WO2020224242A1 - 区块链数据处理方法、装置、服务器及存储介质 - Google Patents

区块链数据处理方法、装置、服务器及存储介质 Download PDF

Info

Publication number
WO2020224242A1
WO2020224242A1 PCT/CN2019/121377 CN2019121377W WO2020224242A1 WO 2020224242 A1 WO2020224242 A1 WO 2020224242A1 CN 2019121377 W CN2019121377 W CN 2019121377W WO 2020224242 A1 WO2020224242 A1 WO 2020224242A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
time point
log data
statistical
statistical data
Prior art date
Application number
PCT/CN2019/121377
Other languages
English (en)
French (fr)
Inventor
张松松
冯承勇
Original Assignee
深圳壹账通智能科技有限公司
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 深圳壹账通智能科技有限公司 filed Critical 深圳壹账通智能科技有限公司
Publication of WO2020224242A1 publication Critical patent/WO2020224242A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/14—Error detection or correction of the data by redundancy in operation
    • G06F11/1402—Saving, restoring, recovering or retrying
    • G06F11/1446—Point-in-time backing up or restoration of persistent data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06F16/284—Relational databases

Definitions

  • This application relates to the field of blockchain technology, in particular to a blockchain data processing method, device, server and storage medium.
  • the blockchain is essentially used for searching as a large public database, and the interface that supports this search function is called a blockchain browser.
  • the blockchain browser can display and query block information and transaction information in a visual manner, and can also summarize and count the data on the blockchain.
  • the statistical analysis of the data on the blockchain by the blockchain browser generally requires traversing all the blocks and transactions on the blockchain to obtain statistical data.
  • the blockchain browser involves multiple software systems, such as the underlying blockchain network, browser, and storage system.
  • it also involves complex physical and network environments. Therefore, there is no guarantee when performing data statistics. Data statistical analysis always runs normally, and the statistical data is free of errors and deviations.
  • the first aspect of this application provides a blockchain data processing method, the method includes:
  • a second aspect of the application provides a data processing device, the device including:
  • the determining module is configured to determine the recovery time point corresponding to the first statistical data according to the correspondence between the pre-stored log data and the storage time point when there is an error in the first statistical data;
  • the obtaining module is used to obtain all the original data after the recovery time point from the disk of the underlying blockchain node;
  • the analysis and statistics module is used to analyze and count the original data to obtain second statistical data
  • the calculation module is configured to calculate total statistical data according to all log data before the recovery time point and the second statistical data.
  • a third aspect of the present application provides a server, the server includes a processor and a memory, and the processor is configured to implement the blockchain data processing method when executing a computer program stored in the memory.
  • a fourth aspect of the present application provides a computer-readable storage medium having a computer program stored on the computer-readable storage medium, and the computer program is executed by a processor to implement the blockchain data processing method.
  • the recovery time point corresponding to the first statistical data can be determined according to the correspondence between the pre-stored log data and the storage time point. Obtain all the original data after the recovery time point from the disk of the underlying blockchain node, analyze and count the original data to obtain the second statistical data, and finally, you can use all logs before the recovery time point Data and the second statistical data to calculate the total statistical data.
  • Fig. 1 is a flowchart of a preferred embodiment of a blockchain data processing method disclosed in the present application.
  • Fig. 2 is a functional module diagram of a preferred embodiment of a data processing device disclosed in the present application.
  • FIG. 3 is a schematic diagram of the structure of a server implementing a preferred embodiment of the blockchain data processing method according to the present application.
  • the blockchain data processing method of the embodiment of the present application is applied in a server, and can also be applied in a hardware environment composed of a server and an electronic device connected to the server through a network, and is executed by the server and the electronic device.
  • Networks include but are not limited to: wide area network, metropolitan area network or local area network.
  • the server may refer to a computer system that can provide services to other devices (such as electronic devices) in the network. If a personal computer can provide File Transfer Protocol (FTP) service externally, it can also be called a server.
  • FTP File Transfer Protocol
  • the server refers to certain high-performance computers that can provide services to the outside world through the network. Compared with ordinary personal computers, they have higher requirements in terms of stability, security, and performance. Therefore, in the CPU , Chipset, memory, disk system, network and other hardware are different from ordinary personal computers.
  • FIG. 1 is a flowchart of a preferred embodiment of a blockchain data processing method disclosed in the present application. Among them, according to different needs, the order of the steps in the flowchart can be changed, and some steps can be omitted.
  • the server determines the recovery time point corresponding to the first statistical data according to the correspondence between the pre-stored log data and the storage time point.
  • the blockchain is essentially a disintermediation database.
  • Each data block contains information about a Bitcoin network transaction. Used to verify the validity of its information (anti-counterfeiting) and generate the next block. Among them, multiple transactions are saved to disk in the form of blocks.
  • Each block is connected by the HASH (hash) algorithm to form a blockchain. The content recorded in each block can be viewed from the blockchain browser.
  • Each blockchain has its own browser, and users cannot perform cross-chain queries through the blockchain browser. For example, Bitcoin can only be queried through the Bitcoin browser, but not through the Ethereum browser.
  • the blockchain browser can display and query block information and transaction information in a visual manner, and can also summarize and count the data on the blockchain.
  • the statistical analysis of the data on the blockchain by the blockchain browser generally needs to traverse all the blocks and transactions on the blockchain to obtain statistical data (ie, statistical results).
  • the blockchain browser involves multiple software systems, such as the underlying blockchain network, browser, and storage system. In addition, it also involves complex physical and network environments. Therefore, when performing data statistics, there is no guarantee Data statistical analysis always runs normally, and the statistical data is free of errors and deviations.
  • the method further includes:
  • the log data and the corresponding relationship between the log data and the storage time point are stored in a database.
  • a preset time period can be set in advance, such as zero o'clock every day.
  • all current statistical data are formatted to obtain a piece of log data and create the log
  • the corresponding relationship between the data and the storage time point that is, the current time point
  • the log data and the corresponding relationship between the log data and the storage time point may be stored in a database, wherein the database Deploy independently of the disk of the underlying blockchain node.
  • all current statistical data can be converted into a readable data format (that is, format processing), such as JSON format, XML format, and the statistical data in the readable data format can be determined as log data.
  • format processing such as JSON format, XML format
  • statistical data can be periodically converted into log data for storage, so that multiple log data can be obtained, and each log data corresponds to a storage time point, and the storage time point can be determined by the storage time point
  • the statistical data matched by the corresponding log data was obtained by the original data statistics at which time, and then when there is a problem with the statistical data, the original data at a certain time can be selected to re-analyze the statistics and obtain the statistical data. It is not necessary to start analysis and statistics from the first data of the first block, so that the statistical data can be restored as soon as possible and the efficiency of data statistics can be improved.
  • determining the recovery time point corresponding to the first statistical data according to the correspondence between the pre-stored log data and the storage time point includes:
  • a recovery time point corresponding to the first statistical data is determined.
  • the first log data corresponding to the first log data that matches the first statistical data can be queried from the corresponding relationship between the pre-stored log data and the storage time point.
  • a storage time point, where the first log data is obtained by performing data format conversion on the first statistical data, and the first storage time point corresponding to the first log data may reflect that the first statistical data is generated by the first statistical data.
  • the original data before the storage time point is analyzed and counted.
  • the original data on which the first statistical data depends needs to be re-acquired, and data statistics are performed again to achieve data recovery, and furthermore, the recovery time point corresponding to the first statistical data needs to be determined.
  • a preset time point before the first storage time point may be determined as the recovery time point corresponding to the first statistical data.
  • the preset time point before the first storage time point is later than the time of the first original data of the first block stored on the disk of the underlying blockchain node, that is to say, the recovery time point cannot be The time of the first raw data of the first block.
  • the log data of the fourth day can be used to determine the recovery time to be the third or second day, not the first day. In the subsequent data recovery, you can rely on the original data on the third day or after the second day.
  • the server obtains all the original data after the recovery time point from the disk of the underlying blockchain node.
  • the disk of the underlying blockchain node stores all the original data, and the original data on the disk is accurate.
  • all the original data after the recovery time point can be obtained from the disk of the underlying blockchain node without the need to obtain All original data before the recovery time point.
  • the server analyzes and counts the original data to obtain second statistical data.
  • the recovery time point is an intermediate point in time. It is generally considered that the statistical data before the recovery time point is accurate and correct. In the case of errors in the first statistical data, only the recovery time point After that, the original data is re-analyzed and counted to obtain the second statistical data, instead of re-analyzing and counting from the first original data of the first block, this helps to reduce the time of data recovery and improve the efficiency of data recovery.
  • the server calculates total statistical data according to all log data before the recovery time point and the second statistical data.
  • all the statistical data before the recovery time point is accurate and correct, so all the log data before the recovery time point is also accurate. Therefore, when calculating the total statistical data, it is not necessary to perform all analysis and statistical operations again from the first original data of the first block, and all log data before the recovery time point can be directly obtained from the database. , And then calculate the total statistical data based on all the acquired log data and the recalculated second statistical data. Specifically, it is necessary to first format all the log data before the recovery time point and convert it into statistical data, and then combine the second statistical data to calculate the total statistical data.
  • the method further includes:
  • the second log data and the corresponding relationship between the second log data and the second storage time point are stored in the database.
  • the first log data matching the first statistical data when there is an error in the first statistical data, also has an error, and the purpose of establishing the log data is to enable subsequent data recovery.
  • the second statistical data in order to ensure the accuracy of log data, it is necessary to delete the first log data matching the first statistical data from the database, and delete the first log data Correspondence with the first storage time point, and when the preset time period arrives, the second statistical data still needs to be formatted to obtain second log data, and establish the second The corresponding relationship between the log data and the second storage time point, and the second log data and the corresponding relationship between the second log data and the second storage time point are stored in the database, so that The log data in the database is the latest and accurate data.
  • the method further includes:
  • the target log data and the corresponding relationship between the target log data and the target storage time point are deleted from the database.
  • the storage period may be preset, such as one month.
  • data recovery when performing data recovery, data recovery usually starts from a certain point in time recently, while data at a longer point in time is usually not needed, so when the log data is
  • the storage duration of the target log data reaches the preset duration, the target log data and the corresponding relationship between the target log data and the target storage time point can be deleted from the database, which is conducive to timely deletion of useless
  • the log data saves the storage space of the database.
  • the method further includes:
  • a preset storage space may be set in advance, such as 80%.
  • the storage space of the log data exceeds the preset storage space, it can be considered that the log data has occupied the large area of the database. Part of the space, and all log data before the recovery time point is generally considered to be accurate. After data recovery, all log data after the recovery time point are also accurate. To recover, you only need to find the latest accurate log data, that is, you can find all the log data after the recovery time point, and all the log data before the recovery time point is not needed, so when the log data is When the storage space exceeds the preset storage space, all log data before the recovery time point may be deleted to save the storage space of the database.
  • the method further includes:
  • a data statistical visualization graph is generated; wherein the data statistical visualization graph is used to reflect the change trend of the statistical data within the preset time period.
  • the preset time period can be any time period set in advance, such as one month, and log data within the preset time period can be obtained, because the log data is always set every preset time.
  • the statistical data obtained periodically is obtained through formatting processing, so there are multiple log data in the preset time period.
  • a data statistical visualization graph can be generated, and the data statistical visualization graph can be intuitively reflected The change trend of the statistical data in the preset time period. For example, if log data records daily statistical data, and the preset time period is the latest month, through the data statistics visualization graph, you can intuitively see the daily trend of statistical data in the latest month. Have overall control over the statistical data in the last month.
  • the recovery time point corresponding to the first statistical data can be determined according to the correspondence between the pre-stored log data and the storage time point. Obtain all the original data after the recovery time point from the disk of the underlying blockchain node, analyze and count the original data, and obtain the second statistical data. Finally, you can use all the data before the recovery time point. The log data and the second statistical data are used to calculate the total statistical data.
  • FIG. 2 is a functional module diagram of a preferred embodiment of a data processing device disclosed in this application.
  • the data processing device runs in a server.
  • the data processing device may include multiple functional modules composed of program code segments.
  • the program code of each program segment in the data processing device can be stored in a memory and executed by at least one processor to execute part or all of the steps in the blockchain data processing method described in FIG. 1.
  • the data processing device can be divided into multiple functional modules according to the functions it performs.
  • the functional modules may include: a determination module 201, an acquisition module 202, an analysis and statistics module 203, and a calculation module 204.
  • the module referred to in this application refers to a series of computer program segments that can be executed by at least one processor and can complete fixed functions, and are stored in a memory. In some embodiments, the functions of each module will be detailed in subsequent embodiments.
  • the determining module 201 is configured to determine the recovery time point corresponding to the first statistical data according to the correspondence between the pre-stored log data and the storage time point when an error occurs in the first statistical data;
  • the blockchain is essentially a disintermediation database.
  • Each data block contains information about a Bitcoin network transaction. Used to verify the validity of its information (anti-counterfeiting) and generate the next block. Among them, multiple transactions are saved to disk in the form of blocks.
  • Each block is connected by the HASH (hash) algorithm to form a blockchain. The content recorded in each block can be viewed from the blockchain browser.
  • Each blockchain has its own browser, and users cannot perform cross-chain queries through the blockchain browser. For example, Bitcoin can only be queried through the Bitcoin browser, but not through the Ethereum browser.
  • the blockchain browser can display and query block information and transaction information in a visual manner, and can also summarize and count the data on the blockchain.
  • the statistical analysis of the data on the blockchain by the blockchain browser generally needs to traverse all the blocks and transactions on the blockchain to obtain statistical data (ie, statistical results).
  • the blockchain browser involves multiple software systems, such as the underlying blockchain network, browser, and storage system. In addition, it also involves complex physical and network environments. Therefore, when performing data statistics, there is no guarantee Data statistical analysis always runs normally, and the statistical data is free of errors and deviations.
  • the obtaining module 202 is configured to obtain all the original data after the recovery time point from the disk of the underlying blockchain node;
  • the disk of the underlying blockchain node stores all the original data, and the original data on the disk is accurate.
  • all the original data after the recovery time point can be obtained from the disk of the underlying blockchain node without the need to obtain All original data before the recovery time point.
  • the analysis and statistics module 203 is configured to perform analysis and statistics on the original data to obtain second statistical data
  • the recovery time point is an intermediate point in time. It is generally considered that the statistical data before the recovery time point is accurate and correct. In the case of errors in the first statistical data, only the recovery time point After that, the original data is re-analyzed and counted to obtain the second statistical data, instead of re-analyzing and counting from the first original data of the first block, this helps to reduce the time of data recovery and improve the efficiency of data recovery.
  • the calculation module 204 is configured to calculate total statistical data according to all log data before the recovery time point and the second statistical data.
  • all the statistical data before the recovery time point is accurate and correct, so all the log data before the recovery time point is also accurate. Therefore, when calculating the total statistical data, it is not necessary to perform all analysis and statistical operations again from the first original data of the first block, and all log data before the recovery time point can be directly obtained from the database. , And then calculate the total statistical data based on all the acquired log data and the recalculated second statistical data. Specifically, it is necessary to first format all the log data before the recovery time point and convert it into statistical data, and then combine the second statistical data to calculate the total statistical data.
  • the data processing device further includes:
  • the formatting module is configured to: before the determining module 201 determines the recovery time point corresponding to the first statistical data according to the correspondence between the pre-stored log data and the storage time point, every preset time period, All current statistical data are formatted to obtain log data;
  • An establishment module for establishing the correspondence between the log data and the storage time point
  • the storage module is used to store the log data and the corresponding relationship between the log data and the storage time point in a database.
  • a preset time period can be set in advance, such as zero o'clock every day.
  • all current statistical data are formatted to obtain a piece of log data and create the log
  • the corresponding relationship between the data and the storage time point that is, the current time point
  • the log data and the corresponding relationship between the log data and the storage time point may be stored in a database, wherein the database Deploy independently of the disk of the underlying blockchain node.
  • all current statistical data can be converted into a readable data format (that is, format processing), such as JSON format, XML format, and the statistical data in the readable data format can be determined as log data.
  • format processing such as JSON format, XML format
  • statistical data can be periodically converted into log data for storage, so that multiple log data can be obtained, and each log data corresponds to a storage time point, and the storage time point can be determined by the storage time point
  • the statistical data matched by the corresponding log data was obtained by the original data statistics at which time, and then when there is a problem with the statistical data, the original data at a certain time can be selected to re-analyze the statistics and obtain the statistical data. It is not necessary to start analysis and statistics from the first data of the first block, so that the statistical data can be restored as soon as possible and the efficiency of data statistics can be improved.
  • the determining module 201 includes:
  • the query submodule is used to query the first log data corresponding to the first log data matching the first statistical data from the corresponding relationship between the pre-stored log data and the storage time point when there is an error in the first statistical data.
  • the determining sub-module is configured to determine the recovery time point corresponding to the first statistical data according to the first storage time point.
  • the first log data corresponding to the first log data that matches the first statistical data can be queried from the corresponding relationship between the pre-stored log data and the storage time point.
  • a storage time point, where the first log data is obtained by performing data format conversion on the first statistical data, and the first storage time point corresponding to the first log data may reflect that the first statistical data is generated by the first statistical data.
  • the original data before the storage time point is analyzed and counted.
  • the original data on which the first statistical data depends needs to be re-acquired, and data statistics are performed again to achieve data recovery, and furthermore, the recovery time point corresponding to the first statistical data needs to be determined.
  • a preset time point before the first storage time point may be determined as the recovery time point corresponding to the first statistical data.
  • the preset time point before the first storage time point is later than the time of the first original data of the first block stored on the disk of the underlying blockchain node, that is to say, the recovery time point cannot be The time of the first raw data of the first block.
  • the log data of the fourth day can be used to determine the recovery time to be the third or second day, not the first day. In the subsequent data recovery, you can rely on the original data on the third day or after the second day.
  • the data processing device further includes:
  • the first deletion module is configured to delete the first log data matching the first statistical data from the database, and delete the correspondence between the first log data and the first storage time point ;
  • the formatting module is further configured to format the second statistical data to obtain second log data when the preset time period arrives;
  • the establishment module is further configured to establish the correspondence between the second log data and the second storage time point;
  • the storage module is further configured to store the second log data and the corresponding relationship between the second log data and the second storage time point in the database.
  • the first log data matching the first statistical data when there is an error in the first statistical data, also has an error, and the purpose of establishing the log data is to enable subsequent data recovery.
  • the second statistical data in order to ensure the accuracy of log data, it is necessary to delete the first log data matching the first statistical data from the database, and delete the first log data Correspondence with the first storage time point, and when the preset time period arrives, the second statistical data still needs to be formatted to obtain second log data, and establish the second The corresponding relationship between the log data and the second storage time point, and the second log data and the corresponding relationship between the second log data and the second storage time point are stored in the database, so that The log data in the database is the latest and accurate data.
  • the data processing device further includes:
  • the second deleting module is configured to delete the target log data and the correspondence between the target log data and the target storage time point from the database when the storage duration of the target log data in the log data reaches a preset duration relationship.
  • the storage period may be preset, such as one month.
  • data recovery when performing data recovery, data recovery usually starts from a certain point in time recently, while data at a longer point in time is usually not needed, so when the log data is
  • the storage duration of the target log data reaches the preset duration, the target log data and the corresponding relationship between the target log data and the target storage time point can be deleted from the database, which is conducive to timely deletion of useless
  • the log data saves the storage space of the database.
  • the data processing device further includes:
  • the third deletion module is configured to delete all log data before the recovery time point when the storage space of the log data exceeds the preset storage space.
  • a preset storage space may be set in advance, such as 80%.
  • the storage space of the log data exceeds the preset storage space, it can be considered that the log data has occupied the large area of the database. Part of the space, and all log data before the recovery time point is generally considered to be accurate. After data recovery, all log data after the recovery time point are also accurate. To recover, you only need to find the latest accurate log data, that is, you can find all the log data after the recovery time point, and all the log data before the recovery time point is not needed, so when the log data is When the storage space exceeds the preset storage space, all log data before the recovery time point may be deleted to save the storage space of the database.
  • the obtaining module 202 is further configured to obtain log data within a preset time period
  • the data processing device further includes:
  • the generating module is configured to generate a data statistical visualization graph according to the acquired log data; wherein the data statistical visualization graph is used to reflect the change trend of the statistical data within the preset time period.
  • the preset time period can be any time period set in advance, such as one month, and log data within the preset time period can be obtained, because the log data is always set every preset time.
  • the statistical data obtained periodically is obtained through formatting processing, so there are multiple log data in the preset time period.
  • a data statistical visualization graph can be generated, and the data statistical visualization graph can be intuitively reflected The change trend of the statistical data in the preset time period. For example, if log data records daily statistical data, and the preset time period is the latest month, through the data statistics visualization graph, you can intuitively see the daily trend of statistical data in the latest month. Have overall control over the statistical data in the last month.
  • the recovery time point corresponding to the first statistical data can be determined according to the correspondence between the pre-stored log data and the storage time point. Obtain all the original data after the recovery time point from the disk of the underlying blockchain node, analyze and count the original data, and obtain the second statistical data. Finally, you can use all the data before the recovery time point. The log data and the second statistical data are used to calculate the total statistical data.
  • FIG. 3 is a schematic diagram of the structure of a server in a preferred embodiment of the blockchain data processing method according to the present application.
  • the server 3 includes a memory 31, at least one processor 32, a computer program 33 stored in the memory 31 and executable on the at least one processor 32, and at least one communication bus 34.
  • FIG. 3 is only an example of the server 3, and does not constitute a limitation on the server 3. It may include more or less components than those shown in the figure, or a combination of some components. Components, or different components, for example, the server 3 may also include input and output devices, network access devices, and so on.
  • the at least one processor 32 may be a central processing unit (Central Processing Unit, CPU), or other general-purpose processors, digital signal processors (Digital Signal Processors, DSPs), application specific integrated circuits (ASICs). ), Field-Programmable Gate Array (FPGA) or other programmable logic devices, discrete gates or transistor logic devices, discrete hardware components, etc.
  • the processor 32 can be a microprocessor or the processor 32 can also be any conventional processor, etc.
  • the processor 32 is the control center of the server 3, and connects each of the entire server 3 through various interfaces and lines. section.
  • the memory 31 may be used to store the computer program 33 and/or modules/units.
  • the processor 32 runs or executes the computer programs and/or modules/units stored in the memory 31 and calls the computer programs and/or modules/units stored in the memory 31.
  • the data in 31 realizes various functions of the server 3.
  • the memory 31 may mainly include a storage program area and a storage data area, where the storage program area may store an operating system, an application program required by at least one function (such as a sound playback function, an image playback function, etc.); the storage data area may The data (such as audio data, phone book, etc.) created according to the use of the server 3 is stored.
  • the memory 31 may include a high-speed random access memory, and may also include a non-volatile memory, such as a hard disk, a memory, a plug-in hard disk, a smart memory card (Smart Media Card, SMC), and a secure digital (Secure Digital, SD).
  • a non-volatile memory such as a hard disk, a memory, a plug-in hard disk, a smart memory card (Smart Media Card, SMC), and a secure digital (Secure Digital, SD).
  • SMC Smart Media Card
  • SD Secure Digital
  • Flash Card at least one magnetic disk storage device, flash memory device, or other volatile solid-state storage device.
  • the memory 31 in the server 3 stores multiple instructions to implement a blockchain data processing method, and the processor 32 can execute the multiple instructions to achieve:
  • the processor 32 may execute The multiple instructions thus achieve:
  • the log data and the corresponding relationship between the log data and the storage time point are stored in a database.
  • determining the recovery time point corresponding to the first statistical data according to the correspondence between the pre-stored log data and the storage time point includes :
  • a recovery time point corresponding to the first statistical data is determined.
  • the processor 32 can execute the multiple instructions to achieve:
  • the second log data and the corresponding relationship between the second log data and the second storage time point are stored in the database.
  • the processor 32 can execute the multiple instructions to achieve:
  • the target log data and the corresponding relationship between the target log data and the target storage time point are deleted from the database.
  • the processor 32 can execute the multiple instructions to achieve:
  • the processor 32 can execute the multiple instructions to achieve:
  • a data statistical visualization graph is generated; wherein the data statistical visualization graph is used to reflect the change trend of the statistical data within the preset time period.
  • the recovery time point corresponding to the first statistical data may be determined according to the correspondence between the pre-stored log data and the storage time point. Obtain all the original data after the recovery time point from the disk of the underlying blockchain node, analyze and count the original data, and obtain the second statistical data. Finally, it can be based on all the original data before the recovery time point. The log data and the second statistical data are used to calculate the total statistical data.
  • the integrated modules/units of the server 3 are implemented in the form of software functional units and sold or used as independent products, they can be stored in a computer readable storage medium. Based on this understanding, this application implements all or part of the processes in the above-mentioned embodiments and methods, and can also be completed by instructing relevant hardware through a computer program.
  • the computer program can be stored in a computer-readable storage medium. When the program is executed by the processor, the steps of the foregoing method embodiments can be implemented.
  • the computer program includes computer program code, and the computer program code may be in the form of source code, object code, executable file, or some intermediate forms.
  • the computer-readable medium may include: any entity or device capable of carrying the computer program code, recording medium, U disk, mobile hard disk, magnetic disk, optical disk, computer memory, read-only memory (ROM, Read-Only Memory) , Random Access Memory (RAM, Random Access Memory), electrical carrier signal, telecommunications signal, and software distribution media.
  • ROM Read-Only Memory
  • RAM Random Access Memory
  • electrical carrier signal telecommunications signal
  • software distribution media any entity or device capable of carrying the computer program code
  • recording medium U disk, mobile hard disk, magnetic disk, optical disk, computer memory, read-only memory (ROM, Read-Only Memory) , Random Access Memory (RAM, Random Access Memory), electrical carrier signal, telecommunications signal, and software distribution media.
  • modules described as separate components may or may not be physically separated, and the components displayed as modules may or may not be physical units, that is, they may be located in one place, or they may be distributed on multiple network units. Some or all of the modules may be selected according to actual needs to achieve the objectives of the solutions of the embodiments.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Debugging And Monitoring (AREA)

Abstract

一种区块链数据处理方法、装置、服务器及存储介质，该方法包括：当第一统计数据出现错误时，根据日志数据与存储时间点之间的对应关系，确定第一统计数据的恢复时间点；获取恢复时间点之后的所有原始数据，对原始数据进行分析统计，获得第二统计数据；根据恢复时间点之前的所有日志数据以及第二统计数据，计算总统计数据。

Description

区块链数据处理方法、装置、服务器及存储介质
本申请要求于2019年5月8日提交中国专利局、申请号为201910381076.6、发明名称为“区块链数据处理方法、装置、服务器及存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请涉及区块链技术领域，尤其涉及一种区块链数据处理方法、装置、服务器及存储介质。
背景技术
区块链本质上作为一个大型公用数据库就是用来搜索的，而支持这种搜索功能的界面称为区块链浏览器。区块链浏览器能够通过可视化的方式展示和查询区块信息以及交易信息，还能够对区块链上的数据进行概要和统计。
通常，区块链浏览器对区块链上的数据进行统计分析一般需要对区块链上所有区块和交易遍历一遍，从而获取统计数据。
然而，区块链浏览器涉及到多个软件系统，比如底层区块链网络、浏览器以及存储系统，此外，还涉及到复杂的物理和网络环境，因此，在进行数据统计的时候，无法保证数据统计分析永远正常运行，且统计数据不出现错误和偏差。
在统计数据出现错误的情况下，如果从第一个区块的第一个数据再次进行所有的统计分析工作，这无疑会花费大量的时间，导致数据恢复的效率较低。
发明内容
鉴于以上内容，有必要提供一种区块链数据处理方法、装置、服务器及存储介质，能够减少数据恢复的时间，提高数据恢复的效率。
本申请的第一方面提供一种区块链数据处理方法，所述方法包括：
当第一统计数据出现错误时，根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点；
从底层区块链节点的磁盘上获取所述恢复时间点之后的所有原始数据；
对所述原始数据进行分析统计，获得第二统计数据；
根据所述恢复时间点之前的所有日志数据以及所述第二统计数据，计算总 统计数据。
本申请的第二方面提供一种数据处理装置，所述装置包括：
确定模块，用于当第一统计数据出现错误时，根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点；
获取模块，用于从底层区块链节点的磁盘上获取所述恢复时间点之后的所有原始数据；
分析统计模块，用于对所述原始数据进行分析统计，获得第二统计数据；
计算模块，用于根据所述恢复时间点之前的所有日志数据以及所述第二统计数据，计算总统计数据。
本申请的第三方面提供一种服务器，所述服务器包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现所述的区块链数据处理方法。
本申请的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述的区块链数据处理方法。
由以上技术方案，本申请中，当第一统计数据出现错误时，可以先根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点，在从底层区块链节点的磁盘上获取所述恢复时间点之后的所有原始数据，对所述原始数据进行分析统计，获得第二统计数据，最后，即可根据所述恢复时间点之前的所有日志数据以及所述第二统计数据，计算总统计数据。可见，本申请中，在进行数据恢复时，只需要直接从所述数据库中获取所述恢复时间点之前的所有日志数据，进而根据获取的所有日志数据以及重新计算得到的第二统计数据来计算总统计数据，而不需要从第一个区块的第一个原始数据再次进行所有的分析统计运算，从而能够减少数据恢复的时间，提高数据恢复的效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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，还可以根据提供的附图获得其他的附图。
图1是本申请公开的一种区块链数据处理方法的较佳实施例的流程图。
图2是本申请公开的一种数据处理装置的较佳实施例的功能模块图。
图3是本申请实现区块链数据处理方法的较佳实施例的服务器的结构示意图。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点，下面结合附图和具体实施例对本申请进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
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。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
本申请实施例的区块链数据处理方法应用在服务器中，也可以应用在服务器和通过网络与所述服务器进行连接的电子设备所构成的硬件环境中，由服务器和电子设备共同执行。网络包括但不限于：广域网、城域网或局域网。其中，服务器可以是指能对网络中其它设备(如电子设备)提供服务的计算机系统。如果一个个人电脑能够对外提供文件传输协议(File Transfer Protocol，简称FTP)服务，也可以叫服务器。从狭义范围上讲，服务器专指某些高性能计算机，能通过网络，对外提供服务，其相对于普通的个人电脑来说，稳定性、安全性、性能等方面都要求更高，因此在CPU、芯片组、内存、磁盘系统、网络等硬件和普通的个人电脑有所不同。
请参见图1，图1是本申请公开的一种区块链数据处理方法的较佳实施例的流程图。其中，根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
S11、当第一统计数据出现错误时，服务器根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点。
区块链本质上是一个去中介化的数据库，同时作为比特币的底层技术，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次比特币网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。其中，多个交易以区块的形式保存到磁盘上。各个区块通过HASH(哈希)算法连接起来形成一条区块链。每一个区块所记载的内容都可以从区块链浏览器上进行查阅，每一条区块链都有自己的浏览器，用户不能通过区块链浏览器进行跨链查询。比如，比特币只能通过比特币浏览器查询，而不能使用以太坊浏览器查询。
其中，区块链浏览器能够通过可视化的方式展示和查询区块信息以及交易信息，还能够对区块链上的数据进行概要和统计。
通常，区块链浏览器对区块链上的数据进行统计分析一般需要对区块链上所有区块和交易遍历一遍，从而获取统计数据(即统计结果)。
其中，区块链浏览器涉及到多个软件系统，比如底层区块链网络、浏览器以及存储系统，此外，还涉及到复杂的物理和网络环境，因此，在进行数据统计的时候，无法保证数据统计分析永远正常运行，且统计数据不出现错误和偏差。
作为一种可选的实施方式，步骤S11之前，所述方法还包括：
每隔预设时间周期，对当前所有的统计数据进行格式化处理，获得日志数据；
建立所述日志数据与存储时间点之间的对应关系；
将所述日志数据以及所述日志数据与存储时间点之间的对应关系存储至数据库中。
在该可选的实施方式中，可以预先设置预设时间周期，比如每天零点，在预设时间周期到达时，对当前所有的统计数据进行格式化处理，获得一条日志数据，并建立所述日志数据与存储时间点(即当前时间点)之间的对应关系；进一步地，可以将所述日志数据以及所述日志数据与存储时间点之间的对应关系存储至数据库中，其中，所述数据库与底层区块链节点的磁盘独立部署。
具体的，可以将当前所有的统计数据转换成可读的数据格式(即格式化处理)，比如JSON格式、XML格式，将可读的数据格式的统计数据确定作为日志数据。
通过上述方式，可以周期性地将统计数据转换成日志数据进行存储，这样就可以获得多个日志数据，每个日志数据对应一个存储时间点，通过该存储时间点即可确定所述存储时间点对应的日志数据所匹配的统计数据是由哪个时间的原始数据统计获得的，进而在统计数据出现问题的时候，可以针对性地选择某个时间的原始数据来重新分析统计，获得统计数据，而不需要从第一个区块的第一个数据开始进行分析统计，从而能够尽快回复统计数据，提高数据统计的效率。
具体的，所述当第一统计数据出现错误时，根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点包括：
当第一统计数据出现错误时，从预先存储的日志数据与存储时间点之间的对应关系中，查询与所述第一统计数据匹配的第一日志数据对应的第一存储时间点；
根据所述第一存储时间点，确定所述第一统计数据对应的恢复时间点。
本申请实施例中，当第一统计数据出现错误时，可以从预先存储的日志数据与存储时间点之间的对应关系中，查询与所述第一统计数据匹配的第一日志数据对应的第一存储时间点，其中，第一日志数据是对第一统计数据进行数据格式转换得到的，第一日志数据对应的第一存储时间点可以反映出所述第一统计数据是由所述第一存储时间点之前的原始数据进行分析统计得到的。当所述第一统计数据出现错误时，需要重新获取所述第一统计数据所依赖的原始数据，重新进行数据统计才能实现数据恢复，进而需要确定所述第一统计数据对应的恢复时间点，因此，可以根据所述第一存储时间点，将所述第一存储时间点之前的预设时间点确定为所述第一统计数据对应的恢复时间点。其中，所述第一存储时间点之前的预设时间点要晚于底层区块链节点的磁盘上存储的第一个区块的第一个原始数据的时间，也就是说恢复时间点不能是第一个区块的第一个原始数据的时间。
举例来说，假如每天零点对统计数据进行格式化处理，将获得的日志数据以及存储时间点存储至数据库中。假如第四天的统计数据出现错误，则可以根据第四天的日志数据，确定恢复时间点为第三天或第二天，而不能是第一天。后续在进行数据恢复时，可以依赖第三天或第二天之后的原始数据。
S12、服务器从底层区块链节点的磁盘上获取所述恢复时间点之后的所有原始数据。
其中，底层区块链节点的磁盘上存储有所有的原始数据，该磁盘上的原始数据是准确无误的，在进行数据分析统计时，需要依赖磁盘上存储的原始数据。
本申请实施例中，在所述第一统计数据出现错误，并确定恢复时间点之后，即可从底层区块链节点的磁盘上获取所述恢复时间点之后的所有原始数据，而不需要获取所述恢复时间点之前的所有原始数据。
S13、服务器对所述原始数据进行分析统计，获得第二统计数据。
本申请实施例中，恢复时间点为处于中间的时间点，通常认为恢复时间点之前的统计数据都是准确无误的，在所述第一统计数据出现错误的情况下，只需要对恢复时间点之后的原始数据重新进行分析统计，获得第二统计数据，而不用从第一个区块的第一个原始数据重新进行分析统计，这有利于减少数据恢复的时间，提高数据恢复的效率。
S14、服务器根据所述恢复时间点之前的所有日志数据以及所述第二统计数据，计算总统计数据。
本申请实施例中，通常认为所述恢复时间点之前的所有统计数据都是准确无误的，故所述恢复时间点之前的所有日志数据也是准确无误的。因此， 在计算总统计数据时，不需要从第一个区块的第一个原始数据再次进行所有的分析统计运算，即可直接从所述数据库中获取所述恢复时间点之前的所有日志数据，进而根据获取的所有日志数据以及重新计算得到的第二统计数据来计算总统计数据。具体的，需要先将所述恢复时间点之前的所有日志数据进行格式化处理，转换成统计数据之后，再结合所述第二统计数据，计算得到总统计数据。
作为一种可选的实施方式，所述方法还包括：
从所述数据库中删掉与所述第一统计数据匹配的第一日志数据，以及删掉所述第一日志数据与所述第一存储时间点之间的对应关系；
在所述预设时间周期到达时，对所述第二统计数据进行格式化处理，获得第二日志数据；
建立所述第二日志数据与第二存储时间点之间的对应关系；
将所述第二日志数据以及所述第二日志数据与第二存储时间点之间的对应关系存储至所述数据库中。
在该可选的实施方式中，当第一统计数据出现错误时，与所述第一统计数据匹配的第一日志数据也存在错误，而建立日志数据的目的就是为了后续在进行数据恢复时能够依据日志数据来减少统计分析的工作量，为了确保日志数据的准确性，需要从所述数据库中删掉与所述第一统计数据匹配的第一日志数据，以及删掉所述第一日志数据与所述第一存储时间点之间的对应关系，进而在所述预设时间周期到达时，仍然需要对所述第二统计数据进行格式化处理，获得第二日志数据，建立所述第二日志数据与第二存储时间点之间的对应关系，并将所述第二日志数据以及所述第二日志数据与第二存储时间点之间的对应关系存储至所述数据库中，这样，所述数据库中的日志数据就是最新且准确的数据了。
作为一种可选的实施方式，所述方法还包括：
当所述日志数据中的目标日志数据的存储时长达到预设时长时，从所述数据库中删除所述目标日志数据以及所述目标日志数据与目标存储时间点之间的对应关系。
在该可选的实施方式中，可以预先设定存储时长，比如一个月。在统计数据出现错误的情况下，在进行数据恢复时，通常是从最近的某个时间点开始进行数据恢复，而较远的时间点的数据通常是不需要的，故当所述日志数据中的目标日志数据的存储时长达到预设时长时，可以从所述数据库中删除所述目标日志数据以及所述目标日志数据与目标存储时间点之间的对应关系，这有利于及时地删除掉无用的日志数据，节省所述数据库的存储空间。
作为一种可选的实施方式，所述方法还包括：
当所述日志数据的存储空间超过预设存储空间时，将所述恢复时间点之前的所有日志数据进行删除。
在该可选的实施方式中，可以预先设置预设存储空间，比如80％，当所述日志数据的存储空间超过预设存储空间时，可以认为所述日志数据已经占用了所述数据库的大部分空间，而所述恢复时间点之前的所有日志数据通常认为是准确无误的，在进行数据恢复之后，所述恢复时间点之后的所有日志数据也是准确无误的了，而后续如果还需要进行数据恢复，只需要找到最近的一条准确的日志数据即可，即可以找到恢复时间点之后的所有日志数据，而所述恢复时间点之前的所有日志数据就不需要了，故当所述日志数据的存储空间超过预设存储空间时，可以将所述恢复时间点之前的所有日志数据进行删除，以节省所述数据库的存储空间。
作为一种可选的实施方式，所述方法还包括：
获取预设时间段内的日志数据；
根据获取的所述日志数据，生成数据统计可视化图；其中，所述数据统计可视化图用于反映所述预设时间段内的统计数据的变化趋势。
在该可选的实施方式中，所述预设时间段内可以是预先设置的任意时间段，比如一个月，可以获取预设时间段内的日志数据，由于日志数据都是每隔预设时间周期获取的统计数据经过格式化处理得到的，因而在所述预设时间段内有多个日志数据，可以根据这些日志数据，生成数据统计可视化图，通过数据统计可视化图，可以很直观地反映所述预设时间段内的统计数据的变化趋势。举例来说，比如日志数据记录的是每天的统计数据，预设时间段内为最近一个月，则通过数据统计可视化图，可以直观地看到在最近一个月内统计数据每天的变化趋势，可以对最近一个月内的统计数据有个全局的把控。
在图1所描述的方法流程中，当第一统计数据出现错误时，可以先根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点，在从底层区块链节点的磁盘上获取所述恢复时间点之后的所有原始数据，对所述原始数据进行分析统计，获得第二统计数据，最后，即可根据所述恢复时间点之前的所有日志数据以及所述第二统计数据，计算总统计数据。可见，本申请中，在进行数据恢复时，只需要直接从所述数据库中获取所述恢复时间点之前的所有日志数据，进而根据获取的所有日志数据以及重新计算得到的第二统计数据来计算总统计数据，而不需要从第一个区块的第一个原始数据再次进行所有的分析统计运算，从而能够减少数据恢复的时间，提高数据恢复的效率。
以上所述，仅是本申请的具体实施方式，但本申请的保护范围并不局限于 此，对于本领域的普通技术人员来说，在不脱离本申请创造构思的前提下，还可以做出改进，但这些均属于本申请的保护范围。
请参见图2，图2是本申请公开的一种数据处理装置的较佳实施例的功能模块图。
在一些实施例中，所述数据处理装置运行于服务器中。所述数据处理装置可以包括多个由程序代码段所组成的功能模块。所述数据处理装置中的各个程序段的程序代码可以存储于存储器中，并由至少一个处理器所执行，以执行图1所描述的区块链数据处理方法中的部分或全部步骤。
本实施例中，所述数据处理装置根据其所执行的功能，可以被划分为多个功能模块。所述功能模块可以包括：确定模块201、获取模块202、分析统计模块203及计算模块204。本申请所称的模块是指一种能够被至少一个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，其存储在存储器中。在一些实施例中，关于各模块的功能将在后续的实施例中详述。
确定模块201，用于当第一统计数据出现错误时，根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点；
区块链本质上是一个去中介化的数据库，同时作为比特币的底层技术，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次比特币网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。其中，多个交易以区块的形式保存到磁盘上。各个区块通过HASH(哈希)算法连接起来形成一条区块链。每一个区块所记载的内容都可以从区块链浏览器上进行查阅，每一条区块链都有自己的浏览器，用户不能通过区块链浏览器进行跨链查询。比如，比特币只能通过比特币浏览器查询，而不能使用以太坊浏览器查询。
其中，区块链浏览器能够通过可视化的方式展示和查询区块信息以及交易信息，还能够对区块链上的数据进行概要和统计。
通常，区块链浏览器对区块链上的数据进行统计分析一般需要对区块链上所有区块和交易遍历一遍，从而获取统计数据(即统计结果)。
其中，区块链浏览器涉及到多个软件系统，比如底层区块链网络、浏览器以及存储系统，此外，还涉及到复杂的物理和网络环境，因此，在进行数据统计的时候，无法保证数据统计分析永远正常运行，且统计数据不出现错误和偏差。
获取模块202，用于从底层区块链节点的磁盘上获取所述恢复时间点之后的所有原始数据；
其中，底层区块链节点的磁盘上存储有所有的原始数据，该磁盘上的原 始数据是准确无误的，在进行数据分析统计时，需要依赖磁盘上存储的原始数据。
本申请实施例中，在所述第一统计数据出现错误，并确定恢复时间点之后，即可从底层区块链节点的磁盘上获取所述恢复时间点之后的所有原始数据，而不需要获取所述恢复时间点之前的所有原始数据。
分析统计模块203，用于对所述原始数据进行分析统计，获得第二统计数据；
本申请实施例中，恢复时间点为处于中间的时间点，通常认为恢复时间点之前的统计数据都是准确无误的，在所述第一统计数据出现错误的情况下，只需要对恢复时间点之后的原始数据重新进行分析统计，获得第二统计数据，而不用从第一个区块的第一个原始数据重新进行分析统计，这有利于减少数据恢复的时间，提高数据恢复的效率。
计算模块204，用于根据所述恢复时间点之前的所有日志数据以及所述第二统计数据，计算总统计数据。
本申请实施例中，通常认为所述恢复时间点之前的所有统计数据都是准确无误的，故所述恢复时间点之前的所有日志数据也是准确无误的。因此，在计算总统计数据时，不需要从第一个区块的第一个原始数据再次进行所有的分析统计运算，即可直接从所述数据库中获取所述恢复时间点之前的所有日志数据，进而根据获取的所有日志数据以及重新计算得到的第二统计数据来计算总统计数据。具体的，需要先将所述恢复时间点之前的所有日志数据进行格式化处理，转换成统计数据之后，再结合所述第二统计数据，计算得到总统计数据。
作为一种可选的实施方式，所述数据处理装置还包括：
格式化模块，用于在所述确定模块201根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点之前，每隔预设时间周期，对当前所有的统计数据进行格式化处理，获得日志数据；
建立模块，用于建立所述日志数据与存储时间点之间的对应关系；
存储模块，用于将所述日志数据以及所述日志数据与存储时间点之间的对应关系存储至数据库中。
在该可选的实施方式中，可以预先设置预设时间周期，比如每天零点，在预设时间周期到达时，对当前所有的统计数据进行格式化处理，获得一条日志数据，并建立所述日志数据与存储时间点(即当前时间点)之间的对应关系；进一步地，可以将所述日志数据以及所述日志数据与存储时间点之间的对应关系存储至数据库中，其中，所述数据库与底层区块链节点的磁盘独立部署。
具体的，可以将当前所有的统计数据转换成可读的数据格式(即格式化处理)，比如JSON格式、XML格式，将可读的数据格式的统计数据确定作为日志数据。
通过上述方式，可以周期性地将统计数据转换成日志数据进行存储，这样就可以获得多个日志数据，每个日志数据对应一个存储时间点，通过该存储时间点即可确定所述存储时间点对应的日志数据所匹配的统计数据是由哪个时间的原始数据统计获得的，进而在统计数据出现问题的时候，可以针对性地选择某个时间的原始数据来重新分析统计，获得统计数据，而不需要从第一个区块的第一个数据开始进行分析统计，从而能够尽快回复统计数据，提高数据统计的效率。
作为一种可选的实施方式，所述确定模块201包括：
查询子模块，用于当第一统计数据出现错误时，从预先存储的日志数据与存储时间点之间的对应关系中，查询与所述第一统计数据匹配的第一日志数据对应的第一存储时间点；
确定子模块，用于根据所述第一存储时间点，确定所述第一统计数据对应的恢复时间点。
本申请实施例中，当第一统计数据出现错误时，可以从预先存储的日志数据与存储时间点之间的对应关系中，查询与所述第一统计数据匹配的第一日志数据对应的第一存储时间点，其中，第一日志数据是对第一统计数据进行数据格式转换得到的，第一日志数据对应的第一存储时间点可以反映出所述第一统计数据是由所述第一存储时间点之前的原始数据进行分析统计得到的。当所述第一统计数据出现错误时，需要重新获取所述第一统计数据所依赖的原始数据，重新进行数据统计才能实现数据恢复，进而需要确定所述第一统计数据对应的恢复时间点，因此，可以根据所述第一存储时间点，将所述第一存储时间点之前的预设时间点确定为所述第一统计数据对应的恢复时间点。其中，所述第一存储时间点之前的预设时间点要晚于底层区块链节点的磁盘上存储的第一个区块的第一个原始数据的时间，也就是说恢复时间点不能是第一个区块的第一个原始数据的时间。
举例来说，假如每天零点对统计数据进行格式化处理，将获得的日志数据以及存储时间点存储至数据库中。假如第四天的统计数据出现错误，则可以根据第四天的日志数据，确定恢复时间点为第三天或第二天，而不能是第一天。后续在进行数据恢复时，可以依赖第三天或第二天之后的原始数据。
作为一种可选的实施方式，所述数据处理装置还包括：
第一删除模块，用于从所述数据库中删掉与所述第一统计数据匹配的第一日志数据，以及删掉所述第一日志数据与所述第一存储时间点之间的对应 关系；
所述格式化模块，还用于在所述预设时间周期到达时，对所述第二统计数据进行格式化处理，获得第二日志数据；
所述建立模块，还用于建立所述第二日志数据与第二存储时间点之间的对应关系；
所述存储模块，还用于将所述第二日志数据以及所述第二日志数据与第二存储时间点之间的对应关系存储至所述数据库中。
在该可选的实施方式中，当第一统计数据出现错误时，与所述第一统计数据匹配的第一日志数据也存在错误，而建立日志数据的目的就是为了后续在进行数据恢复时能够依据日志数据来减少统计分析的工作量，为了确保日志数据的准确性，需要从所述数据库中删掉与所述第一统计数据匹配的第一日志数据，以及删掉所述第一日志数据与所述第一存储时间点之间的对应关系，进而在所述预设时间周期到达时，仍然需要对所述第二统计数据进行格式化处理，获得第二日志数据，建立所述第二日志数据与第二存储时间点之间的对应关系，并将所述第二日志数据以及所述第二日志数据与第二存储时间点之间的对应关系存储至所述数据库中，这样，所述数据库中的日志数据就是最新且准确的数据了。
作为一种可选的实施方式，所述数据处理装置还包括：
第二删除模块，用于当所述日志数据中的目标日志数据的存储时长达到预设时长时，从数据库中删除所述目标日志数据以及所述目标日志数据与目标存储时间点之间的对应关系。
在该可选的实施方式中，可以预先设定存储时长，比如一个月。在统计数据出现错误的情况下，在进行数据恢复时，通常是从最近的某个时间点开始进行数据恢复，而较远的时间点的数据通常是不需要的，故当所述日志数据中的目标日志数据的存储时长达到预设时长时，可以从所述数据库中删除所述目标日志数据以及所述目标日志数据与目标存储时间点之间的对应关系，这有利于及时地删除掉无用的日志数据，节省所述数据库的存储空间。
作为一种可选的实施方式，所述数据处理装置还包括：
第三删除模块，用于当所述日志数据的存储空间超过预设存储空间时，将所述恢复时间点之前的所有日志数据进行删除。
在该可选的实施方式中，可以预先设置预设存储空间，比如80％，当所述日志数据的存储空间超过预设存储空间时，可以认为所述日志数据已经占用了所述数据库的大部分空间，而所述恢复时间点之前的所有日志数据通常认为是准确无误的，在进行数据恢复之后，所述恢复时间点之后的所有日志数据也是准确无误的了，而后续如果还需要进行数据恢复，只需要找到最近 的一条准确的日志数据即可，即可以找到恢复时间点之后的所有日志数据，而所述恢复时间点之前的所有日志数据就不需要了，故当所述日志数据的存储空间超过预设存储空间时，可以将所述恢复时间点之前的所有日志数据进行删除，以节省所述数据库的存储空间。
作为一种可选的实施方式，所述获取模块202，还用于获取预设时间段内的日志数据；
所述数据处理装置还包括：
生成模块，用于根据获取的所述日志数据，生成数据统计可视化图；其中，所述数据统计可视化图用于反映所述预设时间段内的统计数据的变化趋势。
在该可选的实施方式中，所述预设时间段内可以是预先设置的任意时间段，比如一个月，可以获取预设时间段内的日志数据，由于日志数据都是每隔预设时间周期获取的统计数据经过格式化处理得到的，因而在所述预设时间段内有多个日志数据，可以根据这些日志数据，生成数据统计可视化图，通过数据统计可视化图，可以很直观地反映所述预设时间段内的统计数据的变化趋势。举例来说，比如日志数据记录的是每天的统计数据，预设时间段内为最近一个月，则通过数据统计可视化图，可以直观地看到在最近一个月内统计数据每天的变化趋势，可以对最近一个月内的统计数据有个全局的把控。
在图2所描述数据处理装置中，当第一统计数据出现错误时，可以先根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点，在从底层区块链节点的磁盘上获取所述恢复时间点之后的所有原始数据，对所述原始数据进行分析统计，获得第二统计数据，最后，即可根据所述恢复时间点之前的所有日志数据以及所述第二统计数据，计算总统计数据。可见，本申请中，在进行数据恢复时，只需要直接从所述数据库中获取所述恢复时间点之前的所有日志数据，进而根据获取的所有日志数据以及重新计算得到的第二统计数据来计算总统计数据，而不需要从第一个区块的第一个原始数据再次进行所有的分析统计运算，从而能够减少数据恢复的时间，提高数据恢复的效率。
如图3所示，图3是本申请实现区块链数据处理方法的较佳实施例的服务器的结构示意图。所述服务器3包括存储器31、至少一个处理器32、存储在所述存储器31中并可在所述至少一个处理器32上运行的计算机程序33及至少一条通讯总线34。
本领域技术人员可以理解，图3所示的示意图仅仅是所述服务器3的示例，并不构成对所述服务器3的限定，可以包括比图示更多或更少的部件， 或者组合某些部件，或者不同的部件，例如所述服务器3还可以包括输入输出设备、网络接入设备等。
所述至少一个处理器32可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。该处理器32可以是微处理器或者该处理器32也可以是任何常规的处理器等，所述处理器32是所述服务器3的控制中心，利用各种接口和线路连接整个服务器3的各个部分。
所述存储器31可用于存储所述计算机程序33和/或模块/单元，所述处理器32通过运行或执行存储在所述存储器31内的计算机程序和/或模块/单元，以及调用存储在存储器31内的数据，实现所述服务器3的各种功能。所述存储器31可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据服务器3的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器31可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
结合图1，所述服务器3中的所述存储器31存储多个指令以实现一种区块链数据处理方法，所述处理器32可执行所述多个指令从而实现：
当第一统计数据出现错误时，根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点；
从底层区块链节点的磁盘上获取所述恢复时间点之后的所有原始数据；
对所述原始数据进行分析统计，获得第二统计数据；
根据所述恢复时间点之前的所有日志数据以及所述第二统计数据，计算总统计数据。
在一种可选的实施方式中，在所述根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点之前，所述处理器32可执行所述多个指令从而实现：
每隔预设时间周期，对当前所有的统计数据进行格式化处理，获得日志数据；
建立所述日志数据与存储时间点之间的对应关系；
将所述日志数据以及所述日志数据与存储时间点之间的对应关系存储至数据库中。
在一种可选的实施方式中，所述当第一统计数据出现错误时，根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点包括：
当第一统计数据出现错误时，从预先存储的日志数据与存储时间点之间的对应关系中，查询与所述第一统计数据匹配的第一日志数据对应的第一存储时间点；
根据所述第一存储时间点，确定所述第一统计数据对应的恢复时间点。
在一种可选的实施方式中，所述处理器32可执行所述多个指令从而实现：
从所述数据库中删掉与所述第一统计数据匹配的第一日志数据，以及删掉所述第一日志数据与所述第一存储时间点之间的对应关系；
在所述预设时间周期到达时，对所述第二统计数据进行格式化处理，获得第二日志数据；
建立所述第二日志数据与第二存储时间点之间的对应关系；
将所述第二日志数据以及所述第二日志数据与第二存储时间点之间的对应关系存储至所述数据库中。
在一种可选的实施方式中，所述处理器32可执行所述多个指令从而实现：
当所述日志数据中的目标日志数据的存储时长达到预设时长时，从数据库中删除所述目标日志数据以及所述目标日志数据与目标存储时间点之间的对应关系。
在一种可选的实施方式中，所述处理器32可执行所述多个指令从而实现：
当所述日志数据的存储空间超过预设存储空间时，将所述恢复时间点之前的所有日志数据进行删除。
在一种可选的实施方式中，所述处理器32可执行所述多个指令从而实现：
获取预设时间段内的日志数据；
根据获取的所述日志数据，生成数据统计可视化图；其中，所述数据统计可视化图用于反映所述预设时间段内的统计数据的变化趋势。
具体地，所述处理器32对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
在图3所描述的服务器3中，当第一统计数据出现错误时，可以先根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点，在从底层区块链节点的磁盘上获取所述恢复时间点之后 的所有原始数据，对所述原始数据进行分析统计，获得第二统计数据，最后，即可根据所述恢复时间点之前的所有日志数据以及所述第二统计数据，计算总统计数据。可见，本申请中，在进行数据恢复时，只需要直接从所述数据库中获取所述恢复时间点之前的所有日志数据，进而根据获取的所有日志数据以及重新计算得到的第二统计数据来计算总统计数据，而不需要从第一个区块的第一个原始数据再次进行所有的分析统计运算，从而能够减少数据恢复的时间，提高数据恢复的效率。
所述服务器3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取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述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。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)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，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。
最后应说明的是，以上实施例仅用以说明本申请的技术方案而非限制，尽管参照较佳实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或等同替换，而不脱离本申请技术方案的精神和范围。

Claims (20)

  1. 一种区块链数据处理方法，所述方法包括：
    当第一统计数据出现错误时，根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点；
    从底层区块链节点的磁盘上获取所述恢复时间点之后的所有原始数据；
    对所述原始数据进行分析统计，获得第二统计数据；
    根据所述恢复时间点之前的所有日志数据以及所述第二统计数据，计算总统计数据。
  2. 根据权利要求1所述的方法，其中，在所述根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点之前，所述方法还包括：
    每隔预设时间周期，对当前所有的统计数据进行格式化处理，获得日志数据；
    建立所述日志数据与存储时间点之间的对应关系；
    将所述日志数据以及所述日志数据与存储时间点之间的对应关系存储至数据库中。
  3. 根据权利要求2所述的方法，其中，所述当第一统计数据出现错误时，根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点包括：
    当第一统计数据出现错误时，从预先存储的日志数据与存储时间点之间的对应关系中，查询与所述第一统计数据匹配的第一日志数据对应的第一存储时间点；
    根据所述第一存储时间点，确定所述第一统计数据对应的恢复时间点。
  4. 根据权利要求3所述的方法，其中，所述方法还包括：
    从所述数据库中删掉与所述第一统计数据匹配的第一日志数据，以及删掉所述第一日志数据与所述第一存储时间点之间的对应关系；
    在所述预设时间周期到达时，对所述第二统计数据进行格式化处理，获得第二日志数据；
    建立所述第二日志数据与第二存储时间点之间的对应关系；
    将所述第二日志数据以及所述第二日志数据与第二存储时间点之间的对应关系存储至所述数据库中。
  5. 根据权利要求1至4中任一项所述的方法，其中，所述方法还包括：
    当所述日志数据中的目标日志数据的存储时长达到预设时长时，从数据库 中删除所述目标日志数据以及所述目标日志数据与目标存储时间点之间的对应关系。
  6. 根据权利要求1至4中任一项所述的方法，其中，所述方法还包括：
    当所述日志数据的存储空间超过预设存储空间时，将所述恢复时间点之前的所有日志数据进行删除。
  7. 根据权利要求1至4中任一项所述的方法，其中，所述方法还包括：
    获取预设时间段内的日志数据；
    根据获取的所述日志数据，生成数据统计可视化图；其中，所述数据统计可视化图用于反映所述预设时间段内的统计数据的变化趋势。
  8. 一种数据处理装置，所述数据处理装置包括：
    确定模块，用于当第一统计数据出现错误时，根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点；
    获取模块，用于从底层区块链节点的磁盘上获取所述恢复时间点之后的所有原始数据；
    分析统计模块，用于对所述原始数据进行分析统计，获得第二统计数据；
    计算模块，用于根据所述恢复时间点之前的所有日志数据以及所述第二统计数据，计算总统计数据。
  9. 一种服务器，所述服务器包括处理器和存储器；
    所述存储器用于存储计算机程序；
    所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如下步骤：
    当第一统计数据出现错误时，根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点；
    从底层区块链节点的磁盘上获取所述恢复时间点之后的所有原始数据；
    对所述原始数据进行分析统计，获得第二统计数据；
    根据所述恢复时间点之前的所有日志数据以及所述第二统计数据，计算总统计数据。
  10. 根据权利要求9所述的服务器，其中，所述处理器实现所述根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点的步骤之前，还包括：
    每隔预设时间周期，对当前所有的统计数据进行格式化处理，获得日志数据；
    建立所述日志数据与存储时间点之间的对应关系；
    将所述日志数据以及所述日志数据与存储时间点之间的对应关系存储至数据库中。
  11. 根据权利要求10所述的服务器，其中，所述处理器实现所述当第一统计数据出现错误时，根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点的步骤，包括：
    当第一统计数据出现错误时，从预先存储的日志数据与存储时间点之间的对应关系中，查询与所述第一统计数据匹配的第一日志数据对应的第一存储时间点；
    根据所述第一存储时间点，确定所述第一统计数据对应的恢复时间点。
  12. 根据权利要求11所述的服务器，其中，所述处理器还实现以下步骤：
    从所述数据库中删掉与所述第一统计数据匹配的第一日志数据，以及删掉所述第一日志数据与所述第一存储时间点之间的对应关系；
    在所述预设时间周期到达时，对所述第二统计数据进行格式化处理，获得第二日志数据；
    建立所述第二日志数据与第二存储时间点之间的对应关系；
    将所述第二日志数据以及所述第二日志数据与第二存储时间点之间的对应关系存储至所述数据库中。
  13. 根据权利要求9至12中任一项所述的服务器，其中，所述处理器还实现以下步骤：
    当所述日志数据中的目标日志数据的存储时长达到预设时长时，从数据库中删除所述目标日志数据以及所述目标日志数据与目标存储时间点之间的对应关系；
    当所述日志数据的存储空间超过预设存储空间时，将所述恢复时间点之前的所有日志数据进行删除。
  14. 根据权利要求9至12中任一项所述的服务器，其中，所述处理器还实现以下步骤：
    获取预设时间段内的日志数据；
    根据获取的所述日志数据，生成数据统计可视化图；其中，所述数据统计可视化图用于反映所述预设时间段内的统计数据的变化趋势。
  15. 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使所述处理器实现如下步骤：
    当第一统计数据出现错误时，根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点；
    从底层区块链节点的磁盘上获取所述恢复时间点之后的所有原始数据；
    对所述原始数据进行分析统计，获得第二统计数据；
    根据所述恢复时间点之前的所有日志数据以及所述第二统计数据，计算总统计数据。
  16. 根据权利要求15所述的计算机可读存储介质，其中，所述处理器实现所述根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点的步骤之前，还包括：
    每隔预设时间周期，对当前所有的统计数据进行格式化处理，获得日志数据；
    建立所述日志数据与存储时间点之间的对应关系；
    将所述日志数据以及所述日志数据与存储时间点之间的对应关系存储至数据库中。
  17. 根据权利要求16所述的计算机可读存储介质，其中，所述处理器实现所述当第一统计数据出现错误时，根据预先存储的日志数据与存储时间点之间的对应关系，确定所述第一统计数据对应的恢复时间点的步骤，包括：
    当第一统计数据出现错误时，从预先存储的日志数据与存储时间点之间的对应关系中，查询与所述第一统计数据匹配的第一日志数据对应的第一存储时间点；
    根据所述第一存储时间点，确定所述第一统计数据对应的恢复时间点。
  18. 根据权利要求17所述的计算机可读存储介质，其中，所述处理器还实现以下步骤：
    从所述数据库中删掉与所述第一统计数据匹配的第一日志数据，以及删掉所述第一日志数据与所述第一存储时间点之间的对应关系；
    在所述预设时间周期到达时，对所述第二统计数据进行格式化处理，获得第二日志数据；
    建立所述第二日志数据与第二存储时间点之间的对应关系；
    将所述第二日志数据以及所述第二日志数据与第二存储时间点之间的对应关系存储至所述数据库中。
  19. 根据权利要求15至18中任一项所述的计算机可读存储介质，其中，所述处理器还实现以下步骤：
    当所述日志数据中的目标日志数据的存储时长达到预设时长时，从数据库中删除所述目标日志数据以及所述目标日志数据与目标存储时间点之间的对应关系；
    当所述日志数据的存储空间超过预设存储空间时，将所述恢复时间点之前的所有日志数据进行删除。
  20. 根据权利要求15至18中任一项所述的计算机可读存储介质，其中，所述处理器还实现以下步骤：
    获取预设时间段内的日志数据；
    根据获取的所述日志数据，生成数据统计可视化图；其中，所述数据统计 可视化图用于反映所述预设时间段内的统计数据的变化趋势。
PCT/CN2019/121377 2019-05-08 2019-11-27 区块链数据处理方法、装置、服务器及存储介质 WO2020224242A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910381076.6 2019-05-08
CN201910381076.6A CN110275798A (zh) 2019-05-08 2019-05-08 区块链数据处理方法、装置、服务器及存储介质

Publications (1)

Publication Number Publication Date
WO2020224242A1 true WO2020224242A1 (zh) 2020-11-12

Family

ID=67959795

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/121377 WO2020224242A1 (zh) 2019-05-08 2019-11-27 区块链数据处理方法、装置、服务器及存储介质

Country Status (2)

Country Link
CN (1) CN110275798A (zh)
WO (1) WO2020224242A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110275798A (zh) * 2019-05-08 2019-09-24 深圳壹账通智能科技有限公司 区块链数据处理方法、装置、服务器及存储介质
CN112507028B (zh) * 2020-12-18 2023-02-21 杭州趣链科技有限公司 数据存储方法、装置、设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107169125A (zh) * 2017-05-31 2017-09-15 北京小米移动软件有限公司 多媒体资源的投放统计数据获取方法及装置
CN108458724A (zh) * 2017-12-29 2018-08-28 青岛真时科技有限公司 一种计步方法和装置
CN108494706A (zh) * 2018-02-09 2018-09-04 北京欧链科技有限公司 区块链中的数据处理方法和装置
US20190057379A1 (en) * 2017-08-21 2019-02-21 American Express Travel Related Services Company, Inc. Systems and methods for data file transfer balancing and control on blockchain
CN110275798A (zh) * 2019-05-08 2019-09-24 深圳壹账通智能科技有限公司 区块链数据处理方法、装置、服务器及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10320574B2 (en) * 2017-05-05 2019-06-11 International Business Machines Corporation Blockchain for open scientific research
CN108509523B (zh) * 2018-03-13 2021-06-25 深圳前海微众银行股份有限公司 区块链数据的结构化处理方法、设备及可读存储介质
CN109656778B (zh) * 2018-11-28 2022-07-12 金蝶软件（中国）有限公司 数据获取方法、装置、计算机设备和存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107169125A (zh) * 2017-05-31 2017-09-15 北京小米移动软件有限公司 多媒体资源的投放统计数据获取方法及装置
US20190057379A1 (en) * 2017-08-21 2019-02-21 American Express Travel Related Services Company, Inc. Systems and methods for data file transfer balancing and control on blockchain
CN108458724A (zh) * 2017-12-29 2018-08-28 青岛真时科技有限公司 一种计步方法和装置
CN108494706A (zh) * 2018-02-09 2018-09-04 北京欧链科技有限公司 区块链中的数据处理方法和装置
CN110275798A (zh) * 2019-05-08 2019-09-24 深圳壹账通智能科技有限公司 区块链数据处理方法、装置、服务器及存储介质

Also Published As

Publication number Publication date
CN110275798A (zh) 2019-09-24

Similar Documents

Publication Publication Date Title
US11823178B2 (en) Optimization of high volume transaction performance on a blockchain
CN109902071B (zh) 业务日志存储方法、系统、装置及设备
JP6865219B2 (ja) 連続クエリ処理におけるイベントバッチ処理、出力シーケンス化、およびログベースの状態記憶
CN110188096B (zh) 一种数据记录的索引创建方法、装置及设备
CN110162526B (zh) 一种块链式账本中数据记录的查询方法、装置及设备
CN110162662B (zh) 一种块链式账本中数据记录的验证方法、装置及设备
WO2020224242A1 (zh) 区块链数据处理方法、装置、服务器及存储介质
CN110290168B (zh) 数据发送方法、装置、服务器及存储介质
JP6652659B2 (ja) 保険契約書種別状態情報集計方法及び端末機器
CN113672627B (zh) Elasticsearch搜索引擎索引构建方法及装置
WO2021174836A1 (zh) 差分包生成方法方法、装置、计算机设备及存储介质
WO2024027328A1 (zh) 基于零信任数据访问控制系统的数据处理方法
CN111104426A (zh) 一种数据查询方法及系统
WO2020000742A1 (zh) 一种去重流量记录方法、装置、服务器及存储介质
WO2021189845A1 (zh) 时间序列异常点的检测方法、装置、设备及可读存储介质
US11334575B2 (en) Integrating relational database temporal tables with a distributed programming environment
CN111949678A (zh) 跨时间窗口的非累加指标的处理方法和装置
CN107562790B (zh) 一种实现数据处理批量入库的方法和系统
CN111143461A (zh) 映射关系处理系统、方法和电子设备
CN111045989A (zh) 一种查询cpld版本信息的方法、设备及介质
US20220253457A1 (en) Block Generation Control Method Applied to Blockchain and Related Apparatus
TWI734151B (zh) 參數同步方法、電腦裝置及存儲介質
WO2021104100A1 (zh) Cdn中url刷新方法、装置、设备以及cdn节点
CN109756637B (zh) 话单数据统计方法、装置、计算机装置及可读存储介质
CN111324614A (zh) 一种表的配置方法、装置、终端设备以及存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19928043

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19928043

Country of ref document: EP

Kind code of ref document: A1

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205 DATED 18/03/2022)

122 Ep: pct application non-entry in european phase

Ref document number: 19928043

Country of ref document: EP

Kind code of ref document: A1