数据查询方法、装置、设备、介质和产品

技术领域

本申请涉及大数据数据处理技术领域，特别是涉及一种数据查询方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着大数据时代的到来，对数据进行查询越来越重要，但是由于数据量爆炸式增长以及数据类型越来越丰富，对于数据查询方法的要求越来越高。

目前，最常用的数据查询方法是将用户行为采集系统获取到的数据通过MapReduce技术进行批量加工，然后利用分布式缓存或关系型数据库提供既有分析结果的展示。这种方法采用传统的MapReduce技术进行批量数据处理，降低了数据处理的时效性，在营销、手机银行运营等要求迭代迅速的业务场景上，难以保证分析结论产出的时效性和准确性。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高数据查询的时效性和准确性的数据查询方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种数据查询方法，所述方法包括：

接收数据查询请求；

根据所述数据查询请求获取预聚合数据，所述预聚合数据是对待消费数据进行局部聚合得到的；

输出所述预聚合数据作为数据查询结果。

在其中一个实施例中，所述接收数据查询请求之后，还包括：

对所述数据查询请求进行预处理，所述预处理包括对所述数据查询请求中的待查询字段进行物理字段映射、对所述数据查询请求对应的用户信息进行权限验证、屏蔽数据层差异和对所述数据查询请求进行查询优化中的至少一个；

所述根据所述数据查询请求获取预聚合数据，包括：

根据预处理后的所述数据查询请求获取预聚合数据。

在其中一个实施例中，所述数据查询请求携带有业务类型；所述对所述数据查询请求进行预处理之前，还包括：

根据所述业务类型确定对应的基础服务，所述业务类型包括事件分析、漏斗分析和用户分群中的至少一个，所述基础服务包括元数据访问服务、不同类型的任务执行以及查询引擎服务；

当所述基础服务为查询引擎服务时，继续执行对所述数据查询请求进行预处理的步骤。

在其中一个实施例中，所述接收数据查询请求之前，所述方法还包括：

检测消息队列中是否存在所述待消费数据；

当所述消息队列中存在待消费数据时，则读取所述待消费数据，并将所述待消费数据存储至目标数据库。

在其中一个实施例中，所述将所述待消费数据存储至目标数据库之前，还包括：

对所述待消费数据进行数据转换处理得到转换数据，其中，所述数据转换处理包括数据校验、数据加工、构建数据字典以及数据预处理中的至少一个；

对所述转换数据进行局部聚合得到预聚合数据；

将所述预聚合数据存储至目标数据库。

在其中一个实施例中，所述构建数据字典，包括：

从所述用户行为数据中采集枚举字段；

根据所述枚举字段构建数据字典。

第二方面，本申请提供了一种数据查询装置，所述装置包括：

接收模块，用于接收数据查询请求；

获取模块，用于根据所述数据查询请求获取预聚合数据，所述预聚合数据是对待消费数据进行局部聚合得到的；

输出模块，用于输出所述预聚合数据作为数据查询结果。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的任意一个实施例中的方法的步骤。

第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的任意一个实施例中的方法的步骤。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的任意一个实施例中的方法的步骤。

上述数据查询方法、装置、计算机设备、存储介质和计算机程序产品，首先服务器接收数据查询请求，然后根据数据查询请求获取预聚合数据，预聚合数据是对待消费数据进行局部聚合得到的，最后输出预聚合数据作为数据查询结果。本申请提供的方法通过将待消费数据进行局部聚合得到预聚合数据，并将预聚合数据作为查询结果输出，能够提高数据查询的时效性和准确性。

附图说明

图1为一个实施例中数据查询方法的应用环境图；

图2为一个实施例中数据查询方法的流程示意图；

图3为一个实施例中构建数据字典的流程示意图；

图4为一个实施例中数据查询装置的结构框图；

图5为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的数据查询方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。服务器104接收数据查询请求，并根据数据查询请求获取预聚合数据，然后将预聚合数据作为数据查询结果输出至终端102进行展示。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一数据查询方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

S201、接收数据查询请求。

服务器获取由用户发起的数据查询请求，然后控制应用网关对查询内容进行验证，通过验证之后再控制应用网关将数据查询请求分发到各个业务模块。其中，应用网关是系统的界面接入口，同时也是后端各个业务模块和基础服务的管控中心，它负责各模块的健康检查，请求路由，配合用户验证模块来维持分布式session等功能，分布式session是服务器为了保存用户状态而创建的一个特殊的内存对象，用户验证模块可以与既有的单点登陆系统集成，实现跨系统的统一登录和会话。

S202、根据数据查询请求获取预聚合数据，预聚合数据是对待消费数据进行局部聚合得到的。

待消费数据包括用户行为数据和用户标签数据，待消费数据存储在目标数据库中，例如，目标数据库可以是HDFS(Hadoop Distributed File System，一种分布式存储技术)，局部聚合是利用KE(KyligenceEnterprise，一种以预计算为核心的联机联机分析处理技术)聚合服务对HDFS中存储的数据进行局部聚合，能够以空间换时间的方式降低查询开销，提高分析效率。

具体地，由服务器先对待消费数据进行数据转换得到转换数据，并将转换数据存储在HDFS中，然后服务器对存储在HDFS中的转换数据进行局部聚合得到预聚合数据。例如通过KE聚合服务对HDFS中存储的数据进行局部聚合，能够以空间换时间的方式降低查询开销，提高分析效率。

其中聚合服务是指预先根据要查询的数据对待消费数据进行处理，以得到预聚合数据。

S203、输出预聚合数据作为数据查询结果。

具体地，服务器将预聚合数据返回至前端，由前端报表控件将预聚合数据输出给用户。

上述数据查询方法中，首先服务器接收数据查询请求，然后根据数据查询请求获取预聚合数据，预聚合数据是对待消费数据进行局部聚合得到的，最后输出预聚合数据作为数据查询结果。本申请提供的方法通过将待消费数据进行局部聚合得到预聚合数据，并将预聚合数据作为查询结果输出，能够提高数据查询的时效性和准确性。

在一些实施例中，接收数据查询请求之后，还包括：对数据查询请求进行预处理，预处理包括对数据查询请求中的待查询字段进行物理字段映射、对数据查询请求对应的用户信息进行权限验证、屏蔽数据层差异和对数据查询请求进行查询优化中的至少一个；根据数据查询请求获取预聚合数据，包括：根据预处理后的数据查询请求获取预聚合数据。

本步骤中，服务器通过改造sql(Structured Query Language，结构化查询语言)来透明完成预处理过程。

物理字段映射指的是将待查询字段映射至HDFS中存储的转换数据的字段，然后对待查询字段划分任务，任务包括计划任务和离线任务。例如，待查询字段为客户购买某种银行产品对应的字段，将该字段映射至HDFS中存储的转换数据中该银行产品对应的字段，然后根据映射结果对待查询字段划分任务。

权限验证指的是验证数据查询请求所携带的用户信息对应的用户是否有查询的权限，若有，才会生成上述计划任务和离线任务。例如，只有系统管理员才有查询的权限，则服务器根据用户信息判断该用户是否是管理员，若该用户是管理员，则生成上述计划任务和离线任务。

屏蔽数据层差异指的是查询引擎底层的数据层差异可以无感，从而可以达到屏蔽数据层差异的目的，其中，查询引擎作为统一的查询入口，对查询请求进行响应。

查询优化是用于提高查询速度和提高查询结果的响应速度。例如，可以利用基于规则的启发式优化和基于代价估算的优化相结合的方法对查询语句进行物理优化。

本步骤提供的方法，通过对数据查询请求进行预处理，能够有效提高查询效率和查询过程的安全性。

在一些实施例中，数据查询请求携带有业务类型；对数据查询请求进行预处理之前，还包括：根据业务类型确定对应的基础服务，业务类型包括事件分析、漏斗分析和用户分群中的至少一个，基础服务包括元数据访问服务、不同类型的任务执行以及查询引擎服务；当基础服务为查询引擎服务时，继续执行对数据查询请求进行预处理的步骤。

基础服务包括元数据访问服务、不同类型的任务执行以及查询引擎服务，其中元数据访问服务是指定义事件、属性、字段类型等各种基础信息，能够为系统元数据库的云下访问使用提供RESTful(Representational State Transfer，一种网络应用服务的设计、开发风格)接口；不同类型的任务执行是指执行大量系统产生的离线任务和计划任务；查询引擎服务是基于kudu计算服务器和spark计算服务器的实时查询，其中，kudu是一种支持随机读写的联机分析处理技术，可用于存储用户标签数据，在用户属性实时更新时达到秒级响应，spark是一种基于内存的大数据计算框架，可用于存储用户行为数据，可以有效处理PB(petabyte，拍字节，一种存储计量单位)级数据量的数据。

业务类型包括事件分析、漏斗分析和用户分群中的至少一个。事件分析是指借助金融市场数据分析某一特定事件对公司价值的影响；漏斗分析是指分析用户从起始到终点环节的过程中每一步环节的转化或者流失情况；用户分群是指通过若干方法根据特征变量将用户分为若干个具备业务意义的用户群体。

本步骤中，业务类型依赖于基础服务，与基础服务相对应，但是各业务类型之间无依赖或者弱关联，各个业务类型可以构成独立的小应用服务，可以独立进行开发、测试、部署以及运行。

kudu计算服务器和spark计算服务器可以与HDFS存储系统集成，共享寻主的同时共享数据。

本步骤提供的方法，通过基于kudu计算服务器和spark计算服务器的实时查询，可以在相同的硬件配置下将系统的查询性能和响应并发数大幅提升。

在一些实施例中，接收数据查询请求之前，方法还包括：检测消息队列中是否存在待消费数据；当消息队列中存在待消费数据时，则读取待消费数据，并将待消费数据存储至目标数据库。

本步骤中，消息队列指的是在消息的传输过程中保存消息的容器，目标数据库指的是存储待消费数据、转换数据以及预聚合数据的数据库。待消费数据是由服务器从大数据平台或者数据交换平台通过流式或者批量的数据接入方法接入至系统中的，其中，用户行为数据来自于上游系统的kafka，本步骤使用spark streaming kafka对用户行为数据进行消费，用户标签数据由独立的批处理数据模块进行批量接入。

具体地，在服务器检测出消息队列中存在待消费数据时，服务器先将待消费数据中的用户行为数据存储至spark中，将用户标签数据存储至kudu中，然后将spark和kudu中共享至HDFS数据存储系统中。

本步骤提供的方法，通过消息队列来判断是否将待消费数据存储至数据库中，能够提高待消费数据存储的准确性。

在一些实施例中，将待消费数据存储至目标数据库之前，还包括：对待消费数据进行数据转换处理得到转换数据，其中，数据转换处理包括数据校验、数据加工、构建数据字典以及数据预处理中的至少一个；对转换数据进行局部聚合得到预聚合数据；将预聚合数据存储至目标数据库。

本步骤中，数据校验指的是对用户行为数据的数据格式和合法性进行校验，将不合法数据清除并备份于错误日志中，数据加工是对用户行为数据进行解析，将用户行为数据按系统字段配置最终导入至目标数据库中，构建数据字典就是根据分析师预设的字段从过滤后的数据中提取出对应的数据，数据预处理，例如，将手机编号映射成手机型号、给手机型号增添品牌编码以及将一些属性值映射成多个属性。

本步骤提供的方法，将待消费数据经过数据转换和局部聚合之后存储至目标数据库中，能够提高对数据的查询分析效率。

在一些实施例中，如图3所示，构建数据字典，包括：

S301、从用户行为数据中采集枚举字段；

本步骤中，枚举指的是将变量的值一一列出来，变量的值只限于列举出来的值的范围内。

S302、根据枚举字段构建数据字典。

本步骤中数据字典是指对数据的数据项、数据结构、数据流、数据存储、处理逻辑等进行定义和描述，其目的是对数据流图中的各个元素做出详细的说明，使用数据字典为简单的建模项目。

本步骤提供的方法，通过构建数据字典，能够更加清楚的知道每个数据和相关概念的定义和解释。

在一个实施例中，提供了另一种数据查询方法，包括以下步骤：

(1)数据接入与转化模块将数据从数据采集总线与数据交换平台读取，经过加工和转化后存入计算服务集群(kudu和spark)，同时转发时会通过元数据访问服务，与元数据库存取元数据。

(2)数据计算与存储模块将存入的原始用户行为数据，按照既定的规则进行加工和预处理，以便于优化后续查询。

(3)分析师用户发起查询，查询内容将首先通过网关进行统一登录与验证，然后由网关将请求分发到各个业务模块。

(4)各个业务模块会调用查询引擎发起查询请求，由业务需求不同，可能会调用和查询元数据库或发起计划任务。

(5)计划任务与离线处理同样会调用查询引擎或/和元数据库。

(6)查询引擎将向KE聚合服务发起查询请求。

(7)KE聚合服务根据预处理的结果，决定查询方式和计算规则，将部分计算采用预处理结果，部分计算下推至计算服务模块处理。

(8)计算的结果返回前端，由前端报表控件输出给用户。

应该理解的是，虽然如上所述的各实施例所涉及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，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的数据查询方法的数据查询装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个数据查询装置实施例中的具体限定可以参见上文中对于数据查询方法的限定，在此不再赘述。

在一个实施例中，如图4所示，提供了一种数据查询装置400，包括：接收模块401、获取模块402和输出模块403，其中：

接收模块401，用于接收数据查询请求。

获取模块402，用于根据所述数据查询请求获取预聚合数据，所述预聚合数据是对待消费数据进行局部聚合得到的。

输出模块403，用于输出所述预聚合数据作为数据查询结果。

在一些实施例中，数据查询装置400，具体用于：对所述数据查询请求进行预处理，所述预处理包括对所述数据查询请求中的待查询字段进行物理字段映射、对所述数据查询请求对应的用户信息进行权限验证、屏蔽数据层差异和对所述数据查询请求进行查询优化中的至少一个；所述根据所述数据查询请求获取预聚合数据，包括：根据预处理后的所述数据查询请求获取预聚合数据。

在一些实施例中，数据查询装置400，还用于：根据所述业务类型确定对应的基础服务，所述业务类型包括事件分析、漏斗分析和用户分群中的至少一个，所述基础服务包括元数据访问服务、不同类型的任务执行以及查询引擎服务；当所述基础服务为查询引擎服务时，继续执行对所述数据查询请求进行预处理的步骤。

在一些实施例中，数据查询装置400，还用于：检测消息队列中是否存在所述待消费数据；当所述消息队列中存在待消费数据时，则读取所述待消费数据，并将所述待消费数据存储至目标数据库。

在一些实施例中，数据查询装置400，还包括：

数据转换模块，用于对所述待消费数据进行数据转换处理得到转换数据，其中，所述数据转换处理包括数据校验、数据加工、构建数据字典以及数据预处理中的至少一个。

局部聚合模块，用于对所述转换数据进行局部聚合得到预聚合数据。

存储模块，用于将所述预聚合数据存储至目标数据库。

在一些实施例中，数据转换模块，还用于：从所述用户行为数据中采集枚举字段；根据所述枚举字段构建数据字典。

上述数据查询装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储待消费数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种数据查询方法。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：接收数据查询请求；根据所述数据查询请求获取预聚合数据，所述预聚合数据是对待消费数据进行局部聚合得到的；输出所述预聚合数据作为数据查询结果。

在一个实施例中，处理器执行计算机程序时所实现的接收数据查询请求之后，还包括：对所述数据查询请求进行预处理，所述预处理包括对所述数据查询请求中的待查询字段进行物理字段映射、对所述数据查询请求对应的用户信息进行权限验证、屏蔽数据层差异和对所述数据查询请求进行查询优化中的至少一个；所述根据所述数据查询请求获取预聚合数据，包括：根据预处理后的所述数据查询请求获取预聚合数据。

在一个实施例中，处理器执行计算机程序时所实现的对所述数据查询请求进行预处理之前，还包括：根据所述业务类型确定对应的基础服务，所述业务类型包括事件分析、漏斗分析和用户分群中的至少一个，所述基础服务包括元数据访问服务、不同类型的任务执行以及查询引擎服务；当所述基础服务为查询引擎服务时，继续执行对所述数据查询请求进行预处理的步骤。

在一个实施例中，处理器执行计算机程序时所实现的接收数据查询请求之前，所述方法还包括：检测消息队列中是否存在所述待消费数据；当所述消息队列中存在待消费数据时，则读取所述待消费数据，并将所述待消费数据存储至目标数据库。

在一个实施例中，处理器执行计算机程序时所实现的将所述待消费数据存储至目标数据库之前，还包括：对所述待消费数据进行数据转换处理得到转换数据，其中，所述数据转换处理包括数据校验、数据加工、构建数据字典以及数据预处理中的至少一个；对所述转换数据进行局部聚合得到预聚合数据；将所述预聚合数据存储至目标数据库。

在一个实施例中，处理器执行计算机程序时所实现的构建数据字典，包括：从所述用户行为数据中采集枚举字段；根据所述枚举字段构建数据字典。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：接收数据查询请求；根据所述数据查询请求获取预聚合数据，所述预聚合数据是对待消费数据进行局部聚合得到的；输出所述预聚合数据作为数据查询结果。

在一个实施例中，计算机程序被处理器执行时所实现的接收数据查询请求之后，还包括：对所述数据查询请求进行预处理，所述预处理包括对所述数据查询请求中的待查询字段进行物理字段映射、对所述数据查询请求对应的用户信息进行权限验证、屏蔽数据层差异和对所述数据查询请求进行查询优化中的至少一个；所述根据所述数据查询请求获取预聚合数据，包括：根据预处理后的所述数据查询请求获取预聚合数据。

在一个实施例中，计算机程序被处理器执行时所实现的对所述数据查询请求进行预处理之前，还包括：根据所述业务类型确定对应的基础服务，所述业务类型包括事件分析、漏斗分析和用户分群中的至少一个，所述基础服务包括元数据访问服务、不同类型的任务执行以及查询引擎服务；当所述基础服务为查询引擎服务时，继续执行对所述数据查询请求进行预处理的步骤。

在一个实施例中，计算机程序被处理器执行时所实现的接收数据查询请求之前，所述方法还包括：检测消息队列中是否存在所述待消费数据；当所述消息队列中存在待消费数据时，则读取所述待消费数据，并将所述待消费数据存储至目标数据库。

在一个实施例中，计算机程序被处理器执行时所实现的将所述待消费数据存储至目标数据库之前，还包括：对所述待消费数据进行数据转换处理得到转换数据，其中，所述数据转换处理包括数据校验、数据加工、构建数据字典以及数据预处理中的至少一个；对所述转换数据进行局部聚合得到预聚合数据；将所述预聚合数据存储至目标数据库。

在一个实施例中，计算机程序被处理器执行时所实现的构建数据字典，包括：从所述用户行为数据中采集枚举字段；根据所述枚举字段构建数据字典。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：接收数据查询请求；根据所述数据查询请求获取预聚合数据，所述预聚合数据是对待消费数据进行局部聚合得到的；输出所述预聚合数据作为数据查询结果。

在一个实施例中，计算机程序被处理器执行时所实现的接收数据查询请求之后，还包括：对所述数据查询请求进行预处理，所述预处理包括对所述数据查询请求中的待查询字段进行物理字段映射、对所述数据查询请求对应的用户信息进行权限验证、屏蔽数据层差异和对所述数据查询请求进行查询优化中的至少一个；所述根据所述数据查询请求获取预聚合数据，包括：根据预处理后的所述数据查询请求获取预聚合数据。

在一个实施例中，计算机程序被处理器执行时所实现的对所述数据查询请求进行预处理之前，还包括：根据所述业务类型确定对应的基础服务，所述业务类型包括事件分析、漏斗分析和用户分群中的至少一个，所述基础服务包括元数据访问服务、不同类型的任务执行以及查询引擎服务；当所述基础服务为查询引擎服务时，继续执行对所述数据查询请求进行预处理的步骤。

在一个实施例中，计算机程序被处理器执行时所实现的接收数据查询请求之前，所述方法还包括：检测消息队列中是否存在所述待消费数据；当所述消息队列中存在待消费数据时，则读取所述待消费数据，并将所述待消费数据存储至目标数据库。

在一个实施例中，计算机程序被处理器执行时所实现的将所述待消费数据存储至目标数据库之前，还包括：对所述待消费数据进行数据转换处理得到转换数据，其中，所述数据转换处理包括数据校验、数据加工、构建数据字典以及数据预处理中的至少一个；对所述转换数据进行局部聚合得到预聚合数据；将所述预聚合数据存储至目标数据库。

在一个实施例中，计算机程序被处理器执行时所实现的构建数据字典，包括：从所述用户行为数据中采集枚举字段；根据所述枚举字段构建数据字典。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

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，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。