CN115454972A - 一种数据处理方法、装置、设备及存储介质 - Google Patents
一种数据处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115454972A CN115454972A CN202211189019.6A CN202211189019A CN115454972A CN 115454972 A CN115454972 A CN 115454972A CN 202211189019 A CN202211189019 A CN 202211189019A CN 115454972 A CN115454972 A CN 115454972A
- Authority
- CN
- China
- Prior art keywords
- engine
- target
- data processing
- connector
- candidate
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 189
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 51
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
-
- 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
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)
- Computing Systems (AREA)
- Software Systems (AREA)
- Stored Programmes (AREA)
Abstract
本发明公开了一种数据处理方法、装置、设备及存储介质。所述方法由计算中间件执行，包括：从目标上层应用获取数据处理请求；数据处理请求包括目标数据处理任务；对数据处理请求进行解析得到待访问的目标引擎类型，并从候选引擎连接器中选择属于目标引擎类型的目标引擎连接器；通过目标引擎连接器，向引擎层中与目标引擎类型对应的目标引擎提交目标数据处理任务，用于指示目标引擎执行目标数据处理任务得到目标数据处理结果。通过上述技术方案，实现了上层应用和底层引擎之间的解耦，解决了大量上层应用和多个底层引擎之间连接的可复用性、可扩展性和可维护性差的问题，增强了整个架构的灵活性和管控能力。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种数据处理方法、装置、设备及存储介质。
背景技术
随着信息技术的快速发展，各行业进入大数据时代，分布式***获得了广泛应用，为各行业提供了大数据解决方案。分布式***通过网络将一组独立的计算机连接在一起，以一种可靠、高效和可伸缩的方式对外提供统一的大数据存储和计算服务，满足了各行业海量数据查询和加工需要。
目前，各行业使用的复杂分布式***，大量应用(APP)和服务(Service)间的通信、协调和管理，利用从网络面向服务架构(Service-Oriented Architecture，SOA)到微服务的成熟理念，来实现从服务注册发现、配置管理和网关路由到流控熔断和日志监控等一系列完整的服务治理功能，但从APP或Service到后台引擎这一层面，却还是各个引擎各自为政，还是采用客户机-服务器(Client-Server)紧耦合模式，缺乏灵活性和管控能力，可复用性、可扩展性和可维护性差。
传统的解决方式仅根据单个上层应用中结构化查询语言语句的查询特征，在多个计算引擎中确定目标计算引擎，没有考虑复杂分布式架构环境下大量上层应用和多个底层引擎之间Client-Server紧耦合问题，没有解决大量上层应用和多个底层引擎之间连接的可复用性、可扩展性和可维护性差的问题。
发明内容
本发明提供了一种数据处理方法、装置、设备及存储介质，以实现上层应用和底层引擎之间的解耦，解决大量上层应用和多个底层引擎之间连接的可复用性、可扩展性和可维护性差的问题，增强整个架构的灵活性和管控能力。
根据本发明的一方面，提供了一种数据处理方法，由计算中间件执行，所述方法包括：
从目标上层应用获取数据处理请求；数据处理请求包括目标数据处理任务；
对数据处理请求进行解析得到待访问的目标引擎类型，并从候选引擎连接器中选择属于目标引擎类型的目标引擎连接器；
通过目标引擎连接器，向引擎层中与目标引擎类型对应的目标引擎提交目标数据处理任务，用于指示目标引擎执行目标数据处理任务得到目标数据处理结果。
根据本发明的另一方面，提供了一种数据处理装置，所述数据处理装置配置于计算中间件中，包括：
请求获取模块，用于从目标上层应用获取数据处理请求；数据处理请求包括目标数据处理任务；
连接器选择模块，用于对数据处理请求进行解析得到待访问的目标引擎类型，并从候选引擎连接器中选择属于目标引擎类型的目标引擎连接器；
任务提交模块，用于通过目标引擎连接器，向引擎层中与目标引擎类型对应的目标引擎提交目标数据处理任务，用于指示目标引擎执行目标数据处理任务得到目标数据处理结果。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本发明任一实施例的数据处理方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本发明任一实施例的数据处理方法。
本发明实施例的技术方案，通过从目标上层应用获取包括目标数据处理任务的数据处理请求；对数据处理请求进行解析得到待访问的目标引擎类型，并从候选引擎连接器中选择属于目标引擎类型的目标引擎连接器；进而通过目标引擎连接器，向引擎层中与目标引擎类型对应的目标引擎提交目标数据处理任务，用于指示目标引擎执行目标数据处理任务得到目标数据处理结果。上述技术方案，实现了上层应用和底层引擎之间的解耦，解决了大量上层应用和多个底层引擎之间连接的可复用性、可扩展性和可维护性差的问题，增强了整个架构的灵活性和管控能力。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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1A是根据本发明实施例一提供的一种数据处理方法的流程图；
图1B是本发明实施例一中上层应用和底层引擎之间的调用架构；
图1C是目前上层应用和底层引擎之间的调用架构；
图2A是根据本发明实施例二提供的一种数据处理方法的流程图；
图2B是根据本发明实施例二中新增计算中间件后的数据处理任务提交执行过程图；
图2C是本发明实施例二中另一种新增计算中间件后的数据处理任务提交执行过程图；
图3是根据本发明实施例三提供的一种数据处理装置的结构示意图；
图4是实现本发明实施例的数据处理方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚和完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“目标”和“其他”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。本公开的技术方案中，所涉及的数据的收集、存储、使用、加工、传输、提供和公开等，均符合相关法律法规的规定，且不违背公序良俗。
实施例一
图1A为本发明实施例一提供的一种数据处理方法的流程图，本实施例可适用于复杂分布式环境中计算治理的情况，该方法可以由数据处理装置来执行，该数据处理装置可以采用硬件和/或软件的形式实现，该数据处理装置可配置于电子设备中，该电子设备可以是分布式***。如图1A所示，该方法由计算中间件执行，该方法包括：
S101、从目标上层应用获取数据处理请求；数据处理请求包括目标数据处理任务。
其中，目标上层应用是指发出数据处理请求的上层应用。数据处理请求除了包括目标数据处理任务以外，还可以包括目标上层应用的类型、目标上层应用待访问的引擎类型或目标上层应用的网络连接信息等。目标数据处理任务可以是指目标上层应用需要进行数据查询或者数据处理时生成的查询或者处理语句，比如APP需要利用图数据库(GraphDatabase，GraphDB)中的引擎来对图像进行解析，那么目标数据处理任务就是对APP中的图像进行解析的处理语句。
具体的，计算中间件从目标上层应用获取包括目标数据处理任务的数据处理请求。其中，计算中间件分别与上层应用和底层引擎进行网络通讯，且独立于上层应用和底层引擎，用于为上层应用提供统一的服务。
S102、对数据处理请求进行解析得到待访问的目标引擎类型，并从候选引擎连接器中选择属于目标引擎类型的目标引擎连接器。
其中，目标引擎是指目标上层应用向其发出数据处理请求的引擎。目标引擎的类型可以为应用于关系数据库管理***(Relational Database Management System，RDBMS)的引擎、应用于图数据库(Graph Database，GraphDB)的引擎、应用于分布式数据库(比如Hadoop Database)的引擎或应用于键值存储(Key-Value Store，KV Store)的引擎。为了方便表述，使用以下标记来表示上述对应的引擎：RDBMS、GraphDB、Hadoop和KV Store。引擎用于处理数据处理任务。
其中，候选引擎连接器可以是指预先设置于计算中间件中的引擎连接器，且候选引擎连接器与引擎层中引擎之间存在对应关系，如图1B所示，关系数据库的客户端(Relational Database Management System Client，RDB Client)表示与RDBMS对应的引擎连接器，图数据库的客户端(Graph Database Client，GDB Client)表示与GraphDB对应的引擎连接器，数据库的客户端(Hadoop Database Client，HDB Client)表示与Hadoop对应的引擎连接器，键值存储的客户端(Key-Value Store Client，KV Client)表示与KVStore对应的引擎连接器。其中，引擎连接器用于将数据处理任务下发给其对应的引擎层中的引擎，并实时监听该引擎的执行情况。示例性的，RDB Client将数据处理任务下发给其对应的引擎层中的RDBMS，并实时监听该引擎的执行情况。根据引擎类型可以确定引擎连接器，根据引擎连接器可以确定引擎。因而，根据目标引擎类型可以从候选引擎连接器中选出目标引擎连接器。
需要理解的是，图1B中应用层中的APP01(应用01)、APP02(应用02)、Service01(服务01)和Service01(服务02)，引擎层中的RDBMS、GraphDB、Hadoop和KV Store，仅是为了便于说明，并不构成对本发明的限制。
具体的，计算中间件对数据处理请求进行解析得到待访问的目标引擎类型，并根据该目标引擎类型从候选引擎连接器中选出目标引擎连接器，实现了对各种数据处理请求的针对性处理，使得各种数据处理任务都能得到可靠执行。
S103、通过目标引擎连接器，向引擎层中与目标引擎类型对应的目标引擎提交目标数据处理任务，用于指示目标引擎执行目标数据处理任务得到目标数据处理结果。
其中，引擎层用于存储各类引擎。目标数据处理结果可以包括目标数据处理任务已经处理完毕和目标数据处理任务没有被处理。
具体的，根据目标引擎连接器与目标引擎之间的对应关系，目标引擎连接器将目标数据处理任务提交给引擎层中其对应的目标引擎，该目标引擎执行该目标数据处理任务，得到相应的目标数据处理结果。
相比于目前上层应用和底层引擎之间的调用架构(如图1C所示)中应用层中的APP01、APP02、Service01和Service01，每一个都需要嵌入引擎层中4个引擎对应的引擎连接器，计算中间的出现(如图1B所示)，使得应用层中的每个上层应用不再需要嵌入引擎层中所有引擎对应的引擎连接器，而是由计算中间件对引擎层中所有引擎对应的引擎连接器进行统一管理，实现了上层应用和底层引擎之间的解耦，避免了上层应用对引擎层中所有引擎对应的引擎连接器的重复集成，增强了上层应用和底层引擎之间调用架构的灵活性和管控能力；同时，引擎层中引擎的变化不再直接影响上层应用，解决了大量上层应用和多个底层引擎之间连接的可复用性、可扩展性和可维护性差的问题。
示例性的，上层应用对接Hadoop环境的Spark。对于图1C所示的调用架构，其上层应用中的每一台需要提交Spark作业的机器，都需要下载和部署Spark对应的客户端(Client)包，即Spark Client，配置并维护Spark相关的环境变量。如果要使用Spark onYARN模式，还需要在每一台需要提交Spark作业的机器上，去部署和维护Hadoop相关的jar包(Java Archive File)和环境变量。当上层应用数量众多、规模庞大时，该调用架构一次改动的成本会很高，使得整个调用架构的可复用性、可扩展性和可维护性降低。而使用图1B所示的调用架构，只需要在计算中间件中下载和部署一次Spark Client包，配置一次Spark相关的环境变量，如果要使用Spark on YARN模式，也只需要部署一次Hadoop相关的jar包和环境变量，使得Spark相关的环境变量和Hadoop相关的jar包和环境变量的维护变得简单，降低了调用架构的维护成本，提高了整个调用架构的可复用性、可扩展性和可维护性。
其中，Spark即Apache Spark，是大规模数据处理的快速通用计算引擎。Spark onYARN模式是指Spark组件上的程序运行在另一种资源协商者(Yet Anther ResourceNegotiator，Yarn)组件上面，Yarn组件是一个工作调度和集群资源管理的框架。
需要理解的是，图1C中的应用层中的APP01、APP02、Service01和Service01，引擎层中的RDBMS、GraphDB、Hadoop和KV Store，仅是为了便于说明，并不构成对本发明的限制。
本发明实施例的技术方案，通过从目标上层应用获取包括目标数据处理任务的数据处理请求；对数据处理请求进行解析得到待访问的目标引擎类型，并从候选引擎连接器中选择属于目标引擎类型的目标引擎连接器；通过目标引擎连接器，向引擎层中与目标引擎类型对应的目标引擎提交目标数据处理任务，用于指示目标引擎执行目标数据处理任务得到目标数据处理结果。上述技术方案，实现了上层应用和底层引擎之间的解耦，解决了大量上层应用和多个底层引擎之间连接的可复用性、可扩展性和可维护性差的问题，增强了整个架构的灵活性和管控能力。
在上述实施例的基础上，作为本发明实施例的一种可选方式，所述数据处理方法还可以包括：响应于对引擎层中任一候选引擎的更新指令，对与该候选引擎对应的候选引擎连接器进行更新。
其中，候选引擎可以是指引擎层中与候选引擎连接器对应的引擎。更新指令用于对引擎进行更新。该更新指令可以包括升级引擎版本的指令或对引擎计算速度进行改进的指令等。示例性的，计算中间件响应于对引擎层中候选引擎GraphDB的计算速度进行改进的更新指令，更新与该候选引擎GraphDB对应的候选引擎连接器GDB Client。
上述技术方案，通过计算中间响应于对引擎层中任一候选引擎的更新指令，对与该候选引擎对应的候选引擎连接器进行更新，使得引擎层中的引擎更新不再直接影响应用层中的上层应用，提高了整个调用架构的更新速度，进而提高了大量上层应用和多个底层引擎之间连接的可维护性。
实施例二
图2A为本发明实施例二提供的一种数据处理方法的流程图，本实施例在上述实施例的基础上，将“计算中间件”具体化为：计算中间件10包括应用管理服务11、引擎连接器管理服务12和候选引擎连接器13；候选引擎连接器13与引擎层中的候选引擎对应，如图2B所示。需要理解的是，图2B中使用APP01、APPN、引擎A(EngineA)和引擎N(EngineN)，仅是为了便于说明，并不构成对本发明的限制。同时，对“对数据处理请求进行解析得到待访问的目标引擎类型，并从候选引擎连接器中选择属于目标引擎类型的目标引擎连接器”做了进一步优化，提供了一种可选的实施方案。如图2A所示，该数据处理方法，具体包括：
S201、从目标上层应用获取数据处理请求；数据处理请求包括目标数据处理任务。
具体的，计算机中间件10从目标上层应用获取数据处理请求。
S202、通过应用管理服务对数据处理请求进行解析，得到待访问的目标引擎类型。
其中，应用管理服务即计算中间件10中的应用管理服务11，用于接收上层应用向计算中间件10提交的数据处理请求，同时对数据处理请求进行解析。数据处理请求可以包括目标数据处理任务、目标上层应用待访问的引擎类型或目标上层应用的网络连接信息等。
S203、通过引擎连接器管理服务获取属于目标引擎类型且可用的候选引擎连接，并从候选引擎连接中申请目标引擎连接，且从候选引擎连接器中选择属于目标引擎类型的目标引擎连接器。
其中，引擎连接器管理服务即计算中间件10中的引擎连接器管理服务12，用于对计算中间件10中的候选引擎连接器13进行统一管理，可以根据不同的数据处理任务选择对应的候选引擎连接器。可用的候选引擎连接是指候选引擎连接中当前处于空闲状态的候选引擎连接。示例性的，有100个候选引擎连接，其中有90个候选引擎连接处于并发处理数据处理任务的状态，那么剩余的10个候选引擎连接就是可用的候选引擎连接。候选引擎连接与候选引擎连接器对应，候选引擎连接器与引擎层中的候选引擎对应。
具体的，通过计算中间件10中的引擎连接器管理服务12获取属于目标引擎类型且可用的候选引擎连接，并从该些候选引擎连接中提取目标引擎连接；根据目标引擎连接从候选引擎连接器中选择属于目标引擎类型的目标引擎连接器。该操作实现了对不同类型的数据处理任务的针对性处理，使得每一种类型的数据处理任务都能得到相应处理，提高了数据处理的效率。
示例性的，计算中间件10中的引擎连接器管理服务12获取应用管理服务11解析得到的数据处理任务对应的目标引擎类型，并根据目标引擎类型确定除了正在执行并发数据处理任务的候选引擎连接外，其他的空闲的候选引擎连接。如果有空闲的候选引擎连接，则从这些候选引擎连接中选出目标引擎连接，同时，从候选引擎连接器中选择属于目标引擎类型的目标引擎连接器；如果没有空闲的候选引擎连接，引擎连接服务器12则拒绝应用管理服务11发来的关于属于待访问引擎类型的引擎连接的申请，并向应用管理服务器12反馈“没有可用的属于待访问引擎类型的引擎连接”的提示信息。
S204、通过目标引擎连接器，向引擎层中与目标引擎类型对应的目标引擎提交目标数据处理任务，用于指示目标引擎执行目标数据处理任务得到目标数据处理结果。
其中，目标引擎连接器用于将目标数据处理任务提交给底层的目标引擎，并实时监听底层目标引擎的执行情况，在底层目标引擎执行完目标数据处理任务之后，将目标数据处理任务的状态和结果反馈给计算中间件10中的应用管理服务11。
具体的，从计算中间件10中的候选引擎连接器13中选择目标引擎连接器，通过目标引擎连接器向引擎层中与目标引擎类型对应的目标引擎提交目标数据处理任务，以便目标引擎执行目标数据处理任务，从而得到目标数据处理结果。
本发明实施例的技术方案，具体化了计算中间件的结构，明确了计算中间件中各个组件的功能，分工明确，使得各种类型的数据处理任务可以有序执行；同时通过计算中间件中的引擎连接器管理服务实现了对底层引擎对应的引擎连接器的统一管理，实现了上层应用和底层引擎之间的解耦，使得上层应用与底层引擎各自独立存在，但又不影响二者之间的通讯连接，进而解决了大量上层应用和多个底层引擎之间连接的可复用性、可扩展性和可维护性差的问题。
在上述实施例的基础上，作为本发明实施例的一种可选方式，所述计算中间件10还可以包括上下文服务14，如图2C所示，上下文服务14分别与应用管理服务11、引擎连接器管理服务12和候选引擎连接器通讯13连接；所述数据处理方法,还可以包括：通过应用管理服务将目标数据处理任务和目标上层应用之间的关联关系，以及目标上层应用的网络连接信息存入上下文服务。
需要理解的是，图2C中使用APP01、APPN、EngineA和EngineN，仅是为了便于说明，并不构成对本发明的限制。
其中，计算中间件10中的上下文服务14用于保存应用管理服务、引擎连接器管理服务以及引擎连接器发送过来的上下文信息，并提供快速查询服务。其中，上下文信息可以包括目标数据处理任务、目标上层应用之间的关联关系、目标上层应用的网络连接信息、待访问引擎类型、目标数据处理查询语句或引擎连接器管理服务向应用管理服务反馈的拒绝申请属于待访问引擎类型的可用的引擎连接的信息等。
本发明实施例的技术方案，对计算中间件进行了优化，增加了上下文服务，实现了对应用管理服务、引擎连接器管理服务和引擎连接器发送过来的上下文信息的保存，便于了解应用管理服务、引擎连接器管理服务和引擎连接器三者之间的相互操作信息。
在上述实施例的基础上，作为本发明实施例的一种可选方式，所述数据处理方法还可以包括：通过应用管理服务，从目标引擎连接获取目标数据处理结果；从上下文服务中查询目标数据处理结果对应的目标上层应用，以及目标上层应用的网络连接信息；根据目标上层应用的网络连接信息，向目标上层应用反馈目标数据处理结果。
示例性的，目标数据处理结果为目标数据处理任务已经处理完毕。通过应用管理服务从目标引擎连接获取该目标数据处理结果；从上下文服务中查询该目标数据处理结果对应的目标上层应用以及目标上层应用的网络连接信息；根据目标上层应用的网络连接信息，向目标上层应用反馈目标数据处理任务已经处理完毕的信息，从而告知上层应用其提交的数据处理请求已处理完毕。
示例性的，目标数据处理结果为目标数据处理任务没有被处理。通过应用管理服务从目标引擎连接获取该目标数据处理结果；从上下文服务中查询该目标数据处理结果对应的目标上层应用以及目标上层应用的网络连接信息；根据目标上层应用的网络连接信息，向目标上层应用反馈目标数据处理任务没有被处理的原因(比如，没有可用的候选引擎连接等)，从而告知目标上层应用其提交的数据处理请求没有得到响应。
本发明实施例的技术方案，通过应用管理服务，从目标引擎连接获取目标数据处理结果；从上下文服务中查询目标数据处理结果对应的目标上层应用，以及目标上层应用的网络连接信息；根据目标上层应用的网络连接信息，向目标上层应用反馈目标数据处理结果，避免了重复执行目标数据处理任务导致的其他数据处理任务的大量堆积，使得各类数据处理任务得到可控的执行，增强了整个架构的管控能力。
实施例三
图3为本发明实施例三提供的一种数据处理装置的结构示意图。本实施例可适用于复杂分布式环境中计算治理的情况，该数据处理装置可以采用硬件和/或软件的形式实现，该数据处理装置可配置于电子设备中，该电子设备可以是分布式***。如图3所示，该装置配置于计算中间件中，该装置包括：
请求获取模块301，用于从目标上层应用获取数据处理请求；数据处理请求包括目标数据处理任务；
连接器选择模块302，用于对数据处理请求进行解析得到待访问的目标引擎类型，并从候选引擎连接器中选择属于目标引擎类型的目标引擎连接器；
任务提交模块303，用于通过目标引擎连接器，向引擎层中与目标引擎类型对应的目标引擎提交目标数据处理任务，用于指示目标引擎执行目标数据处理任务得到目标数据处理结果。
本发明实施例的技术方案，通过请求获取模块，从目标上层应用获取包括目标数据处理任务的数据处理请求；通过连接器选择模块对数据处理请求进行解析，得到待访问的目标引擎类型，并从候选引擎连接器中选择属于目标引擎类型的目标引擎连接器；通过任务提交模块向引擎层中与目标引擎类型对应的目标引擎提交目标数据处理任务，用于指示目标引擎执行目标数据处理任务得到目标数据处理结果。上述技术方案，实现了上层应用和底层引擎之间的解耦，解决了大量上层应用和多个底层引擎之间连接的可复用性、可扩展性和可维护性差的问题，增强了整个架构的灵活性和管控能力。
可选的，所述计算中间件包括应用管理服务、引擎连接器管理服务和候选引擎连接器；候选引擎连接器与引擎层中的候选引擎对应；
所述连接器选择模块302，包括：
引擎类型获取单元，用于通过应用管理服务对数据处理请求进行解析，得到待访问的目标引擎类型；
连接器选择单元，用于通过引擎连接器管理服务获取属于目标引擎类型且可用的候选引擎连接，并从候选引擎连接中申请目标引擎连接，且从候选引擎连接器中选择属于目标引擎类型的目标引擎连接器。
可选的，所述计算中间件还包括上下文服务，所述数据处理装置还可以包括：
上下文服务管理模块，用于通过应用管理服务将目标数据处理任务和目标上层应用之间的关联关系，以及目标上层应用的网络连接信息存入上下文服务。
可选的，所述数据处理装置，还可以包括：
处理结果获取模块，用于通过应用管理服务，从目标引擎连接获取目标数据处理结果；
查询模块，用于从上下文服务中查询目标数据处理结果对应的目标上层应用，以及目标上层应用的网络连接信息；
处理结果反馈模块，用于根据目标上层应用的网络连接信息，向目标上层应用反馈目标数据处理结果。
可选的，所述数据处理装置，还可以包括：
连接器更新模块，用于响应于对引擎层中任一候选引擎的更新指令，对与该候选引擎对应的候选引擎连接器进行更新。
本发明实施例所提供的数据处理装置可执行本发明任意实施例所提供的数据处理方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备400的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示，电子设备400包括至少一个处理器401，以及与至少一个处理器401通信连接的存储器，如只读存储器(ROM)402、随机访问存储器(RAM)403等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器401可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序，来执行各种适当的动作和处理。在RAM403中，还可存储电子设备400操作所需的各种程序和数据。处理器401、ROM402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
电子设备400中的多个部件连接至I/O接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许电子设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器401可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器401执行上文所描述的各个方法和处理，例如数据处理方法。
在一些实施例中，数据处理方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由ROM402和/或通信单元409而被载入和/或安装到电子设备400上。当计算机程序加载到RAM403并由处理器401执行时，可以执行上文描述的数据处理方法的一个或多个步骤。备选地，在其他实施例中，处理器401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行数据处理方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的***和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
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，根据设计要求和其他因素，可以进行各种修改、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)
1.一种数据处理方法，其特征在于，由计算中间件执行，所述方法包括：
从目标上层应用获取数据处理请求；所述数据处理请求包括目标数据处理任务；
对所述数据处理请求进行解析得到待访问的目标引擎类型，并从候选引擎连接器中选择属于所述目标引擎类型的目标引擎连接器；
通过所述目标引擎连接器，向引擎层中与所述目标引擎类型对应的目标引擎提交目标数据处理任务，用于指示所述目标引擎执行所述目标数据处理任务得到目标数据处理结果。
2.根据权利要求1所述的方法，其特征在于，所述计算中间件包括应用管理服务、引擎连接器管理服务和候选引擎连接器；所述候选引擎连接器与引擎层中的候选引擎对应；
所述对所述数据处理请求进行解析得到待访问的目标引擎类型，并从候选引擎连接器中选择属于所述目标引擎类型的目标引擎连接器，包括：
通过所述应用管理服务对所述数据处理请求进行解析，得到待访问的目标引擎类型；
通过引擎连接器管理服务获取属于所述目标引擎类型且可用的候选引擎连接，并从所述候选引擎连接中申请目标引擎连接，且从所述候选引擎连接器中选择属于所述目标引擎类型的目标引擎连接器。
3.根据权利要求2所述的方法，其特征在于，所述计算中间件还包括上下文服务；所述方法还包括：
通过所述应用管理服务将所述目标数据处理任务和所述目标上层应用之间的关联关系，以及目标上层应用的网络连接信息存入所述上下文服务。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
通过应用管理服务，从所述目标引擎连接获取所述目标数据处理结果；
从所述上下文服务中查询所述目标数据处理结果对应的目标上层应用，以及目标上层应用的网络连接信息；
根据所述目标上层应用的网络连接信息，向所述目标上层应用反馈所述目标数据处理结果。
5.根据权利要求1-4中任一项所述的方法，所述方法还包括：
响应于对所述引擎层中任一候选引擎的更新指令，对与该候选引擎对应的候选引擎连接器进行更新。
6.一种数据处理装置，其特征在于，配置于计算中间件中，所述装置包括：
请求获取模块，用于从目标上层应用获取数据处理请求；所述数据处理请求包括目标数据处理任务；
连接器选择模块，用于对所述数据处理请求进行解析得到待访问的目标引擎类型，并从候选引擎连接器中选择属于所述目标引擎类型的目标引擎连接器；
任务提交模块，用于通过所述目标引擎连接器，向引擎层中与所述目标引擎类型对应的目标引擎提交目标数据处理任务，用于指示所述目标引擎执行所述目标数据处理任务得到目标数据处理结果。
7.根据权利要求6所述的装置，其特征在于，所述计算中间件包括应用管理服务、引擎连接器管理服务和候选引擎连接器；所述候选引擎连接器与引擎层中的候选引擎对应；
所述连接器选择模块，包括：
引擎类型获取单元，用于通过所述应用管理服务对所述数据处理请求进行解析，得到待访问的目标引擎类型；
连接器选择单元，用于通过引擎连接器管理服务获取属于所述目标引擎类型且可用的候选引擎连接，并从所述候选引擎连接中申请目标引擎连接，且从所述候选引擎连接器中选择属于所述目标引擎类型的目标引擎连接器。
8.根据权利要求7所述的装置，其特征在于，所述计算中间件还包括上下文服务；所述装置还包括：
上下文服务管理模块，用于通过所述应用管理服务将所述目标数据处理任务和所述目标上层应用之间的关联关系，以及目标上层应用的网络连接信息存入所述上下文服务。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的数据处理方法。
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存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-5中任一项所述的数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211189019.6A CN115454972A (zh) | 2022-09-28 | 2022-09-28 | 一种数据处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211189019.6A CN115454972A (zh) | 2022-09-28 | 2022-09-28 | 一种数据处理方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115454972A true CN115454972A (zh) | 2022-12-09 |
Family
ID=84306587
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211189019.6A Pending CN115454972A (zh) | 2022-09-28 | 2022-09-28 | 一种数据处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115454972A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115858206A (zh) * | 2023-02-27 | 2023-03-28 | 联宝(合肥)电子科技有限公司 | 数据处理方法、装置、电子设备及存储介质 |
| CN116579914A (zh) * | 2023-07-14 | 2023-08-11 | 南京砺算科技有限公司 | 一种图形处理器引擎执行方法、装置、电子设备及存储介质 |
-
2022
- 2022-09-28 CN CN202211189019.6A patent/CN115454972A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115858206A (zh) * | 2023-02-27 | 2023-03-28 | 联宝(合肥)电子科技有限公司 | 数据处理方法、装置、电子设备及存储介质 |
| CN116579914A (zh) * | 2023-07-14 | 2023-08-11 | 南京砺算科技有限公司 | 一种图形处理器引擎执行方法、装置、电子设备及存储介质 |
| CN116579914B (zh) * | 2023-07-14 | 2023-12-12 | 南京砺算科技有限公司 | 一种图形处理器引擎执行方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115454972A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
| US11169847B1 (en) | Method and device for processing distributed data solving problem of manual intervention by data analysts | |
| CN113485806A (zh) | 处理任务的方法、装置、设备和计算机可读介质 | |
| CN112765166A (zh) | 数据处理方法、装置及计算机可读存储介质 | |
| CN113377665A (zh) | 基于容器技术的测试方法、装置、电子设备及存储介质 | |
| CN112398669B (zh) | 一种Hadoop部署方法和装置 | |
| CN112000734A (zh) | 一种大数据处理方法和装置 | |
| CN115495473A (zh) | 数据库查询方法、装置、电子设备和存储介质 | |
| CN111831503B (zh) | 一种基于监控代理的监控方法和监控代理装置 | |
| CN109213743B (zh) | 一种数据查询方法和装置 | |
| CN113760638A (zh) | 一种基于kubernetes集群的日志服务方法和装置 | |
| CN113032093A (zh) | 分布式计算方法、装置及平台 | |
| CN111767126A (zh) | 分布式批量处理的***和方法 | |
| CN115982273A (zh) | 一种数据同步方法、***、电子设备和存储介质 | |
| CN116185578A (zh) | 计算任务的调度方法和计算任务的执行方法 | |
| CN115658248A (zh) | 任务调度方法方法、装置、电子设备及存储介质 | |
| JP7316305B2 (ja) | グラフ計算の処理方法、装置、電子機器及び記憶媒体 | |
| CN114756173A (zh) | 文件合并的方法、***、设备和计算机可读介质 | |
| CN111694686B (zh) | 一种异常服务的处理方法、装置、电子设备及存储介质 | |
| CN114564249A (zh) | 推荐调度引擎、推荐调度方法及计算机可读存储介质 | |
| CN112988806A (zh) | 一种数据处理的方法及装置 | |
| CN112559001A (zh) | 更新应用的方法和装置 | |
| CN113778657B (zh) | 一种数据处理方法和装置 | |
| CN113760886B (zh) | 提供数据服务的方法、装置、设备和计算机可读介质 | |
| CN113495747B (zh) | 一种灰度发布方法和装置 |
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 |