一种基于流式计算的数据存储的方法和装置与流程

1.本发明涉及大数据技术领域，尤其涉及一种基于流式计算的数据存储的方法和装置。


背景技术：

2.现有的流式计算过程是将明细数据或聚合后的实时结果数据存储在数据库中。但是在高性能场景下，存储明细数据会导致耗费存储，增加硬件资源成本，且大量的数据传输也会造成性能下降；此外，在大量数据计算过程中，将聚合后的实时结果数据存储在内存中，造成数据读写频率过高，主流内存存储中，写操作比读操作时间长，导致大量资源被写操作占用，影响读数据的性能。


技术实现要素：

3.有鉴于此，本发明实施例提供一种基于流式计算的数据存储的方法和装置，能够在高性能、大数据量场景下，减小数据存储耗费的存储资源，并保证数据查询的性能。
4.为实现上述目的，根据本发明实施例的一个方面，提供了一种基于流式计算的数据存储的方法，包括：
5.响应于接收到针对目标业务的流式数据的计算请求，从第一存储位置中获取所述目标业务对应的历史结果数据；
6.根据所述流式数据和所述历史结果数据确定所述目标业务对应的当前结果数据，并将所述当前结果数据存储在所述第一存储位置；
7.判断是否触发数据同步事件；
8.在触发数据同步事件的情况下，将所述当前结果数据同步至第二存储位置，以利用第二存储位置响应用户针对所述目标业务的数据查询请求。
9.可选地，所述数据同步事件包括：
10.所述历史结果数据和所述当前结果数据不在同一预设数据范围内；或者，确定出所述历史结果数据和所述当前结果数据的时间间隔大于预设时长。
11.可选地，在判断是否触发数据同步事件之前，还包括：根据所述流式数据的数值大小和/或所述计算请求的请求频率确定所述预设数据范围或所述预设时长。
12.可选地，在判断是否触发数据同步事件之前，还包括：设置所述预设数据范围的阶梯阈值。
13.可选地，从所述第一存储位置中获取所述目标业务对应的历史结果数据，包括：
14.确定所述计算请求对应的当前数据周期，从所述第一存储位置中获取所述目标业务在所述当前数据周期内的历史结果数据。
15.可选地，所述方法还包括：
16.遍历第一存储位置中历史数据周期内存储的各个历史结果数据；判断所述各个历史结果数据中是否存在未同步至第二存储位置的结果数据；若是，则将所述未同步至第二
存储位置的结果数据同步至第二存储位置。
17.可选地，所述第一存储位置和所述第二存储位置均为redis集群。
18.根据本发明实施例的再一个方面，提供了一种基于流式计算的数据存储的装置，包括：
19.获取模块，响应于接收到针对目标业务的流式数据的计算请求，从第一存储位置中获取所述目标业务对应的历史结果数据；
20.确定模块，根据所述流式数据和所述历史结果数据确定所述目标业务对应的当前结果数据，并将所述当前结果数据存储在所述第一存储位置；
21.判断模块，判断是否触发数据同步事件；在触发数据同步事件的情况下，将所述当前结果数据同步至第二存储位置，以利用第二存储位置响应用户针对所述目标业务的数据查询请求。
22.根据本发明实施例的另一个方面，提供了一种电子设备，包括：
23.一个或多个处理器；
24.存储装置，用于存储一个或多个程序，
25.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提供的基于流式计算的数据存储的方法。
26.根据本发明实施例的还一个方面，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提供的基于流式计算的数据存储的方法。
27.上述发明中的一个实施例具有如下优点或有益效果：通过在接收到目标业务的流式数据的计算请求时，从第一存储位置获取该目标业务的历史结果数据，然后计算得到当前结果数据，判断是否触发了数据同步事件，在触发数据同步事件的情况下，将当前结果数据同步到第二存储位置，从而可以使得用户在第二存储位置查询目标业务对应的数据。本发明实施例的方法在流式计算过程中，设置数据同步事件，在数据同步事件触发时，将实时聚合后的结果数据从第一存储位置同步到第二存储位置，节约了存储，实现了数据存储和数据查询功能的隔离，并降低了写操作对读操作的影响，从而提高查询数据的性能，满足高性能要求。
28.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
29.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：
30.图1是根据本发明实施例的一种基于流式计算的数据存储的方法的主要流程的示意图；
31.图2是根据本发明实施例的另一种基于流式计算的数据存储的方法的主要流程的示意图；
32.图3是本发明实施例的一种基于流式计算的数据存储的结构示意图；
33.图4是本发明实施例的一种基于流式计算的数据存储和数据查询的流程的示意图；
34.图5是根据本发明实施例的一种基于流式计算的数据存储的装置的主要模块的示
意图；
35.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；
36.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
37.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。
38.图1是根据本发明实施例的基于流式计算的数据存储的方法的主要流程的示意图，如图1所示，该方法包括以下步骤：
39.步骤s101：响应于接收到针对目标业务的流式数据的计算请求，从第一存储位置中获取目标业务对应的历史结果数据；
40.步骤s102：根据流式数据和历史结果数据确定目标业务对应的当前结果数据，并将当前结果数据存储在第一存储位置；
41.步骤s103：判断是否触发数据同步事件；若是，执行步骤s104，若否，执行步骤s105。
42.步骤s104：将当前结果数据同步至第二存储位置，以利用第二存储位置响应用户针对目标业务的数据查询请求；
43.步骤s105：不将当前结果数据同步至第二存储位置。
44.在本发明实施例的方法可应用于高性能、大数据量场景。流式计算可以为大数据流下的累计计算，流式数据可以为累计值，如用户24小时内的请求金额的累计结果，则每笔请求金额为流式数据，即流式数据可以为增量值，当接收到流式数据的计算请求时，获取历史结果数据，计算或聚合得到当前结果数据即累计结果，可以将历史结果数据和流式数据加和得到当前结果数据，将当前结果数据存储到第一存储位置，第一存储位置存储流式计算过程的结果数据，当触发数据同步事件时，将满足条件的当前结果数据同步到第二存储位置。
45.在本发明实施例中，数据同步事件可以为历史结果数据和当前结果数据不在同一预设数据范围内，即通过当历史结果数据和当前结果数据不在同一预设数据范围内时，会触发数据同步事件，若在同一预设范围内，则不触发数据同步事件。
46.在本发明实施例中，在判断是否触发数据同步事件之前，设置多个预设数据范围，多个预设数据范围可以为多个连续的数据范围，也可以为多个不连续的数据范围。多个预设数据范围中不存在重叠数据。例如，多个预设数据范围可以为0-10，10-15，15-25，25-50等多个连续的数据范围，也可以为0-10，15-25，30-50等多个不连续的数据范围，其中，每个预设数据范围包括右端点的数据(即阶梯阈值)，不包括左端点的数据。可选地，可以根据流式数据的数值大小设置预设数据范围。如流式数据的数值大小在5-10之间，则可以设置预设数据范围为0-10，10-15，15-25等；若流式数据的数值大小在100-150之间，可以设置预设数据范围为0-150，150-300，300-500等。
47.可选地，在判断是否触发数据同步事件之前，设置预设数据范围的阶梯阈值，即多个数据范围呈阶梯状。若历史结果数据和当前结果数据不在同一预设数据范围内，说明当前结果数据与历史结果数据不在同一阶梯上，即当前结果数据超过了或跨越了历史结果数据所在预设数据范围的阶梯阈值，此时就会触发数据同步事件。
48.可选地，阶梯阈值也可以根据目标业务的需求设定。例如，计算任务为“计算用户24小时内的请求金额”，该目标业务在使用时，配置了当用户在24小时内的请求金额大于10则返回true，则可以设置阶梯阈值为10，以进行后续业务操作；当用户在24小时内的第一次请求金额为5，则将5存储在第一存储位置；当用户第二次请求金额为10，则存储5+10＝15至第一存储位置，由于15大于阶梯阈值10，则触发数据同步事件。在进行数据同步时，累计请求金额每到达阶梯阈值一次则触发一次数据同步，从而减少了数据同步的频率，提升了数据查询的性能，保障目标业务的数据准确性。
49.在本发明实施例中，数据同步事件可以为确定出历史结果数据和当前结果数据的时间间隔大于预设时长。即当确定出历史结果数据的时间和确定出当前结果数据的时间间隔超过预设时长，则会触发数据同步事件，若不超过预设时长，则不触发数据同步时间。也就是说，该数据同步事件为定时触发，每间隔预设时长触发一次数据同步事件，例如，如每间隔2小时触发一次数据同步事件，在间隔的2小时之内不会触发数据同步事件。
50.可选地，在判断是否触发数据同步事件之前，根据计算请求的请求频率确定预设时长。若计算请求的请求频率较高，可以设置较短的预设时长，如计算请求的频率为2-3小时一次，则可以设置预设时长为6小时；若计算请求的请求频率较低，可以设置较长的预设时长，计算请求的请求频率为10-12小时一次，则可以设置预设时长为30小时。通过根据计算请求的请求频率设定预设时长，并在超过预设时长时触发数据同步事件，可以使得第二存储位置中的数据少于第一存储位置中存储的数据，降低了数据同步的频率，降低了数据同步对数据查询的影响，从而提高数据查询的性能。
51.在本发明实施例中，从第一存储位置中获取目标业务对应的历史结果数据，包括：确定计算请求对应的当前数据周期，从第一存储位置中获取目标业务在当前数据周期内的历史结果数据。
52.在本发明实施例中，该历史结果数据可以为目标业务最新的历史结果数据。当前数据周期可以根据业务需求设定，当前数据周期可以为预设时间范围，通过确定计算请求对应的预设时间范围，可以从第一存储位置中获取目标业务在该预设时间范围内的历史结果数据。可选地，从第一存储位置中获取目标业务对应的历史结果数据，也可以包括：从第一存储位置中获取目标业务的距离当前时刻最近的历史结果数据。
53.在本发明实施例中，如图2所示，该基于流式计算的数据存储的方法还包括：
54.步骤s201：遍历第一存储位置中历史数据周期内存储的各个历史结果数据；
55.步骤s202：判断各个历史结果数据中是否存在未同步至第二存储位置的结果数据；若是，执行步骤s203；若否，结束流程。
56.步骤s203：将未同步至第二存储位置的结果数据同步至第二存储位置。
57.由于第二存储位置中的数据为第一存储位置中实时聚合或计算得到的一部分结果数据，在通过第二存储位置进行数据查询时，可能会存在无法获得查询结果的情况，在这种情况下，为满足查询需求，可以将第一存储位置中未同步至第二存储位置的历史结果数
据同步至第二存储位置。可选地，可以根据历史数据周期进行同步。例如，可以在每天的24点获取该目标业务在0点至24点内的各个历史结果数据，然后将各个历史结果数据中未同步至第二存储位置的结果数据同步至第二存储位置，以满足用户在第二存储位置的数据查询需求。
58.在本发明实施例中，第一存储位置和第二存储位置均为redis集群，也可以为其他数据库，如mysql等。
59.第一存储位置和第二存储位置分别对应不同的redis集群，从而将第一存储位置和第二存储位置隔离，使得读数据操作和写数据操作分别对应不同的存储位置。其中，第一存储位置主要用于计算数据存储，可称为计算存储，第二存储位置主要用于数据查询，可称为查询存储。通过双存储的方式，能够避免计算的高频写操作与读操作竞争存储资源的cpu，网络以及存储资源，影响查询性能。
60.本发明实施例中，将第一存储位置用于存储流式计算过程中实时聚合或计算得到结果数据，节约了存储资源，降低了成本，也可以有效避免大量数据传输造成的性能下降的缺陷；第二存储位置用于存储第一存储位置同步过来的部分结果数据，节约了存储资源，减少了第二存储位置存储的数据量，减小了数据同步对查询的影响，提升了数据的查询性能，在有其他查询需求时也可以进行其他结果数据的同步。
61.如图3所示为本发明实施例的一种基于流式计算的数据存储的结构示意图。计算用户在24小时内的请求金额，设置多个预设范围0-10、10-15、15-25、25-35，对应的阶梯阈值分别为10、15、25和35；设置数据同步事件为当前结果数据与历史结果数据不在同一预设范围；接收到每笔请求金额时触发写入，然后将累计计算结果写入到第一存储位置；第一笔请求金额为5，将5写入到第一存储位置；第二笔请求金额为15，将累计计算结果5+15＝20写入到第一存储位置；判断出20与5不在同一阶梯上，20跨越了阶梯阈值15，此时触发数据同步事件，则将20同步到第二存储位置，以使从第二存储位置查询该结果；第三笔请求金额为30，将累计计算结果30+20＝50写入到第一存储位置，判断出50与20不在同一阶梯上，50跨越了阶梯阈值35，此时触发数据同步事件，则将50同步到第二存储位置，以使得从第二存储位置查询该结果。
62.如图4所示为本发明实施例的一种基于流式计算的数据存储和数据查询的流程示意图，
63.基于流式计算的数据存储流程：响应于接收到针对目标业务的流式数据的计算请求，从第一存储位置获取目标业务对应的历史结果数据；根据历史结果数据和流式数据获得当前结果数据，将当前结果数据存储到第一存储位置；判断当前结果数据与历史结果数据是否不在同一预设数据范围内，若是，将当前结果数据同步至第二存储位置；若否，结束流程；
64.基于流式计算的数据查询流程：响应于接收到针对目标业务的数据查询请求，根据数据查询请求生成查询标识，根据查询标识从第二存储位置查询对应的查询结果，根据该查询结果获得该数据查询请求对应的任务结果，返回任务结果，结束流程。
65.本发明实施例提供的基于流式计算的数据存储的方法，通过双存储的方式实现数据的存储和查询，将第一存储位置的数据存储与第二存储位置的数据查询隔离开，并采用触发数据同步的方式来同步数据，节约了存储，减小了数据的写操作对读操作的影响，提高
了数据查询的性能，实现对计算存储保留了较完整的数据，对查询存储保障了较好的性能，满足高性能、大数据量场景下数据的读写操作性能。
66.如图5所示，本发明实施例的另一方面提供一种基于流式计算的数据存储的装置500，包括：
67.获取模块501，响应于接收到针对目标业务的流式数据的计算请求，从第一存储位置中获取目标业务对应的历史结果数据；
68.确定模块502，根据流式数据和历史结果数据确定目标业务对应的当前结果数据，并将当前结果数据存储在第一存储位置；
69.判断模块503，判断是否触发数据同步事件；若是，将当前结果数据同步至第二存储位置，以利用第二存储位置响应用户针对目标业务的数据查询请求；否则，不将当前结果数据同步至第二存储位置。
70.在本发明实施例中，数据同步事件包括：历史结果数据和当前结果数据不在同一预设数据范围内；或者，确定出历史结果数据和当前结果数据的时间间隔大于预设时长。
71.在本发明实施例中，判断模块503，还用于：在判断是否触发数据同步事件之前，根据流式数据的数值大小和/或计算请求的请求频率确定预设数据范围或预设时长。
72.在本发明实施例中，判断模块503，还用于：在判断是否触发数据同步事件之前，设置预设数据范围的阶梯阈值。
73.在本发明实施例中，获取模块501，进一步用于：确定计算请求对应的当前数据周期，从第一存储位置中获取目标业务在当前数据周期内的历史结果数据。
74.在本发明实施例中，判断模块503，还用于：遍历第一存储位置中历史数据周期内存储的各个历史结果数据；判断各个历史结果数据中是否存在未同步至第二存储位置的结果数据；若是，则将未同步至第二存储位置的结果数据同步至第二存储位置。
75.在本发明实施例中，第一存储位置和第二存储位置均为redis集群。
76.本发明实施例的还一方面提供一种电子设备，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，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现本发明实施例的基于流式计算的数据存储的方法。
77.本发明实施例的再一方面提供一种计算机可读介质，其上存储有计算机程序，程序被处理器执行时实现本发明实施例的基于流式计算的数据存储的方法。
78.图6示出了可以应用本发明实施例的基于流式计算的数据存储的方法或基于流式计算的数据存储的装置的示例性系统架构600。
79.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。
80.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)。
81.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。
82.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。
83.需要说明的是，本发明实施例所提供的基于流式计算的数据存储的方法一般由服务器605执行，相应地，基于流式计算的数据存储的装置一般设置于服务器605中。
84.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。
85.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。
86.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ram 703中，还存储有系统700操作所需的各种程序和数据。cpu 701、rom 702以及ram 703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。
87.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。
88.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。
89.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。
90.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。
91.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、确定模块和判断模块。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，例如，获取模块还可以被描述为“响应于接收到针对目标业务的流式数据的计算请求，从第一存储位置中获取目标业务对应的历史结果数据的模块”。
92.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：响应于接收到针对目标业务的流式数据的计算请求，从第一存储位置中获取目标业务对应的历史结果数据；根据流式数据和历史结果数据确定目标业务对应的当前结果数据，并将当前结果数据存储在第一存储位置；判断是否触发数据同步事件；在触发数据同步事件的情况下，将当前结果数据同步至第二存储位置，以利用第二存储位置响应用户针对目标业务的数据查询请求。
93.根据本发明实施例的技术方案，通过双存储的方式实现数据的存储和查询，将第一存储位置的数据存储与第二存储位置的数据查询隔离开，并采用触发数据同步的方式来同步数据，节约了存储，减小了数据的写操作对读操作的影响，提高了数据查询的性能，实现对计算存储保留了较完整的数据，对查询存储保障了较好的性能，满足高性能、大数据量场景下数据的读写操作性能。
94.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。