一种数据仓库的数据同步的方法和装置与流程

本发明涉及计算机技术领域，尤其涉及一种数据仓库的数据同步的方法和装置。

背景技术：

数据仓库(datawarehouse，dw或dwh)是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合。它是单个数据存储，出于分析性报告和决策支持目的而创建。为需要业务智能的企业，提供指导业务流程改进、监视时间、成本、质量以及控制。目前，数据仓库作为处理和运行大数据的平台，涉及大量的文件存储及数据计算。

元数据(metadata)，又称中介数据、中继数据，为描述数据的数据(dataaboutdata)，主要是描述数据属性(propert6)的信息，用来支持如指示存储位置、历史数据、资源查找、文件记录等功能。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

数据仓库之间在同步数据时灵活性差，不能很好的适应元数据变更的场景。

技术实现要素：

有鉴于此，本发明实施例提供一种数据仓库的数据同步的方法和装置，能够解决现有技术中的数据仓库在同步数据时灵活性差，不能适应元数据变更的场景。

为实现上述目的，根据本发明实施例的一个方面，提供了一种数据仓库的数据同步的方法。

本发明实施例的一种数据仓库的数据同步的方法包括：获取源端和目标端的元数据信息，元数据信息中包括表结构；判断源端的元数据信息与目标端的元数据信息是否一致，若不一致，变更目标端的表结构使其与源端的表结构相同；对目标端的用户数据进行同步，使其与源端的用户数据一致。

可选的，本发明的实施例在获取源端和目标端的元数据信息之前，还包括：保存与数据仓库相应的信息配置，信息配置用于解析服务地址以及获取元数据信息；保存与数据同步相应的参数配置，参数配置用于变更表结构。

可选的，本发明实施例的信息配置包括服务目录的名称、主备节点的域名信息以及对应的端口信息。

可选的，本发明实施例的参数配置包括同时拷贝的最大文件数目、是否覆盖目标文件、是否跳过文件校验以及带宽最大值。

可选的，本发明的实施例变更目标端的表结构使其与源端的表结构相同的步骤包括：将目标端的表结构删除；根据保存的配置参数在目标端创建与源端相同的表结构。

可选的，本发明的实施例变更目标端的表结构使其与源端的表结构相同的步骤包括：将目标端的表结构与源端的表结构进行一一对比，以确定出目标端中与源端存在差异的表结构；将目标端中存在差异的表结构更新为与源端相同的表结构。

为实现上述目的，根据本发明实施例的另一方面，提供了一种数据仓库的数据同步的装置。

本发明实施例的一种数据仓库的数据同步的装置包括：获取模块，用于获取源端和目标端的元数据信息，元数据信息中包括表结构；变更模块，用于判断源端的元数据信息与目标端的元数据信息是否一致，若不一致，变更目标端的表结构使其与源端的表结构相同；同步模块，用于对目标端的用户数据进行同步，使其与源端的用户数据一致。

可选的，本发明的实施例还包括保存模块，用于：保存与数据仓库相应的信息配置，信息配置用于解析服务地址以及获取元数据信息；保存与数据同步相应的参数配置，参数配置用于变更表结构。

可选的，本发明实施例的信息配置包括服务目录的名称、主备节点的域名信息以及对应的端口信息。

可选的，本发明实施例的参数配置包括同时拷贝的最大文件数目、是否覆盖目标文件、是否跳过文件校验以及带宽最大值。

可选的，本发明实施例的变更模块还用于：将目标端的表结构删除；根据保存的配置参数在目标端创建与源端相同的表结构。

可选的，本发明实施例的变更模块还用于：将目标端的表结构与源端的表结构进行一一对比，以确定出目标端中与源端存在差异的表结构；将目标端中存在差异的表结构更新为与源端相同的表结构。

为实现上述目的，根据本发明实施例的再一方面，提供了一种数据仓库的数据同步的方法的电子设备。

本发明实施例的一种电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例的数据仓库的数据同步的方法。

为实现上述目的，根据本发明实施例的又一方面，提供了一种计算机可读介质。

本发明实施例的一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例的数据仓库的数据同步的方法。

上述发明中的一个实施例具有如下优点或有益效果：因为采用对源端和目标端的元数据信息进行对比，然后对元数据信息中的表结构进行变更，从而使元数据信息和用户数据达到一致的技术手段，所以克服了现有技术中的数据仓库在同步数据时灵活性差，不能适应元数据变更的场景的技术问题，进而达到自适应的处理元数据变更及对用户数据信进行灵活同步的技术效果，有利于提高数据同步的易用性。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的数据仓库的数据同步的方法的基本流程的示意图；

图2是根据本发明的数据仓库的数据同步的方法的一种优选流程的示意图；

图3是根据本发明的数据仓库的数据同步的代理方法的示意图；

图4是根据本发明实施例的数据仓库的数据同步的装置的主要模块的示意图；

图5是本发明实施例可以应用于其中的示例性系统架构图；

图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本发明实施例的数据仓库的数据同步的方法的基本流程的示意图，如图1所示，本发明实施例的一种数据仓库的数据同步的方法主要包括如下步骤：

步骤s101：获取源端和目标端的元数据信息。本发明主要是通过对源端和目标端的元数据信息进行对比，并对存在差异的元数据信息进行变更，然后在对用户数据进行同步，从而实现自适应处理元数据变更的一站式数据同步的服务。元数据信息中包括表结构。

本发明在获取源端和目标端的元数据信息之前，还包括：保存与数据仓库相应的信息配置，信息配置用于解析服务地址以及获取元数据信息；保存与数据同步相应的参数配置，参数配置用于变更表结构。其中，信息配置包括服务目录的名称、主备节点的域名信息以及对应的端口信息。参数配置包括同时拷贝的最大文件数目、是否覆盖目标文件、是否跳过文件校验以及带宽最大值。

当然，在本发明的实施例中，还可以根据解析到的服务地址对元数据信息的处理以服务代理的方式提供(不同的服务代理映射不同的数据仓库)，这样就可以提高数据仓库的数据同步的速度，进而降低运行成本。

步骤s102：判断源端的元数据信息与目标端的元数据信息是否一致，若不一致，变更目标端的表结构使其与源端的表结构相同；若一致，则直接执行步骤s103。本步骤旨在通过对比元数据信息的差异，然后将存在差异的表结构进行变更，而具体的变更过程分为两种情况：

情况一：将目标端的表结构删除；根据保存的配置参数在目标端创建与源端相同的表结构；

情况二：将目标端的表结构与源端的表结构进行一一对比，以确定出目标端中与源端存在差异的表结构；将目标端中存在差异的表结构更新为与源端相同的表结构。

上述两种情况均可以将目标端的表结构变更为与源端的表结构相同的表结构，具体的使用情况需要根据使用场景而定。

步骤s103：对目标端的用户数据进行同步，使其与源端的用户数据一致。在本发明的实施例中是将源端的用户数据与目标端的用户数据进行同步，使目标端的用户数据信息与源端的用户数据信息保持一致，当然，根据步骤s102中的两种变更情况，用户数据的同步也可以分为两种情况：

情况一：将源端的所有用户数据全部同步到目标端中；

情况二：仅将变更后的表结构所对应的用户数据进行同步，即将发生变更的表结构在源端中所对应的用户数据同步到目标端中。

上述两种情况均可以将源端的用户数据同步到目标端中，具体的使用情况需要根据使用场景而定。

图2是根据本发明的数据仓库的数据同步的方法的一种优选流程的示意图，根据图2所示的流程，通过同步任务配置服务(包括配置数据仓库的信息配置及配置数据同步的参数配置)，然后连接元数据服务，再对元数据进行服务代理(包括判断元数据信息是否一致并选址更新策略及更新元数据)，最后在同步用户业务数据。下面根据图2所示的内容进行详尽说明。

同步任务配置服务中的配置数据仓库的信息配置，信息配置用于设置任务源端和目标端的集群信息，例如服务目录的名称，主备节点的域名信息及对应的http和远程过程调用协议rpc服务端口等。这些信息配置在运行时被设置在开源软件hadoop的配置中用于辅助解析获得正确的服务地址和元数据信息，然后通过服务代理的方式对袁术就进行处理，以此做到不依赖开源软件hadoop本身的客户端进行数据同步。

同步任务配置服务中的配置数据同步的参数配置，参数配置用于设置数据同步本身的属性，例如同时拷贝的最大文件数目，是否覆盖目标文件，带宽最大值等。而这些包含不同内容信息的配置参数就是一个更新策略。

连接元数据服务，即如图3所示，是根据本发明的数据仓库的数据同步的代理方法的示意图，根据解析获得的服务地址开启服务代理，元数据服务以服务代理的方式提供，不同的服务代理映射不同的数据仓库。同时，为确保服务的高可用，设置了监控程序来确保所有代理服务的稳定性。监控程序会对失败的服务代理重启，并间隔轮询所有代理服务的连接是否生效。对于已失效或者超时的，强制重启服务。

元数据服务代理(包括判断元数据信息是否一致并选址更新策略及更新元数据)是用于提供源端和目标端表元数据信息的查询以及根据更新策略对目标端元数据信息进行变更操作。

在同步前根据源端和目标端元数据信息判断元数据信息是否一致，若不一致则发生了变更，根据参数配置(即选址更新策略)对目标端的表结构进行必要操作，例如强制刷新，即删除目标端表结构，并根据源端表结构在目标端创建相同的表结构，进而实现更新元数据；若一致则没有发生变更，可以直接进入元数据同步操作。需要注意的是，根据参数配置(即更新策略)对目标端的表结构进行必要操作，分为两种情况：一是将目标端的表结构删除；根据保存的配置参数在目标端创建与源端相同的表结构；二是将目标端的表结构与源端的表结构进行一一对比，以确定出目标端中与源端存在差异的表结构；将目标端中存在差异的表结构更新为与源端相同的表结构。

同步用户业务数据，是将源端的用户数据与目标端的用户数据进行同步，使目标端的用户数据信息与源端的用户数据信息保持一致。当然，作为开源软件hadoop本身提供的数据同步工具的封装，数据同步用于大规模数据的集群内及集群间的拷贝。

根据本发明实施例的数据仓库的数据同步的方法可以看出，因为采用对源端和目标端的元数据信息进行对比，然后对元数据信息中的表结构进行变更，从而使元数据信息和用户数据达到一致的技术手段，所以克服了现有技术中的数据仓库在同步数据时灵活性差，不能适应元数据变更的场景的技术问题，进而达到自适应的处理元数据变更及对用户数据信进行灵活同步的技术效果，有利于提高数据同步的易用性。

图4是根据本发明实施例的数据仓库的数据同步的装置的主要模块的示意图，如图4所示，本发明实施例的数据仓库的数据同步的装置400主要包括：获取模块401、变更模块402以及同步模块403。其中：

获取模块401，用于获取源端和目标端的元数据信息，元数据信息中包括表结构；变更模块402，用于判断源端的元数据信息与目标端的元数据信息是否一致，若不一致，变更目标端的表结构使其与源端的表结构相同；同步模块403，用于对目标端的用户数据进行同步，使其与源端的用户数据一致。

可选的，本发明的实施例还包括保存模块(图中未示出)，用于：保存与数据仓库相应的信息配置，信息配置用于解析服务地址以及获取元数据信息；保存与数据同步相应的参数配置，参数配置用于变更表结构。

可选的，本发明实施例的信息配置包括服务目录的名称、主备节点的域名信息以及对应的端口信息。

可选的，本发明实施例的参数配置包括同时拷贝的最大文件数目、是否覆盖目标文件、是否跳过文件校验以及带宽最大值。

可选的，本发明实施例的变更模块402变更目标端的表结构使其与源端的表结构相同的步骤包括：将目标端的表结构删除；根据保存的配置参数在目标端创建与源端相同的表结构。

可选的，本发明实施例的变更模块402变更目标端的表结构使其与源端的表结构相同的步骤包括：将目标端的表结构与源端的表结构进行一一对比，以确定出目标端中与源端存在差异的表结构；将目标端中存在差异的表结构更新为与源端相同的表结构。

图5示出了可以应用本发明实施例的数据仓库的数据同步方法或数据仓库的数据同步装置的示例性系统架构500。

如图5所示，系统架构500可以包括终端设备501、502、503，网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备501、502、503通过网络504与服务器505交互，以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器505可以是提供各种服务的服务器，例如对用户利用终端设备501、502、503所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。

需要说明的是，本发明实施例所提供的数据仓库的数据同步方法一般由服务器505执行，相应地，数据仓库的数据同步装置一般设置于服务器505中。

应该理解，图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图6，其示出了适于用来实现本发明实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例，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6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。cpu601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。

以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的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或者是上述两者的任意组合。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。在本发明中，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。而在本发明中，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。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块、变更模块以及同步模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：获取源端和目标端的元数据信息，元数据信息中包括表结构；判断源端的元数据信息与目标端的元数据信息是否一致，若不一致，变更目标端的表结构使其与源端的表结构相同；对目标端的用户数据进行同步，使其与源端的用户数据一致。

根据本发明实施例的技术方案，因为采用对源端和目标端的元数据信息进行对比，然后对元数据信息中的表结构进行变更，从而使元数据信息和用户数据达到一致的技术手段，所以克服了现有技术中的数据仓库在同步数据时灵活性差，不能适应元数据变更的场景的技术问题，进而达到自适应的处理元数据变更及对用户数据信进行灵活同步的技术效果，有利于提高数据同步的易用性。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。