数据同步方法及装置、电子设备和存储介质与流程

所属的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。下面参考图6来描述根据本公开的这种实施例的电子设备600。图6显示的电子设备600仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。如图6所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：上述至少一个处理单元610、上述至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640。其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)621和/或高速缓存存储单元622，还可以进一步包括只读存储单元(rom)623。存储单元620可以包括具有一组(至少一个)程序模块625的程序/实用工具624，这样的程序模块625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。总线630可以表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。电子设备600也可以与一个或多个外部设备670(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、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650进行。并且，电子设备600还可以通过网络适配器660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660通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600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。通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。参考图7所示，描述了根据本发明的实施例的用于实现上述方法的程序产品700，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，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。所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。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。计算机可读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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。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、有线、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的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

背景技术：

1、传统关系型数据库是指采用了关系模型来组织数据的数据库，其以行和列的形式存储数据，以便于用户理解。传统关系型数据库针对海量数据的存储与联机分析处理(online analytical processing，olap)操作并不擅长，所以在实际应用中可以将数据从关系型数据库中同步到hadoop的数据仓库工具(hive)等数据库中，将hive数据库作为数据仓库用于长期数据的存储与olap运算。

2、例如，将数据从关系型数据库同步到hive的方案主要有两种：第一种是使用java数据库连接(java database connectivity，jdbc)的方式导入。第二种是使用数据迁移sqoop等开源工具采取批量抽取的方式将数据从源库抽取到hive中。但是上述方式在数据的同步过程中可能遇到一些性能瓶颈，导致同步效率较低。

3、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本公开的目的在于提供一种数据同步方法、数据同步装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服将关系型数据库中的数据同步至hive数据库时，通过jdbc方式导入或通过sqoop等工具采取批量抽取进而对源库产生较大负载的问题。

2、本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

3、根据本公开的第一方面，提供一种数据同步方法，包括：响应于接收到的数据同步任务，获取所述数据同步任务对应的源文件存储路径；所述源文件存储路径包括第一类型数据库中的文件存储路径；基于所述源文件存储路径下的当前文件夹数量，创建与所述数据同步任务数量匹配的监听线程对象；基于所述监听线程对象，确定所述源文件存储路径中每个文件夹下的待上传文件数量，根据各所述待上传文件数量确定每个所述文件夹对应的上传线程对象；通过所述上传线程对象，将所述源文件存储路径下的源数据文件存储至目标文件存储路径；所述目标文件存储路径包括第二类型数据库中的文件存储路径。

4、在本公开的一种示例性实施方案中，所述方法还包括：通过外接的应用程序提供任务配置界面，接收基于所述任务配置界面进行的任务配置操作；确定所述任务配置操作对应的任务配置参数，基于所述任务配置参数生成所述数据同步任务。

5、在本公开的一种示例性实施方案中，所述任务配置参数包括源文件存储路径、目标数据库、目标数据表、目标文件存储路径、异常文件存储路径、黑名单文件列表、白名单文件列表、上传线程资源数量与文件上传策略名称中的任意一种或多种的组合。

6、在本公开的一种示例性实施方案中，所述基于所述源文件存储路径下的当前文件夹数量，创建与所述数据同步任务数量匹配的监听线程对象，包括：获取预先配置的第一文件扫描周期；基于所述第一文件扫描周期对所述源文件存储路径进行扫描操作，确定当前时刻下所述源文件存储路径下的当前文件夹数量；根据所述当前文件夹数量确定与所述数据同步任务匹配的监听线程数量；基于所述监听线程数量实时新建或销毁所述监听线程对象。

7、在本公开的一种示例性实施方案中，所述根据各所述待上传文件数量确定每个所述文件夹对应的上传线程对象，包括：获取预先配置的文件数量阈值；如果所述待上传文件数量小于或等于所述文件数量阈值，则将所述文件夹对应的监听线程对象作为所述上传线程对象；如果所述待上传文件数量大于所述文件数量阈值，则从上传线程池中获取空闲线程对象作为所述上传线程对象。

8、在本公开的一种示例性实施方案中，所述从上传线程池中获取空闲线程对象作为所述上传线程对象，包括：基于所述文件数量阈值，对所述源数据文件进行切分处理，得到切分数据文件；从所述上传线程池中，获取所述空闲线程对象作为所述切分数据文件对应的上传线程对象。

9、在本公开的一种示例性实施方案中，所述通过所述上传线程对象，将所述源文件存储路径下的源数据文件存储至目标文件存储路径，包括：获取所述上传线程对象；由所述上传线程对象采用数据覆盖模式并通过数据存储接口，将所述源文件存储路径下的源数据文件存储至目标文件存储路径。

10、在本公开的一种示例性实施方案中，所述将所述源文件存储路径下的源数据文件存储至目标文件存储路径，包括：从所述第一类型数据库的临时存储区域，获取所述源文件存储路径下的源数据文件；获取所述源数据文件对应的文件上传策略；基于所述文件上传策略，生成所述源数据文件在所述第二类型数据库中对应的分区新增判断指令；根据所述分区新增判断指令与所述目标文件存储路径，存储所述源数据文件。

11、在本公开的一种示例性实施方案中，所述基于所述文件上传策略，生成所述源数据文件在所述第二类型数据库中对应的分区新增判断指令，包括：基于所述文件上传策略，对所述源数据文件的源文件名称进行名称解析操作，生成所述源数据文件对应的解析存储路径；确定所述第二类型数据库的已有存储路径中是否包含所述解析存储路径；如果所述已有存储路径中不包含所述解析存储路径，则生成所述创建新增分区指令。

12、在本公开的一种示例性实施方案中，所述根据所述分区新增判断指令与所述目标文件存储路径，存储所述源数据文件，包括：将所述源数据文件存储至所述目标文件存储路径；响应于所述分区新增判断指令为创建新增分区指令，执行新增分区操作，得到新增数据分区，将所述源数据文件存储至所述新增数据分区；如果所述新增分区操作执行失败，则将所述源数据文件从临时存储区域移动至异常文件存储路径；删除所述源文件存储路径下的源数据文件。

13、在本公开的一种示例性实施方案中，所述方法还包括：响应于异常文件监听程序的异常监听响应指令，基于所述异常监听响应指令确定异常文件路径；将所述异常文件路径下的异常文件移动至第一类型数据库的临时存储区域，以重新存储所述异常文件。

14、在本公开的一种示例性实施方案中，所述方法还包括：获取所述第一类型数据库中临时存储区域下的未上传文件数量，以及预先配置的临时文件阈值；如果所述未上传文件数量大于所述临时文件阈值，则生成上传异常指令；基于所述上传异常指令生成异常告警信息。

15、在本公开的一种示例性实施方案中，所述方法还包括：获取预先配置的第二文件扫描周期；基于所述第二文件扫描周期对归档文件存储路径下的数据文件进行文件扫描操作，筛选出过期文件；删除所述过期文件。

16、根据本公开的第二方面，提供一种数据同步装置，包括：参数获取模块，用于响应于接收到的数据同步任务，获取所述数据同步任务对应的源文件存储路径；所述源文件存储路径包括第一类型数据库中的文件存储路径；监听资源创建模块，用于基于所述源文件存储路径下的当前文件夹数量，创建与所述数据同步任务数量匹配的监听线程对象；上传资源创建模块，用于基于所述监听线程对象，确定所述源文件存储路径中每个文件夹下的待上传文件数量，根据各所述待上传文件数量确定每个所述文件夹对应的上传线程对象；数据存储模块，用于通过所述上传线程对象，将所述源文件存储路径下的源数据文件存储至目标文件存储路径；所述目标文件存储路径包括第二类型数据库中的文件存储路径。

17、在本公开的一种示例性实施方案中，所述数据同步装置还包括参数配置模块，用于：通过外接的应用程序提供任务配置界面，接收基于所述任务配置界面进行的任务配置操作；确定所述任务配置操作对应的任务配置参数，基于所述任务配置参数生成所述数据同步任务。

18、在本公开的一种示例性实施方案中，所述监听资源创建模块包括监听资源创建单元，用于：获取预先配置的第一文件扫描周期；基于所述第一文件扫描周期对所述源文件存储路径进行扫描操作，确定当前时刻下所述源文件存储路径下的当前文件夹数量；根据所述当前文件夹数量确定与所述数据同步任务匹配的监听线程数量；基于所述监听线程数量实时新建或销毁所述监听线程对象。

19、在本公开的一种示例性实施方案中，所述上传资源创建模块包括上传资源确定单元，用于：获取预先配置的文件数量阈值；如果所述待上传文件数量小于或等于所述文件数量阈值，则将所述文件夹对应的监听线程对象作为所述上传线程对象；如果所述待上传文件数量大于所述文件数量阈值，则从上传线程池中获取空闲线程对象作为所述上传线程对象。

20、在本公开的一种示例性实施方案中，所述线程资源确定单元包括线程对象获取子单元，用于：基于所述文件数量阈值，对所述源数据文件进行切分处理，得到切分数据文件；从所述上传线程池中，获取所述空闲线程对象作为所述切分数据文件对应的上传线程对象。

21、在本公开的一种示例性实施方案中，所述数据存储模块包括数据存储单元，用于：获取所述上传线程对象；由所述上传线程对象采用数据覆盖模式并通过数据存储接口，将所述源文件存储路径下的源数据文件存储至目标文件存储路径。

22、在本公开的一种示例性实施方案中，所述数据存储单元包括数据存储子单元，用于：从所述第一类型数据库的临时存储区域，获取所述源文件存储路径下的源数据文件；获取所述源数据文件对应的文件上传策略；基于所述文件上传策略，生成所述源数据文件在所述第二类型数据库中对应的分区新增判断指令；根据所述分区新增判断指令与所述目标文件存储路径，存储所述源数据文件。

23、在本公开的一种示例性实施方案中，所述数据存储子单元包括新增分区子单元，用于：基于所述文件上传策略，对所述源数据文件的源文件名称进行名称解析操作，生成所述源数据文件对应的解析存储路径；确定所述第二类型数据库的已有存储路径中是否包含所述解析存储路径；如果所述已有存储路径中不包含所述解析存储路径，则生成所述创建新增分区指令。

24、在本公开的一种示例性实施方案中，所述数据存储子单元被配置为执行：将所述源数据文件存储至所述目标文件存储路径；响应于所述分区新增判断指令为创建新增分区指令，执行新增分区操作，得到新增数据分区，将所述源数据文件存储至所述新增数据分区；如果所述新增分区操作执行失败，则将所述源数据文件从临时存储区域移动至异常文件存储路径；删除所述源文件存储路径下的源数据文件。

25、在本公开的一种示例性实施方案中，所述数据同步装置还包括异常文件处理模块，用于：响应于异常文件监听程序的异常监听响应指令，基于所述异常监听响应指令确定异常文件路径；将所述异常文件路径下的异常文件移动至第一类型数据库的临时存储区域，以重新存储所述异常文件。

26、在本公开的一种示例性实施方案中，所述数据同步装置还包括告警信息生成模块，用于：获取所述第一类型数据库中临时存储区域下的未上传文件数量，以及预先配置的临时文件阈值；如果所述未上传文件数量大于所述临时文件阈值，则生成上传异常指令；基于所述上传异常指令生成异常告警信息。

27、在本公开的一种示例性实施方案中，所述数据同步装置还包括过期文件处理模块，用于：获取预先配置的第二文件扫描周期；基于所述第二文件扫描周期对归档文件存储路径下的数据文件进行文件扫描操作，筛选出过期文件；删除所述过期文件。

28、根据本公开的第三方面，提供一种电子设备，包括：处理器；以及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的数据同步方法。

29、根据本公开的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据上述任意一项所述的数据同步方法。

30、本公开提供的技术方案可以包括以下有益效果：

31、本公开的示例性实施例中的数据同步方法，一方面，通过监听源数据文件路径将数据上传至目标数据库的目标文件存储路径，提供了一种不同类型数据库之间进行数据同步的方案，降低了源库与目标库的负载压力。另一方面，通过基于当前文件夹数量创建的监听线程对象进行文件扫描，并获取与文件数量对应的上传线程对象进行文件上传，可以在尽可能提高数据存储效率的同时，避免线程对象的浪费。

32、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。