一种数据加工方法和系统与流程

本发明涉及大数据技术领域，尤其涉及一种数据加工方法和系统。

背景技术：

在现有的数据加工过程中，根据不同的业务场景，数据的处理会分为实时数据(流系统处理增量数据)和离线数据(批系统处理全量数据)，分别满足实时和t+n的数据查看需求。如图1所示，在这两种方式下，使用的技术和语言也不同，而且往往环境独立，中间数据及数据模型也是独立的。

在实现本发明过程中，发明人发现实时数据加工和离线数据加工这两种方式存在如下问题：

底层数据模型不一致，因此应用层需要做大量的拼接逻辑，导致产出时效低，出错概率大；两套系统分别有自己的数据模型及存储层，均计算和存储了全量数据，导致成本高，资源利用率低；一个业务逻辑，两套代码，逻辑不能复用，数据一致性和质量难以保证；任务执行上，集群无法做到错峰，资源利用率较低。

技术实现要素：

有鉴于此，本发明实施例提供一种数据加工方法和系统，以解决资源利用率低、产出时效低、代码维护困难和数据一致性差等技术问题。

为实现上述目的，根据本发明实施例的一个方面，提供了一种数据加工方法，包括：

通过流处理框架的第一处理模块实时接收业务数据，对所述业务数据进行实时处理，以输出数据模型和宽表明细数据；

通过流处理框架的第二处理模块实时接收业务数据，对第一预设时间窗口内的业务数据进行处理，以输出数据模型和宽表明细数据；

通过批处理框架接收所述第一处理模块和/或所述第二处理模块发送的宽表明细数据，对第二预设时间窗口内的宽表明细数据进行处理，以输出数据模型和宽表明细数据。

可选地，所述第一预设时间窗口小于所述第二预设时间窗口。

可选地，实时接收业务数据，对所述业务数据进行实时处理，以输出数据模型和宽表明细数据，包括：

实时接收数据源推送的业务数据，对所述业务数据进行实时清洗，以输出数据模型和宽表明细数据；或者，

实时接收数据源推送的业务数据，对所述业务数据进行实时清洗，从维表中获取维度数据，结合所述维度数据对清洗后的所述业务数据进行处理，以输出数据模型和宽表明细数据。

可选地，输出数据模型和宽表明细数据之后，还包括：

将所述宽表明细数据发送至所述流处理框架的第二处理模块和/或所述批处理框架。

可选地，实时接收业务数据，对第一预设时间窗口内的业务数据进行处理，以输出数据模型和宽表明细数据，包括：

实时接收数据源推送的业务数据，对第一预设时间窗口内的业务数据进行处理，以输出数据模型和宽表明细数据；和/或，

接收所述第一处理模块发送的宽表明细数据，对第一预设时间窗口内的宽表明细数据进行处理，以输出数据模型和宽表明细数据。

可选地，输出数据模型和宽表明细数据之后，还包括：

将所述宽表明细数据发送至所述批处理框架。

可选地，所述流处理框架为apacheflink框架，所述批处理框架为hive框架。

另外，根据本发明实施例的另一个方面，提供了一种数据加工系统，包括流处理框架和批处理框架，其中，所述流处理框架包括第一处理模块和第二处理模块；

所述第一处理模块用于实时接收业务数据，对所述业务数据进行实时处理，以输出数据模型和宽表明细数据；

所述第二处理模块用于实时接收业务数据，对第一预设时间窗口内的业务数据进行处理，以输出数据模型和宽表明细数据；

所述批处理框架用于接收所述第一处理模块和/或所述第二处理模块发送的宽表明细数据，对第二预设时间窗口内的宽表明细数据进行处理，以输出数据模型和宽表明细数据。

可选地，所述第一预设时间窗口小于所述第二预设时间窗口。

可选地，所述第一处理模块还用于：

实时接收数据源推送的业务数据，对所述业务数据进行实时清洗，以输出数据模型和宽表明细数据；或者，

实时接收数据源推送的业务数据，对所述业务数据进行实时清洗，从维表中获取维度数据，结合所述维度数据对清洗后的所述业务数据进行处理，以输出数据模型和宽表明细数据。

可选地，所述第一处理模块还用于：

输出数据模型和宽表明细数据之后，将所述宽表明细数据发送至所述流处理框架的第二处理模块和/或所述批处理框架。

可选地，所述第二处理模块还用于：

实时接收数据源推送的业务数据，对第一预设时间窗口内的业务数据进行处理，以输出数据模型和宽表明细数据；和/或，

接收所述第一处理模块发送的宽表明细数据，对第一预设时间窗口内的宽表明细数据进行处理，以输出数据模型和宽表明细数据。

可选地，所述第二处理模块还用于：

输出数据模型和宽表明细数据之后，将所述宽表明细数据发送至所述批处理框架。

可选地，所述流处理框架为apacheflink框架，所述批处理框架为hive框架。

根据本发明实施例的另一个方面，还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时，所述一个或多个处理器实现上述任一实施例所述的方法。

根据本发明实施例的另一个方面，还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上述任一实施例所述的方法。

上述发明中的一个实施例具有如下优点或有益效果：因为采用通过流处理框架和批处理框架共同对业务数据进行处理，从而输出数据模型和宽表明细数据的技术手段，所以克服了现有技术中资源利用率低、产出时效低、代码维护困难和数据一致性差等技术问题。本发明实施例对数据分阶段处理，只需要一份全量数据，而且只需要处理一次，不存在重叠，从而提高了资源利用率和产出时效；而且每个环节代码统一，最终整体做到代码统一，数据一致性得到保证，能够降低代码维护难度；数据口径得到统一，无论是后期需求修改、迭代，还是应用落地不用再引用多套模版。因此，本发明实施例能够解决数据模型不一致，导致应用层落地效率低、易出错等问题。需要说明的是，在本发明的实施例中，数据分阶段处理，从而提高资源利用率和产出时效。

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是现有技术中的数据加工方法的主要流程的示意图；

图2是根据本发明实施例的数据加工方法的主要流程的示意图；

图3是根据本发明一个可参考实施例的数据加工方法的主要流程的示意图；

图4是根据本发明另一个可参考实施例的数据加工方法的主要流程的示意图；

图5是根据本发明实施例的数据加工系统的主要模块的示意图；

图6是本发明实施例可以应用于其中的示例性系统架构图；

图7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2是根据本发明实施例的数据加工方法的主要流程的示意图。作为本发明的一个实施例，如图2所示，所述数据加工方法可以包括：

步骤201，通过流处理框架的第一处理模块实时接收业务数据，对所述业务数据进行实时处理，以输出数据模型和宽表明细数据。

流处理框架的第一处理模块实时接收各个数据源推送的业务数据，这些业务数据均为增量数据，流处理框架的第一处理模块对所述业务数据进行数据加工处理，从而得到并输出数据模型和宽表明细数据。可选地，数据源可以是业务系统，所述业务系统不断地产生业务数据，并实时地将产生的业务数据推送至流处理框架的第一处理模块。可选地，数据源也可以是数据仓库，所述数据仓库不断地将新增的业务数据推送至流处理框架的第一处理模块。可选地，所述数据源还可以主题域，所述主题域将相关的增量业务数据推送至流处理框架的第一处理模块。流处理框架的第一处理模块对业务数据进行实时流处理，单条数据处理时间为秒级。

可选地，实时接收业务数据，对所述业务数据进行实时处理，以输出数据模型和宽表明细数据，包括：实时接收数据源推送的业务数据，对所述业务数据进行实时清洗，以输出数据模型和宽表明细数据；或者，实时接收数据源推送的业务数据，对所述业务数据进行实时清洗，从维表中获取维度数据，结合所述维度数据对清洗后的所述业务数据进行处理，以输出数据模型和宽表明细数据。

在本发明的一个实施例中，流处理框架的第一处理模块实时接收数据源推送的增量业务数据，并对所述业务数据进行数据清洗，从而得到并输出数据模型和宽表明细数据。如图3所示，假设对某品牌的物品有日常运营监管的需求，那么当增量业务数据入流时，清洗掉其他品牌的业务数据，只保留该品牌的业务数据，在该实施例中数据的流转过程为：->流。

在本发明的另一个实施例中，流处理框架的第一处理模块实时接收数据源推送的增量业务数据，先对所述业务数据进行数据清洗，然后从维表中获取维度数据，并结合所述维度数据对清洗后的所述业务数据进行处理，从而得到并输出数据模型和宽表明细数据。如图3所示，假设对某品牌的物品有日常运营监管的需求，那么当增量业务数据入流时，清洗掉其他品牌的业务数据，只保留该品牌的业务数据，作为订单流入明细，然后从维表中获取物品数量、物品金额、发货地、收货地等维度数据，结合这些维度数据可以得到订单明细数据，作为日常监控，在该实施例中数据的流转过程为：->流->明细。

可选地，输出数据模型和宽表明细数据之后，还包括：将所述宽表明细数据发送至流处理框架的第二处理模块和/或批处理框架。在本发明的一个实施例中，流处理框架的第一处理模块输出数据模型和宽表明细数据之后，还可以进一步地将所述宽表明细数据发送至流处理框架的第二处理模块，由流处理框架的第二处理模块继续对宽表明细数据进行加工处理。如图3所示，明细数据流转到小批，可实现日报告，在该实施例中数据的流转过程为：->流->明细->小批。在本发明的另一个实施例中，流处理框架的第一处理模块输出数据模型和宽表明细数据之后，还可以进一步地将所述宽表明细数据发送至批处理框架，由批处理框架对宽表明细数据进行加工处理。如图3所示，月、季、年等周期太大，流或小批的处理效能比太低，转由批处理，可以提高处理效率，在该实施例中数据的流转过程为：->流->明细->批。

例如，通过从维表中获取的发货地、收货地等维度数据，可以分析出流入地排行，从而为选择哪几个地区提供参考，如果是日周级别的数据加工，可以发送给流处理框架的第二处理模块(即小批)，如果是其他级别的数据加工，则发送给批处理框架(即批)。

步骤202，通过流处理框架的第二处理模块实时接收业务数据，对第一预设时间窗口内的业务数据进行处理，以输出数据模型和宽表明细数据。

流处理框架的第二处理模块实时接收增量业务数据，并按照第一预设时间窗口，对该窗口大小内的各个业务数据进行数据加工，从而得到并输出数据模型和宽表明细数据。流处理框架的第二处理模块进行轻量级的汇总数据，如10分钟达成率、每小时出库量，经由图3中的“小批”处理，时效为m(分钟)+n或h(小时)+n。

可选地，实时接收业务数据，对第一预设时间窗口内的业务数据进行处理，以输出数据模型和宽表明细数据，包括：实时接收数据源推送的业务数据，对第一预设时间窗口内的业务数据进行处理，以输出数据模型和宽表明细数据；和/或，接收所述第一处理模块发送的宽表明细数据，对第一预设时间窗口内的宽表明细数据进行处理，以输出数据模型和宽表明细数据。

在本发明的一个实施例中，流处理框架的第二处理模块实时接收各个数据源推送的业务数据，这些业务数据均为增量数据，流处理框架的第二处理模块对第一预设时间窗口内的所述业务数据进行数据加工处理，从而得到并输出数据模型和宽表明细数据。可选地，数据源可以是业务系统，所述业务系统不断地产生业务数据，并实时地将产生的业务数据推送至流处理框架的第二处理模块。可选地，数据源也可以是数据仓库，所述数据仓库不断地将新增的业务数据推送至流处理框架的第二处理模块。可选地，所述数据源还可以主题域，所述主题域将相关的增量业务数据推送至流处理框架的第二处理模块。

在本发明的另一个实施例中，流处理框架的第二处理模块接收第一处理模块发送的宽表明细数据，然后按照第一预设时间窗口，对该窗口大小内的宽表明细数据进行数据加工，从而得到并输出数据模型和宽表明细数据。在该实施例中，数据的流转过程为：->流->明细->小批。例如，假设需求为一天内每小时销量，那么数据的流转过程为：->流->明细->小批。

可选地，所述流处理框架可以是apachestorm，trident，sparkstreaming，samza和apacheflink中的一种。较佳地，所述流处理框架为apacheflink框架，该框架不但可以对业务数据进行实时处理，还可以对业务数据进行批处理。

可选地，输出数据模型和宽表明细数据之后，还包括：将所述宽表明细数据发送至所述批处理框架。流处理框架的第二处理模块输出数据模型和宽表明细数据之后，还可以进一步将宽表明细数据发送至批处理框架。如图3所示，月、季、年等周期太大，流或小批的处理效能比太低，转由批处理，可以提高处理效率，在该实施例中数据的流转过程为：->流->明细->小批->批。

步骤203，通过批处理框架接收所述第一处理模块和/或所述第二处理模块发送的宽表明细数据，对第二预设时间窗口内的宽表明细数据进行处理，以输出数据模型和宽表明细数据。

在本发明的实施例中，批处理框架不再接收数据源推送的全量数据，而是接收流处理框架的第一处理模块发送的宽表明细数据和/或第二处理模块发送的宽表明细数据，批处理框架对第二预设时间窗口内的宽表明细数据进行数据加工，从而得到并输出数据模型和宽表明细数据。

可选地，所述第一预设时间窗口小于所述第二预设时间窗口。为了便于理解，本发明实施例将流处理框架的第二处理模块处理的数据称为小批，将批处理框架处理的数据称为批，小批的时间窗口小于批的时间窗口。

批处理框架直接汇总出业务结算类数据，如周/月/季/年汇总报表、指标卡，时效为t(天)+n，不再处理拉链数据(chain)和维表数据，也不再处理大量数据的整合加工工作。

可选地，所述流处理框架可以是spring-batch和hive中的一种，较佳地，所述批处理框架为hive框架，该框架可以与流处理框架结合，接收流处理框架发送过来的宽表明细数据，对宽表明细数据进行批处理。

如图3所示，如果需求是仓库基础信息，比如区域省市地归属信息，这类信息变化不是很频繁，可以直接生成维表，那么数据的流转过程为：->流->明细->维表或者->流->明细->批->维表。

步骤201-203中生成数据模型和宽表明细数据可以存储到数据库中，所有环节完成后，统一对外提供接口。

根据上面所述的各种实施例，可以看出本发明实施例通过流处理框架和批处理框架共同对业务数据进行处理，从而输出数据模型和宽表明细数据的技术手段，解决了现有技术中资源利用率低、产出时效低、代码维护困难和数据一致性差等技术问题。通过以上流程可看出，在本发明的实施例中，数据分阶段处理，只需要一份全量数据，而且只需要处理一次，不存在重叠，从而提高了资源利用率和产出时效；而且每个环节代码统一，最终整体做到代码统一，数据一致性得到保证，能够降低代码维护难度；数据口径得到统一，无论是后期需求修改、迭代，还是应用落地不用再引用多套模版。因此，本发明实施例能够解决数据模型不一致，导致应用层落地效率低、易出错等问题。需要说明的是，在本发明的实施例中，数据分阶段处理，从而提高资源利用率和产出时效。

图4是根据本发明另一个可参考实施例的数据加工方法的主要流程的示意图。作为本发明的另一个实施例，如图4所示，所述数据加工方法可以包括：

流处理框架的第一处理模块实时接收各个数据源推送的业务数据，这些业务数据均为增量数据，流处理框架的第一处理模块对所述业务数据进行数据加工处理，从而得到并输出数据模型和宽表明细数据。例如，流处理框架的第一处理模块实时接收数据源推送的增量业务数据，并对所述业务数据进行数据清洗，从而得到并输出数据模型和宽表明细数据，该数据的流转过程为：->流。

流处理框架的第一处理模块实时接收数据源推送的增量业务数据，先对所述业务数据进行数据清洗，然后从维表中获取维度数据，并结合所述维度数据对清洗后的所述业务数据进行处理，从而得到并输出数据模型和宽表明细数据，该数据的流转过程为：->流->明细。

进一步地，流处理框架的第一处理模块输出数据模型和宽表明细数据之后，将所述宽表明细数据发送至流处理框架的第二处理模块，由流处理框架的第二处理模块继续对宽表明细数据进行加工处理，该数据的流转过程为：->流->明细->小批。

进一步地，流处理框架的第一处理模块输出数据模型和宽表明细数据之后，将所述宽表明细数据发送至批处理框架，由批处理框架继续对宽表明细数据进行加工处理，该数据的流转过程为：->流->明细->批。

流处理框架的第二处理模块实时接收各个数据源推送的业务数据，这些业务数据均为增量数据，流处理框架的第二处理模块对第一预设时间窗口内的所述业务数据进行数据加工处理，从而得到并输出数据模型和宽表明细数据，该数据的流转过程为：->小批。

流处理框架的第二处理模块接收第一处理模块发送的宽表明细数据，然后按照第一预设时间窗口，对该窗口大小内的宽表明细数据进行数据加工，从而得到并输出数据模型和宽表明细数据，该数据的流转过程为：->流->明细->小批。

进一步地，流处理框架的第二处理模块输出数据模型和宽表明细数据之后，还可以进一步将宽表明细数据发送至批处理框架，该数据的流转过程为：->流->明细->小批->批。

在本发明的实施例中，批处理框架不再接收数据源推送的全量数据，而是接收流处理框架的第一处理模块发送的宽表明细数据和/或第二处理模块发送的宽表明细数据，批处理框架对第二预设时间窗口内的宽表明细数据进行数据加工，从而得到并输出数据模型和宽表明细数据。

可选地，所述第一预设时间窗口小于所述第二预设时间窗口。为了便于理解，本发明实施例将流处理框架的第二处理模块处理的数据称为小批，将批处理框架处理的数据称为批，小批的时间窗口小于批的时间窗口。

需要指出的是，在本发明的实施例中，上述数据流转过程可以只执行其中的任意一条，可以执行其中的任意多条，还可以执行上述全部数据流转过程，根据业务需求来决定。复杂的需求执行全部的数据流转过程，而简单的需求可能只需要执行一条数据流转过程。

生成数据模型和宽表明细数据可以存储到数据库中，所有环节完成后，统一对外提供接口，应用调用接口就可以获得对应的数据模型。

另外，在本发明另一个可参考实施例中数据加工方法的具体实施内容，在上面所述数据加工方法中已经详细说明了，故在此重复内容不再说明。

图5是根据本发明实施例的数据加工系统的主要模块的示意图，如图5所示，所述数据加工系统500包括流处理框架501和批处理框架502，其中，所述流处理框架501包括第一处理模块和第二处理模块；

所述第一处理模块用于实时接收业务数据，对所述业务数据进行实时处理，以输出数据模型和宽表明细数据；

所述第二处理模块用于实时接收业务数据，对第一预设时间窗口内的业务数据进行处理，以输出数据模型和宽表明细数据；

所述批处理框架用于接收所述第一处理模块和/或所述第二处理模块发送的宽表明细数据，对第二预设时间窗口内的宽表明细数据进行处理，以输出数据模型和宽表明细数据。

可选地，所述第一预设时间窗口小于所述第二预设时间窗口。

可选地，所述第一处理模块还用于：

实时接收数据源推送的业务数据，对所述业务数据进行实时清洗，以输出数据模型和宽表明细数据；或者，

实时接收数据源推送的业务数据，对所述业务数据进行实时清洗，从维表中获取维度数据，结合所述维度数据对清洗后的所述业务数据进行处理，以输出数据模型和宽表明细数据。

可选地，所述第一处理模块还用于：

输出数据模型和宽表明细数据之后，将所述宽表明细数据发送至所述流处理框架的第二处理模块和/或所述批处理框架。

可选地，所述第二处理模块还用于：

实时接收数据源推送的业务数据，对第一预设时间窗口内的业务数据进行处理，以输出数据模型和宽表明细数据；和/或，

接收所述第一处理模块发送的宽表明细数据，对第一预设时间窗口内的宽表明细数据进行处理，以输出数据模型和宽表明细数据。

可选地，所述第二处理模块还用于：

输出数据模型和宽表明细数据之后，将所述宽表明细数据发送至所述批处理框架。

可选地，所述流处理框架为apacheflink框架，所述批处理框架为hive框架。

根据上面所述的各种实施例，可以看出本发明实施例通过流处理框架和批处理框架共同对业务数据进行处理，从而输出数据模型和宽表明细数据的技术手段，解决了现有技术中资源利用率低、产出时效低、代码维护困难和数据一致性差等技术问题。通过以上流程可看出，在本发明的实施例中，数据分阶段处理，只需要一份全量数据，而且只需要处理一次，不存在重叠，从而提高了资源利用率和产出时效；而且每个环节代码统一，最终整体做到代码统一，数据一致性得到保证，能够降低代码维护难度；数据口径得到统一，无论是后期需求修改、迭代，还是应用落地不用再引用多套模版。因此，本发明实施例能够解决数据模型不一致，导致应用层落地效率低、易出错等问题。需要说明的是，在本发明的实施例中，数据分阶段处理，从而提高资源利用率和产出时效。

需要说明的是，在本发明所述数据加工系统的具体实施内容，在上面所述数据加工方法中已经详细说明了，故在此重复内容不再说明。

图6示出了可以应用本发明实施例的数据加工方法或数据加工系统的示例性系统架构600。

如图6所示，系统架构600可以包括终端设备601、602、603，网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604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601、602、603通过网络604与服务器605交互，以接收或发送消息等。终端设备601、602、603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601、602、603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605可以是提供各种服务的服务器，例如对用户利用终端设备601、602、603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物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、物品信息——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加工方法一般由服务器605执行，相应地，所述数据加工系统一般设置在服务器605中。

应该理解，图6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7，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700的结构示意图。图7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7所示，计算机系统700包括中央处理单元(cpu)701，其可以根据存储在只读存储器(rom)702中的程序或者从存储部分708加载到随机访问存储器(ram)703中的程序而执行各种适当的动作和处理。在ram703中，还存储有系统700操作所需的各种程序和数据。cpu701、rom702以及ram703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。

以下部件连接至i/o接口705：包括键盘、鼠标等的输入部分706；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707；包括硬盘等的存储部分708；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709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至i/o接口705。可拆卸介质711，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710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708。

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，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709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(cpu)701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：一种处理器包括第一处理模块和第二处理模块，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，该设备实现如下方法：通过流处理框架的第一处理模块实时接收业务数据，对所述业务数据进行实时处理，以输出数据模型和宽表明细数据；通过流处理框架的第二处理模块实时接收业务数据，对第一预设时间窗口内的业务数据进行处理，以输出数据模型和宽表明细数据；通过批处理框架接收所述第一处理模块和/或所述第二处理模块发送的宽表明细数据，对第二预设时间窗口内的宽表明细数据进行处理，以输出数据模型和宽表明细数据。

根据本发明实施例的技术方案，因为采用通过流处理框架和批处理框架共同对业务数据进行处理，从而输出数据模型和宽表明细数据的技术手段，所以克服了现有技术中资源利用率低、产出时效低、代码维护困难和数据一致性差等技术问题。本发明实施例对数据分阶段处理，只需要一份全量数据，而且只需要处理一次，不存在重叠，从而提高了资源利用率和产出时效；而且每个环节代码统一，最终整体做到代码统一，数据一致性得到保证，能够降低代码维护难度；数据口径得到统一，无论是后期需求修改、迭代，还是应用落地不用再引用多套模版。因此，本发明实施例能够解决数据模型不一致，导致应用层落地效率低、易出错等问题。需要说明的是，在本发明的实施例中，数据分阶段处理，从而提高资源利用率和产出时效。

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。