CN110362763A - 数据排序方法、数据排序装置、介质及电子设备 - Google Patents
数据排序方法、数据排序装置、介质及电子设备 Download PDFInfo
- Publication number
- CN110362763A CN110362763A CN201910642579.4A CN201910642579A CN110362763A CN 110362763 A CN110362763 A CN 110362763A CN 201910642579 A CN201910642579 A CN 201910642579A CN 110362763 A CN110362763 A CN 110362763A
- Authority
- CN
- China
- Prior art keywords
- data
- pending data
- group
- cryptographic hash
- evidence
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Storage Device Security (AREA)
Abstract
本公开提供一种数据排序方法、数据排序装置、计算机可读存储介质及电子设备;涉及计算机技术领域。该数据排序方法包括:根据各待分组数据的域名对待分组数据进行分组,得到多组待排序数据;将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合;根据聚合结果对各组内待排序数据进行排序。本公开中的数据排序方法能够在一定程度上克服URL比对效率不高的问题,提升URL的比对效率,进而提升资源的排序效率。
Description
技术领域
本公开涉及计算机技术领域,具体而言,涉及一种数据排序方法、数据排序装置、计算机可读存储介质及电子设备。
背景技术
统一资源定位符(Uniform Resource Locator,URL)是对可以从互联网上得到的资源的位置和访问方法的一种简洁的表示,是互联网上标准资源的地址。互联网上的每个文件都有一个唯一的URL,它包含的信息指出文件的位置以及浏览器处理该文件的方式。
目前,通过分析访问日志能够确定出不同资源的访问量,以根据对访问量的排序向用户推荐热门资源。通常情况下,对不同资源进行排序的方式可以为通过对访问日志中的所有URL进行比对,再根据相同URL的数量确定出URL的访问量,进而确定出不同资源的访问量,以根据访问量对不同资源进行排序。
但是,URL一般较长且包含的字符较多,比对URL通常会花费较长的时间,进而会导致URL的比对效率不高。
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。
发明内容
本公开的目的在于提供一种数据排序方法、数据排序装置、计算机可读存储介质及电子设备,进而在一定程度上克服URL比对效率不高的问题,提升URL的比对效率,进而提升资源的排序效率。
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,或部分地通过本公开的实践而习得。
根据本公开的第一方面,提供一种数据排序方法,包括:
根据各待分组数据的域名对待分组数据进行分组,得到多组待排序数据;
将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合;
根据聚合结果对各组内待排序数据进行排序。
在本公开的一种示例性实施例中,该数据排序方法还包括:
获取数据访问日志;
将数据访问日志转换为待分组数据。
在本公开的一种示例性实施例中,该数据排序方法还包括:
由哈希值末位字符开始,对各组内待排序数据的哈希值进行预设位数的比对,以确定出各组内哈希值相同的待排序数据。
在本公开的一种示例性实施例中,将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合,包括:
由统一资源定位符末位字符开始,对哈希值相同的待排序数据进行统一资源定位符比对;
将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合。
在本公开的一种示例性实施例中,根据聚合结果对各组内待排序数据进行排序,包括:
根据聚合结果确定各组内待排序数据对应的流量;
按照流量由大到小的顺序对各组内待排序数据进行排序。
在本公开的一种示例性实施例中,根据聚合结果对各组内待排序数据进行排序,包括:
根据聚合结果确定各组内待排序数据对应的访问次数;
按照访问次数由大到小的顺序对各组内待排序数据进行排序。
在本公开的一种示例性实施例中,该数据排序方法还包括:
将各组排序结果中前预设位的待排序数据存储,以根据前预设位的待排序数据确定推荐信息。
根据本公开的第二方面,提供一种数据排序装置,包括数据分组单元、数据聚合单元以及数据排序单元,其中:
数据分组单元,用于根据各待分组数据的域名对待分组数据进行分组,得到多组待排序数据;
数据聚合单元,用于将组内哈希值相同且统一资源定位符相同的待排序数据进行聚合;
数据排序单元,用于根据聚合结果对各组内待排序数据进行排序。
在本公开的一种示例性实施例中,该数据排序装置还包括日志获取单元和数据转换单元,其中:
日志获取单元,用于获取数据访问日志;
数据转换单元,用于将数据访问日志转换为待分组数据。
在本公开的一种示例性实施例中,该数据排序装置还包括哈希值比对单元,其中:
哈希值比对单元,用于由哈希值末位字符开始,对各组内待排序数据的哈希值进行预设位数的比对,以确定出各组内哈希值相同的待排序数据。
在本公开的一种示例性实施例中,数据聚合单元将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合的方式具体为:
数据聚合单元由统一资源定位符末位字符开始,对哈希值相同的待排序数据进行统一资源定位符比对;
数据聚合单元将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合。
在本公开的一种示例性实施例中,数据排序单元根据聚合结果对各组内待排序数据进行排序的方式具体为:
数据排序单元根据聚合结果确定各组内待排序数据对应的流量;
数据排序单元按照流量由大到小的顺序对各组内待排序数据进行排序。
在本公开的一种示例性实施例中,数据排序单元根据聚合结果对各组内待排序数据进行排序的方式具体为:
数据排序单元根据聚合结果确定各组内待排序数据对应的访问次数;
数据排序单元按照访问次数由大到小的顺序对各组内待排序数据进行排序。
在本公开的一种示例性实施例中,该数据排序装置还包括数据存储单元,其中:
数据存储单元,用于将各组排序结果中前预设位的待排序数据存储,以根据前预设位的待排序数据确定推荐信息。
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,用于存储所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的方法。
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上述任意一项所述的方法。
本公开示例性实施例可以具有以下部分或全部有益效果:
在本公开的一示例实施方式所提供的数据排序方法中,可以根据各待分组数据的域名对待分组数据进行分组,得到多组待排序数据,以提升URL的比对效率;进而,将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合,并按照聚合结果中确定出的访问次数或流量对各组内待排序数据进行排序。依据上述方案描述,本公开一方面能够在一定程度上克服URL比对效率不高的问题,先对URL按照域名分类能够提升URL的比对效率,进而提升资源的排序效率;另一方面能够确定出不同域名下的URL排序,以根据不同域名对应的URL排名确定推荐信息。
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。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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附图。
图1示出了可以应用本公开实施例的一种数据排序方法及数据排序装置的示例性***架构的示意图;
图2示出了适于用来实现本公开实施例的电子设备的计算机***的结构示意图;
图3示意性示出了根据本公开的一个实施例的数据排序方法的流程图;
图4示意性示出了根据本公开的一个实施例中确定待分组数据过程的流程图;
图5示意性示出了根据本公开的一个实施例的数据排序方法的架构图;
图6示意性示出了根据本公开的一个实施例的另一种数据排序方法的流程图;
图7示意性示出了根据本公开的一个实施例中的数据排序装置的结构框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图1示出了可以应用本公开实施例的一种数据排序方法及数据排序装置的示例性应用环境的***架构的示意图。
如图1所示,***架构100可以包括终端设备101、102、103中的一个或多个,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。终端设备101、102、103可以是具有显示屏的各种电子设备,包括但不限于台式计算机、便携式计算机、智能手机和平板电脑等等。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。比如服务器105可以是多个服务器组成的服务器集群等。
本公开实施例所提供的数据排序方法一般由服务器105执行,相应地,数据排序装置一般设置于服务器105中。但本领域技术人员容易理解的是,本公开实施例所提供的数据排序方法也可以由终端设备101、102、103执行,相应的,数据排序装置也可以设置于终端设备101、102、103中,本示例性实施例中对此不做特殊限定。举例而言,在一种示例性实施例中,服务器105可以根据各待分组数据的域名对待分组数据进行分组,得到多组待排序数据,并将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合,进而,根据聚合结果对各组内待排序数据进行排序。
图2示出了适于用来实现本公开实施例的电子设备的计算机***的结构示意图。
需要说明的是,图2示出的电子设备的计算机***200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2所示,计算机***200包括中央处理单元(CPU)201,其可以根据存储在只读存储器(ROM)202中的程序或者从存储部分208加载到随机访问存储器(RAM)203中的程序而执行各种适当的动作和处理。在RAM 203中,还存储有***操作所需的各种程序和数据。CPU201、ROM 202以及RAM 203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。
以下部件连接至I/O接口205:包括键盘、鼠标等的输入部分206;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207;包括硬盘等的存储部分208;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209。通信部分209经由诸如因特网的网络执行通信处理。驱动器210也根据需要连接至I/O接口205。可拆卸介质211,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210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208。
特别地,根据本公开的实施例,下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209从网络上被下载和安装,和/或从可拆卸介质211被安装。在该计算机程序被中央处理单元(CPU)201执行时,执行本申请的方法和装置中限定的各种功能。在一些实施例中,计算机***200还可以包括AI(ArtificialIntelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
需要说明的是,本公开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***、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。在本公开中,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***、装置或者器件使用或者与其结合使用。而在本公开中,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***、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,图示了按照本公开各种实施例的***、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,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***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开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。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。
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电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。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电子设备执行时,使得该电子设备实现如下述实施例中所述的方法。例如,所述的电子设备可以实现如图3、图4以及图6所示的各个步骤等。
以下对本公开实施例的技术方案进行详细阐述:
在现有技术中,对于SPARK大数据计算引擎中URL排序的方法中,通常是使用SPARK原生方式进行URL的比较及排序,对于较长的URL,比对运算会消耗较多的CPU性能。在现有方案的比对方法中,需要比对URL的哈希值,如果两个URL的哈希值相等,再进一步比对URL中的字符,如果URL中的字符相等则将两个URL聚合,可以理解为这两个URL对应的是同一个资源,即该资源被访问了两次。
但是,URL一般较长且包含的字符较多,比对URL通常会花费较长的时间,进而会导致对于URL对应的资源的排序效率不高的问题。
基于上述一个或多个问题,本示例实施方式提供了一种数据排序方法。该数据排序方法可以应用于上述服务器105,也可以应用于上述终端设备101、102、103中的一个或多个,本示例性实施例中对此不做特殊限定。参考图3所示,该数据排序方法可以包括以下步骤S310至步骤S330:
步骤S310:根据各待分组数据的域名对待分组数据进行分组,得到多组待排序数据。
步骤S320:将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合。
步骤S330:根据聚合结果对各组内待排序数据进行排序。
在本公开的一示例实施方式所提供的数据排序方法中,可以根据各待分组数据的域名对待分组数据进行分组,得到多组待排序数据,以提升URL的比对效率;进而,将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合,并按照聚合结果中确定出的访问次数或流量对各组内待排序数据进行排序。依据上述方案描述,本公开一方面能够在一定程度上克服URL比对效率不高的问题,先对URL按照域名分类能够提升URL的比对效率,进而提升资源的排序效率;另一方面能够确定出不同域名下的URL排序,以根据不同域名对应的URL排名确定推荐信息。
下面,对于本示例实施方式的上述步骤进行更加详细的说明。
在步骤S310中,根据各待分组数据的域名对待分组数据进行分组,得到多组待排序数据。
本示例实施方式中,待分组数据可以为弹性分布式数据集(ResilientDistributed Datasets,RDD),RDD是分布式内存的抽象概念,提供了一种受限的共享内存模型,即,RDD是只读的记录分区的集合。RDD可以视为Spark的对象,其运行在内存中;其中,Spark是一种与Hadoop相似的开源集群计算环境。
本示例实施方式中,域名(Domain Name)是由一串用点分隔的名字组成的互联网上某一台计算机或计算机组的名称,用于在数据传输时标识计算机的电子方位或地理位置。
本示例实施方式中,待排序数据与待分组数据为相同的数据,待排序数据用于表示该数据的当前状态为待排序的状态;待分组数据用于表示该数据的当前状态为待分组的状态。多组待排序数据中,每个组内的待排序数据的域名相同。
本示例实施方式中,可选的,请参阅图4,图4示意性示出了根据本公开的一个实施例中确定待分组数据过程的流程图。如图4所示,该数据排序方法还可以包括步骤S410和步骤S420,其中:
步骤S410:获取数据访问日志;
步骤S420:将数据访问日志转换为待分组数据。
本示例实施方式中,数据访问日志是从多个CDN服务器中收集到的日志,日志中包括用户访问过的资源的URL。CDN(Content Delivery Network)即内容分发网络。CDN是构建在网络之上的内容分发网络,依靠部署在各地的边缘服务器,通过中心平台的负载均衡、内容分发以及调度等功能模块,使用户就近获取所需内容,进而降低网络拥塞,提高用户访问响应速度和命中率。数据访问日志和待分组数据的数据格式不同,但数据内容相同。
可见,图4所示的确定待分组数据过程的流程图,能够通过将数据访问日志转换为待分组数据,使得数据访问日志适用于Spark计算集群,以便对其进行分组、聚合。
在步骤S320中,将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合。
本示例实施方式中,每个待排序数据对应一个hashcode函数和一个equals函数;其中,hashcode函数为哈希函数,hashcode函数使得每个待排序数据对应一个哈希值,如果两个待排序数据的哈希值相同,则可以认定这两个待排序数据为相同数据,即该数据被访问过两次;equals函数用于比对待排序数据URL的字符。
本示例实施方式中,将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合可以理解为,将哈希值相同且统一资源定位符相同的数据聚合起来,这样能够根据聚合起来的数据量确定出同一个数据被访问过多少次。
本示例实施方式中,可选的,该数据排序方法还可以包括:
由哈希值末位字符开始,对各组内待排序数据的哈希值进行预设位数的比对,以确定出各组内哈希值相同的待排序数据。
进一步可选的,将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合,包括:
由统一资源定位符末位字符开始,对哈希值相同的待排序数据进行统一资源定位符比对;
将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合。
本示例实施方式中,由末位字符开始比较预设位数(如,10位)的哈希值,只要由末位字符开始的预设位数的哈希值相同,则认定待排序数据的哈希值相同。相较传统的由首位字符开始,比较哈希值的每一位字符,该可选的实施方式能够减少对于CPU资源的占用,减少功耗,提升比对效率。同理,由统一资源定位符末位字符开始比对统一资源定位符,能够在检测到不同字符时停止检测并认定待排序数据的统一资源定位符不同。由于统一资源定位符的前n位相似的概率比后n位相似的概率高,因此,由统一资源定位符末位字符开始比对统一资源定位符能够更快的判定统一资源定位符是否相同,进而提升URL的比对效率。
请参阅表格中的代码,所示代码用于实现该可选实施例中对各组内待排序数据的哈希值以及统一资源定位符的比对方法。其中,包括由哈希值末位字符开始,对各组内待排序数据的哈希值进行预设位数的比对,以确定出各组内哈希值相同的待排序数据的算法过程,以及由统一资源定位符末位字符开始,对哈希值相同的待排序数据进行统一资源定位符比对的算法过程。
在实际应用中,通过上述代码实现对40亿行日志的分析可以用时170秒,相较用时200秒的传统比对方式,本公开的实施方式能够将总体用时减少15%,进而提升对于资源排序的效率。
本示例实施方式中,可选的,将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合的方式具体可以为:
根据映射关系将哈希值映射为待比对哈希值;其中,待比对哈希值的字符串数量少于哈希值的字符串数量。这样能够减少数据比对过程中的运算量,提升比对效率。
可见,实施该可选的实施方式,能够通过先比对哈希值再比对URL字符的方式,以及结合由末位字符开始进行比对的方式,提升比对效率,进而提升资源排序效率。
在步骤S330中,根据聚合结果对各组内待排序数据进行排序。
本示例实施方式中,聚合结果包括request字段和flux字段;其中,request字段用于表示资源的访问次数,flux字段用于表示资源对应的流量,流量用来描述访问该资源的用户数量以及用户访问该资源的网页数量等。
可见,图3所示的数据排序方法,能够通过先比对哈希值再比对URL字符的方式结合由末位字符开始进行比对的方式,提升比对效率,进而提升资源排序效率;并且,根据前预设位的待排序数据确定推荐信息,以推荐热门资源给用户,使得用户能够了解到最新的讯息,改善用户的使用体验。
本示例实施方式中,可选的,根据聚合结果对各组内待排序数据进行排序,包括:
根据聚合结果确定各组内待排序数据对应的流量;
按照流量由大到小的顺序对各组内待排序数据进行排序。
本示例实施方式中,可选的,按照流量由大到小的顺序对各组内待排序数据进行排序可以理解为:比对各组内待排序数据的用于表示资源对应的流量的flux字段,进而按照流量由大到小的顺序对各组内待排序数据进行排序。
可见,实施该可选的实施方式,能够根据flux字段对各组内待排序数据进行排序,以确定出能够吸引较多流量的资源,进而根据这些资源确定相应的资源推广策略。
本示例实施方式中,可选的,根据聚合结果对各组内待排序数据进行排序,包括:
根据聚合结果确定各组内待排序数据对应的访问次数;
按照访问次数由大到小的顺序对各组内待排序数据进行排序。
本示例实施方式中,可选的,按照流量由大到小的顺序对各组内待排序数据进行排序可以理解为:比对各组内待排序数据的用于表示资源的访问次数的request字段,进而按照访问次数由大到小的顺序对各组内待排序数据进行排序。
可见,实施该可选的实施方式,能够根据request字段对各组内待排序数据进行排序,以确定出访问次数较多的资源,并且对访问次数较少的资源进行改进,提升这些资源的访问次数。
本示例实施方式中,可选的,该数据排序方法还可以包括:
将各组排序结果中前预设位的待排序数据存储,以根据前预设位的待排序数据确定推荐信息。
本示例实施方式中,可选的,将各组排序结果中前预设位的待排序数据存储,包括:
确定各组排序结果中前预设位的待排序数据(例如,确定每个组中前10位的待排序数据);对该待排序数据进行存储。
可见,实施该可选的实施方式,能够根据前预设位的待排序数据确定推荐信息,以推荐热门资源给用户,使得用户能够了解到最新的讯息,改善用户的使用体验。
请参阅图5,图5示意性示出了根据本公开的一个实施例的数据排序方法的架构图。如图5所示,该架构图包括CDN服务器501、计算集群502以及CDN使用者503;其中,CDN服务器501的数量可以为多个,而图5中示出四个,但不代表本申请中仅涉及四个CDN服务器501;另外,计算集群502可以为Spark计算集群,该计算集群可以由12台服务器组成,每台服务器配置为192G内存,80核CPU,万兆网卡,2TB SSD硬盘;并且,12台服务器均安装有hadoop程序与Spark程序,组成了一个基于HDFS的存储集群和Spark的计算集群。具体地,可以通过在CDN501服务器中获取数据访问日志,以使得计算集群502对数据访问日志进行分析(包括执行步骤S310至步骤S330),进而,确定出前预设位的待排序数据,以使得CDN使用者503能够根据前预设位的待排序数据确定推荐信息。
可见,基于图5所示的架构图实施本公开的数据排序方法,能够通过先比对哈希值再比对URL字符的方式结合由末位字符开始进行比对的方式,提升比对效率,进而提升资源排序效率;并且,根据前预设位的待排序数据确定推荐信息,以推荐热门资源给用户,使得用户能够了解到最新的讯息,改善用户的使用体验。
请参阅图6,图6示意性示出了根据本公开的一个实施例的另一种数据排序方法的流程图。如图6所示,另一种数据排序方法包括步骤S610、步骤S620、步骤S630、步骤S640、步骤S650以及步骤S660,其中:
步骤S610:获取数据访问日志。
步骤S620:将数据访问日志转换为待分组数据。
步骤S630:根据各待分组数据的域名对待分组数据进行分组,得到多组待排序数据。
步骤S640:将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合。
步骤S650:按照聚合结果中确定出的访问次数或流量对各组内待排序数据进行排序。
步骤S660:将各组排序结果中前预设位的待排序数据存储。
具体地,可以通过获取数据访问日志,以及将数据访问日志转换为待分组数据,将数据访问日志转换为适用于计算集群的格式;进而,根据各待分组数据的域名对待分组数据进行分组,得到多组待排序数据,以提升URL的比对效率;进而,将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合,并按照聚合结果中确定出的访问次数或流量对各组内待排序数据进行排序;进而,将各组排序结果中前预设位的待排序数据存储,以根据前预设位的待排序数据确定推荐信息。
可见,实施图6所示的数据排序方法,能够通过先比对哈希值再比对URL字符的方式结合由末位字符开始进行比对的方式,提升比对效率,进而提升资源排序效率;并且,根据前预设位的待排序数据确定推荐信息,以推荐热门资源给用户,使得用户能够了解到最新的讯息,改善用户的使用体验。
进一步的,本示例实施方式中,还提供了一种数据排序装置。该数据排序装置可以应用于一服务器或终端设备。参考图7所示,该数据排序装置可以包括:数据分组单元701、数据聚合单元702以及数据排序单元703,其中:
数据分组单元701,用于根据各待分组数据的域名对待分组数据进行分组,得到多组待排序数据;
数据聚合单元702,用于将组内哈希值相同且统一资源定位符相同的待排序数据进行聚合;
数据排序单元703,用于根据聚合结果对各组内待排序数据进行排序。
可见,实施图7所示的数据排序装置,能够通过先比对哈希值再比对URL字符的方式结合由末位字符开始进行比对的方式,提升比对效率,进而提升资源排序效率;并且,根据前预设位的待排序数据确定推荐信息,以推荐热门资源给用户,使得用户能够了解到最新的讯息,改善用户的使用体验。
在本公开的一种示例性实施例中,该数据排序装置还包括日志获取单元(未图示)和数据转换单元(未图示),其中:
日志获取单元,用于获取数据访问日志;
数据转换单元,用于将数据访问日志转换为待分组数据。
可见,实施该示例性实施例,能够通过将数据访问日志转换为待分组数据,使得数据访问日志适用于Spark计算集群,以便对其进行分组、聚合。
在本公开的一种示例性实施例中,该数据排序装置还包括哈希值比对单元(未图示),其中:
哈希值比对单元,用于由哈希值末位字符开始,对各组内待排序数据的哈希值进行预设位数的比对,以确定出各组内哈希值相同的待排序数据。
进一步地,数据聚合单元702将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合的方式具体为:
数据聚合单元702由统一资源定位符末位字符开始,对哈希值相同的待排序数据进行统一资源定位符比对;
数据聚合单元702将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合。
可见,实施该示例性实施例,能够通过先比对哈希值再比对URL字符的方式,以及结合由末位字符开始进行比对的方式,提升比对效率,进而提升资源排序效率。
在本公开的一种示例性实施例中,数据排序单元703根据聚合结果对各组内待排序数据进行排序的方式具体为:
数据排序单元703根据聚合结果确定各组内待排序数据对应的流量;
数据排序单元703按照流量由大到小的顺序对各组内待排序数据进行排序。
可见,实施该示例性实施例,能够根据flux字段对各组内待排序数据进行排序,以确定出能够吸引较多流量的资源,进而根据这些资源确定相应的资源推广策略。
在本公开的一种示例性实施例中,数据排序单元703根据聚合结果对各组内待排序数据进行排序的方式具体为:
数据排序单元703根据聚合结果确定各组内待排序数据对应的访问次数;
数据排序单元703按照访问次数由大到小的顺序对各组内待排序数据进行排序。
可见,实施该示例性实施例,能够根据request字段对各组内待排序数据进行排序,以确定出访问次数较多的资源,进而改进访问次数较少的资源,提升这些资源的访问次数。
在本公开的一种示例性实施例中,该数据排序装置还包括数据存储单元(未图示),其中:
数据存储单元,用于将各组排序结果中前预设位的待排序数据存储,以根据前预设位的待排序数据确定推荐信息。
可见,实施该示例性实施例,能够根据前预设位的待排序数据确定推荐信息,以推荐热门资源给用户,使得用户能够了解到最新的讯息,改善用户的使用体验。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
由于本公开的示例实施例的数据排序装置的各个功能模块与上述数据排序方法的示例实施例的步骤对应,因此对于本公开装置实施例中未披露的细节,请参照本公开上述的数据排序方法的实施例。
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它实施方案。本申请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技术领域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下面的权利要求指出。
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制。
Claims (10)
1.一种数据排序方法,其特征在于,包括:
根据各待分组数据的域名对所述待分组数据进行分组,得到多组待排序数据;
将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合;
根据聚合结果对各组内待排序数据进行排序。
2.根据权利要求1所述的方法,其特征在于,还包括:
获取数据访问日志;
将所述数据访问日志转换为所述待分组数据。
3.根据权利要求1所述的方法,其特征在于,还包括:
由哈希值末位字符开始,对所述各组内待排序数据的哈希值进行预设位数的比对,以确定出各组内哈希值相同的待排序数据。
4.根据权利要求3所述的方法,其特征在于,将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合,包括:
由统一资源定位符末位字符开始,对所述哈希值相同的待排序数据进行统一资源定位符比对;
将各组内哈希值相同且统一资源定位符相同的待排序数据进行聚合。
5.根据权利要求1所述的方法,其特征在于,根据聚合结果对各组内待排序数据进行排序,包括:
根据所述聚合结果确定各组内待排序数据对应的流量;
按照流量由大到小的顺序对所述各组内待排序数据进行排序。
6.根据权利要求4所述的方法,其特征在于,根据聚合结果对各组内待排序数据进行排序,包括:
根据所述聚合结果确定各组内待排序数据对应的访问次数;
按照访问次数由大到小的顺序对所述各组内待排序数据进行排序。
7.根据权利要求1所述的方法,其特征在于,还包括:
将各组排序结果中前预设位的待排序数据存储,以根据所述前预设位的待排序数据确定推荐信息。
8.一种数据排序装置,其特征在于,包括:
数据分组单元,用于根据各待分组数据的域名对所述待分组数据进行分组,得到多组待排序数据;
数据聚合单元,用于将组内哈希值相同且统一资源定位符相同的待排序数据进行聚合;
数据排序单元,用于根据聚合结果对各组内待排序数据进行排序。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910642579.4A CN110362763A (zh) | 2019-07-16 | 2019-07-16 | 数据排序方法、数据排序装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910642579.4A CN110362763A (zh) | 2019-07-16 | 2019-07-16 | 数据排序方法、数据排序装置、介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110362763A true CN110362763A (zh) | 2019-10-22 |
Family
ID=68219728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910642579.4A Pending CN110362763A (zh) | 2019-07-16 | 2019-07-16 | 数据排序方法、数据排序装置、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110362763A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111708954A (zh) * | 2020-05-22 | 2020-09-25 | 微梦创科网络科技(中国)有限公司 | 一种排行榜的排名方法及*** |
WO2021258512A1 (zh) * | 2020-06-22 | 2021-12-30 | 中科驭数(北京)科技有限公司 | 数据的聚合处理装置、方法和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063510A (zh) * | 2011-01-17 | 2011-05-18 | 珠海全志科技有限公司 | 字符串的匹配查找方法 |
US20110225447A1 (en) * | 2010-03-12 | 2011-09-15 | International Business Machines Corporation | Preferred resource selector |
CN102571404A (zh) * | 2010-12-31 | 2012-07-11 | 北京新媒传信科技有限公司 | 网站访问统计方法和网站访问统计*** |
-
2019
- 2019-07-16 CN CN201910642579.4A patent/CN110362763A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110225447A1 (en) * | 2010-03-12 | 2011-09-15 | International Business Machines Corporation | Preferred resource selector |
CN102571404A (zh) * | 2010-12-31 | 2012-07-11 | 北京新媒传信科技有限公司 | 网站访问统计方法和网站访问统计*** |
CN102063510A (zh) * | 2011-01-17 | 2011-05-18 | 珠海全志科技有限公司 | 字符串的匹配查找方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111708954A (zh) * | 2020-05-22 | 2020-09-25 | 微梦创科网络科技(中国)有限公司 | 一种排行榜的排名方法及*** |
CN111708954B (zh) * | 2020-05-22 | 2023-10-27 | 微梦创科网络科技(中国)有限公司 | 一种排行榜的排名方法及*** |
WO2021258512A1 (zh) * | 2020-06-22 | 2021-12-30 | 中科驭数(北京)科技有限公司 | 数据的聚合处理装置、方法和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110096344A (zh) | 任务管理方法、***、服务器集群和计算机可读介质 | |
CN110019211A (zh) | 关联索引的方法、装置和*** | |
US11075991B2 (en) | Partitioning data according to relative differences indicated by a cover tree | |
CN107423085B (zh) | 用于部署应用的方法和装置 | |
CN110221901A (zh) | 容器资源创建方法、装置、设备及计算机可读存储介质 | |
US9477787B2 (en) | Method and apparatus for information clustering based on predictive social graphs | |
CN109936635A (zh) | 负载均衡方法和装置 | |
CN109656923A (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN109992715A (zh) | 信息展示方法、装置、介质和计算设备 | |
EP3961426A2 (en) | Method and apparatus for recommending document, electronic device and medium | |
CN109614327A (zh) | 用于输出信息的方法和装置 | |
CN110362763A (zh) | 数据排序方法、数据排序装置、介质及电子设备 | |
CN109597810A (zh) | 一种任务切分方法、装置、介质及电子设备 | |
CN110321252A (zh) | 一种技能服务资源调度的方法和装置 | |
CN116094548A (zh) | 基于测试数据的电缆传输性能分析方法、装置及电子设备 | |
CN109284367A (zh) | 用于处理文本的方法和装置 | |
US20210263898A1 (en) | Reducing response time for queries directed to domain-specific knowledge graph using property graph schema optimization | |
CN109614549B (zh) | 用于推送信息的方法和装置 | |
CN110109983A (zh) | 一种操作Redis数据库的方法和装置 | |
CN108959636A (zh) | 数据处理方法、装置、***、计算机可读介质 | |
CN110198473A (zh) | 视频处理方法、装置、电子设备及计算机可读存储介质 | |
CN111428159B (zh) | 线上化分类方法和装置 | |
CN111858617A (zh) | 用户查找方法和装置、计算机可读存储介质、电子设备 | |
CN117093619A (zh) | 一种规则引擎处理方法、装置、电子设备及存储介质 | |
CN116842012A (zh) | 一种Redis集群的分片存储方法、装置、设备及存储介质 |
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 |