CN115543198A - 非结构化数据入湖方法、装置、电子设备及存储介质 - Google Patents
非结构化数据入湖方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115543198A CN115543198A CN202211208748.1A CN202211208748A CN115543198A CN 115543198 A CN115543198 A CN 115543198A CN 202211208748 A CN202211208748 A CN 202211208748A CN 115543198 A CN115543198 A CN 115543198A
- Authority
- CN
- China
- Prior art keywords
- data
- processed
- metadata
- key value
- version
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 77
- 238000013500 data storage Methods 0.000 claims abstract description 37
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012217 deletion Methods 0.000 claims description 6
- 230000037430 deletion Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000013479 data entry Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 abstract description 17
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012508 change request Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
-
- 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
- G06F3/0608—Saving storage space on storage systems
-
- 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
- G06F3/064—Management of blocks
- G06F3/0641—De-duplication techniques
-
- 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]
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
本发明涉及数据处理技术，揭露一种非结构化数据入湖方法，包括：生成待处理数据的包括数据键值、数据版本及数据有效性的扩展元数据，数据写入时，利用所述数据键值及所述数据版本对已有数据进行数据查重校验，校验通过则将待处理数据存储到预设的数据存储空间、将待处理元数据及扩展元数据存储到预设的元数据存储空间，设置待处理数据的数据有效性为有效，数据变更或删除时，利用所述数据键值及所述数据版本对已有目标对象进行定位，将所述目标对象的数据有效性设置为无效，数据变更操作与数据写入操作相同，数据删除时，则删除所述目标对象。本发明还提出一种非结构化数据入湖装置、设备以及介质。本发明可以提升非结构化数据管理效率。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种非结构化数据入湖方法、装置、电子设备及计算机可读存储介质。
背景技术
当前非结构化数据存储主要有两种方式：
第一种方式为将原始非结构化数据文件写入数据湖的分布式存储系统中，这种方式的缺点是缺少文件的元数据信息(文件的基本信息，如文件归属、文件使用范围、文件描述信息等)，无法通过元数据查找到文件，容易形成“数据沼泽”。
第二种方式为将原始非结构化文件及其元数据分别入湖，文件写入分布式文件系统HDFS，元数据写入Hive数据仓库并保存文件存放路径，通过HiveSQL检索元数据信息来找到文件存放地址。这种方式也存在如下缺点：
1、Hive检索元数据慢；
2、无法修改元数据信息；
3、不支持模糊搜索元数据；
4、非结构化文件及元数据分别写入数据湖的不同存储系统，现有技术缺少数据有效性保证，如写元数据成功而写文件失败，导致数据错误；
5、缺少结构化数据入湖的标准数据管理难等问题。
因此，亟待改进非结构化数据入湖方法，提升非结构化数据管理效率。
发明内容
本发明提供一种非结构化数据入湖方法、装置、电子设备及计算机可读存储介质，其主要目的在于提升非结构化数据管理效率。
为实现上述目的，本发明提供的一种非结构化数据入湖方法，包括：
获取数据处理请求，解析所述数据处理请求得到待处理数据、待处理元数据及处理类型；
生成所述待处理数据的扩展元数据，其中，所述扩展元数据包括数据键值、数据版本及数据有效性；
当所述处理类型为写入时，利用所述数据键值及所述数据版本对预设的存储系统中的已有数据进行数据查重校验，当所述数据查重校验通过时，将所述待处理数据存储到所述预设的存储系统中的数据存储空间、将对应的所述待处理元数据及所述扩展元数据存储到所述预设的存储系统中的元数据存储空间，设置所述待处理数据的数据有效性为有效；
当所述处理类型为变更或删除时，利用所述数据键值及所述数据版本对所述预设的存储系统中的已有目标对象进行定位，将所述目标对象对应的数据有效性设置为无效，将处理类型为变更的待处理数据存储到所述预设的存储系统中的数据存储空间及将对应的所述待处理元数据及所述扩展元数据存储到所述预设的存储系统中的元数据存储空间，设置所述待处理数据的数据有效性为有效，并删除处理类型为删除的所述目标对象。
可选地，所述生成所述待处理数据的扩展元数据，其中，所述扩展元数据包括数据键值、数据版本及数据有效性，包括：
计算所述待处理数据的哈希值，将所述哈希值作为所述待处理数据的数据键值；
判断在预设的存储系统中所述数据键值是否唯一；
当所述数据键值唯一时，则设置所述待处理数据对应的数据版本为第一个版本；
当所述数据键值不唯一时，则获取所述数据键值对应的最高数据版本，通过将所述最高数据版本+1，得到所述待处理数据对应的数据版本；
初始化所述待处理数据对应的数据有效性为无效；
汇集所述数据键值、所述数据版本及所述数据有效性得到所述待处理数据对应的扩展元数据。
可选地，所述利用所述数据键值及所述数据版本对预设的存储系统中的已有数据进行数据查重校验，包括：
在所述预设的存储系统中查询与所述数据键值或与所述数据版本相匹配的数据键值或相互匹配的数据版本；
在所述预设的存储系统中，当未匹配到与所述数据键值相匹配的数据键值时，返回数据查重校验通过的消息；
在所述预设的存储系统中，当匹配到与所述数据键值相匹配的数据键值，但未匹配到与所述数据版本相匹配的数据版本时，返回数据查重校验通过的消息；
在所述预设的存储系统中，当匹配到与所述数据键值相匹配的数据键值，且匹配到与所述数据版本相匹配的数据版本时，返回数据查重校验不通过的消息。
可选地，所述利用所述数据键值及所述数据版本对所述预设的存储系统中的已有目标对象进行定位，包括：
将所述待处理数据对应的所述数据键值及所述数据版本作为索引；
在所述预设的存储系统中，查询与所述索引相匹配的数据键值及数据版本；
将匹配到的数据键值及数据版本对应的数据、元数据及扩展元数据作为所述目标对象。
可选地，所述将所述待处理数据存储到所述预设的存储系统中的数据存储空间、将对应的所述待处理元数据及所述扩展元数据存储到所述预设的存储系统中的元数据存储空间之后，所述方法还包括：
分别获取所述待处理数据在所述数据存储空间中的数据存储地址及对应的所述待处理元数据及所述扩展元数据在所述元数据存储空间的元数据存储地址；
根据所述待处理数据与所述待处理元数据及所述扩展元数据之间的对应关系，创建所述数据存储地址和所述元数据存储地址之间的映射关系。
可选地，所述在所述预设的存储系统中，当匹配到与所述数据键值相匹配的数据键值，且匹配到与所述数据版本相匹配的数据版本时，返回数据查重校验不通过的消息之后，所述方法包括：
拒绝所述数据处理请求。
为了解决上述问题，本发明还提供一种非结构化数据入湖装置，所述装置包括：
数据处理请求解析模块，用于获取数据处理请求，解析所述数据处理请求得到待处理数据、待处理元数据及处理类型；
扩展元数据生成模块，用于生成所述待处理数据的扩展元数据，其中，所述扩展元数据包括数据键值、数据版本及数据有效性；
数据写入模块，用于当所述处理类型为写入时，利用所述数据键值及所述数据版本对预设的存储系统中的已有数据进行数据查重校验，当所述数据查重校验通过时，将所述待处理数据存储到所述预设的存储系统中的数据存储空间、将对应的所述待处理元数据及所述扩展元数据存储到所述预设的存储系统中的元数据存储空间，设置所述待处理数据的数据有效性为有效；
数据更新及删除模块，用于当所述处理类型为变更或删除时，利用所述数据键值及所述数据版本对所述预设的存储系统中的已有目标对象进行定位，将所述目标对象对应的数据有效性设置为无效，将处理类型为变更的待处理数据存储到所述预设的存储系统中的数据存储空间及将对应的所述待处理元数据及所述扩展元数据存储到所述预设的存储系统中的元数据存储空间，设置所述待处理数据的数据有效性为有效，并删除处理类型为删除的所述目标对象。
可选地，所述数据更新及删除模块通过下述操作定位目标对象：
利用所述数据键值及所述数据版本对所述预设的存储系统中的已有目标对象进行定位，包括：
将所述待处理数据对应的所述数据键值及所述数据版本作为索引；
在所述预设的存储系统中，查询与所述索引相匹配的数据键值及数据版本；
将匹配到的数据键值及数据版本对应的数据、元数据及扩展元数据作为所述目标对象。
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：
存储器，存储至少一个计算机程序；及
处理器，执行所述存储器中存储的程序以实现上述所述的非结构化数据入湖方法。
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非结构化数据入湖方法。
本发明实施例利用扩展元数据的数据键值和数据版本对预设的存储系统中的已有数据进行查重、定位操作，及对所述预设的存储系统中数据版本演进的管理，在对待处理数据进行处理前，将预设的存储系统中与所述待处理数据对应已有数据的数据有效性设置为无效，当完成对待处理数据的写入、更新后，将所述待处理数据的数据有效性设置为有效，可以保障预设的存储系统中非结构化数据的实时性，通过上述手段实现对非结构化数据的规范化管理，提升了非结构化数据管理效率。
附图说明
图1为本发明一实施例提供的非结构化数据入湖方法的流程示意图；
图2为本发明一实施例提供的非结构化数据入湖方法中其中一个步骤的详细实施流程示意图；
图3为本发明一实施例提供的非结构化数据入湖方法中其中一个步骤的详细实施流程示意图；
图4为本发明一实施例提供的非结构化数据入湖装置的功能模块图；
图5为本发明一实施例提供的实现所述非结构化数据入湖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非结构化数据入湖方法。所述非结构化数据入湖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，所述非结构化数据入湖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非结构化数据入湖方法的流程示意图。在本实施例中，所述一种非结构化数据入湖方法包括：
S1、获取数据处理请求，解析所述数据处理请求得到待处理数据、待处理元数据及处理类型；
本发明实施例中，所述数据处理请求是指通过预设的API接口发起的针对非结构化数据的操作请求，包括非结构化数据的写入请求、变更请求、删除请求等。所述预设的API接口是指根据实际业务需要定义的非结构化数据操作规范生成的面向用户的标准化的数据接口。
所述处理类型是指所述数据处理请求所要实现的数据操作需求，例如，将所述待处理数据或所述待处理元数据写入到系统指定的存储空间，或者是对系统已经存储的数据进行相应的更新、删除等操作。
本发明实施例中，所述待处理数据为非结构化数据，非结构化数据是相对于结构化数据而言的，通常非结构化数据可以是图像、视频、音频、文档、报表等文本文件、音频文件等。数据格式多样的非结构化数据无法采用结构化数据中常规的二维表结构进行表达和存储。
本发明实施例中，所述待处理元数据是指所述待处理数据对应的元数据，例如，所述待处理数据为一张图像，所述待处理元数据是围绕该图像进行描述的信息，例如，图像名称、图像生成时间、图像像素信息、图像存储路径等，这些信息构成了该图像的元数据。
本发明实施例中，可以根据预设的API接口的数据规范，从所述数据处理请求中识别所述待处理数据、所述待处理元数据以及所述处理类型。
S2、生成所述待处理数据的扩展元数据，其中，所述扩展元数据包括数据键值、数据版本及数据有效性；
本发明实施例中，所述扩展元数据是对所述待处理元数据及所述待处理数据进行整体说明的数据。
其中，所述数据键值是用于标识所述待处理数据及所述待处理元数据的唯一性的数据，可以是使用全局唯一的序列号进行表示。
所述数据版本是用来对所述待处理数据及所述待处理元数据进行版本管理的一种手段，通过对同一数据对象的不同数据内容定义不同的版本号，形成同一数据对象在不同时期的数据内容之间的版本演进关系。
所述数据有效性通常包括两种取值，即有效或无效，当所述数据有效性对应的取值为有效时，则表示当前数据对象是可用的，当所述数据有效性对应的取值为无效时，则表示当前数据对象是不可用的。
本发明实施例中，所述扩展元数据还可以包括所述待处理元数据及所述待处理数据对应的创建时间、创建者、最后修改时间、数据来源、与其他数据的关联关系、数据存储路径、数据类型或数据格式等信息。
详细地，参阅图2所示，所述生成所述待处理数据的扩展元数据，其中，所述扩展元数据包括数据键值、数据版本及数据有效性，包括：
S21、计算所述待处理数据的哈希值，将所述哈希值作为所述待处理数据的数据键值；
S22、判断在预设的存储系统中所述数据键值是否唯一；
当所述数据键值唯一时，则执行S23、设置所述待处理数据对应的数据版本为第一个版本；
当所述数据键值不唯一时，则执行S24、获取所述数据键值对应的最高数据版本，通过将所述最高数据版本+1，得到所述待处理数据对应的数据版本；
S25、初始化所述待处理数据对应的数据有效性为无效；
S26、汇集所述数据键值、所述数据版本及所述数据有效性得到所述待处理数据对应的扩展元数据。
本发明实施例中，所述预设的存储系统是指根据实际业务需求而预先构建的或预先指定的非结构化数据存储空间，可以是云存储服务器或区块链存储系统。
本发明实施例中，只有将所述待处理数据写入到预设的存储系统或者根据所述待处理数据完成相应的数据更新操作后，才可以将所述待处理数据对应的数据有效性设置为有效，只有这样做才符合数据实际操作的结果。
本发明另一可选实施例中，可以根据预先构建的元数据扩展规范确定所述扩展元数据的构成字段，每个字段的定义以及每个字段的获取方式，进而针对不同的待处理数据生成相应的扩展元数据。
本发明实施例中，通过扩展元数据可以实现对待处理数据及待处理元数据的唯一性、版本演进及数据有效性的管理，可以提升了对非结构化数据的管理效率。
S3、当所述处理类型为写入时，利用所述数据键值及所述数据版本对预设的存储系统中的已有数据进行数据查重校验，当所述数据查重校验通过时，将所述待处理数据存储到所述预设的存储系统中的数据存储空间、将对应的所述待处理元数据及所述扩展元数据存储到所述预设的存储系统中的元数据存储空间，设置所述待处理数据的数据有效性为有效；
本发明实施例中，针对不同的数据处理类型采用不同的非结构化数据处理操作。
本发明实施例中，通过在所述预设的存储系统中查询与所述数据键值或与所述数据版本相匹配的数据键值或相互匹配的数据版本，实现对已有数据的查重校验。
详细地，所述利用所述数据键值及所述数据版本对预设的存储系统中的已有数据进行数据查重校验，包括：
在所述预设的存储系统中查询与所述数据键值或与所述数据版本相匹配的数据键值或相互匹配的数据版本；
在所述预设的存储系统中，当未匹配到与所述数据键值相匹配的数据键值时，返回数据查重校验通过的消息；
在所述预设的存储系统中，当匹配到与所述数据键值相匹配的数据键值，但未匹配到与所述数据版本相匹配的数据版本时，返回数据查重校验通过的消息；
在所述预设的存储系统中，当匹配到与所述数据键值相匹配的数据键值，且匹配到与所述数据版本相匹配的数据版本时，返回数据查重校验不通过的消息。
本发明实施例中，所述数据查询校验通过包括两种情况：
当在所述预设的存储系统中，未匹配到与所述数据键值相匹配的数据键值时，表示所述预设的存储系统中并不包含所述数据键值对应的非结构化数据。
当在所述预设的存储系统中，匹配到与所述数据键值相匹配的数据键值，但未匹配到与所述数据版本相匹配的数据版本时，表示在所述预设的存储系统中存储着与所述数据键值相同的非结构化数据，但是所存储的非结构化数据对应的数据版本与所述待处理数据对应的数据版本不同。
上述两种情况，均表明所述待处理数据与所述预设的存储系统中存储的数据不冲突，可以将所述待处理数据及所述待处理元数据存储到所述预设的存储系统。
相应的，所述数据查询校验不通过是指当所述数据键值或所述数据版本均已存在的情况，这种情况表示预设的存储系统中存储的非结构化数据及所述非结构化数据对应的元数据与所述待处理数据、所述待处理元数据相同，不能将所述待处理数据及所述待处理元数据存储到所述预设的存储系统，否则会存在数据重复加载的情况，因此需要拒绝所述数据处理请求。
本发明实施例中，所述预设的存储系统包括预设的数据存储空间及预设的元数据存储空间，分别用于存储非结构化数据以及所述非结构化数据对应的元数据，将非结构化数据与元数据分开存储，可以实现两者写入、读取、更新或删除操作的独立性，提升数据管理效率。
本发明另一可选实施例中，所述将所述待处理数据存储到所述预设的存储系统中的数据存储空间、将对应的所述待处理元数据及所述扩展元数据存储到所述预设的存储系统中的元数据存储空间之后，所述方法还包括：
分别获取所述待处理数据在所述数据存储空间中的数据存储地址及对应的所述待处理元数据及所述扩展元数据在所述元数据存储空间的元数据存储地址；
根据所述待处理数据与所述待处理元数据及所述扩展元数据之间的对应关系，创建所述数据存储地址和所述元数据存储地址之间的映射关系。
本发明实施例中，根据所述映射关系，在所述数据存储空间或所述元数据存储空间，快速查询到对应的数据及元数据、扩展元数据。
本发明实施例中，当完成所述待处理数据、所述待处理元数据及所述扩展元数据的写入后，才能将所述扩展元数据中的数据有效性设置为有效，表示当前新写入的数据具有可用性，这样符合数据实际操作的情况。
S4、当所述处理类型为变更或删除时，利用所述数据键值及所述数据版本对所述预设的存储系统中的已有目标对象进行定位，将所述目标对象对应的数据有效性设置为无效，将处理类型为变更的待处理数据存储到所述预设的存储系统中的数据存储空间及将对应的所述待处理元数据及所述扩展元数据存储到所述预设的存储系统中的元数据存储空间，设置所述待处理数据的数据有效性为有效，并删除处理类型为删除的所述目标对象。
可以理解的是，更新或删除操作通常是对所述预设的存储系统中已有的数据或已有的元数据进行修改或删除。
本发明实施例中，所述目标对象包括目标数据、所述目标数据对应的目标元数据及目标扩展元数据。
详细地，参阅图3所示，所述利用所述数据键值及所述数据版本对所述预设的存储系统中的已有目标对象进行定位，包括：
S41、将所述待处理数据对应的所述数据键值及所述数据版本作为索引；
S42、在所述预设的存储系统中，查询与所述索引相匹配的数据键值及数据版本；
S43、将匹配到的数据键值及数据版本对应的数据、元数据及扩展元数据作为所述目标对象。
本发明实施例中，将所述待处理数据对应的所述数据键值及所述数据版本作为索引，通过该索引查询与所述数据键值及所述数据版本相匹配的目标扩展元数据，进而再根据所述目标扩展元数据定位到所述目标扩展元数据对应的目标数据及目标元数据，得到所述目标对象。
本发明实施例中，对所述目标对象进行更新或删除之前，需要将所述目标对象对应的扩展元数据中的数据有效性设置为无效，表示当前需要进行变更的目标对象不可用。
当所述处理类型为更新时，当将所述待处理数据、所述待处理元数据及所述扩展元数据存储到预设的数据存储空间或预设的元数据存储空间后，设置所述扩展元数据中的数据有效性字段为有效，表示当前可用的数据为新写入到数据存储空间的数据及该数据对应的元数据。
当所述处理类型为删除时，将所述目标数据、所述目标元数据及目标扩展元数据进行删除。
本发明实施例中，在对所述目标数据、所述目标元数据进行更新或删除的过程中，如果出现异常，导致更新操作失败或删除操作失败，可将所述目标对象对应的目标扩展元数据中的数据有效性恢复为有效，即恢复了已有目标对象的可用性。
本发明实施例利用扩展元数据的数据键值和数据版本对预设的存储系统中的已有数据进行查重、定位操作，及对所述预设的存储系统中数据版本演进的管理，在对待处理数据进行处理前，将预设的存储系统中与所述待处理数据对应已有数据的数据有效性设置为无效，当完成对待处理数据的写入、更新后，将所述待处理数据的数据有效性设置为有效，可以保障预设的存储系统中非结构化数据的实时性，通过上述手段实现对非结构化数据的规范化管理，提升了非结构化数据管理效率。
如图4所示，是本发明一实施例提供的非结构化数据入湖装置的功能模块图。
本发明所述非结构化数据入湖装置100可以安装于电子设备中。根据实现的功能，所述非结构化数据入湖装置100可以包括数据处理请求解析模块101、扩展元数据生成模块102、数据写入模块103及数据更新及删除模块104。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：
数据处理请求解析模块101，用于获取数据处理请求，解析所述数据处理请求得到待处理数据、待处理元数据及处理类型；
扩展元数据生成模块102，用于生成所述待处理数据的扩展元数据，其中，所述扩展元数据包括数据键值、数据版本及数据有效性；
数据写入模块103，用于当所述处理类型为写入时，利用所述数据键值及所述数据版本对预设的存储系统中的已有数据进行数据查重校验，当所述数据查重校验通过时，将所述待处理数据存储到所述预设的存储系统中的数据存储空间、将对应的所述待处理元数据及所述扩展元数据存储到所述预设的存储系统中的元数据存储空间，设置所述待处理数据的数据有效性为有效；
数据更新及删除模块104，用于当所述处理类型为变更或删除时，利用所述数据键值及所述数据版本对所述预设的存储系统中的已有目标对象进行定位，将所述目标对象对应的数据有效性设置为无效，将处理类型为变更的待处理数据存储到所述预设的存储系统中的数据存储空间及将对应的所述待处理元数据及所述扩展元数据存储到所述预设的存储系统中的元数据存储空间，设置所述待处理数据的数据有效性为有效，并删除处理类型为删除的所述目标对象。
详细地，本发明实施例中所述非结构化数据入湖装置100中的各个模块在使用时采用与上述的图1至图3中所述的非结构化数据入湖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非结构化数据入湖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和总线，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，如非结构化数据入湖程序。
其中，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1的内部存储单元，例如该电子设备1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1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，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1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1的应用软件及各类数据，例如非结构化数据入湖程序的代码等，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(Control Unit)，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(例如非结构化数据入湖程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，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。
图5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5示出的结构并不构成对所述电子设备1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1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1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。
进一步地，所述电子设备1还可以包括网络接口，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1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，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1中处理的信息以及用于显示可视化的用户界面。
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存储的非结构化数据入湖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：
获取数据处理请求，解析所述数据处理请求得到待处理数据、待处理元数据及处理类型；
生成所述待处理数据的扩展元数据，其中，所述扩展元数据包括数据键值、数据版本及数据有效性；
当所述处理类型为写入时，利用所述数据键值及所述数据版本对预设的存储系统中的已有数据进行数据查重校验，当所述数据查重校验通过时，将所述待处理数据存储到所述预设的存储系统中的数据存储空间、将对应的所述待处理元数据及所述扩展元数据存储到所述预设的存储系统中的元数据存储空间，设置所述待处理数据的数据有效性为有效；
当所述处理类型为变更或删除时，利用所述数据键值及所述数据版本对所述预设的存储系统中的已有目标对象进行定位，将所述目标对象对应的数据有效性设置为无效，将处理类型为变更的待处理数据存储到所述预设的存储系统中的数据存储空间及将对应的所述待处理元数据及所述扩展元数据存储到所述预设的存储系统中的元数据存储空间，设置所述待处理数据的数据有效性为有效，并删除处理类型为删除的所述目标对象。
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：
获取数据处理请求，解析所述数据处理请求得到待处理数据、待处理元数据及处理类型；
生成所述待处理数据的扩展元数据，其中，所述扩展元数据包括数据键值、数据版本及数据有效性；
当所述处理类型为写入时，利用所述数据键值及所述数据版本对预设的存储系统中的已有数据进行数据查重校验，当所述数据查重校验通过时，将所述待处理数据存储到所述预设的存储系统中的数据存储空间、将对应的所述待处理元数据及所述扩展元数据存储到所述预设的存储系统中的元数据存储空间，设置所述待处理数据的数据有效性为有效；
当所述处理类型为变更或删除时，利用所述数据键值及所述数据版本对所述预设的存储系统中的已有目标对象进行定位，将所述目标对象对应的数据有效性设置为无效，将处理类型为变更的待处理数据存储到所述预设的存储系统中的数据存储空间及将对应的所述待处理元数据及所述扩展元数据存储到所述预设的存储系统中的元数据存储空间，设置所述待处理数据的数据有效性为有效，并删除处理类型为删除的所述目标对象。
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)
1.一种非结构化数据入湖方法，其特征在于，所述方法包括：
获取数据处理请求，解析所述数据处理请求得到待处理数据、待处理元数据及处理类型；
生成所述待处理数据的扩展元数据，其中，所述扩展元数据包括数据键值、数据版本及数据有效性；
当所述处理类型为写入时，利用所述数据键值及所述数据版本对预设的存储系统中的已有数据进行数据查重校验，当所述数据查重校验通过时，将所述待处理数据存储到所述预设的存储系统中的数据存储空间、将对应的所述待处理元数据及所述扩展元数据存储到所述预设的存储系统中的元数据存储空间，设置所述待处理数据的数据有效性为有效；
当所述处理类型为变更或删除时，利用所述数据键值及所述数据版本对所述预设的存储系统中的已有目标对象进行定位，将所述目标对象对应的数据有效性设置为无效，将处理类型为变更的待处理数据存储到所述预设的存储系统中的数据存储空间及将对应的所述待处理元数据及所述扩展元数据存储到所述预设的存储系统中的元数据存储空间，设置所述待处理数据的数据有效性为有效，并删除处理类型为删除的所述目标对象。
2.如权利要求1所述的非结构化数据入湖方法，其特征在于，所述生成所述待处理数据的扩展元数据，其中，所述扩展元数据包括数据键值、数据版本及数据有效性，包括：
计算所述待处理数据的哈希值，将所述哈希值作为所述待处理数据的数据键值；
判断在预设的存储系统中所述数据键值是否唯一；
当所述数据键值唯一时，则设置所述待处理数据对应的数据版本为第一个版本；
当所述数据键值不唯一时，则获取所述数据键值对应的最高数据版本，通过将所述最高数据版本+1，得到所述待处理数据对应的数据版本；
初始化所述待处理数据对应的数据有效性为无效；
汇集所述数据键值、所述数据版本及所述数据有效性得到所述待处理数据对应的扩展元数据。
3.如权利要求1所述的非结构化数据入湖方法，其特征在于，所述利用所述数据键值及所述数据版本对预设的存储系统中的已有数据进行数据查重校验，包括：
在所述预设的存储系统中查询与所述数据键值或与所述数据版本相匹配的数据键值或相互匹配的数据版本；
在所述预设的存储系统中，当未匹配到与所述数据键值相匹配的数据键值时，返回数据查重校验通过的消息；
在所述预设的存储系统中，当匹配到与所述数据键值相匹配的数据键值，但未匹配到与所述数据版本相匹配的数据版本时，返回数据查重校验通过的消息；
在所述预设的存储系统中，当匹配到与所述数据键值相匹配的数据键值，且匹配到与所述数据版本相匹配的数据版本时，返回数据查重校验不通过的消息。
4.如权利要求1所述的非结构化数据入湖方法，其特征在于，所述利用所述数据键值及所述数据版本对所述预设的存储系统中的已有目标对象进行定位，包括：
将所述待处理数据对应的所述数据键值及所述数据版本作为索引；
在所述预设的存储系统中，查询与所述索引相匹配的数据键值及数据版本；
将匹配到的数据键值及数据版本对应的数据、元数据及扩展元数据作为所述目标对象。
5.如权利要求1所述的非结构化数据入湖方法，其特征在于，所述将所述待处理数据存储到所述预设的存储系统中的数据存储空间、将对应的所述待处理元数据及所述扩展元数据存储到所述预设的存储系统中的元数据存储空间之后，所述方法还包括：
分别获取所述待处理数据在所述数据存储空间中的数据存储地址及对应的所述待处理元数据及所述扩展元数据在所述元数据存储空间的元数据存储地址；
根据所述待处理数据与所述待处理元数据及所述扩展元数据之间的对应关系，创建所述数据存储地址和所述元数据存储地址之间的映射关系。
6.如权利要求1至5任一项所述的非结构化数据入湖方法，其特征在于，所述在所述预设的存储系统中，当匹配到与所述数据键值相匹配的数据键值，且匹配到与所述数据版本相匹配的数据版本时，返回数据查重校验不通过的消息之后，所述方法包括：
拒绝所述数据处理请求。
7.一种非结构化数据入湖装置，其特征在于，所述装置包括：
数据处理请求解析模块，用于获取数据处理请求，解析所述数据处理请求得到待处理数据、待处理元数据及处理类型；
扩展元数据生成模块，用于生成所述待处理数据的扩展元数据，其中，所述扩展元数据包括数据键值、数据版本及数据有效性；
数据写入模块，用于当所述处理类型为写入时，利用所述数据键值及所述数据版本对预设的存储系统中的已有数据进行数据查重校验，当所述数据查重校验通过时，将所述待处理数据存储到所述预设的存储系统中的数据存储空间、将对应的所述待处理元数据及所述扩展元数据存储到所述预设的存储系统中的元数据存储空间，设置所述待处理数据的数据有效性为有效；
数据更新及删除模块，用于当所述处理类型为变更或删除时，利用所述数据键值及所述数据版本对所述预设的存储系统中的已有目标对象进行定位，将所述目标对象对应的数据有效性设置为无效，将处理类型为变更的待处理数据存储到所述预设的存储系统中的数据存储空间及将对应的所述待处理元数据及所述扩展元数据存储到所述预设的存储系统中的元数据存储空间，设置所述待处理数据的数据有效性为有效，并删除处理类型为删除的所述目标对象。
8.如权利要求7所述的非结构化数据入湖装置，其特征在于，所述数据更新及删除模块通过下述操作定位目标对象：
利用所述数据键值及所述数据版本对所述预设的存储系统中的已有目标对象进行定位，包括：
将所述待处理数据对应的所述数据键值及所述数据版本作为索引；
在所述预设的存储系统中，查询与所述索引相匹配的数据键值及数据版本；
将匹配到的数据键值及数据版本对应的数据、元数据及扩展元数据作为所述目标对象。
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6中任意一项所述的非结构化数据入湖方法。
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6中任意一项所述的非结构化数据入湖方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211208748.1A CN115543198A (zh) | 2022-09-30 | 2022-09-30 | 非结构化数据入湖方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211208748.1A CN115543198A (zh) | 2022-09-30 | 2022-09-30 | 非结构化数据入湖方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115543198A true CN115543198A (zh) | 2022-12-30 |
Family
ID=84731174
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211208748.1A Pending CN115543198A (zh) | 2022-09-30 | 2022-09-30 | 非结构化数据入湖方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115543198A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116860166A (zh) * | 2023-07-04 | 2023-10-10 | 北京云宽志业网络技术有限公司 | 数据迁移方法、装置、电子设备及存储介质 |
| CN117349401A (zh) * | 2023-12-06 | 2024-01-05 | 之江实验室 | 一种非结构化数据的元数据存储方法、装置、介质及设备 |
| CN117591625A (zh) * | 2024-01-18 | 2024-02-23 | 之江实验室 | 一种数据存储方法、装置、存储介质及电子设备 |
-
2022
- 2022-09-30 CN CN202211208748.1A patent/CN115543198A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116860166A (zh) * | 2023-07-04 | 2023-10-10 | 北京云宽志业网络技术有限公司 | 数据迁移方法、装置、电子设备及存储介质 |
| CN117349401A (zh) * | 2023-12-06 | 2024-01-05 | 之江实验室 | 一种非结构化数据的元数据存储方法、装置、介质及设备 |
| CN117349401B (zh) * | 2023-12-06 | 2024-03-15 | 之江实验室 | 一种非结构化数据的元数据存储方法、装置、介质及设备 |
| CN117591625A (zh) * | 2024-01-18 | 2024-02-23 | 之江实验室 | 一种数据存储方法、装置、存储介质及电子设备 |
| CN117591625B (zh) * | 2024-01-18 | 2024-04-12 | 之江实验室 | 一种数据存储方法、装置、存储介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115543198A (zh) | 非结构化数据入湖方法、装置、电子设备及存储介质 | |
| WO2019085474A1 (zh) | 计算引擎实现方法、电子装置及存储介质 | |
| CN111651453B (zh) | 用户历史行为查询方法、装置、电子设备及存储介质 | |
| 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 | |
| CN114116684A (zh) | 基于Docker容器化的深度学习大模型与大数据集版本管理方法 | |
| CN115168166A (zh) | 业务数据变更的记录方法、装置、设备及存储介质 | |
| CN114547696A (zh) | 文件脱敏方法、装置、电子设备及存储介质 | |
| CN114398346A (zh) | 数据迁移方法、装置、设备及存储介质 | |
| CN113434542A (zh) | 数据关系识别方法、装置、电子设备及存储介质 | |
| CN113468175A (zh) | 数据压缩方法、装置、电子设备及存储介质 | |
| CN114860349B (zh) | 数据加载方法、装置、设备及介质 | |
| CN115687384A (zh) | Uuid标识生成方法、装置、设备及存储介质 | |
| CN114911479A (zh) | 基于配置化的界面生成方法、装置、设备及存储介质 | |
| CN115174555A (zh) | 文件传输方法、装置、电子设备及存储介质 | |
| CN115033605A (zh) | 数据查询方法、装置、电子设备及存储介质 | |
| CN112686759A (zh) | 对账监测方法、装置、设备及介质 | |
| CN114356945A (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
| CN114491196A (zh) | 基于信息粒度的信息导出方法、装置、设备及介质 | |
| CN113887198A (zh) | 基于主题预测的项目拆分方法、装置、设备及存储介质 | |
| CN113407657A (zh) | 基于单级数据库的数据查询方法、装置、设备及存储介质 | |
| CN113672565B (zh) | 一种文件标记方法、装置、电子设备及存储介质 | |
| 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 | |
| CN113434365B (zh) | 数据特征监控方法、装置、电子设备及存储介质 | |
| CN111625538B (zh) | 基于虚拟数据表技术的数据处理方法、装置及电子设备 |
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 |