CN112800054A - 数据模型的确定方法、装置、设备及存储介质 - Google Patents
数据模型的确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112800054A CN112800054A CN202110023746.4A CN202110023746A CN112800054A CN 112800054 A CN112800054 A CN 112800054A CN 202110023746 A CN202110023746 A CN 202110023746A CN 112800054 A CN112800054 A CN 112800054A
- Authority
- CN
- China
- Prior art keywords
- data
- data structure
- index
- composite
- basic
- 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
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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2219—Large Object storage; Management thereof
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例提供了一种数据模型的确定方法、装置、设备及存储介质,涉及数据处理技术领域。所述方法包括:基于数据对象和数据对象的索引,构建数据集合,数据对象为封装的数据;基于数据对象的数据结构,构建数据结构集合,数据结构用于指示数据对象的存储方式;基于数据对象的维度信息和数据对象的索引,构建索引集合;基于索引集合和数据结构集合,确定数据模型,数据模型用于实现数据结构的自描述。本申请实施例提供的技术方案,能够节省存储空间。
Description
技术领域
本申请实施例涉及数据处理技术领域,特别涉及一种数据模型的确定方法、装置、设备及存储介质。
背景技术
在计算机技术中,数据模型的设计与开发方式,与后期的维护成本紧密相关。
在相关技术中,通过在物理模型层面开发大而全的存储结构,使得该大而全的存储结构能够映射逻辑模型中,所有可能的数据结构的并集,从而在逻辑模型发生预设情况内的变化时,物理模型无需改变。
在上述相关技术中,由于该存储结构需要尽可能地大而全,占用的存储空间过大。
发明内容
本申请实施例提供了一种数据模型的确定方法、装置、设备及存储介质,能够节省存储空间。所述技术方案如下:
根据本申请实施例的一个方面,提供了一种数据模型的确定方法,所述方法包括:
基于数据对象和数据对象的索引,构建数据集合,所述数据对象为封装的数据;
基于所述数据对象的数据结构,构建数据结构集合,所述数据结构用于指示所述数据对象的存储方式;
基于所述数据对象的维度信息和所述数据对象的索引,构建索引集合;
基于所述索引集合、所述数据结构集合,确定数据模型,所述数据模型用于实现数据结构的自描述。
可选地,所述基于所述数据对象的数据结构,构建数据结构集合,包括:
基于基本数据结构,构建基本数据结构集合;
和/或,
基于复合数据结构的数据结构关系,构建复合数据结构集合;
其中,所述复合数据结构的最小数据结构单元为基本数据结构,所述复合数据结构是由所述基本数据结构通过逐层组合得到的。
可选地,所述基于所述数据对象的数据结构,构建数据结构集合之前,还包括:
获取所述数据对象的标识;
基于所述数据对象的标识,确定所述数据对象与对应的数据结构的关联关系。
可选地,所述方法还包括:
获取所述基本数据结构对应的父数据结构的标识,以及所述基本数据结构与对应的父数据结构之间的关联关系,与所述基本数据结构对应的父数据结构为复合数据结构;
基于所述基本数据结构对应的父数据结构的标识,以及所述基本数据结构与对应的父数据结构之间的关联关系,将所述基本数据结构组合得到对应的父数据结构。
可选地,所述方法还包括:
获取复合数据结构对应的父数据结构的标识,以及所述复合数据结构与对应的父数据结构之间的关联关系,与所述复合数据结构对应的父数据结构为复合数据结构;
基于所述复合数据结构对应的父数据结构的标识,以及所述复合数据结构与对应的父数据结构之间的关联关系,将所述复合数据结构组合得到对应的父数据结构。
可选地,所述方法还包括:
获取复合数据结构的标识;
基于所述复合数据结构的标识,确定所述复合数据结构与对应的组成数据结构之间的关联关系。
可选地,所述方法还包括:
确定所述基本数据结构中的数据类型;
基于所述基本数据结构中的数据类型,确定对应的持久化对象。
可选地,所述方法还包括:
基于所述索引,获取所述索引对应的数据结构的标识,以及所述索引在对应的数据结构中的维度;
基于所述索引对应的数据结构的标识,以及所述索引在对应的数据结构中的维度,确定所述索引与对应的数据结构的关联关系。
可选地,所述方法还包括:
基于所述索引,获取所述索引对应的数据的标识;
基于所述索引对应的数据的标识,确定所述索引对应的数据。
可选地,所述方法还包括:
从所述组合数据中获取对应的数据对象的标识,所述组合数据包括多个数据对象;
基于所述组合数据中对应的数据对象的标识,确定所述组合数据与对应的数据对象的关联关系。
根据本申请实施例的一个方面,提供了一种数据模型的确定装置,所述装置包括:
集合构建模块,用于基于数据对象和数据对象的索引,构建数据集合,所述数据对象为封装的数据;
所述集合构建模块,还用于基于所述数据对象的数据结构,构建数据结构集合,所述数据结构用于指示所述数据对象的存储方式;
所述集合构建模块,还用于基于所述数据对象的维度信息和所述数据对象的索引,构建索引集合;
模型确定模块,用于基于所述索引集合和所述数据结构集合,确定数据模型,所述数据模型用于实现数据结构的自描述。
可选地,所述集合构建模块,用于:
基于基本数据结构,构建基本数据结构集合;
和/或,
基于复合数据结构的数据结构关系,构建复合数据结构集合;
其中,所述复合数据结构的最小数据结构单元为基本数据结构,所述复合数据结构是由所述基本数据结构通过逐层组合得到的。
可选地,所述装置还包括:
标识获取模块,用于获取所述数据对象的标识;
关系确定模块,用于基于所述数据对象的标识,确定所述数据对象与对应的数据结构的关联关系。
可选地,所述标识获取模块,还用于获取所述基本数据结构对应的父数据结构的标识,以及所述基本数据结构与对应的父数据结构之间的关联关系,与所述基本数据结构对应的父数据结构为复合数据结构;
所述结构组合模块,用于基于所述基本数据结构对应的父数据结构的标识,以及所述基本数据结构与对应的父数据结构之间的关联关系,将所述基本数据结构组合得到对应的父数据结构。
可选地,所述标识获取模块,还用于获取复合数据结构对应的父数据结构的标识,以及所述复合数据结构与对应的父数据结构之间的关联关系,与所述复合数据结构对应的父数据结构为复合数据结构;
所述结构组合模块,还用于基于所述复合数据结构对应的父数据结构的标识,以及所述复合数据结构与对应的父数据结构之间的关联关系,将所述复合数据结构组合得到对应的父数据结构。
可选地,所述标识获取模块,还用于获取复合数据结构的标识;
所述关系确定模块,还用于基于所述复合数据结构的标识,确定所述复合数据结构与对应的组成数据结构之间的关联关系。
可选地,所述装置还包括:类型确定模块和对象确定模块。
所述类型确定模块,用于确定所述基本数据结构中的数据类型;
所述对象确定模块,用于基于所述基本数据结构中的数据类型,确定对应的持久化对象。
可选地,所述标识获取模块,还用于基于所述索引,获取所述索引对应的数据结构的标识,以及所述索引在对应的数据结构中的维度;
所述关系确定模块,还用于基于所述索引对应的数据结构的标识,以及所述索引在对应的数据结构中的维度,确定所述索引与对应的数据结构的关联关系。
可选地,所述标识获取模块,还用于基于所述索引,获取所述索引对应的数据的标识;
所述关系确定模块,还用于基于所述索引对应的数据的标识,确定所述索引对应的数据。
可选地,所述标识获取模块,还用于从所述组合数据中获取对应的数据对象的标识,所述组合数据包括多个数据对象;
所述关系确定模块,还用于基于所述组合数据中对应的数据对象的标识,确定所述组合数据与对应的数据对象的关联关系。
根据本申请实施例的一个方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有计算机程序,所述计算机程序由所述处理器加载并执行以实现上述的数据模型的确定方法。
根据本申请实施例的一个方面,提供了一种计算机存储介质,所述计算式存储介质中存储有计算机程序,所述计算机程序由处理器加载并执行以实现上述的数据模型的确定方法。
根据本申请实施例的一个方面,提供了一种计算机程序产品,所述计算机程序产品被处理器执行时,用于实现上述数据模型的确定方法。
本申请实施例提供的技术方案至少包括如下有益效果:
通过对构成复合数据结构的基本数据结构及其构成关系进行定义,使得复合数据结构的持久化对象可以由基本数据结构的持久化对象的组合自动生成,相比于构建大而全的存储结构,本申请实施例能够节省存储空间。
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,并不能限制本申请。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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是本申请一个实施例提供的数据的物理模型的示意图;
图2是本申请一个实施例提供的数据模型的确定方法的流程图;
图3是本申请一个实施例提供的逻辑模型转换为物理模型的流程示意图;
图4是本申请一个实施例提供的物理模型转换为逻辑模型的流程示意图;
图5是本申请一个实施例提供的局部检索的流程示意图;
图6是本申请一个实施例提供的原始地层测试数据的示意图;
图7是本申请一个实施例提供的数据模型的示意图;
图8是本申请另一个实施例提供的数据模型的示意图;
图9是本申请另一个实施例提供的数据模型的示意图;
图10是本申请另一个实施例提供的数据模型的示意图;
图11是本申请一个实施例提供的数据模型的确定装置的框图;
图12是本申请另一个实施例提供的数据模型的确定装置的框图;
图13是本申请一个实施例提供的计算机设备的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的方法的例子。
首先,对本申请实施例涉及的名词进行简要介绍。
数据对象:数据对象是必须由软件理解的复合信息表示。数据对象可以描述外部实体、事物、偶发事件或时间、角色、组织单位、地点等。将数据进行封装,即得到数据对象。
数据结构:数据结构是计算机存储、组织数据的方式。数据结构是指相互之间存在一种或多种特定关系的数据的集合。
数据模型:数据模型(Data Model)是数据特征的抽象。数据模型所描述的内容有三部分:数据结构、数据操作和数据约束。
持久化对象:在设备中能够持久化保存的数据,通过数据持久化能够得到持久化对象。数据持久化是将内存中的数据模型转换为存储模型,以及将存储模型转换为内存中的数据模型的统称。由于关系型数据库应用广泛,所以就会误认为数据持久化等同于对象模型与关系型数据库之间的转换。但实际上,数据持久化还可以是对象模型与XML(Extensible Markup Language,可扩展标记语言)、二进制流等物理模型之间的转换。与数据读写有关的所有基本操作都与持久化有关。持久化的基本操作有:保存、更新、查询、删除等,其核心是编码和解码两个相反的过程,有时也被称为串行化与反串行化。在一些实施例中,持久化对象库通过所依赖的软件开发语言的基本数据类型获取。
在设计数据持久化时,会涉及到三种模型种类:概念模型、逻辑模型、物理模型,其中:
概念模型是由业务需求转化而来的抽象的数据模型,即经过对业务需求分析和总结形成E-R图(Entity Relationship Diagram,实体-联系图),概念模型反映了数据的业务观点。
逻辑模型是对概念模型的进一步具体化,经过对E-R图进行细化,生成所用***支持的数据模型(网状数据模型、层次数据模型、关系数据模型)。逻辑模型反映了数据的存储观点。逻辑模型架起了业务和***之间的桥梁,既要面向业务,又要考虑到所用***的特性。
物理模型是在逻辑模型的基础上,综合考虑各种存储条件的限制,形成存储模型,从而真正实现数据的存放。物理模型反映了数据在物理存储介质上的具体数据结构。
需要注意的是:
1、在本申请实施例中,逻辑模型的数据结构分为基本数据结构和复合数据结构;基本数据结构是数据结构的最基本组成单元;复合数据结构由基本数据结构和/或复合数据结构组合而成,此时称该复合数据结构是组成它的任意数据结构的父数据结构;任何复合数据结构不能由其父数据结构组成。由于不会出现数据结构的循环组合情况,因此复合数据结构等价于一个基本数据结构的树型结构组合。
2、在本申请实施例中,如图1所示,物理模型10的存储结构保存基本数据结构11以及基本数据结构11之间组合关系。对于基本数据结构11,物理模型10的存储结构可以直接进行保存和映射。对于复合数据结构12,物理模型10的存储结构通过保存所有组成复合数据结构12的基本数据结构11以及基本数据结构11之间的树型结构关系,实现保存和映射。
3、在本申请实施例中,逻辑模型的基本数据结构与物理模型的存储结构之间的映射,由基本数据结构的持久化对象直接提供;逻辑模型的复合数据结构与物理模型的存储结构之间的映射,则由组成复合数据结构的基本数据结构的持久化对象,根据这些基本数据结构组成复合数据结构的树型结构,组合提供。
4、在本申请实施例中,数据结构之间的关系包括数据结构之间的包含关系和组成同一个复合数据结构的子数据结构之间的协作关系。
5、在本申请实施例中,物理模型的存储结构保存数据之间的包含关系和数据的维度信息。
本申请实施例提供的方法,各步骤的执行主体可以是计算机设备,该计算机设备是指具备数据计算、处理和存储能力的电子设备。该计算机设备可以是诸如PC(PersonalComputer,个人计算机)、平板电脑、智能手机、可穿戴设备、智能机器人、智能电视等终端;也可以是服务器。其中,服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式***,还可以是提供云计算服务的云服务器。下面,通过几个实施例对本申请技术方案进行介绍说明。
下面,通过几个实施例对本申请技术方案进行介绍说明。
请参考图2,其示出了本申请一个实施例提供的数据模型的确定方法的流程图。在本实施例中,主要以该方法应用于上文介绍的计算机设备中来举例说明。该方法可以包括如下几个步骤(201~204):
步骤201,基于数据对象和数据对象的索引,构建数据集合。
在一些实施例中,数据对象为封装的数据,将数据对象和数据对象的索引集中构建得到数据集合。索引是一种基于表的数据结构,通过索引可以加速数据的检索,类似书的目录,节省检索时间。例如:索引是一种单独的、物理的对数据库表中一列或多列的值进行排序的一种存储结构,索引是某个表中一列或若干列的值的集合,和相应的指向表中物理标识的数据页的逻辑指针清单。索引提供指向存储在数据库表的指定列中的数据值的指针,然后根据指定的排序顺序对这些指针排序。数据库能够使用索引以找到特定值,然后根据指针找到包含该值的行。这样,可以使对应于表的SQL(Structured Query Language,结构化查询语言)语句执行得更快,从而快速访问数据库表中的特定信息。
在一些实施例中,在本步骤201之前,该方法还包括如下步骤:
1、将数据对象拆分为多个子数据对象,并确定各个子数据对象之间的关系数据;
2、存储多个子数据对象,以及各个子数据对象之间的关系数据。
步骤202,基于数据对象的数据结构,构建数据结构集合。
在一些实施例中,通过分析已有的数据对象,得到数据对象的数据结构,从而能够基于数据对象的数据结构构建数据结构集合,数据结构用于指示数据对象的存储方式。在一些实施例中,数据结构以整体的串行化进行存储。在另一些实施例中,将数据对象的串行化结果拆分,与对应的基本数据结构存储在一起。串行化是指将数据存储到介质(如内存)中,或是以二进制数据的形式通过网络传输数据。本申请实施例涉及的串行化是指数据对象的存储过程。
在一些实施例中,数据结构包括基本数据结构和复合数据结构,复合数据结构最基本的组成单元为基本数据结构,复合数据结构还可以与基本数据结构或其他复合数据结构进一步组合,得到新的复合数据结构。因而,本步骤202可以包括:基于基本数据结构,构建基本数据结构集合;和/或,基于复合数据结构的数据结构关系,构建复合数据结构集合;其中,复合数据结构的最小数据结构单元为基本数据结构,复合数据结构是由基本数据结构通过逐层组合得到的。可选地,集中存储多个基本数据结构,得到基本数据结构集合。
在一些实施例中,基于数据对象的数据结构,构建数据结构集合之前,还包括如下步骤:
1、获取数据对象的标识;
2、基于数据对象的标识,确定数据对象与对应的数据结构的关联关系。
对于各个数据对象,其标识能够指示数据对象与对应的数据结构,以及与数据结构之间的关联关系。因而,基于数据对象的标识,可以确定数据对象与对应的数据结构的关联关系。
在一些实施例中,该方法还包括如下步骤:
(1)获取基本数据结构对应的父数据结构的标识,以及基本数据结构与对应的父数据结构之间的关联关系,与基本数据结构对应的父数据结构为复合数据结构;
(2)基于基本数据结构对应的父数据结构的标识,以及基本数据结构与对应的父数据结构之间的关联关系,将基本数据结构组合得到对应的父数据结构。
可选地,基本数据结构为对应的父数据结构的子数据结构,该父数据结构包括多个组成数据结构,多个组成数据结构中包括该基本数据结构,通过该父数据结构的标识,以及该基本数据结构与对应的父数据结构之间的关联关系,并将基本数据结构进行组合,得到复合数据结构。可选地,本申请实施例中,通过物理模型的存储结构保存基本数据结构以及基本数据结构之间的联结关系。对于基本数据结构,物理模型的存储结构可以直接进行保存和映射。对于复合数据结构,物理模型的存储结构通过保存所有组成复合数据结构的基本数据结构以及基本数据结构之间的树型结构关系,实现保存和映射。
在一些实施例中,基于复合数据结构的数据结构关系,构建复合数据结构集合,包括如下步骤:
(1)获取复合数据结构的标识;
(2)基于复合数据结构的标识,确定复合数据结构与对应的组成数据结构之间的关联关系。
在一些实施例中,该方法还包括如下步骤:
(1)获取复合数据结构对应的父数据结构的标识,以及复合数据结构与对应的父数据结构之间的关联关系,与复合数据结构对应的父数据结构为复合数据结构;
(2)基于复合数据结构对应的父数据结构的标识,以及复合数据结构与对应的父数据结构之间的关联关系,将复合数据结构组合得到对应的父数据结构。
可选地,复合数据结构为其父数据结构的子数据结构,该父数据结构包括多个组成数据结构,多个组成数据结构中包括该复合数据结构,通过该父数据结构的标识,以及该复合数据结构与对应的父数据结构之间的关联关系,能够将复合数据结构组合得到对应的父数据结构。可选地,本申请实施例将逻辑模型的数据结构分为基本数据结构和复合数据结构,其中,基本数据结构是数据结构的最基本组成单元。复合数据结构由基本数据结构和/或复合数据结构组合而成,因而,复合数据结构是组成它的任意数据结构的父数据结构,任何复合数据结构不能由其父数据结构组成。由于不会出现数据结构的循环组合情况,因此复合数据结构等价于一个基本数据结构的树型结构组合。
步骤203,基于数据对象的维度信息和数据对象的索引,构建索引集合。
可选地,数据对象的维度信息包括数据对象涉及的维度,如数据对象的具有唯一标识作用的属性,在检索过程中,需要基于数据对象的维度信息进行检索,因而需要获取数据对象的维度信息和索引的关联关系,构建索引集合。
在一些实施例中,该方法还包括如下步骤:
1、基于索引,获取索引对应的数据结构的标识,以及索引在对应的数据结构中的维度;
2、基于索引对应的数据结构的标识,以及索引在对应的数据结构中的维度,确定索引与对应的数据结构的关联关系。
步骤204,基于索引集合和数据结构集合,确定数据模型,数据模型用于实现数据结构的自描述。
其中,数据模型用于实现数据结构的自描述。
在一些实施例中,该方法还包括如下步骤:
1、确定基本数据结构中的数据类型;
2、基于基本数据结构中的数据类型,确定对应的持久化对象。
基本数据结构中的数据类型可以有多种多样,当确定基本数据结构的数据类型时,可以确定该基本数据结构对应的持久化对象的数据类型。可选地,持久化对象具有数据类型、串行化操作、反串行化操作、串行化结果尺寸。
综上所述,本申请实施例提供的技术方案,通过对构成复合数据结构的基本数据结构及其构成关系进行定义,使得复合数据结构的持久化对象可以由基本数据结构的持久化对象的组合自动生成,相比于构建大而全的存储结构,本申请实施例能够节省存储空间。
另外,通过对数据的数据结构、维度索引以及数据结构间的关系进行存储,实现了数据结构的自描述,直接将数据结构与其数据一起存储,使得基本数据结构与持久化对象之间的关联更直接,通过对构成复合数据结构的基本数据结构及其构成关系进行定义,当数据模型需要发生变化时,仅需对构成复合数据结构的基本数据结构的集合,以及这些基本数据结构的组合方式做相应的调整,即可完成对复合数据结构的变化,基本数据结构本身无需变化,因此基本数据结构对应的持久化对象库能够保持稳定,相比于非数据结构自描述的存储结构,能够降低数据模型的持久化的维护成本。
需要说明的是,本申请实施例中的数据包括逻辑模型中的任意数据对象,以及数据对象的属性、维度、数据结构等所有附属信息;数据结构分为基本数据结构和复合数据结构两大类。基本数据结构是数据结构的最基本组成单元,存在持久化对象与之对应;复合数据结构由基本数据结构和/或复合数据结构组合而成,没有持久化对象与之对应。复合数据结构的持久化由组成该复合数据结构的基本数据结构的持久化对象,根据这些基本数据结构组成该复合数据结构的树型结构,组合提供。持久化对象提供数据类型、串行化操作、反串行化操作、串行化结果尺寸。维度索引包括索引的序号、索引值、索引描述等所有索引的相关信息。
在一些实施例中,本申请实施例提供了一种数据模型的自动持久化方法,该方法包括如下步骤:
步骤1,逻辑模型转换为物理模型
可选地,如图3所示,将逻辑模型转换为物理模型,包括如下步骤(301~309):
步骤301,将逻辑模型中的数据对象作为输入。
步骤302,反射数据对象的数据类型。
步骤303,若数据对象有索引数据,以每一个索引数据作为逻辑模型中的数据对象反复将逻辑模型转换为物理模型。
步骤304,判断持久化对象库中是否存在与数据类型对应的持久化对象,若是,则执行步骤305;若否,则执行步骤307。
步骤305,使用持久化对象将数据对象串行化,记录数据对象对应的基本数据结构。
步骤306,将数据对象的串行化结果、基本数据结构保存到物理模型内,步骤结束。
步骤307,根据数据对象的数据类型,遍历数据对象的所有属性,以得到的每一个属性作为逻辑模型中的数据对象反复将逻辑模型转换为物理模型。
步骤308,将所有属性的串行化结果根据数据结构的组合关系组合成数据对象的串行化结果。
步骤309,将数据对象的串行化结果和数据结构的组合关系,保存到物理模型内。
步骤2,物理模型转换为逻辑模型
可选地,如图4所示,将物理模型转换为逻辑模型,包括如下步骤(401~409):
步骤401,以物理模型中数据对象的串行化结果、基本数据结构/数据结构的组合关系作为输入。
步骤402,若输入的数据结构有索引,则以每一个索引的数据对象的串行化结果、索引的数据结构/数据结构的组合关系为输入反复将物理模型转换为逻辑模型。
步骤403,判断输入是否为基本数据结构,若是,则执行步骤404;若否,则执行步骤405。
步骤404,使用持久化对象库中与基本数据结构对应的持久化对象,将数据对象的串行化结果反串行化为数据对象,保存到逻辑模型内,步骤结束。
步骤405,遍历数据结构的组合关系中的所有子数据结构。
步骤406,根据子数据结构中的串行化结果尺寸和数据结构的组合关系,从数据对象的串行化结果中获取子数据对象的串行化结果。
步骤407,以得到的每一个子数据对象的串行化结果、子数据结构/数据结构的组合关系为输入反复将物理模型转换为逻辑模型。
步骤408,将所有反串行化得到的子数据对象根据数据结构的组合关系组合成数据对象。
步骤409,将反串行化得到的数据对象,保存到逻辑模型内。
步骤3,局部检索
可选地,如图5所示,局部检索包括如下步骤(501~510):
步骤501,以数据对象的串行化结果、基本数据结构/数据结构的组合关系、待检索数据的基本数据结构/数据结构的组合关系、待检索数据的索引作为输入。
步骤502,若输入的数据结构有索引,则以每一个索引的数据对象的串行化结果、索引的数据结构/数据结构的组合关系为输入反复将物理模型转换为逻辑模型。
步骤503,判断输入是否为数据对象的基本数据结构,若是,则执行步骤504;若否,则执行步骤505。
步骤504,使用持久化对象库中与基本数据结构对应的持久化对象,将数据对象的串行化结果反串行化为数据对象,保存到逻辑模型内,步骤结束。
步骤505,遍历数据结构的组合关系中的所有子数据结构。
步骤506,根据子数据结构中的串行化结果尺寸和数据结构的组合关系,从数据对象的串行化结果中获取子数据对象的串行化结果。
步骤507,以得到的每一个子数据对象的串行化结果、子数据结构/数据结构的组合关系、待检索数据的基本数据结构/数据结构为输入反复进行局部检索。
步骤508,以数据对象的串行化结果、基本数据结构/数据结构的组合关系及其待检索的索引范围为输入,将物理模型转换为逻辑模型。
步骤509,将得到的数据对象保存到逻辑模型中。
综上所述,本申请实施例提供的技术方案中:
1、通过采用静态物理模型复合存储结构的方式,将数据类型作为一种标识,一方面将其保存于数据类型自描述信息中代表数据的数据结构,另一方面将其保存于持久化对象中,实现两者的关联从而直接将数据结构与其数据保存在一起,特定数据与持久化对象之间的关联更直接,因此与数据类型自描述方案相比,数据结构自描述方案实现了除基本数据类型之外其他所有数据类型的逻辑模型与物理模型的完全解耦,进而降低物理模型维护成本。
2、通过保留基本数据结构与持久化对象之间的直接关联,对构成复合数据结构的基本数据结构及其构成关系进行定义,实现复合数据结构与持久化对象之间的隔离。关于持久化的维护成本,可以从基本数据结构和复合数据结构两种情况来进行分析。基本数据结构具有很强的原子性特征,一般对应于不可再分的基本数据类型,所以***中的数据很少以基本数据结构的形式存在,并且基本数据结构定型之后发生变化的几率较小。因此,由基本数据结构变化引起的持久化维护成本较小。复合数据结构数据结构作为***中数据的常见形式,随逻辑模型的演变发生变化的机率较大,但其持久化可以通过对基本数据结构的持久化对象的组合自动生成。***仅需对构成复合数据结构的基本数据结构的集合以及这些基本数据结构的组合方式做相应的调整即可完成对复合数据结构的变化,物理模型的存储结构无需变化。因此,对于数据结构的变化本技术方案能够保持持久化对象库的稳定性,降低相应的持久化维护成本。
3、通过使数据与其数据结构同时被持久化,实现数据结构自描述。复合数据结构的持久化可以通过对基本数据结构的持久化对象的组合自动生成。当逻辑模型发生变化,仅需对构成复合数据结构的基本数据结构的集合,以及这些基本数据结构的组合方式做相应的调整,即可完成对复合数据结构的对应变化。由于复合数据结构中基本数据结构的组合方式的变化可以通过对逻辑模型的数据对象类型进行反射获得,所以***能够在运行期的任意时刻捕获逻辑模型的变更并作出相应动态调整。因此本申请实施例提出的技术方案,能够提升动态逻辑模型与静态物理模型之间持久化的自动化程度。
4、通过实现数据结构自描述,本申请实施例提出的技术方案将持久化的基本单元与存储结构的基本单元隔离,进而提供了复杂的数据结构整体存储情况下的局部检索功能。结合数据对象的整体串行化结果,以及由组成其数据结构的所有基本数据结构对应的串行化结果,能实现数据结构自描述,并将持久化的基本单元与存储结构的基本单元的隔离。一方面,持久化的基本单位的粒度可以缩小到完整数据对象中数据结构为基本数据结构的部分数据,例如属性数据、元素数据等;另一方面,存储结构的基本单元的粒度可以扩大到完整数据对象的整体串行化结果。此时,能够基于可分解的数据结构和索引实现局部检索和数据定位,然后将检索到的局部数据,根据其对应的数据结构自描述信息完成持久化工作,从而实现局部检索。在一些实施例中,以数据为地层测试数据为例,对本申请实施例进行介绍说明。地层测试数据可以包括层深度、压力曲线、预测室体积、流体电阻率、流体光谱分析等数据,其中,地层深度是浮点型深度值;压力曲线是以连续等间隔的时间值为索引的一维曲线,每个时间点上有一个浮点型压力值;预测室体积则是一个浮点型的体积值。这里仅以地层数据包括地层深度、压力曲线、预测室体积为例,介绍如何实现数据模型的数据结构自描述。
如图6所示,3个地层测试数据分别用D1、D2和D3表示,每一个地层数据包括三个属性:地层深度61、压力曲线62和预测室体积63。以数据D1为例,地层深度为2919.983ft,压力曲线以时间为索引,对应有2724个压力值;预测室体积为20.63144cm3。
在一个示例中,通过包括如下步骤,能够得到如图7所示的数据结构自描述的数据模型:
1、构建地层压力数据D1和构建地层压力数据结构S1;
2、确定压力值曲线时间索引数据D_S1_1和压力值曲线时间索引数据结构S1_1;
3、确定压力值曲线时间索引值数据结构S_S1_1;
4、构建预测室体积基本数据结构。
在该示例中,由于没有数据的包含关系,无需构建组合数据。
在一些实施例中,以如图6所示的地层测试数据作为逻辑模型,以如图7所示的表格数据做为物理模型,对本申请实施例进行介绍说明。
1、逻辑模型转换为物理模型
以图6中所示地层测试数据D1为例,逻辑模型转换为物理模型包括如下步骤:
1.1、构建数据D1和数据结构S1;将标识S1保存到数据D1的属性中建立关联;根据数据D1的属性构建数据结构S1的三个子数据结构。
其中,如图8所示,地层深度是浮点型基本数据结构(S1,1);压力值曲线是复合数据结构(S1,2);预测室体积是浮点型基本数据结构(S1,3)。
1.2、构建压力值曲线的数据结构S1_1;将标识S1_1保存到复合数据结构(S1,2)中建立关联;根据压力值曲线的实际数据,构建曲线的时间索引和压力值子数据结构。
其中,如图9所示,时间索引的索引值个数是2724;压力值子数据结构是浮点型基本数据结构。
1.3、如图10所示,构建压力值曲线时间索引数据D_S1_1和数据结构S_S1_1;将标识S_S1_1保存到数据D_S1_1的属性中建立关联;根据压力值曲线时间索引数据D_S1_1,构建压力值曲线时间索引数据的浮点型基本数据结构。
1.4、如图11所示,根据压力值的时间索引数据的基本数据结构对应的浮点型持久化对象和时间索引值个数,将所有时间索引串行化并集中保存到数据D_S1_1中;根据构成数据结构S1的所有基本数据结构之间的树型关系,按顺序将地层深度、按时间索引顺序的所有压力值、预测室体积分别串行化并集中保存于地层测试数据D1中。
2、物理模型转换为逻辑模型
以图7中所示地层测试数据D1为例,物理模型转换为逻辑模型,包括如下步骤:
2.1、获取数据D1的数据结构S1和串行化结果;按照序号的顺序遍历数据结构S1的三个子数据结构。
其中,地层深度是浮点型基本数据结构(S1,1);压力值曲线是复合数据结构(S1,2);预测室体积是浮点型基本数据结构(S1,3)。因此,使用浮点型持久化对象中的串行化结果尺寸信息将地层深度和预测室体积的串行化结果,从数据D1的整体串行化结果中分离出来,完成反串行化。
2.2、对于压力值曲线,获取压力值曲线数据结构S1_1;获取时间索引数据D_S1_1的数据结构S_S1_1和串行化结果。
其中,数据结构S1_1包含一个有2724个值的时间索引数据D_S1_1和浮点型基本数据结构,数据结构S_S1_1是一个浮点型基本数据结构。因此,使用浮点型持久化对象对时间索引数据D_S1_1的串行化结果进行反串行化。
2.3、使用浮点型持久化对象中的串行化结果尺寸信息和时间索引数据D_S1_1的反串行化结果;将压力值曲线数据的串行化结果从数据D1的整体串行化结果中分离出来,完成反串行化。
2.4、将地层深度、压力值曲线、预测室体积的反串行化结果组合在一起,构建地层测试数据。
3、局部检索
以图7中所示地层测试数据D1为例,检索时间索引范围[3s-9s]内的压力值曲线数据,包括如下步骤:
3.1、获取数据D1的数据结构S1和串行化结果;按照序号的顺序遍历数据结构S1的三个子数据结构。
其中,地层深度是浮点型基本数据结构(S1,1);压力值曲线是复合数据结构(S1,2);预测室体积是浮点型基本数据结构(S1,3)。地层深度和预测室体积的数据结构是浮点型基本数据结构,可以直接获得对应的浮点型持久化对象。
3.2、对于压力值曲线,获取压力值曲线数据结构S1_1。
其中,数据结构S1_1包含一个有2724个值的时间索引数据D_S1_1和浮点型基本数据结构。待检索的数据结构与压力值曲线数据结构S1_1相匹配。
3.3、获取时间索引数据D_S1_1的数据结构S_S1_1和串行化结果。
其中,数据结构S_S1_1是一个浮点型基本数据结构。使用浮点型持久化对象对时间索引数据D_S1_1的串行化结果进行反串行化。
3.4、使用浮点型持久化对象中的串行化结果尺寸信息和时间索引数据D_S1_1的反串行化结果,将时间索引[3s-9s]范围内的力值曲线数据的串行化结果从数据D1的整体串行化结果中分离出来,完成反串行化。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
请参考图11,其示出了本申请一个实施例提供的数据模型的确定装置的框图。该装置具有实现上述数据模型的确定方法示例的功能,所述功能可以由硬件实现,也可以由硬件执行相应的软件实现。该装置可以是上文介绍的计算机设备,也可以设置在计算机设备上。该装置1100可以包括:集合构建模块1110和模型确定模块1120。
集合构建模块1110,用于基于数据对象和数据对象的索引,构建数据集合,所述数据对象为封装的数据;
所述集合构建模块1110,还用于基于所述数据对象的数据结构,构建数据结构集合,所述数据结构用于指示所述数据对象的存储方式;
所述集合构建模块1110,还用于基于所述数据对象的维度信息和所述数据对象的索引,构建索引集合;
模型确定模块1120,用于基于所述索引集合和所述数据结构集合,确定数据模型,所述数据模型用于实现数据结构的自描述。
综上所述,本申请实施例提供的技术方案,通过对构成复合数据结构的基本数据结构及其构成关系进行定义,使得复合数据结构的持久化对象可以由基本数据结构的持久化对象的组合自动生成,相比于构建大而全的存储结构,本申请实施例能够节省存储空间。
在一些实施例中,所述集合构建模块1110,用于:基于基本数据结构,构建基本数据结构集合。
在一些实施例中,所述集合构建模块1110,用于:基于复合数据结构的数据结构关系,构建复合数据结构集合;其中,所述复合数据结构的最小数据结构单元为基本数据结构,所述复合数据结构是由所述基本数据结构通过逐层组合得到的。
在一些实施例中,如图12所示,所述装置1100还包括:标识获取模块1130和关系确定模块1140。
标识获取模块1130,用于获取所述数据对象的标识;
关系确定模块1140,用于基于所述数据对象的标识,确定所述数据对象与对应的数据结构的关联关系。
在一些实施例中,如图12所示,所述装置1100还包括结构组合模块1150。
所述标识获取模块1130,还用于获取所述基本数据结构对应的父数据结构的标识,以及所述基本数据结构与对应的父数据结构之间的关联关系,与所述基本数据结构对应的父数据结构为复合数据结构;
所述结构组合模块1150,用于基于所述基本数据结构对应的父数据结构的标识,以及所述基本数据结构与对应的父数据结构之间的关联关系,将所述基本数据结构组合得到对应的父数据结构。
在一些实施例中,如图12所示,所述标识获取模块1130,还用于获取复合数据结构对应的父数据结构的标识,以及所述复合数据结构与对应的父数据结构之间的关联关系,与所述复合数据结构对应的父数据结构为复合数据结构;
所述结构组合模块1150,还用于基于所述复合数据结构对应的父数据结构的标识,以及所述复合数据结构与对应的父数据结构之间的关联关系,将所述复合数据结构组合得到对应的父数据结构。
在一些实施例中,如图12所示,所述标识获取模块1130,还用于获取复合数据结构的标识;
所述关系确定模块1140,还用于基于所述复合数据结构的标识,确定所述复合数据结构与对应的组成数据结构之间的关联关系。
在一些实施例中,如图12所示,所述装置1100还包括:类型确定模块1160和对象确定模块1170。
所述类型确定模块1160,用于确定所述基本数据结构中的数据类型;
所述对象确定模块1170,用于基于所述基本数据结构中的数据类型,确定对应的持久化对象。
在一些实施例中,如图12所示,所述标识获取模块130,还用于基于所述索引,获取所述索引对应的数据结构的标识,以及所述索引在对应的数据结构中的维度;
所述关系确定模块1140,还用于基于所述索引对应的数据结构的标识,以及所述索引在对应的数据结构中的维度,确定所述索引与对应的数据结构的关联关系。
在一些实施例中,如图12所示,所述标识获取模块1130,还用于基于所述索引,获取所述索引对应的数据的标识;
所述关系确定模块1140,还用于基于所述索引对应的数据的标识,确定所述索引对应的数据。
在一些实施例中,如图12所示,所述标识获取模块1130,还用于从所述组合数据中获取对应的数据对象的标识,所述组合数据包括多个数据对象;
所述关系确定模块1140,还用于基于所述组合数据中对应的数据对象的标识,确定所述组合数据与对应的数据对象的关联关系。
需要说明的是,上述实施例提供的装置,在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
请参考图13,其示出了本申请一个实施例提供的计算机设备的结构框图。该计算机设备用于实施上述实施例中提供的数据模型的确定方法。具体来讲:
所述计算机设备1300包括CPU(Central Processing Unit,中央处理单元)1301、包括RAM(Random Access Memory,随机存取存储器)1302和ROM(Read-Only Memory,只读存储器)1303的***存储器1304,以及连接***存储器1304和中央处理单元1301的***总线1305。所述计算机设备1300还包括帮助计算机内的各个器件之间传输信息的基本I/O(Input/Output,输入/输出)***1306,和用于存储操作***1313、应用程序1314和其他程序模块1315的大容量存储设备1307。
所述基本输入/输出***1306包括有用于显示信息的显示器1308和用于用户输入信息的诸如鼠标、键盘之类的输入设备1309。其中所述显示器1308和输入设备1309都通过连接到***总线1305的输入输出控制器1310连接到中央处理单元1301。所述基本输入/输出***1306还可以包括输入输出控制器1310以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器1310还提供输出到显示屏、打印机或其他类型的输出设备。
所述大容量存储设备1307通过连接到***总线1305的大容量存储控制器(未示出)连接到中央处理单元1301。所述大容量存储设备1307及其相关联的计算机可读介质为计算机设备1300提供非易失性存储。也就是说,所述大容量存储设备1307可以包括诸如硬盘或者CD-ROM(Compact Disc Read-Only Memory,只读光盘)驱动器之类的计算机可读介质(未示出)。
不失一般性,所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM(Erasable Programmable Read Only Memory,可擦除可编程只读存储器)、EEPROM(Electrically Erasable Programmable Read Only Memory,可擦除可编程只读存储器)、闪存或其他固态存储其技术,CD-ROM、DVD(Digital Video Disc,高密度数字视频光盘)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的***存储器1304和大容量存储设备1307可以统称为存储器。
根据本申请的各种实施例,所述计算机设备1300还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备1300可以通过连接在所述***总线1305上的网络接口单元1311连接到网络1312,或者说,也可以使用网络接口单元1311来连接到其他类型的网络或远程计算机***(未示出)。
在示例性实施例中,还提供了一种计算机可读存储介质,所述存储介质中存储有计算机程序,所述计算机程序在被处理器执行时以实现上述数据模型的确定方法。
在示例性实施例中,还提供了一种计算机程序产品,当该计算机程序产品被处理器执行时,其用于实现上述数据模型的确定方法。
应当理解的是,在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
以上所述仅为本申请的示例性实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种数据模型的确定方法,其特征在于,所述方法包括:
基于数据对象和数据对象的索引,构建数据集合,所述数据对象为封装的数据;
基于所述数据对象的数据结构,构建数据结构集合,所述数据结构用于指示所述数据对象的存储方式;
基于所述数据对象的维度信息和所述数据对象的索引,构建索引集合;
基于所述索引集合和所述数据结构集合,确定数据模型,所述数据模型用于实现数据结构的自描述。
2.根据权利要求1所述的方法,其特征在于,所述基于所述数据对象的数据结构,构建数据结构集合,包括:
基于基本数据结构,构建基本数据结构集合;
和/或,
基于复合数据结构的数据结构关系,构建复合数据结构集合;
其中,所述复合数据结构的最小数据结构单元为基本数据结构,所述复合数据结构是由所述基本数据结构通过逐层组合得到的。
3.根据权利要求1所述的方法,其特征在于,所述基于所述数据对象的数据结构,构建数据结构集合之前,还包括:
获取所述数据对象的标识;
基于所述数据对象的标识,确定所述数据对象与对应的数据结构的关联关系。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述基本数据结构对应的父数据结构的标识,以及所述基本数据结构与对应的父数据结构之间的关联关系,与所述基本数据结构对应的父数据结构为复合数据结构;
基于所述基本数据结构对应的父数据结构的标识,以及所述基本数据结构与对应的父数据结构之间的关联关系,将所述基本数据结构组合得到对应的父数据结构。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取复合数据结构对应的父数据结构的标识,以及所述复合数据结构与对应的父数据结构之间的关联关系,与所述复合数据结构对应的父数据结构为复合数据结构;
基于所述复合数据结构对应的父数据结构的标识,以及所述复合数据结构与对应的父数据结构之间的关联关系,将所述复合数据结构组合得到对应的父数据结构。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取复合数据结构的标识;
基于所述复合数据结构的标识,确定所述复合数据结构与对应的组成数据结构之间的关联关系。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定所述基本数据结构中的数据类型;
基于所述基本数据结构中的数据类型,确定对应的持久化对象。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述索引,获取所述索引对应的数据结构的标识,以及所述索引在对应的数据结构中的维度;
基于所述索引对应的数据结构的标识,以及所述索引在对应的数据结构中的维度,确定所述索引与对应的数据结构的关联关系。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述索引,获取所述索引对应的数据的标识;
基于所述索引对应的数据的标识,确定所述索引对应的数据。
10.根据权利要求1至9任一项所述的方法,其特征在于,所述方法还包括:
从所述组合数据中获取对应的数据对象的标识,所述组合数据包括多个数据对象;
基于所述组合数据中对应的数据对象的标识,确定所述组合数据与对应的数据对象的关联关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110023746.4A CN112800054A (zh) | 2021-01-08 | 2021-01-08 | 数据模型的确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110023746.4A CN112800054A (zh) | 2021-01-08 | 2021-01-08 | 数据模型的确定方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112800054A true CN112800054A (zh) | 2021-05-14 |
Family
ID=75809435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110023746.4A Pending CN112800054A (zh) | 2021-01-08 | 2021-01-08 | 数据模型的确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112800054A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115617819A (zh) * | 2022-12-19 | 2023-01-17 | 思创数码科技股份有限公司 | 数据存储方法、***、计算机设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7146354B1 (en) * | 1999-06-18 | 2006-12-05 | F5 Networks, Inc. | Method and system for network load balancing with a compound data structure |
US20070050399A1 (en) * | 2005-08-19 | 2007-03-01 | Zacharia George | Storage and retrieval of richly typed hierarchical network models |
US20150199416A1 (en) * | 2014-01-15 | 2015-07-16 | Dell Products L.P. | System and method for data structure synchronization |
CN109299200A (zh) * | 2018-10-31 | 2019-02-01 | 深圳市元征科技股份有限公司 | 将数据模型转换为数据库的方法、装置及设备 |
CN109542893A (zh) * | 2018-10-19 | 2019-03-29 | 深圳点猫科技有限公司 | 一种基于编程语言的复合数据结构设置方法及电子设备 |
CN111581215A (zh) * | 2020-05-07 | 2020-08-25 | 钟士平 | 数组树数据储存方法、快速查找方法及可读储存介质 |
US20200364272A1 (en) * | 2019-05-14 | 2020-11-19 | Sap Se | Bulk lazy loading of structured data |
-
2021
- 2021-01-08 CN CN202110023746.4A patent/CN112800054A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7146354B1 (en) * | 1999-06-18 | 2006-12-05 | F5 Networks, Inc. | Method and system for network load balancing with a compound data structure |
US20070050399A1 (en) * | 2005-08-19 | 2007-03-01 | Zacharia George | Storage and retrieval of richly typed hierarchical network models |
US20150199416A1 (en) * | 2014-01-15 | 2015-07-16 | Dell Products L.P. | System and method for data structure synchronization |
CN109542893A (zh) * | 2018-10-19 | 2019-03-29 | 深圳点猫科技有限公司 | 一种基于编程语言的复合数据结构设置方法及电子设备 |
CN109299200A (zh) * | 2018-10-31 | 2019-02-01 | 深圳市元征科技股份有限公司 | 将数据模型转换为数据库的方法、装置及设备 |
US20200364272A1 (en) * | 2019-05-14 | 2020-11-19 | Sap Se | Bulk lazy loading of structured data |
CN111581215A (zh) * | 2020-05-07 | 2020-08-25 | 钟士平 | 数组树数据储存方法、快速查找方法及可读储存介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115617819A (zh) * | 2022-12-19 | 2023-01-17 | 思创数码科技股份有限公司 | 数据存储方法、***、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110674228B (zh) | 数据仓库模型构建和数据查询方法、装置及设备 | |
US20200301937A1 (en) | Systems and user interfaces for dynamic and interactive simultaneous querying of multiple data stores | |
US20210240735A1 (en) | System and method for supporting large queries in a multidimensional database environment | |
US11816100B2 (en) | Dynamically materialized views for sheets based data | |
US20230084389A1 (en) | System and method for providing bottom-up aggregation in a multidimensional database environment | |
US11755606B2 (en) | Dynamically updated data sheets using row links | |
Li et al. | A spatiotemporal indexing approach for efficient processing of big array-based climate data with MapReduce | |
CN106202207B (zh) | 一种基于HBase-ORM的索引及检索*** | |
Karnitis et al. | Migration of relational database to document-oriented database: structure denormalization and data transformation | |
Zafar et al. | Big data: the NoSQL and RDBMS review | |
Chavan et al. | Survey paper on big data | |
JPH10501086A (ja) | 記憶プレーン編成及びそれに基づく記憶システム | |
CN109213820B (zh) | 一种实现多种类型的数据库融合使用的方法 | |
CN108140022B (zh) | 数据查询方法和数据库*** | |
CN111813870A (zh) | 基于统一描述表达的机器学习算法资源共享方法及*** | |
CN116431598A (zh) | 一种基于Redis的关系型数据库全量内存化的方法 | |
US10095738B1 (en) | Dynamic assignment of logical partitions according to query predicate evaluations | |
US20230385308A1 (en) | Conversion and migration of key-value store to relational model | |
CN112800054A (zh) | 数据模型的确定方法、装置、设备及存储介质 | |
Černjeka et al. | NoSQL document store translation to data vault based EDW | |
CN113312823B (zh) | 一种有限元后处理数据处理方法、***、设备及存储介质 | |
Dhanda | Big data storage and analysis | |
Singh | NoSQL: A new horizon in big data | |
Ilkhomjon et al. | About Database (Db) | |
CN117033347A (zh) | 一种基于专利数据的数仓建模方法、***、设备及介质 |
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 |