算的情況下，所述計算服務描述語句是用於執行集群計算的描述語句。例如，所述描述語句可以包括：計算任務描述、訓練資訊、所載入的資料和/或模型保存資訊。在所述目標計算服務是機器學習計算服務的情況下，所述計算服務描述語句是機器學習程式碼。關於如何產生機器學習程式碼，將在下面參照圖4進行詳細描述。圖4示出了根據本發明的實施例的用於基於SQL語句產生計算服務描述語句的一個示例過程的流程圖。該示例針對的是機器學習任務的情形。如圖4所示，首先，在方塊410，基於SQL語句中的資料查詢要素，產生具有第一語句格式的資料查詢程式碼。例如，在目標計算服務是機器學習模型訓練時，如圖3B中所示的SQL語句，可以基於圖3B中的“Select * From iris.iris”來產生目標計算服務框架可識別的第一語句格式的資料查詢程式碼，該資料查詢程式碼可以被目標計算服務框架執行來從SQL資料庫400中獲取用於機器學習模型訓練的資料。在目標計算服務是其它類型的機器學習任務時，可以產生相應格式的資料查詢程式碼。接著，在方塊420，基於SQL語句中的計算服務要素，產生具有第一語句格式的機器學習程式碼。具體地，在機器學習任務的情況下，計算要素可以包括機器學習模型名稱、機器學習模型參數、機器學習模型特徵、機器學習模型標籤以及機器學習計算結果儲存位址。相應地，基於SQL語句中的計算服務要素，產生具有第一語句格式的機器學習程式碼可以包括：呼叫與機器學習模型名稱對應的機器學習程式碼範本；以及將機器學習模型訓練參數、機器學習模型特徵和機器學習模型標籤提供給機器學習程式碼範本，以產生具有第一語句格式的機器學習程式碼。在機器學習任務是機器學習模型訓練時，計算要素明確包含上述資訊。在機器學習任務是機器學習預測的情況下，計算要素記錄在所使用的模型儲存位址的資訊中。回到圖2，在產生計算服務描述語句後，在方塊S209，SQL語句處理裝置200將所產生的計算服務描述語句提交給目標計算服務框架300。在接收到計算服務描述語句後，在方塊S210，目標計算服務框架300呼叫SQL語句所查詢的資料進行目標計算。例如，在擴展語法標識指示“機器學習模型訓練”的情況下，目標計算服務框架300使用資料查詢碼來從SQL資料庫400中獲取用於機器學習模型訓練的資料，然後使用所獲取的資料來基於機器學習程式碼進行機器學習模型訓練。然後，在方塊S211，在目標計算服務框架300完成目標計算後，目標計算服務框架300將目標計算結果儲存在SQL資料庫中的機器學習計算結果儲存位址中，以供用戶查詢，由此實現根據本發明的計算服務。如上參照圖1到圖4對根據本發明的用於基於SQL語句實現計算服務的方法進行描述。這裡要說明的是，圖2示出的僅僅是根據本發明的用於基於SQL語句實現計算服務的方法的一個實施例，在本發明的其它實施例中，還可以對圖2中示出的用於基於SQL語句實現計算服務的方法進行修改。例如，在本發明的另一實施例中，可以不包括圖2中的方塊S201的操作。在這種情況下，SQL語句可以被預先已經獲取並且儲存在SQL語句處理裝置200處。此外，在本發明的另一實施例中，也可以不包括圖2中的方塊S205的操作。在這種情況下，針對擴展SQL語句，認為擴展SQL語句不存在語義問題，從而無需進行語義驗證。在本發明中，透過對現有SQL語法進行擴展，使得擴展後的SQL語句中包含計算服務所需的計算要素資訊，在接收到擴展後的SQL語句後，對擴展後的SQL語句進行解析並基於計算要素資訊產生目標計算框架可識別的計算服務描述語句，由此在目標計算框架中基於所產生的計算服務描述語句來進行計算服務，從而無需用戶具備目標計算框架所需程式編寫能力。在本發明中，透過對SQL語句進行語法解析以確定是否是擴展SQL語句，並且在是擴展SQL語句時執行相應的計算操作，以及在不是擴展SQL語句時，執行習知的SQL查詢操作，從而使得不同訴求的用戶能夠在同一個用戶界面上進行操作。此外，在本發明中，透過在基於SQL語句產生計算服務描述語句之前，對所接收的SQL語句進行語義查詢，從而可以儘早發現擴展SQL語句的語意錯誤，從而避免了向機器學習碼產生部件提交無用的機器學習任務，由此節省系統資源。如上參照圖1到圖4對根據本發明的實施例的用於基於SQL語句實現計算服務的方法進行了描述，下面將參照圖5到圖6描述根據本發明的實施例的用於基於SQL語句實現計算服務的裝置。圖5示出了根據本發明的實施例的用於基於SQL語句實現計算服務的裝置（下文中稱為SQL語句處理裝置）200的方塊圖。如圖5所示，SQL語句處理裝置200包括語法解析單元210、計算服務描述語句產生單元220和描述語句提交單元230。語法解析單元210被配置成對SQL語句進行語法解析，以確定SQL語句中是否存在擴展語法標識。所述擴展語法標識指示針對所述SQL語句的目標計算服務。在所述結構化查詢語言語句中存在所述擴展語法標識時，所述結構化查詢語句包括所述目標計算服務所需的計算要素。語法解析單元210的操作可以參考上面參照圖2描述的方塊S202的操作。計算服務描述語句產生單元220被配置成在SQL語句中存在擴展語法標識時，基於SQL語句產生具有第一語句格式的計算服務描述語句，所述第一語句格式是目標計算服務框架可識別的語句格式。計算服務描述語句產生單元220的操作可以參考上面參照圖2描述的方塊S208的操作。圖6示出了根據本發明的實施例的計算服務描述語句產生單元220的一個實現示例的方塊圖。圖6中所示的示例是針對機器學習計算服務的示例。如圖6所示，計算服務描述語句產生單元220包括資料查詢碼產生模組221和機器學習碼產生模組223。資料查詢碼產生模組221被配置成基於SQL語句中的資料查詢要素，產生具有第一語句格式的資料查詢程式碼。資料查詢碼產生模組221的操作可以參考上面參照圖4描述的方塊S410的操作。機器學習碼產生模組223被配置成基於SQL語句中的計算服務要素，產生具有第一語句格式的機器學習程式碼。具體地，在目標計算服務包括機器學習計算服務時，所述計算要素包括機器學習模型名稱、機器學習模型參數、機器學習模型特徵、機器學習模型標籤以及機器學習計算結果儲存位址。相應地，機器學習碼產生模組被配置成：呼叫與所述機器學習模型名稱對應的機器學習程式碼範本；以及將所述機器學習模型訓練參數、機器學習模型特徵和機器學習模型標籤提供給所述機器學習程式碼範本，以產生具有所述第一語句格式的機器學習程式碼。機器學習碼產生模組223的操作可以參考上面參照圖4描述的方塊S420的操作。回到圖5，描述語句提交單元,230被配置成將所產生的計算服務描述語句提交給目標計算服務框架300，以在目標計算服務框架300中，基於所述計算服務描述語言來呼叫SQL語句所查詢的資料進行目標計算。此外，在本發明的另一示例中，SQL語句處理裝置200還可以包括語義驗證單元（未示出）。語義驗證單元被配置成在基於SQL語句產生具有第一語句格式的計算服務描述語句之前，對SQL語句進行語義驗證。並且在SQL語句語義驗證通過後，計算服務描述語句產生單元220才執行操作。此外，在本發明的另一示例中，SQL語句處理裝置200還可以包括語句獲取單元（未示出）。所述語句獲取單元被配置成獲取經由客戶端輸入的結構化查詢語言語句。如上參照圖1到圖6，對根據本發明的用於基於SQL語句實現計算服務的方法及裝置的實施例進行了描述。上面的SQL語句處理裝置可以採用硬體實現，也可以採用軟體或者硬體和軟體的組合來實現。圖7示出了根據本發明的實施例的用於基於SQL語句實現計算服務的計算設備700的方塊圖。如圖7所示，計算設備700可以包括至少一個處理器710、記憶體720、記憶體730和通訊介面740，並且至少一個處理器710、記憶體720、記憶體730和通訊介面740經由匯流排760連接在一起。至少一個處理器710執行在記憶體中儲存或編碼的至少一個電腦可讀指令（亦即，上述以軟體形式實現的元素）。在一個實施例中，在記憶體中儲存電腦可執行指令，其當執行時使得至少一個處理器710：對SQL語句進行語法解析，以確定SQL語句中是否存在擴展語法標識，所述擴展語法標識指示針對SQL語句的目標計算服務；在SQL語句中存在擴展語法標識時，基於SQL語句產生具有第一語句格式的計算服務描述語句，所述第一語句格式是目標計算服務框架可識別的語句格式；以及將所產生的計算服務描述語句提交給所述目標計算服務框架，以在所述目標計算服務框架中，基於所述計算服務描述語句來呼叫SQL語句所查詢的資料進行目標計算，其中，在SQL語句中存在所述擴展語法標識時，SQL語句包括所述目標計算服務所需的計算要素。應該理解，在記憶體中儲存的電腦可執行指令當執行時使得至少一個處理器710進行本發明的各個實施例中以上結合圖1至6描述的各種操作和功能。在本發明中，計算設備700可以包括但不限於：個人電腦、伺服器電腦、工作站、桌上型電腦、膝上型電腦、筆記型電腦、行動計算裝置、智慧型電話、平板電腦、蜂巢式電話、個人數位助理（PDA）、手持裝置、訊息收發設備、可穿戴計算設備、消費電子設備等等。根據一個實施例，提供了一種比如非暫態性機器可讀媒體的程式產品。非暫態性機器可讀媒體可以具有指令（亦即，上述以軟體形式實現的元素），該指令當被機器執行時，使得機器執行本發明的各個實施例中以上結合圖1至6描述的各種操作和功能。具體地，可以提供配有可讀儲存媒體的系統或者裝置，在該可讀儲存媒體上儲存著實現上述實施例中任一實施例的功能的軟體程式碼，且使該系統或者裝置的電腦或處理器讀出並執行儲存在該可讀儲存媒體中的指令。根據一個實施例，提供了一種比如非暫態性機器可讀媒體的程式產品。非暫態性機器可讀媒體可以具有指令（亦即，上述以軟體形式實現的元素），該指令當被機器執行時，使得機器執行本發明的各個實施例中以上結合圖1至6描述的各種操作和功能。具體地，可以提供配有可讀儲存媒體的系統或者裝置，在該可讀儲存媒體上儲存著實現上述實施例中任一實施例的功能的軟體程式碼，且使該系統或者裝置的電腦或處理器讀出並執行儲存在該可讀儲存媒體中的指令。在這種情況下，從可讀媒體讀取的程式碼本身可實現上述實施例中任何一項實施例的功能，因此機器可讀碼和儲存機器可讀碼的可讀儲存媒體構成了本發明的一部分。可讀儲存媒體的實施例包括軟碟、硬碟、磁光碟、光碟（如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD-RW）、磁帶、非易失性儲存卡和ROM。可選擇地，可以由通訊網路從伺服器電腦上或雲端上下載程式碼。本領域技術人員應當理解，上面揭示的各個實施例可以在不偏離發明實質的情況下做出各種變形和修改。因此，本發明的保護範圍應當由所附的申請專利範圍來限定。需要說明的是，上述各流程和各系統結構圖中不是所有的步驟和單元都是必須的，可以根據實際的需要忽略某些步驟或單元。各步驟的執行順序不是固定的，可以根據需要進行確定。上述各實施例中描述的裝置結構可以是物理結構，也可以是邏輯結構，亦即，有些單元可能由同一個物理實體實現，或者，有些單元可能分由多個物理實體實現，或者，可以由多個獨立設備中的某些部件共同實現。以上各實施例中，硬體單元或模組可以透過機械方式或電氣方式實現。例如，一個硬體單元、模組或處理器可以包括永久性專用的電路或邏輯（如專門的處理器、FPGA或ASIC）來完成相應操作。硬體單元或處理器還可以包括可編程邏輯或電路（如通用處理器或其它可編程處理器），可以由軟體進行臨時的設置以完成相應操作。具體的實現方式（機械方式、或專用的永久性電路、或者臨時設置的電路）可以基於成本和時間上的考慮來確定。上面結合圖式闡述的具體實施方式描述了示例性實施例，但並不表示可以實現的或者落入申請專利範圍的保護範圍的所有實施例。在整個本說明書中使用的術語“示例性”意味著“用作示例、實例或例示”，並不意味著比其它實施例“較佳”或“具有優勢”。出於提供對所描述技術的理解的目的，具體實施方式包括具體細節。然而，可以在沒有這些具體細節的情況下實施這些技術。在一些實例中，為了避免對所描述的實施例的概念造成難以理解，公知的結構和裝置以方塊圖形式示出。本發明內容的上述描述被提供來使得本領域任何普通技術人員能夠實現或者使用本發明內容。對於本領域普通技術人員來說，對本發明內容進行的各種修改是顯而易見的，並且，也可以在不脫離本發明內容的保護範圍的情況下，將本文所定義的一般性原理應用於其它變型。因此，本發明內容並不限於本文所描述的示例和設計，而是與符合本文揭示的原理和新穎性特徵的最廣範圍相一致。

10:計算服務實現系統 100:客戶端設備 200:SQL語句處理裝置 300:目標計算服務框架 400:SQL資料庫 S201:方法步驟 S202:方法步驟 S203:方法步驟 S204:方法步驟 S205:方法步驟 S206:方法步驟 S207:方法步驟 S208:方法步驟 S209:方法步驟 S210:方法步驟 S211:方法步驟 410:方法步驟 420:方法步驟 210:語法解析單元 220:計算服務描述語句產生單元 230:描述語句提交單元 221:資料查詢碼產生模組 223:機器學習碼產生模組 700:計算設備 710:處理器 720:非易失性記憶體 730:記憶體 740:通訊介面 760:匯流排

透過參照下面的圖式，可以實現對於本發明內容的本質和優點的進一步理解。在圖式中，類似組件或特徵可以具有相同的圖式標記。圖1示出了根據本發明的實施例的用於基於結構化查詢語言語句實現計算服務的系統的方塊圖；圖2示出了根據本發明的實施例的用於基於結構化查詢語言語句實現計算服務的方法的流程圖；圖3A示出了根據本發明的實施例的習知SQL語句的一個示例的示意圖；圖3B示出了根據本發明的實施例的具有擴展語法標識的SQL語句的一個示例的示意圖；圖3C示出了根據本發明的實施例的具有擴展語法標識的SQL語句的另一示例的示意圖；圖4示出了根據本發明的實施例的用於基於結構化查詢語言語句產生計算服務描述語句的過程的流程圖；圖5示出了根據本發明的實施例的用於基於結構化查詢語言語句實現計算服務的裝置的方塊圖；圖6示出了根據本發明的實施例的計算服務描述語句產生單元的一個實現示例的方塊圖；圖7示出了根據本發明的實施例的用於基於結構化查詢語言語句實現計算服務的計算設備的方塊圖。

100:客戶端設備

200:SQL語句處理裝置

300:目標計算服務框架

400:SQL資料庫

Claims

一種用於基於結構化查詢語言語句實現計算服務的方法，包括：對結構化查詢語言語句進行語法解析，以確定該結構化查詢語言語句中是否存在擴展語法標識，該擴展語法標識指示針對該結構化查詢語言語句的目標計算服務；在該結構化查詢語言語句中存在擴展語法標識時，基於該結構化查詢語言語句產生具有第一語句格式的計算服務描述語句，該第一語句格式是目標計算服務框架可識別的語句格式；以及將所產生的計算服務描述語句提交給該目標計算服務框架，以在該目標計算服務框架中，基於該計算服務描述語句來呼叫該結構化查詢語言語句所查詢的資料進行目標計算，其中，在該結構化查詢語言語句中存在該擴展語法標識時，該結構化查詢語言語句包括該目標計算服務所需的計算要素。
如請求項1所述的方法，其中，該目標計算服務包括機器學習計算服務或者集群計算服務。
如請求項2所述的方法，其中，該機器學習計算服務包括機器學習模型訓練或者機器學習模型預測。
如請求項3所述的方法，其中，基於該結構化查詢語言語句產生具有第一語句格式的計算服務描述語句包括：基於該結構化查詢語言語句中的資料查詢要素，產生具有該第一語句格式的資料查詢程式碼；以及基於該結構化查詢語言語句中的計算服務要素，產生具有該第一語句格式的機器學習程式碼。
如請求項4所述的方法，其中，該計算要素包括機器學習模型名稱、機器學習模型參數、機器學習模型特徵、機器學習模型標籤以及機器學習計算結果儲存位址，其中，基於該結構化查詢語言語句中的計算服務要素，產生具有該第一語句格式的機器學習程式碼包括：呼叫與該機器學習模型名稱對應的機器學習程式碼範本；以及將該機器學習模型訓練參數、機器學習模型特徵和機器學習模型標籤提供給該機器學習程式碼範本，以產生具有該第一語句格式的機器學習程式碼。
如請求項5所述的方法，其中，在該目標計算服務框架呼叫該結構化查詢語言語句所查詢的資料來基於機器學習程式碼進行目標計算後，該目標計算服務框架將目標計算結果儲存在結構化查詢語言資料庫中的機器學習計算結果儲存位址中。
如請求項1所述的方法，其中，在基於該結構化查詢語言語句產生具有第一語句格式的計算服務描述語句之前，該方法還包括：對該結構化查詢語言語句進行語義驗證。
如請求項1到7中任一項所述的方法，還包括：獲取經由客戶端輸入的結構化查詢語言語句。
一種用於基於結構化查詢語言語句實現計算服務的裝置，包括：語法解析單元，被配置成對結構化查詢語言語句進行語法解析，以確定該結構化查詢語言語句中是否存在擴展語法標識，該擴展語法標識指示針對該結構化查詢語言語句的目標計算服務；計算服務描述語句產生單元，被配置成在該結構化查詢語言語句中存在擴展語法標識時，基於該結構化查詢語言語句產生具有第一語句格式的計算服務描述語句，該第一語句格式是目標計算服務框架可識別的語句格式；以及描述語句提交單元，被配置成將所產生的計算服務描述語句提交給該目標計算服務框架，以在該目標計算服務框架中，基於該計算服務描述語句來呼叫該結構化查詢語言語句所查詢的資料進行目標計算，其中，在該結構化查詢語言語句中存在該擴展語法標識時，該結構化查詢語言語句包括該目標計算服務所需的計算要素。
如請求項9所述的裝置，其中，該目標計算服務包括機器學習計算服務或者集群計算服務。
如請求項10所述的裝置，其中，該機器學習計算服務包括機器學習模型訓練或者機器學習模型預測，以及該計算服務描述語句產生單元包括：資料查詢碼產生模組，被配置成基於該結構化查詢語言語句中的資料查詢要素，產生具有該第一語句格式的資料查詢程式碼；以及機器學習碼產生模組，被配置成基於該結構化查詢語言語句中的計算服務要素，產生具有該第一語句格式的機器學習程式碼。
如請求項11所述的裝置，其中，該計算要素包括機器學習模型名稱、機器學習模型參數、機器學習模型特徵、機器學習模型標籤以及機器學習模型訓練結果儲存位址，其中，該機器學習碼產生模組被配置成：呼叫與該機器學習模型名稱對應的機器學習程式碼範本；以及將該機器學習模型訓練參數、機器學習模型特徵和機器學習模型標籤提供給該機器學習程式碼範本，以產生具有該第一語句格式的機器學習程式碼。
如請求項9所述的裝置，還包括：語義驗證單元，被配置成在基於該結構化查詢語言語句產生具有第一語句格式的計算服務描述語句之前，對該結構化查詢語言語句進行語義驗證。
如請求項9到13中任一項所述的裝置，還包括：語句獲取單元，被配置成獲取經由客戶端輸入的結構化查詢語言語句。
一種用於基於結構化查詢語言語句實現計算服務的系統，包括：客戶端設備，被配置成輸入結構化查詢語言語句；如請求項9到14中任一項所述的用於基於結構化查詢語言語句實現計算服務的裝置；目標計算服務框架；以及結構化查詢語言資料庫。
一種計算設備，包括：至少一個處理器；以及與該至少一個處理器耦合的記憶體，該記憶體儲存有指令，當該指令被該至少一個處理器執行時，使得該至少一個處理器執行如請求項1到8中任一項所述的方法。
一種非暫態性機器可讀儲存媒體，其儲存有可執行指令，該指令當被執行時使得該機器執行如請求項1到8中任一項所述的方法。