CN110990447A - 一种数据探查方法、装置、设备及存储介质 - Google Patents
一种数据探查方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110990447A CN110990447A CN201911318396.3A CN201911318396A CN110990447A CN 110990447 A CN110990447 A CN 110990447A CN 201911318396 A CN201911318396 A CN 201911318396A CN 110990447 A CN110990447 A CN 110990447A
- Authority
- CN
- China
- Prior art keywords
- data
- processed
- field
- probing
- exploration
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24573—Query processing with adaptation to user needs using data annotations, e.g. user-defined metadata
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种数据探查方法、装置、设备及存储介质。该方法包括:获取待处理数据,以及待处理数据的字段属性;根据待处理数据的字段属性,对待处理数据进行探查分析。本发明实施例所提供的技术方案,通过获取待处理数据及待处理数据的字段属性,并根据该字段属性对待处理数据进行探查分析。实现了充分的认识和理解数据,为数据定义提供了依据,避免了在对数据进行后续处理时数据的错乱或丢失。
Description
技术领域
本发明实施例涉及数据处理技术领域,尤其涉及一种数据探查方法、装置、设备及存储介质。
背景技术
随着科学技术的发展,数据信息进入大数据时代,各行业对数据的依赖性也不断增强。随着大数据的发展,对于数据的理解很大程度上会影响后续的处理步骤,在将数据接入大数据处理平台时,对数据进行探查便可以有效的发现数据中存在的问题。
现有的数据探查方法主要是针对数据中较为整体或表面的特征,如数据总量或业务类型等进行探查以理解数据,或是针对数据中的敏感数据或问题数据进行排查,以便于在接入大数据处理平台时进行保护或去除等操作。但现有的数据探查方法对数据内容的理解不够全面,不能充分的理解数据,从而容易造成后续处理时数据的错乱或丢失。
发明内容
本发明实施例提供一种数据探查方法、装置、设备及存储介质,以实现充分理解数据,为数据定义提供依据,避免数据错乱或丢失。
第一方面,本发明实施例提供了一种数据探查方法,该方法包括:
获取待处理数据,以及待处理数据的字段属性;
根据待处理数据的字段属性,对待处理数据进行探查分析。
第二方面,本发明实施例还提供了一种数据探查装置,该装置包括:
数据获取模块,用于获取待处理数据,以及待处理数据的字段属性;
探查分析模块,用于根据待处理数据的字段属性,对待处理数据进行探查分析。
第三方面,本发明实施例还提供了一种计算机设备,该计算机设备包括:
一个或多个处理器;
存储器,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,使得所述一个或多个处理器实现本发明任意实施例所提供的的数据探查方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任意实施例所提供的数据探查方法。
本发明实施例提供了一种数据探查方法,通过获取待处理数据及待处理数据的字段属性,并根据该字段属性对待处理数据进行探查分析,实现了充分的认识和理解数据,为数据定义提供了依据,避免了在对数据进行后续处理时数据的错乱或丢失。
附图说明
图1是本发明实施例一提供的数据探查方法的流程图;
图2是本发明实施例二提供的数据探查方法的流程图;
图3是本发明实施例三提供的数据探查装置的结构示意图;
图4是本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明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本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的数据探查方法的流程图。本实施例可适用于在大数据平台的数据接入前进行数据探查的情况,特别是针对多源异构数据,该方法可以由本发明实施例提供的数据探查装置来执行,该装置可以由硬件和/或软件的方式来实现,一般可集成于计算机设备中。如图1所示,具体包括如下步骤:
S11、获取待处理数据,以及所述待处理数据的字段属性。
待处理数据是将要接入大数据处理平台进行数据处理的数据,其中,大数据处理平台是指以处理海量数据存储、计算及不间断流数据实时计算等场景为主的一套基础设施,典型的包括Hadoop系列、Spark、Storm、Flink以及Flume/Kafka等集群。对于大数据处理平台的数据接入是指根据业务需求,在接入前定义数据获取、处理、治理、组织以及服务各环节的流程、方法和流转机制,进而根据这些定义的内容将数据接入大数据处理平台,并完成与数据提供方的数据对账。其中,数据对账主要是针对数据***(比如大数据接入***)中数据消息流通时的收发消息进行核对与校验,以验证数据消息流通的正确性和可靠性。
可选的,待处理数据可以是多源异构的各种数据的集合。多源是指数据的来源可以是多个,如可以从物联网、互联网以及数据库等多个数据源中获取数据。异构是指数据的类型或存储***可以不同,如数据格式可以包括结构化、半结构化以及非结构化等,其中,结构化数据也称为行数据,是由二维表结构来逻辑表达和实现的数据,严格的遵循数据格式与长度规范,主要通过关系型数据库进行存储和管理,如数据以行为单位,一行数据表示一个实体的信息,每一行数据的属性是相同的。半结构化数据是一种适于数据库集成的数据模型,即适于描述包含在两个或多个数据库(这些数据库含有不同模式的相似数据)中的数据,具有一定的结构性,如同一类实体可以有不同的属性,该类实体没有顺序之分。非结构化数据是数据结构不规则或不完整,没有预定义的数据模型,不方便用数据库二维逻辑来表现的数据,如视频、音频、图片以及文本等数据。在进行大数据处理时,一般会获取来自多个数据源的数据进行处理,且数据之间的类型也不尽相同,所以在进行数据探查时,有必要考虑数据的多源异构性,以使数据探查过程更加充分,从而使得数据接入前的理解分析更加全面。
待处理数据的字段是比记录更小的单位,表中的每一行称为一个记录,每个记录包含该行的所有信息,但记录在数据库中并没有专门的记录名,通常用记录所在的行数来定义记录,字段集合可以组成记录,每个字段描述数据的某一特征,即描述某一数据项,并具有唯一的用于计算机识别的字段标识符。
可选的,待处理数据的字段属性可以包括字段的语义、空值率、值域分布及类型格式等。其中,字段的语义可以是该字段对应的数据所包含的语义,即数据的含义,可看作是数据所对应的现实世界中的事物所代表的概念的含义,以及这些含义之间的关系,是数据在某个领域上的解释和逻辑表示。字段的空值率用于指示字段的空值占比情况,是指该字段对应的数据中值未知的数据项占数据项总量的比例,空值不等于空白,且没有两个相等的空值。字段的值域分布是指该字段对应的数据的值域范围和值的分布情况,同一字段对应的数据通常具有较大的相似性或关联性,所以通常具有一定的值域范围且值的分布相对集中。字段的类型格式是指该字段对应的数据的类型及格式,同一字段的类型及格式通常是相同的,但在大数据的数据存储和传输过程中,可能存在数据类型或格式不符合规范的情况。
可选的,对上述包括的字段属性的获取可以是在获取待处理数据的过程中,按照一定的周期实时的获取一部分待处理数据的字段属性,也可以是在完成获取全部待处理数据之后,统一的获取全部待处理数据的字段属性,对此,本发明实施例不作具体限制。
S12、根据所述待处理数据的字段属性,对所述待处理数据进行探查分析。
从数据源获取了待处理数据后,并不是直接进行数据的提取、转换或加载操作,而是先对待处理数据进行探查,即根据获取到的待处理数据的字段属性,分析各个字段属性的情况,以达到对数据更细致的理解,从而可以实现后续快速准确的对待处理数据进行处理。
可选的,可以同时根据待处理数据的多个字段属性,从多个维度探查分析待处理数据,以实现更好的理解数据。示例性的,根据字段的语义可以与数据元标准进行映射,以确定数据类型、各数据项语义、著录规则及计算机应用时的语法规定,其中数据元标准可以包括国际标准、国家标准或行业标准等等。字段的空值率可以体现对应数据中需要重点关注的数据情况,空值表示该数据项存在内容,但尚未赋值,所以需要在数据接入时随时关注其值的变化。字段的值域分布可以有助于确定将要接入的数据的值域范围及分布情况,从而更好的设置数据项的数据类型及存储格式等。字段的类型格式可以用于检查各字段对应数据的类型及格式是否符合规范,从而将不符合规范的数据进行修正或删除,以更好的实现数据接入。本实施例所根据的字段属性不限于上述的几种字段属性。
在上述技术方案的技术上,可选的,该数据探查方法还包括:根据待处理数据的内容识别命名实体,以理解字段语义。其中,命名实体是指人名、地名、机构名、手机号以及其他所有以名称为标识的实体,更广泛的实体还包括数字、日期、货币及地址等等。根据数据内容识别其中包括的命名实体,若待处理数据中存在命名实体,即可以从这些命名实体的角度更简便且准确的理解字段的含义。
在上述技术方案的技术上,可选的,在根据待处理数据的字段属性,对待处理数据进行探查分析之后,还包括:根据业务探查方式、接入过程探查方式、数据集探查方式以及问题数据探查方式中的至少一种探查方式对待处理数据进行探查分析。
具体而言,业务探查方式是对来源表的业务含义进行探查,并从数据整体的作用及价值的角度定义数据,从而帮助更准确的理解和把握数据。接入过程探查方式是对来源表的存储位置以及提供方式进行探查,从而为数据接入规则的定义、数据处理及数据组织提供依据。数据集探查方式是指针对来源数据集的表名及引用数据元的情况,探查数据集是否为标准数据集,并探查数据总量、增量以及更新情况,从而为数据接入、处理和组织提供依据。问题数据探查方式是指探查待处理数据中不符合规范的数据,从而为后续数据清洗规则的制定提供依据。
在根据待处理数据的字段属性对待处理数据进行探查分析的基础上,通过增加上述几种方式的探查过程,可以从整体到个体的实现对待处理数据的各方面探查分析,进而实现更全面的理解数据,以更好的实现数据接入。
在上述技术方案的技术上,可选的,该数据探查方法还包括:确定待处理数据的元数据,并根据待处理数据的内容对元数据进行探查分析。其中,元数据为描述数据的数据,主要是描述数据属性的信息,用来支持如指示存储位置、历史数据、资源查找及文件记录等功能。确定元数据的方式可以包括调用相关元数据提取函数从数据源中进行查询,或者通过预设的规范***来提取对应的元数据等,对此,本发明不做具体限定。
具体而言,可以将元数据的描述与待处理数据的属性信息进行比对,若比对结果相同,则说明元数据准确,在后续数据接入时可以根据该元数据定义待处理数据的相应信息,否则说明元数据不准确,并根据探查的结果对元数据进行修正。
在上述技术方案的技术上,可选的,在对待处理数据进行探查分析之后,还包括:根据探查分析结果将待处理数据接入大数据处理平台。其中,大数据处理平台可以根据大数据处理的过程、大数据处理的数据类型、大数据处理的方式以及平台对数据的部署方式这几方面进行分类,可以根据待处理数据的具体情况选择对应的大数据处理平台。然后根据对待处理数据的探查分析结果,可以确定数据的提供方式、总量、更新情况、业务含义、字段格式语义、数据结构以及数据质量等等,使得在数据接入时根据这些内容进行设置,以实现更快速准确的完成数据接入过程。
本发明实施例所提供的技术方案,通过获取待处理数据及待处理数据的字段属性,并根据该字段属性对待处理数据进行探查分析。实现了充分的认识和理解数据,为数据定义提供了依据,避免了在对数据进行后续处理时数据的错乱或丢失。
实施例二
图2为本发明实施例二提供的数据探查方法的流程图。本实施例的技术方案在上述技术方案的基础上进一步细化,具体的,在本实施例中,根据待处理数据的字段属性,对待处理数据进行探查分析,包括:根据字段空值率探查方式、字段值域与分布探查方式、数据元标准映射探查方式以及字段类型与格式探查方式中的至少一种探查方式对待处理数据进行探查分析。相应的,如图2所示,具体包括如下步骤:
S21、获取待处理数据,以及所述待处理数据的字段属性。
S22、根据字段空值率探查方式、字段值域与分布探查方式、数据元标准映射探查方式以及字段类型与格式探查方式中的至少一种探查方式对所述待处理数据进行探查分析。
可选的,根据字段空值率探查方式对待处理数据进行探查分析,包括:统计待处理数据的各个字段的空值占比情况;根据空值占比情况确定各字段的探查权重,所述探查权重用于指示在数据接入或者其他探查方式中对所述字段的关注程度。具体而言,可以等待获取到全部的待处理数据之后,统计各个字段对应的数据中为空值的数据项的数量,并计算空值数量占数据总量的比例,空值代表着存在内容但尚未赋值的情况,所以需要更多的注意空值数据项在数据接入过程中值的变化,即可以重点关注空值率高的重要字段,为空值率较高的字段设置更高的探查权重,以便于在数据接入时或依据其他探查方式进行探查时重点关注。
可选的,根据字段空值率探查方式对待处理数据进行探查分析,包括:统计待处理数据的各个字段的空值占比情况;将当前的空值占比情况与历史的空值占比情况进行比较,以确定待处理数据的数据质量的动态变化。具体而言,可以在获取待处理数据的过程中,按照一定的周期实时的获取一部分待处理数据中为空值的数据项的数量,并计算该空值数量占当前获取待处理数据数量的比例,进而可以实时的观察待处理数据当前的空值占比情况基于历史的空值占比情况的变化情况,以及时确定待处理数据的数据质量的动态变化。
字段值域与分布探查方式是指对各字段对应的数据的值域范围以及值的分布情况进行探查,同一字段对应的数据通常具有较大的相似性或关联性,所以通常具有一定的值域范围且值的分布相对集中,通过字段值域与分布探查方式的探查,可以根据待处理数据的值域范围以及值的分布情况设置数据接入时适合的相关参数,从而可以节约空间资源,还可以根据待处理数据的值域范围以及值的分布情况确定可疑数据,并对其进行修正或删除。
可选的,根据数据元标准映射探查方式对待处理数据进行探查分析,包括:根据待处理数据的各个字段的名称和内容,探查各字段的语义;将各字段的语义映射到数据元标准上,以实现对所述待处理数据的整理。具体而言,在确定了各字段的语义后,将各语义映射到数据元标准上,可以按照数据元标准对待处理数据进行整理,更好的确定数据所包含的对象、特性以及表示方法等。
字段类型与格式探查方式是指探查各字段对应数据的类型及格式是否符合规范,从而将不符合规范的数据进行修正或删除,以更好的实现数据接入。
本发明实施例所提供的技术方案,通过根据上述探查方式中的至少一种探查方式对待处理数据进行数据探查,更简便的确定了待处理数据的字段的多方面属性特征,更好的实现了对数据的充分认识和理解,从而为数据定义提供了依据,避免了在对数据进行后续处理时数据的错乱或丢失。
实施例三
图3为本发明实施例三提供的数据探查装置的结构示意图,该装置可以由硬件和/或软件的方式来实现,并可集成于计算机设备中,用于执行本发明任意实施例所提供的数据探查方法。如图3所示,该装置包括:
数据获取模块31,用于获取待处理数据,以及待处理数据的字段属性;
探查分析模块32,用于根据待处理数据的字段属性,对待处理数据进行探查分析。
本发明实施例所提供的技术方案,通过获取待处理数据及待处理数据的字段属性,并根据该字段属性对待处理数据进行探查分析。实现了充分的认识和理解数据,为数据定义提供了依据,避免了在对数据进行后续处理时数据的错乱或丢失。
在上述技术方案的基础上,可选的,探查分析模块32具体用于:
根据字段空值率探查方式、字段值域与分布探查方式、数据元标准映射探查方式以及字段类型与格式探查方式中的至少一种探查方式对待处理数据进行探查分析;其中,空值率用于指示字段的空值占比情况。
在上述技术方案的基础上,可选的,探查分析模块32,包括:
空值占比情况统计子模块,用于统计待处理数据的各个字段的空值占比情况;
探查权重确定子模块,用于根据空值占比情况确定各字段的探查权重,所述探查权重用于指示在数据接入或者其他探查方式中对所述字段的关注程度。
在上述技术方案的基础上,可选的,探查分析模块32,包括:
空值占比情况统计子模块,用于统计待处理数据的各个字段的空值占比情况;
数据质量动态变化确定子模块,用于将当前的空值占比情况与历史的空值占比情况进行比较,以确定待处理数据的数据质量的动态变化。
在上述技术方案的基础上,可选的,探查分析模块32,包括:
语义探查子模块,用于根据待处理数据的各个字段的名称和内容,探查各字段的语义;
数据元标准映射子模块,用于将各字段的语义映射到数据元标准上,以实现对所述待处理数据的整理。
在上述技术方案的基础上,可选的,该数据探查装置,还包括:
字段语义理解模块,用于根据待处理数据的内容识别命名实体,以理解字段语义。
在上述技术方案的基础上,可选的,该数据探查装置,还包括:
其他方式探查模块,用于在根据待处理数据的字段属性,对待处理数据进行探查分析之后,根据业务探查方式、接入过程探查方式、数据集探查方式以及问题数据探查方式中的至少一种探查方式对待处理数据进行探查分析。
本发明实施例所提供的数据探查装置可执行本发明任意实施例所提供的数据探查方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,在上述数据探查装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例四
图4为本发明实施例四提供的一种计算机设备的结构示意图,示出了适于用来实现本发明实施方式的示例性计算机设备的框图。图4显示的计算机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4所示,该计算机设备包括处理器41、存储器42、输入装置43及输出装置44;计算机设备中处理器41的数量可以是一个或多个,图4中以一个处理器41为例,计算机设备中的处理器41、存储器42、输入装置43及输出装置44可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器42作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的数据探查方法对应的程序指令/模块(例如,数据探查装置中的数据获取模块31及探查分析模块32)。处理器41通过运行存储在存储器42中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述的数据探查方法。
存储器42可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器42可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器42可进一步包括相对于处理器41远程设置的存储器,这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置43可用于接收需要进行数据探查的待处理数据,以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置44可包括显示屏等显示设备,还可用于向大数据处理平台发送数据探查结果。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,该计算机可执行指令在由计算机处理器执行时用于执行一种数据探查方法,该方法包括:
获取待处理数据,以及待处理数据的字段属性;
根据待处理数据的字段属性,对待处理数据进行探查分析。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机***存储器或随机存取存储器,诸如DRAM、DDR RAM、SRAM、EDO RAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的计算机***中,或者可以位于不同的第二计算机***中,第二计算机***通过网络(诸如因特网)连接到计算机***。第二计算机***可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机***中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的数据探查方法中的相关操作。
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。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种数据探查方法,其特征在于,包括:
获取待处理数据,以及所述待处理数据的字段属性;
根据所述待处理数据的字段属性,对所述待处理数据进行探查分析。
2.根据权利要求1所述的数据探查方法,其特征在于,所述根据所述待处理数据的字段属性,对所述待处理数据进行探查分析,包括:
根据字段空值率探查方式、字段值域与分布探查方式、数据元标准映射探查方式以及字段类型与格式探查方式中的至少一种探查方式对所述待处理数据进行探查分析。
3.根据权利要求2所述的数据探查方法,其特征在于,根据所述字段空值率探查方式对所述待处理数据进行探查分析,包括:
统计所述待处理数据的各个字段的空值占比情况;
根据所述空值占比情况确定各所述字段的探查权重,所述探查权重用于指示在数据接入或者其他探查方式中对所述字段的关注程度。
4.根据权利要求2所述的数据探查方法,其特征在于,根据所述字段空值率探查方式对所述待处理数据进行探查分析,包括:
统计所述待处理数据的各个字段的空值占比情况;
将当前的空值占比情况与历史的空值占比情况进行比较,以确定所述待处理数据的数据质量的动态变化。
5.根据权利要求2所述的数据探查方法,其特征在于,根据所述数据元标准映射探查方式对所述待处理数据进行探查分析,包括:
根据所述待处理数据的各个字段的名称和内容,探查各所述字段的语义;
将各所述字段的语义映射到数据元标准上,以实现对所述待处理数据的整理。
6.根据权利要求1述的数据探查方法,其特征在于,还包括:
根据所述待处理数据的内容识别命名实体,以理解字段语义。
7.根据权利要求1述的数据探查方法,其特征在于,在所述根据所述待处理数据的字段属性,对所述待处理数据进行探查分析之后,还包括:
根据业务探查方式、接入过程探查方式、数据集探查方式以及问题数据探查方式中的至少一种探查方式对所述待处理数据进行探查分析。
8.一种数据探查装置,其特征在于,包括:
数据获取模块,用于获取待处理数据,以及所述待处理数据的字段属性;
探查分析模块,用于根据所述待处理数据的字段属性,对所述待处理数据进行探查分析。
9.一种计算机设备,其特征在于,包括:
一个或多个处理器;
存储器,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,使得所述一个或多个处理器实现如权利要求1-7中任一所述的数据探查方法。
10.一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,该程序被处理器执行时实现如权利要求1-7中任一所述的数据探查方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911318396.3A CN110990447B (zh) | 2019-12-19 | 2019-12-19 | 一种数据探查方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911318396.3A CN110990447B (zh) | 2019-12-19 | 2019-12-19 | 一种数据探查方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110990447A true CN110990447A (zh) | 2020-04-10 |
CN110990447B CN110990447B (zh) | 2023-09-15 |
Family
ID=70064938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911318396.3A Active CN110990447B (zh) | 2019-12-19 | 2019-12-19 | 一种数据探查方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110990447B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111581431A (zh) * | 2020-04-28 | 2020-08-25 | 厦门市美亚柏科信息股份有限公司 | 基于动态评估的数据探查方法和装置 |
CN112035414A (zh) * | 2020-08-31 | 2020-12-04 | 山东浪潮通软信息科技有限公司 | 元数据流转方法、装置和计算机可读介质 |
CN112131296A (zh) * | 2020-09-27 | 2020-12-25 | 北京锐安科技有限公司 | 一种数据探查方法、装置、电子设备和存储介质 |
CN112463252A (zh) * | 2020-12-08 | 2021-03-09 | 平安国际智慧城市科技股份有限公司 | 数据探查方法、装置和计算机设备 |
CN112527783A (zh) * | 2020-11-27 | 2021-03-19 | 中科曙光南京研究院有限公司 | 一种基于Hadoop的数据质量探查*** |
CN113535707A (zh) * | 2021-08-05 | 2021-10-22 | 南京华飞数据技术有限公司 | 一种基于大数据进行人员信息数据治理的方法 |
CN112131296B (zh) * | 2020-09-27 | 2024-07-26 | 北京锐安科技有限公司 | 一种数据探查方法、装置、电子设备和存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5999192A (en) * | 1996-04-30 | 1999-12-07 | Lucent Technologies Inc. | Interactive data exploration apparatus and methods |
US20050179684A1 (en) * | 2004-02-17 | 2005-08-18 | Wallace James H. | Data exploration system |
US20100235362A1 (en) * | 2009-03-16 | 2010-09-16 | Graham Cormode | Methods and apparatus for ranking uncertain data in a probabilistic database |
US20110078145A1 (en) * | 2009-09-29 | 2011-03-31 | Siemens Medical Solutions Usa Inc. | Automated Patient/Document Identification and Categorization For Medical Data |
US20110282899A1 (en) * | 2010-05-13 | 2011-11-17 | Salesforce.Com, Inc. | Method and System for Exploring Objects in a Data Dictionary |
CN106708909A (zh) * | 2015-11-18 | 2017-05-24 | 阿里巴巴集团控股有限公司 | 数据质量的检测方法和装置 |
CN107480553A (zh) * | 2017-07-28 | 2017-12-15 | 北京明朝万达科技股份有限公司 | 一种数据探查***、方法、设备及存储介质 |
US20180032518A1 (en) * | 2016-05-20 | 2018-02-01 | Roman Czeslaw Kordasiewicz | Systems and methods for graphical exploration of forensic data |
CN109213754A (zh) * | 2018-03-29 | 2019-01-15 | 北京九章云极科技有限公司 | 一种数据处理***及数据处理方法 |
CN109446221A (zh) * | 2018-10-29 | 2019-03-08 | 北京百分点信息科技有限公司 | 一种基于语义分析的交互式数据探查方法 |
CN109522312A (zh) * | 2018-11-27 | 2019-03-26 | 北京锐安科技有限公司 | 一种数据处理方法、装置、服务器和存储介质 |
CN110162519A (zh) * | 2019-04-17 | 2019-08-23 | 苏宁易购集团股份有限公司 | 数据清理方法 |
CN110442620A (zh) * | 2019-08-05 | 2019-11-12 | 赵玉德 | 一种大数据探索和认知方法、装置、设备以及计算机存储介质 |
CN110471900A (zh) * | 2019-07-10 | 2019-11-19 | 平安科技(深圳)有限公司 | 数据处理方法及终端设备 |
-
2019
- 2019-12-19 CN CN201911318396.3A patent/CN110990447B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5999192A (en) * | 1996-04-30 | 1999-12-07 | Lucent Technologies Inc. | Interactive data exploration apparatus and methods |
US20050179684A1 (en) * | 2004-02-17 | 2005-08-18 | Wallace James H. | Data exploration system |
US20100235362A1 (en) * | 2009-03-16 | 2010-09-16 | Graham Cormode | Methods and apparatus for ranking uncertain data in a probabilistic database |
US20110078145A1 (en) * | 2009-09-29 | 2011-03-31 | Siemens Medical Solutions Usa Inc. | Automated Patient/Document Identification and Categorization For Medical Data |
US20110282899A1 (en) * | 2010-05-13 | 2011-11-17 | Salesforce.Com, Inc. | Method and System for Exploring Objects in a Data Dictionary |
CN106708909A (zh) * | 2015-11-18 | 2017-05-24 | 阿里巴巴集团控股有限公司 | 数据质量的检测方法和装置 |
US20180032518A1 (en) * | 2016-05-20 | 2018-02-01 | Roman Czeslaw Kordasiewicz | Systems and methods for graphical exploration of forensic data |
CN107480553A (zh) * | 2017-07-28 | 2017-12-15 | 北京明朝万达科技股份有限公司 | 一种数据探查***、方法、设备及存储介质 |
CN109213754A (zh) * | 2018-03-29 | 2019-01-15 | 北京九章云极科技有限公司 | 一种数据处理***及数据处理方法 |
CN109446221A (zh) * | 2018-10-29 | 2019-03-08 | 北京百分点信息科技有限公司 | 一种基于语义分析的交互式数据探查方法 |
CN109522312A (zh) * | 2018-11-27 | 2019-03-26 | 北京锐安科技有限公司 | 一种数据处理方法、装置、服务器和存储介质 |
CN110162519A (zh) * | 2019-04-17 | 2019-08-23 | 苏宁易购集团股份有限公司 | 数据清理方法 |
CN110471900A (zh) * | 2019-07-10 | 2019-11-19 | 平安科技(深圳)有限公司 | 数据处理方法及终端设备 |
CN110442620A (zh) * | 2019-08-05 | 2019-11-12 | 赵玉德 | 一种大数据探索和认知方法、装置、设备以及计算机存储介质 |
Non-Patent Citations (1)
Title |
---|
杜小勇;陈峻;陈跃国;: "大数据探索式搜索研究", 通信学报, no. 12 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111581431A (zh) * | 2020-04-28 | 2020-08-25 | 厦门市美亚柏科信息股份有限公司 | 基于动态评估的数据探查方法和装置 |
CN111581431B (zh) * | 2020-04-28 | 2022-05-20 | 厦门市美亚柏科信息股份有限公司 | 基于动态评估的数据探查方法和装置 |
CN112035414A (zh) * | 2020-08-31 | 2020-12-04 | 山东浪潮通软信息科技有限公司 | 元数据流转方法、装置和计算机可读介质 |
CN112035414B (zh) * | 2020-08-31 | 2024-05-03 | 浪潮通用软件有限公司 | 元数据流转方法、装置和计算机可读介质 |
CN112131296A (zh) * | 2020-09-27 | 2020-12-25 | 北京锐安科技有限公司 | 一种数据探查方法、装置、电子设备和存储介质 |
WO2022062834A1 (zh) * | 2020-09-27 | 2022-03-31 | 北京锐安科技有限公司 | 数据探查方法、装置、电子设备和存储介质 |
CN112131296B (zh) * | 2020-09-27 | 2024-07-26 | 北京锐安科技有限公司 | 一种数据探查方法、装置、电子设备和存储介质 |
CN112527783A (zh) * | 2020-11-27 | 2021-03-19 | 中科曙光南京研究院有限公司 | 一种基于Hadoop的数据质量探查*** |
CN112527783B (zh) * | 2020-11-27 | 2024-05-24 | 中科曙光南京研究院有限公司 | 一种基于Hadoop的数据质量探查*** |
CN112463252A (zh) * | 2020-12-08 | 2021-03-09 | 平安国际智慧城市科技股份有限公司 | 数据探查方法、装置和计算机设备 |
CN113535707A (zh) * | 2021-08-05 | 2021-10-22 | 南京华飞数据技术有限公司 | 一种基于大数据进行人员信息数据治理的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110990447B (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110990447B (zh) | 一种数据探查方法、装置、设备及存储介质 | |
CN108701258B (zh) | 用于通过统计剖析和参考模式匹配进行本体归纳的***和方法 | |
US10282197B2 (en) | Open application lifecycle management framework | |
US11449477B2 (en) | Systems and methods for context-independent database search paths | |
MX2013014800A (es) | Recomendacion de enriquecimientos de datos. | |
US20200151206A1 (en) | Conversational Database Analysis | |
CN112000773B (zh) | 基于搜索引擎技术的数据关联关系挖掘方法及应用 | |
CN103262076A (zh) | 分析数据处理 | |
CN110414259A (zh) | 一种构建数据类目、实现数据共享的方法及设备 | |
CN114564930A (zh) | 文档信息整合方法、装置、设备、介质和程序产品 | |
CN113779349A (zh) | 数据检索***、装置、电子设备和可读存储介质 | |
CN113962597A (zh) | 一种数据分析方法、装置、电子设备及存储介质 | |
US10628421B2 (en) | Managing a single database management system | |
CN111984797A (zh) | 客户身份识别装置及方法 | |
CN115168474B (zh) | 一种基于大数据模型的物联中台***搭建方法 | |
US20240176803A1 (en) | Simplified schema generation for data ingestion | |
CN117076515B (zh) | 医疗管理***中元数据的溯源方法、装置、服务器及存储介质 | |
CN113837278B (zh) | 一种脏数据检测的方法和装置 | |
US9158818B2 (en) | Facilitating identification of star schemas in database environments | |
WO2022062834A1 (zh) | 数据探查方法、装置、电子设备和存储介质 | |
CN117407414A (zh) | 结构化查询语句的处理方法、装置、设备、介质 | |
CN115905708A (zh) | 多平台文物知识服务实现方法、装置、终端和介质 | |
US10073868B1 (en) | Adding and maintaining individual user comments to a row in a database table | |
CN116821160A (zh) | 基于用户行为轨迹信息的关联更新方法、装置、设备和介质 | |
KR20240003763A (ko) | 스키마리스 데이터의 효율적인 저장 및 질의 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |