CN111190892A - 一种数据回填中处理异常数据的方法和装置 - Google Patents
一种数据回填中处理异常数据的方法和装置 Download PDFInfo
- Publication number
- CN111190892A CN111190892A CN202010004932.9A CN202010004932A CN111190892A CN 111190892 A CN111190892 A CN 111190892A CN 202010004932 A CN202010004932 A CN 202010004932A CN 111190892 A CN111190892 A CN 111190892A
- Authority
- CN
- China
- Prior art keywords
- data
- field information
- abnormal data
- time field
- task flow
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/18—File system types
- G06F16/182—Distributed file systems
-
- 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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2471—Distributed queries
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种数据回填中处理异常数据的方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:在存在异常数据的情况下,确定所述异常数据的元数据和时间字段信息;基于存储的血缘关系数据,根据所述异常数据的元数据,确定目标任务流以及所述目标任务流的执行顺序;其中,所述血缘关系数据至少用于表述数据之间的关联关系;根据所述执行顺序和所述异常数据的时间字段信息,执行所述目标任务流。该方法在数据回填的场景中,基于数据与任务之间的血缘关系,自动化处理异常数据问题,无需人为干预,大大提高了处理效率和降低人工成本。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种数据回填中处理异常数据的方法和装置。
背景技术
Airflow是一个可编程,调度和监控的工作流平台,基于有向无环图dag,airflow可以定义一组有依赖的任务,按照依赖依次执行。airflow提供了丰富的命令行工具用于***管控,而其web管理界面同样也可以方便的管控调度任务,并且对任务运行状态进行实时监控,方便了***的运维和管理。不同于其它调度器使用XML或者text文件方式定义工作流,airflow通过python文件作流,用户可以通过代码完全自定义自己的工作流。airflow的主要功能:工作流定义、任务调度、任务依赖、变量、池、分布式执行任务等。Backfill功能是airflow可以根据时间段对dag中的多个任务根据依赖关系进行数据回填。Clear功能是airflow可以根据时间段清除一些任务的状态,使得可对dag中的某个任务进行重运行。
Aiflow作为任务调度***无法知晓数据的采集的异常情况,只能等数据开发工程师发现异常情况之后自主编写脚本触发backfill和clear功能才能重新运行数据。从发现问题到解决问题耗时。以及,Backfill以及Clear功能的作用范围都在一个dag范围内,无法根据依赖关系进行跨dag的任务重运行。在实际的数据采集场景下,一旦数据出现异常,数据回填的场景下,需要依赖数据开发人员的经验进行人工编译脚本处理,浪费人力资源,完全可以根据元数据获取数据的血缘关系来进行自动化。
发明内容
有鉴于此,本发明实施例提供一种数据回填中处理异常数据的方法和装置,能够在数据回填的场景中,自动化处理异常数据问题,无需人为干预,大大提高了处理效率和降低人工成本。
为实现上述目的,根据本发明实施例的一个方面,提供了一种数据回填中处理异常数据的方法。
本发明实施例的数据回填中处理异常数据的方法包括:在存在异常数据的情况下,确定所述异常数据的元数据和时间字段信息;基于存储的血缘关系数据,根据所述异常数据的元数据,确定目标任务流以及所述目标任务流的执行顺序;其中,所述血缘关系数据至少用于表述数据之间的关联关系;根据所述执行顺序和所述异常数据的时间字段信息,执行所述目标任务流。
可选地,在存在异常数据的情况下,确定所述异常数据的元数据和时间字段信息之前,还包括:对存储在分布式文件***中的原始数据进行解析,得到所述原始数据的时间字段信息;判断所述原始数据的时间字段信息是否符合正常范围条件;在所述原始数据的时间字段信息不符合正常范围条件时,确定所述原始数据中存在异常数据。
可选地,基于存储的血缘关系数据,根据所述异常数据的元数据,确定目标任务流以及所述目标任务流的执行顺序的步骤包括:根据所述原始数据的时间字段信息,将所述历史数据回洗到相应的时间分区表中,以及根据所述异常数据的时间字段信息,确定所述异常数据的时间分区表的目标表名;其中,所述元数据至少包括表名;基于存储的血缘关系数据,根据所述异常数据的目标表名,确定目标任务流以及所述目标任务流的执行顺序。
可选地,所述时间分区表为hive表;和/或,
在根据所述执行顺序和所述异常数据的时间字段信息,执行所述目标任务流之后,还包括:将所述hive表中的数据更新至对应的数据库。
可选地,在根据所述执行顺序和所述异常数据的时间字段信息,执行所述目标任务流之后,还包括:确定所述目标任务流中不存在未执行成功的任务,判断是否存在后续延迟数据;如果存在,则确认存在异常数据的情况。
可选地,还包括:确定所述异常数据为重复数据;对所述重复数据进行过滤。
为实现上述目的,根据本发明实施例的另一个方面,提供了一种数据回填中处理异常数据的装置。
本发明实施例的数据回填中处理异常数据的装置包括:
元数据确定模块,用于在存在异常数据的情况下,确定所述异常数据的元数据和时间字段信息;
任务流确定模块,用于基于存储的血缘关系数据,根据所述异常数据的元数据,确定目标任务流以及所述目标任务流的执行顺序;其中,所述血缘关系数据至少用于表述数据之间的关联关系;
执行模块,用于根据所述执行顺序和所述异常数据的时间字段信息,执行所述目标任务流。
可选地,还包括异常检测模块,用于对存储在分布式文件***中的原始数据进行解析,得到所述原始数据的时间字段信息;判断所述原始数据的时间字段信息是否符合正常范围条件;在所述原始数据的时间字段信息不符合正常范围条件时,确定所述原始数据中存在异常数据。
可选地,所述任务流确定模块还用于,根据所述原始数据的时间字段信息,将所述历史数据回洗到相应的时间分区表中,以及根据所述异常数据的时间字段信息,确定所述异常数据的时间分区表的目标表名;其中,所述元数据至少包括表名;基于存储的血缘关系数据,根据所述异常数据的目标表名,确定目标任务流以及所述目标任务流的执行顺序。
可选地,还包括执行结果确定模块,用于确定所述目标任务流中不存在未执行成功的任务,判断是否存在后续延迟数据;如果存在,则确认存在异常数据的情况。
可选地,还包括重复异常处理模块,用于确定所述异常数据为重复数据;对所述重复数据进行过滤。
为实现上述目的,根据本发明实施例的再一个方面,提供了一种电子设备。
本发明实施例的电子设备包括: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上述任一项的数据回填中处理异常数据的方法。
为实现上述目的,根据本发明实施例的再一个方面,提供了一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现上述任一项的数据回填中处理异常数据的方法。
上述发明中的一个实施例具有如下优点或有益效果:在数据回填的场景中,基于数据与任务之间的血缘关系,确定出任务流的执行顺序并跟踪任务的运行状态,自动化处理异常数据问题,无需人为干预,大大提高了处理效率和降低人工成本。
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
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:
图1是根据本发明实施例的数据回填中处理异常数据的方法的主要流程的示意图;
图2是根据本发明实施例的数据回填中处理异常数据的方法的示意图;
图3是根据本发明实施例的数据回填中处理异常数据的装置的主要模块的示意图;
图4是本发明实施例可以应用于其中的示例性***架构图;
图5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***的结构示意图。
具体实施方式
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。
图1是根据本发明实施例的数据回填中处理异常数据的方法的主要流程的示意图,如图1所示,本发明实施例的数据回填中处理异常数据的方法主要包括:
步骤S101:在存在异常数据的情况下,确定异常数据的元数据和时间字段信息。
步骤S102:基于存储的血缘关系数据,根据异常数据的元数据,确定目标任务流以及目标任务流的执行顺序;其中,血缘关系数据至少用于表述数据之间的关联关系。
步骤S103:根据执行顺序和异常数据的时间字段信息,执行目标任务流。
本发明实施例,在数据回填的场景中,基于数据与任务之间的血缘关系,确定出任务流的执行顺序并跟踪任务的运行状态,自动化处理异常数据问题,无需人为干预,大大提高了处理效率和降低人工成本。
优选的,在存在异常数据的情况下,确定异常数据的元数据和时间字段信息之前,对存储在分布式文件***中的原始数据进行解析,得到原始数据的时间字段信息。判断原始数据的时间字段信息是否符合正常范围条件;在原始数据的时间字段信息不符合正常范围条件时,确定原始数据中存在异常数据。
优选的,基于存储的血缘关系数据,根据异常数据的元数据,确定目标任务流以及目标任务流的执行顺序的过程中,根据原始数据的时间字段信息,将历史数据回洗到相应的时间分区表中,以及根据异常数据的时间字段信息,确定异常数据的时间分区表的目标表名;其中,元数据至少包括表名。基于存储的血缘关系数据,根据异常数据的目标表名,确定目标任务流以及目标任务流的执行顺序。
优选的,时间分区表为hive表。在根据执行顺序和异常数据的时间字段信息,执行目标任务流之后,还包括:将hive表中的数据更新至对应的数据库。
优选的,在根据执行顺序和异常数据的时间字段信息,执行目标任务流之后,确定目标任务流中不存在未执行成功的任务,判断是否存在后续延迟数据。如果存在,则确认存在异常数据的情况。
优选的,在本发明实施例中,确定异常数据为重复数据后,对重复数据进行过滤。
现有技术中Aiflow作为任务调度***,无法主动检测到数据采集的异常情况,只能等数据开发工程师发现异常情况之后自主编写脚本触发backfill和clear功能才能重新运行数据,从发现问题到解决问题耗时长,效率低下。以及,由于Aiflow没有提供dag之间的依赖关系,而且backfill以及clear功能的作用范围都在一个dag范围内,无法根据依赖关系进行跨dag的任务重运行。因此,在数据采集场景下,一旦数据出现延迟,数据回填的场景下,无法根据依赖关系获得数据回洗任务的正确的执行顺序,需要依赖数据开发人员的经验进行处理,耗时耗力。以及,针对特定的场景,确定相应的数据清洗的顺序的脚本,针对每一种场景使用一种脚本进行处理。这样的方式也是需要针对不同的清洗场景进行特定的脚本编写,以及调用不用的处理脚本进行处理。数据采集的异常情况,一般都是靠告警,然后通知数据开发师再进行处理。
针对上述现有技术存在的问题,本发明实施例通过统一的数据存储技术hive,同时也使用同一种数据处理技术,这样数据流关系更能方便的获得。hive是基于Hadoop的一个数据仓库工具,可以将结构化的数据文件映射为一张数据库表,并提供完整的sql查询功能,可以将sql语句转换为MapReduce任务进行运行。其次,在数据仓库的模型上也进行了统一,在每个业务模块同一套基础的数据模型,数据流的关系非常清晰明了。最后,在脚本层面上也使用同一套的数据清洗模版,传入的时间参数使用同一个宏参数,这样在重新运行任务的时候为自动化打下了基础。在此基础上,本发明实施例根据数据流的走向即从元数据中获取数据的血缘关系来重新执行历史任务。并将最新的hive表中的数据更新至OLAP引擎kylin。Olap为在线联机分析应用,是一种对于多维数据分析查询的解决方案。Kylin是一个Hadoop生态圈下的MOLAP***,支持TB到PB级别数据量的分布式Olap分析引擎。以及,本发明实施例使用元数据atlas来将数据流与airflow上任务的关联起来,根据数据流的走向确定数据清洗聚合任务的顺序。其中,atlas是一个可伸缩和可扩展的核心基础治理服务集合,使企业能够有效地和高效地满足Hadoop中的合规性要求,并允许与整个企业数据生态***的集成。Apache Atlas为组织提供开放式元数据管理和治理功能,用以构建其数据资产目录,对这些资产进行分类和管理,并提供围绕这些数据资产的协作功能。
图2是根据本发明实施例的数据回填中处理异常数据的方法的示意图。
如图2所示,首先对分布式文件***hdfs的原始json(JavaScript ObjectNotation)文件进行解析,获取时间字段信息,根据时间字段信息判断时间是否在合理范围内,若不在合理范围内则为异常,反之正常。若为异常,判断异常的数据情况是采集历史数据重复还是历史数据延迟问题。若数据出现重复采集的情况,则过滤这些数据,然后正常进行数据清洗流程。若采集的数据出现历史数据延迟,根据时间的分布获取影响的时间范围,该影响的时间范围为延迟影响的数据的时间段,即由延迟数据的时间字段信息确定的数值范围,并将历史数据回洗到相应的时间分区表中,并获取受直接影响的hive表的表明以及受影响的时间范围。
根据受影响的表名去元数据atlas的血缘关系中查询相应的任务名。根据受影响的时间范围重新执行数据清洗任务,并等待所有任务执行成功,若有部分任务执行失败,则将失败的任务重新提交执行并等待执行成功。若所有任务执行成功,则判断是否有后续的受到影响的hive表。若有受影响的hive表,则再一次获取根据受影响的表名去元数据atlas的血缘关系中查询相应的任务名,再重复上一述操作,直到没有下一个受影响的hive表。根据之前所有的受影响的表的列表和数据,将kylin中的相应的cube进行更新。
本发明实施例可以在hdfs中原始日志文件进行分析,根据数据的采集情况进行数据的回洗。在使用中可以根据数据质量监控***连接起来,一旦数据采集链路出现问题,可以无需人为干预,即可自动化处理数据问题,这一步主要是前两步的数据异常判断来实现的。同时若是数据的统计逻辑进行了修改,需要重新执行整个数据模型中涉及的任务,也可以通过这个程序自动化跟踪运行。通过对血缘关系的使用,正确判断任务的执行顺序并跟踪任务的运行状态,提高数据问题的处理效率,解放人力。
图3是根据本发明实施例数据回填中处理异常数据的装置的主要模块的示意图,如图3所示,本发明实施例的数据回填中处理异常数据的装置300包括元数据确定模块301、任务流确定模块302和执行模块303。
元数据确定模块301用于,在存在异常数据的情况下,确定异常数据的元数据和时间字段信息。
任务流确定模块302用于,基于存储的血缘关系数据,根据异常数据的元数据,确定目标任务流以及目标任务流的执行顺序;其中,血缘关系数据至少用于表述数据之间的关联关系。任务流确定模块还用于,根据原始数据的时间字段信息,将历史数据回洗到相应的时间分区表中,以及根据异常数据的时间字段信息,确定异常数据的时间分区表的目标表名;其中,元数据至少包括表名;基于存储的血缘关系数据,根据异常数据的目标表名,确定目标任务流以及目标任务流的执行顺序。
执行模块303用于,根据执行顺序和异常数据的时间字段信息,执行目标任务流。
本发明实施例的数据回填中处理异常数据的装置,还包括异常检测模块,用于对存储在分布式文件***中的原始数据进行解析,得到原始数据的时间字段信息。以及,判断原始数据的时间字段信息是否符合正常范围条件。在原始数据的时间字段信息不符合正常范围条件时,确定原始数据中存在异常数据。
本发明实施例的数据回填中处理异常数据的装置,还包括执行结果确定模块和重复异常处理模块。执行结果确定模块用于确定目标任务流中不存在未执行成功的任务,判断是否存在后续延迟数据;如果存在,则确认存在异常数据的情况。重复异常处理模块用于确定异常数据为重复数据;对重复数据进行过滤。
本发明实施例,在数据回填的场景中,基于数据与任务之间的血缘关系,确定出任务流的执行顺序并跟踪任务的运行状态,自动化处理异常数据问题,无需人为干预,大大提高了处理效率和降低人工成本。
图4示出了可以应用本发明实施例的数据回填中处理异常数据的方法或数据回填中处理异常数据的装置的示例性***架构400。
如图4所示,***架构400可以包括终端设备401、402、403,网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404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401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403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)。
终端设备401、402、403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。
服务器405可以是提供各种服务的服务器,例如对用户利用终端设备401、402、403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,并将处理结果反馈给终端设备。
需要说明的是,本发明实施例所提供的数据回填中处理异常数据的方法一般由服务器405执行,相应地,数据回填中处理异常数据的装置一般设置于服务器405中。
应该理解,图4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。
下面参考图5,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***500的结构示意图。图5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。
如图5所示,计算机***500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有***500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;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507;包括硬盘等的存储部分508;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509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,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510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508。
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509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本发明的***中限定的上述功能。
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***、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***、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***、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,图示了按照本发明各种实施例的***、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:一种处理器包括元数据确定模块、任务流确定模块和执行模块。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,元数据确定模块还可以被描述为“在存在异常数据的情况下,确定异常数据的元数据和时间字段信息的模块”。
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:在存在异常数据的情况下,确定异常数据的元数据和时间字段信息;基于存储的血缘关系数据,根据异常数据的元数据,确定目标任务流以及目标任务流的执行顺序;其中,血缘关系数据至少用于表述数据之间的关联关系;根据执行顺序和异常数据的时间字段信息,执行目标任务流。
本发明实施例,在数据回填的场景中,基于数据与任务之间的血缘关系,确定出任务流的执行顺序并跟踪任务的运行状态,自动化处理异常数据问题,无需人为干预,大大提高了处理效率和降低人工成本。
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。
Claims (10)
1.一种数据回填中处理异常数据的方法,其特征在于,包括:
在存在异常数据的情况下,确定所述异常数据的元数据和时间字段信息;
基于存储的血缘关系数据,根据所述异常数据的元数据,确定目标任务流以及所述目标任务流的执行顺序;其中,所述血缘关系数据至少用于表述数据之间的关联关系;
根据所述执行顺序和所述异常数据的时间字段信息,执行所述目标任务流。
2.根据权利要求1所述的方法,其特征在于,在存在异常数据的情况下,确定所述异常数据的元数据和时间字段信息之前,还包括:
对存储在分布式文件***中的原始数据进行解析,得到所述原始数据的时间字段信息;
判断所述原始数据的时间字段信息是否符合正常范围条件;在所述原始数据的时间字段信息不符合正常范围条件时,确定所述原始数据中存在异常数据。
3.根据权利要求2所述的方法,其特征在于,基于存储的血缘关系数据,根据所述异常数据的元数据,确定目标任务流以及所述目标任务流的执行顺序的步骤包括:
根据所述原始数据的时间字段信息,将所述历史数据回洗到相应的时间分区表中,以及根据所述异常数据的时间字段信息,确定所述异常数据的时间分区表的目标表名;其中,所述元数据至少包括表名;
基于存储的血缘关系数据,根据所述异常数据的目标表名,确定目标任务流以及所述目标任务流的执行顺序。
4.根据权利要求3所述的方法,其特征在于,所述时间分区表为hive表;和/或,
在根据所述执行顺序和所述异常数据的时间字段信息,执行所述目标任务流之后,还包括:将所述hive表中的数据更新至对应的数据库。
5.一种数据回填中处理异常数据的装置,其特征在于,包括:
元数据确定模块,用于在存在异常数据的情况下,确定所述异常数据的元数据和时间字段信息;
任务流确定模块,用于基于存储的血缘关系数据,根据所述异常数据的元数据,确定目标任务流以及所述目标任务流的执行顺序;其中,所述血缘关系数据至少用于表述数据之间的关联关系;
执行模块,用于根据所述执行顺序和所述异常数据的时间字段信息,执行所述目标任务流。
6.根据权利要求5所述的装置,其特征在于,还包括异常检测模块,用于对存储在分布式文件***中的原始数据进行解析,得到所述原始数据的时间字段信息;判断所述原始数据的时间字段信息是否符合正常范围条件;在所述原始数据的时间字段信息不符合正常范围条件时,确定所述原始数据中存在异常数据。
7.根据权利要求6所述的装置,其特征在于,所述任务流确定模块还用于,根据所述原始数据的时间字段信息,将所述历史数据回洗到相应的时间分区表中,以及根据所述异常数据的时间字段信息,确定所述异常数据的时间分区表的目标表名;其中,所述元数据至少包括表名;基于存储的血缘关系数据,根据所述异常数据的目标表名,确定目标任务流以及所述目标任务流的执行顺序。
8.根据权利要求5所述的装置,其特征在于,还包括执行结果确定模块,用于确定所述目标任务流中不存在未执行成功的任务,判断是否存在后续延迟数据;如果存在,则确认存在异常数据的情况。
9.一种电子设备,其特征在于,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1-4中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010004932.9A CN111190892B (zh) | 2020-01-03 | 2020-01-03 | 一种数据回填中处理异常数据的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010004932.9A CN111190892B (zh) | 2020-01-03 | 2020-01-03 | 一种数据回填中处理异常数据的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111190892A true CN111190892A (zh) | 2020-05-22 |
CN111190892B CN111190892B (zh) | 2022-07-12 |
Family
ID=70708612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010004932.9A Active CN111190892B (zh) | 2020-01-03 | 2020-01-03 | 一种数据回填中处理异常数据的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111190892B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111782190A (zh) * | 2020-06-29 | 2020-10-16 | 京东数字科技控股有限公司 | 异常定位方法和装置、存储介质和电子装置 |
CN111858065A (zh) * | 2020-07-28 | 2020-10-30 | 中国平安财产保险股份有限公司 | 数据处理方法、设备、存储介质及装置 |
CN112965793A (zh) * | 2021-01-21 | 2021-06-15 | 中国互联网络信息中心 | 一种面向标识解析数据的数据仓库任务调度方法和*** |
CN113138895A (zh) * | 2021-04-19 | 2021-07-20 | 建信金融科技有限责任公司 | 云桌面设备的监控方法及装置 |
CN114584802A (zh) * | 2020-11-30 | 2022-06-03 | 腾讯科技(深圳)有限公司 | 多媒体处理方法、装置、介质以及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060020939A1 (en) * | 2004-06-10 | 2006-01-26 | International Business Machines Corporation | Exception handling in the processing of proposal requests in a grid computing environment |
CN107688504A (zh) * | 2016-08-05 | 2018-02-13 | 中兴通讯股份有限公司 | 数据管理异常的补救方法及*** |
-
2020
- 2020-01-03 CN CN202010004932.9A patent/CN111190892B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060020939A1 (en) * | 2004-06-10 | 2006-01-26 | International Business Machines Corporation | Exception handling in the processing of proposal requests in a grid computing environment |
CN107688504A (zh) * | 2016-08-05 | 2018-02-13 | 中兴通讯股份有限公司 | 数据管理异常的补救方法及*** |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111782190A (zh) * | 2020-06-29 | 2020-10-16 | 京东数字科技控股有限公司 | 异常定位方法和装置、存储介质和电子装置 |
CN111858065A (zh) * | 2020-07-28 | 2020-10-30 | 中国平安财产保险股份有限公司 | 数据处理方法、设备、存储介质及装置 |
CN111858065B (zh) * | 2020-07-28 | 2023-02-03 | 中国平安财产保险股份有限公司 | 数据处理方法、设备、存储介质及装置 |
CN114584802A (zh) * | 2020-11-30 | 2022-06-03 | 腾讯科技(深圳)有限公司 | 多媒体处理方法、装置、介质以及电子设备 |
CN114584802B (zh) * | 2020-11-30 | 2024-03-08 | 腾讯科技(深圳)有限公司 | 多媒体处理方法、装置、介质以及电子设备 |
CN112965793A (zh) * | 2021-01-21 | 2021-06-15 | 中国互联网络信息中心 | 一种面向标识解析数据的数据仓库任务调度方法和*** |
CN112965793B (zh) * | 2021-01-21 | 2023-11-21 | 中国互联网络信息中心 | 一种面向标识解析数据的数据仓库任务调度方法和*** |
CN113138895A (zh) * | 2021-04-19 | 2021-07-20 | 建信金融科技有限责任公司 | 云桌面设备的监控方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111190892B (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111190892B (zh) | 一种数据回填中处理异常数据的方法和装置 | |
US11288557B2 (en) | Long running workflows for document processing using robotic process automation | |
CN107016480B (zh) | 任务调度方法、装置及*** | |
US20140358844A1 (en) | Workflow controller compatibility | |
US20140164933A1 (en) | Smart user interface adaptation in on-demand business applications | |
CN111190888A (zh) | 一种管理图数据库集群的方法和装置 | |
US11442837B2 (en) | Monitoring long running workflows for robotic process automation | |
CN109214741B (zh) | 一种监控指标的预警方法和预警*** | |
CN109298948B (zh) | 分布式计算方法和*** | |
CN115374102A (zh) | 数据处理方法及*** | |
US20150019284A1 (en) | Dynamically modifying business processes based on real-time events | |
US20130014082A1 (en) | Method of configuring business logic supporting multi-tenancy | |
CN110019158A (zh) | 一种监控数据质量的方法和装置 | |
CN113127057B (zh) | 多任务并行执行的方法和装置 | |
CN111767127A (zh) | 一种业务数据处理方法和装置 | |
US8332335B2 (en) | Systems and methods for decision pattern identification and application | |
CN113297081B (zh) | 一种持续集成流水线的执行方法和装置 | |
CN113656239A (zh) | 针对中间件的监控方法、装置及计算机程序产品 | |
CN112860538B (zh) | 基于线上日志进行接口回归测试的方法和装置 | |
CN112148347A (zh) | 一种全流程溯源管理的方法和装置 | |
CN110795259A (zh) | 一种分析应用崩溃的方法和装置 | |
CN113656812A (zh) | 一种基于大数据技术的数据管理***和方法 | |
CN113779017A (zh) | 数据资产管理的方法和装置 | |
CN112052231B (zh) | 回传记录的监控方法和监控装置 | |
CN111723088B (zh) | 一种推送汇总层表的方法和装置 |
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 | ||
CB02 | Change of applicant information |
Address after: 215123 building 14, Tengfei Innovation Park, 388 Xinping street, Suzhou Industrial Park, Suzhou City, Jiangsu Province Applicant after: Sipic Technology Co.,Ltd. Address before: 215123 building 14, Tengfei Innovation Park, 388 Xinping street, Suzhou Industrial Park, Suzhou City, Jiangsu Province Applicant before: AI SPEECH Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |