[发明专利]数据的写入方法及装置在审
申请号: | 201611153920.2 | 申请日: | 2016-12-14 |
公开(公告)号: | CN108228606A | 公开(公告)日: | 2018-06-29 |
发明(设计)人: | 石岱曦 | 申请(专利权)人: | 北京国双科技有限公司 |
主分类号: | G06F17/30 | 分类号: | G06F17/30 |
代理公司: | 北京鼎佳达知识产权代理事务所(普通合伙) 11348 | 代理人: | 王伟锋;刘铁生 |
地址: | 100086 北京市海淀区*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 数据结构 写入 分布式搜索引擎 待写入数据 目标数据库 数据结构转换 映射表 预置 数据存储领域 编写程序 映射关系 保存 | ||
本发明公开了一种数据的写入方法及装置,涉及数据存储领域,解决了现有技术中针对不同的数据结构,需要编写不同的程序,每次编写程序都会浪费大量的人力和时间,造成数据写入的速度较慢,从而导致数据写入的效率较低的问题。本发明的主要技术方案为:获取分布式搜索引擎中的待写入数据;根据预置数据结构映射表将所述待写入数据在分布式搜索引擎中对应的数据结构转换成所述待写入数据在目标数据库中对应的数据结构,其中,所述预置数据结构映射表中保存不同数据在分布式搜索引擎中对应的数据结构,与所述不同数据在目标数据库中对应的数据结构之间的映射关系;将数据结构转换后的数据写入到所述目标数据库中。本发明适用于数据的写入。
技术领域
本发明涉及数据存储领域,尤其涉及一种数据的写入方法及装置。
背景技术
随着科学的发展、数据量的逐步增加,分布式存储系统与分布式存储搜索引擎系统的使用也越来越广泛,其中,在使用分布式存储搜索引擎系统时,通常需要将分布式存储搜索引擎系统中搜索到的数据写入到传统的关系型数据库中,以便后续的使用和提取。例如,在使用ES(Elastic Search,目前主流的一种文档型分布式存储搜索引擎系统)时,通常需要将ES中的数据写入到Sqlite一类的数据库中。
目前,通常采用人工编写程序的方式,将分布式存储搜索引擎系统中的数据写入到传统的关系型数据库中,即采用人工编写的程序将分布式存储搜索引擎系统中不同数据结构的数据写入到传统的关系型数据库中。然而,若采用人工编写程序的方式,将分布式存储搜索引擎系统中的数据写入到传统的关系型数据库中,针对不同的数据结构,需要编写不同的程序,每次编写程序都会浪费大量的人力和时间,造成数据写入的速度较慢,从而导致数据写入的效率较低。
发明内容
鉴于上述问题,提出了本发明,以便提供一种克服上述问题或者至少部分地解决上述问题的数据的写入方法及装置。
为达到上述目的,本发明主要提供如下技术方案:
一方面,本发明提供了一种数据的写入方法,所述方法包括:
获取分布式搜索引擎中的待写入数据;
根据预置数据结构映射表将所述待写入数据在分布式搜索引擎中对应的数据结构转换成所述待写入数据在目标数据库中对应的数据结构,
其中,所述预置数据类型映射表中保存不同数据在分布式搜索引擎中对应的数据结构,与所述不同数据在目标数据库中对应的数据结构之间的映射关系;
将数据结构转换后的数据写入到所述目标数据库中。
另一方面,本发明提供了一种数据的写入装置,所述装置包括:
获取单元,用于获取分布式搜索引擎中的待写入数据;
转换单元,用于根据预置数据结构映射表将所述获取单元获取的所述待写入数据在分布式搜索引擎中对应的数据结构转换成所述待写入数据在目标数据库中对应的数据结构,其中,所述预置数据类型映射表中保存不同数据在分布式搜索引擎中对应的数据结构,与所述不同数据在目标数据库中对应的数据结构之间的映射关系;
写入单元,用于将数据结构转换后的数据写入到所述目标数据库中。
借由上述技术方案,本发明提供的一种数据的写入方法及装置。与现有技术中每次针对不同的数据结构,需通过人工编写不同的程序相比,本发明通过预置数据结构映射表将所述待写入数据在分布式搜索引擎中对应的数据结构转换成所述待写入数据在目标数据库中对应的数据结构,实现了自动转化数据结构的功能,避免了每次都需要人工编写程序,节约了人力和时间,进而提高了数据写入的速度和数据写入的效率。
附图说明
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京国双科技有限公司,未经北京国双科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201611153920.2/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种数据处理方法、装置及电子设备
- 下一篇:基于连通度的最大频繁项集挖掘方法