数据正确性验证方法、装置、设备、系统及存储介质与流程

本发明实施例涉及数据处理技术领域，尤其涉及一种数据正确性验证方法、装置、设备、系统及存储介质。

背景技术：

随着大数据的发展，越来越多的领域应用到了大数据，大数据所产生的价值也被行业所认可，通过收集大量的数据并发掘数据中的价值，把数据展示给上层应用，以给用户提供更贴合于业务或场景的数据，提升产品价值。

现有技术在进行大数据分析时，通常仅对用户数据进行简单的人工筛选就拿来进行数据处理。这就导致在数据处理结果异常时，测试人员很难确定是由用户数据问题导致的数据处理结果异常，还是由软件程序问题引起的数据处理结果异常。

因此，发明人在实现本发明的过程中发现，现有技术无法保证大数据分析所使用的大数据的正确性的问题。

技术实现要素：

本发明提供一种数据正确性验证方法、装置、设备、系统及存储介质，解决现有技术无法保证大数据分析所基于的大数据的正确性的问题。

第一方面，本发明实施例提供了一种数据正确性验证方法，包括：

通过主题库提取待测数据的目标对象；

通过资源库提取待测数据中目标对象的关联数据和目标对象的关系数据；

通过图库确定所述目标对象与所述关联数据的第一对应关系，以及所述目标对象与所述关系数据的第二对应关系；并在所述第一对应关系与参考第一对应关系一致，以及所述第二对应关系与参考第二对应关系一致时，判定所述关联数据和所述关系数据符合所述待测数据对应的场景预期。

第二方面，本发明实施例还提供了一种数据正确性验证装置，该装置包括：

主题库提取模块：用于通过主题库提取待测数据的目标对象；

资源库提取模块：用于通过资源库提取待测数据中目标对象的关联数据和目标对象的关系数据；

图库确定模块：用于通过图库确定所述目标对象与所述关联数据的第一对应关系，以及所述目标对象与所述关系数据的第二对应关系；并在所述第一对应关系与参考第一关系一致，以及所述第二对应关系与参考第二对应关系一致时，判定所述关联数据和所述关系数据符合所述待测数据对应的场景预期。

第三方面，本发明实施例还提供了一种服务器设备，所述服务器设备包括：

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如本发明任意实施例所述的数据正确性验证方法。

第四方面，本发明实施例还提供了一种数据正确性验证系统，包括：

hadoop服务器，用于向用户展示待测数据验证过程中的中间数据；

主服务器，用于通过主题库提取待测数据的目标对象，并在通过主题库提取待测数据的目标对象时，向hadoop服务器发送所述目标对象数据；通过资源库提取待测数据中目标对象的关联数据和目标对象的关系数据，并在通过资源库提取待测数据中目标对象的关联数据和目标对象的关系数据时，向hadoop服务器发送所述关联数据和所述关系数据；通过图库确定所述目标对象与所述关联数据的第一对应关系，以及所述目标对象与所述关系数据的第二对应关系；并在所述第一对应关系与参考第一关系一致，以及所述第二对应关系与参考第二对应关系一致时，判定所述关联数据和所述关系数据符合所述待测数据对应的场景预期。

第五方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施例所述的数据正确性验证方法。

本发明实施例提供的数据正确性验证方法的技术方案，通过主题库提取待测数据的目标对象，以及资源库提取待测数据中目标对象的关联数据和目标对象的关系数据，并在图库确定待测数据的目标对象与关联数据的第一对应关系，以及目标对象与关系数据的第二对应关系，并分析第一对应关系与第二对应关系是否分别于参考第一对应关系、参考第二对应关系一致；如果均一致，则认为该关联数据、关系数据符合待测数据所属场景对应的场景预期，可以理解的是，按此方法对所有场景下的待测数据进行分析，并仅将符合预期的关联数据和关系数据放入数据平台，即可保证参与数据分析的所有大数据的正确性，从而提高大数据分析结果的准确性。

附图说明

图1是本发明实施例一中的一种数据正确性验证方法的流程图；

图2是本发明实施例二中的另一种数据正确性验证方法的流程图；

图3是本发明实施例三中的一种数据正确性验证装置的结构示意图；

图4是本发明实施例四中的一种服务器设备的结构示意图；

图5a是本发明实施例五中的一种数据正确性验证系统的结构示意图；

图5b是本发明实施例五中的另一种数据正确性验证系统的结构示意图。

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。

实施例一

图1为本发明实施例一提供的一种数据正确性验证方法的流程图，本实施例可适用于验证数据正确性的情形，该方法可以由数据正确性验证装置来执行，该装置可以由硬件和/或软件来实现，该方法具体包括如下步骤：

s110、通过主题库提取待测数据的目标对象。

其中，待测数据可以指测试人员构造的符合测试规则的数据集合。待测数据包括各个目标对象、目标对象对应的关系数据以及目标对象对应的关联数据。每个待测数据对应着一个场景预期，其中，场景预期是测试人员根据分析产品需要呈现的内容确定的，如待测数据是目标用户在某段时间的行动路线轨迹数据或终端操作活动数据，则对应的场景预期为轨迹类或活动类。

s120、通过资源库提取待测数据中目标对象的关联数据和目标对象的关系数据。

其中，关联数据包括产生当前测试数据的目标对象的个人数据。关系数据包括产生当前测试数据的目标对象与其他目标对象之间的关系信息。比如，目标对象a的关联数据可以是目标对象a的手机号、qq号或微信账号等；目标对象a的关系数据可以是目标对象a的手机通讯录里的目标对象b的手机号、qq好友列表里的目标对象c的qq号或微信好友列表里的目标对象d的微信账号等等。

在本实施例中，通过主题库提取的目标对象和通过资源库提取的关联数据和关系数据均可以暂存于临时落地区域内，该临时落地区域在达到释放条件时将数据分别相应地存储于主题库和资源库。具体地，释放条件可以是预先设置的时间阈值或数据量阈值，时间阈值和数据量阈值可以根据数据存入速度来确定，通过将数据暂存于临时落地区域，再一次性存入的方式，减轻了服务器的数据处理量。

需要说明的是，资源库提取和主题库的提取操作可以同时进行，也可以分别进行。其中，目标对象、关联数据和关系数据文件格式可以是*.snapy格式。具体地，确认待测数据是否成功进入资源库和主题库，可以通过以下步骤实现：连接hdfs，切换至hadoop用户：su-hadoop，在输入zip包之前查看下当日base下的最新包，在输入zip包之后反复刷新此路径，直至出现今日最新的文件，查看方法为：hadoopfs-ls/resource/out/当前的日期/base/****(生成最近的时间点)，资源库提取文件以某种特定字符开头，主题库为以某种特定字符开头。

可选的，在通过主题库提取待测数据的目标对象时，向hadoop服务器发送目标对象数据；在通过资源库提取待测数据中目标对象的关联数据和目标对象的关系数据时，向hadoop服务器发送关联数据和关系数据。

其中，hadoop是一个分布式系统基础架构，可以实现分布式大数据存储和日志分析。将目标对象数据、目标对象的关联数据和关系数据发送至hadoop服务器后，hadoop服务器可以将存储的目标对象数据、目标对象的关联数据和关系数据进行展示。示例性的，测试人员可以登录hadoop服务器，使用hadoopfs-ls查看资源库输出文件的目录res，是否生成目标对象的关联数据和关系数据文件，也可以使用hadoopfs-ls查看主题库输出文件的主题对象的目录，是否生成目标对象数据文件，资源库的产出目录为hdfsdfs–ls/out/base/，主题库的产出目录为hdfsdfs–ls/resource/out_2/info，如果有文件生成证明资源库或主题库提取成功。通过将目标对象数据、目标对象的关联数据和关系数据发送至hadoop服务器，以使测试人员可以随时查看待测数据验证过程中的中间数据，提高了验证数据正确性的效率。

s130、通过图库确定目标对象与关联数据的第一对应关系，以及目标对象与关系数据的第二对应关系；并在第一对应关系与参考第一对应关系一致，以及第二对应关系与参考第二对应关系一致时，判定关联数据和关系数据符合待测数据对应的场景预期。

其中，图库可以用图形化的方式展示目标对象与关联数据的第一对应关系、以及目标对象与关系数据的第二对应关系。第一对应关系可以呈现各个目标对象与其对应的关联数据的对应关系，如对象a-关联数据a1、a2；对象b-关联数据b1、b2；第二对应关系可以呈现各个目标对象与其对应的关系数据的对应关系，如对象c-关系数据b1、a2。示例性的，确认目标对象的关联数据、关系数据和目标对象数据是否进入到图库的步骤可以是：进入到图数据库服务器图库的bin目录，执行./gremlin.sh进入客户端；连接表：graph＝janusgraphfactory.open(‘conf/gremlin-server/janusgraph-hbase-zhuti.properties’)；创建数据库实例：g＝graph.traversal()，依据准备的测试数据里面的值查询对象：g.v().has(‘字段名',‘对象a’).bothe()，如果有返回值，如a-a1、a2，b-b1、b2，c-b1、a2，则说明目标对象的关联数据、关系数据和目标对象数据成功进入到图库。

在本实施例中，参考第一对应关系、参考第二对应关系分别为构造待测数据时预先明确的目标对象与关联数据的对应关系、目标对象与关系数据的对应关系。若第一对应关系与参考第一对应关系一致，且第二对应关系与参考第二对应关系一致，则判定关联数据和关系数据符合待测数据对应的场景预期，并将该关联数据和关系数据放到数据平台的数据库中；若不一致，则判定该关联数据和关系数据不符合该待测数据对应的场景预期，直接放弃该待测数据。

本实施例的技术方案，通过主题库提取待测数据的目标对象，以及资源库提取待测数据中目标对象的关联数据和目标对象的关系数据，并在图库确定待测数据的目标对象与关联数据的第一对应关系，以及目标对象与关系数据的第二对应关系，并分析第一对应关系与第二对应关系是否分别与参考第一对应关系和参考第二对应关系一致；如果二者一致，则认为该关联数据、关系数据符合待测数据所属场景对应的场景预期，可以理解的是，按此方法对所有场景下的待测数据进行分析，并仅将符合预期的关联数据和关系数据放入数据平台，即可保证参与数据分析的所有大数据的正确性，从而提高大数据分析结果的准确性。

实施例二

图2为本发明实施例二提供的另一种数据正确性验证方法的流程图，本实施例在上述方案的基础上，在提取待测数据的场景标识以及目标对象的关联数据和关系数据之前，添加了对待测数据的构造和验证的步骤。如图2所示，该方法具体包括如下步骤：

s210、获取待测场景的测试数据，并对测试数据进行标准化，标准化包括必填项和关键字段的填充；将测试数据和测试数据对应的索引文件进行打包，以得到原始数据。

其中，待测场景是测试人员根据产品需呈现的内容确定出的应用场景。测试数据携带有场景信息。示例性的，若待测场景为轨迹类，确定n种得到轨迹的源数据，根据等价类划分法，在n种源数据中，分析覆盖度最高的几种源数据，从而确定测试数据。

测试数据确定之后，填充测试数据的必填项和关键字段，该测试数据以bcp文件格式存在。索引文件是用于为数据逻辑记录和物理记录之间建立关系的文件。可选的，将测试数据和测试数据对应的索引文件打包成zip文件作为原始数据。

s220、对接收的原始数据进行格式验证，并将通过格式验证的原始数据作为待测数据。

可选的，在对接收的原始数据进行格式验证，并将通过格式验证的原始数据作为待测数据的同时，还包括：在原始数据通过格式验证时，向kafka服务器发送验证结果。

kafka是一个开源流处理平台，一种高吞吐量的分布式发布订阅消息系统，目的是通过hadoop的并行加载机制来统一线上和离线的消息处理，也是为了通过集群来提供实时的消息，kafka服务器可以向用户展示格式验证结果。示例性的，kafka的监控日志可以展示kafka的topic节点是否产生输出信息，若产生输出信息，则说明构造的原始数据格式正确，将通过格式验证的原始数据作为待测数据。具体地，监控kafka输出日志的方法可以是：使用xshell工具连接kafka服务器，执行ktcmybcpdata命令以由命令行窗口打印输出日志。测试人员可以根据kafka服务器输出的日志内容，确定构造的原始数据格式是否正确，并对格式错误的原始数据重新进行构造，以提高验证数据正确性的效率。

s230、通过主题库提取待测数据的目标对象。

s240、通过资源库提取待测数据中目标对象的关联数据和目标对象的关系数据。

s250、通过图库确定目标对象与关联数据的第一对应关系，以及目标对象与关系数据的第二对应关系；并在第一对应关系与参考第一对应关系一致，以及第二对应关系与参考第二对应关系一致时，判定关联数据和关系数据符合所述待测数据对应的场景预期。

本发明实施例的技术方案，通过获取待测场景的测试数据，并对测试数据进行标准化，将测试数据和测试数据对应的索引文件进行打包以得到原始数据，并对接收的原始数据进行格式验证，将格式验证通过的原始数据确定为待测场景对应的待测数据，过滤掉构造失败的原始数据，提高了后续数据正确性验证的效率。

实施例三

图3为本发明实施例提供的一种数据正确性验证装置的结构示意图，该装置可由软件和/或硬件实现，一般集成在计算机设备中，可通过执行计算机设备的数据正确性验证方法实现对数据正确性的验证。如图3所示，该装置包括：主题库提取模块310、资源库提取模块320和图库确定模块330。主题库提取模块310用于通过主题库提取待测数据的目标对象；资源库提取模块320用于通过资源库提取待测数据中目标对象的关联数据和目标对象的关系数据；图库确定模块330用于通过图库确定目标对象与关联数据的第一对应关系，以及目标对象与关系数据的第二对应关系；并在第一对应关系与参考第一关系一致，以及第二对应关系与参考第二对应关系一致时，判定关联数据和关系数据符合待测数据对应的场景预期。

进一步的，上述数据正确性验证装置还包括：

原始数据构造模块，用于获取待测场景的测试数据，并对测试数据进行标准化，标准化包括必填项和关键字段的填充；将测试数据和测试数据对应的索引文件进行打包，以得到原始数据。

进一步的，上述数据正确性验证装置还包括：

数据格式验证模块，用于对接收的原始数据进行格式验证，并将通过格式验证的原始数据作为待测数据；并在原始数据通过格式验证时，向kafka服务器发送验证结果。

进一步的，上述数据正确性验证装置还包括：

数据发送模块，用于在通过主题库提取待测数据的目标对象时，向hadoop服务器发送目标对象数据；在通过资源库提取待测数据中目标对象的关联数据和目标对象的关系数据时，向hadoop服务器发送关联数据和关系数据。

本发明实施例所提供的数据正确性验证装置，通过主题库提取待测数据的目标对象，以及资源库提取待测数据中目标对象的关联数据和目标对象的关系数据，并在图库确定待测数据的目标对象与关联数据的第一对应关系，以及目标对象与关系数据的第二对应关系，并分析第一对应关系与第二对应关系是否分别与参考第一对应关系好参考第二对应关系一致；如果均一致，则认为该关联数据、关系数据符合待测数据所属场景对应的场景预期，可以理解的是，按此方法对所有场景下的待测数据进行分析，并仅将符合预期的关联数据和关系数据放入数据平台，即可保证参与数据分析的所有大数据的正确性，从而提高大数据分析结果的准确性。

本发明实施例所提供的数据正确性验证装置可执行本发明任意实施例所提供的数据正确性验证方法，具备执行方法相应的功能模块和有益效果。

值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。

实施例四

图4为本发明实施例四提供的一种服务器设备的结构示意图。图4示出了适于用来实现本发明实施例实施方式的示例性服务器设备40的框图。图4显示的服务器设备40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，服务器设备40以通用计算设备的形式表现。服务器设备40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401，系统存储器402，连接不同系统组件(包括系统存储器402和处理单元401)的总线403。

总线403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。

服务器设备40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服务器设备40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402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)404和/或高速缓存存储器405。服务器设备40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406可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4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403相连。存储器402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各实施例的功能。

具有一组(至少一个)程序模块407的程序/实用工具408，可以存储在例如存储器402中，这样的程序模块407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407通常执行本发明所描述的实施例中的功能和/或方法。

服务器设备40也可以与一个或多个外部设备409(例如键盘、指向设备、显示器410等)通信，还可与一个或者多个使得用户能与该服务器设备40交互的设备通信，和/或与使得该服务器设备40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411进行。并且，服务器设备40还可以通过网络适配器412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412通过总线403与服务器设备40的其它模块通信。应当明白，尽管图4中未示出，可以结合服务器设备40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401通过运行存储在系统存储器402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一种数据正确性验证方法。

实施例五

图5a为本发明实施例五提供的一种数据正确性验证系统的结构示意图。该系统可由软件和/或硬件实现，一般集成在计算机设备中，可通过执行计算机设备的数据正确性验证方法实现对数据正确性的验证。如图5a所示，该系统包括：hadoop服务器510和主服务器520。hadoop服务器510用于向用户展示待测数据验证过程中的中间数据；主服务器520用于通过资源库提取待测数据的场景标识以及目标对象的关联数据和关系数据；在通过资源库提取待测数据的场景标识以及目标对象的关联数据和关系数据时，向hadoop服务器发送关联数据和关系数据；通过主题库提取待测数据的目标对象；在通过主题库提取待测数据的目标对象时，向hadoop服务器发送目标对象数据；通过图库确定目标对象与关联数据的第一对应关系，以及目标对象与关系数据的第二对应关系；并在第一对应关系与参考第一关系一致，以及第二对应关系与参考第二对应关系一致时，判定场景标识对应的关联数据和关系数据符合预期。

本发明实施例所提供的数据正确性验证系统，包括主服务器和hadoop服务器，主服务器通过资源库和主题库提取目标对象数据、关联数据和关系数据，通过图库确定目标对象与关联数据的第一对应关系，以及目标对象与关系数据的第二对应关系，并将目标对象数据、关联数据和关系数据发送至hadoop服务器，hadoop服务器可以将存储的目标对象数据、目标对象的关联数据和关系数据进行展示，以使测试人员可以随时查看待测数据验证过程中的中间数据，提高了验证数据正确性的效率。

可选的，上述数据正确性验证系统还包括：

kafka服务器，用于向用户展示格式验证结果；主服务器还用于对接收的原始数据进行格式验证，并将通过格式验证的原始数据作为待测数据，以及向kafka服务器发送验证结果。

如图5b所示，为本发明实施例五提供的另一种数据正确性验证系统的结构示意图，包括：hadoop服务器510、主服务器520和kafka服务器530。本实施例通过将格式验证结果发送至kafka,kafka服务器可以向用户展示格式验证结果，以使测试人员可以根据kafka服务器确定构造的原始数据格式是否正确，对格式错误的原始数据重新进行构造，提高了验证数据正确性的效率。

实施例六

本发明实施例六还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种数据正确性验证方法，该方法包括：

通过主题库提取待测数据的目标对象；

通过资源库提取待测数据中目标对象的关联数据和目标对象的关系数据；

通过图库确定目标对象与关联数据的第一对应关系，以及目标对象与关系数据的第二对应关系；并在第一对应关系与参考第一对应关系一致，以及第二对应关系与参考第二对应关系一致时，判定关联数据和关系数据符合待测数据对应的场景预期。

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(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)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。