数据处理方法及装置、电子设备和存储介质与流程

所属的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。下面参考图6来描述根据本公开的这种实施例的电子设备600。图6显示的电子设备600仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。如图6所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：上述至少一个处理单元610、上述至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640。其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)621和/或高速缓存存储单元622，还可以进一步包括只读存储单元(rom)623。存储单元620可以包括具有一组(至少一个)程序模块625的程序/实用工具624，这样的程序模块625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。总线630可以表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。电子设备600也可以与一个或多个外部设备670(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、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650进行。并且，电子设备600还可以通过网络适配器660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。如图所示，网络适配器660通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600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。通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。参考图7所示，描述了根据本发明的实施例的用于实现上述方法的程序产品700，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，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。所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。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、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。计算机可读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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。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、有线、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的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

背景技术：

1、hive是基于hadoop的一个数据仓库工具，用来进行数据提取、转化、加载，这是一种可以存储、查询和分析存储在hadoop中的大规模数据的机制。hive作为数据仓库主要技术方案之一，其提供的类sql处理方式已广泛应用到各种大数据离线处理系统上。

2、由于hive数据是存储在传统的hadoop分布式文件系统(hadoop distributedfile system，hdfs)上，因此，不合理的使用hive可能会影响大数据集群性能，例如hive表block块大小问题、hive表小文件问题等诸如此类。同时，hive数仓运维人员也迫切需要全方位了解当前hive表的存储状态，以便将未知隐患提前暴露出来。

3、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本公开的目的在于提供一种数据处理方法、数据处理装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服现有的数据仓库实现方案对于hive本身的业务表属性统计运维方面缺乏有效方案的问题。

2、本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

3、根据本公开的第一方面，提供一种数据处理方法，包括：获取分布式文件系统中原始数据对应的镜像文件，以及获取所述原始数据对应的初始元数据；分别创建所述镜像文件与所述初始元数据各自对应的镜像文件元数据表与元数据结果表；基于所述镜像文件元数据表与元数据结果表各自对应的临时表进行合并解析处理，生成所述原始数据对应的业务属性的属性统计结果表；对所述属性统计结果表进行数据筛选处理，得到所述业务属性对应的目标属性统计数据。

4、在本公开的一种示例性实施方案中，所述获取分布式文件系统中原始数据对应的镜像文件，包括：响应于镜像文件提取指令，从所述分布式文件系统中获取所述原始数据对应的镜像文件；对所述进行镜像文件进行文件解析处理，得到解析镜像文件；将所述解析镜像文件存储至所述分布式文件系统的第一存储路径。

5、在本公开的一种示例性实施方案中，所述获取所述原始数据对应的初始元数据，包括：将分布式文件系统的执行端连接至所述原始数据的元数据存储库；基于所述执行端生成远程交互指令，基于所述远程交互指令从所述元数据存储库中获取所述初始元数据；将所述初始元数据存储至所述分布式文件系统的第二存储路径。

6、在本公开的一种示例性实施方案中，所述基于所述远程交互指令从所述元数据存储库中获取所述初始元数据，包括：获取预先构建的查询脚本，从所述元数据存储库获取初始元数据表；基于所述查询脚本对所述初始元数据表进行解析处理，得到元数据结果表；获取数据抽取组件，采用数据抽取组件将所述元数据结果表存储至分布式文件系统的第二存储路径，作为所述初始元数据。

7、在本公开的一种示例性实施方案中，所述分别创建所述镜像文件与所述初始元数据各自对应的镜像文件元数据表与元数据结果表，包括：在数据仓库中创建所述镜像文件对应的元数据表，作为所述镜像文件元数据表；在所述数据仓库中创建所述初始元数据对应的元数据表，作为所述元数据结果表；将所述镜像文件元数据表与所述元数据结果表，作为所述分布式文件系统中数据文件的外部表。

8、在本公开的一种示例性实施方案中，所述基于所述镜像文件元数据表与元数据结果表各自对应的临时表进行合并解析处理，生成所述原始数据对应的业务属性的属性统计结果表，包括：分别创建所述镜像文件元数据表与元数据结果表，各自对应的镜像文件临时表与元数据临时表；对所述镜像文件临时表与所述元数据临时表进行合并处理，生成合并数据表；对所述合并数据表进行解析处理，生成所述属性统计结果表。

9、在本公开的一种示例性实施方案中，所述分别创建所述镜像文件元数据表与元数据结果表，各自对应的镜像文件临时表与元数据临时表，包括：对所述镜像文件元数据表进行聚合分组处理，得到所述镜像文件元数据表对应的镜像文件临时表；对所述元数据结果表进行分区聚合处理，得到所述元数据结果表对应的元数据临时表。

10、在本公开的一种示例性实施方案中，所述对所述镜像文件元数据表进行聚合分组处理，得到所述镜像文件元数据表对应的镜像文件临时表，包括：获取所述镜像文件元数据表的原始表信息，对所述原始表信息进行正则匹配处理，得到所述镜像文件元数据表的有效表信息；对所述镜像文件元数据表中的文件数量进行统计处理，得到所述镜像文件元数据表对应的文件统计信息；基于所述有效表信息与所述文件统计信息，生成所述镜像文件临时表。

11、在本公开的一种示例性实施方案中，所述对所述镜像文件临时表与所述元数据临时表进行合并处理，生成合并数据表，包括：确定所述镜像文件临时表对应的第一表字段；确定所述元数据临时表对应的第二表字段；基于所述第一表字段与所述第二表字段，对所述镜像文件临时表与所述元数据临时表进行合并处理，得到所述合并数据表。

12、在本公开的一种示例性实施方案中，所述对所述属性统计结果表进行数据筛选处理，得到所述业务属性对应的目标属性统计数据，包括：获取基于镜像文件临时表与元数据临时表生成的合并数据表；对所述合并数据表与所述属性统计结果表进行合并处理，生成初始统计结果表；获取预先配置的属性排序指标，基于所述属性排序指标对所述初始统计结果表的属性数据进行排序处理，得到所述目标属性统计数据。

13、在本公开的一种示例性实施方案中，上述方法还包括：获取预先配置的模板引擎；采用所述模板引擎从所述目标属性统计数据中提取待展示数据；将所述待展示数据发送至可视化执行端，通过所述可视化执行端的可视化界面展示所述待展示数据。

14、在本公开的一种示例性实施方案中，上述方法还包括：获取预先配置的内容截取组件；通过所述内容截取组件对所述可视化界面中的页面内容进行截取处理，得到告警辅助数据；基于所述告警辅助数据生成告警信息。

15、根据本公开的第二方面，提供一种数据处理装置，包括：数据获取模块，用于获取分布式文件系统中原始数据对应的镜像文件，以及获取所述原始数据对应的初始元数据；元数据表创建模块，用于分别创建所述镜像文件与所述初始元数据各自对应的镜像文件元数据表与元数据结果表；合并处理模块，用于基于所述镜像文件元数据表与元数据结果表各自对应的临时表进行合并解析处理，生成所述原始数据对应的业务属性的属性统计结果表；数据筛选模块，用于对所述属性统计结果表进行数据筛选处理，得到所述业务属性对应的目标属性统计数据。

16、在本公开的一种示例性实施方案中，所述数据获取模块包括镜像文件获取单元，用于：响应于镜像文件提取指令，从所述分布式文件系统中获取所述原始数据对应的镜像文件；对所述进行镜像文件进行文件解析处理，得到解析镜像文件；将所述解析镜像文件存储至所述分布式文件系统的第一存储路径。

17、在本公开的一种示例性实施方案中，所述数据获取模块包括元数据获取单元，用于：将分布式文件系统的执行端连接至所述原始数据的元数据存储库；基于所述执行端生成远程交互指令，基于所述远程交互指令从所述元数据存储库中获取所述初始元数据；将所述初始元数据存储至所述分布式文件系统的第二存储路径。

18、在本公开的一种示例性实施方案中，所述元数据获取单元包括元数据获取子单元，用于：获取预先构建的查询脚本，从所述元数据存储库获取初始元数据表；基于所述查询脚本对所述初始元数据表进行解析处理，得到元数据结果表；获取数据抽取组件，采用数据抽取组件将所述元数据结果表存储至分布式文件系统的第二存储路径，作为所述初始元数据。

19、在本公开的一种示例性实施方案中，所述元数据创建模块包括元数据创建单元，用于：在数据仓库中创建所述镜像文件对应的元数据表，作为所述镜像文件元数据表；在所述数据仓库中创建所述初始元数据对应的元数据表，作为所述元数据结果表；将所述镜像文件元数据表与所述元数据结果表，作为所述分布式文件系统中数据文件的外部表。

20、在本公开的一种示例性实施方案中，所述合并处理模块包括合并处理单元，用于：分别创建所述镜像文件元数据表与元数据结果表，各自对应的镜像文件临时表与元数据临时表；对所述镜像文件临时表与所述元数据临时表进行合并处理，生成合并数据表；对所述合并数据表进行解析处理，生成所述属性统计结果表。

21、在本公开的一种示例性实施方案中，所述合并处理单元包括临时表创建单元，用于：对所述镜像文件元数据表进行聚合分组处理，得到所述镜像文件元数据表对应的镜像文件临时表；对所述元数据结果表进行分区聚合处理，得到所述元数据结果表对应的元数据临时表。

22、在本公开的一种示例性实施方案中，所述临时表创建单元包括临时表创建子单元，包括：获取所述镜像文件元数据表的原始表信息，对所述原始表信息进行正则匹配处理，得到所述镜像文件元数据表的有效表信息；对所述镜像文件元数据表中的文件数量进行统计处理，得到所述镜像文件元数据表对应的文件统计信息；基于所述有效表信息与所述文件统计信息，生成所述镜像文件临时表。

23、在本公开的一种示例性实施方案中，所述合并处理单元包括合并处理子单元，用于：确定所述镜像文件临时表对应的第一表字段；确定所述元数据临时表对应的第二表字段；基于所述第一表字段与所述第二表字段，对所述镜像文件临时表与所述元数据临时表进行合并处理，得到所述合并数据表。

24、在本公开的一种示例性实施方案中，所述数据筛选模块包括数据筛选单元，用于：获取基于镜像文件临时表与元数据临时表生成的合并数据表；对所述合并数据表与所述属性统计结果表进行合并处理，生成初始统计结果表；获取预先配置的属性排序指标，基于所述属性排序指标对所述初始统计结果表的属性数据进行排序处理，得到所述目标属性统计数据。

25、在本公开的一种示例性实施方案中，所述数据处理装置还包括数据展示模块，用于：获取预先配置的模板引擎；采用所述模板引擎从所述目标属性统计数据中提取待展示数据；将所述待展示数据发送至可视化执行端，通过所述可视化执行端的可视化界面展示所述待展示数据。

26、在本公开的一种示例性实施方案中，所述数据处理装置还包括告警信息生成模块，用于：获取预先配置的内容截取组件；通过所述内容截取组件对所述可视化界面中的页面内容进行截取处理，得到告警辅助数据；基于所述告警辅助数据生成告警信息。

27、根据本公开的第三方面，提供一种电子设备，包括：处理器；以及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的数据处理方法。

28、根据本公开的第四方面，提供一种计算机可读存储介质，其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根据上述任意一项所述的数据处理方法。

29、本公开提供的技术方案可以包括以下有益效果：

30、本公开的示例性实施例中的数据处理方法，一方面，提供了一种通过整合镜像文件与元数据，以对数据仓库中业务表的属性信息进行分析的方案，避免对单一文件进行分析造成部分指标的信息遗漏。另一方面，通过镜像文件解析表与元数据解析表的临时表进行数据合并与筛选处理，可以对原始数据进行充分解析，且提高最终属性统计结果数据的可信度。

31、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。