【金猿技术展】一种数据处理方法、装置、设备和存储介质——能够实现使各机器数据聚合计算量均匀|数据处理_新浪财经

该技术由博睿数据投递并参与“数据猿年度金猿策划活动——2024大数据产业年度创新技术突破榜单及奖项”评选。

本发明实施例公开了一种数据处理方法、装置、设备和存储介质。该方法包括：根据每一特征维度的数据量，确定待存储的总数据量；根据所述待存储的总数据量，存储区域的总数量，以及每一特征维度的数据量，确定该特征维度的存储区域信息；根据该特征维度的存储区域信息，对该特征维度的数据进行存储。能够实现数据均匀分配到不同机器上，同时又降低聚合度，使各机器数据聚合计算量均匀。

技术说明

图1是本发明实施例一中提供的一种数据处理方法的流程示意图；

图2是本发明实施例二中提供的一种数据处理方法的流程示意图；

图3是本发明实施例二中提供的一种数据处理方法的原理示意图；

图4是本发明实施例三中提供的一种数据处理装置的结构示意图；

图5是本发明实施例四中提供的一种设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

● 实施例一

图1是本发明实施例一提供的一种数据处理方法的流程示意图，本实施例可适用于将数据分配至机器的情况，该方法可以由数据处理装置来执行，该装置可采用软件和/或硬件的方式实现，该装置可集成于计算设备中，也可独立作为一个设备。具体包括如下步骤：

步骤110、根据每一特征维度的数据量，确定待存储的总数据量。

本实施例中，特征维度是指原始数据中具有共同属性的数据。示例性的，例如用户信息的特征维度可以是用户的名称、城市名称等。进一步地，当特征维度为用户的名称时，通过统计原始数据，得到六个不同的特征维度，则不同的特征维度为用户1、用户2、用户3、用户4、用户5和用户6，则每一特征维度的数据量即为用户1的数据量、用户2的数据量、用户3的数据量、用户4的数据量、用户5的数据量和用户6的数据量。通过将用户1的数据量、用户2的数据量、用户3的数据量、用户4的数据量、用户5的数据量和用户6的数据量求和，则可以得到待存储的总数据量，即原始数据的总数据量。本领域技术人员应该知晓，上述原始数据总量是预设时间内各特征维度的数据量之和，示例性的，如五分钟内的数据总量。

示例性的，用户1的数据量为100条、用户2的数据量为200条，用户3的数据量为300条，用户4的数据量为400条，用户5的数据量为100条，用户6的数据量为500条，则待存储的总数据量为1600条。

步骤120、根据所述待存储的总数据量，存储区域的总数量，以及每一特征维度的数据量，确定该特征维度的存储区域信息。

上述存储区域是指将待存储的数据进行存放的机器区域，可以对存储区域的数据进行访问。在大数据联机分析处理的存储分析过程中，数据会按照维度进行聚合存储，原始数据会在存储区域进行聚合，即在存储区域将同一特征维度的数据集中分布。

示例性的，原始数据能够通过分布式发布订阅消息系统将原始数据发送至分布式发布订阅消息系统的各个分区，最终发送至机器的存储区域。其中，分布式发布订阅消息系统可以是Kafka。

将上述待存储的总数据量按照存储区域的总数量均匀地进行发送，并使得每一特征维度的数据量均匀地分布在存储区域。

可选的，步骤120包括：根据所述待存储的总数据量和存储区域的总数量，确定单个存储区域要存储的数据量；根据单个存储区域要存储的数据量，以及每一特征维度的数据量，确定每一特征维度关联的至少一个存储区域，以及该特征维度在关联的存储区域中的存储比例值。

本实施例中，单个存储区域要存储的数据量为待存储的总数据量除以存储区域的总数量。

示例性的，特征维度为用户的名称，用户1的数据量为100条、用户2的数据量为200条，用户3的数据量为300条，用户4的数据量为400条，用户5的数据量为100条，用户6的数据量为500条，则待存储的总数据量为1600条且存储区域的总数量为4个，则能够确定每个存储区域的数据量为400条。

本实施例中，以存储区域的总数量为4个为例，将4个存储区域进行顺序排号，依次为存储区域01、存储区域02、存储区域03和存储区域04。每个存储区域的数据量为400条，则确定用户1关联的存储区域为存储区域01，用户2关联的存储区域为存储区域01，用户3关联的存储区域为存储区域02和存储区域03，依次依据不同用户的数据量以及单个存储区域要存储的数据量确定存储区域。进一步，在对应的存储区域确定存储的该特征维度的存储比例值。

在确定单个存储区域要存储的数据量和每一特征维度的数据量之后，可进行如下过程：

针对每一特征维度，根据单个存储区域要存储的数据量，确定待分配的当前存储区域的可用存储空间是否大于该特征维度的待分配数据量；若等于或大于，则将当前存储区域作为该特征维度的存储区域，并确定该特征维度在当前存储区域中的存储比例值；若小于，则将当前存储区域的可用存储空间分配给该特征维度，并确定该特征维度在当前存储区域中的存储比例值；以及，将下一存储区域作为新的当前存储区域，且继续为该特征维度分配新的当前存储区域，直至该特征维度分配完成。

示例性的，用户1的数据量为100条，单个存储区域的数据量为400条，将4个存储区域进行顺序排号，则存储区域01的可用存储空间大于用户1的数据量，能够确定用户1在存储区域01中的存储比例值为100％，相应的，用户1的数据量是存储区域01中存储数据总量的25％。用户2的数据量为200条，用户3的数据量为300条，则用户2在存储区域01中的存储比例值为100％，用户3在存储区域01中的存储比例值为33.3％，相应的，用户2的数据量是存储区域01中存储数据总量的50％，用户3的数据量是存储区域01中存储数据总量的25％，且用户3在存储区域02中的存储比例值为66.6％，用户3的数据量是存储区域02中存储数据总量的50％。

步骤130、根据该特征维度的存储区域信息，对该特征维度的数据进行存储。

本实施例中，示例性的，特征维度的存储区域信息是指用户3所在的存储区域，在每一个存储区域中用户3的数据量。将不同特征维度的数据按照存储区域信息进行存储。

本发明实施例提供了一种数据处理方法，包括根据每一特征维度的数据量，确定待存储的总数据量；根据所述待存储的总数据量，存储区域的总数量，以及每一特征维度的数据量，确定该特征维度的存储区域信息；根据该特征维度的存储区域信息，对该特征维度的数据进行存储，能够实现数据均匀分配到不同机器上，同时又降低聚合度，使各机器数据聚合计算量均匀。

● 实施例二

图2是本发明实施例二中提供的一种数据处理方法的流程示意图，本实施例是在上述实施例一的基础上，进一步对存储后的数据的查询过程进行详细解释说明。参见图2，该方法具体可以包括：步骤210、根据每一特征维度的数据量，确定待存储的总数据量。

步骤220、根据所述待存储的总数据量，存储区域的总数量，以及每一特征维度的数据量，确定该特征维度的存储区域信息。

步骤230、根据该特征维度的存储区域信息，对该特征维度的数据进行存储。

步骤240、响应于包括目标特征维度信息的查询请求，根据目标特征维度的存储区域信息，确定目标特征维度所关联的目标存储区域；从所述目标特征维度所关联的目标存储区域中得到查询结果。

根据目标特征维度的存储区域信息，确定目标特征维度关联的至少一个存储区域，以及目标特征维度在所述至少一个存储区域中的存储比例值。

本实施例中，通过联机分析处理技术对数据进行查询和分析。其中，联机分析处理是一种软件技术，它使分析人员能够迅速、一致、交互地从各个方面观察信息，以达到深入理解数据的目的。它具有FASMI(Fast Analysis of Shared Multidimensional Information)，即共享多维信息的快速分析的特征。其中F是快速性(Fast)，指系统能在数秒内对用户的多数分析要求做出反应；A是可分析性(Analysis)，指用户无需编程就可以定义新的专门计算，将其作为分析的一部分，并以用户所希望的方式给出报告；M是多维性(Multi—dimensional)，指提供对数据分析的多维视图和分析；I是信息性(Information)，指能及时获得信息，并且管理大容量信息。

具体的，当特征维度为用户的名称时，示例性的选取用户3为目标特征维度，用户3的存储区域信息为：用户3的数据量为300条，用户3在存储区域01中的存储比例值为33.3％，用户3的数据量是存储区域01中存储数据总量的25％，且用户3在存储区域02中的存储比例值为66.6％，用户3的数据量是存储区域02中存储数据总量的50％，则可以对用户3的数据进行联机分析处理。进一步地，可参见图3示出的一种数据处理方法的原理示意图，存储区域01、存储区域02分别在预聚合机器01和预聚合机器02中。

本发明实施例提供了一种数据处理方法，对不同的特征维度的数据进行存储后，响应于包括目标特征维度信息的查询请求，根据目标特征维度的存储区域信息，确定目标特征维度所关联的目标存储区域；从所述目标特征维度所关联的目标存储区域中得到查询结果。根据目标特征维度的存储区域信息，确定目标特征维度关联的至少一个存储区域，以及目标特征维度在所述至少一个存储区域中的存储比例值，能够降低并行查询时资源利用的问题，提高集群整体并发查询吞吐量。

● 实施例三

本发明实施例所提供的数据处理装置可执行本发明任意实施例所提供的数据处理方法，具备执行方法相应的功能模块和有益效果。如图4所示的是一种数据处理装置的结构示意图，该装置可以包括：

确定总数据量模块401，用于根据每一特征维度的数据量，确定待存储的总数据量；确定存储区域信息模块402，用于根据所述待存储的总数据量，存储区域的总数量，以及每一特征维度的数据量，确定该特征维度的存储区域信息；

数据存储模块403，用于根据该特征维度的存储区域信息，对该特征维度的数据进行存储。

所述确定存储区域信息模块402，具体用于：根据所述待存储的总数据量和存储区域的总数量，确定单个存储区域要存储的数据量；根据单个存储区域要存储的数据量，以及每一特征维度的数据量，确定每一特征维度关联的至少一个存储区域，以及该特征维度在关联的存储区域中的存储比例值。

所述确定存储区域信息模块402，具体用于：针对每一特征维度，根据单个存储区域要存储的数据量，确定待分配的当前存储区域的可用存储空间是否大于该特征维度的待分配数据量；若等于或大于，则将当前存储区域作为该特征维度的存储区域，并确定该特征维度在当前存储区域中的存储比例值；若小于，则将当前存储区域的可用存储空间分配给该特征维度，并确定该特征维度在当前存储区域中的存储比例值；以及，将下一存储区域作为新的当前存储区域，且继续为该特征维度分配新的当前存储区域，直至该特征维度分配完成。

所述装置，还包括：确定目标存储区域模块，用于响应于包括目标特征维度信息的查询请求，根据目标特征维度的存储区域信息，确定目标特征维度所关联的目标存储区域；从所述目标特征维度所关联的目标存储区域中得到查询结果。所述确定目标存储区域模块还用于根据目标特征维度的存储区域信息，确定目标特征维度关联的至少一个存储区域，以及目标特征维度在所述至少一个存储区域中的存储比例值。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

● 实施例四

图5为本发明实施例四提供的一种设备的结构示意图，图5示出了适于用来实现本发明实施例实施方式的示例性设备的结构示意图。图5显示的设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明实施例各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明实施例所描述的实施例中的功能和/或方法。

设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图5所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的数据处理方法，包括：根据每一特征维度的数据量，确定待存储的总数据量；根据所述待存储的总数据量，存储区域的总数量，以及每一特征维度的数据量，确定该特征维度的存储区域信息；根据该特征维度的存储区域信息，对该特征维度的数据进行存储。

● 实施例五

本发明实施例五还提供一种计算机可读存储介质，其上存储有计算机程序(或称为计算机可执行指令)，该程序被处理器执行时可实现上述任意实施例所述的数据处理方法，包括：

根据每一特征维度的数据量，确定待存储的总数据量；

根据所述待存储的总数据量，存储区域的总数量，以及每一特征维度的数据量，确定该特征维度的存储区域信息；根据该特征维度的存储区域信息，对该特征维度的数据进行存储。本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CDROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言，诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

技术应用

此专利应用于博睿数据Bonree ONE、Bonree NET产品的存储的数据管理模块中，对指标/日志/事件等可观测数据生效。

此专利通过优化数据处理流程，采用高效的数据组织结构与存储策略，显著提高了Bonree ONE与Bonree NET在处理大规模数据集时的响应速度与稳定性。具体而言，它实现了数据的高效预处理与智能分类，减少了冗余数据的干扰，同时利用先进的压缩技术有效降低了存储空间的占用，提升了数据检索的效率。

此外，该专利可降低聚合度，使各机器数据聚合计算量均匀，使得Bonree ONE与Bonree NET能够充分利用多核处理器的优势，实现数据的快速分析与处理。这一专利技术的深度整合，不仅提升了Bonree ONE与Bonree NET产品的数据处理能力与存储效率，还增强了产品的可扩展性与灵活性，降低存储成本。

开发团队

·带队负责人姓名：程捷

程捷，博睿数据CTO。在IT服务领域深耕10余年，带领公司技术团队不断创新，先后取得了40余项发明专利，攻克IT运维领域数据处理、数据采集等多项的技术难题，是博睿数据技术战略制定和实施的关键人物，引领企业技术创新和业务高质量发展。

团队其他重要成员姓名：罗俊、刘林

·隶属机构：博睿数据

北京博睿宏远数据科技股份有限公司（简称博睿数据）(股票号688229）是中国IT运维监控和可观测性领域领导者，中国应用性能监控及可观测性领域首个A股上市公司，同时蝉联市场份额排名第一。

博睿数据推出了国内首个真正实现智能运维的一体化智能可观测性平台Bonree ONE，截至目前，博睿数据已经拥有49项已授权发明专利、134项软件著作权和27项核心技术，在应用性能管理领域实现了多项技术突破，具备较强的技术先进性。如今，公司已经与CNNIC、CFCA、IATA、中国互联网协会、数据中心联盟、中国信息通信研究院、中国金融产业科技发展联盟、华为等机构和企业达成了多元合作，并成为中国信息通信研究院AIOps标准工作组、中国电子工业标准化技术协会信息技术应用创新工委会等行业权威组织的会员单位，参与一带一路，电商双十一，保险公司开门红等重保项目服务。

博睿数据为银行，证券，保险，高端制造等行业的数字化、智能化转型持续赋能，已经获得多家银行及1000+头部客户的选择和信赖。