基于SQL的APP流量数据处理方法、装置、设备及存储介质与流程

基于sql的app流量数据处理方法、装置、设备及存储介质
技术领域
1.本发明涉及数据采集的埋点追踪技术领域，尤其揭露了一种基于sql的app流量数据处理方法、装置、设备及存储介质。


背景技术：

2.热力图是分析app(application，应用程序)访问者进行交互和用户行为的一个简单而有效的方式，通过热力图可体现出app点击、浏览、触达率、注意力等各种指标，帮助使用者分析出用户的行为轨迹，以令使用者洞察出当前的市场趋势，并根据市场趋势及时制定出具有针对性的经营决策依据，同时可提高用户对app的体验效果，进而提升app用户注册量、日活量、留存率和获客转化率等。
3.目前，基于大数据的热力图数据分析的计算框架包括mapreduce、spark、flink等，而这些计算框架对java，scala等语言编码水平要求较高，且现有的数据分析技术大部分都是基于hive搭建hadoop数据仓库，且主要通过sql语言进行编写，因此对于大部分数据分析的开发人员来说，若要使用上述的计算框架，会与底层引擎编码存在不匹配的问题，由此也会出现数据分析技术门槛高和开发维护成本高等问题，进而可能会抛弃对hive的开发，丧失了hive的快速开发、可扩展性强、可延展性高等优势。因此本领域技术人员亟需寻找一种新的技术方案来解决如何匹配hive和计算框架的技术问题。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种基于sql的app流量数据处理方法、装置、设备及存储介质，本发明基于sql开发的拼接完成的可执行sql都可在各个计算框架运行，对于计算框架的适用性强，且其app流量统计结果能准确反映出用户的行为轨迹和习惯，同时保留了数据仓库hive的可快速开发、可扩展性强、可延展性高等优点。
5.一种基于sql的app流量数据处理方法，包括：
6.在接收到app的流量数据处理指令后，获取所述app的关系映射表；所述关系映射表中表征了所述app的app埋点条件与热力图之间的映射关系；
7.根据第一目标函数从所述关系映射表拼接得到一行可执行sql，并将该行可执行sql写入至分布式文件系统中的预设远程存储路径；
8.根据目标命令将所述预设远程存储路径中存储的所述一行可执行sql转换成本地变量，并在读取本地变量后，获取并执行所述一行可执行sql，将执行该行可执行sql完成后的执行结果存储至数据仓库工具中；
9.根据数据仓库工具的侧视图和第二目标函数将数据仓库工具中存储的所述一行可执行sql对应的执行结果转换成多行app流量统计结果，并将多行app流量统计结果同步显示至前端页面中。
10.一种基于sql的app流量数据处理装置，包括：
11.获取模块，用于在接收到app的流量数据处理指令后，获取所述app的关系映射表；
所述关系映射表中表征了所述app的app埋点条件与热力图之间的映射关系；
12.写入模块，用于根据第一目标函数从所述关系映射表拼接得到一行可执行sql，并将该行可执行sql写入至分布式文件系统中的预设远程存储路径；
13.存储模块，用于根据目标命令将所述预设远程存储路径中存储的所述一行可执行sql转换成本地变量，并在读取本地变量后，获取并执行所述一行可执行sql，将执行该行可执行sql完成后的执行结果存储至数据仓库工具中；
14.同步模块，用于根据数据仓库工具的侧视图和第二目标函数将数据仓库工具中存储的所述一行可执行sql对应的执行结果转换成多行app流量统计结果，并将多行app流量统计结果同步显示至前端页面中。
15.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种基于sql的app流量数据处理方法。
16.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述一种基于sql的app流量数据处理方法。
17.上述一种基于sql的app流量数据处理方法、装置、设备及存储介质，在接收到app的流量数据处理指令后，获取所述app的关系映射表；所述关系映射表中表征了所述app的app埋点条件与热力图之间的映射关系；根据第一目标函数从所述关系映射表拼接得到一行可执行sql，并将该行可执行sql写入至分布式文件系统中的预设远程存储路径；根据目标命令将所述预设远程存储路径中存储的所述一行可执行sql转换成本地变量，并在读取本地变量后，获取并执行所述一行可执行sql，将执行该行可执行sql完成后的执行结果存储至数据仓库工具中；根据数据仓库工具的侧视图和第二目标函数将数据仓库工具中存储的所述一行可执行sql对应的执行结果转换成多行app流量统计结果，并将多行app流量统计结果同步显示至前端页面中；一方面app流量统计结果能准确反映出用户的行为轨迹以及用户习惯，使用者可根据精确的统计结果作出针对的措施，以提高用户的体验效果；另一方面app流量统计结果是基于sql开发的，而目前市场流行的三大计算框架mapreduce、spark和flink都存在可用sql进行开发的sql模块，因此本发明基于sql开发的拼接完成的可执行sql都可在各个计算框架运行，并得到满足于统计需求的app流量统计结果；同时由于本发明是基于sql开发的，因此能通过sql较好对接于数据仓库hive，适用于大多数的开发人员所使用的开发语言，降低了人工的开发条件，同时保留之前使用数据仓库hive的优点，如快速开发、可扩展性强和可延展性高。
附图说明
18.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
19.图1是本发明一实施例中一种基于sql的app流量数据处理方法的一应用环境示意图；
20.图2是本发明一实施例中一种基于sql的app流量数据处理方法的一流程图；
21.图3是本发明一实施例中一种基于sql的app流量数据处理装置的结构示意图；
22.图4是本发明一实施例中计算机设备的一示意图。
具体实施方式
23.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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，都属于本发明保护的范围。
24.本发明提供的一种基于sql的app流量数据处理方法，可应用在如图1的应用环境中，其中，客户端通过网络与服务器进行通信。其中，客户端可以包括但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
25.在一实施例中，如图2所示，提供一种基于sql的app流量数据处理方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：
26.s10，在接收到app的流量数据处理指令后，获取所述app的关系映射表；所述关系映射表中表征了所述app的app埋点条件与热力图之间的映射关系；
27.可理解地，埋点主要用于对特定用户行为或事件进行捕获、处理和发送的相关技术及实施过程，其中，app埋点条件可通过埋点事件进行反映，而埋点事件可为页面停留时长、点击事件(用户点前端页面上的一个按钮则会记录一次数据)、曝光时间(用户进入一个前端页面时则记录一次数据，刷新一次页面也会记录一次数据)；热力图是指用明显显示方式显示用户访问前端页面情况的图示；app埋点条件与热力图的关系映射表是用户预先配置成功的一个具有多行的关系表(该每一行都对应唯一的埋点id)，具体是用户预先在多个前端页面中各个页面位置进行埋点，也即将埋点id与前端页面中各个页面位置进行关联对应，其中该埋点id对应app埋点条件，而app埋点条件能反映出埋点事件的触发情况，触发情况能以数据的形式被记录，该数据可用于生成热力图，如app埋点条件与热力图的关系映射表可为页面名称对应埋点id，前端页面的“首页”对应pv00，“我的”对应pv01，“首页”和“我的”若被用户点击，埋点id对应的app埋点条件被触发，系统可记录“首页”和“我的”被触发的次数，生成对应的热力图；本实施例可通过关系映射表来对app流量进行统计，其中，app流量的来源包括但不限于新用户、活跃用户、活跃账号、日、周何月活用户等，通过统计结果可分析出用户的行为轨迹和浏览习惯等。
28.s20，根据第一目标函数从所述关系映射表拼接得到一行可执行sql，并将该行可执行sql写入至分布式文件系统中的预设远程存储路径；
29.可理解地，预设存储路径为hdfs目录中一个指定的远程存储路径，其中，hdfs为分布式文件系统，该分布式文件系统为hadoop，是指被设计成适合运行在通用硬件上的分布式文件系统；第一目标函数为udaf函数；实施例是将多个数据行的关系映射表转换成一个数据输出行(也即一行可执行sql)，因此使用的第一目标函数
‑
udaf函数为聚集函数udaf；具体地，拼接出一行可执行sql的过程为：首先通过sql语句中的select从关系映射表中选取埋点id(如埋点id
‑
a)；接着将另外的埋点id(如埋点id
‑
b)对于的字段数据的和作为页面访问量，并在字段数据的和是大于预设数据阈值时，将大于预设数据阈值的字段数据的和作为独立访客量；然后通过sql语句中的select从关系映射表中选取出埋点id，通过对该埋
点id进行select count(1)运算后，确定出字段数据的和，同时定义数据的各种情况，如from关系映射表、where时间条件和group by字段或埋点id；最后将上述埋点id对应的字段数据与另外的埋点id对应的字段数据进行拼接(如从另外的埋点id
‑
b对应的字段数据的左边加入埋点id
‑
a对应的字段数据，同时上述对应的字段数据已全部定义好)，具体地，拼接出的一行可执行sql可包括：
30.select a.id_name，sum(b.cnt)as pv，sum(if(b.cnt>0，1，0))as uv
31.from关系映射表m a
32.left join(
33.select id_str，phone_no，count(1)as cnt
34.from埋点表t
35.where day＝'2021
‑
08
‑
13'
36.group by id_str，phone_no)b
37.on a.id_str＝b.id_str
38.group by a.id_name。
39.s30，根据目标命令将所述预设远程存储路径中存储的所述一行可执行sql转换成本地变量，并在读取本地变量后，获取并执行所述一行可执行sql，将执行该行可执行sql完成后的执行结果存储至数据仓库工具中；
40.可理解地，目标命令为hadoop命令，hadoop命令与上述分布式文件系统hadoop存在关联，该命令为hadoop shell命令，本地变量是由shell命令创建而成；本地变量是仅可以在用户当前shell生命期的脚本中使用的变量，本地变量随着shell脚本进程的消亡而无效，其中，该本地量为linux的变量，当进入到系统时，通过linux读取本地变量(该环境变量可确定出一行可执行sql的预设远程存储路径)，以通过本地变量获取到一行可执行sql，并对该行可执行sql进行执行；数据仓库工具为hive。
41.s40，根据数据仓库工具的侧视图和第二目标函数将数据仓库工具中存储的所述一行可执行sql对应的执行结果转换成多行app流量统计结果，并将多行app流量统计结果同步显示至前端页面中。
42.可理解地，第二目标函数为udtf函数；数据仓库工具的侧视图为hive的lateral view，其中，侧视图lateral view和第二目标函数
‑
udtf函数结合一起使用，将一行可执行sql对应的执行结果和udtf函数输出的数据连接，生成一张新的虚拟表(多行app流量统计结果，包括但不限于页面访问量、独立访客量和每天用户访问量)，如一行可执行sql对应的执行结果为1，2，3，通过转换后变成同步显示使用的是数据传递工具
‑
sqoop工具，通过该工具可将数据仓库工具hive中的数据转换成hadoop数据，其中，该hadoop数据用于显示至前端页面中，且显示的数据已为统计完成的数据(多行app流量统计结果)。
43.步骤s10至步骤s40的实施例中，一方面app流量统计结果能准确反映出用户的行为轨迹以及用户习惯，使用者可根据精确的统计结果作出针对的措施，以提高用户的体验效果；另一方面app流量统计结果是基于sql开发的，而目前市场流行的三大计算框架mapreduce、spark和flink都存在可用sql进行开发的sql模块，因此本发明基于sql开发的
拼接完成的可执行sql都可在各个计算框架运行，并得到满足于统计需求的app流量统计结果；同时由于本发明是基于sql开发的，因此能通过sql较好对接于数据仓库hive，适用于大多数的开发人员所使用的开发语言，降低了人工的开发条件，同时保留之前使用数据仓库hive的优点，如快速开发、可扩展性强和可延展性高。
44.进一步地，所述获取所述app的关系映射表之前，还包括：
45.在前端页面中预设目标的页面位置设置所述app埋点条件；
46.为所述app埋点条件设置热力图的数据分析条件，根据所述热力图的数据分析方法设置所述app埋点条件和所述热力图的关系映射表。
47.可理解地，前端页面中存在多个可供埋点的预设目标的页面位置，前端页面中的各个按钮可作为预设目标的页面位置，如前端页面中按钮为“首页”、“关于我们”和“我的”等，其中，一个预设目标的页面位置对应一个埋点，该埋点存在一个唯一的埋点id，如pv00、pv01等；app埋点条件是指上述预设目标的页面位置所对应的具有唯一的埋点id的埋点被触发，埋点被触发包括按钮被点击、用户成功进入到另一个页面、用户在页面的停留时长等；数据分析条件是用于生成热力图的方式，包括随机抽样和利用所有点，由于将前端页面的预设目标的页面位置都进行埋点，每次埋点对应的app埋点条件被触发，可记录该埋点所对应的预设目标的页面位置的数据，并作为渲染成热力图的数据来源(该热力图中包含前端页面中所有页面位置，在预设目标的页面位置被触发时，热力图中的预设目标的页面位置会呈现高亮形式)，同时利用上述数据分析条件生成对应的热力图；本实施例预先配置对应的关系映射表，可基于预设的统计需求规则设置好app的埋点条件，生成满足于统计需求的数据。
48.进一步地，所述根据目标命令将所述预设远程存储路径中存储的所述一行可执行sql转换成本地变量，包括：
49.根据所述目标命令将分布式文件系统组成集群中的预设远程存储路径存储的sql移动到本地客户端，并将所述客户端中的所述一行可执行sql作为所述本地变量。
50.可理解地，目标命令
‑
hadoop命令可将分布式文件系统
‑
hadoop(分布式文件系统组成的hadoop集群)上某个文件存储至本地已有的目录中或者将分布式文件系统
‑
hadoop指定目录下所有内容保存为一个文件，同时存储至本地中，其中，上述的本地是指本地客户端；本地变量为linux的变量，其指当前shell中的变量，包含环境变量和非环境变量，非环境变量不具备继承性，而环境变量是指进入系统后，通过linux读入系统中的环境变量，该环境变量可用于确定登录用户名、命令路径、终端类型和登录目录中；本实施例中的本地变量将定义出一个关于shell的运行环境，以供后续步骤的正常运行。
51.进一步地，所述步骤s40之后，还包括：
52.在获取到所述前端页面中的关系映射表的重新配置指令后，根据重新配置的关系映射表对该关系映射表对应的可执行sql进行调整。
53.可理解地，关系映射表设置在一个可供用户进行查阅设置的前端页面中，例如，用户可根据统计需求设置对应的埋点id，也即重新设置对应的app埋点条件，之前“首页”对应的埋点id为pv00，通过统计需求可设置为pv01，假设之前pv00对应的是点击的埋点事件，而pv01对应的是页面停留的埋点事件；调整的过程可存在一个预设时间段，如以小时或者天数设置的预设时间段，在配置完成后，映射关系改变，且映射关系表所调度的数据也将改
变，生成的热力图也会与之前存在不同；本实施例只需要登录关系配置表对应的前端页面，即可完成业务逻辑的修改，无需更改系统中的计算逻辑，大大提高系统的操作效率和操作简便性。
54.进一步地，所述根据数据仓库工具的侧视图和第二目标函数将数据仓库工具中存储的所述一行可执行sql对应的执行结果转换成多行app流量统计结果，包括：
55.根据所述第二目标函数调用预设初始化方法，并通过所述预设初始化方法获取与所述一行可执行sql对应的执行结果所关联的返回行数据；
56.根据所述第二目标函数调用预设进程方法，并通过所述预设进程方法和所述返回行数据对所述一行可执行sql对应的执行结果进行调用，生成多行第一数据；
57.获取所述数据仓库工具的侧视图根据数据仓库工具中存储的执行结果输出的多行第二数据；
58.将每一行所述第一数据和所述第二数据进行拼接，得到所述多行app流量统计结果。
59.可理解地，数据仓库工具的侧视图为hive的lateral view，该lateral view可与udtf类功能函数一起使用，数据表中的每一行和udtf函数(第二目标函数)输出的每一行进行连接，生成一张新的虚拟表，其中，可对udtf函数产生的数据设置字段名称，新加的字段名称可以使用在sort by，group by等语句中，lateral view的作用是可以用于扩展原来的表数据；预设初始化方法为initialize方法(若未使用该方法，则无需对生成第一数据的过程进行初始化)，该方法用于返回udtf函数的返回行数据，用于对使用udtf函数的过程进行初始化，其中，返回行数据包括但不限于返回个数和类型；预设进程方法为process方法，与该方法关联为process函数，具体地，在通过initialize方法初始化后，得到返回行数据，在返回行数据下，通过process函数的一次调用后产生一行数据；本实施例还包括close方法，其中，该close方法对上述提到预设初始化方法和预设进程方法进行清理操作；本实施例通过数据仓库工具的侧视图将udtf函数的输入(第二数据)和输出(第一数据)进行连接，进而得到满足于统计需求的多行app流量统计结果。
60.进一步地，所述将多行app流量统计结果同步显示至前端页面中，包括：
61.在通过数据传递工具获取上次的多行app流量统计结果同步显示至前端页面中时所记录的最后值后，根据所述最后值设置数据传递工具中的脚本参数；
62.在通过数据传递工具中的同步脚本运行所述脚本参数后，将当前的多行app流量统计结果同步显示至所述前端页面中。
63.可理解地，数据传递工具为sqoop工具，sqoop工具是将关系数据库数据(hive)与hadoop之间的数据进行传递的工具；最后值是指last
‑
value值，该值是可从1开始进行增量同步(通过sqoop工具中的append模式实现)，上次同步显示至前端页面中所记录的最后值是指上次将hive中的数据同步hadoop数据中，在同步完成后(通过exec your
‑
sync
‑
job查询后，确定出是否同步完成)，last
‑
value值变化后的值(如从1变换到其他数字，通过show your
‑‑
sync
‑
job查询后，确定出当前的last
‑
value值)，且用于设置脚本参数，才能保证正确同步；本实施例会直接去获取当前同步过程中上次同步显示至前端页面中所记录的最后值，并根据该最后值设置脚本参数，通过同步脚本运行脚本参数后，将行app流量统计结果直接同步显示至前端页面中，以供使用者直接且清楚观看到各种前端叶念的统计结果，并
根据各种统计结果确定出用户对于app的各种使用情况等。
64.综上所述，上述提供了一种基于sql的app流量数据处理方法，一方面app流量统计结果能准确反映出用户的行为轨迹以及用户习惯，使用者可根据精确的统计结果作出针对的措施，以提高用户的体验效果；另一方面app流量统计结果是基于sql开发的，而目前市场流行的三大计算框架mapreduce、spark和flink都存在可用sql进行开发的sql模块，因此本发明基于sql开发的拼接完成的可执行sql都可在各个计算框架运行，并得到满足于统计需求的app流量统计结果；同时由于本发明是基于sql开发的，因此能通过sql较好对接于数据仓库hive，适用于大多数的开发人员所使用的开发语言，降低了人工的开发条件，同时保留之前使用数据仓库hive的优点，如快速开发、可扩展性强和可延展性高；另外本方法预先配置对应的关系映射表，可基于预设的统计需求规则设置好app的埋点条件，生成满足于统计需求的数据；另外本方法只需要登录关系配置表对应的前端页面，即可完成业务逻辑的修改，无需更改系统中的计算逻辑，大大提高系统的操作效率和操作简便性。
65.应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
66.在一实施例中，提供一种基于sql的app流量数据处理装置，该一种基于sql的app流量数据处理装置与上述实施例中一种基于sql的app流量数据处理方法一一对应。如图3所示，该一种基于sql的app流量数据处理装置包括获取模块11、写入模块12、存储模块13和同步模块14。各功能模块详细说明如下：
67.获取模块11，用于在接收到app的流量数据处理指令后，获取所述app的关系映射表；所述关系映射表中表征了所述app的app埋点条件与热力图之间的映射关系；
68.写入模块12，用于根据第一目标函数从所述关系映射表拼接得到一行可执行sql，并将该行可执行sql写入至分布式文件系统中的预设远程存储路径；
69.存储模块13，用于根据目标命令将所述预设远程存储路径中存储的所述一行可执行sql转换成本地变量，并在读取本地变量后，获取并执行所述一行可执行sql，将执行该行可执行sql完成后的执行结果存储至数据仓库工具中；
70.同步模块14，用于根据数据仓库工具的侧视图和第二目标函数将数据仓库工具中存储的所述一行可执行sql对应的执行结果转换成多行app流量统计结果，并将多行app流量统计结果同步显示至前端页面中。
71.进一步地，所述所述基于sql的app流量数据处理装置还包括：
72.第一设置模块，用于在前端页面中预设目标的页面位置设置所述app埋点条件；
73.第二设置模块，用于为所述app埋点条件设置热力图的数据分析条件，根据所述热力图的数据分析方法设置所述app埋点条件和所述热力图的关系映射表。
74.进一步地，所述存储模块包括：
75.移动子模块，用于根据所述目标命令将分布式文件系统组成集群中的预设远程存储路径存储的sql移动到本地客户端，并将所述客户端中的所述一行可执行sql作为所述本地变量。
76.进一步地，所述基于sql的app流量数据处理装置还包括：
77.调整模块，用于在获取到所述前端页面中的关系映射表的重新配置指令后，根据
重新配置的关系映射表对该关系映射表对应的可执行sql进行调整。
78.进一步地，所述同步模块包括：
79.第一获取子模块，用于根据所述第二目标函数调用预设初始化方法，并通过所述预设初始化方法获取与所述一行可执行sql对应的执行结果所关联的返回行数据；
80.生成子模块，用于根据所述第二目标函数调用预设进程方法，并通过所述预设进程方法和所述返回行数据对所述一行可执行sql对应的执行结果进行调用，生成多行第一数据；
81.第二获取子模块，用于获取所述数据仓库工具的侧视图根据数据仓库工具中存储的执行结果输出的多行第二数据；
82.拼接子模块，用于将每一行所述第一数据和所述第二数据进行拼接，得到所述多行app流量统计结果。
83.进一步地，所述同步模块包括：
84.设置子模块，用于在通过sqoop工具获取上次的多行app流量统计结果同步显示至前端页面中时所记录的最后值后，根据所述最后值设置sqoop工具中的脚本参数；
85.同步子模块，用于在通过sqoop工具中的同步脚本运行所述脚本参数后，将当前的多行app流量统计结果同步显示至所述前端页面中。
86.关于一种基于sql的app流量数据处理装置的具体限定可以参见上文中对于一种基于sql的app流量数据处理方法的限定，在此不再赘述。上述一种基于sql的app流量数据处理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。
87.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、存储器、网络接口和数据库。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、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一种基于sql的app流量数据处理方法中涉及到的数据。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基于sql的app流量数据处理方法。
88.在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中一种基于sql的app流量数据处理方法的步骤，例如图2所示的步骤s10至步骤s30。或者，处理器执行计算机程序时实现上述实施例中一种基于sql的app流量数据处理装置的各模块/单元的功能，例如图3所示模块11至模块13的功能。为避免重复，这里不再赘述。
89.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上述实施例中一种基于sql的app流量数据处理方法的步骤，例如图2所示的步骤s10至步骤s30。或者，计算机程序被处理器执行时实现上述实施例中一种基于sql的app流量数据处理装置的各模块/单元的功能，例如图3所示模块11至模块13的功能。为避免重复，这里不再赘述。
90.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，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
91.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
92.以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。