设计及配置多级ETL任务规则的方法、系统、设备及介质与流程

设计及配置多级etl任务规则的方法、系统、设备及介质
技术领域
[0001]
本发明涉及etl领域，更具体地，特别是指一种设计及配置多级etl任务规则的方法、系统、计算机设备及可读介质。


背景技术：

[0002]
大数据时代，信息是现代企业的宝贵资源，也是企业运用科学管理、决策分析的基础。成倍速增长的数据量中，蕴含着巨大的商业价值，各公司纷纷追求对数据资源的最大化利用，以把握制定关键商业决策的最佳契机，进而催生了bi(商业智能)和etl(extract-transform-load，抽取、转换、加载)技术。etl是bi的核心和灵魂，其按照统一的规则集成并提高数据的价值，负责完成数据从数据源向目标数据仓库转化的过程。
[0003]
如果说数据仓库的模型设计是一座大厦的设计蓝图，数据是砖瓦的话，那么etl就是建设大厦的过程，而etl的规则设计和参数配置(巨型表单)则是工作量最大的。实际应用中，一个大的etl任务，往往包含多个子任务，每个子任务甚至又包含不同深度层级的子任务，这里每个子任务又都是一个完整的etl任务，如何能更准确设计多层etl任务的执行规则，如何避免填写巨型表单的繁琐工作，提高etl配置参数的效率，已成为用户共同面临的问题。


技术实现要素：

[0004]
有鉴于此，本发明实施例的目的在于提出一种设计及配置多级etl任务规则的方法、系统、计算机设备及计算机可读存储介质，通过图形化的拖拉拽，以及简单表单配置，完成繁琐的etl任务规则制定，提高了工作效率，降低了发生人为事故的风险，使整个etl任务：结构更清晰，配置更简洁，执行更安全，维护更方便。
[0005]
基于上述目的，本发明实施例的一方面提供了一种设计及配置多级etl任务规则的方法，包括如下步骤：基于可视化图形生成多级etl任务规则的初步设计与配置的配置信息；根据预定义的校验规则判断所述配置信息中的各项配置内容是否均符合要求；响应于所述配置信息中的各项配置内容均符合要求，根据etl任务的层级关系将各层画布输出的数据进行合并，以生成最终的多级etl任务规则；以及将最终的多级etl任务规则进行持久化存储。
[0006]
在一些实施方式中，所述基于可视化图形生成多级etl任务规则的初步设计与配置的配置信息包括：根据etl任务的层级关系将任务分解成叶子任务、节点任务和根任务，并对分解后的每个任务分配对应的画布。
[0007]
在一些实施方式中，所述基于可视化图形生成多级etl任务规则的初步设计与配置的配置信息包括：对分解后的每个任务生成带有任务id的图标并标识所述任务的层级。
[0008]
在一些实施方式中，所述根据etl任务的层级关系将各层画布输出的数据进行合并包括：将各层画布输出的数据从叶子任务按照层级关系逐层合并至根任务。
[0009]
在一些实施方式中，所述根据etl任务的层级关系将各层画布输出的数据进行合
并包括：判断当前画布对应的任务是否为根任务；以及响应于当前画布对应的任务不为根任务，根据画布id确定上级任务，并将所述当前画布输出的数据合并到所述上级任务对应的画布输出的数据中。
[0010]
在一些实施方式中，方法还包括：响应于查看已完成的etl任务规则，将持久化存储的最终的多级etl任务规则根据任务id的层级关系分解成根任务、节点任务和叶子任务对应的数据，并将所述数据进行可视化展示。
[0011]
在一些实施方式中，所述基于可视化图形生成多级etl任务规则的初步设计与配置的配置信息包括：根据叶子任务的任务类型的不同，将控件元素分成数据源、转换方式和数据目的三类。
[0012]
本发明实施例的另一方面，还提供了一种设计及配置多级etl任务规则系统，包括：可视化操作模块，配置用于基于可视化图形生成多级etl任务规则的初步设计与配置的配置信息；校验模块，配置用于根据预定义的校验规则判断所述配置信息中的各项配置内容是否均符合要求；聚合模块，配置用于响应于所述配置信息中的各项配置内容均符合要求，根据etl任务的层级关系将各层画布输出的数据进行合并，以生成最终的多级etl任务规则；以及存储模块，配置用于将最终的多级etl任务规则进行持久化存储。
[0013]
本发明实施例的又一方面，还提供了一种计算机设备，包括：至少一个处理器；以及存储器，所述存储器存储有可在所述处理器上运行的计算机指令，所述指令由所述处理器执行时实现如上方法的步骤。
[0014]
本发明实施例的再一方面，还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时实现如上方法步骤的计算机程序。
[0015]
本发明具有以下有益技术效果：通过图形化的拖拉拽，以及简单表单配置，完成繁琐的etl任务规则制定，提高了工作效率，降低了发生人为事故的风险，使整个etl任务：结构更清晰，配置更简洁，执行更安全，维护更方便。
附图说明
[0016]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。
[0017]
图1为本发明提供的设计及配置多级etl任务规则的方法的实施例的示意图；
[0018]
图2为etl任务分层结构示意图；
[0019]
图3为本发明提供的设计及配置多级etl任务规则的方法的实施例的流程图；
[0020]
图4本发明提供的设计及配置多级etl任务规则的计算机设备的实施例的硬件结构示意图。
具体实施方式
[0021]
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明实施例进一步详细说明。
[0022]
需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两
个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。
[0023]
基于上述目的，本发明实施例的第一个方面，提出了一种设计及配置多级etl任务规则的方法的实施例。图1示出的是本发明提供的设计及配置多级etl任务规则的方法的实施例的示意图。如图1所示，本发明实施例包括如下步骤：
[0024]
s1、基于可视化图形生成形成多级etl任务规则的初步设计与配置的配置信息；
[0025]
s2、根据预定义的校验规则判断配置信息中的各项配置内容是否均符合要求；
[0026]
s3、响应于配置信息中的各项配置内容均符合要求，根据etl任务的层级关系将各层画布输出的数据进行合并，以生成最终的多级etl任务规则；以及
[0027]
s4、将最终的多级etl任务规则进行持久化存储。
[0028]
etl：全称extract-transform-load，用来描述将数据从来源端经过抽取(extract)、转换(transform)、加载(load)至目的端的过程。etl是将业务系统的数据经过抽取、清洗转换之后加载到数据仓库的过程，目的是将企业中的分散、零乱、标准不统一的数据整合到一起，为企业的决策提供分析依据。
[0029]
本发明实施例在etl规则设计的过程中，将多个etl任务按顺序、按层级，并通过可视化技术，在不同层级的画布上进行规则的配置或展示，最终把所有配置信息依照层级关系自下而上聚合到一起。在很大程度上提高了制定etl规则的工作效率，简化了etl任务中各模块表单的配置信息，降低了在配置大表单过程中出现人为事故的风险，使整个etl任务：规则结构更清晰，配置更简洁，执行更安全，维护更方便。
[0030]
基于可视化图形生成(例如，通过可视化图形的拖拉拽和表单配置)形成多级etl任务规则的初步设计与配置的配置信息。
[0031]
在一些实施方式中，所述基于可视化图形生成多级etl任务规则的初步设计与配置的配置信息包括：根据etl任务的层级关系将任务分解成叶子任务、节点任务和根任务，并对分解后的每个任务分配对应的画布。
[0032]
在一些实施方式中，所述基于可视化图形生成多级etl任务规则的初步设计与配置的配置信息包括：对分解后的每个任务生成带有任务id的图标并标识所述任务的层级。
[0033]
在一些实施方式中，所述基于可视化图形生成多级etl任务规则的初步设计与配置的配置信息包括：根据叶子任务的任务类型的不同，将控件元素分成数据源、转换方式和数据目的三类。
[0034]
图2为etl任务分层结构示意图。如图2所示，根据每个etl任务不同的层级关系(最顶层任务为根任务，最底层任务为叶子任务，其余的中间任务为节点任务)，拆分出对应的画布，并进行规则的设计与配置。
[0035]
根任务具有唯一性。根任务与每个节点任务都对应一层画布(画布id对应任务id)，画布主要分为三个区域：预定义控件库、绘图区、配置表单。
[0036]
预定义的控件库：存放对应任务类型的控件元素，因为etl任务具有多种类型，如flume、sqoop、flinkx等，每种类型都有不同的配置信息。这些配置字段与类型的图标以json(java script object notation，是一种轻量级的数据交换格式，其简洁和清晰的层次结构使得json成为理想的数据交换语言，易于开发人员的阅读和编写，同时也易于机器解析和生成，能够有效地提升网络传输效率)数据的格式存放在预定义控件库内，并以图标
的形式展示在可视化操作页面上，在设计某个etl任务时，根据其任务类型从控件库内拖拽对应的图标到绘图区即可。
[0037]
绘图区：包括绘制选中任务的图标、任务间连线、以及删除任务等操作。任务控件被拖拽至绘图区，会为此任务生成一个带有任务id的图标来区分其他任务并标识其层级关系，例如：根任务id为task1，其下一级节点任务的id为task1-1，task1-2，task1-3，再下一级节点任务id为task1-1-1，task1-1-2，...，task1-3-2等。绘图区存在多个任务时，以有向箭头连线，来表示各任务的执行顺序。
[0038]
配置表单，根据当前选中的控件元素加载json数据，渲染表单，提供输入配置的文本框，如任务名称、描述、超时时间等，表单id对应当前选中的任务id。
[0039]
叶子任务，具有明确的任务类型(如flume\sqoop\flinkx等)，是真正执行etl工作流的任务，明确数据抽取(extract)、转换(transform)、加载(load)等所有操作项的具体规则。与根任务、节点任务相似，每个叶子任务也对应一层画布，画布也分为三个区域：预定义控件库、绘图区、配置表单。
[0040]
预定义控件库：根据etl任务exstract、transform、load三个环节，将控件元素分为数据源、转换方式、数据目的三类存放。例如：数据源可以包括hdfs、hive、mysql等，转换方式可以包括sql等，转换目的可以包括kafka、binlog等，每种类型的操作项都有不同的配置信息。这些配置信息与图标以json数据的格式存放在预定义控件库内，并以图标的形式展示在可视化操作页面上。制定etl任务时，分别选取各环节对应的控件元素至绘图区即可。
[0041]
绘图区：包括绘制操作项图标、操作项间连线、以及删除操作项等操作。操作项控件被拖拽至绘图区，会生成一个带有随机id的图标来区分其他操作项。绘图区存在多个操作项时，以有向箭头连线，来表示数据流向。
[0042]
配置表单，根据当前选中的控件元素加载json数据，渲染表单，提供输入配置的文本框，如数据源名称、表名、sql语句等，表单id对应当前选中的操作项id。
[0043]
在画布中，完成etl任务规则设计及参数配置后，通过可视化技术如d3、jsplumb等解析计算画布中每个控件数据、连线数据、位置数据，根据任务id、操作项id、表单id等合并各控件对应配置信息，并最终生成json格式的数据进行校验。
[0044]
根据预定义的校验规则判断配置信息中的各项配置内容是否均符合要求。校验单元根据预定义的校验规则，对接收到的json数据，逐条校验其合法性。例如，校验画布中控件是否为空，校验控件间的连线是否合法，校验表单配置项中的sql语句长度是否过长等。数据不合法则返回画布重新调整或撤销，直至全部数据都校验通过，将json数据进行聚合。另外，当校验单元遍历json数据遇到子json且有任务唯一标识(如taskid)时，则忽略不再校验，因为聚合的原理是自下而上合并，子任务的数据必定是已经校验通过的，为提高性能，无需重复校验。
[0045]
响应于配置信息中的各项配置内容均符合要求，根据etl任务的层级关系将各层画布输出的数据进行合并，以生成最终的多级etl任务规则。
[0046]
在一些实施方式中，所述根据etl任务的层级关系将各层画布输出的数据进行合并包括：将各层画布输出的数据从叶子任务按照层级关系逐层合并至根任务。
[0047]
在一些实施方式中，所述根据etl任务的层级关系将各层画布输出的数据进行合
并包括：判断当前画布对应的任务是否为根任务；以及响应于当前画布对应的任务不为根任务，根据画布id确定上级任务，并将所述当前画布输出的数据合并到所述上级任务对应的画布输出的数据中。当前画布的任务类型为叶子任务或节点任务时，根据画布id来寻找其上级任务，并将此json数据合并至上级任务对应的画布的json数据中；当前画布的任务类型为根任务时，直接将完整的json数据进行持久化。
[0048]
将最终的多级etl任务规则进行持久化存储。接收到json数据，根据其任务id持久化到数据库。在查看或维护etl任务的规则及配置信息时，根据任务id将数据返回给分解模块。
[0049]
在一些实施方式中，方法还包括：响应于查看已完成的etl任务规则，将持久化存储的最终的多级etl任务规则根据任务id的层级关系分解成根任务、节点任务和叶子任务对应的数据，并将所述数据进行可视化展示。将存储模块返回的json数据，根据任务唯一标识(如taskid)的层级关系分解成根任务、节点任务、叶子任务对应的json数据，并通过可视化技术如d3、jsplumb等将数据渲染到可视化操作单元的画布中。
[0050]
本发明分层级制定etl任务的规则及配置信息，对每条规则和配置进行合法性检验，逐层进行数据合并，并最终将完整的规则及配置数据持久化存储。通过图形化的拖拉拽，以及简单表单配置，完成繁琐的etl任务规则制定，提高了工作效率，降低了发生人为事故的风险，使整个etl任务：结构更清晰，配置更简洁，执行更安全，维护更方便。
[0051]
需要特别指出的是，上述设计及配置多级etl任务规则的方法的各个实施例中的各个步骤均可以相互交叉、替换、增加、删减，因此，这些合理的排列组合变换之于设计及配置多级etl任务规则的方法也应当属于本发明的保护范围，并且不应将本发明的保护范围局限在实施例之上。
[0052]
基于上述目的，本发明实施例的第二个方面，提出了一种设计及配置多级etl任务规则的系统，包括：可视化操作模块，配置用于基于可视化图形生成多级etl任务规则的初步设计与配置的配置信息；校验模块，配置用于根据预定义的校验规则判断所述配置信息中的各项配置内容是否均符合要求；聚合模块，配置用于响应于所述配置信息中的各项配置内容均符合要求，根据etl任务的层级关系将各层画布输出的数据进行合并，以生成最终的多级etl任务规则；以及存储模块，配置用于将最终的多级etl任务规则进行持久化存储。
[0053]
图3示出的是本发明提供的设计及配置多级etl任务规则的方法的实施例的流程图。如图3所示，在可视化操作模块基于可视化技术如d3、jsplumb等提供etl任务规则设计的画布、预定义控件库、exstract/transform/load等各模块的配置表单以及整个任务执行参数的配置表单，通过可视化图形的拖拉拽和简单的表单配置，完成etl任务的规则设计及配置，并最终把配置信息提交给校验模块；校验模块校验来自可视化操作模块的配置信息，根据各模块、各字段预定义的校验规则检查其各项配置内容是否合法，校验不通过则返回可视化操作模块进行修改调整，直至校验通过，将所有配置信息上送给聚合模块；聚合模块根据etl任务的层级关系，将各层画布输出的数据自下而上逐层合并至根任务，最终生成一个大的json数据，持久化到存储模块；存储模块持久化etl任务的配置信息。
[0054]
在一些实施方式中，所述可视化操作模块配置用于：根据etl任务的层级关系将任务分解成叶子任务、节点任务和根任务，并对分解后的每个任务分配对应的画布。
[0055]
在一些实施方式中，所述可视化操作模块配置用于：对分解后的每个任务生成带
有任务id的图标并标识所述任务的层级。
[0056]
在一些实施方式中，所述聚合模块配置用于：将各层画布输出的数据从叶子任务按照层级关系逐层合并至根任务。
[0057]
在一些实施方式中，所述聚合模块配置用于：判断当前画布对应的任务是否为根任务；以及响应于当前画布对应的任务不为根任务，根据画布id确定上级任务，并将所述当前画布输出的数据合并到所述上级任务对应的画布输出的数据中。
[0058]
在一些实施方式中，系统还包括：分解模块，配置用于响应于查看已完成的etl任务规则，将持久化存储的最终的多级etl任务规则根据任务id的层级关系分解成根任务、节点任务和叶子任务对应的数据，并将所述数据进行可视化展示。
[0059]
在一些实施方式中，所述可视化操作模块配置用于：根据叶子任务的任务类型的不同，将控件元素分成数据源、转换方式和数据目的三类。
[0060]
基于上述目的，本发明实施例的第三个方面，提出了一种计算机设备，包括：至少一个处理器；以及存储器，存储器存储有可在处理器上运行的计算机指令，指令由处理器执行以实现如下步骤：s1、基于可视化图形生成多级etl任务规则的初步设计与配置的配置信息；s2、根据预定义的校验规则判断配置信息中的各项配置内容是否均符合要求；s3、响应于配置信息中的各项配置内容均符合要求，根据etl任务的层级关系将各层画布输出的数据进行合并，以生成最终的多级etl任务规则；以及s4、将最终的多级etl任务规则进行持久化存储。
[0061]
在一些实施方式中，所述基于可视化图形生成多级etl任务规则的初步设计与配置的配置信息包括：根据etl任务的层级关系将任务分解成叶子任务、节点任务和根任务，并对分解后的每个任务分配对应的画布。
[0062]
在一些实施方式中，所述基于可视化图形生成多级etl任务规则的初步设计与配置的配置信息包括：对分解后的每个任务生成带有任务id的图标并标识所述任务的层级。
[0063]
在一些实施方式中，所述根据etl任务的层级关系将各层画布输出的数据进行合并包括：将各层画布输出的数据从叶子任务按照层级关系逐层合并至根任务。
[0064]
在一些实施方式中，所述根据etl任务的层级关系将各层画布输出的数据进行合并包括：判断当前画布对应的任务是否为根任务；以及响应于当前画布对应的任务不为根任务，根据画布id确定上级任务，并将所述当前画布输出的数据合并到所述上级任务对应的画布输出的数据中。
[0065]
在一些实施方式中，步骤还包括：响应于查看已完成的etl任务规则，将持久化存储的最终的多级etl任务规则根据任务id的层级关系分解成根任务、节点任务和叶子任务对应的数据，并将所述数据进行可视化展示。
[0066]
在一些实施方式中，所述基于可视化图形生成多级etl任务规则的初步设计与配置的配置信息包括：根据叶子任务的任务类型的不同，将控件元素分成数据源、转换方式和数据目的三类。
[0067]
如图4所示，为本发明提供的上述设计及配置多级etl任务规则的计算机设备的一个实施例的硬件结构示意图。
[0068]
以如图4所示的装置为例，在该装置中包括一个处理器301以及一个存储器302，并还可以包括：输入装置303和输出装置304。
[0069]
处理器301、存储器302、输入装置303和输出装置304可以通过总线或者其他方式连接，图4中以通过总线连接为例。
[0070]
存储器302作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的设计及配置多级etl任务规则的方法对应的程序指令/模块。处理器301通过运行存储在存储器302中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的设计及配置多级etl任务规则的方法。
[0071]
存储器302可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据设计及配置多级etl任务规则的方法的使用所创建的数据等。此外，存储器302可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器302可选包括相对于处理器301远程设置的存储器，这些远程存储器可以通过网络连接至本地模块。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0072]
输入装置303可接收输入的用户名和密码等信息。输出装置304可包括显示屏等显示设备。
[0073]
一个或者多个设计及配置多级etl任务规则的方法对应的程序指令/模块存储在存储器302中，当被处理器301执行时，执行上述任意方法实施例中的设计及配置多级etl任务规则的方法。
[0074]
执行上述设计及配置多级etl任务规则的方法的计算机设备的任何一个实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
[0075]
本发明还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时执行如上方法的计算机程序。
[0076]
最后需要说明的是，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关硬件来完成，设计及配置多级etl任务规则的方法的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，程序的存储介质可为磁碟、光盘、只读存储记忆体(rom)或随机存储记忆体(ram)等。上述计算机程序的实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
[0077]
以上是本发明公开的示例性实施例，但是应当注意，在不背离权利要求限定的本发明实施例公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。
[0078]
应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
[0079]
上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。
[0080]
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，程序可以存储于一种计算机可读存储介
质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0081]
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。