CN108984770A - 用于处理数据的方法和装置 - Google Patents

用于处理数据的方法和装置 Download PDF

Info

Publication number
CN108984770A
CN108984770A CN201810812280.4A CN201810812280A CN108984770A CN 108984770 A CN108984770 A CN 108984770A CN 201810812280 A CN201810812280 A CN 201810812280A CN 108984770 A CN108984770 A CN 108984770A
Authority
CN
China
Prior art keywords
execution unit
targeted
targeted execution
pending data
unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810812280.4A
Other languages
English (en)
Inventor
高伟康
王炎林
邢越
张建伟
程怡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201810812280.4A priority Critical patent/CN108984770A/zh
Publication of CN108984770A publication Critical patent/CN108984770A/zh
Priority to US16/503,145 priority patent/US11416283B2/en
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G06F9/5077—Logical partitioning of resources; Management or configuration of virtualized resources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/4401—Bootstrapping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5061—Partitioning or combining of resources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/544—Buffers; Shared memory; Pipes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
    • G06F9/45533—Hypervisors; Virtual machine monitors
    • G06F9/45558—Hypervisor-specific management and integration aspects
    • G06F2009/45579—I/O management, e.g. providing access to device drivers or storage
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Information Transfer Between Computers (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请实施例公开了用于处理数据的方法和装置。该方法的一具体实施方式包括：获取目标执行单元的待调整数量，目标执行单元是流式计算***中执行目标程序段的单元；根据待调整数量调整流式计算***中的目标执行单元的数量；对于调整后的至少一个目标执行单元中的目标执行单元，确定与该目标执行单元对应的标识集合，标识集合中的标识用于指示待处理数据；通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据。该实施提高了处理数据的效率。

Description

用于处理数据的方法和装置
技术领域
本申请实施例涉及计算机技术领域，尤其涉及用于处理数据的方法和装置。
背景技术
流式计算广泛应用于信息流、搜索建库、检索计费等大型分布式计算场景中。流式计算是一种类似流水线式的数据处理模式，流式计算来自于一个理念：发生一个事件就立即进行一次数据处理，而不是将数据缓存起来批量处理。
流式计算***中流量一般有明显的波动，受突发事件、季节性等影响较大。为了保证服务质量并合理利用资源，需要在波峰时扩容，波谷时缩容。
当前流式计算***扩容与缩容时，需要先停止流式计算***中涉及的作业，更新并发数配置，再重新启动流式计算***涉及的作业。
发明内容
本申请实施例提出了用于处理数据的方法和装置。
第一方面，本申请实施例提供了一种用于处理数据的方法，该方法包括：获取目标执行单元的待调整数量，目标执行单元是流式计算***中执行目标程序段的单元；根据待调整数量调整流式计算***中的目标执行单元的数量；对于调整后的至少一个目标执行单元中的目标执行单元，确定与该目标执行单元对应的标识集合，标识集合中的标识用于指示待处理数据；通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据。
在一些实施例中，通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据之前，方法还包括：根据该目标执行单元的上游执行单元运行所生成的待处理数据的标识所属的标识集合，通过该目标执行单元的上游执行单元持久化所生成的待处理数据。
在一些实施例中，通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据之后，方法还包括：通过该目标执行单元向该目标执行单元的上游执行单元发送指示信息，指示信息用于指示已被该目标执行单元处理完成的该目标执行单元的上游执行单元运行所生成的待处理数据。
在一些实施例中，通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据，包括：重新启动调整后的至少一个目标执行单元；通过重新启动的该目标执行单元接收并处理该目标执行单元的上游执行单元发送的，与该目标执行单元对应的标识集合包括的标识所指示的持久化的待处理数据中，根据指示信息确定的未被该目标执行单元处理的待处理数据。
在一些实施例中，通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据，包括：根据流式计算***中的目标执行单元接收待处理数据的历史记录，对该目标执行单元的上游执行单元向该目标执行单元发送的待处理数据进行去重；通过该目标执行单元处理对应的标识集合中的标识所指示的去重后的待处理数据。
第二方面，本申请实施例提供了一种用于处理数据的装置，该装置包括：获取单元，被配置成获取目标执行单元的待调整数量，目标执行单元是流式计算***中执行目标程序段的单元；调整单元，被配置成根据待调整数量调整流式计算***中的目标执行单元的数量；处理单元，被配置成对于调整后的至少一个目标执行单元中的目标执行单元，确定与该目标执行单元对应的标识集合，标识集合中的标识用于指示待处理数据；通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据。
在一些实施例中，处理单元，包括：持久化子单元，被配置成根据该目标执行单元的上游执行单元运行所生成的待处理数据的标识所属的标识集合，通过该目标执行单元的上游执行单元持久化所生成的待处理数据。
在一些实施例中，处理单元，包括：发送子单元，被配置成通过该目标执行单元向该目标执行单元的上游执行单元发送指示信息，指示信息用于指示已被该目标执行单元处理完成的该目标执行单元的上游执行单元运行所生成的待处理数据。
在一些实施例中，处理单元，包括：启动子单元，被配置成重新启动调整后的至少一个目标执行单元；处理子单元，被配置成通过重新启动的该目标执行单元接收并处理该目标执行单元的上游执行单元发送的，与该目标执行单元对应的标识集合包括的标识所指示的持久化的待处理数据中，根据指示信息确定的未被该目标执行单元处理的待处理数据。
在一些实施例中，处理单元，包括：去重子单元，被配置成根据流式计算***中的目标执行单元接收待处理数据的历史记录，对该目标执行单元的上游执行单元向该目标执行单元发送的待处理数据进行去重；处理子单元，被配置成通过该目标执行单元处理对应的标识集合中的标识所指示的去重后的待处理数据。
第三方面，本申请实施例提供了一种设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如第一方面上述的方法。
第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面上述的方法。
本申请实施例提供的用于处理数据的方法和装置，通过获取目标执行单元的待调整数量，而后根据待调整数量调整流式计算***中的目标执行单元的数量，最后对于调整后的至少一个目标执行单元中的目标执行单元，确定与该目标执行单元对应的标识集合，并通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据，在流式计算***扩容与缩容时，不需要先停止流式计算***中涉及的作业，基于标识的重新确定目标执行单元的待处理数据，提高了处理数据的效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请的一个实施例可以应用于其中的示例性***架构图；
图2是根据本申请的用于处理数据的方法的一个实施例的流程图；
图3是根据本申请的用于处理数据的方法的应用场景的一个示意图；
图4是根据本申请的用于处理数据的方法的又一个实施例的流程图；
图5是根据本申请的用于处理数据的装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的服务器的计算机***的结构示意图。
具体实施方式
下面结合附图和实施例对本申请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相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于处理数据的方法或用于处理数据的装置的实施例的示例性***架构100。
如图1所示，***架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种应用，例如社交类应用、图像处理类应用、电子商务类应用、搜索类应用等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，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。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上安装的应用提供支持的后台服务器，服务器105可以获取目标执行单元的待调整数量，目标执行单元是流式计算***中执行目标程序段的单元；根据待调整数量调整流式计算***中的目标执行单元的数量；对于调整后的至少一个目标执行单元中的目标执行单元，确定与该目标执行单元对应的标识集合，标识集合中的标识用于指示待处理数据；通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据。
需要说明的是，本申请实施例所提供的用于处理数据的方法可以由服务器105执行，相应地，用于处理数据的装置可以设置于服务器105中。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1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。
继续参考图2，示出了根据本申请的用于处理数据的方法的一个实施例的流程200。该用于处理数据的方法，包括以下步骤：
步骤201，获取目标执行单元的待调整数量。
在本实施例中，用于处理数据的方法执行主体(例如图1所示的服务器)可以首先获取目标执行单元的待调整数量。目标执行单元是流式计算***中执行目标程序段的单元。流式计算***中可以包括控制节点和多个工作节点，工作节点也可以称为算子(Operator)，控制节点可以发送对应的控制指令给下属的工作节点，从而使得工作节点根据控制指令调用执行单元对业务产生的数据流进行处理。每个工作节点可以包含一个或多个执行单元，当工作节点被调用对数据流进行处理时，具体由工作节点所包含的执行单元来处理数据流，执行单元具体可以为线程或进程。
流式计算***中可以包括若干个个流式计算作业(Application)，每个流式计算作业由一些独立的计算逻辑(Processor)按照上下游订阅关系组成。在实际运行中，通过配置并发度(Parallelism)，计算逻辑可以以多进程的方式在多台服务器上分布式执行。数据(Tuple)在有上下游订阅关系的进程间通过远程过程调用(Remote Procedure Call，RPC)流动，数据处理过程中会产出给下游执行单元的待处理数据，以及会导致中间状态(State)的修改。执行单元可以是执行独立的计算逻辑的线程或进程，独立的计算逻辑具体表现为一段程序。
目标执行单元可以是流式计算***中需要修改其数量的单元，例如，负载过重时可以增加目标执行单元的数量。待调整数量可以是上述执行主体根据预先建立的负载情况与目标执行单元的数量的对应关系确定的，负载情况可以通过流量信息或处理速度信息体现；也可以是获取到并发度设置指令，根据并发度设置指令确定待调整数量。工作节点的并发度可以表示工作节点包含的执行单元的个数，例如工作节点的并发度为3，就表示工作节点可以调用3个执行单元来对数据流进行处理。
步骤202，根据待调整数量调整流式计算***中的目标执行单元的数量。
在本实施例中，上述执行主体可以根据步骤201中获取的待调整数量调整流式计算***中的目标执行单元的数量。如果流式计算***中实际运行的目标执行单元的数量与待调整数量相同，则可以不需要对其调整，如果流式计算***中实际运行的目标执行单元的数量与待调整数量不相同，则可以将待调整数量调整流式计算***中的目标执行单元的数量调整为待调整数量。
步骤203，对于调整后的至少一个目标执行单元中的目标执行单元，确定与该目标执行单元对应的标识集合。
在本实施例中，上述执行主体可以对于步骤202中调整后的至少一个目标执行单元中的目标执行单元，首先确定与该目标执行单元对应的标识集合，标识集合中的标识用于指示待处理数据。标识可以根据预设的规则产生，例如，可以根据数据生成顺序、生成时间、存储位置、来源等信息确定。
在这里，标识集合中包括用于指示执行单元的待处理数据的标识。标识集合中包括的标识在流式计算***中的目标执行单元的数量调整前后可以保持不变。作为示例，可以使用哈希算法将标识映射到标识集合，也可以通过其他方式预先建立标识与标识集合的对应关系。标识集合的总数在流式计算***中的目标执行单元的数量调整前后也可以保持不变，即流式计算***中的目标执行单元总体对应的标识集合保持不变，上述执行主体可以依照预先设置的规则调整各目标执行单元与各标识集合的映射关系，具体的规则可以根据实际需要进行设置，例如，考虑到负载均衡，可以平均为各目标执行单元分配标识集合。
在本实施例的一些可选实现方式中，通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据之前，方法还包括：根据该目标执行单元的上游执行单元运行所生成的待处理数据的标识所属的标识集合，通过该目标执行单元的上游执行单元持久化所生成的待处理数据。
在本实现方式中，目标执行单元的上游执行单元可以是向所述流式计算***中的目标执行单元提供待处理数据的单元。持久化是将程序数据在持久状态和瞬时状态间转换的机制。即瞬时数据(比如内存中的数据，是不能永久保存的)持久化为持久数据(比如持久化至数据库中，能够长久保存)。持久化可以包括全量持久化和增量持久化，增量持久化可以避免数据重复，进一步提高数据处理效率。根据待处理数据的标识所属的标识集合，持久化上游执行单元运行所生成的待处理数据，可以避免在流式计算***扩容或缩容时数据的丢失，进一步提高了数据处理效率。
步骤204，通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据。
在本实施例中，上述执行主体可以对于步骤202中调整后的至少一个目标执行单元中的目标执行单元，通过该目标执行单元处理步骤203中确定的与其对应的标识集合中的标识所指示的待处理数据。
在本实施例的一些可选实现方式中，通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据之后，方法还包括：通过该目标执行单元向该目标执行单元的上游执行单元发送指示信息，指示信息用于指示已被该目标执行单元处理完成的该目标执行单元的上游执行单元运行所生成的待处理数据。
在本实现方式中，指示信息也可以用于指示已被该目标执行单元成功接收的该目标执行单元的上游执行单元运行所生成的待处理数据，例如，确认字符(Acknowledgement，ACK)，在数据通信中，确认字符可以是接收方发给发送方的一种传输类控制字符，表示发来的数据已确认接收无误。通过指示信息的发送可以避免上游执行单元向目标执行单元下发重复的待处理数据，进一步提高了数据处理效率。
在本实施例的一些可选实现方式中，通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据，包括：重新启动调整后的至少一个目标执行单元；通过重新启动的该目标执行单元接收并处理该目标执行单元的上游执行单元发送的，与该目标执行单元对应的标识集合包括的标识所指示的持久化的待处理数据中，根据指示信息确定的未被该目标执行单元处理的待处理数据。
在本实现方式中，目标执行单元接收并处理与该目标执行单元对应的标识集合包括的标识所指示的持久化的待处理数据中，根据指示信息确定的未被该目标执行单元处理的待处理数据，在流式计算***扩容或缩容时保证了待处理数据的不重不丢，进一步提高了数据处理效率。
本申请的上述实施例提供的方法通过获取目标执行单元的待调整数量，目标执行单元是流式计算***中执行目标程序段的单元；根据待调整数量调整流式计算***中的目标执行单元的数量；对于调整后的至少一个目标执行单元中的目标执行单元，确定与该目标执行单元对应的标识集合，标识集合中的标识用于指示待处理数据；通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据，提供了一种基于标识的数据处理机制，由于标识集合是一个逻辑上的概念，几乎没有任何物理成本，设置非常灵活，提高了流式计算***扩缩容的灵活性。
进一步参考图3，其示出了用于处理数据的方法的又一个实施例的流程300。该用于处理数据的方法的流程300，包括以下步骤：
步骤301，获取目标执行单元的待调整数量。
在本实施例中，用于处理数据的方法执行主体(例如图1所示的服务器)可以首先获取目标执行单元的待调整数量。
步骤302，根据待调整数量调整流式计算***中的目标执行单元的数量。
在本实施例中，上述执行主体可以根据步骤301中获取的待调整数量调整流式计算***中的目标执行单元的数量。
步骤303，对于调整后的至少一个目标执行单元中的目标执行单元，确定与该目标执行单元对应的标识集合。
在本实施例中，上述执行主体可以对于步骤302中调整后的至少一个目标执行单元中的目标执行单元，首先确定与该目标执行单元对应的标识集合，标识集合中的标识用于指示待处理数据。
步骤304，根据流式计算***中的目标执行单元接收待处理数据的历史记录，对该目标执行单元的上游执行单元向该目标执行单元发送的待处理数据进行去重。
在本实施例中，上述执行主体可以根据流式计算***中的目标执行单元接收待处理数据的历史记录，对该目标执行单元的上游执行单元向该目标执行单元发送的待处理数据进行去重。上述执行主体可以去除目标执行单元的上游执行单元向该目标执行单元发送的待处理数据中与历史记录中记录的已接受待处理数据重复的数据，历史记录中可以包括已接受待处理数据的标识等信息。
步骤305，通过该目标执行单元处理对应的标识集合中的标识所指示的去重后的待处理数据。
在本实施例中，上述执行主体可以通过该目标执行单元处理步骤304中去重后的与该目标执行单元对应的标识集合中的标识所指示的待处理数据，以此，该目标执行单元可以仅处理没有被目标执行单元处理过的数据。
在本实施例中，步骤301、步骤302、步骤303的操作与步骤201、步骤203、步骤203的操作基本相同，在此不再赘述。
从图3中可以看出，与图2对应的实施例相比，本实施例中的用于处理数据的方法的流程300中上述执行主体通过过滤目标执行单元的上游执行单元向该目标执行单元发送的待处理数据中与历史记录中记录的接收过的数据重复的数据，可以避免数据的重复处理，进一步提高了信息处理效率。
继续参见图4，图4是根据本实施例的用于处理数据的方法的应用场景的一个示意图。在图4的应用场景中，流式计算***中包括目标执行单元402、目标执行单元402的上游执行单元401、目标执行单元402的下游执行单元403。流式计算***中的目标执行单元402的数量调整前为2，获取目标执行单元402的待调整数量为3，根据待调整数量将目标执行单元402的数量调整为3；调整前目标执行单元402中标识为0的单元对应的标识集合有kg0、kg1、kg2，标识为1的单元对应的标识集合有kg3、kg4、kg5；确定调整后目标执行单元402中标识为0的单元对应的标识集合有kg0、kg1，标识为1的单元对应的标识集合有kg2、kg3，标识为2的单元对应的标识集合有kg4、kg5。可以通过标识为0的单元处理标识集合kg0、kg1中的标识所指示的待处理数据，通过标识为1的单元处理标识集合kg2、kg3中的标识所指示的待处理数据，通过标识为2的单元处理标识集合kg4、kg5中的标识所指示的待处理数据。此外，目标执行单元402处理的数据还可以持久化于存储设备404中。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于处理数据的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的用于处理数据的装置500包括：获取单元501、调整单元502、处理单元503。其中，获取单元501，被配置成获取目标执行单元的待调整数量，目标执行单元是流式计算***中执行目标程序段的单元；调整单元502，被配置成根据待调整数量调整流式计算***中的目标执行单元的数量；处理单元503，被配置成对于调整后的至少一个目标执行单元中的目标执行单元，确定与该目标执行单元对应的标识集合，标识集合中的标识用于指示待处理数据；通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据。
在本实施例中，用于处理数据的装置500的获取单元501、调整单元502、处理单元503的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204。
在本实施例的一些可选实现方式中，处理单元503，包括：持久化子单元(图中未示出)，被配置成根据该目标执行单元的上游执行单元(图中未示出)运行所生成的待处理数据的标识所属的标识集合，通过该目标执行单元的上游执行单元持久化所生成的待处理数据。
在本实施例的一些可选实现方式中，处理单元503，包括：发送子单元(图中未示出)，被配置成通过该目标执行单元向该目标执行单元的上游执行单元(图中未示出)发送指示信息，指示信息用于指示已被该目标执行单元处理的该目标执行单元的上游执行单元(图中未示出)运行所生成的待处理数据。
在本实施例的一些可选实现方式中，处理单元503，包括：启动子单元(图中未示出)，被配置成重新启动调整后的至少一个目标执行单元；处理子单元(图中未示出)，被配置成通过重新启动的该目标执行单元接收并处理该目标执行单元的上游执行单元(图中未示出)发送的，与该目标执行单元对应的标识集合包括的标识所指示的持久化的待处理数据中，根据指示信息确定的未被该目标执行单元处理的待处理数据。
在本实施例的一些可选实现方式中，处理单元503，包括：去重子单元(图中未示出)，被配置成根据流式计算***中的目标执行单元接收待处理数据的历史记录，对该目标执行单元的上游执行单元(图中未示出)向该目标执行单元发送的待处理数据进行去重；处理子单元(图中未示出)，被配置成通过该目标执行单元处理对应的标识集合中的标识所指示的去重后的待处理数据。
本申请的上述实施例提供的装置，通过获取目标执行单元的待调整数量，目标执行单元是流式计算***中执行目标程序段的单元；根据待调整数量调整流式计算***中的目标执行单元的数量；对于调整后的至少一个目标执行单元中的目标执行单元，确定与该目标执行单元对应的标识集合，标识集合中的标识用于指示待处理数据；通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据，提供了一种基于标识的数据处理机制，提高了处理数据的效率。
下面参考图6，其示出了适于用来实现本申请实施例的服务器的计算机***600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机***600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有***600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件可以连接至I/O接口605：包括诸如键盘、鼠标等的输入部分606；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607；包括硬盘等的存储部分608；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609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，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610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608。
特别地，根据本公开的实施例，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609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述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介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读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。在本申请中，计算机可读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***、装置或者器件使用或者与其结合使用。而在本申请中，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***、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申请的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)。
附图中的流程图和框图，图示了按照本申请各种实施例的***、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，该模块、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，框图和/或流程图中的每个方框、以及框图和/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***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元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单元、调整单元和处理单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“用于获取目标数量的单元”。
作为另一方面，本申请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装置中所包含的；也可以是单独存在，而未装配入该装置中。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该装置执行时，使得该装置：获取目标执行单元的待调整数量，目标执行单元是流式计算***中执行目标程序段的单元；根据待调整数量调整流式计算***中的目标执行单元的数量；对于调整后的至少一个目标执行单元中的目标执行单元，确定与该目标执行单元对应的标识集合，标识集合中的标识用于指示待处理数据；通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种用于处理数据的方法，包括：
获取目标执行单元的待调整数量，所述目标执行单元是流式计算***中执行目标程序段的单元；
根据所述待调整数量调整所述流式计算***中的目标执行单元的数量；
对于调整后的至少一个目标执行单元中的目标执行单元，确定与该目标执行单元对应的标识集合，标识集合中的标识用于指示待处理数据；通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据。
2.根据权利要求1所述的方法，其中，所述通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据之前，所述方法还包括：
根据该目标执行单元的上游执行单元运行所生成的待处理数据的标识所属的标识集合，通过该目标执行单元的上游执行单元持久化所生成的待处理数据。
3.根据权利要求1所述的方法，其中，所述通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据之后，所述方法还包括：
通过该目标执行单元向该目标执行单元的上游执行单元发送指示信息，所述指示信息用于指示已被该目标执行单元处理完成的该目标执行单元的上游执行单元运行所生成的待处理数据。
4.根据权利要求2和3所述的方法，其中，所述通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据，包括：
重新启动调整后的至少一个目标执行单元；
通过重新启动的该目标执行单元接收并处理该目标执行单元的上游执行单元发送的，与该目标执行单元对应的标识集合包括的标识所指示的持久化的待处理数据中，根据所述指示信息确定的未被该目标执行单元处理的待处理数据。
5.根据权利要求1-3中任一项所述的方法，其中，所述通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据，包括：
根据所述流式计算***中的目标执行单元接收待处理数据的历史记录，对该目标执行单元的上游执行单元向该目标执行单元发送的待处理数据进行去重；
通过该目标执行单元处理对应的标识集合中的标识所指示的去重后的待处理数据。
6.一种用于处理数据的装置，包括：
获取单元，被配置成获取目标执行单元的待调整数量，所述目标执行单元是流式计算***中执行目标程序段的单元；
调整单元，被配置成根据所述待调整数量调整所述流式计算***中的目标执行单元的数量；
处理单元，被配置成对于调整后的至少一个目标执行单元中的目标执行单元，确定与该目标执行单元对应的标识集合，标识集合中的标识用于指示待处理数据；通过该目标执行单元处理对应的标识集合中的标识所指示的待处理数据。
7.根据权利要求6所述的装置，其中，所述处理单元，包括：
持久化子单元，被配置成根据该目标执行单元的上游执行单元运行所生成的待处理数据的标识所属的标识集合，通过该目标执行单元的上游执行单元持久化所生成的待处理数据。
8.根据权利要求6所述的装置，其中，所述处理单元，包括：
发送子单元，被配置成通过该目标执行单元向该目标执行单元的上游执行单元发送指示信息，所述指示信息用于指示已被该目标执行单元处理完成的该目标执行单元的上游执行单元运行所生成的待处理数据。
9.根据权利要求7和8所述的装置，其中，所述处理单元，包括：
启动子单元，被配置成重新启动调整后的至少一个目标执行单元；
处理子单元，被配置成通过重新启动的该目标执行单元接收并处理该目标执行单元的上游执行单元发送的，与该目标执行单元对应的标识集合包括的标识所指示的持久化的待处理数据中，根据所述指示信息确定的未被该目标执行单元处理的待处理数据。
10.根据权利要求6-8中任一项所述的装置，其中，所述处理单元，包括：
去重子单元，被配置成根据所述流式计算***中的目标执行单元接收待处理数据的历史记录，对该目标执行单元的上游执行单元向该目标执行单元发送的待处理数据进行去重；
处理子单元，被配置成通过该目标执行单元处理对应的标识集合中的标识所指示的去重后的待处理数据。
11.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
CN201810812280.4A 2018-07-23 2018-07-23 用于处理数据的方法和装置 Pending CN108984770A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810812280.4A CN108984770A (zh) 2018-07-23 2018-07-23 用于处理数据的方法和装置
US16/503,145 US11416283B2 (en) 2018-07-23 2019-07-03 Method and apparatus for processing data in process of expanding or reducing capacity of stream computing system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810812280.4A CN108984770A (zh) 2018-07-23 2018-07-23 用于处理数据的方法和装置

Publications (1)

Publication Number Publication Date
CN108984770A true CN108984770A (zh) 2018-12-11

Family

ID=64550176

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810812280.4A Pending CN108984770A (zh) 2018-07-23 2018-07-23 用于处理数据的方法和装置

Country Status (2)

Country Link
US (1) US11416283B2 (zh)
CN (1) CN108984770A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111459667A (zh) * 2020-03-27 2020-07-28 深圳市梦网科技发展有限公司 一种数据处理方法、装置、服务器及介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113764110A (zh) * 2021-01-29 2021-12-07 北京京东拓先科技有限公司 数据处理方法、装置、电子设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101217491A (zh) * 2008-01-04 2008-07-09 杭州华三通信技术有限公司 一种调整流处理单元负载分担的方法及装置
CN103530189A (zh) * 2013-09-29 2014-01-22 中国科学院信息工程研究所 一种面向流式数据的自动伸缩及迁移的方法及装置
CN103782270A (zh) * 2013-10-28 2014-05-07 华为技术有限公司 流处理***的管理方法和相关设备及***
CN104252466A (zh) * 2013-06-26 2014-12-31 阿里巴巴集团控股有限公司 流计算处理方法、设备和***
CN104298556A (zh) * 2013-07-17 2015-01-21 华为技术有限公司 流处理单元的分配方法及装置
CN104424186A (zh) * 2013-08-19 2015-03-18 阿里巴巴集团控股有限公司 一种流计算应用中实现持久化的方法及装置
CN104978232A (zh) * 2014-04-09 2015-10-14 阿里巴巴集团控股有限公司 用于实时流式计算的计算资源扩容、释放方法及其装置
US20160248688A1 (en) * 2015-02-19 2016-08-25 International Business Machines Corporation Algorithmic changing in a streaming environment
CN106874133A (zh) * 2017-01-17 2017-06-20 北京百度网讯科技有限公司 流式计算***中计算节点的故障处理
CN108073445A (zh) * 2016-11-18 2018-05-25 腾讯科技（深圳）有限公司 基于分布式流计算的背压处理方法和***

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6643765B1 (en) * 1995-08-16 2003-11-04 Microunity Systems Engineering, Inc. Programmable processor with group floating point operations
US7707163B2 (en) * 2005-05-25 2010-04-27 Experian Marketing Solutions, Inc. Software and metadata structures for distributed and interactive database architecture for parallel and asynchronous data processing of complex data and for real-time query processing
JP5089339B2 (ja) * 2006-11-02 2012-12-05 パナソニック株式会社 送信方法、送信装置及び受信方法
US9628535B2 (en) * 2011-04-15 2017-04-18 International Business Machines Corporation Data streaming infrastructure for remote execution in a constrained environment
WO2013093960A1 (en) * 2011-12-20 2013-06-27 Hitachi, Ltd. Storage system and method for controlling storage system
JP5935889B2 (ja) * 2012-08-02 2016-06-15 富士通株式会社 データ処理方法、情報処理装置およびプログラム
CN107729147B (zh) * 2014-03-06 2021-09-21 华为技术有限公司 流计算***中的数据处理方法、控制节点及流计算***
WO2015183313A1 (en) * 2014-05-30 2015-12-03 Hewlett-Packard Development Company, Lp Resource usage data collection within a distributed processing framework
CN104156524B (zh) * 2014-08-01 2018-03-06 河海大学 交通数据流的聚集查询方法及***
CN105740266A (zh) * 2014-12-10 2016-07-06 国际商业机器公司 用于数据去重的方法和设备
DE102015218890A1 (de) * 2015-09-30 2017-03-30 Robert Bosch Gmbh Verfahren und Vorrichtung zum Generieren eines Ausgangsdatenstroms
US10178021B1 (en) * 2015-12-28 2019-01-08 Amazon Technologies, Inc. Clustered architecture design
US10341189B2 (en) * 2016-09-22 2019-07-02 International Business Machines Corporation Operator fusion management in a stream computing environment
US11089076B1 (en) * 2018-03-06 2021-08-10 Amazon Technologies, Inc. Automated detection of capacity for video streaming origin server

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101217491A (zh) * 2008-01-04 2008-07-09 杭州华三通信技术有限公司 一种调整流处理单元负载分担的方法及装置
CN104252466A (zh) * 2013-06-26 2014-12-31 阿里巴巴集团控股有限公司 流计算处理方法、设备和***
CN104298556A (zh) * 2013-07-17 2015-01-21 华为技术有限公司 流处理单元的分配方法及装置
CN104424186A (zh) * 2013-08-19 2015-03-18 阿里巴巴集团控股有限公司 一种流计算应用中实现持久化的方法及装置
CN103530189A (zh) * 2013-09-29 2014-01-22 中国科学院信息工程研究所 一种面向流式数据的自动伸缩及迁移的方法及装置
CN103782270A (zh) * 2013-10-28 2014-05-07 华为技术有限公司 流处理***的管理方法和相关设备及***
CN104978232A (zh) * 2014-04-09 2015-10-14 阿里巴巴集团控股有限公司 用于实时流式计算的计算资源扩容、释放方法及其装置
US20160248688A1 (en) * 2015-02-19 2016-08-25 International Business Machines Corporation Algorithmic changing in a streaming environment
CN108073445A (zh) * 2016-11-18 2018-05-25 腾讯科技（深圳）有限公司 基于分布式流计算的背压处理方法和***
CN106874133A (zh) * 2017-01-17 2017-06-20 北京百度网讯科技有限公司 流式计算***中计算节点的故障处理

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111459667A (zh) * 2020-03-27 2020-07-28 深圳市梦网科技发展有限公司 一种数据处理方法、装置、服务器及介质
CN111459667B (zh) * 2020-03-27 2024-01-05 深圳市梦网科技发展有限公司 一种数据处理方法、装置、服务器及介质

Also Published As

Publication number Publication date
US20200026553A1 (en) 2020-01-23
US11416283B2 (en) 2022-08-16

Similar Documents

Publication Publication Date Title
US11146502B2 (en) Method and apparatus for allocating resource
CN109145023B (zh) 用于处理数据的方法和装置
CN109523187A (zh) 任务调度方法、装置和设备
CN109743392A (zh) 一种负载均衡方法、装置、电子设备及存储介质
CN109257320A (zh) 消息存储方法和装置
CN109936635A (zh) 负载均衡方法和装置
CN110019080A (zh) 数据访问方法和装置
CN109558246A (zh) 一种负载均衡方法、装置、电子设备及存储介质
CN110706093A (zh) 一种账务处理方法和装置
CN109447635A (zh) 用于区块链的信息存储方法和装置
CN109542352A (zh) 用于存储数据的方法和装置
CN110427304A (zh) 用于银行***的运维方法、装置、电子设备以及介质
CN110430142A (zh) 用于控制流量的方法和装置
CN110650209A (zh) 实现负载均衡的方法和装置
CN109885593A (zh) 用于处理信息的方法和装置
CN111831503B (zh) 一种基于监控代理的监控方法和监控代理装置
CN109669637A (zh) 用于提供容器服务的***、方法和装置
CN108984770A (zh) 用于处理数据的方法和装置
CN109918381A (zh) 用于存储数据的方法和装置
CN110401731A (zh) 用于分配内容分发节点的方法和装置
CN108959636A (zh) 数据处理方法、装置、***、计算机可读介质
CN110113176A (zh) 用于配置服务器的信息同步方法及装置
CN113779412B (zh) 一种基于区块链网络的消息触达方法、节点和***
CN109271224A (zh) 用于确定位置的方法和设备
CN109842665A (zh) 用于任务分配服务器的任务处理方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination