CN112948486A - 批量数据同步方法、***及电子设备 - Google Patents
批量数据同步方法、***及电子设备 Download PDFInfo
- Publication number
- CN112948486A CN112948486A CN202110156442.5A CN202110156442A CN112948486A CN 112948486 A CN112948486 A CN 112948486A CN 202110156442 A CN202110156442 A CN 202110156442A CN 112948486 A CN112948486 A CN 112948486A
- Authority
- CN
- China
- Prior art keywords
- data
- synchronized
- batch
- synchronization
- file system
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000001360 synchronised effect Effects 0.000 claims abstract description 126
- 238000005192 partition Methods 0.000 claims abstract description 42
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 18
- 238000012545 processing Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
- G06F16/17—Details of further file system functions
- G06F16/1734—Details of monitoring file system events, e.g. by the use of hooks, filter drivers, logs
-
- 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
- G06F16/23—Updating
-
- 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
- G06F16/242—Query formulation
- G06F16/2433—Query languages
-
- 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
- G06F16/2455—Query execution
-
- 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
- G06F9/445—Program loading or initiating
- G06F9/44521—Dynamic linking or loading; Link editing at or after load time, e.g. Java class loading
- G06F9/44526—Plug-ins; Add-ons
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及一种批量数据同步方法、***、电子设备及计算机可读介质。该方法包括：大数据分布式流数据流引擎将待同步数据存储到分布式文件***的第一预设位置；异构数据源离线同步框架将所述待同步数据的历史数据存储到所述分布式文件***的第二预设位置；数据仓库工具将所述待同步数据按照预设规则分区存储；在预设时间将所述分区存储的待同步数据进行批量合并以实现所述待同步数据的批量同步。本公开涉及的批量数据同步方法、***、电子设备及计算机可读介质，能够解决现有技术中存在的批量数据同步的时效性差的问题，快速准确的进行批量数据的同步，不会增加网络负担。
Description
技术领域
本公开涉及计算机信息处理领域，具体而言，涉及一种批量数据同步方法、***、电子设备及计算机可读介质。
背景技术
数据库操作往往会成为一个***的瓶颈所在，而且一般的***“读”的压力远远大于“写”，可以通过实现数据库的读写分离来提高***的性能。通过设置主从数据库实现读写分离，主数据库负责“写操作”，从数据库负责“读操作”，根据压力情况，从数据库可以部署多个提高“读”的速度，借此来提高***总体的性能。要实现读写分离，就要解决主从数据库数据同步的问题,在主数据库写入数据后要保证从数据库的数据也要更新。
Sqoop即SQL-to-Hadoop，是连接传统关系型数据库和Hadoop的桥梁，用于把关系型数据库的数据导入到Hadoop***(如HDFS HBase和Hive)中；也可以把数据从Hadoop***里抽取并导出到关系型数据库里。Sqoop利用MapReduce加快数据传输速度，并且采用批处理方式进行数据传输。但是，在通过Sqoop进行数据同步的过程中，需要消耗SQL注入安全检测工具中大量的指访问控制列表，而且Sqoop离线同步数据的时候传输数据比较慢。
为了解决现有技术中的困境，本公开提出一种新的批量数据同步方法、***、电子设备及计算机可读介质。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它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
有鉴于此，本公开提供一种批量数据同步方法、***、电子设备及计算机可读介质，能够解决现有技术中存在的批量数据同步的时效性差的问题，快速准确的进行批量数据的同步，不会增加网络负担。
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。
根据本公开的一方面，提出一种批量数据同步方法，该方法包括：大数据分布式流数据流引擎将待同步数据存储到分布式文件***的第一预设位置；异构数据源离线同步框架将所述待同步数据的历史数据存储到所述分布式文件***的第二预设位置；数据仓库工具将所述待同步数据按照预设规则分区存储；在预设时间将所述分区存储的待同步数据进行批量合并以实现所述待同步数据的批量同步。
可选地，还包括：分布式发布订阅消息***获取业务相关数据。
可选地，大数据分布式流数据流引擎将待同步数据存储到分布式文件***的第一预设位置之前，包括：所述大数据分布式流数据流引擎通过消费方式获取所述业务相关数据；基于所述业务相关数据获取所述待同步数据。
可选地，大数据分布式流数据流引擎将待同步数据存储到分布式文件***的第一预设位置，包括：大数据分布式流数据流引擎获取任务元数据的配置信息；基于所述任务元数据的业务属性对所述待同步的表进行解析；将解析后的所述待同步的表存储到分布式文件***的第一预设位置。
可选地，将解析后的所述待同步的表存储到分布式文件***的第一预设位置，包括：将所述待同步的表进行sink解析以生成所述待同步数据；将所述待同步的表存储到Hadoop Distributed File System***的第一预设位置。
可选地，异构数据源离线同步框架将所述待同步数据的历史数据存储到所述分布式文件***的第二预设位置，包括：DataX框架将所述待同步数据的历史数据存储到所述Hadoop Distributed File System***的第二预设位置。
可选地，数据仓库工具将所述待同步数据按照预设规则分区存储，包括：Hive将所述待同步数据按照时间间隔分区存储，生成多个时间分区。
可选地，在预设时间将所述分区存储的待同步数据进行批量合并以实现所述待同步数据的批量同步，包括：在预设时间提取所述多个时间分区中的待同步数据；将所述多个时间分区中的待同步数据进行合并生成全量表以实现所述待同步数据的批量同步。
可选地，分布式发布订阅消息***获取业务相关数据，包括：业务数据库开启binlog功能；基于所述binlog功能对业务相关数据进行解析；将解析后的业务相关数据推送到所述分布式发布订阅消息***。
可选地，基于所述binlog功能对业务相关数据进行解析，包括：基于所述binlog功能和MySQL数据库增量日志解析方式，对业务相关数据进行解析。
根据本公开的一方面，提出一种批量数据同步***，该***包括：大数据分布式流数据流引擎，用于将待同步数据存储到分布式文件***的第一预设位置；异构数据源离线同步框架，用于将所述待同步数据的历史数据存储到所述分布式文件***的第二预设位置；数据仓库工具，用于将所述待同步数据按照预设规则分区存储；并在预设时间将所述分区存储的待同步数据进行批量合并以实现所述待同步数据的批量同步。
可选地，还包括：分布式发布订阅消息***，用于获取业务相关数据。
可选地，所述大数据分布式流数据流引擎，还用于通过消费方式获取所述业务相关数据；基于所述业务相关数据获取所述待同步数据。
可选地，大数据分布式流数据流引擎，还用于大数据分布式流数据流引擎获取任务元数据的配置信息；基于所述任务元数据的业务属性对所述待同步的表进行解析；将解析后的所述待同步的表存储到分布式文件***的第一预设位置。
可选地，大数据分布式流数据流引擎，还用于将所述待同步的表进行sink解析以生成所述待同步数据；将所述待同步的表存储到Hadoop Distributed File System***的第一预设位置。
可选地，异构数据源离线同步框架，还用于将所述待同步数据的历史数据存储到所述Hadoop Distributed File System***的第二预设位置。
可选地，数据仓库工具，还用于将所述待同步数据按照时间间隔分区存储，生成多个时间分区。
可选地，数据仓库工具，还用于在预设时间提取所述多个时间分区中的待同步数据；将所述多个时间分区中的待同步数据进行合并生成全量表以实现所述待同步数据的批量同步。
可选地，分布式发布订阅消息***，还用于业务数据库开启binlog功能；基于所述binlog功能对业务相关数据进行解析；将解析后的业务相关数据推送到所述分布式发布订阅消息***。
可选地，分布式发布订阅消息***，还用于基于所述binlog功能和MySQL数据库增量日志解析方式，对业务相关数据进行解析。
根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。
根据本公开的一方面，提出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上文中的方法。
根据本公开的批量数据同步方法、***、电子设备及计算机可读介质，大数据分布式流数据流引擎将待同步数据存储到分布式文件***的第一预设位置；异构数据源离线同步框架将所述待同步数据的历史数据存储到所述分布式文件***的第二预设位置；数据仓库工具将所述待同步数据按照预设规则分区存储；在预设时间将所述分区存储的待同步数据进行批量合并以实现所述待同步数据的批量同步的方式，能够解决现有技术中存在的批量数据同步的时效性差的问题，快速准确的进行批量数据的同步，不会增加网络负担。
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的，并不能限制本公开。
附图说明
通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。下面描述的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，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是根据一示例性实施例示出的一种批量数据同步***的***示意图。
图2是根据一示例性实施例示出的一种批量数据同步方法的流程图。
图3是根据另一示例性实施例示出的一种批量数据同步方法的流程图。
图4是根据另一示例性实施例示出的一种批量数据同步方法的示意图。
图5是根据一示例性实施例示出的一种批量数据同步***的框图。
图6是根据一示例性实施例示出的一种电子设备的框图。
图7是根据一示例性实施例示出的一种计算机可读介质的框图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在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。
此外，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例中。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例的充分理解。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没有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方法、***、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，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。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应理解，虽然本文中可能使用术语第一、第二、第三等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本公开概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本公开所必须的，因此不能用于限制本公开的保护范围。
图1是根据一示例性实施例示出的一种批量数据同步***的***示意图。
如图1所示，***架构10可以包括大数据分布式流数据流引擎101、异构数据源离线同步框架102、数据仓库工具103，业务服务器104和分布式发布订阅消息***105、分布式文件***106。网络用以在大数据分布式流数据流引擎101、异构数据源离线同步框架102、数据仓库工具103，业务服务器104和分布式发布订阅消息***105之间提供通信链路的介质。网络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。
用户可以使用业务服务器104进行业务处理，生成业务数据。业务服务器104上可以安装有各种通讯客户端应用，例如金融服务类应用、购物类应用、网页浏览器应用、即时通信工具、邮箱客户端、社交平台软件等。
大数据分布式流数据流引擎101、异构数据源离线同步框架102、数据仓库工具103，和分布式发布订阅消息***105可以是提供各种服务的服务器，例如对业务服务器104所产生的数据提供数据同步的后台服务器。大数据分布式流数据流引擎101、异构数据源离线同步框架102、数据仓库工具103，和分布式发布订阅消息***105可以对接收到的业务数据进行分析等处理，并进行数据同步。
分布式发布订阅消息***105可例如，获取业务相关数据，所述大数据分布式流数据流引擎101可例如，通过消费方式获取所述业务相关数据；基于所述业务相关数据获取所述待同步数据。
大数据分布式流数据流引擎101可例如，将待同步数据存储到分布式文件***的第一预设位置；异构数据源离线同步框架102可例如，将所述待同步数据的历史数据存储到所述分布式文件***的第二预设位置；数据仓库工具103可例如，将所述待同步数据按照预设规则分区存储；在预设时间将所述分区存储的待同步数据进行批量合并以实现所述待同步数据的批量同步。
大数据分布式流数据流引擎101、异构数据源离线同步框架102、数据仓库工具103、业务服务器104和分布式发布订阅消息***105均可以是一个实体的服务器，还可例如为多个服务器组成，需要说明的是，本公开实施例所提供的批量数据同步方法可以由大数据分布式流数据流引擎101、异构数据源离线同步框架102、数据仓库工具103和分布式发布订阅消息***105共同执行。
图2是根据一示例性实施例示出的一种批量数据同步方法的流程图。批量数据同步方法20至少包括步骤S202至S208。
如图2所示，在S202中，大数据分布式流数据流引擎将待同步数据存储到分布式文件***的第一预设位置。可例如，大数据分布式流数据流引擎(Flink)获取任务元数据的配置信息；基于所述任务元数据的业务属性对所述待同步的表进行解析；将解析后的所述待同步的表存储到分布式文件***的第一预设位置。
在一个实施例中，Flink程序在执行后被映射到流数据流，每个Flink数据流以一个或多个源(任务元)开始，并以一个或多个接收器(数据输出)结束。Flink可以对流执行任意数量的变换。
其中，将解析后的所述待同步的表存储到分布式文件***的第一预设位置，包括：将所述待同步的表进行sink解析以生成所述待同步数据；将所述待同步的表存储到HDFS(Hadoop Distributed File System)***的第一预设位置。
其中，HDFS可采用主从(Master/Slave)结构模型，HDFS集群可由一个NameNode和若干个DataNode组成的。其中NameNode作为主服务器，管理文件***的命名空间和客户端对文件的访问操作；集群中的DataNode管理存储的数据。
在S204中，异构数据源离线同步框架将所述待同步数据的历史数据存储到所述分布式文件***的第二预设位置。DataX框架将所述待同步数据的历史数据存储到所述Hadoop Distributed File System***的第二预设位置。
DataX作为数据同步框架，将不同数据源的同步抽象为从源头数据源读取数据的Reader插件，以及向目标端写入数据的Writer插件，理论上DataX框架可以支持任意数据源类型的数据同步工作。同时DataX插件体系作为一套生态***，新加入的数据源即可实现和现有的数据源互通。
在S206中，数据仓库工具将所述待同步数据按照预设规则分区存储。包括：Hive将所述待同步数据按照时间间隔分区存储，生成多个时间分区。
Hive是基于Hadoop的一个数据仓库工具，用来进行数据提取、转化、加载，可以存储、查询和分析存储在Hadoop中的大规模数据的机制。Hive数据仓库工具能将结构化的数据文件映射为一张数据库表，并提供SQL查询功能，能将SQL语句转变成MapReduce任务来执行Hive可构建在基于静态批处理的Hadoop之上。
在S208中，在预设时间将所述分区存储的待同步数据进行批量合并以实现所述待同步数据的批量同步。可例如，Hive在预设时间提取所述多个时间分区中的待同步数据；将所述多个时间分区中的待同步数据进行合并生成全量表以实现所述待同步数据的批量同步。
根据本公开的批量数据同步方法，大数据分布式流数据流引擎将待同步数据存储到分布式文件***的第一预设位置；异构数据源离线同步框架将所述待同步数据的历史数据存储到所述分布式文件***的第二预设位置；数据仓库工具将所述待同步数据按照预设规则分区存储；在预设时间将所述分区存储的待同步数据进行批量合并以实现所述待同步数据的批量同步的方式，能够解决现有技术中存在的批量数据同步的时效性差的问题，快速准确的进行批量数据的同步，不会增加网络负担。
根据本公开的批量数据同步方法，可以批量的进行数据同步，一个应用程序可以同步一个库内所需的表，占用的资源较少，用到了数据流过滤方案，提高了数据同步效率。
应清楚地理解，本公开描述了如何形成和使用特定示例，但本公开的原理不限于这些示例的任何细节。相反，基于本公开公开的内容的教导，这些原理能够应用于许多其它实施例。
图3是根据另一示例性实施例示出的一种批量数据同步方法的流程图。图3所示的流程30是对“分布式发布订阅消息***获取业务相关数据”的详细描述。
如图3所示，在S302中，业务数据库开启binlog功能。业务数据库可为MySQL数据库。其中，binlog是二进制日志文件，用于记录MySQL的数据更新或者潜在更新，binlog记录的所有操作实际上都有对应的事件类型。
在S304中，基于所述binlog功能对业务相关数据进行解析。更具体的，可基于所述binlog功能和MySQL数据库增量日志解析方式，对业务相关数据进行解析。
在S306中，将解析后的业务相关数据推送到所述分布式发布订阅消息***。可例如，通过定制Canal/Maxwell应用的方式，对业务数据进行解析，并组装成json格式的数据以推送到分布式发布订阅消息***。
其中，Canal/Maxwell是基于数据库增量日志解析，提供增量数据订阅&消费，目前主要支持了MySQL。
在S308中，所述大数据分布式流数据流引擎通过消费方式获取所述业务相关数据。
Flink中通过有状态的算子(operator)实现的Kafka消费者，operator集成了Flink的检查点机制，它的状态是所有Kafka分区的读取偏移量。当一个检查点被触发时，每一个分区的偏移量都被存到了这个检查点中。Flink的检查点机制保证了所有operatortask的存储状态都是一致的。当所有的operatortask成功存储了它们的状态，一个检查点才算完成。
在S310中，基于所述业务相关数据获取所述待同步数据。
图4是根据另一示例性实施例示出的一种批量数据同步方法的示意图。首先，开启业务服务器MySQL中的binlo功能，通过定制Canal/Maxwell应用进行业务MySQL的binlog解析，并组装成指定json格式推送数据到kafka；
然后，Flink程序由kafka获取任务元数据MySQL配置，进行对应的kafka的topic数据解析，每小时将同一个库的需要同步的表解析sink落地到hdfs的指定位置；
然后，Datax程序获取任务元数据MySQL配置，将所需要同步的表的历史数据同步到对应的表所在HDFS的指定位置；
然后，Hive添加分区任务每小时将Flink解析sink的数据映射添加为Hive的小时分区；
最后，每日凌晨，可将对应的Hive小时表进行合并，生成全量表。
本公开的批量数据同步方法，可以大大减少safe3隔离环境的访问控制列表资源，在本公开的实施例中，一个MySQL库只需要1个访问控制列表资源，现有技术中，Sqoop同步则需要14个本公开的批量数据同步方法，还可以保证数据同步的时效性,将增量数据分摊到每个小时，只需要对数据进行去重合并等操作就可以,整个流程可以在1小时内完成，而现有技术中，通过Sqoop任务进行该种处理则需要2到3个小时，效率提高至少1倍以上。
本领域技术人员可以理解实现上述实施例的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时，执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。
此外，需要注意的是，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
图5是根据一示例性实施例示出的一种批量数据同步***的框图。如图5所示，批量数据同步***50包括：大数据分布式流数据流引擎502，异构数据源离线同步框架504，数据仓库工具506，分布式发布订阅消息***508。
大数据分布式流数据流引擎502用于将待同步数据存储到分布式文件***的第一预设位置；所述大数据分布式流数据流引擎502还用于通过消费方式获取所述业务相关数据；基于所述业务相关数据获取所述待同步数据。大数据分布式流数据流引擎502还用于获取任务元数据的配置信息；基于所述任务元数据的业务属性对所述待同步的表进行解析；将解析后的所述待同步的表存储到分布式文件***的第一预设位置。大数据分布式流数据流引擎502还用于将所述待同步的表进行sink解析以生成所述待同步数据；将所述待同步的表存储到Hadoop Distributed File System***的第一预设位置。
异构数据源离线同步框架504用于将所述待同步数据的历史数据存储到所述分布式文件***的第二预设位置；异构数据源离线同步框架504还用于将所述待同步数据的历史数据存储到所述Hadoop Distributed File System***的第二预设位置。
数据仓库工具506用于将所述待同步数据按照预设规则分区存储；并在预设时间将所述分区存储的待同步数据进行批量合并以实现所述待同步数据的批量同步。数据仓库工具506还用于将所述待同步数据按照时间间隔分区存储，生成多个时间分区。数据仓库工具506还用于在预设时间提取所述多个时间分区中的待同步数据；将所述多个时间分区中的待同步数据进行合并生成全量表以实现所述待同步数据的批量同步。
分布式发布订阅消息***508用于获取业务相关数据。分布式发布订阅消息***508还用于业务数据库开启binlog功能；基于所述binlog功能对业务相关数据进行解析；将解析后的业务相关数据推送到所述分布式发布订阅消息***。分布式发布订阅消息***508还用于基于所述binlog功能和MySQL数据库增量日志解析方式，对业务相关数据进行解析。
根据本公开的批量数据同步***，大数据分布式流数据流引擎将待同步数据存储到分布式文件***的第一预设位置；异构数据源离线同步框架将所述待同步数据的历史数据存储到所述分布式文件***的第二预设位置；数据仓库工具将所述待同步数据按照预设规则分区存储；在预设时间将所述分区存储的待同步数据进行批量合并以实现所述待同步数据的批量同步的方式，能够解决现有技术中存在的批量数据同步的时效性差的问题，快速准确的进行批量数据的同步，不会增加网络负担。
图6是根据一示例性实施例示出的一种电子设备的框图。
下面参照图6来描述根据本公开的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例，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6所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同***组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书中的根据本公开各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图2，图3中所示的步骤。
所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。
所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备600’(例如键盘、指向设备、蓝牙设备等)通信，使得用户能与该电子设备600交互的设备通信，和/或该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，如图7所示，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。
所述软件产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
所述计算机可读存储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，其中承载了可读程序代码。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。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。可读存储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、有线、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的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
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，使得该计算机可读介质实现如下功能：大数据分布式流数据流引擎将待同步数据存储到分布式文件***的第一预设位置；异构数据源离线同步框架将所述待同步数据的历史数据存储到所述分布式文件***的第二预设位置；数据仓库工具将所述待同步数据按照预设规则分区存储；在预设时间将所述分区存储的待同步数据进行批量合并以实现所述待同步数据的批量同步。
本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。
以上具体地示出和描述了本公开的示例性实施例。应可理解的是，本公开不限于这里描述的详细结构、设置方式或实现方法；相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
Claims (10)
1.一种批量数据同步方法，其特征在于，包括：
大数据分布式流数据流引擎将待同步数据存储到分布式文件***的第一预设位置；
异构数据源离线同步框架将所述待同步数据的历史数据存储到所述分布式文件***的第二预设位置；
数据仓库工具将所述待同步数据按照预设规则分区存储；
在预设时间将所述分区存储的待同步数据进行批量合并以实现所述待同步数据的批量同步。
2.如权利要求1所述的方法，其特征在于，还包括：
分布式发布订阅消息***获取业务相关数据。
3.如权利要求1-2中任一所述的方法，其特征在于，大数据分布式流数据流引擎将待同步数据存储到分布式文件***的第一预设位置之前，包括：
所述大数据分布式流数据流引擎通过消费方式获取所述业务相关数据；
基于所述业务相关数据获取所述待同步数据。
4.如权利要求1-3中任一所述的方法，其特征在于，大数据分布式流数据流引擎将待同步数据存储到分布式文件***的第一预设位置，包括：
大数据分布式流数据流引擎获取任务元数据的配置信息；
基于所述任务元数据的业务属性对所述待同步的表进行解析；
将解析后的所述待同步的表存储到分布式文件***的第一预设位置。
5.如权利要求1-4中任一所述的方法，其特征在于，将解析后的所述待同步的表存储到分布式文件***的第一预设位置，包括：
将所述待同步的表进行sink解析以生成所述待同步数据；
将所述待同步的表存储到Hadoop Distributed File System***的第一预设位置。
6.如权利要求1-5中任一所述的方法，其特征在于，异构数据源离线同步框架将所述待同步数据的历史数据存储到所述分布式文件***的第二预设位置，包括：
DataX框架将所述待同步数据的历史数据存储到所述Hadoop Distributed FileSystem***的第二预设位置。
7.如权利要求1-6中任一所述的方法，其特征在于，数据仓库工具将所述待同步数据按照预设规则分区存储，包括：
Hive将所述待同步数据按照时间间隔分区存储，生成多个时间分区。
8.一种批量数据同步***，其特征在于，包括：
大数据分布式流数据流引擎，用于将待同步数据存储到分布式文件***的第一预设位置；
异构数据源离线同步框架，用于将所述待同步数据的历史数据存储到所述分布式文件***的第二预设位置；
数据仓库工具，用于将所述待同步数据按照预设规则分区存储；并在预设时间将所述分区存储的待同步数据进行批量合并以实现所述待同步数据的批量同步。
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1-7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1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110156442.5A CN112948486A (zh) | 2021-02-04 | 2021-02-04 | 批量数据同步方法、***及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110156442.5A CN112948486A (zh) | 2021-02-04 | 2021-02-04 | 批量数据同步方法、***及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112948486A true CN112948486A (zh) | 2021-06-11 |
Family
ID=76244045
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110156442.5A Pending CN112948486A (zh) | 2021-02-04 | 2021-02-04 | 批量数据同步方法、***及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112948486A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113934760A (zh) * | 2021-10-15 | 2022-01-14 | 珠海百丰网络科技有限公司 | 基于人工智能模型的金融数据识别与传输***及其方法 |
| CN114710481A (zh) * | 2021-12-13 | 2022-07-05 | 越亮传奇科技股份有限公司 | 基于大数据的流量话单分析方法、装置、设备及存储介质 |
| CN114996319A (zh) * | 2022-08-01 | 2022-09-02 | 税友软件集团股份有限公司 | 基于规则引擎的数据处理方法、装置、设备及存储介质 |
| CN116016089A (zh) * | 2021-10-20 | 2023-04-25 | 北京京诚鼎宇管理***有限公司 | 冶金设备数据处理方法、装置及*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108599992A (zh) * | 2018-03-21 | 2018-09-28 | 四川斐讯信息技术有限公司 | 一种数据处理***及方法 |
| CN110990435A (zh) * | 2019-12-03 | 2020-04-10 | 秒针信息技术有限公司 | 数据同步方法、装置和计算机可读存储介质 |
| CN111680017A (zh) * | 2020-06-30 | 2020-09-18 | 深圳前海微众银行股份有限公司 | 一种数据同步的方法及装置 |
| CN112100147A (zh) * | 2020-07-27 | 2020-12-18 | 杭州玳数科技有限公司 | 基于Flink实现Binlog到HIVE的实时采集方法和*** |
| CN112286941A (zh) * | 2020-12-23 | 2021-01-29 | 武汉物易云通网络科技有限公司 | 一种基于Binlog+HBase+Hive的大数据同步方法和装置 |
-
2021
- 2021-02-04 CN CN202110156442.5A patent/CN112948486A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108599992A (zh) * | 2018-03-21 | 2018-09-28 | 四川斐讯信息技术有限公司 | 一种数据处理***及方法 |
| CN110990435A (zh) * | 2019-12-03 | 2020-04-10 | 秒针信息技术有限公司 | 数据同步方法、装置和计算机可读存储介质 |
| CN111680017A (zh) * | 2020-06-30 | 2020-09-18 | 深圳前海微众银行股份有限公司 | 一种数据同步的方法及装置 |
| CN112100147A (zh) * | 2020-07-27 | 2020-12-18 | 杭州玳数科技有限公司 | 基于Flink实现Binlog到HIVE的实时采集方法和*** |
| CN112286941A (zh) * | 2020-12-23 | 2021-01-29 | 武汉物易云通网络科技有限公司 | 一种基于Binlog+HBase+Hive的大数据同步方法和装置 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113934760A (zh) * | 2021-10-15 | 2022-01-14 | 珠海百丰网络科技有限公司 | 基于人工智能模型的金融数据识别与传输***及其方法 |
| CN113934760B (zh) * | 2021-10-15 | 2022-06-17 | 珠海百丰网络科技有限公司 | 基于人工智能模型的金融数据识别与传输***及其方法 |
| CN116016089A (zh) * | 2021-10-20 | 2023-04-25 | 北京京诚鼎宇管理***有限公司 | 冶金设备数据处理方法、装置及*** |
| CN114710481A (zh) * | 2021-12-13 | 2022-07-05 | 越亮传奇科技股份有限公司 | 基于大数据的流量话单分析方法、装置、设备及存储介质 |
| CN114996319A (zh) * | 2022-08-01 | 2022-09-02 | 税友软件集团股份有限公司 | 基于规则引擎的数据处理方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110807067B (zh) | 关系型数据库和数据仓库的数据同步方法、装置及设备 | |
| US10055410B1 (en) | Corpus-scoped annotation and analysis | |
| CN112948486A (zh) | 批量数据同步方法、***及电子设备 | |
| US9336288B2 (en) | Workflow controller compatibility | |
| CN109189835A (zh) | 实时生成数据宽表的方法和装置 | |
| CN109388637A (zh) | 数据仓库信息处理方法、装置、***、介质 | |
| CN111666490A (zh) | 基于kafka的信息推送方法、装置、设备及存储介质 | |
| CN111324610A (zh) | 一种数据同步的方法及装置 | |
| CN110321544B (zh) | 用于生成信息的方法和装置 | |
| US20150032743A1 (en) | Analyzing files using big data tools | |
| US10083031B2 (en) | Cognitive feature analytics | |
| CN109522341A (zh) | 实现基于sql的流式数据处理引擎的方法、装置、设备 | |
| CN113282611B (zh) | 一种流数据同步的方法、装置、计算机设备及存储介质 | |
| CN110781197B (zh) | 一种hive离线同步校验方法、装置及电子设备 | |
| CN114461603A (zh) | 多源异构数据融合方法及装置 | |
| CN112988741A (zh) | 实时业务数据合并方法、装置及电子设备 | |
| CN113468196B (zh) | 用于处理数据的方法、装置、***、服务器和介质 | |
| Krämer | GeoRocket: A scalable and cloud-based data store for big geospatial files | |
| CN113962597A (zh) | 一种数据分析方法、装置、电子设备及存储介质 | |
| CN113836235B (zh) | 基于数据中台的数据处理方法及其相关设备 | |
| CN113722007A (zh) | Vpn分支设备的配置方法、装置及*** | |
| CN110555070B (zh) | 用于输出信息的方法和装置 | |
| CN108470047B (zh) | 基于物联网的远程平台监测*** | |
| US20140074869A1 (en) | Autoclassifying compound documents for enhanced metadata search | |
| Taori et al. | Big Data Management |
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 |