CN115292580A - 数据查询方法、装置、计算机设备及存储介质 - Google Patents
数据查询方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN115292580A CN115292580A CN202210996994.1A CN202210996994A CN115292580A CN 115292580 A CN115292580 A CN 115292580A CN 202210996994 A CN202210996994 A CN 202210996994A CN 115292580 A CN115292580 A CN 115292580A
- Authority
- CN
- China
- Prior art keywords
- query
- data
- index
- preset
- query statement
- 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9532—Query formulation
-
- 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
-
- 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
- G06F16/2452—Query translation
-
- 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
- G06F16/2453—Query optimisation
-
- 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
- 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
- G06F3/0604—Improving or facilitating administration, e.g. storage management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
- G06F3/0638—Organizing or formatting or addressing of data
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)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例属于大数据领域,涉及一种数据查询方法,包括:接收指标数据查询请求;将指标数据查询请求转换为预设语言的查询语句;基于预设的查询语句搜索器获取查询语句的查询频率,并判断查询频率是否小于预设的频率阈值;若不小于频率阈值,将查询语句重定向至预设的索引表,并判断索引表内是否存在与查询语句匹配的目标索引;若存在与查询语句匹配的目标索引,从索引表中查询出与目标索引对应的目标指标数据;将目标指标数据返回给用户的客户端。本申请还提供一种数据查询装置、计算机设备及存储介质。此外,本申请还涉及区块链技术,目标指标数据可存储于区块链中。本申请能提高指标数据查询的处理效率,降低重复查询操作的资源消耗量。
Description
技术领域
本申请涉及大数据技术领域,尤其涉及数据查询方法、装置、计算机设备及存储介质。
背景技术
目前的大数据业务主要分为三个业务环节:数据采集、数据处理、数据分析和展示。各业务部门会在经营活动中产生数据,大数据部门采集各个部门数据根据业务需求及相关业务领域进行数据处理,来满足业务部门提出的业务需求,其中业务需求中较大比例是对业务指标进行跟踪。这些业务指标往往是行业中比较成熟固定的指标,例如每月活跃用户数,可以快速反映营业活动中的行为趋势,业务部门会对这些指标进行分析和展示,进而针对用户行为提供有针对的服务。
现有的对于指标数据的查询行为中,不同的业务人员会根据业务场景和需求,随时随地对固定指标进行大量重复查询分析。然而,大量的重复查询都会消耗较多的平台计算资源,从而造成大量计算资源浪费,且指标数据的查询效率较低。
发明内容
本申请实施例的目的在于提出一种数据查询方法、装置、计算机设备及存储介质,以解决现有的指标数据的查询行为存在大量的重复查询,容易造成大量计算资源浪费,且指标数据的查询效率较低的技术问题。
为了解决上述技术问题,本申请实施例提供一种数据查询方法,采用了如下所述的技术方案:
接收用户输入的指标数据查询请求;
将所述指标数据查询请求转换为预设语言的查询语句;
基于预设的查询语句搜索器获取所述查询语句的查询频率,并判断所述查询频率是否小于预设的频率阈值;
若不小于所述频率阈值,将所述查询语句重定向至预设的索引表,并判断所述索引表内是否存在与所述查询语句匹配的目标索引;
若存在与所述查询语句匹配的目标索引,从所述索引表中查询出与所述目标索引对应的目标指标数据;
将所述目标指标数据返回给所述用户的客户端。
进一步的,在所述将所述查询语句重定向至预设的索引表的步骤之前,还包括:
获取预存储的与历史指标数据查询请求对应的历史查询语句;其中,所述历史查询语句的数量包括多个;
获取当前时间,并判断当前时间是否处于业务空闲时间段内;
若是,对所述历史查询语句进行拆解分析处理,得到所述历史查询语句中存在的重复数据;
基于预设算法对所述重复数据进行分类整理得到中间数据;
对所述中间数据进行预计算处理得到对应的指标数据;
基于所述中间数据与指标数据之间的一一对应关系,使用所述中间数据与所述指标构建所述索引表。
进一步的,在所述获取当前时间,并判断当前时间是否处于业务空闲时间段内的步骤之前,还包括:
获取预设的划分值,并基于所述划分值将一天的时间划分为多个处理时间段;
基于预设的统计数据库,分别获取在预设时间周期内每个处理时间段的资源消耗总量;
从所有所述资源消耗总量中筛选出大于第一预设资源阈值的第一资源消耗总量,并确定与所述第一资源消耗总量对应的第一处理时间段;
对于每一个所述第一处理时间段,获取第一指定处理时间段在所述预设时间周期内对应的所有资源消耗量;其中,所述第一指定处理时间段为任意一个所述第一处理时间段;
判断每一个所述资源消耗量是否均大于第二预设资源阈值;
若是,将所述第一指定处理时间段标记为第二处理时间段;
从所有所述处理时间段中剔除所述第二处理时间段,得到第三处理时间段;
将所述第三处理时间段作为所述业务空闲时间段。
进一步的,在所述基于所述中间数据与指标数据之间的一一对应关系,使用所述中间数据与所述指标构建所述索引表的步骤之后,还包括:
获取所述索引表的占用容量值,以及获取本地的可用存储量;
计算所述可用存储量与所述占用容量值之间的差值;
判断所述差值是否大于预设阈值;
若大于所述预设阈值,将所述索引表存储于本地;
若不大于所述预设阈值,将所述索引表存储于区块链中。
进一步的,在所述判断所述查询频率是否小于预设的频率阈值的步骤之后,还包括:
若小于所述频率阈值,将所述查询语句翻译成应用程序语言;
将所述应用程序语言发送至预设的数据平台,以通过所述数据平台基于所述应用程序语言进行即时计算,生成相应的第一指标数据;
接收所述数据平台反馈的所述第一指标数据;
将所述第一指标数据返回给所述用户的客户端。
进一步的,在所述判断所述索引表内是否存在与所述查询语句匹配的目标索引的步骤之后,还包括:
若不存在与所述查询语句匹配的目标索引,将所述查询语句发送至预设的计算平台,以通过所述计算平台基于所述查询语句进行即时计算,生成相应的第二指标数据;
接收所述计算平台反馈的所述第二指标数据;
将所述第二指标数据返回给所述用户的客户端。
进一步的,所述指标数据查询请求携带所述用户的用户信息,所述将所述指标数据查询请求转换为预设语言的查询语句的步骤,具体包括:
从所述指标数据查询请求中获取所述用户信息;
基于所述用户信息对所述用户进行身份验证,并判断身份验证是否通过;
若身份验证通过,执行将所述指标数据查询请求转换为预设语言的查询语句的步骤。
为了解决上述技术问题,本申请实施例还提供一种数据查询装置,采用了如下所述的技术方案:
第一接收模块,用于接收用户输入的指标数据查询请求;
转换模块,用于将所述指标数据查询请求转换为预设语言的查询语句;
第一判断模块,用于基于预设的查询语句搜索器获取所述查询语句的查询频率,并判断所述查询频率是否小于预设的频率阈值;
第二判断模块,用于若不小于所述频率阈值,将所述查询语句重定向至预设的索引表,并判断所述索引表内是否存在与所述查询语句匹配的目标索引;
查询模块,用于若存在与所述查询语句匹配的目标索引,从所述索引表中查询出与所述目标索引对应的目标指标数据;
第一返回模块,用于将所述目标指标数据返回给所述用户的客户端。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
接收用户输入的指标数据查询请求;
将所述指标数据查询请求转换为预设语言的查询语句;
基于预设的查询语句搜索器获取所述查询语句的查询频率,并判断所述查询频率是否小于预设的频率阈值;
若不小于所述频率阈值,将所述查询语句重定向至预设的索引表,并判断所述索引表内是否存在与所述查询语句匹配的目标索引;
若存在与所述查询语句匹配的目标索引,从所述索引表中查询出与所述目标索引对应的目标指标数据;
将所述目标指标数据返回给所述用户的客户端。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
接收用户输入的指标数据查询请求;
将所述指标数据查询请求转换为预设语言的查询语句;
基于预设的查询语句搜索器获取所述查询语句的查询频率,并判断所述查询频率是否小于预设的频率阈值;
若不小于所述频率阈值,将所述查询语句重定向至预设的索引表,并判断所述索引表内是否存在与所述查询语句匹配的目标索引;
若存在与所述查询语句匹配的目标索引,从所述索引表中查询出与所述目标索引对应的目标指标数据;
将所述目标指标数据返回给所述用户的客户端。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例中,在接收到用户输入的指标数据查询请求后,会先将指标数据查询请求转换为预设语言的查询语句,然后基于预设的查询语句搜索器获取查询语句的查询频率,并判断查询频率是否小于预设的频率阈值,如果不小于频率阈值,将查询语句重定向至预设的索引表,并判断索引表内是否存在与查询语句匹配的目标索引,如果存在与查询语句匹配的目标索引,从索引表中查询出与目标索引对应的目标指标数据,最后将目标指标数据返回给用户的客户端。本申请提出的指标数据查询方法,通过对指标数据查询请求对应的查询频率进行判断,当判别出查询语句属于高频查询语句时,会通过使用预设的索引表来实现快速查询出与该查询语句对应的目标指标数据,从而可以跳过全量查询过程的多个环节,降低了重复指标查询操作的资源消耗量,有效提高了指标数据查询的处理效率。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图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是本申请可以应用于其中的示例性***架构图;
图2根据本申请的数据查询方法的一个实施例的流程图;
图3是根据本申请的数据查询装置的一个实施例的结构示意图;
图4是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,***架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
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、电子书阅读器、MP3播放器(Moving PictureExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(MovingPictureExpertsGroup Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的数据查询方法一般由服务器/终端设备执行,相应地,数据查询装置一般设置于服务器/终端设备中。
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。
继续参考图2,示出了根据本申请的数据查询方法的一个实施例的流程图。所述的数据查询方法,包括以下步骤:
步骤S201,接收用户输入的指标数据查询请求。
在本实施例中,数据查询方法运行于其上的电子设备(例如图1所示的服务器/终端设备),可以通过有线连接方式或者无线连接方式接收用户输入的指标数据查询请求。需要指出的是,上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。其中,用户通过客户端向电子设备发出指标数据查询请求,以得到所需的指标数据。
步骤S202,将所述指标数据查询请求转换为预设语言的查询语句。
在本实施例中,上述预设语言为DSL语言,上述查询语句为SQL语句。可通过与语句转换相关的应用来执行将指标数据查询请求转换为预设语言的查询语句的处理过程。
步骤S203,基于预设的查询语句搜索器获取所述查询语句的查询频率,并判断所述查询频率是否小于预设的频率阈值。
在本实施例中,查询语句搜索器在获取到每一个查询语句时,查询语句搜索器都会对该查询语句的查询状态进行记录,查询状态具体是指查询语句的查询频率。其中,如果查询语句的查询频率大于上述频率阈值,则会判定与该查询语句对应的指标数据属于重复计算指标。其中,对于上述频率阈值的取值不作具体限定,可根据实际的使用需求进行设置,例如可设为5次/星期。
步骤S204,若不小于所述频率阈值,将所述查询语句重定向至预设的索引表,并判断所述索引表内是否存在与所述查询语句匹配的目标索引。
在本实施例中,如果查询语句的查询频率不小于预设的频率阈值,则表明与该查询语句对应的带查询指标属于高频查询指标,从而可以通过预先构建的索引表来快速查找出与该查询语句对应的指标数据。上述索引表为基于对预存储的与历史指标数据查询请求对应的历史查询语句进行处理后生成的,在非业务高峰时间段,即电子设备的计算资源空闲情况下,电子设备会根据程序发起的离线计算请求,为业务人员在业务时间查询需求提前进行计算并准备相应的索引和指标数据,以进行后续的索引表的构建流程。具体的,通过对查询语句的查询频率的判断,进而可以对高频查询语句和低频查询语句进行分类处理,为了避免高频查询语句带来的重复计算以及即席计算给计算平台带来的即时计算压力,在业务非高峰期对高频查询语句进行一次全过程离线预计算,包括查询语句存储、解析、中间数据分类以及最终形成指标的索引表,使得后续业务人员对重复指标进行查询时,可以通过索引表进行快速查询。
步骤S205,若存在与所述查询语句匹配的目标索引,从所述索引表中查询出与所述目标索引对应的目标指标数据。
在本实施例中,如果在索引表中存在与所述查询语句匹配的目标索引,则表明与该查询语句对应的待查询指标属于已经提成计算过的指标数据,则可以直接通过索引表查询出与目标索引对应的目标指标数据,并可以对该目标指标数据进行展示。
步骤S206,将所述目标指标数据返回给所述用户的客户端。
本申请在接收到用户输入的指标数据查询请求后,会先将指标数据查询请求转换为预设语言的查询语句,然后基于预设的查询语句搜索器获取查询语句的查询频率,并判断查询频率是否小于预设的频率阈值,如果不小于频率阈值,将查询语句重定向至预设的索引表,并判断索引表内是否存在与查询语句匹配的目标索引,如果存在与查询语句匹配的目标索引,从索引表中查询出与目标索引对应的目标指标数据,最后将目标指标数据返回给用户的客户端。本申请提出的指标数据查询方法,通过对指标数据查询请求对应的查询频率进行判断,当判别出查询语句属于高频查询语句时,会通过使用预设的索引表来实现快速查询出与该查询语句对应的目标指标数据,从而可以跳过全量查询过程的多个环节,降低了重复指标查询操作的资源消耗量,有效提高了指标数据查询的处理效率。
在一些可选的实现方式中,在步骤S204之前,上述电子设备还可以执行以下步骤:
获取预存储的与历史指标数据查询请求对应的历史查询语句;其中,所述历史查询语句的数量包括多个。
在本实施例中,业务人员往往会根据不同的业务场景以及不断变化的业务需求,在各自的应用***进行大量的指标查询操作行为,从而会生成相应的历史指标数据查询请求,且这些历史指标数据查询请求可以通过应用解析为统一的DSL语言以得到历史查询语句,历史查询语句一般是类SQL查询语句,通过相应的接口传输到电子设备中,以实现对历史查询语句进行存储。
获取当前时间,并判断当前时间是否处于业务空闲时间段内。
在本实施例中,在电子设备的业务空闲时间段进行生成索引表的数据处理,能够有效减小对于电子设备的正常运作的影响,并且可以保证***资源的合理利用、另外,对于业务空闲时间段的具体实施过程,本申请将在后续的具体实施例中对此进行进一步的细节描述,在此不作过多阐述。
若是,对所述历史查询语句进行拆解分析处理,得到所述历史查询语句中存在的重复数据。
在本实施例中,重复数据是指历史查询语句中查询语法、对象相同的部分,包括查询操作算子、过滤条件以及查询子表组合。
基于预设算法对所述重复数据进行分类整理得到中间数据。
在本实施例中,上述预设算法具体为shuffle算法。shuffle算法,也称作洗牌算法,它的目标正好与各种的sort算法相反,即把一个有序(或者无序)的一系列元素打乱,以满足需求。
对所述中间数据进行预计算处理得到对应的指标数据。
在本实施例中,对中间数据进行预计算处理是指对中间数据中的查询操作算子、过滤条件以及查询子表组合进行预计算处理,从而得到相应的指标数据。
基于所述中间数据与指标数据之间的一一对应关系,使用所述中间数据与所述指标构建所述索引表。
在本实施例中,对于得到的所有中间数据与指标数据,可将中间数据作为具有对应关系的指标数据的索引存储于预设的数据表中,从而生成上述索引表。
本申请通过基于预先存储的历史指标查询请求来构建索引表,有利于后续可以方便业务人员在进行高频率的重复指标的查询行为操作时,能够快速自动地从索引表中查询出所需的指标数据,高频率指标的查询可以跳过全量查询过程的多个环节,通过索引表直接获取相应的指标数据,从而可以降低重复操作的资源消耗量,提高资源利用率,有效提高了指标数据查询的处理效率。
在本实施例的一些可选的实现方式中,在所述获取当前时间,并判断当前时间是否处于业务空闲时间段内的步骤之前,上述电子设备还可以执行以下步骤:
获取预设的划分值,并基于所述划分值将一天的时间划分为多个处理时间段。
在本实施例中,对于上述划分值不作具体限定,例如可设为6小时,即使用4小时作为一个处理时段的时间长度,则可以从0时开始可将一天包含的24小时划分为6个处理时间段,即0:00-4:00;4:00-8:00,8:00-12:00,12:00-16:00,16:00-20:00;20:00-24:00。
基于预设的统计数据库,分别获取在预设时间周期内每个处理时间段的资源消耗总量。
在本实施例中,上述统计数据库为存储有电子设备的资源消耗数据的数据库。其中,上述资源消耗数据可指内存消耗量、CPU消耗量,等等。另外,对于上述预设时间周期不作具体限定,可根据实际的业务使用需求进行设置。举例地,上述预设时间周期可为与当前时间相邻的上一个星期。举例地,如果任意一个处理时段为12:00-16:00,则该数据处理时段12:00-16:00在当前时间相邻的上一个星期内的资源消耗总量即是该星期内时段12:00-16:00所对应的资源消耗量的和值。
从所有所述资源消耗总量中筛选出大于第一预设资源阈值的第一资源消耗总量,并确定与所述第一资源消耗总量对应的第一处理时间段。
在本实施例中,对于上述第一预设资源阈值的取值不作具体限定,可根据实际需求进行设置,如果资源消耗总量是指CPU消耗量,则第一预设资源阈值可为70%。
对于每一个所述第一处理时间段,获取第一指定处理时间段在所述预设时间周期内对应的所有资源消耗量;其中,所述第一指定处理时间段为任意一个所述第一处理时间段。
判断每一个所述资源消耗量是否均大于第二预设资源阈值。
在本实施例中,对于上述第二预设资源阈值的取值不作具体限定,可根据实际需求进行设置,如果资源消耗总量是指CPU消耗量,则第一预设资源阈值可为60%。
若是,将所述第一指定处理时间段标记为第二处理时间段。
从所有所述处理时间段中剔除所述第二处理时间段,得到第三处理时间段。
将所述第三处理时间段作为所述业务空闲时间段。
本申请通过对电子设备的在预设时间周期的资源消耗数据进行统计分析处理,并基于得到的分析结果来智能地确定出电子设备的业务空闲时间段,有效地保证了生成的业务空闲时间段的准确性,使得后续不会在业务繁忙时间段内进行索引表生成处理,而是会在避开了该业务繁忙时间段的业务空闲时间段内进行后续的索引表生成处理,从而有效地减小了对于电子设备的正常运作的影响,保证了***资源的合理利用,提高了索引表生成的处理速度与效率。
在一些可选的实现方式中,在所述基于所述中间数据与指标数据之间的一一对应关系,使用所述中间数据与所述指标构建所述索引表的步骤之后,上述电子设备还可以执行以下步骤:
获取所述索引表的占用容量值,以及获取本地的可用存储量。
计算所述可用存储量与所述占用容量值之间的差值。
在本实施例中,上述差值是指可用存储量减去占用容量值后得到的数值。
判断所述差值是否大于预设阈值。
在本实施例中,上述预设阈值为对应电子设备能够正常运作的数值,即电子设备当前的可用存储量大于该预设阈值,则表示电子设备能够正常运作。另外,对于上述预设阈值的取值不作具体限定,可根据实际的使用需求进行设置。
若大于所述预设阈值,将所述索引表存储于本地。
在本实施例中,通过使用本地存储的方式对索引表进行存储可以有效避免网络不稳定或断开等情况导致索引表的数据查询成功率低的问题,提高索引表的存储适应性。
若不大于所述预设阈值,将所述索引表存储于区块链中。
在本实施例中,通过使用区块链来对上述报价资料清单进行存储和管理,能够有效地保证上述索引表的安全性与不可篡改性。
本申请通过基于将索引表的占用容量值与本地的可用存储量进行比较,进而基于得到的比较结果将索引表对应存储于本地或区块链中,提高了索引表存储的智能性与存储适应性,也保证了索引表的数据安全性。
在一些可选的实现方式中,在步骤S203之后,上述电子设备还可以执行以下步骤:
若小于所述频率阈值,将所述查询语句翻译成应用程序语言。
在本实施例中,上述查询语句通常为类SQL语句。其中,如果查询语句的查询频率小于该频率阈值,则查询语句搜索器仅会对该查询语句的查询状态,即查询频率进行记录,而并不会进行关于索引表的重定向处理。
将所述应用程序语言发送至预设的数据平台,以通过所述数据平台基于所述应用程序语言进行即时计算,生成相应的第一指标数据。
在本实施例中,上述数据平台可为具有与应用程序语言相对应的指标数据计算能力的大数据平台。
接收所述数据平台反馈的所述第一指标数据。
将所述第一指标数据返回给所述用户的客户端。
本申请在获取到查询语句的查询频率后,如果判别出查询频率小于预设的频率阈值时,后续会智能地基于预设的数据平台对该查询语句对应的应用程序语言进行即时计算以生成相应的指标数据,有效提高了指标数据查询的处理智能性。
在本实施例的一些可选的实现方式中,在步骤S204之后,上述电子设备还可以执行以下步骤:
若不存在与所述查询语句匹配的目标索引,将所述查询语句发送至预设的计算平台,以通过所述计算平台基于所述查询语句进行即时计算,生成相应的第二指标数据。
在本实施例中,上述查询语句为类SQL语句,上述数据平台可为具有与查询语句相对应的指标数据计算能力的大数据平台。
接收所述计算平台反馈的所述第二指标数据。
将所述第二指标数据返回给所述用户的客户端。
本申请在将查询语句重定向至预设的索引表后,如果检测出索引表中不存在与查询语句对应的目标索引时,后续会智能地基于预设的计算平台对该查询语句进行即时计算,以生成相应的指标数据,有效提高了指标数据查询的处理智能性。
在本实施例的一些可选的实现方式中,所述指标数据查询请求携带所述用户的用户信息,步骤S202,包括以下步骤:
从所述指标数据查询请求中获取所述用户信息。
在本实施例中,上述用户信息可包括用户的身份信息,如用户的姓名信息或用户ID信息。账号与密码信息或者用户的生物特征信息。
基于所述用户信息对所述用户进行身份验证,并判断身份验证是否通过。
在本实施例中,对用户进行身份验证的方式有两种,并可由用户根据实际的使用需求选择相应的身份验证方式。具体的,第一种身份验证方式采用校验用户输入的账号密码的形式进行验证,可基于用户信息获取与用户信息对应的合法账号密码,再将合法账号密码与用户输入的账号密码进行比对,若两者相同则判定用户通过身份验证,否则判定用户未通过身份验证。第二种身份验证方式采用校验用户的生物特征信息是否为合法信息的形式进行验证,可基于用户信息获取与用户信息对应的合法生物特征信息,再将合法生物特征信息与用户输入的生物特征信息进行比对,若两者相同则判定用户通过身份验证,否则判定用户未通过身份验证。
若身份验证通过,执行将所述指标数据查询请求转换为预设语言的查询语句的步骤。
本申请当接收到用户输入的指标数据查询请求后,会先对用户进行身份验证,只有在用户通过身份验证时,后续才会对用户输入的指标数据查询请求进行响应处理,有利于避免出现非法用户盗取重要数据的情况,保证了指标数据查询请求处理的合规性与智能性。
需要强调的是,为进一步保证上述目标指标数据的私密和安全性,上述目标指标数据还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互***、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3,作为对上述图2所示方法的实现,本申请提供了一种数据查询装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图3所示,本实施例所述的数据查询装置300包括:第一接收模块301、转换模块302、第一判断模块303、第二判断模块304、查询模块305以及第一返回模块306。其中:
第一接收模块301,用于接收用户输入的指标数据查询请求;
转换模块302,用于将所述指标数据查询请求转换为预设语言的查询语句;
第一判断模块303,用于基于预设的查询语句搜索器获取所述查询语句的查询频率,并判断所述查询频率是否小于预设的频率阈值;
第二判断模块304,用于若不小于所述频率阈值,将所述查询语句重定向至预设的索引表,并判断所述索引表内是否存在与所述查询语句匹配的目标索引;
查询模块305,用于若存在与所述查询语句匹配的目标索引,从所述索引表中查询出与所述目标索引对应的目标指标数据;
第一返回模块306,用于将所述目标指标数据返回给所述用户的客户端。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据查询方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,数据查询装置还包括:
第一获取模块,用于获取预存储的与历史指标数据查询请求对应的历史查询语句;其中,所述历史查询语句的数量包括多个;
第三判断模块,用于获取当前时间,并判断当前时间是否处于业务空闲时间段内;
分析模块,用于若是,对所述历史查询语句进行拆解分析处理,得到所述历史查询语句中存在的重复数据;
分类模块,用于基于预设算法对所述重复数据进行分类整理得到中间数据;
第一计算模块,用于对所述中间数据进行预计算处理得到对应的指标数据;
构建模块,用于基于所述中间数据与指标数据之间的一一对应关系,使用所述中间数据与所述指标构建所述索引表。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据查询方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,数据查询装置还包括:
划分模块,用于获取预设的划分值,并基于所述划分值将一天的时间划分为多个处理时间段;
第二获取模块,用于基于预设的统计数据库,分别获取在预设时间周期内每个处理时间段的资源消耗总量;
筛选模块,用于从所有所述资源消耗总量中筛选出大于第一预设资源阈值的第一资源消耗总量,并确定与所述第一资源消耗总量对应的第一处理时间段;
第三获取模块,用于对于每一个所述第一处理时间段,获取第一指定处理时间段在所述预设时间周期内对应的所有资源消耗量;其中,所述第一指定处理时间段为任意一个所述第一处理时间段;
第四判断模块,用于判断每一个所述资源消耗量是否均大于第二预设资源阈值;
标记模块,用于若是,将所述第一指定处理时间段标记为第二处理时间段;
剔除模块,用于从所有所述处理时间段中剔除所述第二处理时间段,得到第三处理时间段;
确定模块,用于将所述第三处理时间段作为所述业务空闲时间段。
本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据查询方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,数据查询装置还包括:
第四获取模块,用于获取所述索引表的占用容量值,以及获取本地的可用存储量;
第二计算模块,用于计算所述可用存储量与所述占用容量值之间的差值;
第五判断模块,用于判断所述差值是否大于预设阈值;
第一存储模块,用于若大于所述预设阈值,将所述索引表存储于本地;
第二存储模块,用于若不大于所述预设阈值,将所述索引表存储于区块链中。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据查询方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,数据查询装置还包括:
翻译模块,用于若小于所述频率阈值,将所述查询语句翻译成应用程序语言;
第一生成模块,用于将所述应用程序语言发送至预设的数据平台,以通过所述数据平台基于所述应用程序语言进行即时计算,生成相应的第一指标数据;
第二接收模块,用于接收所述数据平台反馈的所述第一指标数据;
第二返回模块,用于将所述第一指标数据返回给所述用户的客户端。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据查询方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,数据查询装置还包括:
第二生成模块,用于若不存在与所述查询语句匹配的目标索引,将所述查询语句发送至预设的计算平台,以通过所述计算平台基于所述查询语句进行即时计算,生成相应的第二指标数据;
第三接收模块,用于接收所述计算平台反馈的所述第二指标数据;
第三返回模块,用于将所述第二指标数据返回给所述用户的客户端。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据查询方法的步骤一一对应,在此不再赘述。
在本实施例的一些可选的实现方式中,所述指标数据查询请求携带所述用户的用户信息,转换模块302,包括:
获取子模块,用于从所述指标数据查询请求中获取所述用户信息;
验证子模块,用于基于所述用户信息对所述用户进行身份验证,并判断身份验证是否通过;
执行子模块,用于若身份验证通过,执行将所述指标数据查询请求转换为预设语言的查询语句的步骤。
在本实施例中,上述模块或单元分别用于执行的操作与前述实施方式的数据查询方法的步骤一一对应,在此不再赘述。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图4,图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过***总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是,图中仅示出了具有组件41-43的计算机设备4,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器41可以是所述计算机设备4的内部存储单元,例如该计算机设备4的硬盘或内存。在另一些实施例中,所述存储器41也可以是所述计算机设备4的外部存储设备,例如该计算机设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中,所述存储器41通常用于存储安装于所述计算机设备4的操作***和各类应用软件,例如数据查询方法的计算机可读指令等。此外,所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中,所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据,例如运行所述数据查询方法的计算机可读指令。
所述网络接口43可包括无线网络接口或有线网络接口,该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例中,在接收到用户输入的指标数据查询请求后,会先将指标数据查询请求转换为预设语言的查询语句,然后基于预设的查询语句搜索器获取查询语句的查询频率,并判断查询频率是否小于预设的频率阈值,如果不小于频率阈值,将查询语句重定向至预设的索引表,并判断索引表内是否存在与查询语句匹配的目标索引,如果存在与查询语句匹配的目标索引,从索引表中查询出与目标索引对应的目标指标数据,最后将目标指标数据返回给用户的客户端。本申请提出的指标数据查询方法,通过对指标数据查询请求对应的查询频率进行判断,当判别出查询语句属于高频查询语句时,会通过使用预设的索引表来实现快速查询出与该查询语句对应的目标指标数据,从而可以跳过全量查询过程的多个环节,降低了重复指标查询操作的资源消耗量,有效提高了指标数据查询的处理效率。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令可被至少一个处理器执行,以使所述至少一个处理器执行如上述的数据查询方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例中,在接收到用户输入的指标数据查询请求后,会先将指标数据查询请求转换为预设语言的查询语句,然后基于预设的查询语句搜索器获取查询语句的查询频率,并判断查询频率是否小于预设的频率阈值,如果不小于频率阈值,将查询语句重定向至预设的索引表,并判断索引表内是否存在与查询语句匹配的目标索引,如果存在与查询语句匹配的目标索引,从索引表中查询出与目标索引对应的目标指标数据,最后将目标指标数据返回给用户的客户端。本申请提出的指标数据查询方法,通过对指标数据查询请求对应的查询频率进行判断,当判别出查询语句属于高频查询语句时,会通过使用预设的索引表来实现快速查询出与该查询语句对应的目标指标数据,从而可以跳过全量查询过程的多个环节,降低了重复指标查询操作的资源消耗量,有效提高了指标数据查询的处理效率。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请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,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种数据查询方法,其特征在于,包括下述步骤:
接收用户输入的指标数据查询请求;
将所述指标数据查询请求转换为预设语言的查询语句;
基于预设的查询语句搜索器获取所述查询语句的查询频率,并判断所述查询频率是否小于预设的频率阈值;
若不小于所述频率阈值,将所述查询语句重定向至预设的索引表,并判断所述索引表内是否存在与所述查询语句匹配的目标索引;
若存在与所述查询语句匹配的目标索引,从所述索引表中查询出与所述目标索引对应的目标指标数据;
将所述目标指标数据返回给所述用户的客户端。
2.根据权利要求1所述的数据查询方法,其特征在于,在所述将所述查询语句重定向至预设的索引表的步骤之前,还包括:
获取预存储的与历史指标数据查询请求对应的历史查询语句;其中,所述历史查询语句的数量包括多个;
获取当前时间,并判断当前时间是否处于业务空闲时间段内;
若是,对所述历史查询语句进行拆解分析处理,得到所述历史查询语句中存在的重复数据;
基于预设算法对所述重复数据进行分类整理得到中间数据;
对所述中间数据进行预计算处理得到对应的指标数据;
基于所述中间数据与指标数据之间的一一对应关系,使用所述中间数据与所述指标构建所述索引表。
3.根据权利要求2所述的数据查询方法,其特征在于,在所述获取当前时间,并判断当前时间是否处于业务空闲时间段内的步骤之前,还包括:
获取预设的划分值,并基于所述划分值将一天的时间划分为多个处理时间段;
基于预设的统计数据库,分别获取在预设时间周期内每个处理时间段的资源消耗总量;
从所有所述资源消耗总量中筛选出大于第一预设资源阈值的第一资源消耗总量,并确定与所述第一资源消耗总量对应的第一处理时间段;
对于每一个所述第一处理时间段,获取第一指定处理时间段在所述预设时间周期内对应的所有资源消耗量;其中,所述第一指定处理时间段为任意一个所述第一处理时间段;
判断每一个所述资源消耗量是否均大于第二预设资源阈值;
若是,将所述第一指定处理时间段标记为第二处理时间段;
从所有所述处理时间段中剔除所述第二处理时间段,得到第三处理时间段;
将所述第三处理时间段作为所述业务空闲时间段。
4.根据权利要求2所述的数据查询方法,其特征在于,在所述基于所述中间数据与指标数据之间的一一对应关系,使用所述中间数据与所述指标构建所述索引表的步骤之后,还包括:
获取所述索引表的占用容量值,以及获取本地的可用存储量;
计算所述可用存储量与所述占用容量值之间的差值;
判断所述差值是否大于预设阈值;
若大于所述预设阈值,将所述索引表存储于本地;
若不大于所述预设阈值,将所述索引表存储于区块链中。
5.根据权利要求1所述的数据查询方法,其特征在于,在所述判断所述查询频率是否小于预设的频率阈值的步骤之后,还包括:
若小于所述频率阈值,将所述查询语句翻译成应用程序语言;
将所述应用程序语言发送至预设的数据平台,以通过所述数据平台基于所述应用程序语言进行即时计算,生成相应的第一指标数据;
接收所述数据平台反馈的所述第一指标数据;
将所述第一指标数据返回给所述用户的客户端。
6.根据权利要求1所述的数据查询方法,其特征在于,在所述判断所述索引表内是否存在与所述查询语句匹配的目标索引的步骤之后,还包括:
若不存在与所述查询语句匹配的目标索引,将所述查询语句发送至预设的计算平台,以通过所述计算平台基于所述查询语句进行即时计算,生成相应的第二指标数据;
接收所述计算平台反馈的所述第二指标数据;
将所述第二指标数据返回给所述用户的客户端。
7.根据权利要求1所述的数据查询方法,其特征在于,所述指标数据查询请求携带所述用户的用户信息,所述将所述指标数据查询请求转换为预设语言的查询语句的步骤,具体包括:
从所述指标数据查询请求中获取所述用户信息;
基于所述用户信息对所述用户进行身份验证,并判断身份验证是否通过;
若身份验证通过,执行将所述指标数据查询请求转换为预设语言的查询语句的步骤。
8.一种数据查询装置,其特征在于,包括:
第一接收模块,用于接收用户输入的指标数据查询请求;
转换模块,用于将所述指标数据查询请求转换为预设语言的查询语句;
第一判断模块,用于基于预设的查询语句搜索器获取所述查询语句的查询频率,并判断所述查询频率是否小于预设的频率阈值;
第二判断模块,用于若不小于所述频率阈值,将所述查询语句重定向至预设的索引表,并判断所述索引表内是否存在与所述查询语句匹配的目标索引;
查询模块,用于若存在与所述查询语句匹配的目标索引,从所述索引表中查询出与所述目标索引对应的目标指标数据;
第一返回模块,用于将所述目标指标数据返回给所述用户的客户端。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的数据查询方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的数据查询方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210996994.1A CN115292580A (zh) | 2022-08-19 | 2022-08-19 | 数据查询方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210996994.1A CN115292580A (zh) | 2022-08-19 | 2022-08-19 | 数据查询方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115292580A true CN115292580A (zh) | 2022-11-04 |
Family
ID=83829259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210996994.1A Pending CN115292580A (zh) | 2022-08-19 | 2022-08-19 | 数据查询方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115292580A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115687276A (zh) * | 2022-11-18 | 2023-02-03 | 抖音视界有限公司 | 一种文件处理方法、装置、电子设备及存储介质 |
-
2022
- 2022-08-19 CN CN202210996994.1A patent/CN115292580A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115687276A (zh) * | 2022-11-18 | 2023-02-03 | 抖音视界有限公司 | 一种文件处理方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113326991B (zh) | 自动授权方法、装置、计算机设备及存储介质 | |
CN111383130A (zh) | 一种全生命周期管控平台、移动运维客户端及终端 | |
CN113836131A (zh) | 一种大数据清洗方法、装置、计算机设备及存储介质 | |
CN115237857A (zh) | 日志处理方法、装置、计算机设备及存储介质 | |
CN115757075A (zh) | 任务异常检测方法、装置、计算机设备及存储介质 | |
CN114996675A (zh) | 数据查询方法、装置、计算机设备及存储介质 | |
CN115292580A (zh) | 数据查询方法、装置、计算机设备及存储介质 | |
CN112256760B (zh) | 一种数据预测方法、装置、计算机设备及存储介质 | |
CN113010542A (zh) | 业务数据处理方法、装置、计算机设备及存储介质 | |
CN117251228A (zh) | 功能管理方法、装置、计算机设备及存储介质 | |
CN116956326A (zh) | 权限数据的处理方法、装置、计算机设备及存储介质 | |
CN115378806A (zh) | 流量分配方法、装置、计算机设备及存储介质 | |
CN111782677A (zh) | 基于多引擎数据分群方法、装置、计算机设备和存储介质 | |
CN111143328A (zh) | 一种敏捷商业智能数据构建方法、***、设备、存储介质 | |
CN112328960B (zh) | 数据运算的优化方法、装置、电子设备及存储介质 | |
CN115080045A (zh) | 链路生成方法、装置、计算机设备及存储介质 | |
CN115239185A (zh) | 服务商的分配方法、装置、计算机设备及存储介质 | |
CN116401061A (zh) | 资源数据的处理方法、装置、计算机设备及存储介质 | |
CN117726457A (zh) | 基于人工智能的风险预测方法、装置、设备及存储介质 | |
CN117933699A (zh) | 任务分析方法、装置、计算机设备及存储介质 | |
CN115426146A (zh) | ***登录方法、装置、计算机设备及存储介质 | |
CN113590372A (zh) | 基于日志的链路追踪方法、装置、计算机设备及存储介质 | |
CN117806951A (zh) | 应用于测试用例分布式运行的智能调度方法及相关设备 | |
CN116796133A (zh) | 数据分析方法、装置、计算机设备及存储介质 | |
CN115618391A (zh) | 信息处理方法、装置、计算机设备及存储介质 |
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 |