数据的处理方法、处理系统、存储介质及处理器

技术领域

本申请涉及计算机技术领域，具体涉及一种数据的处理方法、处理系统、存储介质及处理器。

背景技术

在工程机械租赁行业，每笔租赁业务涉及大额的租金。为了保证基于SaaS模式的多租户工程机械租赁系统业务数据安全，也为了业务数据的变化可追溯，必须完整地记录整个租赁业务链上的数据变更。

现有技术通常是在业务代码中嵌入一段记录数据变更(新增、修改、删除)的代码。以修改业务数据为例，通常是在数据变更之前从数据库查询一次数据，变更之后从数据库再查询一次数据，然后比对变更之前与变更之后的所有字段值是否有变化，如果有则向变更记录表中插入变更记录。这种技术方案在业务数据变更前后各查询一次数据库，徒增业务数据库的访问量，影响其性能。将业务代码与非业务代码——记录数据变更的代码糅合在一起，造成代码侵入，违背“高内聚、低耦合”原则，提高了代码之间的耦合性，同时，业务功能与记录数据变更功能集成在业务系统中，一旦记录数据变更性能异常，不可避免地影响业务系统的性能。在每个数据变更处写入记录数据变更的代码，不仅造成冗余代码，也容易出现遗漏，也无法记录DBA直接在数据库中对业务数据进行的变更，从而影响数据库数据变更记录的准确性、完整性。且通常采用硬编码的方式记录数据变更，即必须修改代码才能将每一次的数据变更记录下来，无法根据数据库变更配置以软编码的方式灵活地实现数据变更记录。

发明内容

本申请实施例的目的是提供一种数据的处理方法、处理系统、存储介质及处理器。

为了实现上述目的，本申请第一方面提供一种数据的处理方法，包括：

获取数据源的配置信息，以使分布式计算引擎通过配置信息与数据源建立连接，其中，配置信息包括数据源的访问地址、端口、库名、用户名以及密码中的至少一者；

实时通过分布式计算引擎的捕获组件捕获数据源中发生变更的变更数据；

获取针对数据源的最新的处理规则；

判断处理规则中是否存在针对变更数据的处理规则；

在存在针对变更数据的处理规则的情况下，通过预设反序列化器解析变更数据，以确定变更数据的变更类型、变更前值以及变更后值，并根据处理规则对解析后的变更数据进行相应的规则处理；

根据变更类型、变更前值以及变更后值确定变更数据中发生变更的属性，并按照预设模板输出规则处理后的变更数据；

通过输出算子将规则处理后的变更数据传输至分布式消息队列组件，以将规则处理后的变更数据存储至搜索数据分析引擎。

在本申请的实施例中，配置信息还包括数据源的数据库类型，处理方法还包括：获取用户触发的数据恢复指令；根据数据恢复指令筛选出存在数据恢复需求的变更数据；根据数据库类型生成相应的数据恢复规则；根据数据恢复规则生成相应的结构化查询语句，以根据结构化查询语句将存在数据恢复需求的变更数据还原成未发生变更之前的原始数据。

在本申请的实施例中，获取针对数据源的最新的处理规则包括：通过广播流基于预设时间间隔从规则库中获取数据源的处理规则；对比当前处理规则与上一个处理规则；在当前处理规则与上一个处理规则之间存在差异的情况下，根据预设数据模板将当前处理规则进行封装，以得到针对数据源的最新的处理规则；其中，预设数据模板包括id主键、数据源配置id、库名、表名、是否过滤整张表、表字段名、表字段别名、表字段说明、表字段类型、是否过滤表字段、状态、原表主键id字段名、原表租户id字段名、原表创建人字段名、原表创建时间字段名、原表修改人字段名、原表修改时间字段名、原表逻辑删除标记字段名以及数据字典条目中的至少一者。

在本申请的实施例中，配置信息还包括数据源的数据库类型，处理方法还包括：在实时通过分布式计算引擎的捕获组件捕获数据源中发生变更的变更数据之前，根据数据库类型生成针对数据库的检测命令；在根据检测命令确定数据库处于不可用状态的情况下，生成相应的第一提示与建议；在根据检测命令确定数据库处于可用状态的情况下，检测数据库是否已开启数据捕获功能；在数据库未开启数据捕获功能的情况下，生成相应的第二提示并推送开启数据捕获功能的方法至终端；在数据库已开启数据捕获功能的情况下，实时通过分布式计算引擎的捕获组件捕获数据源中发生变更的变更数据。

在本申请的实施例中，处理方法还包括：在不存在针对变更数据的处理规则的情况下，确定变更数据为非关键数据，并对变更数据进行过滤。

在本申请的实施例中，变更类型包括新增、修改以及删除中的至少一者，在变更类型为新增的情况下，解析后的变更数据中包括变更后值，且不包括变更前值；在变更类型为修改的情况下，解析后的变更数据包括变更前值和变更后值；在变更类型为删除的情况下，解析后的变更数据包括变更前值且不包括变更后值。

本申请第二方面提供一种处理器，被配置成执行上述的数据的处理方法。

本申请第三方面提供一种数据的处理装置，包括：

第一数据模块，获取数据源的配置信息和处理规则，以使分布式计算引擎通过配置信息与数据源建立连接，其中，配置信息包括数据源的访问地址、端口、库名、用户名以及密码中的至少一者；

第二数据模块，实时通过分布式计算引擎的捕获组件捕获数据源中发生变更的变更数据；

规则判断模块，获取针对数据源的最新的处理规则；判断处理规则中是否存在针对变更数据的处理规则；

第一处理模块，在存在针对变更数据的处理规则的情况下，通过预设反序列化器解析变更数据，以确定变更数据的变更类型、变更前值以及变更后值，并根据处理规则对解析后的变更数据进行相应的规则处理；

第二处理模块，根据变更类型、变更前值以及变更后值确定变更数据中发生变更的属性，并按照预设模板输出规则处理后的变更数据；

数据存储模块，通过输出算子将规则处理后的变更数据传输至分布式消息队列组件，以将规则处理后的变更数据存储至搜索数据分析引擎。

本申请第四方面提供一种处理系统，包括数据的处理装置。

本申请第五方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得所述处理器被配置成执行上述的数据的处理方法。

上述技术方案，通过获取数据源的配置信息，以使分布式计算引擎通过配置信息与数据源建立连接之后，实时通过分布式计算引擎的捕获组件捕获数据源中发生变更的变更数据，同时，获取针对数据源的最新的处理规则，判断处理规则中是否存在针对变更数据的处理规则。在存在针对变更数据的处理规则的情况下，通过预设反序列化器解析变更数据，以确定变更数据的变更类型、变更前值以及变更后值，并根据处理规则对解析后的变更数据进行相应的规则处理，根据变更类型、变更前值以及变更后值确定变更数据中发生变更的属性，并按照预设模板输出规则处理后的变更数据。最终，通过输出算子将规则处理后的变更数据传输至分布式消息队列组件，以将规则处理后的变更数据存储至搜索数据分析引擎。基于分布式引擎的捕获组件来对变更数据进行捕获的方式，能够在对数据源无代码侵入的情况下，实时捕获并记录数据源中的数据的变更，有效地减少了数据源的冗长代码，降低了数据源业务功能与变更功能的耦合性，提升了数据源的系统性能。这种对记录数据变更进行控制的方式，实现了完整地、准确地、灵活地记录业务数据的变更。

本申请实施例的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本申请实施例，但并不构成对本申请实施例的限制。在附图中：

图1示意性示出了根据本申请实施例的数据的处理方法的流程示意图；

图2示意性示出了根据本申请实施例的一种数据库数据变更记录的框架图；

图3示意性示出了根据本申请实施例的处理系统的结构框图；

图4示意性示出了根据本申请实施例的计算机设备的内部结构图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，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，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实施例，并不用于限制本申请实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的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。

图1示意性示出了根据本申请实施例的数据的处理方法的流程示意图。如图1所示，在本申请一实施例中，提供了一种数据的处理方法，包括以下步骤：

步骤101，获取数据源的配置信息，以使分布式计算引擎通过配置信息与数据源建立连接，其中，配置信息包括数据源的访问地址、端口、库名、用户名以及密码中的至少一者。

步骤102，实时通过分布式计算引擎的捕获组件捕获数据源中发生变更的变更数据。

步骤103，获取针对数据源的最新的处理规则。

步骤104，判断处理规则中是否存在针对变更数据的处理规则。

步骤105，在存在针对变更数据的处理规则的情况下，通过预设反序列化器解析变更数据，以确定变更数据的变更类型、变更前值以及变更后值，并根据处理规则对解析后的变更数据进行相应的规则处理。

步骤106，根据变更类型、变更前值以及变更后值确定变更数据中发生变更的属性，并按照预设模板输出规则处理后的变更数据。

步骤107，通过输出算子将规则处理后的变更数据传输至分布式消息队列组件，以将规则处理后的变更数据存储至搜索数据分析引擎。

配置信息是指用来访问数据库的凭证，当一个客户端想要使用或者共享数据库资源之前，都需向客户端出示该凭证。配置信息可以包括访问地址、端口、库名等，而对于数据库来说，每个数据库都是唯一的，因此每个数据库的配置信息具有唯一性。具体地，在本技术方案中，分布式引擎在对数据源中的数据进行访问之前，需先获取数据源的配置信息包括数据源的访问地址、端口、库名、用户名以及密码，进而通过数据源的配置信息与数据源建立连接，成功访问到数据源中的数据信息。其中，分布式计算引擎可以是指Flink，Flink具有高吞吐、低延迟和高性能的特点，是新一代流式计算引擎，用于对无界和有界数据流进行有状态的计算，对于Flink而言任何类型的数据都是作为事件流产生的，其用于数据分发以及并行化计算的流数据处理。在本技术方案中存在一个数据源配置库，该数据源配置库能够直接获取到不同类型数据库的配置信息并进行统一的管理。数据源配置库的数据结构可以包括id主键、访问地址、端口、库名、表名、用户名、密码、数据库类型、数据库是否可用以及是否开启CDC功能，通过该数据结构直接获取数据源的配置信息并进行存储，分布式计算引擎在对数据源中的数据进行访问之前，则可在数据源配置库中获取数据源的配置信息，从而与数据源建立连接。

捕获数据库中数据变更的技术称为CDC，CDC识别和捕获对数据库中的数据所做的更改，例如数据或数据表的插入、更新、删除等，然后将这些更改按发生的顺序完整记录下来，并实时通过消息中间件传送到下游流程或系统的过程。CDC根据实现机制可以划分为基于查询的离线CDC，以及基于日志的实时CDC。本技术方案中采用的分布式计算引擎的捕获组件可以是指Flink CDC，Flink CDC是一个开源的数据库变更日志捕获和处理框架，它可以实时地从各种数据库中捕获数据变更并将其转换为流式数据。因此，在本技术方案中，Flink从数据源配置库中获取数据源的配置信息与数据源建立连接之后，则可以通过Flink本身的CDC捕获组件实时对数据源中发生变更的变更数据进行捕获。

应当理解的是，由于数据库中会存在大量发生变更的数据，如若将所有发生变更的数据均记录下来，大量的数据堆积会占用内存资源，影响处理器的运行速度。因此，本技术方案中在捕获到数据源中的变更数据之后，需要对这些发生了变更的变更数据进行重要性程度判断，将关键数据进行记录。本技术方案中通过判断变更数据是否存在处理规则来确定变更数据是否为关键数据，具体地，获取针对数据源的最新的处理规则，从而根据最新的处理规则判断每个变更数据是否存在处理规则，如若该变更数据存在处理规则，可以将其确认为关键数据，对于关键数据通过预设反序列化器进行解析，以得到变更数据的变更类型、变更前值以及变更后值。其中，预设反序列化器可以是指实现了Debezium反序列化模式接口类的自定义反序列化器，通过其解析Flink CDC捕捉到的变更数据。其中，Debezium是一个开源分布式增量数据平台，旨在通过捕获数据库的变更来为数据流应用程序提供实时数据。在自定义反序列化器的反序列化方法中，可以解析出变更数据中的库名、表名、变更类型、变更前值、变更后值、变更时间、变更日志文件名、变更位移量。进一步地，在对关键数据解析完毕之后，则可根据处理规则对解析后的数据进行相应的规则处理。其中，处理规则可以包括过滤、隐藏以及排序中的至少一者，例如，以一个变更数据为一张表为例，这张表包括若干列，每一列包括若干字段，根据处理规则的内容确认这张表的第二列不是关键数据，因此需将第二列进行过滤，其余部分进行保留，而对于这张表的第三列，第三列的数据涉及隐私内容，为敏感数据不作为公开数据，因此需将第三列进行隐藏，在将第二列过滤、第三列隐藏之后，想知道原先的第五列是现在的第几列，因此，可以对整张表进行排序。对于规则处理完毕的数据，根据变更数据解析得到的每个数据的变更类型、变更前值以及变更后值可以确定出变更数据中发生变更的属性，即具体是变更数据中的哪一个具体数据发生了变更动作，并按照预设模板输出规则处理后的变更数据。其中，预设模板可以包括库名、表名、表字段名、表字段别名、表字段说明、表字段类型、操作类型变更时间、变更人、变更日志文件名、变更位移量、租户id名、租户id值、原表主键id字段名、原表主键id字段值、数据源配置id、调用链、数据字典条目，特殊属性：原值(变更之前的值)、新值(变更之后的值)。

进一步地，通过输出算子将规则处理后的变更数据传输至分布式消息队列组件，以将规则处理后的变更数据存储至搜索数据分析引擎。其中，输出算子可以是指addSink，addSink可以实现与外部系统连接，并将数据提交写入至外部系统。分布式消息队列组件可以是指kafka，具备高吞吐量、易扩展、跨平台等特性。在很多的分布式实时计算系统中都会使用Kafka，它能够解决系统组件之间的耦合依赖、实现流数据传输管道、系统数据流高峰缓冲等问题。Kafka具有一定的跨平台性和可持久性，消息延迟在毫秒级以内同时保证消息传输的有序性，低延时实现高并发流数据采集，并支持离线、实时数据处理。具体地，在本技术方案中使用addSink算子传入实现了Kafka序列化模式的自定义的序列化类来序列化前述处理结果作为输出数据传送到Kafka，并通过Kafka将数据存储至搜索数据分析引擎。由于数据变更频繁且变更数据量大，需要一个扩展性功能强大的存储空间，因此，搜索数据分析引擎可以是指Elasticsearch，Elasticsearch可以近乎实时的存储、检索数据，且扩展性很好，可以扩展到上百台服务器，处理PB级别的数据。

上述技术方案，基于分布式引擎的捕获组件来对变更数据进行捕获的方式，能够在对数据源无代码侵入的情况下，实时捕获并记录数据源中的数据的变更，有效地减少了数据源的冗长代码，降低了数据源业务功能与变更功能的耦合性，提升了数据源的系统性能。这种对记录数据变更进行控制的方式，实现了完整地、准确地、灵活地记录业务数据的变更。

图1为一个实施例中数据的处理方法的流程示意图。应该理解的是，虽然图1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，这些步骤可以以其他的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子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，这些子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的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，配置信息还包括数据源的数据库类型，其中，数据库类型可以包括MySQL、Oracle、SQLServer以及PostgreSQL等四种不同类型，在未直接声明数据库的具体类型的情况下，默认MySQL为当前数据库的类型。在按照预设模板输出规则处理后的变更数据之后，处理器会根据变更数据的变更类型执行相应的记录手段，例如新增、修改、逻辑删除以及物理删除。在处理器将变更数据记录下来之后，用户发现发生变更的数据与实际需求不符，例如，用户本意为将A表的第三行删除，但是在进行操作时错误地将A表中的第二行删除，因此，用户需将错误删除的数据进行恢复。具体地，处理器获取用户触发的数据恢复指令，从而可以根据数据恢复指令筛选出存在数据恢复需求的变更数据。根据数据库类型生成相应的数据恢复规则，根据数据恢复规则生成相应的结构化查询语句，以根据结构化查询语句将存在数据恢复需求的变更数据还原成未发生变更之前的原始数据。例如，处理器根据用户触发的指令确定出需要恢复的变更数据为A表中的第三行，第三行的变更类型为删除，根据数据库的类型生成与“删除”对应的数据恢复规则，即将删除的部分完整保留并恢复，以将A表的第三行数据完整还原。具体地，如表1所示，提供了不同操作类型对应生成结构化查询语句的规则，如下所示：

表1生成数据恢复SQL语句规则

在一个实施例中，在捕获到数据源中发生变更的变更数据之后，需通过最新的处理规则对变更数据进行重要程度判断，以将重要程度高即关键数据进行保留。本技术方案中存在一个规则库，该规则库能够将用户制定的处理规则进行统一的管理，处理器可以从该规则库中获取最新的处理规则，具体地，处理器可以通过广播流基于预设时间间隔从规则库中获取数据源的处理规则，对比当前处理规则与上一个处理规则，在当前处理规则与上一个处理规则之间存在差异的情况下，根据预设数据模板将当前处理规则进行封装，以得到针对数据源的最新的处理规则。其中，预设数据模板包括id主键、数据源配置id、库名、表名、是否过滤整张表、表字段名、表字段别名、表字段说明、表字段类型、是否过滤表字段、状态、原表主键id字段名、原表租户id字段名、原表创建人字段名、原表创建时间字段名、原表修改人字段名、原表修改时间字段名、原表逻辑删除标记字段名以及数据字典条目中的至少一者。应当理解的是，处理器从规则库获取最新的处理规则是通过广播流进行获取的，而广播流需要预先定义。对于广播流的定义，首先定义一个规则数据采集器，该规则采集器包括定时器，能够每隔数秒从规则库中采集最新规则配置，将这些规则封装成规则对象，其数据采集模型为：id主键、数据源配置id、库名、表名、是否过滤整张表、表字段名、表字段别名、表字段说明、表字段类型、是否过滤表字段、状态、原表主键id字段名、原表租户id字段名、原表创建人字段名、原表创建时间字段名、原表修改人字段名、原表修改时间字段名、原表逻辑删除标记字段名、数据字典条目。其次，定义一个广播状态描述器和一个规则数据流，将规则采集器接入，使用规则数据流的broadcast方法传入广播状态描述器创建广播流，通过该广播流能够实时监听规则库中的最新配置数据广播给所有数据流的计算任务，从而使得规则采集器能够将规则库中最新的处理规则采集给处理器。

在一个实施例中，在实时通过分布式计算引擎的捕获组件捕获数据源中发生变更的变更数据之前，根据数据库类型生成针对数据库的检测命令。其中，数据库类型可以包括MySQL、Oracle、SQLServer以及PostgreSQL等四种不同类型。在根据数据源数据库类型生成针对数据库的检测命令之后，通过检测命令检测数据库是否处于可用状态，在根据检测命令确定数据库处于不可用状态的情况下，生成相应的第一提示与建议。在根据检测命令确定数据库处于可用状态的情况下，检测数据库是否已开启数据捕获功能。在数据库未开启数据捕获功能的情况下，生成相应的第二提示并推送开启数据捕获功能的方法至终端。具体地，可以设置数据库是否可用的值为Y，否则设置为N，如若数据库是否可用值为N，则提示数据库不可用，生成建议检测数据库的访问地址、端口、用户名以及密码是否正确。如若数据库是否可用值为Y，则数据库可用，检测数据库是否开启数据捕获CDC功能，设置是否开启CDC功能的值为Y，否则设置为N。如若检测到是否开启CDC功能的值为N，则提示数据库未开启CDC功能不能实现数据变更记录，并推送不同类型数据库开启CDC功能的详细方法。如若是否开启CDC功能的值为Y，则CDC功能已开启，在数据库开启CDC功能的情况下，实时通过Flink CDC捕获数据源中发生变更的变更数据。

在一个实施例中，由于数据库中会存在大量发生变更的数据，如若将所有发生变更的数据均记录下来，大量的数据堆积会占用内存资源，影响处理器的运行速度。因此，本技术方案中在捕获到数据源中的变更数据之后，需要对这些发生了变更的变更数据进行重要性程度判断，将关键数据进行记录。本技术方案中通过判断变更数据是否存在处理规则来确定变更数据是否为关键数据，具体地，获取针对数据源的最新的处理规则，从而根据最新的处理规则判断每个变更数据是否存在处理规则，如若该变更数据存在处理规则，可以将其确认为关键数据，对于关键数据通过预设反序列化器进行解析，以得到变更数据的变更类型、变更前值以及变更后值。如若该变更数据不在处理器规则，则将该变更数据确定为非关键数据，无需记录该变更数据并将该变更数据进行过滤。

进一步地，变更数据的变更类型包括新增、修改以及删除中的至少一者，在变更类型为新增的情况下，解析后的变更数据中包括变更后值，且不包括变更前值。在变更类型为修改的情况下，解析后的变更数据包括变更前值和变更后值。在变更类型为删除的情况下，解析后的变更数据包括变更前值且不包括变更后值。在对变更数据解析完毕之后，根据与变更数据对应的处理规则对解析完毕后的变更数据进行处理。具体地，如表2所示，提供了一种单表单字段的处理方法，以处理规则为过滤为例，设置过滤为Y，否则为N，如下所示：

表2表字段值变更过滤方法

在一个实施例中，如图2所示，提供了一种数据库数据变更记录的框架图，包括：

配置管理，管理数据源配置、规则配置。其中数据源配置负责管理需要记录数据变更的数据库信息。规则配置负责管理规则配置库中的数据变更处理规则。

变更处理，从数据源中分别取得原始数据、变更数据处理规则数据，再根据变更数据处理规则判断原始数据是否有变更、是否需要输出变更结果。

结果处理，存储并展示变更结果，并生成还原语句。

在一个实施例中，如图3所示，提供了一种数据的处理装置，包括：

第一数据模块310，获取数据源的配置信息和处理规则，以使分布式计算引擎通过配置信息与数据源建立连接，其中，配置信息包括数据源的访问地址、端口、库名、用户名以及密码中的至少一者；

第二数据模块320，实时通过分布式计算引擎的捕获组件捕获数据源中发生变更的变更数据；

规则判断模块330，获取针对数据源的最新的处理规则；判断处理规则中是否存在针对变更数据的处理规则；

第一处理模块340，在存在针对变更数据的处理规则的情况下，通过预设反序列化器解析变更数据，以确定变更数据的变更类型、变更前值以及变更后值，并根据处理规则对解析后的变更数据进行相应的规则处理；

第二处理模块350，根据变更类型、变更前值以及变更后值确定变更数据中发生变更的属性，并按照预设模板输出规则处理后的变更数据；

数据存储模块360，通过输出算子将规则处理后的变更数据传输至分布式消息队列组件，以将规则处理后的变更数据存储至搜索数据分析引擎。

本技术方案，实现了在对业务功能无代码侵入的情况下记录业务表数据的变更，降低了耦合性，减少了冗余代码，提升了业务数据库及业务系统的性能，能完整地、准确地、灵活地记录数据库中业务数据的变更轨迹。

本申请实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现上述数据的处理方法。

本申请实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述数据的处理方法。

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4所示。该计算机设备包括通过系统总线连接的处理器A01、网络接口A02、存储器(图中未示出)和数据库(图中未示出)。其中，该计算机设备的处理器A01用于提供计算和控制能力。该计算机设备的存储器包括内存储器A03和非易失性存储介质A04。该非易失性存储介质A04存储有操作系统B01、计算机程序B02和数据库(图中未示出)。该内存储器A03为非易失性存储介质A04中的操作系统B01和计算机程序B02的运行提供环境。该计算机设备的数据库用于存储数据的处理数据。该计算机设备的网络接口A02用于与外部的终端通过网络连接通信。该计算机程序B02被处理器A01执行时以实现一种数据的处理方法。

本领域技术人员可以理解，图4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。

本申请实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现数据的处理方法步骤。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化数据的处理方法步骤的程序。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框，以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所做的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。