CN117807092A - 表处理方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请提供一种表处理方法、装置、电子设备以及存储介质，通过获取数据源中的数据表集，所述数据表集根据目标维度，以及所述目标维度下的指标名称筛选得到；获取所述数据表集的第一数据表中目标字段的第一数量，以及第二数据表中所述目标字段的第二数量；所述第一数据表和所述第二数据表是数据表集中具有同一聚合维度的至少两个不同的数据表，所述目标字段是所述聚合维度下所述第一数据表和所述第二数据表中共有的数据字段；根据所述第一数量和所述第二数量，对所述第一数据表和/或所述第二数据表进行聚合，并建立所述第一数据表和所述第二数据表之间的关联关系；根据所述关联关系查询所述第一数据表和所述第二数据表，获取所述目标指标名称对应的指标度量值。本申请能够实现表灵活关联，提高表处理效率。

Description

表处理方法、装置、电子设备及存储介质

技术领域

本申请涉及数据处理技术领域，具体涉及一种表处理方法、装置、电子设备以及计算机可读存储介质。

背景技术

在现有的表分析中，普遍是根据业务的数据分析需求，完成数据模型的设计、建模、存储，进而可以利用定制化的数据查询语句或定制化开发的看板，在指定维度、指定指标或者指定方式的数据分析。

现有普遍采用表固定连接方式进行表格分析，导致表格连接灵活性较差，极大程度上影响后续表格数据处理的效率。

发明内容

本申请的实施例提供了一种表处理方法、装置、电子设备以及计算机可读存储介质，旨在实现表灵活关联，提高表处理效率。

第一方面，本申请的实施例提供了一种表处理方法，包括：

获取数据源中的数据表集，所述数据表集根据目标维度，以及所述目标维度下的指标名称筛选得到；

获取所述数据表集的第一数据表中目标字段的第一数量，以及第二数据表中所述目标字段的第二数量；所述第一数据表和所述第二数据表是数据表集中具有同一聚合维度的至少两个不同的数据表，所述目标字段是所述聚合维度下所述第一数据表和所述第二数据表中共有的数据字段；

根据所述第一数量和所述第二数量，对所述第一数据表和/或所述第二数据表进行聚合，并建立所述第一数据表和所述第二数据表之间的关联关系；

根据所述关联关系查询所述第一数据表和所述第二数据表，获取所述目标指标名称对应的指标度量值。

第二方面，本申请的实施例提供了一种表处理装置，包括：

第一获取模块，用于获取数据源中的数据表集，所述数据表集根据目标维度，以及所述目标维度下的指标名称筛选得到；

第二获取模块，用于获取第一数据表中目标字段的第一数量，以及第二数据表中所述目标字段的第二数量；所述第一数据表和所述第二数据表是数据表集中具有同一聚合维度的至少两个不同的数据表，所述目标字段是所述聚合维度下所述第一数据表和所述第二数据表中共有的数据字段；

建立模块，用于根据所述第一数量和所述第二数量，对所述第一数据表和/或所述第二数据表进行聚合，并建立所述第一数据表和所述第二数据表之间的关联关系；

查询模块，用于根据所述关联关系查询所述第一数据表和所述第二数据表，获取所述目标指标名称对应的指标度量值。

第三方面，本申请的实施例提供了一种电子设备，包括处理器和存储器，所述存储器存储有多条指令；所述处理器从所述存储器中加载指令，以执行上述表处理方法的步骤。

第四方面，本申请的实施例提供了一种计算机可读存储介质，包括处理器和存储器，所述存储器存储有多条指令；所述处理器从所述存储器中加载指令，以执行上述表处理方法的步骤。

本申请的实施例的有益效果：

在本实施例中，无需针对表格之间连接关系构建对应的数据模型，并调整模型参数去适应不同的表格连需求，而是可以直接根据共有的数据字段在多个数据表中的数量，自动确定多个数据表之间的关联关系，实现了更为灵活的表格连接，降低了数据多维分析复杂度，进而也提升了数据分析效率，满足了用户数据多维分析诉求。

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是本申请实施例中提供的表格管理界面示意图；

图2是本申请实施例中提供的多表格关联示意图；

图3是本申请实施例中提供的指标分析界面示意图；

图4是本申请实施例中提供的配置界面示意图；

图5是本申请实施例中提供的流程示意图；

图6是本申请实施例中提供的关联关系与连接关系之间比对示意图；

图7是本申请实施例中提供的指标和维度筛选流程示意图；

图8是本申请实施例中提供的表处理装置结构示意图；

图9是本申请实施例中提供的电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，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。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。此外，应当理解的是，此处所描述的具体实施方式仅用于说明和解释本申请，并不用于限制本申请。在本申请中，在未作相反说明的情况下，使用的方位词如“上”和“下”通常是指装置实际使用或工作状态下的上和下，具体为附图中的图面方向；而“内”和“外”则是针对装置的轮廓而言的。同时，在本申请实施例的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个特征。在本申请实施例的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

数据分析可以理解为，在数据分析中同时考虑多个维度的数据，从不同的角度来观察数据，发现数据中的潜在关联和趋势。市场环境错综复杂，企业大多重视数据分析，希望通过多维度数据分析提高决策效率，降低决策成本。并且，多维度分析对精细化运营的作用也非常重要，可以帮助企业定位到产品或运营中存在的问题，并自上而下分解问题、得到结论，为公司的精细化运营提供数据支持。

现有的数据多维分析方式，普遍包含两步：第一步：根据业务的数据分析需求，完成数据分析模型的设计、建模、存储；第二步：利用数据分析模型中定制化的数据查询语句或定制化开发的看板，完成指定维度、指定指标、指定方式的分析。

但是，现有的数据多维分析方式，至少存在以下问题：

1、分析门槛高：传统数据建模工具主要面向数据库设计，技术门槛高，一般需要专门的数据开发工程师，业务人员无法直接操作，链路长，沟通成本高；

2、分析灵活度低：针对单个分析诉求设计数据模型，开发定制化分析看板，开发完成后，若是用户变更需求，则需要重新设计模型，进一步导致数据模型复用度低，大量的重复建设使用，效率低、复用性差、造成成本资源浪费；

3、数据模型限制性：连接(join)是一种特定类型的操作，将两个表格基于共同列组合在一起，但是此种表格固定连接方式，限制了数据的灵活性和完整性，而不同类型的连接(例如内连接、左连接、右连接和全连接)会决定数据聚合方式，这可能导致在特定情况下选择不当的连接类型，影响最终分析结果的准确性。在进行连接操作时，有时需要对数据模型进行调整或重新构建以适应不同的连接需求，增加了数据管理和维护的复杂性；

4、开发周期长：从用户需求提出到数据模型的设计、建模、调度存储，再到最终完成数据分析，业务人员得到有效信息的周期很长，无法及时响应分析诉求，可能带来业务损失；

5、数据难打通、难追溯：数据来源缺少直观的链路追踪能力，指标数据异常问题排查通过翻代码去看数据来源，路径长、耗时久。

因此，为了解决上述问题，本实施例提出了一种表格处理方法、装置、电子设备以及计算机可读存储介质，旨在提供易用且灵活的指标构建与管理、维度定义管理、关系建模等功能，并在此基础上提供多维分析能力，简化指标定义到数据计算流程，改变业务用数模式，降低开发成本，更好地满足企业多维分析诉求。

具体地，本实施例中的表格处理方法可以应用于电子设备，该电子设备可以是手机、平板、计算机等终端设备，该终端设备可以存储有表格处理程序，在启动该表格处理程序时，可以显示图1所示的可交互的表格管理界面，在该表格管理界面集成了多种功能控件，比如，“指标平台”控件、“分析”控件等。

在此基础上，用户可以操作上述功能控件，点击对应的控件，触发对应的操作。

比如，终端设备可以响应上述操作，显示对应的可交互界面，比如，如图1所示，用户若是点击“指标平台”控件，终端设备可以显示对应的界面，在该界面中，可以包含多个用于表格数据分析的控件，比如，“指标管理”、“维度管理”、“关系管理”以及“表应用管理”等，用户点击对应的控件，终端设备可以显示对应的功能界面，使得用户能够通过对应的功能界面实现指标筛选、维度筛选以及表格关系筛选等操作。

比如，指标管理：支持用户通过可视化操作的方式便捷生成业务指标，用户可以在该界面定义业务指标体系，维护数据口径，通过口径名称的唯一性来贯穿经营分析，并为后续经营分析模型提供了分析的元数据；

维度管理：支持用户通过可视化操作的方式便捷生成维度，通过维度名称的唯一性来贯穿整个经营分析，并通过灵活授权方式，满足多层级架构下的数据安全需求，并为后续经营分析模型提供了分析的元数据。

关系管理：用户可以通过此功能，以点选的交互方式，建立数据表与数据表之间的关联关系，在后续的经营分析中，可以灵活取用，扩展指标关联的维度，让分析过程更灵活强大。

其中，上述关联关系是在数据源中的逻辑表之间创建的灵活连接线，描述了两个表如何基于公共字段互相关联，但是不会将表合并在一起，建立多张表之间的关联后，用户可以在指标分析中，引入来自多张表的维度跟指标一起进行分析，值得注意的是，不同于现有技术中将多个表格直接合并在一起，本实施例可以实现更为灵活且可调整的表格关联方式。

比如，如图2所示，在分析事件表(Event)的数据时，可以通过3个关联关系，分别引入商品(Product)、卖家(Seller)、用户(User)表中的维度，进而可以按照“卖家的国家”来分析订单事件，也可以根据商品的价格来分析订单事件，或者也可以根据用户的国家来分析事件。

在此基础上，如图3所示的指标分析界面，在该界面，用户可以添加维度、指标、用户分群、全局筛选、时间范围等，在图3中，还包含了“高级分析条件配置”控件，用户可以点击该控件，显示图4所示的高级条件分析配置界面，在该高级条件分析配置界面，用户可以选择主时间字段。

在此基础上，本实施例中的表格处理方法，如图5所示，具体可以包括以下步骤：

S10，获取数据源中的数据表集，所述数据表集根据目标维度，以及所述目标维度下的指标名称筛选得到；

在本实施例中，根据上述说明，用户可以在图3和图4所示的界面，添加维度、指标以及主时间字段，并触发对应的表处理操作。终端设备可以响应上述表处理操作，根据用户选择的目标指标名称、目标维度，并结合上述主时间字段，对数据源中的候选表格进行筛选，获得数据表集，其中，候选表格可以为平台内数据源中的所有表格，在所述数据表集中包含了多个数据表。

可以理解的是，指标通常是具体的数值或测量，而维度是描述性的属性或方面。

对于本实施例中的主时间字段，在指标分析中，***会默认选中每张数据表中的第一列数据类型为Datetime(日期时间)的字段作为主时间字段(根据分析习惯，可以将最常用的时间字段放在数据表的第一列)，在支持分析时，切换每张数据表的主时间字段。

可以理解的是，根据上述说明，表分析中可能涉及事件表、商品表、卖家表、用户表等，而基于行为分析模型和/或事件表创建的指标，只能以“事件发生时间”为主时间字段，不支持切换，否则可能引起***性能问题，上述行为分析模型实际是预先构建的用于根据事件指标创建的模型，该事件比如商品购买事件。

比如，同时分析GMV(总交易额)和日活，其中GMV来自订单业务表，日活来自事件分析，时间范围选择2023-04-06，时间的筛选会同时作用于订单业务表和事件表，其中订单业务表的主时间字段支持切换，可以浏览“下单时间”为2023-04-06的GMV，也可以切换为“支付时间”或“订单完成时间”，而事件表的主时间字段不支持切换。

S20，获取所述数据表集的第一数据表中目标字段的第一数量，以及第二数据表中所述目标字段的第二数量；所述第一数据表和所述第二数据表是数据表集中具有同一聚合维度的至少两个不同的数据表，所述目标字段是所述聚合维度下所述第一数据表和所述第二数据表中共有的数据字段；

在本实施例中，用户在利用如图3所示的界面选择的目标指标名称、目标维度以及主事件字段后，终端设备可以根据上述目标指标名称、目标维度以及主时间字段进行筛选，得到具备共享维度的第一数据表和第二数据表等至少两个数据表，其中，可以理解的是，共享维度可以理解为在第一数据表和第二数据表中都具备该维度，比如用户ID。

通过上述方式，本实施例中可以筛选出多个数据表Table A、Table B以及Table C等，多个数据表的维度和/或指标存在差别。

需要说明的是，在本实施例中，数据表之间存在基数对应关系，该基数对应关系可以理解为数据表中相同的目标字段之间的数量对应关系，比如，对于订单表Table A中的字段“用户ID：1042”，该字段“用户ID：1042”在订单表Table A中是唯一的，但是，在Table B中存在多个“用户ID：1042”，此时目标字段在第一数据表和第二数据表中的基数对应关系可以为一对多关系1：M。除此之外，本实施例中的基数对应关系还可以包含一对一关系1：1或者多对多关系M:M，不再赘述。

因此，本实施例可以首先获取第一数据表和所述第二数据表中相同的目标字段，并统计目标字段在第一数据表中的第一数量以及在第二数据表中的第二数量，第一数量与第二数量之间的比值表征了上述基数对应关系。

S30，根据所述第一数量和所述第二数量，对所述第一数据表和/或所述第二数据表进行聚合，并建立所述第一数据表和所述第二数据表之间的关联关系；

在本实施例中，终端设备可以在获取多个数据表后，根据多个数据表之间的基数对应关系，即上述第一数量和第二数量，对第一数据表和/或第二数据表进行聚合。可以理解的是，根据上述说明，本实施例中的基数对应关系可以包含一对多关系1:M、一对一关系1:1或者多对多关系M:M，因此，需要对数量为多个的数据表首先进行聚合再关联。

比如，若第一数据表与第二数据表之间的数对应关系可以为一对多关系1:M，那么首先对第一数据表进行聚合，再将第二数据表以及聚合后的第一数据表进行关联；若第一数据表与第二数据表之间的数对应关系可以为多对多关系1:M，那么首先对第一数据表和第二数据表进行聚合，再将聚合后的第一数据表以及聚合后的第二数据表进行关联。

值得注意的是，本实施例中的关联关系与现有技术中的连接“Join”是完全不同的，如图6所示，Join和本实施例中的关联关系在操作级别、输出以及连接方向上都存在显著区别，Join的操作级别仅为行级别，而本实施例中关联的级别为聚合级别；Join的输出为形成逻辑表(中间表)，而本实施例中的关系输出则是在自定义分析中如何动态组合多个表的逻辑规则；Join的表格连接方式是固定的，本实施例中的表格连接方式则是可以根据维度跟度量的组合动态确认。在此基础上，本实施例中终端设备可以在获取多个数据表后，可以建立多个数据表之间的关联关系，比如，内外连关系inner、外连接关系outer，该外连接关系可以包含左连接、右连接、全连接等。

可以理解的是，现有的在创建表格关系数据模型时，可以定义多个表格之间的关系，每个关系都可以有不同的连接类型，例如内连接、左连接、右连接或全连接等，连接类型用于确定如何在两个表格中匹配记录以及如何在结果数据集中聚合指标(或者度量)。而在本实施例中，可以通过上下文连接的方式，根据多个数据表中目标字段的数量，自动确定多个数据表之间的关联关系，此种关联方式意味着可以创建一个可以同时支持所有连接类型的单一关系，而无需为每个连接类型创建单独的关系。

比如，假设一个包含客户信息的Table A和一个包含销售数据的Table B，若是根据指标“客户ID”创建两表之间的一个关系，选择销售金额和产品维度，则通过上述上下文连接方式，可以确定一个内连接是适当的，仅显示在两个表格中都有匹配记录的记录；若是选择客户名称维度，则上下文连接可能确定一个左连接是适当的，显示所有客户记录，即使在销售数据表格Table B中没有匹配记录。总的来说，上下文连接提供了更加灵活且高效的方式来管理关系数据模型中的关系，使用户更容易分析和理解数据。

S40，根据所述关联关系查询所述第一数据表和所述第二数据表，获取所述目标指标名称对应的指标度量值。

终端设备在确定多个数据表之间的关联关系后，可以根据关联关系，将上述多个数据表进行关联，并根据目标指标名称，通过将关联后的第一数据表和第二数据表进行聚合，查询关联后的第一数据表和第二数据表中上述目标指标名称对应的指标度量值。

并且，本实施例中的聚合为自动聚合，即，终端设备可以数据的明细粒度自动聚合指标度量，使得在创建包含多个表格的关系数据模型时，确保指标度量在有意义的详细级别上进行聚合。

例如，若是存在一个包含销售数据的表格，该表格包括交易日期、产品和销售金额的列，在按产品和月份对数据进行分组时，终端设备可以根据每个月每个产品的销售金额进行聚合，这意味用户可以看到每个产品在每个月的总销售额，而不会丢失任何详细级别。

而在现有技术中，当使用连接Join时，实际是采用连接后表格的详细级别。这可能会导致不正确的聚合，尤其是在聚合不同时具有许多记录的指标时。因此，总的来说，本实施例通过智能聚合，可以从多个表格中组合数据的数据模型中保持准确的聚合，使用户更容易分析和理解数据。

可见，在本实施例中，无需为表格之间不同的连接关系构建多个数据模型将数据连接在一起，而是可以根据用户选择的指标和维度等参数，自动确定表格之间的关联关系，并根据该关联关系对多个表格进行逻辑关联，改变了业务用数模式，满足了用户多维分析诉求。

因此，在本实施例中，无需针对表格之间连接关系构建对应的数据模型，并调整模型参数去适应不同的表格连需求，而是可以直接根据共有的数据字段在多个数据表中的数量，自动确定多个数据表之间的关联关系，实现了更为灵活的表格连接，降低了数据多维分析复杂度，进而也提升了数据分析效率，满足了用户数据多维分析诉求。

在一实施例中，上述S30中，“根据所述第一数量和所述第二数量，对所述第一数据表和/或所述第二数据表进行聚合”，可以包括：

S301，若所述第一数量为至少两个，则对所述第一数据表中第一数量的目标字段进行聚合，得到第一数量为一的更新的第一数据表；和/或，

S302，若所述第二数量均至少两个，则对所述第二数据表中第二数量的目标字段进行聚合，得到第二数量为一的更新的第二数据表；

S303，获取第一数据表和所述第二数据表之间的公共字段；

S304，根据所述公共字段，将所述第一数据表和所述第二数据表的关联关系设置为外连接关系。

在此基础上，终端设备在获取到多个数据表后，可以获取各数据表中相同的目标字段的数量，进而可以根据该数量(即本实施例中上述第一数量和第二数量)，确定多个数据表之间的基数对应关系。而根据上述说明，数据表中相同维度(或者指标)之间的数量对应关系，包含一对多关系1:M、一对一关系1:1以及多对多关系M:M。进而，可以根据上述确定的基数对应关系，确定多个数据表之间的关联关系。

因此，在本实施例中，终端设备可以根据上述第一数据表中目标字段的第一数量和第二数据表中目标字段的第二数量，建立第一数据表和第二数据表之间的关联关系。

具体地，例如，终端设备若是检测到第一数量和第二数量中的任意一个为多个，即，上述两表格之间的基数对应关系可以为一对多关系1：M，此时，终端设备可以将存在多个目标字段的数据表设置为引用表，并将另一个数据表设置为主键表，进而，可以对引用表中目标字段对应的多行数据进行聚合，并根据两表之间的公共字段，将主键表与聚合后的引用表之间的关联关系设置为外连接关系。

可以理解的是，为了保证目标指标名称对应的指标度量值能够全部被统计度量到，本实施例可以将主键表与聚合后的引用表之间的关联关系设置为外连接关系(比如左连接、右连接或者全连接等)，若是无需进行指标度量计算，也可以根据需求采用内连接的方式。

而根据上述说明，两表格之间的基数对应关系除了上述一对多关系1：M，本实施例中的基数对应关系还可以包含一对一关系1：1或者多对多关系M:M。

在此基础上，终端设备若是检测到第一数量和第二数量中均为单个，即，上述两表格之间的基数对应关系可以为一对多关系1：1，则可以直接建立第一数据表与第一数据表之间关联关系设置为外连接关系；若是检测到第一数量和第二数量中均为多个，即，上述两表格之间的基数对应关系可以为一对多关系M:M，则根据上述说明，首先可以分别对第一数据表和第二数据表中目标字段对应的多行数据进行聚合，并建立聚合后的第一数据表和第二数据表之间的关联关系为外连接关系，在此不再赘述。

上述S40，“根据所述第一数量和所述第二数量，建立所述第一数据表和所述第二数据表之间的关联关系”之后，还可以包括：

S50，接收查询请求，查询所述数据源，获取所述查询请求中查询维度和查询指标名称对应的目标数据表集；

S60，若所述目标数据表集中存在具有关联关系的数据表组合，则确定各所述数据表组合中是否存在公共数据表；

S70，将存在公共数据表的目标数据组合的关联关系对应表关系链进行拼接，得到目标表关系链；

S80，查询所述目标表关系链中的各数据表，获取所述查询指标名称对应的指标度量值。

值得注意的是，在本实施例中，在构建数据表之间的关联关系进行数据分析时，可以支持跨表分析、关联关系的拼接和/或切换等。

比如，基于同一张数据表创建出的维度、指标可以一起分析，在建立关联关系后，还可以实现跨表使用指标维度，例如，商品基础信息表中存储了每个商品的品类、id等基础信息，事件表中记录了每个下单事件包含的商品id，可以建立商品信息表为主键表、事件表为引用表的关系，如此，分析就可以使用商品品类作为维度去分析不同品类的被购买次数、金额等指标度量。

又比如，根据上述实施例说明，本实施例可以构建两个数据表之间的关联关系，而在分析时，可以将两两关联关系拼接至最长4度进行使用，即，Table A-Table B<>Table B-Table C<>Table C-Table D<>Table D-Table E，维度和指标所在数据表之间最多跨4度关系，例如，关系管理中存在如下两条关联关系供应商表-商品表以及商品表-事件表，在分析时，关系拼接可以为供应商表-商品表-事件表，使得供应商表中的维度可以用于分析事件表中的指标。

又比如，支持在分析时灵活切换维度、指标所在数据表之间的关系，发起查询时会按照选择的关系进行计算，例如，拼团订单表中存在“拼团发起者”和“参与者”两个字段；发起者和参与者的用户信息均存储在用户信息表中，如此，对于拼团订单表和用户信息表之间可以建立两条关系：一条以“拼团发起者”作为外键，一条以“参与者”作为外键，在分析时可以选择按照拼团发起者的会员等级(以“拼团发起者”作为外键的关系)或者参与者的会员等级(以“拼团参与者”作为外键的关系)，去查看订单金额等指标。

根据上述说明，本实施例可以构建“主键表-引用表”形式的存在关联关系的多对数据表，进而，可以获取多对数据表对应的表关系链，比如Table A-Table B、Table B-Table C、Table C-Table D等，在每一表关系链中包含成对的主键表和对应的引用表以及该主键表与引用表之间的关联关系。

在此基础上，终端设备可以接收用户触发的表查询请求，并获取该指标查询请求对应的查询维度和查询指标名称，进而可以根据该查询维度和查询指标名称，获取查询维度和查询指标名称对应的目标数据表集。

进而，终端设备可以判断目标数据表集中存在具有关联关系的数据表组合，若目标数据表集中存在具有关联关系的数据表组合，则可以确定各数据表组合中是否存在公共数据表，并将公共数据表的目标数据组合的关联关系对应表关系链进行拼接，得到目标表关系链，比如，根据商品表(即本实施例中的公共表)，将两表关系链供应商表-商品表以及商品表-事件表进行拼接，得到目标表关系链“供应商表-商品表-事件表”，可见，在该目标关联关系链中包含了公共表以及与该公共表关联的其他数据表，使得供应商表中的维度可以用于分析事件表中的指标，进而终端设备可以查询上述目标表关系链中的各数据表，获取查询指标名称对应的指标度量值。

在此基础上，本实施例也能够支持在分析时灵活切换维度、指标所在数据表之间的关系，发起查询时会按照选择的关系进行计算，并且，在本实施例中默认选中两表间最新创建的较短的关联关系。

比如，若上述查询维度和查询指标名称分别来自Table A和Table C，而当前在关系管理中创建了相关的三条关系：关系1：Table A-Table B、关系2：Table B-Table C以及关系3：Table A-Table C，此时，Table A和Table C间会有两条可用关系：Table A-Table C以及基于上述关系1和关系2拼接成的关系：Table A-Table B-Table C。

终端设备默认选中Table A-Table C作为预设的默认表关系链，并在接收到关联关系切换请求时，可以切换为Table A-Table B-Table C。

上述S40，“根据所述第一数量和所述第二数量，建立所述第一数据表和所述第二数据表之间的关联关系”之后，还可以包括：

S90，响应关联关系管理操作，获取表格创建时间超过预设时长阈值的目标数据表；

S100，获取包含所述目标数据表的表关系链，并获取所述表关系链中与所述目标数据表关联的数据表的数量；

S110，若所述数量为多个，则取消所述目标数据表和对应的多个数据表之间的关联关系，建立所述多个数据表之间新的关联关系；

S120，若所述数量为单个，则取消所述目标数据表和关联的单个数据表之间的关联关系。

需要说明的是，在本实施例中，终端设备可以建立多个关联关系，比如，Table B-Table C、Table A-Table B-Table C等，在此基础上，用户可以对已创建的表格之间的关联关系进行管理，而终端设备可以响应关联关系管理操作，获取表格创建时间超过预设时长阈值的目标数据表Table B，进而，可以获取表关系链中与目标数据表关联的数据表的数量。

若上述数量为多个，比如表关系链able A-Table B-Table C中，Table B关联的数据表包含Table A和Table C，那么可以取消目标数据表Table B和对应的多个数据表之间的关联关系，并建立多个数据表之间新的关联关系，比如Table A-Table C；

若上述数量为单个，比如表关系链Table B-Table C中，Table B关联的数据表为Table C，则可以直接取消目标数据表和关联的单个数据表之间的关联关系。

通过上述方式，用户可以管理过期的数据表以及该数据表的关联关系。

上述S40中，“根据所述关联关系查询所述第一数据表和所述第二数据表，获取所述目标指标名称对应的指标度量值”，可以包括：

S401，根据所述关联关系和所述聚合维度，将所述第一数据表与第二数据表进行连接；

S402，根据所述目标指标名称，对连接后的第一数据表与第二数据表进行查询，得到所述目标指标名称对应的指标度量值。

在本实施例中，终端设备在确定多个数据表之间的关联关系后，可以根据上述关联关系和聚合维度，将第一数据表和第二数据表进行关联，进而可以通过对关联后的第一数据表和第二数据表进行聚合，查询关联后的第一数据表和第二数据表中上述目标指标名称对应的指标度量值，实现了指标分析中实现灵活多维分析。

上述S10，“获取数据源中的数据表集”之前，还可以包括：

S130，获取配置的参考量以及主时间字段；

S140，根据所述参考量和所述主时间字段，从全局参考量中筛选出目标指标名称或者目标维度；

其中，若从全局参考量中筛选目标指标名称，则所述参考量为目标维度；若从全局参考量中筛选目标维度，则所述参考量为目标指标名称。

需要说明的是，在本实施例中，如图3所示，支持用户通过点选维度、指标、筛选条件完成分析，保证业务人员可以轻松上手，并且可以在分析过程中灵活切换数据表之间的关联关系、数据表主时间字段等。

如图7所示，在自定义分析中，支持根据分析习惯，先进行维度的选择，或者，先进行指标的选择，再进行维度的选择。

在此基础上，终端设备可以用户配置的主时间字段以及参考量，进而，可以根据上述参考量和主时间字段，从全局参考量中筛选出目标指标名称或者目标维度。

可以理解的是，指标和维度会相互制约可选范围，比如，在用户未选择维度时，指标可选所有；在用户未选择指标时，维度可选所有；当选择了维度/指标后，则会影响另一个的可选范围。除此之外，如图7所示，用户分群、全局筛选以及时间范围受指标影响。

因此，在本实施例中，在从全局参考量中筛选目标指标名称时，参考量为目标维度，而在从全局参考量中筛选目标维度时，参考量为目标指标名称，最终基于指标管理、维度管理、关联关系，在指标分析中实现了灵活多维分析，尤其是主时间字段切换、关系的拼接和切换等，实现了更为灵活的表格连接，降低了数据多维分析复杂度，进而也提升了数据分析效率，满足了用户数据多维分析诉求。

本实施例还提供一种表处理装置，该表处理装置具体可以集成在终端设备中，例如，如图8所示，该表处理装置可以包括：

第一获取模块1001，用于获取数据源中的数据表集，所述数据表集根据目标维度，以及所述目标维度下的指标名称筛选得到；

第二获取模块1002，用于获取第一数据表中目标字段的第一数量，以及第二数据表中所述目标字段的第二数量；所述第一数据表和所述第二数据表是数据表集中具有同一聚合维度的至少两个不同的数据表，所述目标字段是所述聚合维度下所述第一数据表和所述第二数据表中共有的数据字段；

建立模块1003，用于根据所述第一数量和所述第二数量，对所述第一数据表和/或所述第二数据表进行聚合，并建立所述第一数据表和所述第二数据表之间的关联关系；

查询模块1004，用于根据所述关联关系查询所述第一数据表和所述第二数据表，获取所述目标指标名称对应的指标度量值。

可选地，所述建立模块1003，包括：

第一聚合单元，用于若所述第一数量为至少两个，则对所述第一数据表中第一数量的目标字段进行聚合，得到第一数量为一的更新的第一数据表；

第二聚合单元，用于若所述第二数量均至少两个，则对所述第二数据表中第二数量的目标字段进行聚合，得到第二数量为一的更新的第二数据表。

可选地，所述建立模块1003，包括：

获取单元，用于获取第一数据表和所述第二数据表之间的公共字段；

设置单元，用于根据所述公共字段，将所述第一数据表和所述第二数据表的关联关系设置为外连接关系。

可选地，本申请中的表处理装置可以包括：

第三获取模块，用于接收查询请求，查询所述数据源，获取所述查询请求中查询维度和查询指标名称对应的目标数据表集；

第四获取模块，用于若所述目标数据表集中存在具有关联关系的数据表组合，则确定各所述数据表组合中是否存在公共数据表；

拼接模块，用于将存在公共数据表的目标数据组合的关联关系对应表关系链进行拼接，得到目标表关系链；

查询模块，用于查询所述目标表关系链中的各数据表，获取所述查询指标名称对应的指标度量值。

可选地，本申请中的表处理装置可以包括：

第五获取模块，用于响应关联关系管理操作，获取表格创建时间超过预设时长阈值的目标数据表；

第六获取模块，用于获取包含所述目标数据表的表关系链，并获取所述表关系链中与所述目标数据表关联的数据表的数量；

第二建立模块，用于若所述数量为多个，则取消所述目标数据表和对应的多个数据表之间的关联关系，并建立所述多个数据表之间新的关联关系；

取消模块，用于若所述数量为单个，则取消所述目标数据表和关联的单个数据表之间的关联关系。

可选地，所述查询模块1004，包括：

连接单元，用于根据所述关联关系和所述聚合维度，将所述第一数据表与第二数据表进行连接；

查询单元，用于根据所述目标指标名称，对连接后的第一数据表与第二数据表进行查询，得到所述目标指标名称对应的指标度量值。

可选地，本申请中的表处理装置可以包括：

第一获取模块，用于获取配置的参考量以及主时间字段；

根据所述参考量和所述主时间字段，从全局参考量中筛选出目标指标名称或者目标维度；

其中，若从全局参考量中筛选目标指标名称，则所述参考量为目标维度；若从全局参考量中筛选目标维度，则所述参考量为目标指标名称。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

相应的，本申请实施例还提供一种电子设备，该电子设备可以为终端，该终端可以为智能手机、平板电脑、笔记本电脑、触控屏幕、游戏机、个人计算机(PC，PersonalComputer)、个人数字助理(Personal Digital Assistant，PDA)等终端设备。或者，电子设备可以为服务器。

如图9所示，图9为本申请实施例提供的电子设备的结构示意图。该电子设备1100包括有一个或者一个以上处理核心的处理器1101、有一个或一个以上计算机可读存储介质的存储器1102及存储在存储器1102上并可在处理器上运行的计算机程序。其中，处理器1101与存储器1102电性连接。本领域技术人员可以理解，图中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

处理器1101是电子设备1100的控制中心，利用各种接口和线路连接整个电子设备1100的各个部分，通过运行或加载存储在存储器1102内的软件程序和/或单元，以及调用存储在存储器1102内的数据，执行电子设备1100的各种功能和处理数据，从而对电子设备1100进行整体监控。处理器1101可以是处理器CPU、图形处理器GPU、网络处理器(NetworkProcessor，NP)等，可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。

在本申请实施例中，电子设备1100中的处理器1101会按照如下的步骤，将一个或一个以上的应用程序的进程对应的指令加载到存储器1102中，并由处理器1101来运行存储在存储器1102中的应用程序，从而实现各种功能，例如：

获取数据源中的数据表集，所述数据表集根据目标维度，以及所述目标维度下的指标名称筛选得到；

获取所述数据表集的第一数据表中目标字段的第一数量，以及第二数据表中所述目标字段的第二数量；所述第一数据表和所述第二数据表是数据表集中具有同一聚合维度的至少两个不同的数据表，所述目标字段是所述聚合维度下所述第一数据表和所述第二数据表中共有的数据字段；

根据所述第一数量和所述第二数量，对所述第一数据表和/或所述第二数据表进行聚合，并建立所述第一数据表和所述第二数据表之间的关联关系；

根据所述关联关系查询所述第一数据表和所述第二数据表，获取所述目标指标名称对应的指标度量值。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

可选的，如图9所示，电子设备1100还包括：触控显示屏1103、射频电路1104、音频电路1105、输入单元1106以及电源1107。其中，处理器1101分别与触控显示屏1103、射频电路1104、音频电路1105、输入单元1106以及电源1107电性连接。本领域技术人员可以理解，图9中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

触控显示屏1103可用于显示图形用户界面以及接收用户作用于图形用户界面产生的操作指令。触控显示屏1103可以包括显示面板和触控面板。其中，显示面板可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。可选的，可以采用液晶显示器(LCD，Liquid Crystal Display)、有机发光二极管(OLED，Organic Light-EmittingDiode)等形式来配置显示面板。触控面板可用于收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作)，并生成相应的操作指令，且操作指令执行对应程序。可选的，触控面板可包括触摸检测***和触摸控制器两个部分。其中，触摸检测***检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测***上接收触摸信息，并将它转换成触点坐标，再送给处理器1101，并能接收处理器1101发来的命令并加以执行。触控面板可覆盖显示面板，当触控面板检测到在其上或附近的触摸操作后，传送给处理器1101以确定触摸事件的类型，随后处理器1101根据触摸事件的类型在显示面板上提供相应的视觉输出。在本申请实施例中，可以将触控面板与显示面板集成到触控显示屏1103而实现输入和输出功能。但是在某些实施例中，触控面板与触控面板可以作为两个独立的部件来实现输入和输出功能。即触控显示屏1103也可以作为输入单元1106的一部分实现输入功能。

射频电路1104可用于收发射频信号，以通过无线通信与网络设备或其他电子设备建立无线通讯，与网络设备或其他电子设备之间收发信号。

音频电路1105可以用于通过扬声器、传声器提供用户与电子设备之间的音频接口。音频电路1105可将接收到的音频数据转换后的电信号，传输到扬声器，由扬声器转换为声音信号输出；另一方面，传声器将收集的声音信号转换为电信号，由音频电路1105接收后转换为音频数据，再将音频数据输出处理器1101处理后，经射频电路1104以发送给比如另一电子设备，或者将音频数据输出至存储器1102以便进一步处理。音频电路1105还可能包括耳塞插孔，以提供外设耳机与电子设备的通信。

输入单元1106可用于接收输入的数字、字符信息或用户特征信息(例如指纹、虹膜、面部信息等)，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

电源1107用于给电子设备1100的各个部件供电。可选的，电源1107可以通过电源管理***与处理器1101逻辑相连，从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。电源1107还可以包括一个或一个以上的直流或交流电源、再充电***、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

尽管图9中未示出，电子设备1100还可以包括摄像头、传感器、无线保真模块、蓝牙模块等，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本申请实施例提供一种计算机可读存储介质，其中存储有多条计算机程序，该计算机程序能够被处理器进行加载，以执行本申请实施例所提供的任一种表处理方法，该计算机程序可以执行如下表处理方法的步骤：

获取数据源中的数据表集，所述数据表集根据目标维度，以及所述目标维度下的指标名称筛选得到；

获取所述数据表集的第一数据表中目标字段的第一数量，以及第二数据表中所述目标字段的第二数量；所述第一数据表和所述第二数据表是数据表集中具有同一聚合维度的至少两个不同的数据表，所述目标字段是所述聚合维度下所述第一数据表和所述第二数据表中共有的数据字段；

根据所述第一数量和所述第二数量，对所述第一数据表和/或所述第二数据表进行聚合，并建立所述第一数据表和所述第二数据表之间的关联关系；

根据所述关联关系查询所述第一数据表和所述第二数据表，获取所述目标指标名称对应的指标度量值。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

其中，该计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。

由于该计算机可读存储介质中所存储的计算机程序，可以执行本申请实施例所提供的任一种表处理方法，因此，可以实现本申请实施例所提供的任一种表处理方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

在上述表处理装置、计算机可读存储介质、电子设备中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的表处理装置、计算机可读存储介质、计算机程序产品、电子设备及其相应单元的具体工作过程及可带来的有益效果，可以参考如上实施例中表处理方法的说明，具体在此不再赘述。

以上对本申请实施例所提供的一种表处理方法、***、电子设备、计算机可读存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种表处理方法，其特征在于，包括：

获取数据源中的数据表集，所述数据表集根据目标维度，以及所述目标维度下的指标名称筛选得到；

获取所述数据表集的第一数据表中目标字段的第一数量，以及第二数据表中所述目标字段的第二数量；所述第一数据表和所述第二数据表是数据表集中具有同一聚合维度的至少两个不同的数据表，所述目标字段是所述聚合维度下所述第一数据表和所述第二数据表中共有的数据字段；

根据所述第一数量和所述第二数量，对所述第一数据表和/或所述第二数据表进行聚合，并建立所述第一数据表和所述第二数据表之间的关联关系；

根据所述关联关系查询所述第一数据表和所述第二数据表，获取所述目标指标名称对应的指标度量值。

2.根据权利要求1所述的表处理方法，其特征在于，所述根据所述第一数量和所述第二数量，对所述第一数据表和/或所述第二数据表进行聚合，包括：

若所述第一数量为至少两个，则对所述第一数据表中第一数量的目标字段进行聚合，得到第一数量为一的更新的第一数据表；和/或，

若所述第二数量均至少两个，则对所述第二数据表中第二数量的目标字段进行聚合，得到第二数量为一的更新的第二数据表。

3.根据权利要求1所述的表处理方法，其特征在于，所述建立所述第一数据表和所述第二数据表之间的关联关系，包括：

获取第一数据表和所述第二数据表之间的公共字段；

根据所述公共字段，将所述第一数据表和所述第二数据表的关联关系设置为外连接关系。

4.根据权利要求1所述的表处理方法，其特征在于，所述根据所述第一数量和所述第二数量，对所述第一数据表和/或所述第二数据表进行聚合，并建立所述第一数据表和所述第二数据表之间的关联关系之后，包括：

接收查询请求，查询所述数据源，获取所述查询请求中查询维度和查询指标名称对应的目标数据表集；

若所述目标数据表集中存在具有关联关系的数据表组合，则确定各所述数据表组合中是否存在公共数据表；

将存在公共数据表的目标数据组合的关联关系对应表关系链进行拼接，得到目标表关系链；

查询所述目标表关系链中的各数据表，获取所述查询指标名称对应的指标度量值。

5.根据权利要求4所述的表处理方法，其特征在于，所述根据所述第一数量和所述第二数量，建立所述第一数据表和所述第二数据表之间的关联关系之后，包括：

响应关联关系管理操作，获取表格创建时间超过预设时长阈值的目标数据表；

获取包含所述目标数据表的表关系链，并获取所述表关系链中与所述目标数据表关联的数据表的数量；

若所述数量为多个，则取消所述目标数据表和对应的多个数据表之间的关联关系，并建立所述多个数据表之间新的关联关系；

若所述数量为单个，则取消所述目标数据表和关联的单个数据表之间的关联关系。

6.根据权利要求1所述的表处理方法，其特征在于，所述根据所述关联关系查询所述第一数据表和所述第二数据表，获取所述目标指标名称对应的指标度量值，包括：

根据所述关联关系和所述聚合维度，将所述第一数据表与第二数据表进行连接；

根据所述目标指标名称，对连接后的第一数据表与第二数据表进行查询，得到所述目标指标名称对应的指标度量值。

7.根据权利要求1-6任意一项所述的表处理方法，其特征在于，所述获取数据源中目标维度和目标指标名称对应的数据表集之前，包括：

获取配置的参考量以及主时间字段；

根据所述参考量和所述主时间字段，从全局参考量中筛选出目标指标名称或者目标维度；

其中，若从全局参考量中筛选目标指标名称，则所述参考量为目标维度；若从全局参考量中筛选目标维度，则所述参考量为目标指标名称。

8.一种表处理装置，其特征在于，包括：

第一获取模块，用于获取数据源中的数据表集，所述数据表集根据目标维度，以及所述目标维度下的指标名称筛选得到；

第二获取模块，用于获取第一数据表中目标字段的第一数量，以及第二数据表中所述目标字段的第二数量；所述第一数据表和所述第二数据表是数据表集中具有同一聚合维度的至少两个不同的数据表，所述目标字段是所述聚合维度下所述第一数据表和所述第二数据表中共有的数据字段；

建立模块，用于根据所述第一数量和所述第二数量，对所述第一数据表和/或所述第二数据表进行聚合，并建立所述第一数据表和所述第二数据表之间的关联关系；

查询模块，用于根据所述关联关系查询所述第一数据表和所述第二数据表，获取所述目标指标名称对应的指标度量值。

9.一种电子设备，其特征在于，其包括处理器和存储器，其中，所述存储器存储有计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1～7中任一所述方法的步骤。

10.一种计算机可读存储介质，其特征在于，其包括计算机程序，当所述计算机程序在电子设备上运行时，所述计算机程序用于使所述电子设备执行权利要求1～7中任一所述方法的步骤。