创建实时数据仓库的方法和装置与流程

本发明涉及计算机技术领域，尤其涉及一种创建实时数据仓库的方法和装置。

背景技术：

数据仓库(datawarehouse)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。随着业务的逐步扩张，用户对实时数据的需求越来越高，更多的人希望可以查到实时的数据。但是，当前的数据仓库，大多存储的是按天加工的离线数据，即当天的数据只能明天才能看到，无法提供实时的数据。若需要实时的查询数据，只能通过直接查询线上数据库来实现。

然而，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：

当查询的数据量较大时，线上查询的压力会很大。

技术实现要素：

有鉴于此，本发明实施例提供一种创建实时数据仓库的方法和装置，能够快速还原线上数据库的数据，实现实时数据仓库，从而提高了数据利用率，并且降低了线上数据查询的压力。

为实现上述目的，根据本发明实施例的一个方面，提供了一种创建实时数据仓库的方法，包括：根据预设的数据库配置信息，确定待接入的数据；其中，所述数据库配置信息至少包括数据库名和表名；根据所述数据库名和数据表名，将所述待接入的数据实时发送至不同的消息队列中；将消息队列中的待接入的数据实时存储至数据仓库表，以实现实时数据仓库。

可选地，根据预设的数据库配置信息，确定待接入的数据包括：根据预设的数据库配置信息，读取线上数据库中的日志，将所述日志作为待接入的数据。

可选地，所述日志的模式为行模式。

可选地，所述数据库配置信息还包括表结构信息；在将消息队列中的待接入的数据实时存储至数据库表之前，所述方法还包括：根据所述表结构信息，确定线上数据库的表结构；创建与所述表结构相同的数据仓库表。

为实现上述目的，根据本发明实施例的另一方面，提供了一种创建实时数据仓库的装置，包括：待接入数据确定模块，用于根据预设的数据库配置信息，确定待接入的数据；其中，所述数据库配置信息至少包括数据库名和表名；实时消息订阅模块，用于根据所述数据库名和数据表名，将所述待接入的数据实时发送至不同的消息队列中；实时存储模块，用于将消息队列中的待接入的数据实时存储至数据仓库表，以实现实时数据仓库。

可选地，所述待接入数据确定模块还用于：根据预设的数据库配置信息，读取线上数据库中的日志，将所述日志作为待接入的数据。

可选地，所述日志的模式为行模式。

可选地，所述数据库配置信息还包括表结构信息；所述实时存储模块还用于：根据所述表结构信息，确定线上数据库的表结构；创建与所述表结构相同的数据仓库表。

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创建实时数据仓库的方法。

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，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创建实时数据仓库的方法。

上述发明中的一个实施例具有如下优点或有益效果：因为采用根据预设的数据库配置信息，确定待接入的数据；其中，所述数据库配置信息至少包括数据库名和表名；根据所述数据库名和数据表名，将所述待接入的数据实时发送至不同的消息队列中；将消息队列中的待接入的数据实时存储至数据仓库表，以实现实时数据仓库的技术手段，能够快速还原线上数据库的数据，实现实时数据仓库，从而提高了数据利用率，从而降低了线上数据查询的压力。

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创建实时数据仓库的方法的主要流程的示意图；

图2是根据本发明实施例的创建实时数据仓库的装置的主要模块的示意图；

图3是本发明实施例可以应用于其中的示例性系统架构图；

图4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创建实时数据仓库的方法的主要流程的示意图，如图1所示，该方法包括：

步骤s101：根据预设的数据库配置信息，确定待接入的数据；其中，所述数据库配置信息至少包括数据库名和表名；

步骤s102：根据所述数据库名和数据表名，将所述待接入的数据实时发送至不同的消息队列中；

步骤s103：将消息队列中的待接入的数据实时存储至数据仓库表，以实现实时数据仓库。

对于步骤s101，用户可以预先配置需要从线上数据库(例如mysql)的配置信息，如ip、端口号、数据库名、表名和表结构信息(例如字段信息)、接入方式(分库分表、标准表)等。基于该配置信息可以生成配置文件，根据配置文件可以确定待接入的数据。

具体的，确定待接入的数据的过程可以包括如下步骤：

根据预设的数据库配置信息，读取线上数据库中的日志，将所述日志作为待接入的数据。

其中，日志可以是指mysql数据库的binlog日志。其中，binlog是一个二进制格式的文件，用于记录用户对数据库更新的sql语句信息，例如更改数据库表和更改内容的sql语句(structuredquerylanguage，结构化查询语言)都会记录到binlog里，因此binlog里存储的都是数据库的变化消息。

对于步骤s102，在实际应用中，线上数据库中的数量可能不止一个，例如可以将不同业务线产生的数据存储到多个不同的线上数据库中，或者可以将同一条业务线不同时间产生的数据或不同类型的数据存储到不同的线上数据库中。因此，在本实施例中创建了多个消息队列，每个消息队列的主题不同，主题可以与数据源相对应，具体的，主题可以与数据库相对应，更具体的，主题可以与数据库中的表相对应。因此，在本实施例中，可以根据待接入数据的来源，将该待接入的数据发送至与其来源对应的消息队列中，具体的，可以根据待接入数据来自的数据库名，将该待接入的数据发送至对应的消息队列中，更具体的，可以根据待接入数据来自的数据库名和数据表名，将该待接入的数据发送至对应的消息队列中。

作为具体的示例，消息队列可以通过kafka实现。其中，kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者规模的网站中的所有动作流数据。

在可选的实施例中，所述日志的模式为行模式(row模式)。

在row模式下，日志会记录每一行数据被修改的形式，然后在slave端(从端)再对相同的数据进行修改，只记录要修改的数据，只有value(值)，不会有多表关联的情况。在row模式下，日志中可以不记录执行的sql语句的上下文相关的信息，仅仅只需要记录那一条记录被修改了，修改成什么样了，所以row模式下的日志内容会非常清楚的记录下每一行数据修改的细节。因此，采用row模式的日志，可以更好地还原线上数据库的数据。

对于步骤s103，可以根据预设的数据库配置信息中的表结构信息，可以确定线上数据库的表结构，然后，创建与该表结构相同的数据仓库表，将消息队列中的待接入数据实时存储至数据仓库表中，从而创建实时数据仓库。

本发明实施例的创建实时数据仓库的方法，能够快速还原线上数据库的数据，实现实时数据仓库，从而提高了数据利用率，降低了线上数据查询的压力。

作为具体的示例，实时数据仓库可以采用hadoop(hadoop是一个分布式系统基础架构)技术框架，能够很好的支持大数据量的查询与计算，相比直接查询线上数据库(mysql)来说，极大的降低了数据查询的压力。

由于数据实时接入数据仓库，尚未进行数据加工，因此在查询时，用户需要通过位点、时间戳、主键、分区配合，来进行查询。其中，位点是指记录数据读取时间的字符串标识。时间戳是指从1970年1月1日(utc/gmt的午夜)开始所经过的秒数,不考虑闰秒。

本发明实施例的方法整体上可以看作是两个任务。第一个任务为实时接入任务，该任务用于将线上数据库需要实时接入数据仓库的待接入数据发送至不同的消息队列中。第二部分为实时分发任务，用于将消息队列中的待接入数据发送至数据库表中，实现实时数据仓库。

作为具体的示例，上述实时接入任务和实时分发任务可以利用fregata和k8s实现。fregata是一个轻量级，超级快，大规模的基于基于spark的机器学习的框架，它提供了高水准的scalaapi(利用多范式的编程语言编写的应用程序编程接口)。fregata可以看作是一个实时数据接入管理平台，可以认为是数据接入过程中，所产生的一系列任务、表的管理平台，是一个管理客户端。k8s即kubernetes，是自动化容器操作的开源平台，这些操作包括部署、调度和节点集群间扩展。k8s可以看作是底层负责任务执行、资源分配等系统层的客户端，比如抓取线上数据库待接入的数据的逻辑，读取binlog的逻辑等都是部署在k8s上的镜像脚本，fregata中的任务每次执行时，都会去k8s中拉取脚本，在k8s中执行与处理，结果及运行监控是展示在fregata的客户端。实时接入任务和实时分发任务均运行在k8s上，从而可以能够动态的对应用进行扩容，仅使用需要的资源，不会造成不必要的资源浪费。

图2是根据本发明实施例的创建实时数据仓库的装置200的主要模块的示意图，如图2所示，该装置200包括：

待接入数据确定模块201，用于根据预设的数据库配置信息，确定待接入的数据；其中，所述数据库配置信息至少包括数据库名和表名；

实时消息订阅模块202，用于根据所述数据库名和数据表名，将所述待接入的数据实时发送至不同的消息队列中；

实时存储模块203，用于将消息队列中的待接入的数据实时存储至数据仓库表，以实现实时数据仓库。

可选地，所述待接入数据确定模块201还用于：根据预设的数据库配置信息，读取线上数据库中的日志，将所述日志作为待接入的数据。

可选地，所述日志的模式为行模式。

可选地，所述数据库配置信息还包括表结构信息；所述实时存储模块还用于：根据所述表结构信息，确定线上数据库的表结构；创建与所述表结构相同的数据仓库表。

本发明实施例的实现实时数据仓库的装置，能够快速还原线上数据库的数据，实现实时数据仓库，从而提高了数据利用率，降低了线上数据查询的压力。

上述装置可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。

上述创建实时数据仓库的装置可以运行在k8s上，从而可以能够动态的对应用进行扩容，仅使用需要的资源，不会造成不必要的资源浪费。

图3示出了可以应用本发明实施例的创建实时数据仓库的方法或创建实时数据仓库的装置的示例性系统架构300。

如图3所示，系统架构300可以包括终端设备301、302、303，网络304和服务器305。网络304用以在终端设备301、302、303和服务器305之间提供通信链路的介质。网络304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301、302、303通过网络304与服务器305交互，以接收或发送消息等。终端设备301、302、303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。

终端设备301、302、303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305可以是提供各种服务的服务器，例如对用户利用终端设备301、302、303所浏览的购物类网站提供支持的后台管理服务器。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)反馈给终端设备。

需要说明的是，本发明实施例所提供的创建实时数据仓库的方法一般由服务器305执行，相应地，实现实时数据仓库的装置一般设置于服务器305中。

应该理解，图3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4，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400的结构示意图。图4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4所示，计算机系统400包括中央处理单元(cpu)401，其可以根据存储在只读存储器(rom)402中的程序或者从存储部分408加载到随机访问存储器(ram)403中的程序而执行各种适当的动作和处理。在ram403中，还存储有系统400操作所需的各种程序和数据。cpu401、rom402以及ram403通过总线404彼此相连。输入/输出(i/o)接口405也连接至总线404。

以下部件连接至i/o接口405：包括键盘、鼠标等的输入部分406；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407；包括硬盘等的存储部分408；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409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至i/o接口405。可拆卸介质411，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410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408。

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409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(cpu)401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：一种处理器包括发送模块、获取模块、确定模块和第一处理模块。其中，这些模块的名称在某种情况下并不构成对该单元本身的限定，例如，发送模块还可以被描述为“向所连接的服务端发送图片获取请求的模块”。

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：

根据预设的数据库配置信息，确定待接入的数据；其中，所述数据库配置信息至少包括数据库名和表名；

根据所述数据库名和表名，将所述待接入的数据实时发送至不同的消息队列中；

将消息队列中的待接入的数据实时存储至数据仓库表，以实现实时数据仓库。

本发明实施例的技术方案，能够快速还原线上数据库的数据，实现实时数据仓库，从而提高了数据利用率，降低了线上数据查询的压力。

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。