数据字段血缘分析方法、装置、电子设备及存储介质与流程

所属的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。下面参照图6来描述根据本公开的这种实施方式的电子设备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。其中，该存储单元存储有程序代码，该程序代码可以被该处理单元610执行，使得该处理单元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方式的步骤。例如，该处理单元610可以执行上述方法实施例的如下步骤：获取待分析数据对应的目标逻辑执行计划信息，其中目标逻辑执行计划信息包括多个层级的逻辑节点；对目标逻辑执行计划信息中的每个层级的逻辑节点进行依次解析，以根据各个逻辑节点对应的节点类型确定各个逻辑节点中的字段信息，任一字段信息中包括字段标识；通过字段标识对字段信息进行关联匹配，得到待分析数据的字段血缘关系。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)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(rom)6203。存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205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可以为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640(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。通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式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方式的方法。特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机程序产品，该计算机程序产品包括：计算机程序，该计算机程序被处理器执行时实现上述数据字段血缘分析方法。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，该计算机可读存储介质可以是可读信号介质或者可读存储介质。图7示出本公开实施例中一种计算机可读存储介质示意图，如图7所示，该计算机可读存储介质700上存储有能够实现本公开上述方法的程序产品。在一些可能的实施方式中，本公开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，当该程序产品在终端设备上运行时，该程序代码用于使该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公开各种示例性实施方式的步骤。本公开中的计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储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。可选地，计算机可读存储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。在具体实施时，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公开操作的程序代码，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)。应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。通过以上实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式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、移动终端、或者网络设备等)执行根据本公开实施方式的方法。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它实施方案。本公开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，本公开的真正范围由所附的权利要求指出。

背景技术：

1、随着计算机的发展，数据量也在不断增长，在对大量数据进行加工、处理的过程中，若数据出现问题，则需要对各层级的数据进行核查，从而会导致极大的资源与时间的浪费。因此，需要对数据字段进行血缘分析，从而降低数据核查的时间。

2、在相关技术中，需要对sql(structured query language，结构化查询语言)进行分析以得到对应的抽象语法分析树，再对该抽象语法分析树进行递归遍历，以得到最终展示字段的数据来源字段。

3、但是，通过抽象语法分析树进行字段信息的提取，无法验证该信息是否真实存在，降低了数据字段血缘分析的准确性与可靠性。另外，相关技术必须要完整的定义词法分析器和语法分析器，其开发成本往往较高，且可扩展性差。

4、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、本公开提供一种数据字段血缘分析方法，至少在一定程度上克服相关技术中数据字段血缘分析的准确性与可靠性就较低，且开发成本较高、可扩展性差的问题。

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，或部分地通过本公开的实践而习得。

3、根据本公开的一个方面，提供了一种数据字段血缘分析方法，包括：获取待分析数据对应的目标逻辑执行计划信息，其中，目标逻辑执行计划信息包括多个层级的逻辑节点；对目标逻辑执行计划信息中的每个层级的逻辑节点进行依次解析，以根据各个逻辑节点对应的节点类型确定各个逻辑节点中的字段信息，任一字段信息中包括字段标识；通过字段标识对字段信息进行关联匹配，得到待分析数据的字段血缘关系。

4、在一些实施例中，对目标逻辑执行计划信息中的每个层级的逻辑节点进行依次解析，以根据各个逻辑节点对应的节点类型确定各个逻辑节点中的字段信息，包括：若目标逻辑执行计划信息中当前解析的逻辑节点与表类型相匹配，提取待分析数据中的表信息与列信息，其中，表信息中包含库名信息与表名信息，列信息中包含目标表对应的字段信息；根据库名信息、表名信息与目标表对应的字段信息生成字段对象；将字段对象存储至目标集合中。

5、在一些实施例中，对目标逻辑执行计划信息中的每个层级的逻辑节点进行依次解析，以根据各个逻辑节点对应的节点类型确定各个逻辑节点中的字段信息，包括：若目标逻辑执行计划信息中当前解析的逻辑节点与扩展类型相匹配，对项目列表中的属性引用信息进行递归遍历，得到字段信息；对输出列表中的输出属性信息进行遍历，得到字段信息；对目标逻辑执行计划信息中各个子节点进行递归遍历，以得到各个子节点对应的字段信息。

6、在一些实施例中，对目标逻辑执行计划信息中的每个层级的逻辑节点进行依次解析，以根据各个逻辑节点对应的节点类型确定各个逻辑节点中的字段信息，包括：若目标逻辑执行计划信息中当前解析的逻辑节点与生成类型相匹配，遍历得到各个生成的子节点对应字段信息，并遍历输出列表中的引用属性信息得到对应的字段信息；根据字段标识、字段名称以及输出属性信息生成字段信息；对目标逻辑执行计划信息中各个子节点进行递归遍历，以得到各个子节点对应的字段信息。

7、在一些实施例中，对目标逻辑执行计划信息中各个子节点进行递归遍历，以得到各个子节点对应的字段信息，包括：若当前遍历的子节点与逻辑关系类型的节点类型相匹配，且逻辑关系能够转换为jdbc(java database connector，数据库连接)关系，则通过键值对属性提取库名信息与表名信息；若子节点与表类型节点类型相匹配，或与逻辑关系类型的节点类型相匹配且逻辑关系不能转换为jdbc类型，则通过元数据信息提取库名信息与表名信息；将库名信息与表名信息存储至项目集合中。

8、在一些实施例中，对目标逻辑执行计划信息中的每个层级的逻辑节点进行依次解析，以根据各个逻辑节点对应的节点类型确定各个逻辑节点中的字段信息，包括：若目标逻辑执行计划信息中当前解析的逻辑节点与项目类型相匹配，遍历项目列表得到名称表达式以及项目列表中对应的字段信息；根据名称表达式的类型对目标信息进行递归调用，得到对应的字段信息；对目标逻辑执行计划信息中各个子节点进行递归遍历，以得到各个子节点对应的字段信息。

9、在一些实施例中，对目标逻辑执行计划信息中的每个层级的逻辑节点进行依次解析，以根据各个逻辑节点对应的节点类型确定各个逻辑节点中的字段信息，包括：若目标逻辑执行计划信息中当前解析的逻辑节点与聚合类型相匹配，遍历聚合表达式列表，得到对应的字段信息；对聚合表达式进行递归调用，得到属性引用信息对应的字段信息；对目标逻辑执行计划信息中各个子节点进行递归遍历，以得到各个子节点对应的字段信息。

10、在一些实施例中，对目标逻辑执行计划信息中的每个层级的逻辑节点进行依次解析，以根据各个逻辑节点对应的节点类型确定各个逻辑节点中的字段信息，包括：若目标逻辑执行计划信息中当前解析的逻辑节点与窗口类型相匹配，遍历窗口表达式，得到对应的字段信息；对窗口表达式进行递归调用，得到属性引用信息对应的字段信息；对目标逻辑执行计划信息中各个子节点进行递归遍历，以得到各个子节点对应的字段信息。

11、在一些实施例中，对目标逻辑执行计划信息中的每个层级的逻辑节点进行依次解析，以根据各个逻辑节点对应的节点类型确定各个逻辑节点中的字段信息，包括：若目标逻辑执行计划信息中当前解析的逻辑节点与连接类型相匹配，分别遍历逻辑节点的左节点与右节点，得到对应的字段信息。

12、在一些实施例中，对目标逻辑执行计划信息中的每个层级的逻辑节点进行依次解析，以根据各个逻辑节点对应的节点类型确定各个逻辑节点中的字段信息，包括：若目标逻辑执行计划信息中当前解析的逻辑节点与联合体类型相匹配，确定联合体类型的逻辑节点对应的节点类型；根据联合体类型的逻辑节点对应的节点类型，确定对应的字段信息。

13、在一些实施例中，通过字段标识对字段信息进行关联匹配，得到待分析数据的字段血缘关系，包括：通过字段标识，将各个相邻的逻辑节点对应的字段信息进行关联匹配；从最底层的逻辑节点中确定字段信息所属的表名信息；根据表名信息，确定字段血缘关系。

14、在一些实施例中，目标逻辑执行计划信息为优化后的逻辑执行计划信息，其中，目标逻辑执行计划信息中对嵌套查询以及别名进行了消除。

15、根据本公开的另一个方面，提供了一种数据字段血缘分析装置，包括：目标逻辑执行计划信息获取模块，用于获取待分析数据对应的目标逻辑执行计划信息，其中，目标逻辑执行计划信息包括多个层级的逻辑节点；字段信息确定模块，用于对目标逻辑执行计划信息中的每个层级的逻辑节点进行依次解析，以根据各个逻辑节点对应的节点类型确定各个逻辑节点中的字段信息，任一字段信息中包括字段标识；字段血缘关系确定模块，用于通过字段标识对字段信息进行关联匹配，得到待分析数据的字段血缘关系。

16、在一些实施例中，字段信息确定模块，用于若目标逻辑执行计划信息中当前解析的逻辑节点与表类型相匹配，提取待分析数据中的表信息与列信息，其中，表信息中包含库名信息与表名信息，列信息中包含目标表对应的字段信息；根据库名信息、表名信息与目标表对应的字段信息生成字段对象；将字段对象存储至目标集合中。

17、在一些实施例中，字段信息确定模块，用于若目标逻辑执行计划信息中当前解析的逻辑节点与扩展类型相匹配，对项目列表中的属性引用信息进行递归遍历，得到字段信息；对输出列表中的输出属性信息进行遍历，得到字段信息；对目标逻辑执行计划信息中各个子节点进行递归遍历，以得到各个子节点对应的字段信息。

18、在一些实施例中，字段信息确定模块，用于若目标逻辑执行计划信息中当前解析的逻辑节点与生成类型相匹配，遍历得到各个生成的子节点对应字段信息，并遍历输出列表中的引用属性信息得到对应的字段信息；根据字段标识、字段名称以及输出属性信息生成字段信息；对目标逻辑执行计划信息中各个子节点进行递归遍历，以得到各个子节点对应的字段信息。

19、在一些实施例中，字段信息确定模块，用于若当前遍历的子节点与逻辑关系类型的节点类型相匹配，且逻辑关系能够转换为jdbc关系，则通过键值对属性提取库名信息与表名信息；若子节点与表类型节点类型相匹配，或与逻辑关系类型的节点类型相匹配且逻辑关系不能转换为jdbc类型，则通过元数据信息提取库名信息与表名信息；将库名信息与表名信息存储至项目集合中。

20、在一些实施例中，字段信息确定模块，用于若目标逻辑执行计划信息中当前解析的逻辑节点与项目类型相匹配，遍历项目列表得到名称表达式以及项目列表中对应的字段信息；根据名称表达式的类型对目标信息进行递归调用，得到对应的字段信息；对目标逻辑执行计划信息中各个子节点进行递归遍历，以得到各个子节点对应的字段信息。

21、在一些实施例中，字段信息确定模块，用于若目标逻辑执行计划信息中当前解析的逻辑节点与聚合类型相匹配，遍历聚合表达式列表，得到对应的字段信息；对聚合表达式进行递归调用，得到属性引用信息对应的字段信息；对目标逻辑执行计划信息中各个子节点进行递归遍历，以得到各个子节点对应的字段信息。

22、在一些实施例中，字段信息确定模块，用于若目标逻辑执行计划信息中当前解析的逻辑节点与窗口类型相匹配，遍历窗口表达式，得到对应的字段信息；对窗口表达式进行递归调用，得到属性引用信息对应的字段信息；对目标逻辑执行计划信息中各个子节点进行递归遍历，以得到各个子节点对应的字段信息。

23、在一些实施例中，字段信息确定模块，用于若目标逻辑执行计划信息中当前解析的逻辑节点与连接类型相匹配，分别遍历逻辑节点的左节点与右节点，得到对应的字段信息。

24、在一些实施例中，字段信息确定模块，用于若目标逻辑执行计划信息中当前解析的逻辑节点与联合体类型相匹配，确定联合体类型的逻辑节点对应的节点类型；根据联合体类型的逻辑节点对应的节点类型，确定对应的字段信息。

25、在一些实施例中，字段血缘关系确定模块，用于通过字段标识，将各个相邻的逻辑节点对应的字段信息进行关联匹配；从最底层的逻辑节点中确定字段信息所属的表名信息；根据表名信息，确定字段血缘关系。

26、在一些实施例中，目标逻辑执行计划信息为优化后的逻辑执行计划信息，其中，目标逻辑执行计划信息中对嵌套查询以及别名进行了消除。

27、根据本公开的另一个方面，还提供了一种电子设备，该电子设备包括：处理器；以及存储器，用于存储该处理器的可执行指令；其中，该处理器配置为经由执行该可执行指令来执行上述任意一项该的数据字段血缘分析方法。

28、根据本公开的另一个方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任意一项该的数据字段血缘分析方法。

29、根据本公开的另一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行本公开任一实施例中的各种可选方式中提供的数据字段血缘分析方法。

30、本公开的实施例中提供的技术方案，可以获取包括多个层级的逻辑节点的目标逻辑执行计划信息，并其中每个层级的逻辑节点进行依次解析，从而根据各个逻辑节点对应的节点类型确定各个逻辑节点中的字段信息，有效提高了数据字段血缘分析的准确性与可靠性。并且，本公开避免词法分析和语法分析即可以实现对字段血缘关系进行分析，降低了开发成本并提高可扩展性。

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。