CN113779017A - 数据资产管理的方法和装置 - Google Patents
数据资产管理的方法和装置 Download PDFInfo
- Publication number
- CN113779017A CN113779017A CN202010752400.3A CN202010752400A CN113779017A CN 113779017 A CN113779017 A CN 113779017A CN 202010752400 A CN202010752400 A CN 202010752400A CN 113779017 A CN113779017 A CN 113779017A
- Authority
- CN
- China
- Prior art keywords
- data
- mart
- asset
- information
- production
- 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 55
- 238000004519 manufacturing process Methods 0.000 claims abstract description 134
- 230000002159 abnormal effect Effects 0.000 claims abstract description 23
- 238000003860 storage Methods 0.000 claims description 35
- 238000007726 management method Methods 0.000 claims description 25
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 230000010485 coping Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 abstract description 14
- 230000008569 process Effects 0.000 abstract description 14
- 238000012545 processing Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000011144 upstream manufacturing Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000005067 remediation Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 108010015780 Viral Core Proteins Proteins 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012800 visualization Methods 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- 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
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
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)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了数据资产管理的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取数据集市中的所有生产任务，根据生产任务确定数据集市中各个数据表之间的第一关联关系；获取数据集市中各个数据表和各个应用模型之间的第二关联关系；依据第一关联关系和第二关联关系，构建数据集市的数据资产立体关系网络。该实施方式以数据表、生产任务和应用模型三者为核心构建数据集市的数据资产立体关系网络，能够确定数据表、生产任务、应用模型这三者之间的相互关联影响和依赖关系，展示数据的产生过程和对外使用情况，从而可以在数据异常时快速定位问题所在和影响范围，达到便于查看异常数据之间的相互依赖以及通知和告警的作用。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种数据资产管理的方法和装置。
背景技术
众所周知，数据治理和数据质量是数据中台的两大核心职能工作，数据中台工作服务的数据集市作为一个部门级别的数据仓库，且从属于集团企业级数据仓库获取数据。上下游数据联动的主要方式为：在上游人工告知数据变动，下游人工梳理变动影响范围或通过简单的关键信息获取大概影响，部门通过统一收集技术人员个人经验或笔记进行团队知识沉淀和信息共享。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
对于数据是如何产生的，数据表、生产任务、重要应用这三者之间的相互关联影响和依赖关系无从知晓；无法直观获知从上游仓库输入的数据情和输出至下游集市的数据情况；不能实现统一的查询和分类管理，同时对于数据资产中的劣质或垃圾资产，无法即时识别和有效清除。
发明内容
有鉴于此，本发明实施例提供一种数据资产管理的方法和装置，以数据表、生产任务和应用模型三者为核心构建数据集市的数据资产立体关系网络，能够确定数据表、生产任务、应用模型这三者之间的相互关联影响和依赖关系，展示数据的产生过程和对外使用情况，从而可以在数据异常时快速定位问题所在和影响范围，达到便于查看异常数据之间的相互依赖以及通知和告警的作用。
为实现上述目的，根据本发明实施例的一个方面，提供了一种数据资产管理的方法，包括：
获取数据集市中的所有生产任务，根据所述生产任务确定所述数据集市中各个数据表之间的第一关联关系；
获取所述数据集市中各个数据表和各个应用模型之间的第二关联关系；
依据第一关联关系和第二关联关系，构建所述数据集市的数据资产立体关系网络。
可选地，根据所述生产任务确定所述数据集市中各个数据表之间的第一关联关系，包括：
获取并解析所述生产任务，以确定作为所述生产任务的源表的第一数据表和作为所述生产任务的目标表的第二数据表；
以第一数据表和第二数据表中的其中一个为子、另一个为父形成数据表父子递归关系网络，得到所述数据集市中各个数据表之间的第一关联关系。
可选地，解析所述生产任务，包括：
对所述生产任务的执行代码进行分词处理，为每个分析建立唯一索引信息，得到所述生产任务的唯一索引序列；
根据正则表达式规则从所述唯一索引序列中提取所述生产任务的源表和目标表。
可选地，对所述生产任务的执行代码进行分词处理之前，还包括：
对所述生产任务的执行代码进行标准化处理。
可选地，所述方法还包括：获取所述数据集市中所有数据表、生产任务和应用模型的资产信息，将所述资产信息添加至所述数据资产立体关系网络中；所述资产信息包括以下至少之一：资产文件，存储位置，文件格式，存储路径，存储量，使用状态信息，资产质量信息更新信息。
可选地，所述方法还包括：从所述数据集市的所有数据表中筛选输入至所述数据集市的输入数据表，形成输入数据表清单，统计所述输入数据表订单中每个输入数据表的联系信息和/或统计信息；所述联系信息包括以下至少之一：输入来源、输入方联系方式、输入形式、输入口径；所述使用信息包括以下至少之一：使用状态信息，数据资产质量情况。
可选地，所述方法还包括以下至少之一：
为所述数据集市中的每个数据表配置生命周期，在所述数据表失效时删除所述数据表；
监控所述数据集市中的每个数据表，在所述数据表出现异常时发出提示信息；
实时监控所述数据集市中每个生产任务的资源消耗，在所述生产任务的资源消耗满足第一预设条件时发出提示信息或者触发预设应对策略；
将所述数据集市中满足第二预设条件的多个数据表合并。
根据本发明实施例的第二方面，提供一种数据资产管理的装置，包括：
第一获取模块，获取数据集市中的所有生产任务，根据所述生产任务确定所述数据集市中各个数据表之间的第一关联关系；
第二获取模块，获取所述数据集市中各个数据表和各个应用模型之间的第二关联关系；
网络构建模块，依据第一关联关系和第二关联关系，构建所述数据集市的数据资产立体关系网络。
可选地，第一获取模块根据所述生产任务确定所述数据集市中各个数据表之间的第一关联关系，包括：
获取并解析所述生产任务，以确定作为所述生产任务的源表的第一数据表和作为所述生产任务的目标表的第二数据表；
以第一数据表和第二数据表中的其中一个为子、另一个为父形成数据表父子递归关系网络，得到所述数据集市中各个数据表之间的第一关联关系。
可选地，第一获取模块解析所述生产任务，包括：
对所述生产任务的执行代码进行分词处理，为每个分析建立唯一索引信息，得到所述生产任务的唯一索引序列；
根据正则表达式规则从所述唯一索引序列中提取所述生产任务的源表和目标表。
可选地，第一获取模块还用于：对所述生产任务的执行代码进行分词处理之前，对所述生产任务的执行代码进行标准化处理。
可选地，所述网络构建模块还用于：获取所述数据集市中所有数据表、生产任务和应用模型的资产信息，将所述资产信息添加至所述数据资产立体关系网络中；所述资产信息包括以下至少之一：资产文件，存储位置，文件格式，存储路径，存储量，使用状态信息，资产质量信息更新信息。
可选地，所述网络构建模块还用于：从所述数据集市的所有数据表中筛选输入至所述数据集市的输入数据表，形成输入数据表清单，统计所述输入数据表订单中每个输入数据表的联系信息和/或统计信息；所述联系信息包括以下至少之一：输入来源、输入方联系方式、输入形式、输入口径；所述使用信息包括以下至少之一：使用状态信息，数据资产质量情况。
可选地，所述装置还包括资产治理模块，用于以下至少之一：
为所述数据集市中的每个数据表配置生命周期，在所述数据表失效时删除所述数据表；
监控所述数据集市中的每个数据表，在所述数据表出现异常时发出提示信息；
实时监控所述数据集市中每个生产任务的资源消耗，在所述生产任务的资源消耗满足第一预设条件时发出提示信息或者触发预设应对策略；
将所述数据集市中满足第二预设条件的多个数据表合并。
根据本发明实施例的第三方面，提供一种数据资产过来的电子设备，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本发明实施例第一方面提供的方法。
根据本发明实施例的第四方面，提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例第一方面提供的方法。
上述发明中的一个实施例具有如下优点或有益效果：以数据表、生产任务和应用模型三者为核心构建数据集市的数据资产立体关系网络，能够确定数据表、生产任务、应用模型这三者之间的相互关联影响和依赖关系，展示数据的产生过程和对外使用情况，从而可以在数据异常时快速定位问题所在和影响范围，达到便于查看异常数据之间的相互依赖以及通知和告警的作用。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是本发明实施例的数据资产管理的方法的主要流程的示意图；
图2是本发明可选实施例中数据资产立体关系网络的示意图；
图3是本发明可选实施例中数据资产管理的方法的流程示意图；
图4是本发明实施例的数据资产管理的装置的主要模块的示意图；
图5是本发明实施例可以应用于其中的示例性系统架构图；
图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
根据本发明实施例的一个方面，提供了一种数据资产管理的方法。
图1是本发明实施例的数据资产管理的方法的主要流程的示意图，如图1所示，数据资产管理的方法，包括：步骤S101、步骤S102和步骤S103。
在步骤S101中，获取数据集市中的所有生产任务，根据所述生产任务确定所述数据集市中各个数据表之间的第一关联关系。
数据表、生产任务和应用模型是数据集市中的数据对象。数据表是最基本的数据，其中存放数据集市中的各种数据。生产任务则是代码封装的用于加工数据表或应用模型的集合，应用模型则抽样为堆外一种数据服务形式，用于对外输出数据表中的数据。例如：调度任务ID：123，其为N段代码或N个脚本或N种方法相互执行调用的集合，用于产生数据表A的数据；应用模型以数据表A或N个数据表的数据作为基础为数据挖掘模型产出结果等服务。
第一关联关系是指数据集市中各个数据表之间的关联关系。生产任务通常以某些数据作为源数据，通过生产加工产生新数据。存储源数据的数据表称为生产任务的源表，存储生产加工产生的新数据的数据表称为生产任务的目标表。根据数据集市中各个生产任务所依赖的源表和产生的目标表可以确定数据集市中各个数据表之间的第一关联关系。
一个数据表中的数据可能被多个生产任务加工处理，一个生产任务有可能对多个数据表中的数据进行加工处理，因此通过步骤S101可以获得数据集市中各个生产任务与各个数据表之间的立体网络关系。通过梳理数据集市中各个数据表之间的第一关联关系，能够确定数据表和生产任务之间的相互关联影响和依赖关系，展示数据的产生过程，从而可以在数据异常时快速定位问题所在和影响范围，达到便于查看异常数据之间的相互依赖以及通知和告警的作用，例如在发现数据表存在缺陷时及时对与该数据表具有关联关系的生产任务进行风险提醒，以便对该生产任务进行优化治理。
可选地，根据生产任务确定数据集市中各个数据表之间的第一关联关系，包括：获取并解析生产任务，以确定作为该生产任务的源表的第一数据表和作为该生产任务的目标表的第二数据表；以第一数据表和第二数据表中的其中一个为子、另一个为父形成数据表父子递归关系网络，得到数据集市中各个数据表之间的第一关联关系。
以确定生产任务的源表为例，Hadoop(一个由Apache基金会所开发的分布式系统基础架构)集群通过Yarn(Yet Another Resource Negotiator，一种Hadoop资源管理器)资源管理器对提交的所有生产任务的执行代码进行计算资源的分配，并且记录提交生产任务的渠道。通过Hive的Rest API(rest是Representational State Transfer(表现层状态转移)的缩写，用来描述创建HTTP API的标准方法。API是Applicatio n ProgrammingInterface(应用程序接口)的缩写，是一些预先定义的函数，或指软件系统不同组成部分衔接的约定。)接口实时抓取提交到Yarn资源管理器上全队列、全渠道的生产任务的hql(Hibernate Que ry Language，Hibernate查询语言)代码，含Spark(一种计算引擎)实时代码信息以及对应的生产任务信息。例如，任务ID：111提交一段执行代码，yarn资源管理器自动记录提交该任务的渠道为“调度平台”、所属任务ID为111、且代码为select*from A。通过全部抓取这些信息并进行代码解析，可获知生产任务111的源表是数据表A。
本实施例还可以获知数据表与生产任务之间的关联关系，例如数据表A与生产任务111的关联关系为：数据表A是生产任务111的源表。
通过以源表和目标表中的其中一个为子、另一个为父形成数据表父子递归关系网络，例如源表为子、目标表为负，能够更直观地展示数据集市中各个数据表之间的关联关系，从而可以在数据异常时快速定位问题所在和影响范围，达到便于查看异常数据之间的相互依赖以及通知和告警的作用。
可选地，解析生产任务包括：对该生产任务的执行代码进行分词处理，为每个分析建立唯一索引信息，得到该生产任务的唯一索引序列；根据正则表达式规则从唯一索引序列中提取该生产任务的源表和目标表。
示例性地，以空格和DML(Data Manipulation Language，数据操纵语言)语句的关键语法(即关键词，用于添加、删除、更新和查询数据表记录，并检查数据完整性，常用的关键词主要包括insert、delete、udpate、select和join等)为标记符进行分词，为每个分词建立唯一索引信息。基于DML语句的基本语法，关键词之间只能用空格分隔，同时表名、关键词和其他内容之间均不能含空格，因此分词的具体过程可以为：先以单空格作为分隔符确定代码语句中每个词的索引；再以'ins ert table(.*？)(partition|select|value)'或者'create table(.*？)(stored|\\(|as|like)'关键词结合正则表达式获取中间(.*？)词作为目标表名称，从唯一索引序列中提取该生产任务的目标表；最后以join和from关键词的索引为基础索引，加1后新索引位置的词作为源表的表名，从唯一索引序列中提取该生产任务的源表。
采用本实施例的方式提取生产任务的源表和目标表，方法简单，速度快，准确性好。
可选地，对生产任务的执行代码进行分词处理之前，还包括：对该生产任务的执行代码进行标准化处理。示例性地，剔除执行代码中的一些信息，例如汉字、备注、特殊字符、标点符号等，仅保留数据表命名所需要的信息，例如数字、字母以及下划线等。通过标准化处理，能够提高后续从唯一索引序列中提取该生产任务的源表和目标表的效率和准确性。
在步骤S102中，获取所述数据集市中各个数据表和各个应用模型之间的第二关联关系。
示例性地，应用模型B将数据表b中的数据对外输出，则可以确定数据表b和应用模型B之间的第二关联关系为被输出和输出关系。
一个数据表中的数据可能被多个应用模型输出，一个应用模型有可能对多个数据表中的数据进行输出，因此通过步骤S102可以获得数据集市中各个应用模型与各个数据表之间的立体网络关系。
通过梳理数据集市中各个数据表和各个应用模型之间的第二关联关系，能够确定数据表和应用模型之间的相互关联影响和依赖关系，展示数据的对外使用情况，从而可以在数据异常时快速定位问题所在和影响范围，达到便于查看异常数据之间的相互依赖以及通知和告警的作用，例如在发现数据表存在缺陷时及时对与该数据表具有关联关系的应用模型进行风险提醒，从而进行应用模型优化治理。
在步骤S103中，依据第一关联关系和第二关联关系，构建所述数据集市的数据资产立体关系网络。
依据第一关联关系和第二关联关系构建数据资产立体关系网络的方式可以根据实际情况进行选择，例如将第一关联关系和第二关联关系进行拼接，再例如将数据表、加工任务、应用模型三者之间通过键值两两关联起来。图2是本发明可选实施例中数据资产立体关系网络的示意图。需要说明的是，图2中仅示出数据表、生产任务和应用模型之间的网络示意图，实际应用过程中，由于数据集市中通常包含海量的数据表、生产任务和应用模型，因此步骤S103得到的数据资产网络通常时立体网状的结构。
本发明基于数据集市中各个生产任务与各个数据表之间的立体网络关系、以及各个应用模型与各个数据表之间的立体网络关系构建数据资产立体关系网络，能够确定数据表、生产任务、应用模型这三者之间的相互关联影响和依赖关系，展示数据的产生过程和对外使用情况，从而可以在数据异常时快速定位问题所在和影响范围，达到便于查看异常数据之间的相互依赖以及通知和告警的作用。
在一些可选的实施例中，所述方法还包括：获取数据集市中所有数据表、生产任务和应用模型的资产信息，将该资产信息添加至数据资产立体关系网络中。资产信息是指与资产有关的信息，可以包括以下至少之一：资产文件，存储位置，文件格式，存储路径，存储量，使用状态信息，资产质量信息，更新信息。资产文件是指数据资产所包含的文件。存储位置用于表明存放数据资产的位置，存储路径是指能够路由到存放数据资产的位置的路径。存储量是指数据资产的内存占用量。使用状态信息用于反映数据资产的使用状态，例如数据表c作为生产任务C的源表，其使用状态可以为已完成、执行中、失败、准时、延迟等。资产质量信息用于反映数据资产的指令，如资产质量高、资产异常等。更新信息用于表明数据资产的更新情况，例如历次更新的版本信息、以及更新时间、更新内容等。
hdfs是存在于Hadoop集群的分布式文件系统，作为存放数据资产的基本路径，在创建新的数据资产，如新创建表数据的时候会自动通过hdfs文件系统添加hdfs资产路径。因此，在实际应用过程中，可以通过hdfs资产路径整体全扫描方式获取各个数据资产的资产信息。
通过将资产信息添加至数据资产立体关系网络中，便于全面、直观地展示各个数据资产的轨迹。
数据集市和数据仓库中的数据资产通常不是全部自产的，存在输入性数据资产。因此，在另一些可选的实施例中，所述方法还包括：从数据集市的所有数据表中筛选输入至数据集市的输入数据表，形成输入数据表清单，统计输入数据表订单中每个输入数据表的联系信息和/或统计信息。
联系信息包括以下至少之一：输入来源、输入方联系方式、输入形式、输入口径。输入来源用于标识输入数据表的输入方，输入方联系方式记录输入方的联系途径，输入形式用于反映输入数据表以何种形式输入至数据集市，输入口径用于反映输入数据表通过何种途径输入至数据集市。使用信息包括以下至少之一：使用状态信息，数据资产质量情况。使用状态信息用于反映数据资产的使用状态，例如数据表c作为生产任务C的源表，其使用状态可以为已完成、执行中、失败、准时、延迟等。资产质量信息用于反映数据资产的指令，如资产质量高、资产异常等。统计信息可以采用类似于报表的形式展示，方便运维和管理者直观查看。统计周期可以根据实际情况进行选择性设定，例如每天统计一次，或者每周统计一次等。
通过形成输入数据表清单并统计输入数据表订单中每个输入数据表的联系信息和/或统计信息，便于展示输入至数据集市的数据情况，例如数据及其质量和变动情况，从而在数据资产有问题的时候方便清查、确定和解决问题。
在图3示出的可选实施例中，所述方法还包括基于构建的数据资产立体关系网络对数据集市中的数据资产进行治理。对数据集市中的数据资产进行治理可以包括以下至少之一：
(1)为数据集市中的每个数据表配置生命周期，在数据表失效时删除数据表。示例性地，可以将正式数据表的生命周期设置为永久有效，以便自动存储；将临时数据表和无效空数据表的生命周期设置为较小的数值，从而在失效时自动将临时数据表和无效空数据表删除清理。
(2)监控数据集市中的每个数据表，在数据表出现异常时发出提示信息。示例性地，在发现数据表存在缺陷时及时对与该数据表具有关联关系的应用模型进行风险提醒，从而进行应用模型优化治理。再例如，在发现数据表存在缺陷时及时对与该数据表具有关联关系的生产任务进行风险提醒，从而进行生产任务优化治理。
(3)实时监控数据集市中每个生产任务的资源消耗，在生产任务的资源消耗满足第一预设条件时发出提示信息或者触发预设应对策略。第一预设条件可以根据实际情况进行选择性设定，例如生产任务的资源消耗大于设定的资源消耗阈值，或者资源消耗战集群中计算资源的百分比超过设定百分比阈值等。预设应对策略也可以根据实际情况进行选择性设定，例如暂停或删除满足第一预设条件的生产任务。示例性地，全量获取Yarn资管管理器的计算资源信息，实时监控计算资源运行情况和波动情况，对严重影响集群运行效率的生产任务进行实时告警和自动查杀治理。
(4)将数据集市中满足第二预设条件的多个数据表合并。第二预设条件可以根据实际情况进行选择性设定，例如数据资产的存储量小于设定存储量阈值、数据资产的访问频率小于设定的频率阈值等。生产任务的资源消耗大于设定的资源消耗阈值，或者资源消耗战集群中计算资源的百分比超过设定百分比阈值等。示例性地，对数据资产中会影响数据访问效率的已识别出来的低于128Mb的小文件进行自动合并。
本发明实施例结合数据表资产和已构建的数据资产立体关系网络，自动实现资产的生命周期管理、存储、垃圾资产自动清理和治理，针对垃圾资产或影响集群运行效率的行为，自动进行优化和治理，减少甚至避免人工接入，提高数据使用效率。
本发明实施例以数据表、生产任务和应用模型三者为核心构建数据集市的数据资产立体关系网络，能够确定数据表、生产任务、应用模型这三者之间的相互关联影响和依赖关系，展示数据的产生过程和对外使用情况，从而可以在数据异常时快速定位问题所在和影响范围，达到便于查看异常数据之间的相互依赖以及通知和告警的作用。本发明实施例可以通过可视化方案展示数据集市的数据资产立体关系网络，形成资产影响分析和资产全链路数据关系轨迹分析、关系图谱查询、上游变化快速定位影响、加工资产变化迅速发布下游的敏捷资产管理分析模式。
根据本发明实施例的第二方面，提供一种实现上述方法的装置。
图4是本发明实施例的数据资产管理的装置的主要模块的示意图，如图4所示，数据资产管理的装置400包括：
第一获取模块401，获取数据集市中的所有生产任务，根据所述生产任务确定所述数据集市中各个数据表之间的第一关联关系；
第二获取模块402，获取所述数据集市中各个数据表和各个应用模型之间的第二关联关系；
网络构建模块403，依据第一关联关系和第二关联关系，构建所述数据集市的数据资产立体关系网络。
可选地，第一获取模块根据所述生产任务确定所述数据集市中各个数据表之间的第一关联关系，包括：
获取并解析所述生产任务，以确定作为所述生产任务的源表的第一数据表和作为所述生产任务的目标表的第二数据表；
确定作为所述生产任务的目标表的第二数据表，得到第二数据表与所述生产任务之间的关联关系；
以第一数据表和第二数据表中的其中一个为子、另一个为父形成数据表父子递归关系网络，得到所述数据集市中各个数据表之间的第一关联关系。
可选地，第一获取模块解析所述生产任务，包括：
对所述生产任务的执行代码进行分词处理，为每个分析建立唯一索引信息，得到所述生产任务的唯一索引序列；
根据正则表达式规则从所述唯一索引序列中提取所述生产任务的源表和目标表。
可选地，第一获取模块还用于：对所述生产任务的执行代码进行分词处理之前，对所述生产任务的执行代码进行标准化处理。
可选地，所述网络构建模块还用于：获取所述数据集市中所有数据表、生产任务和应用模型的资产信息，将所述资产信息添加至所述数据资产立体关系网络中；所述资产信息包括以下至少之一：资产文件，存储位置，文件格式，存储路径，存储量，使用状态信息，资产质量信息更新信息。
可选地，所述网络构建模块还用于：从所述数据集市的所有数据表中筛选输入至所述数据集市的输入数据表，形成输入数据表清单，统计所述输入数据表订单中每个输入数据表的联系信息和/或统计信息；所述联系信息包括以下至少之一：输入来源、输入方联系方式、输入形式、输入口径；所述使用信息包括以下至少之一：使用状态信息，数据资产质量情况。
可选地，所述装置还包括资产治理模块，用于以下至少之一：
为所述数据集市中的每个数据表配置生命周期，在所述数据表失效时删除所述数据表；
监控所述数据集市中的每个数据表，在所述数据表出现异常时发出提示信息；
实时监控所述数据集市中每个生产任务的资源消耗，在所述生产任务的资源消耗满足第一预设条件时发出提示信息或者触发预设应对策略；
将所述数据集市中满足第二预设条件的多个数据表合并。
根据本发明实施例的第三方面，提供一种数据资产过来的电子设备，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本发明实施例第一方面提供的方法。
根据本发明实施例的第四方面，提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例第一方面提供的方法。
图5示出了可以应用本发明实施例的数据资产管理的方法或数据资产管理的装置的示例性系统架构500。
如图5所示，系统架构500可以包括终端设备501、502、503，网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504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501、502、503通过网络504与服务器505交互，以接收或发送消息等。终端设备501、502、503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501、502、503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。
服务器505可以是提供各种服务的服务器，例如对用户利用终端设备501、502、503所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的数据资产管理的方法一般由服务器505执行，相应地，数据资产管理的装置一般设置于服务器505中。
应该理解，图5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。
下面参考图6，其示出了适于用来实现本发明实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；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607；包括硬盘等的存储部分608；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609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，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610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608。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，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。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、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)、光纤、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。在本发明中，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系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号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，其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读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、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、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系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括：第一获取模块，获取数据集市中的所有生产任务，根据所述生产任务确定所述数据集市中各个数据表之间的第一关联关系；第二获取模块，获取所述数据集市中各个数据表和各个应用模型之间的第二关联关系；网络构建模块，依据第一关联关系和第二关联关系，构建所述数据集市的数据资产立体关系网络。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，第一获取模块还可以被描述为“获取所述数据集市中各个数据表和各个应用模型之间的第二关联关系的模块”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。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，使得该设备包括：获取数据集市中的所有生产任务，根据所述生产任务确定所述数据集市中各个数据表之间的第一关联关系；获取所述数据集市中各个数据表和各个应用模型之间的第二关联关系；依据第一关联关系和第二关联关系，构建所述数据集市的数据资产立体关系网络。
根据本发明实施例的技术方案，以数据表、生产任务和应用模型三者为核心构建数据集市的数据资产立体关系网络，能够确定数据表、生产任务、应用模型这三者之间的相互关联影响和依赖关系，展示数据的产生过程和对外使用情况，从而可以在数据异常时快速定位问题所在和影响范围，达到便于查看异常数据之间的相互依赖以及通知和告警的作用。
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，取决于设计要求和其他因素，可以发生各种各样的修改、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)
1.一种数据资产管理的方法，其特征在于，包括：
获取数据集市中的所有生产任务，根据所述生产任务确定所述数据集市中各个数据表之间的第一关联关系；
获取所述数据集市中各个数据表和各个应用模型之间的第二关联关系；
依据第一关联关系和第二关联关系，构建所述数据集市的数据资产立体关系网络。
2.如权利要求1所述的方法，其特征在于，根据所述生产任务确定所述数据集市中各个数据表之间的第一关联关系，包括：
获取并解析所述生产任务，以确定作为所述生产任务的源表的第一数据表和作为所述生产任务的目标表的第二数据表；
以第一数据表和第二数据表中的其中一个为子、另一个为父形成数据表父子递归关系网络，得到所述数据集市中各个数据表之间的第一关联关系。
3.如权利要求2所述的方法，其特征在于，解析所述生产任务，包括：
对所述生产任务的执行代码进行分词处理，为每个分析建立唯一索引信息，得到所述生产任务的唯一索引序列；
根据正则表达式规则从所述唯一索引序列中提取所述生产任务的源表和目标表。
4.如权利要求3所述的方法，其特征在于，对所述生产任务的执行代码进行分词处理之前，还包括：
对所述生产任务的执行代码进行标准化处理。
5.如权利要求1-4任一所述的方法，其特征在于，还包括：获取所述数据集市中所有数据表、生产任务和应用模型的资产信息，将所述资产信息添加至所述数据资产立体关系网络中；所述资产信息包括以下至少之一：资产文件，存储位置，文件格式，存储路径，存储量，使用状态信息，资产质量信息更新信息。
6.如权利要求1-4任一所述的方法，其特征在于，还包括：从所述数据集市的所有数据表中筛选输入至所述数据集市的输入数据表，形成输入数据表清单，所述统计所述输入数据表订单中每个输入数据表的联系信息和/或统计信息；联系信息包括以下至少之一：输入来源、输入方联系方式、输入形式、输入口径；所述使用信息包括以下至少之一：使用状态信息，数据资产质量情况。
7.如权利要求1-4任一所述的方法，其特征在于，还包括以下至少之一：
为所述数据集市中的每个数据表配置生命周期，在所述数据表失效时删除所述数据表；
监控所述数据集市中的每个数据表，在所述数据表出现异常时发出提示信息；
实时监控所述数据集市中每个生产任务的资源消耗，在所述生产任务的资源消耗满足第一预设条件时发出提示信息或者触发预设应对策略；
将所述数据集市中满足第二预设条件的多个数据表合并。
8.一种数据资产管理的装置，其特征在于，包括：
第一获取模块，获取数据集市中的所有生产任务，根据所述生产任务确定所述数据集市中各个数据表之间的第一关联关系；
第二获取模块，获取所述数据集市中各个数据表和各个应用模型之间的第二关联关系；
网络构建模块，依据第一关联关系和第二关联关系，构建所述数据集市的数据资产立体关系网络。
9.一种数据资产管理的电子设备，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 |
|---|---|---|---|
| CN202010752400.3A CN113779017A (zh) | 2020-07-30 | 2020-07-30 | 数据资产管理的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010752400.3A CN113779017A (zh) | 2020-07-30 | 2020-07-30 | 数据资产管理的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113779017A true CN113779017A (zh) | 2021-12-10 |
Family
ID=78835130
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010752400.3A Pending CN113779017A (zh) | 2020-07-30 | 2020-07-30 | 数据资产管理的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113779017A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117076387A (zh) * | 2023-08-22 | 2023-11-17 | 北京天华星航科技有限公司 | 基于磁带的海量小文件的快速归档恢复系统 |
| WO2024164705A1 (zh) * | 2023-02-07 | 2024-08-15 | 深圳市酷开网络科技股份有限公司 | 基于用户画像人群生命周期控制方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109446274A (zh) * | 2017-08-31 | 2019-03-08 | 北京京东尚科信息技术有限公司 | 大数据平台bi元数据管理的方法和装置 |
| CN110362585A (zh) * | 2019-06-19 | 2019-10-22 | 东软集团股份有限公司 | 数据分析方法、装置，存储介质及电子设备 |
| US20190347596A1 (en) * | 2018-05-08 | 2019-11-14 | Bank Of America Corporation | System for decommissioning information technology assets using solution data modelling |
| CN110807036A (zh) * | 2019-11-06 | 2020-02-18 | 北京顶象技术有限公司 | 关联数据网络构建方法及装置 |
-
2020
- 2020-07-30 CN CN202010752400.3A patent/CN113779017A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109446274A (zh) * | 2017-08-31 | 2019-03-08 | 北京京东尚科信息技术有限公司 | 大数据平台bi元数据管理的方法和装置 |
| US20190347596A1 (en) * | 2018-05-08 | 2019-11-14 | Bank Of America Corporation | System for decommissioning information technology assets using solution data modelling |
| CN110362585A (zh) * | 2019-06-19 | 2019-10-22 | 东软集团股份有限公司 | 数据分析方法、装置，存储介质及电子设备 |
| CN110807036A (zh) * | 2019-11-06 | 2020-02-18 | 北京顶象技术有限公司 | 关联数据网络构建方法及装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024164705A1 (zh) * | 2023-02-07 | 2024-08-15 | 深圳市酷开网络科技股份有限公司 | 基于用户画像人群生命周期控制方法及装置 |
| CN117076387A (zh) * | 2023-08-22 | 2023-11-17 | 北京天华星航科技有限公司 | 基于磁带的海量小文件的快速归档恢复系统 |
| CN117076387B (zh) * | 2023-08-22 | 2024-03-01 | 北京天华星航科技有限公司 | 基于磁带的海量小文件的快速归档恢复系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107809331B (zh) | 识别异常流量的方法和装置 | |
| CN109446274B (zh) | 大数据平台bi元数据管理的方法和装置 | |
| CN111190888A (zh) | 一种管理图数据库集群的方法和装置 | |
| WO2014145092A2 (en) | Hierarchical, parallel models for extracting in real time high-value information from data streams and system and method for creation of same | |
| CN110795315A (zh) | 监控业务的方法和装置 | |
| CN113779017A (zh) | 数据资产管理的方法和装置 | |
| CN113760677A (zh) | 异常链路分析方法、装置、设备及存储介质 | |
| CN109977139B (zh) | 基于类结构化查询语句的数据处理方法和装置 | |
| CN111813765B (zh) | 一种异常数据处理的方法、装置、电子设备、计算机可读介质 | |
| CN112131292B (zh) | 一种变更数据的结构化处理方法和装置 | |
| CN110688355A (zh) | 变更容器状态的方法和装置 | |
| CN116450622B (zh) | 数据入库的方法、装置、设备和计算机可读介质 | |
| CN112433757A (zh) | 一种确定接口调用关系的方法和装置 | |
| CN112579673A (zh) | 一种多源数据处理方法及装置 | |
| EP3380906A1 (en) | Optimization for real-time, parallel execution of models for extracting high-value information from data streams | |
| CN117271584A (zh) | 数据处理方法及装置、计算机可读存储介质和电子设备 | |
| CN115422202A (zh) | 业务模型的生成方法、业务数据查询方法、装置及设备 | |
| CN113362097B (zh) | 一种用户确定方法和装置 | |
| CN112783615B (zh) | 一种数据处理任务的清理方法和装置 | |
| CN115033574A (zh) | 信息生成方法、信息生成装置、电子设备及存储介质 | |
| CN111767185B (zh) | 一种数据埋点方法和装置 | |
| CN113760568A (zh) | 数据处理的方法和装置 | |
| CN113760945A (zh) | 一种审核sql语句的方法及装置 | |
| CN111831534A (zh) | 一种对数据报表进行准确性验证的方法和装置 | |
| CN112749204A (zh) | 一种读取数据的方法和装置 |
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 |