CN113688151A - 基于虚拟数据库的数据访问方法、装置、***、设备和介质 - Google Patents

Abstract

本公开提供了一种基于虚拟数据库的数据访问方法、装置、***、设备、介质和程序产品，涉及数据库技术领域。该方法包括通过接收用户层的SQL查询请求；对SQL查询请求进行语句分析，基于语句分析的结果调用规则库中的预设规则将SQL查询请求分解为多个局部查询语句，并将局部查询语句路由分发到对应的数据库以获取相应的查询数据；以及对查询数据进行组装后向用户层输出查询结果。本公开中的基于虚拟数据库的数据访问方法中解决了现有技术中针对不同的数据库编写不同的代码逻辑完成相应的连接和访问操作而导致代码编写量大，请求端业务逻辑复杂，维护困难的问题。

Description

基于虚拟数据库的数据访问方法、装置、***、设备和介质

技术领域

本公开涉及数据库技术领域，更具体地涉及一种基于虚拟数据库的数据访问方法、装置、***、设备、介质和程序产品。

背景技术

目前主流的大型企业级应用内部逻辑日趋复杂，使用的数据库由于历史或者升级换代的原因种类也比较多，比如mysql，oracle，informix等。数据请求方如果要实现针对异构数据库的连接访问，需要在应用程序内部分别针对不同的数据库编写不同的代码逻辑完成相应的连接和访问操作。代码编写量大，请求端业务逻辑复杂，维护困难。

发明内容

鉴于上述问题，本公开提供了一种虚拟数据库的数据访问方法、装置、***、设备、介质和程序产品。

根据本公开的第一个方面，提供了一种虚拟数据库的数据访问方法，应用于虚拟数据库层，包括：接收用户层的SQL查询请求；对所述SQL查询请求进行语句分析，基于所述语句分析的结果调用规则库中的预设规则将所述SQL查询请求分解为多个局部查询语句，并将所述局部查询语句路由分发到对应的数据库以获取相应的查询数据；以及对所述查询数据进行组装后向所述用户层输出查询结果。

在某些实施例中，还包括：采用深度学习算法生成一系列所述预设规则；以及基于一系列所述预设规则创建规则库。

在某些实施例中，所述采用深度学习算法生成一系列所述预设规则包括：创建结构化数据表；提取异构数据源中的数据信息，并将所述数据信息存储在所述结构化数据表中；采用深度学习算法对所述结构化数据表中的数据信息进行归集匹配，确定不同数据表间的相似度；以及根据所述相似度进行相应的规则定义以形成所述预设规则。

在某些实施例中，所述数据信息包括库名、表名以及表结构信息，所述表结构信息包括数据表中的列名、列属性、约束和表数据。

在某些实施例中，所述预设规则包括关联异构数据源同构表操作以及非同构表的同属性数据提取关联操作。

在某些实施例中，还包括：采用人工标错的方法对所述相似度进行校验，其中，所述采用人工标错的方法对所述相似度进行校验包括：

将所述相似度以及相似字段对应的关系视图上传控制中心；以及所述控制中心的管理员根据所述相似字段对应的关系视图判断所述相似度的准确性。

在某些实施例中，还包括：将异构数据源的差异化SQL语法规则写入到所述本地规则库中。

在某些实施例中，所述基于所述语句分析的结果调用所述规则库中的预设规则将所述SQL查询请求分解为多个局部查询语句包括：根据所述语句分析的结果匹配所述预设规则；根据匹配获得的所述预设规则确定需要访问的异构数据源中的数据表；根据异构数据源的类型确定对应的差异化SQL语法规则；以及基于所述数据表的表结构信息和所述差异化SQL语法规则将所述SQL查询请求分解为多个局部查询语句。

在某些实施例中，所述对所述查询数据进行组装后向所述用户层输出查询结果包括：根据所述SQL查询请求的约束规则对所述查询到的数据进行分组和排序操作以形成所述查询结果。

本公开的第二方面提供了一种基于虚拟数据库的数据访问装置，包括：接收模块，用于接收用户层的SQL查询请求；SQL语句分发路由模块，用于对所述SQL查询请求进行语句分析，基于所述语句分析的结果调用规则库中的预设规则将所述SQL查询请求分解为多个局部查询语句，并将所述局部查询语句路由分发到对应的数据库，以获取相应的查询数据；数据组装模块，用于对所述查询数据进行组装后向所述用户层输出查询结果。

在某些实施例中，还包括：包装器模块，用于采用深度学习算法生成一系列所述预设规则；规则库模块，用于写入所述预设的规则。

在某些实施例中，还包括：控制中心模块，用于采用人工标错的方法对所述相似度进行校验。

本公开的第三方面提供了一种基于虚拟数据库的数据访问***，包括：虚拟数据库层，用于执行上述中任一项所述的基于虚拟数据库的数据访问方法；用户层，用于向所述虚拟数据库层发出SQL查询请求；异构数据库层，用于存储数据源，并供所述虚拟数据库层进行访问查询。

本公开的第四方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述基于虚拟数据库的数据访问方法。

本公开的第五方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述基于虚拟数据库的数据访问方法。

本公开的第六方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述基于虚拟数据库的数据访问方法。

根据本公开的基于虚拟数据库的数据访问方法通过接收用户层的SQL查询请求；对SQL查询请求进行语句分析，基于语句分析的结果调用规则库中的预设规则将SQL查询请求分解为多个局部查询语句，并将局部查询语句路由分发到对应的数据库以获取相应的查询数据；以及对查询数据进行组装后向用户层输出查询结果。本公开的实施例中的基于虚拟数据库的数据访问方法中在虚拟数据库层完成对底层异构数据源的数据访问，同时将访问得到的结果进行组装后统一反馈到用户层，避免了现有技术中针对不同的数据库编写不同的代码逻辑完成相应的连接和访问操作而导致代码编写量大，请求端业务逻辑复杂，维护困难的问题。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的基于虚拟数据库的数据访问方法、装置、设备、介质和程序产品的应用场景图；

图2示意性示出了根据本公开实施例的基于虚拟数据库的数据访问方法的流程图；

图3示意性示出了根据本公开实施例的基于虚拟数据库的数据访问方法的另一流程图；

图4示意性示出了根据本公开实施例的基于虚拟数据库的数据访问***的结构框图；

图5示意性示出了根据本公开实施例的基于虚拟数据库的数据访问装置的结构框图；

图6示意性示出了根据本公开实施例的适于实现基于虚拟数据库的数据防问方法的计算机***框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的***”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的***等)。

详细的背景技术，可以包括除独权解决的技术问题之外的其它技术问题。

本公开的实施例提供了一种基于虚拟数据库的数据访问方法包括：接收用户层的SQL查询请求；对SQL查询请求进行语句分析，基于语句分析的结果调用规则库中的预设规则将SQL查询请求分解为多个局部查询语句，并将局部查询语句路由分发到对应的数据库以获取相应的查询数据；以及对查询数据进行组装后向用户层输出查询结果。

需要说明的是，本公开实施例提供的虚拟数据库的数据防问方法可用于大数据、分布式技术在微服务数据传输相关方面，也可用于除大数据、分布式技术之外的多种领域，如金融领域等。

本公开的实施例中的基于虚拟数据库的数据访问方法特别适用于在用户端进行数据查询时，查询的数据保存在异构数据源中，同时需要访问的数据库的类型存在多种时，可提高数据查询的效率。

图1示意性示出了根据本公开实施例的基于虚拟数据库的数据访问方法的应用场景图。

如图1所示，根据该实施例的应用场景100可以包括用户层终端设备101、102、103。虚拟数据库104用以在终端设备101、102、103和多个数据库105之间提供数据的查询和输出。

用户可以使用终端设备101、102、103通过虚拟数据库104与服务器105交互，以查询数据等。终端设备101、102、103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101、102、103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。

数据库105的类型可以是mysql，oracle，informix，数据库105的内部存储有数据以供用户调阅查看。

需要说明的是，本公开实施例所提供的基于虚拟数据库的数据访问方法一般可以由虚拟数据库层104执行。虚拟数据库层接收用户层的终端设备101、102、103发送的数据查询请求，通过对查询请求的解析处理在多中数据库105中获取到用户查询的数据，经过对查询到的数据的组装形成查询结果返回到用户层，供用户查看。

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。

以下将基于图1描述的场景，通过图2～图3对本公开实施例的基于虚拟数据库的数据访问方法进行详细描述。

图2示意性示出了根据本公开实施例的基于虚拟数据库的数据方法的流程图。

如图2所示，该实施例的基于虚拟数据库的数据访问方法包括操作S210～操作S230。

在操作S210，接收用户层的SQL查询请求。

用户层即数据需求的发起方，用户层中的用户根据数据查询的需要在应用程序中的用户操作界面上输入查询请求，上述查询请求经过处理后向虚拟数据库层中发送基于数据库管理语言的SQL查询请求。SQL查询请求可以为查询特定类型的表结构、查询指定数据表中的所有列、查询指定数据表中的指定列或者指定行、查询指定数据表中字段内容为空/非空或者将查询结果按字段的值进行排序等。

可以理解，用户层可为客户的个人移动终端设备，如手机、笔记本电脑或者台式机等，还可为企业端客户的工作站等。用户层与底层的异构数据源间基于网络建立数据传输通道。网络的类型可以使有线网络、无线通讯网络等。用户层的相关应用程序可通过统一的SQL和XML接口实现对虚拟数据库的访问，以实现SQL查询请求向虚拟数据库的传输。

在操作S220，对SQL查询请求进行语句分析，基于语句分析的结果调用规则库中的预设规则将SQL查询请求分解为多个局部查询语句，并将局部查询语句路由分发到对应的数据库以获取相应的查询数据。

在执行操作S220之前还需要执行操作S221到操作S222，具体如图3所示。

在操作S221：采用深度学习算法生成一系列预设规则；

本公开的实施例中通过创建结构化数据表，结构化数据表作为临时存储数据的数据表，其为数据库中存储的正式数据表的映射，提取异构数据源中的数据信息，如采用常用的for循环，从数据库中导出相应的表格等。并将数据信息存储在结构化数据表中，本公开的数据信息包括库名、表名以及表结构信息，表结构信息包括数据表中的列名、列属性、约束和表数据，示例如：从数据库A中导出表A1的数据信息到结构化数据表中，需要将数据库A的库名、表A1的表名，表A1中的表结构信息复制到结构化数据表中，结构化数据表中创建有相应的字段名、字段类型、字段长度、数据记录等去分类记录上述中的数据信息。采用深度学习算法对结构化数据表中的数据信息进行归集匹配，确定不同数据表间的相似度。如上述中，不同数据库的数据表的数据信息存储在结构化数据表中，通过归集匹配的过程可判断出不同数据表间的数据关系。示例如：在数据库A中的数据表A1和数据库B中的数据表B1的字段名、字段类型、字段长度等均相同，仅记载的数据内容不同，此时通过归集匹配的过程我们可得到数据表A1和数据表B1是同一类型的数据表，可创建关联异构数据源同构表操作的规则将数据表A1和数据表B1进行关联，在用户查询此种表结构的数据表时，能够同时获取到数据表A1和数据表B1。再示例如：在数据库A中的数据表A1和数据库B中的数据表B1的字段名、字段类型、字段长度等均不相同，但是其记载的数据内容相同，此时通过归集匹配的过程我们可得到数据表A1和数据表B1存在相同的数据记录，可创建关联异构数据源非同构表操作的规则将数据表A1和数据表B1进行关联，在用户查询上述中的数据记录时，能够同时获取到数据表A1和数据表B1中所记载的数据记录。在上述判断的过程中，需要对不同的字段名、字段类型、数据记录等进行一一的匹配，来确认两个数据表间的相似度，然后根据上述中的相似度进行相应的规则定义以形成预设规则。

可以理解，本公开的实施例中为了保证深度学习结果的准确性，还包括采用人工标错的方法对相似度进行校验，其中，采用人工标错的方法对相似度进行校验包括：将相似度以及相似字段对应的关系视图上传控制中心；以及控制中心的管理员根据相似字段对应的关系视图判断相似度的准确性，在关系视图上会显示出当前两个或者多个数据表的名称以及所在的数据库，同时显示相似度结果以及得出此种结果所匹配的相似字段，以供管理员进行人为的相似度校正。

可以理解，如上述，数据从底层的多个数据库中进行查询得到，不同的数据库的访问语法规则存在差异，为了更加方便虚拟数据库层对数据库的访问，本公开的实施例中将异构数据源的差异化SQL语法规则写入到规则库中，可通过对已存在的数据库的语法规则进行统计，以数据库名称为标识将其对应的语法规则录入到规则库中，以在确定需要访问数据路时，调用器相应的语法规则，提高访问效率。

在操作S222，基于一系列预设规则创建规则库。需要说明的是，此处的规则库相当于内置在虚拟数据库层上的小型数据库，其创建的过程与数据库的创建过程一致，在此不在赘述。其内置的规则相当于数据库中的数据表，在进行规则的调用时，根据上述中的语句分析的结果作为索引，在规则库中查询到相应的预设规则并使用。预设规则在规则库中的创建方式可采用多种命令如CREATE RULE命令、Enterprise Manager命令等。创建的规则包括规则的名称、创建时间、所有者等，以方便后续预设规则的调用。

返回到操作S220，对SQL查询请求进行语句分析，基于语句分析的结果调用规则库中的预设规则将SQL查询请求分解为多个局部查询语句，并将局部查询语句路由分发到对应的数据库以获取相应的查询数据中包括：

根据语句分析的结果匹配预设规则，示例如语句分析的结果中包含需要查询的数据的字段名称、字段类型等，根据字段名称和字段类型去遍历所有的预设规则，以找到适配的预设规则。语句分析的工具可采用数据库中内置的SQL解析器，其将SQL语句解析为解析树，完成对语法顺序、查询内容关键词等的预处理。

根据匹配获得的预设规则确定需要访问的异构数据源中的数据表，如根据预设规则可确定SQL查询请求所需要查询的数据分布在多个数据表中，上述数据表可在同一个数据库中，还可存在于不同的数据库中。在上述数据表存在不同的数据库中时，根据预设规则可获得数据表所在的数据库的库名，通过数据库的库名确定对应的差异化SQL语法规则。然后基于数据表的表结构信息和差异化SQL语法规则将SQL查询请求分解为多个局部查询语句。然后将局部查询语句路由分发到对应的数据库以获取相应的查询数据。查询数据的获取过程与采用SQL语句访问数据库的方法一样，不在赘述。

在操作S230，对查询数据进行组装后向用户层输出查询结果。根据上述中SQL查询请求中的约束规则对从数据库中查询到的数据进行组装后，输出用户需要的查询结果。

基于上述基于虚拟数据库的数据访问方法，本公开还提供了一种虚拟数据库的数据访问装置。以下将结合图5对该装置进行详细描述。

图5示意性示出了根据本公开实施例的基于虚拟数据库的数据访问装置的结构框图。

如图5所示，该实施例的300包括接收模块301，SQL语句分发路由模块302，数据组装模块303。

接收模块301，用于接收用户层的SQL查询请求，适于执行上述中的步骤S210；

SQL语句分发路由模块302，用于对SQL查询请求进行语句分析，基于语句分析的结果调用规则库中的预设规则将SQL查询请求分解为多个局部查询语句，并将局部查询语句路由分发到对应的数据库，以获取相应的查询数据，适于执行上述中的步骤220；

数据组装模块303，用于对查询数据进行组装后向用户层输出查询结果，适于执行上述中的步骤230。

例如，根据本公开实施例的基于虚拟数据库的数据访问方法还包括：包装器模块，用于采用深度学习算法生成一系列预设规则，适于执行上述中的步骤221。

例如，根据本公开实施例的基于虚拟数据库的数据访问方法还包括：规则库模块，用于写入预设的规则，适于执行上述中的步骤222。

例如，根据本公开实施例的基于虚拟数据库的数据访问方法还包括：控制中心模块，用于采用人工标错的方法对相似度进行校验。

根据本公开的基于虚拟数据库的数据访问方法通过接收用户层的SQL查询请求；对SQL查询请求进行语句分析，基于语句分析的结果调用规则库中的预设规则将SQL查询请求分解为多个局部查询语句，并将局部查询语句路由分发到对应的数据库以获取相应的查询数据；以及对查询数据进行组装后向用户层输出查询结果。本公开的实施例中的基于虚拟数据库的数据访问方法中在虚拟数据库层完成对底层异构数据源的数据访问，同时将访问得到的结果进行组装后统一反馈到用户层，避免了现有技术中针对不同的数据库编写不同的代码逻辑完成相应的连接和防问操作而导致代码编写量大，请求端业务逻辑复杂，维护困难的问题。同时本公开的基于虚拟数据库的数据访问方法还具有如下优点：访问渠道无需对各异构数据源的连接和访问策略进行控制，逻辑复杂度降低，可维护性提高；数据访问和整合策略统一放在虚拟数据库层进行，降低了渠道和下游各数据源的耦合度；实现了数据访问的统一管理和提高了对外服务的扩展性，由于虚拟数据库层能够对各异构数据源的数据进行整合访问，为后续基于大数据的业务场景扩展提供的完备的基础平台。

根据本公开的实施例，接收模块301，SQL语句分发路由模块302，数据组装模块303中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，接收模块301，SQL语句分发路由模块302，数据组装模块303中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上***、基板上的***、封装上的***、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，接收模块301，SQL语句分发路由模块302，数据组装模块303中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图4示意性示出了根据本公开实施例的基于虚拟数据库的数据访问***的结构框图。

如图4所示，该实施例中包括：虚拟数据库层，用于执行上述实施例中的基于虚拟数据库的数据访问方法；本实施例中的虚拟数据库层包括SQL语句分发路由模块，用户层发送的SQL查询请求被SQL语句分发路由模块所接收，SQL语句分发路由模块对SQL查询请求进行语句分析，根据语句分析的结果调用规则库中的预设规则将SQL查询分解为若干局部查询语句，通过局部查询语句实现对多个数据库的访问以返回查询数据，返回的防问结果从SQL语句分发路由模块进入到数据组装模块，数据组装模块根据前述中SQL查询请求的约束规则对查询数据进行排序等操作，形成查询结果发送到用户层。上述中预设规则的得出通过包装器模块采用深度学习算法进行不同底层数据库的归集匹配得到。

用户层，用于向虚拟数据库层发出SQL查询请求；

异构数据库层，用于存储数据源，并供虚拟数据库层进行访问查询。

图6示意性示出了根据本公开实施例的适于实现基于虚拟数据库的数据访问方法的电子设备的方框图。

如图6所示，根据本公开实施例的电子设备400包括处理器401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。处理器401例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器401还可以包括用于缓存用途的板载存储器。处理器401可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 403中，存储有电子设备400操作所需的各种程序和数据。处理器401、ROM402以及RAM 403通过总线404彼此相连。处理器401通过执行ROM 402和/或RAM 403中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，程序也可以存储在除ROM402和RAM 403以外的一个或多个存储器中。处理器401也可以通过执行存储在一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，电子设备400还可以包括输入/输出(I/O)接口405，输入/输出(I/O)接口405也连接至总线404。电子设备400还可以包括连接至I/O接口405的以下部件中的一项或多项：包括键盘、鼠标等的输入部分406；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407；包括硬盘等的存储部分408；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405。通信部分405经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，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410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408。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/***中所包含的；也可以是单独存在，而未装配入该设备/装置/***中。上述计算机可读存储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执行时，实现根据本公开实施例的方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：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)、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。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 402和/或RAM 403和/或ROM 402和RAM 403以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，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。当计算机程序产品在计算机***中运行时，该程序代码用于使计算机***实现本公开实施例所提供的物品推荐方法。

在该计算机程序被处理器401执行时执行本公开实施例的***/装置中限定的上述功能。根据本公开的实施例，上文描述的***、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分405被下载和安装，和/或从可拆卸介质411被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

在这样的实施例中，该计算机程序可以通过通信部分405从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被处理器401执行时，执行本公开实施例的***中限定的上述功能。根据本公开的实施例，上文描述的***、设备、装置、模块、单元等可以通过计算机程序模块来实现。

根据本公开的实施例，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实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“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、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)。

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。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (16)

1.一种基于虚拟数据库的数据访问方法，应用于虚拟数据库层，其特征在于，包括：

接收用户层的SQL查询请求；

对所述SQL查询请求进行语句分析，基于所述语句分析的结果调用规则库中的预设规则将所述SQL查询请求分解为多个局部查询语句，并将所述局部查询语句路由分发到对应的数据库以获取相应的查询数据；以及

对所述查询数据进行组装后向所述用户层输出查询结果。

2.根据权利要求1所述的基于虚拟数据库的数据访问方法，其特征在于，还包括：

采用深度学习算法生成一系列所述预设规则；以及

基于一系列所述预设规则创建所述规则库。

3.根据权利要求2所述的基于虚拟数据库的数据访问方法，其特征在于，所述采用深度学习算法生成一系列所述预设规则包括：

创建结构化数据表；

提取异构数据源中的数据信息，并将所述数据信息存储在所述结构化数据表中；

采用深度学习算法对所述结构化数据表中的数据信息进行归集匹配，确定不同数据表间的相似度；以及

根据所述相似度进行相应的规则定义以形成所述预设规则。

4.根据权利要求3所述的基于虚拟数据库的数据访问方法，其特征在于，所述数据信息包括库名、表名以及表结构信息，所述表结构信息包括数据表中的列名、列属性、约束和表数据。

5.根据权利要求3所述的基于虚拟数据库的数据访问方法，其特征在于，所述预设规则包括关联异构数据源同构表操作以及非同构表的同属性数据提取关联操作。

6.根据权利要求3所述的基于虚拟数据库的数据访问方法，其特征在于，还包括：采用人工标错的方法对所述相似度进行校验，其中，所述采用人工标错的方法对所述相似度进行校验包括：

将所述相似度以及相似字段对应的关系视图上传控制中心；以及

所述控制中心的管理员根据所述相似字段对应的关系视图判断所述相似度的准确性。

7.根据权利要求2所述的基于虚拟数据库的数据访问方法，其特征在于，还包括：将异构数据源的差异化SQL语法规则写入到所述本地规则库中。

8.根据权利要求7所述的基于虚拟数据库的数据访问方法，其特征在于，所述基于所述语句分析的结果调用所述规则库中的预设规则将所述SQL查询请求分解为多个局部查询语句包括：

根据所述语句分析的结果匹配所述预设规则；

根据匹配获得的所述预设规则确定需要访问的异构数据源中的数据表；

根据异构数据源的类型确定对应的差异化SQL语法规则；以及

基于所述数据表的表结构信息和所述差异化SQL语法规则将所述SQL查询请求分解为多个局部查询语句。

9.根据权利要求1所述的基于虚拟数据库的数据访问方法，其特征在于，所述对所述查询数据进行组装后向所述用户层输出查询结果包括：

根据所述SQL查询请求的约束规则对所述查询到的数据进行分组和排序操作以形成所述查询结果。

10.一种基于虚拟数据库的数据访问装置，其特征在于，包括：

接收模块，用于接收用户层的SQL查询请求；

SQL语句分发路由模块，用于对所述SQL查询请求进行语句分析，基于所述语句分析的结果调用规则库中的预设规则将所述SQL查询请求分解为多个局部查询语句，并将所述局部查询语句路由分发到对应的数据库，以获取相应的查询数据；

数据组装模块，用于对所述查询数据进行组装后向所述用户层输出查询结果。

11.根据权利要求10所述的基于虚拟数据库的数据访问装置，其特征在于，还包括：

包装器模块，用于采用深度学习算法生成一系列所述预设规则；

规则库模块，用于写入所述预设的规则。

12.根据权利要求10所述的基于虚拟数据库的数据访问装置，其特征在于，还包括：

控制中心模块，用于采用人工标错的方法对所述相似度进行校验。

13.一种基于虚拟数据库的数据访问***，其特征在于，包括：

虚拟数据库层，用于执行上述权利要求1-9中任一项所述的基于虚拟数据库的数据访问方法；

用户层，用于向所述虚拟数据库层发出SQL查询请求；

异构数据库层，用于存储数据源，并供所述虚拟数据库层进行访问查询。

14.一种电子设备，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，

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～9中任一项所述的方法。

15.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～9中任一项所述的方法。

16.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1～9中任一项所述的方法。

Images