1.本公开涉及数据仓库
技术领域：
：，特别是涉及一种数据处理方法、数据读取方法、装置及数据仓库系统。
背景技术：
：：2.数据仓库(datawarehouse，简称dw)，是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合。3.在数据仓库建设(特别是实时数据仓库建设)过程中，需要对数据仓库中的服务数据层(datawarehouseservice，简称dws)进行设计，以使得dws层数据能够满足不断增长的数据服务需求。4.即，需要一种能够满足不断增长的数据服务需求的dws层构建方案。技术实现要素：5.本公开要解决的一个技术问题是提供一种能够满足不断增长的数据服务需求的dws层构建方案。6.根据本公开的第一个方面，提供了一种应用于数据仓库中服务数据层的数据处理方法，包括：计算数据在一个或多个指标名下的指标值；将由主键、指标名以及与指标名对应的指标值组成的指标数据写入存储部件，其中，主键用于表征计算指标值所依赖的数据集合的唯一性。7.根据本公开的第二个方面，还提供了一种数据读取方法，包括：基于指标名从存储部件读取指标名字段的字段值与指标名一致的指标数据，其中，存储部件被配置为存储到中间件中的指标数据包括主键字段、指标名字段以及指标值字段，主键字段用于表征计算指标数据的指标值字段所依赖的数据集合的唯一性，指标值字段用于表征与指标名字段对应的计算值；将读取的指标数据中具有相同主键的指标数据进行聚合；输出聚合后数据。8.根据本公开的第三个方面，还提供了一种数据仓库系统，包括：原始数据层组件，用于获取数据；数据清洗层组件，用于对原始数据层组件获取的数据进行清洗；服务数据层组件，用于计算数据清洗层组件清洗后的数据在一个或多个指标名字段下的指标值，将由主键、指标名以及与指标名对应的指标值组成的指标数据写入存储部件，其中，主键用于表征计算指标值所依赖的数据集合的唯一性。9.根据本公开的第四个方面，还提供了一种应用于数据仓库中服务数据层的数据处理装置，包括：计算模块，用于计算数据在一个或多个指标名下的指标值；写入模块，用于将由主键、指标名以及与指标名对应的指标值组成的指标数据写入存储部件，其中，主键用于表征计算指标值所依赖的数据集合的唯一性。10.根据本公开的第五个方面，还提供了一种数据读取装置，包括：读取模块，用于基于指标名从存储部件读取指标名字段的字段值与指标名一致的指标数据，其中，存储部件被配置为存储到中间件中的指标数据包括主键字段、指标名字段以及指标值字段，主键字段用于表征计算指标数据的指标值字段所依赖的数据集合的唯一性，指标值字段用于表征与指标名字段对应的计算值；聚合模块，用于将读取的指标数据中具有相同主键的指标数据进行聚合；输出模块，用于输出聚合后数据。11.根据本公开的第六个方面，提供了一种计算设备，包括：处理器；以及存储器，其上存储有可执行代码，当可执行代码被处理器执行时，使处理器执行如上述第一方面或第二方面所述的方法。12.根据本公开的第七个方面，提供了一种非暂时性机器可读存储介质，其上存储有可执行代码，当可执行代码被电子设备的处理器执行时，使处理器执行如上述第一方面或第二方面所述的方法。13.由此，通过将存储到存储部件的指标数据的结构限定为主键字段、指标名字段以及指标值字段，并按照“主键 指标名 指标值”的数据格式将计算得到的指标数据存储到存储部件，可以将指标开发和使用进行解耦，增强数据仓库模型建设的复用性及易维护性。附图说明14.通过结合附图对本公开示例性实施方式进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施方式中，相同的参考标号通常代表相同部件。15.图1示出了数据仓库系统的结构示意图。16.图2示出了根据本公开一个实施例的数据处理方法的示意性流程图。17.图3示出了根据本公开一个实施例的数据读取方法的示意性流程图。18.图4示出了根据本公开一个实施例的数据写入和读取流程示意图。19.图5示出了根据本公开一实施例的应用于数据仓库中服务数据层的数据处理装置的结构示意图。20.图6示出了根据本公开一个实施例的数据读取装置的结构示意图。21.图7示出了根据本公开一个实施例的计算设备的结构示意图。具体实施方式22.下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。23.图1示出了数据仓库系统的结构示意图。24.如图1所示，数据仓库系统为分层结构，由下到上分别为原始数据层(operationdatastore，简称ods)组件、数据明细清洗层(datawarehousedetail，简称dwd)组件、服务数据层(datawarehouseservice，简称dws)组件以及应用数据层(applicationdatastore，简称ads)组件。25.ods层组件用于获取数据，ods层组件可以对获取的数据保持原貌不做处理。即，ods层组件存储的数据可以称为原始数据。例如，ods层组件可以直接加载原始日志数据。26.dwd层组件用于对ods层组件的数据进行清洗。例如，dwd层组件可以对ods层组件的数据执行去除空值、去除脏数据等清洗操作。27.dws层组件用于基于dwd层组件清洗后的数据，整合汇总成分析某一个主题域的服务数据，一般是宽表，具备高复用性特点。28.ads层组件一般出数据报表或应用接口数据。29.数据仓库建设分为离线和实时两种。离线是指等一段间内数据全部产出后再进行数据加工，从数据时效上看是离线进行的批量数据加工。实时有别于离线处理，是指近乎实时地对数据进行加工处理，将数据从上游系统经过加工后传输到下游。30.为了满足多场景下的数据服务需求，在数据仓库建设(特别是实时数据仓库建设)过程中，需要对dws层组件进行设计，以使得dws层组件能够满足不断增长的数据服务需求。31.以数据需求场景包括“建设买家天粒度的聚合交易指标，如最近一天下单金额、最近一天支付金额、最近一天下单商品数”等指标数据为例，一般可以采用如下两种实时数据仓库建设方案。32.方案一、直接基于dwd层数据加工出ads层数据用于项目使用，无任何可复用性。33.方案二、建设一个包括“买家id”、“最近一天下单金额”、“最近一天支付金额”、“最近一天下单商品数”这4个指标字段的dws层。由此，dws层数据可以被下游多个场景或项目使用，但如果数据需求场景需要增加新的指标字段(例如增加“最近一天支付商品数”)时，会导致以下几个缺点：1)需要对dws层代码进行修改，且随着需求指标的增加，代码的可维护性越来越差，且需要做较多的空值预留增加实时无效数存储；2)修改完的代码需要进行任务的重启才能生效，若数据异常可能导致下游生产环境数据错误或元数据改变后的任务运行出错，即新指标的计算可能会影响老指标的使用。34.因此，在数据仓库建设(尤其是实时数据仓库建设)的过程中，如何构建一种能够提高开发效率且能够满足不断增长的数据服务需求的dws层，是目前亟需解决的一个技术问题。35.图2示出了根据本公开一个实施例的数据处理方法的示意性流程图。图2所示方法可以应用于数据仓库中的服务数据层组件，即可以由数据仓库系统中的服务数据层组件执行图2所示的方法，以对数据(如数据明细清洗层组件清洗后的数据)进行处理，得到能够满足多数据需求场景下的指标数据。36.在结合图2描述本公开的数据处理方法之前，首先就本公开涉及的若干概念进行示例性说明。37.本公开述及的存储部件用于存储指标数据，存储部件可以被配置为存储到存储部件中的指标数据包括主键字段、指标名字段以及指标值字段。其中，存储部件可以视为一种中间件结构，且存储部件可以是在执行图2所示方法之前预先设计的。38.可以通过对原始数据(如数据清洗层组件清洗后的数据)进行指标计算得到指标数据。存储部件中存储的指标数据可以视为用于满足多种需求场景(如指标需求场景)下的服务数据。存储部件定义了存储到其中的指标数据至少包括主键字段、指标名字段以及指标值字段这三个字段。39.主键字段用于表征计算指标数据的指标值字段所依赖的数据集合的唯一性，数据集合中可以包括一条或多条数据。其中，可以将计算指标数据的指标值字段所依赖的数据集合中数据所共有的字段值或字段值组合作为主键，也即可以将数据集合中数据所共有但与数据集合之外数据相比，数据集合中数据所独有的字段值或字段值组合作为主键。例如，主键可以由数据集合中数据关联的时间维度字段值和至少一个实体维度字段值组成，实体维度字段值是指数据的具有特定物理含义的字段值，如用户id。40.指标名，也即指标的名称。每个指标名用于指代一种类型的指标。指标名可以由人为定义或基于一定命名规则定义。并且可以规定不同指标名指代的指标不同，即不同指标名之间不重复。41.指标值字段用于表征与指标名字段对应的计算值，指标值可以是数值也可以是字符。为了提高数据存储和使用效率，指标值字段可以是多值字段，即单个指标名可以对应多个指标值，此时指标名定义可以是用于计算多个指标值的指标名，如可以将指标名4定义为与“买家最近一天下单金额、支付金额、下单商品数”这多个指标值对应的指标名。42.由此，本公开述及的指标名可以分为第一指标名和第二指标名两种。第一指标名是用于计算单个指标值的指标名，即与第一指标名对应的指标值为一个。第二指标名是用于计算多个(至少两个)指标值的指标名，即与第二指标名对应的指标值为多个。43.参见图2，在步骤s110，计算数据在一个或多个指标名下的指标值。44.此处述及的数据可以是指由dwd层组件清洗后的数据。45.本公开可以根据需求确定主键和指标名。此处述及的需求可以是指数据需求场景下的指标需求，该需求可以是真实需求，也可以是基于先验知识确定的虚拟需求。其中，每个主键可以关联一个或多个指标名，主键可以用于反映计算与该主键关联的指标名所对应的指标值时需要依赖的数据集合中数据所共有的字段值或字段值组合。其中，需要依赖的数据集合中数据所共有的字段值或字段值组合，也即与数据集合之外的数据相比，数据集合中数据所独有的字段值或字段值组合。由此，在计算某一指标时，可以根据指标对应的主键来确定计算该指标需要依赖的数据集合。46.以数据需求场景为“获取买家最近一天下单金额”这一指标需求为例，可以将“买家id 下单日期”作为主键，将指标名a定义为“买家最近一天下单金额”。主键“买家id 下单日期”相同的数据即为计算指标名a对应的指标值时需要依赖的数据。47.在确定了主键和指标名后，可以对dwd层组件清洗后的数据进行汇总处理，以计算数据在一个或多个指标名下的指标值。48.以主键用于反映计算与主键关联的指标名所对应的指标值时需要依赖的数据集合中数据所共有的字段值或字段值组合为例，可以针对dwd层组件清洗后的数据中具有相同主键的数据进行计算，以得到这些数据在相应指标名(即与主键关联的指标名)下的指标值。49.作为示例，本公开可以用于实时数据仓库建设，即计算用数据可以是指实时数据。在要计算的指标为多个的情况下，可以针对每个指标名设定一个实时任务，然后对这多个针对不同指标名的实时任务进行并行处理，以得到不同指标名下的指标值。50.在步骤s120，将由主键、指标名以及与指标名对应的指标值组成的指标数据写入存储部件。此处述及的主键也即步骤s110计算与指标名对应的指标值时依赖的数据集中数据所共有的主键。51.作为示例，除了上述三个字段外，还可以定义与数据仓库运维相关的基本字段，如存储部件名称、版本号、数据所在区号等。存储部件可以被配置为存储到存储部件中的指标数据除了包括上述三个字段外，还包括与数据仓库运维相关的基本字段。由此，在执行步骤s120时，可以将由主键、指标名、与指标名对应的指标值以及基本字段值组成的指标数据写入存储部件。52.通过将存储到存储部件的指标数据的结构限定为主键字段、指标名字段以及指标值字段，并按照“主键 指标名 指标值”的数据格式将计算得到的指标数据存储到存储部件，可以将指标开发和使用进行解耦，增强数据仓库模型建设的复用性及易维护性。53.上文结合图2是从指标开发(即指标数据写入)角度描述的，下面从指标使用(即指标数据读取)角度做进一步说明。54.图3示出了根据本公开一个实施例的数据读取方法的示意性流程图，图3所示方法可以由ads层组件执行。55.参见图3，在步骤s210，基于指标名从存储部件读取指标名字段的字段值与指标名一致的数据。存储部件中存储的指标数据至少由“主键 指标名 指标值”三个字段组成，关于存储部件可以参见上文相关描述，此处不再赘述。56.在需要读取数据时，可以根据具体的指标读取需求，确定与指标读取需求对应的指标名，然后基于确定的指标名，从存储部件中读取指标名字段的字段值与确定的指标名一致的数据。57.举例来说，假设需要获取“买家最近一天下单金额”这一指标，那么可以将定义与“买家最近一天下单金额”一致的指标名(如指标名1)确定为需要读取的指标名，然后从存储部件中读取指标名字段的字段值与指标名1一致的指标数据。58.需要读取的指标名可以是多个(至少两个)，此时可以针对每个指标名从存储部件读取指标名字段的字段值与该指标名一致的指标数据。59.在步骤s220，将读取的数据中具有相同主键的数据进行聚合。60.从存储部件读取的指标数据至少由“主键 指标名 指标值”三个字段组成。在需要读取的指标名为多个的情况下，通过将读取的指标数据中具有相同主键的数据进行聚合，可以得到同一主键维度下的多条指标计算结果。61.举例来说，假设需要读取“买家最近一天下单金额”、“买家最近一天支付金额”、“买家最近一天下单商品数”这三种指标，通过将读取的指标数据中具有相同主键“买家id 日期”的数据进行聚合，可以得到一条同时包含上述三种指标的指标数据，即聚合后每条指标数据用于反映同一买家在同一日期的最近一天下单金额、最近一天支付金额、最近一天下单商品数。由此，聚合后每条数据能够表征同一主键维度下的不同指标计算结果。62.在步骤s230，输出聚合后数据。63.可以采用但不限于数据表(如宽表)的方式输出聚合后数据。关于聚合后数据的具体输出方式本公开的侧重点，此处不再赘述。64.下面以实时数据仓库建设为例，就公开的指标数据写入和读取过程做进一步说明。图4示出了根据本公开一个实施例的数据写入和读取流程示意图。其中，写入流程可以由数据仓库系统中的dws层组件执行，读取流程可以由数据仓库系统中的ads层组件执行。如图4所示，可以在中间件中存储实时数据的指标计算结果，即上文述及的指标数据。中间件也即上文述及的存储部件，具体可以参见上文相关描述，此处不再赘述。65.1、写入流程66.首先可以设计主键(rowkey)字段、指标名(tag_name)字段以及指标值(tag_value)字段。其中，可以将一个或多于一个的实体维度 时间维度来组成主键，如可以将“buyer_id 日期”组成主键；指标名需要定义且不同指标名之间不能重复；指标值存储对应指标名的计算值。67.然后可以创建针对不同指标的实时任务，不同实时任务可以并行执行，以得到对应指标名的指标值计算结果。68.在计算得到指标值后，可以按照“主键 指标名 指标值”的格式写入中间件。69.作为示例，写入中间件的示例性核心代码可以表示为：70.insertintott_name71.selectrowkey72.,'tag_name'astag_name73.,tag_value74.,from_unixtime(unix_timestamp())asdw_ins_time75.fromtablea76.；77.其中，tt_name用于表示中间件名称，tablea用于表征数据表a，数据表a也即计算用数据所在表。78.如上文所述，为了提高数据存储效率和使用效率，同一指标名对应的指标值字段可以是多值字段，多值字段场景下写入中间件的示例性核心代码可以表示为：79.insertintott_name80.selectrowkey81.,'tag_name3'astag_name82.,concat_ws(chr(4),value1,value2)astag_value83.,from_unixtime(unix_timestamp())asdw_ins_time84.fromtablea85.；86.2、读取流程87.可以基于实际需求，按需订阅需要的指标数据，并进行聚合宽表落地数据。如图4所示，可以基于指标名按需从中间件中读取与指标名对应的指标数据。对于读取的指标数据，还可以基于主键进行聚合，以将对应于相同主键的多条指标数据聚合为一条数据。88.作为示例，从中间件读取指标数据的示例性核心代码可以表示为：89.selectrowkey90.,last_value(casewhentag_name＝'tag_name1'thentag_valueend)asvalue191.,last_value(casewhentag_name＝'tag_name2'thentag_valueend)asvalue292.fromtt_name93.wheretag_namein('tag_name1','tag_name2')94.groupbyrowkey95.；96.如上文所述，为了提高数据存储效率和使用效率，同一指标名对应的指标值字段可以是多值字段，多值字段场景下从中间件读取指标数据的示例性核心代码可以表示为：97.selectrowkey98.,last_value(casewhentag_name＝'tag_name3'thensplit_index(tag_value,chr(4),0)end)asvalue3_099.,last_value(casewhentag_name＝'tag_name3'thensplit_index(tag_value,chr(4),1)end)asvalue3_1100.fromtt_name101.wheretag_namein('tag_name3')102.groupbyrowkey103.；104.综上，本公开在指标的计算和指标的使用上进行了解耦，实现了指标使用的高复用性，同时代码的可维护性也提升明显。并且随着指标的增加，新指标的计算不需要影响老的指标的代码，且在存储使用上没有无效数据存储。这是因为之前订阅的中间件元数据结构没有改变所以下游已上线实时任务也无需重启生效，不需要担心下游的影响。105.图5示出了根据本公开一个实施例的应用于数据仓库中服务数据层的数据处理装置的结构示意图。其中数据处理装置的功能模块可以由实现本公开原理的硬件、软件或硬件和软件的结合来实现。本领域技术人员可以理解的是，图5所描述的功能模块可以组合起来或者划分成子模块，从而实现上述发明的原理。因此，本文的描述可以支持对本文描述的功能模块的任何可能的组合、或者划分、或者更进一步的限定。106.下面就数据处理装置可以具有的功能模块以及各功能模块可以执行的操作做简要说明，对于其中涉及的细节部分可以参见上文相关描述，这里不再赘述。107.参见图5，数据处理装置500包括计算模块510和写入模块520。108.计算模块510用于计算数据在一个或多个指标名下的指标值。写入模块520用于将由主键、指标名以及与指标名对应的指标值组成的指标数据写入存储部件，其中，主键用于表征计算所述指标值所依赖的数据集合的唯一性。109.数据处理装置500还可以包括确定模块，确定模块用于根据需求确定主键和指标名，其中，每个主键关联一个或多个指标名，主键用于反映计算与主键关联的指标名所对应的指标值时需要依赖的数据集合中数据所共有的字段值或字段值组合。计算模块520可以针对具有相同主键的数据进行计算，以得到这些数据在与主键关联的指标名下的指标值。110.数据处理装置500还可以包括设计模块。设计模块用于设计用于存储指标数据的存储部件，存储部件被配置为存储到存储部件中的指标数据包括主键字段、指标名字段以及指标值字段，主键字段用于表征计算指标数据的指标值字段所依赖的数据集合的唯一性，指标值字段用于表征与指标名字段对应的计算值。111.存储部件可以被配置为存储到存储部件中的指标数据还包括与数据仓库运维相关的基本字段。写入模块530可以将由主键、指标名、与指标名对应的指标值以及基本字段值组成的指标数据写入存储部件。112.数据可以为实时数据，计算模块520可以针对每个指标名设定一个实时计算任务，并对多个针对不同指标名的实时计算任务进行并行处理，以得到不同指标名下的指标值。113.图6示出了根据本公开一个实施例的数据读取装置的结构示意图。其中数据读取装置可以部署在数据仓库系统中的应用数据层组件。数据读取装置的功能模块可以由实现本公开原理的硬件、软件或硬件和软件的结合来实现。本领域技术人员可以理解的是，图6所描述的功能模块可以组合起来或者划分成子模块，从而实现上述发明的原理。因此，本文的描述可以支持对本文描述的功能模块的任何可能的组合、或者划分、或者更进一步的限定。114.下面就数据读取装置可以具有的功能模块以及各功能模块可以执行的操作做简要说明，对于其中涉及的细节部分可以参见上文相关描述，这里不再赘述。115.参见图6，数据读取装置600包括读取模块610、聚合模块620以及输出模块630。116.读取模块610用于基于指标名从存储部件读取指标名字段的字段值与所述指标名一致的指标数据，其中，所述存储部件被配置为存储到所述存储部件中的指标数据包括主键字段、指标名字段以及指标值字段，所述主键字段用于表征计算所述指标数据的指标值字段所依赖的数据集合的唯一性，所述指标值字段用于表征与所述指标名字段对应的计算值。聚合模块620用于将读取的指标数据中具有相同主键的指标数据进行聚合。输出模块630用于输出聚合后数据。117.图7示出了根据本公开一个实施例的计算设备的结构示意图。118.参见图7，计算设备700包括存储器710和处理器720。119.处理器720可以是一个多核的处理器，也可以包含多个处理器。在一些实施例中，处理器720可以包含一个通用的主处理器以及一个或多个特殊的协处理器，例如图形处理器(gpu)、数字信号处理器(dsp)等等。在一些实施例中，处理器720可以使用定制的电路实现，例如特定用途集成电路(asic，applicationspecificintegratedcircuit)或者现场可编程逻辑门阵列(fpga，fieldprogrammablegatearrays)。120.存储器710可以包括各种类型的存储单元，例如系统内存、只读存储器(rom)，和永久存储装置。其中，rom可以存储处理器720或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器710可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(dram，sram，sdram，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器710可以包括可读和/或写的可移除的存储设备，例如激光唱片(cd)、只读数字多功能光盘(例如dvd-rom，双层dvd-rom)、只读蓝光光盘、超密度光盘、闪存卡(例如sd卡、minsd卡、micro-sd卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。121.存储器710上存储有可执行代码，当可执行代码被处理器720处理时，可以使处理器720执行上文述及的数据处理方法或数据读取方法。122.上文中已经参考附图详细描述了根据本发明的数据仓库系统、数据处理方法、数据读取方法及相应装置。123.此外，根据本发明的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本发明的上述方法中限定的上述各步骤的计算机程序代码指令。124.或者，本发明还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质)，其上存储有可执行代码(或计算机程序、或计算机指令代码)，当所述可执行代码(或计算机程序、或计算机指令代码)被电子设备(或计算设备、服务器等)的处理器执行时，使所述处理器执行根据本发明的上述方法的各个步骤。125.本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。126.附图中的流程图和框图显示了根据本发明的多个实施例的系统和方法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，所述模块、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，方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如，两个连续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，框图和/或流程图中的每个方框、以及框图和/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。127.以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本
技术领域：
：的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本
技术领域：
：的其它普通技术人员能理解本文披露的各实施例。当前第1页12当前第1页12
技术领域：
：，特别是涉及一种数据处理方法、数据读取方法、装置及数据仓库系统。
背景技术：
：：2.数据仓库(datawarehouse，简称dw)，是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合。3.在数据仓库建设(特别是实时数据仓库建设)过程中，需要对数据仓库中的服务数据层(datawarehouseservice，简称dws)进行设计，以使得dws层数据能够满足不断增长的数据服务需求。4.即，需要一种能够满足不断增长的数据服务需求的dws层构建方案。技术实现要素：5.本公开要解决的一个技术问题是提供一种能够满足不断增长的数据服务需求的dws层构建方案。6.根据本公开的第一个方面，提供了一种应用于数据仓库中服务数据层的数据处理方法，包括：计算数据在一个或多个指标名下的指标值；将由主键、指标名以及与指标名对应的指标值组成的指标数据写入存储部件，其中，主键用于表征计算指标值所依赖的数据集合的唯一性。7.根据本公开的第二个方面，还提供了一种数据读取方法，包括：基于指标名从存储部件读取指标名字段的字段值与指标名一致的指标数据，其中，存储部件被配置为存储到中间件中的指标数据包括主键字段、指标名字段以及指标值字段，主键字段用于表征计算指标数据的指标值字段所依赖的数据集合的唯一性，指标值字段用于表征与指标名字段对应的计算值；将读取的指标数据中具有相同主键的指标数据进行聚合；输出聚合后数据。8.根据本公开的第三个方面，还提供了一种数据仓库系统，包括：原始数据层组件，用于获取数据；数据清洗层组件，用于对原始数据层组件获取的数据进行清洗；服务数据层组件，用于计算数据清洗层组件清洗后的数据在一个或多个指标名字段下的指标值，将由主键、指标名以及与指标名对应的指标值组成的指标数据写入存储部件，其中，主键用于表征计算指标值所依赖的数据集合的唯一性。9.根据本公开的第四个方面，还提供了一种应用于数据仓库中服务数据层的数据处理装置，包括：计算模块，用于计算数据在一个或多个指标名下的指标值；写入模块，用于将由主键、指标名以及与指标名对应的指标值组成的指标数据写入存储部件，其中，主键用于表征计算指标值所依赖的数据集合的唯一性。10.根据本公开的第五个方面，还提供了一种数据读取装置，包括：读取模块，用于基于指标名从存储部件读取指标名字段的字段值与指标名一致的指标数据，其中，存储部件被配置为存储到中间件中的指标数据包括主键字段、指标名字段以及指标值字段，主键字段用于表征计算指标数据的指标值字段所依赖的数据集合的唯一性，指标值字段用于表征与指标名字段对应的计算值；聚合模块，用于将读取的指标数据中具有相同主键的指标数据进行聚合；输出模块，用于输出聚合后数据。11.根据本公开的第六个方面，提供了一种计算设备，包括：处理器；以及存储器，其上存储有可执行代码，当可执行代码被处理器执行时，使处理器执行如上述第一方面或第二方面所述的方法。12.根据本公开的第七个方面，提供了一种非暂时性机器可读存储介质，其上存储有可执行代码，当可执行代码被电子设备的处理器执行时，使处理器执行如上述第一方面或第二方面所述的方法。13.由此，通过将存储到存储部件的指标数据的结构限定为主键字段、指标名字段以及指标值字段，并按照“主键 指标名 指标值”的数据格式将计算得到的指标数据存储到存储部件，可以将指标开发和使用进行解耦，增强数据仓库模型建设的复用性及易维护性。附图说明14.通过结合附图对本公开示例性实施方式进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施方式中，相同的参考标号通常代表相同部件。15.图1示出了数据仓库系统的结构示意图。16.图2示出了根据本公开一个实施例的数据处理方法的示意性流程图。17.图3示出了根据本公开一个实施例的数据读取方法的示意性流程图。18.图4示出了根据本公开一个实施例的数据写入和读取流程示意图。19.图5示出了根据本公开一实施例的应用于数据仓库中服务数据层的数据处理装置的结构示意图。20.图6示出了根据本公开一个实施例的数据读取装置的结构示意图。21.图7示出了根据本公开一个实施例的计算设备的结构示意图。具体实施方式22.下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。23.图1示出了数据仓库系统的结构示意图。24.如图1所示，数据仓库系统为分层结构，由下到上分别为原始数据层(operationdatastore，简称ods)组件、数据明细清洗层(datawarehousedetail，简称dwd)组件、服务数据层(datawarehouseservice，简称dws)组件以及应用数据层(applicationdatastore，简称ads)组件。25.ods层组件用于获取数据，ods层组件可以对获取的数据保持原貌不做处理。即，ods层组件存储的数据可以称为原始数据。例如，ods层组件可以直接加载原始日志数据。26.dwd层组件用于对ods层组件的数据进行清洗。例如，dwd层组件可以对ods层组件的数据执行去除空值、去除脏数据等清洗操作。27.dws层组件用于基于dwd层组件清洗后的数据，整合汇总成分析某一个主题域的服务数据，一般是宽表，具备高复用性特点。28.ads层组件一般出数据报表或应用接口数据。29.数据仓库建设分为离线和实时两种。离线是指等一段间内数据全部产出后再进行数据加工，从数据时效上看是离线进行的批量数据加工。实时有别于离线处理，是指近乎实时地对数据进行加工处理，将数据从上游系统经过加工后传输到下游。30.为了满足多场景下的数据服务需求，在数据仓库建设(特别是实时数据仓库建设)过程中，需要对dws层组件进行设计，以使得dws层组件能够满足不断增长的数据服务需求。31.以数据需求场景包括“建设买家天粒度的聚合交易指标，如最近一天下单金额、最近一天支付金额、最近一天下单商品数”等指标数据为例，一般可以采用如下两种实时数据仓库建设方案。32.方案一、直接基于dwd层数据加工出ads层数据用于项目使用，无任何可复用性。33.方案二、建设一个包括“买家id”、“最近一天下单金额”、“最近一天支付金额”、“最近一天下单商品数”这4个指标字段的dws层。由此，dws层数据可以被下游多个场景或项目使用，但如果数据需求场景需要增加新的指标字段(例如增加“最近一天支付商品数”)时，会导致以下几个缺点：1)需要对dws层代码进行修改，且随着需求指标的增加，代码的可维护性越来越差，且需要做较多的空值预留增加实时无效数存储；2)修改完的代码需要进行任务的重启才能生效，若数据异常可能导致下游生产环境数据错误或元数据改变后的任务运行出错，即新指标的计算可能会影响老指标的使用。34.因此，在数据仓库建设(尤其是实时数据仓库建设)的过程中，如何构建一种能够提高开发效率且能够满足不断增长的数据服务需求的dws层，是目前亟需解决的一个技术问题。35.图2示出了根据本公开一个实施例的数据处理方法的示意性流程图。图2所示方法可以应用于数据仓库中的服务数据层组件，即可以由数据仓库系统中的服务数据层组件执行图2所示的方法，以对数据(如数据明细清洗层组件清洗后的数据)进行处理，得到能够满足多数据需求场景下的指标数据。36.在结合图2描述本公开的数据处理方法之前，首先就本公开涉及的若干概念进行示例性说明。37.本公开述及的存储部件用于存储指标数据，存储部件可以被配置为存储到存储部件中的指标数据包括主键字段、指标名字段以及指标值字段。其中，存储部件可以视为一种中间件结构，且存储部件可以是在执行图2所示方法之前预先设计的。38.可以通过对原始数据(如数据清洗层组件清洗后的数据)进行指标计算得到指标数据。存储部件中存储的指标数据可以视为用于满足多种需求场景(如指标需求场景)下的服务数据。存储部件定义了存储到其中的指标数据至少包括主键字段、指标名字段以及指标值字段这三个字段。39.主键字段用于表征计算指标数据的指标值字段所依赖的数据集合的唯一性，数据集合中可以包括一条或多条数据。其中，可以将计算指标数据的指标值字段所依赖的数据集合中数据所共有的字段值或字段值组合作为主键，也即可以将数据集合中数据所共有但与数据集合之外数据相比，数据集合中数据所独有的字段值或字段值组合作为主键。例如，主键可以由数据集合中数据关联的时间维度字段值和至少一个实体维度字段值组成，实体维度字段值是指数据的具有特定物理含义的字段值，如用户id。40.指标名，也即指标的名称。每个指标名用于指代一种类型的指标。指标名可以由人为定义或基于一定命名规则定义。并且可以规定不同指标名指代的指标不同，即不同指标名之间不重复。41.指标值字段用于表征与指标名字段对应的计算值，指标值可以是数值也可以是字符。为了提高数据存储和使用效率，指标值字段可以是多值字段，即单个指标名可以对应多个指标值，此时指标名定义可以是用于计算多个指标值的指标名，如可以将指标名4定义为与“买家最近一天下单金额、支付金额、下单商品数”这多个指标值对应的指标名。42.由此，本公开述及的指标名可以分为第一指标名和第二指标名两种。第一指标名是用于计算单个指标值的指标名，即与第一指标名对应的指标值为一个。第二指标名是用于计算多个(至少两个)指标值的指标名，即与第二指标名对应的指标值为多个。43.参见图2，在步骤s110，计算数据在一个或多个指标名下的指标值。44.此处述及的数据可以是指由dwd层组件清洗后的数据。45.本公开可以根据需求确定主键和指标名。此处述及的需求可以是指数据需求场景下的指标需求，该需求可以是真实需求，也可以是基于先验知识确定的虚拟需求。其中，每个主键可以关联一个或多个指标名，主键可以用于反映计算与该主键关联的指标名所对应的指标值时需要依赖的数据集合中数据所共有的字段值或字段值组合。其中，需要依赖的数据集合中数据所共有的字段值或字段值组合，也即与数据集合之外的数据相比，数据集合中数据所独有的字段值或字段值组合。由此，在计算某一指标时，可以根据指标对应的主键来确定计算该指标需要依赖的数据集合。46.以数据需求场景为“获取买家最近一天下单金额”这一指标需求为例，可以将“买家id 下单日期”作为主键，将指标名a定义为“买家最近一天下单金额”。主键“买家id 下单日期”相同的数据即为计算指标名a对应的指标值时需要依赖的数据。47.在确定了主键和指标名后，可以对dwd层组件清洗后的数据进行汇总处理，以计算数据在一个或多个指标名下的指标值。48.以主键用于反映计算与主键关联的指标名所对应的指标值时需要依赖的数据集合中数据所共有的字段值或字段值组合为例，可以针对dwd层组件清洗后的数据中具有相同主键的数据进行计算，以得到这些数据在相应指标名(即与主键关联的指标名)下的指标值。49.作为示例，本公开可以用于实时数据仓库建设，即计算用数据可以是指实时数据。在要计算的指标为多个的情况下，可以针对每个指标名设定一个实时任务，然后对这多个针对不同指标名的实时任务进行并行处理，以得到不同指标名下的指标值。50.在步骤s120，将由主键、指标名以及与指标名对应的指标值组成的指标数据写入存储部件。此处述及的主键也即步骤s110计算与指标名对应的指标值时依赖的数据集中数据所共有的主键。51.作为示例，除了上述三个字段外，还可以定义与数据仓库运维相关的基本字段，如存储部件名称、版本号、数据所在区号等。存储部件可以被配置为存储到存储部件中的指标数据除了包括上述三个字段外，还包括与数据仓库运维相关的基本字段。由此，在执行步骤s120时，可以将由主键、指标名、与指标名对应的指标值以及基本字段值组成的指标数据写入存储部件。52.通过将存储到存储部件的指标数据的结构限定为主键字段、指标名字段以及指标值字段，并按照“主键 指标名 指标值”的数据格式将计算得到的指标数据存储到存储部件，可以将指标开发和使用进行解耦，增强数据仓库模型建设的复用性及易维护性。53.上文结合图2是从指标开发(即指标数据写入)角度描述的，下面从指标使用(即指标数据读取)角度做进一步说明。54.图3示出了根据本公开一个实施例的数据读取方法的示意性流程图，图3所示方法可以由ads层组件执行。55.参见图3，在步骤s210，基于指标名从存储部件读取指标名字段的字段值与指标名一致的数据。存储部件中存储的指标数据至少由“主键 指标名 指标值”三个字段组成，关于存储部件可以参见上文相关描述，此处不再赘述。56.在需要读取数据时，可以根据具体的指标读取需求，确定与指标读取需求对应的指标名，然后基于确定的指标名，从存储部件中读取指标名字段的字段值与确定的指标名一致的数据。57.举例来说，假设需要获取“买家最近一天下单金额”这一指标，那么可以将定义与“买家最近一天下单金额”一致的指标名(如指标名1)确定为需要读取的指标名，然后从存储部件中读取指标名字段的字段值与指标名1一致的指标数据。58.需要读取的指标名可以是多个(至少两个)，此时可以针对每个指标名从存储部件读取指标名字段的字段值与该指标名一致的指标数据。59.在步骤s220，将读取的数据中具有相同主键的数据进行聚合。60.从存储部件读取的指标数据至少由“主键 指标名 指标值”三个字段组成。在需要读取的指标名为多个的情况下，通过将读取的指标数据中具有相同主键的数据进行聚合，可以得到同一主键维度下的多条指标计算结果。61.举例来说，假设需要读取“买家最近一天下单金额”、“买家最近一天支付金额”、“买家最近一天下单商品数”这三种指标，通过将读取的指标数据中具有相同主键“买家id 日期”的数据进行聚合，可以得到一条同时包含上述三种指标的指标数据，即聚合后每条指标数据用于反映同一买家在同一日期的最近一天下单金额、最近一天支付金额、最近一天下单商品数。由此，聚合后每条数据能够表征同一主键维度下的不同指标计算结果。62.在步骤s230，输出聚合后数据。63.可以采用但不限于数据表(如宽表)的方式输出聚合后数据。关于聚合后数据的具体输出方式本公开的侧重点，此处不再赘述。64.下面以实时数据仓库建设为例，就公开的指标数据写入和读取过程做进一步说明。图4示出了根据本公开一个实施例的数据写入和读取流程示意图。其中，写入流程可以由数据仓库系统中的dws层组件执行，读取流程可以由数据仓库系统中的ads层组件执行。如图4所示，可以在中间件中存储实时数据的指标计算结果，即上文述及的指标数据。中间件也即上文述及的存储部件，具体可以参见上文相关描述，此处不再赘述。65.1、写入流程66.首先可以设计主键(rowkey)字段、指标名(tag_name)字段以及指标值(tag_value)字段。其中，可以将一个或多于一个的实体维度 时间维度来组成主键，如可以将“buyer_id 日期”组成主键；指标名需要定义且不同指标名之间不能重复；指标值存储对应指标名的计算值。67.然后可以创建针对不同指标的实时任务，不同实时任务可以并行执行，以得到对应指标名的指标值计算结果。68.在计算得到指标值后，可以按照“主键 指标名 指标值”的格式写入中间件。69.作为示例，写入中间件的示例性核心代码可以表示为：70.insertintott_name71.selectrowkey72.,'tag_name'astag_name73.,tag_value74.,from_unixtime(unix_timestamp())asdw_ins_time75.fromtablea76.；77.其中，tt_name用于表示中间件名称，tablea用于表征数据表a，数据表a也即计算用数据所在表。78.如上文所述，为了提高数据存储效率和使用效率，同一指标名对应的指标值字段可以是多值字段，多值字段场景下写入中间件的示例性核心代码可以表示为：79.insertintott_name80.selectrowkey81.,'tag_name3'astag_name82.,concat_ws(chr(4),value1,value2)astag_value83.,from_unixtime(unix_timestamp())asdw_ins_time84.fromtablea85.；86.2、读取流程87.可以基于实际需求，按需订阅需要的指标数据，并进行聚合宽表落地数据。如图4所示，可以基于指标名按需从中间件中读取与指标名对应的指标数据。对于读取的指标数据，还可以基于主键进行聚合，以将对应于相同主键的多条指标数据聚合为一条数据。88.作为示例，从中间件读取指标数据的示例性核心代码可以表示为：89.selectrowkey90.,last_value(casewhentag_name＝'tag_name1'thentag_valueend)asvalue191.,last_value(casewhentag_name＝'tag_name2'thentag_valueend)asvalue292.fromtt_name93.wheretag_namein('tag_name1','tag_name2')94.groupbyrowkey95.；96.如上文所述，为了提高数据存储效率和使用效率，同一指标名对应的指标值字段可以是多值字段，多值字段场景下从中间件读取指标数据的示例性核心代码可以表示为：97.selectrowkey98.,last_value(casewhentag_name＝'tag_name3'thensplit_index(tag_value,chr(4),0)end)asvalue3_099.,last_value(casewhentag_name＝'tag_name3'thensplit_index(tag_value,chr(4),1)end)asvalue3_1100.fromtt_name101.wheretag_namein('tag_name3')102.groupbyrowkey103.；104.综上，本公开在指标的计算和指标的使用上进行了解耦，实现了指标使用的高复用性，同时代码的可维护性也提升明显。并且随着指标的增加，新指标的计算不需要影响老的指标的代码，且在存储使用上没有无效数据存储。这是因为之前订阅的中间件元数据结构没有改变所以下游已上线实时任务也无需重启生效，不需要担心下游的影响。105.图5示出了根据本公开一个实施例的应用于数据仓库中服务数据层的数据处理装置的结构示意图。其中数据处理装置的功能模块可以由实现本公开原理的硬件、软件或硬件和软件的结合来实现。本领域技术人员可以理解的是，图5所描述的功能模块可以组合起来或者划分成子模块，从而实现上述发明的原理。因此，本文的描述可以支持对本文描述的功能模块的任何可能的组合、或者划分、或者更进一步的限定。106.下面就数据处理装置可以具有的功能模块以及各功能模块可以执行的操作做简要说明，对于其中涉及的细节部分可以参见上文相关描述，这里不再赘述。107.参见图5，数据处理装置500包括计算模块510和写入模块520。108.计算模块510用于计算数据在一个或多个指标名下的指标值。写入模块520用于将由主键、指标名以及与指标名对应的指标值组成的指标数据写入存储部件，其中，主键用于表征计算所述指标值所依赖的数据集合的唯一性。109.数据处理装置500还可以包括确定模块，确定模块用于根据需求确定主键和指标名，其中，每个主键关联一个或多个指标名，主键用于反映计算与主键关联的指标名所对应的指标值时需要依赖的数据集合中数据所共有的字段值或字段值组合。计算模块520可以针对具有相同主键的数据进行计算，以得到这些数据在与主键关联的指标名下的指标值。110.数据处理装置500还可以包括设计模块。设计模块用于设计用于存储指标数据的存储部件，存储部件被配置为存储到存储部件中的指标数据包括主键字段、指标名字段以及指标值字段，主键字段用于表征计算指标数据的指标值字段所依赖的数据集合的唯一性，指标值字段用于表征与指标名字段对应的计算值。111.存储部件可以被配置为存储到存储部件中的指标数据还包括与数据仓库运维相关的基本字段。写入模块530可以将由主键、指标名、与指标名对应的指标值以及基本字段值组成的指标数据写入存储部件。112.数据可以为实时数据，计算模块520可以针对每个指标名设定一个实时计算任务，并对多个针对不同指标名的实时计算任务进行并行处理，以得到不同指标名下的指标值。113.图6示出了根据本公开一个实施例的数据读取装置的结构示意图。其中数据读取装置可以部署在数据仓库系统中的应用数据层组件。数据读取装置的功能模块可以由实现本公开原理的硬件、软件或硬件和软件的结合来实现。本领域技术人员可以理解的是，图6所描述的功能模块可以组合起来或者划分成子模块，从而实现上述发明的原理。因此，本文的描述可以支持对本文描述的功能模块的任何可能的组合、或者划分、或者更进一步的限定。114.下面就数据读取装置可以具有的功能模块以及各功能模块可以执行的操作做简要说明，对于其中涉及的细节部分可以参见上文相关描述，这里不再赘述。115.参见图6，数据读取装置600包括读取模块610、聚合模块620以及输出模块630。116.读取模块610用于基于指标名从存储部件读取指标名字段的字段值与所述指标名一致的指标数据，其中，所述存储部件被配置为存储到所述存储部件中的指标数据包括主键字段、指标名字段以及指标值字段，所述主键字段用于表征计算所述指标数据的指标值字段所依赖的数据集合的唯一性，所述指标值字段用于表征与所述指标名字段对应的计算值。聚合模块620用于将读取的指标数据中具有相同主键的指标数据进行聚合。输出模块630用于输出聚合后数据。117.图7示出了根据本公开一个实施例的计算设备的结构示意图。118.参见图7，计算设备700包括存储器710和处理器720。119.处理器720可以是一个多核的处理器，也可以包含多个处理器。在一些实施例中，处理器720可以包含一个通用的主处理器以及一个或多个特殊的协处理器，例如图形处理器(gpu)、数字信号处理器(dsp)等等。在一些实施例中，处理器720可以使用定制的电路实现，例如特定用途集成电路(asic，applicationspecificintegratedcircuit)或者现场可编程逻辑门阵列(fpga，fieldprogrammablegatearrays)。120.存储器710可以包括各种类型的存储单元，例如系统内存、只读存储器(rom)，和永久存储装置。其中，rom可以存储处理器720或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器710可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(dram，sram，sdram，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器710可以包括可读和/或写的可移除的存储设备，例如激光唱片(cd)、只读数字多功能光盘(例如dvd-rom，双层dvd-rom)、只读蓝光光盘、超密度光盘、闪存卡(例如sd卡、minsd卡、micro-sd卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。121.存储器710上存储有可执行代码，当可执行代码被处理器720处理时，可以使处理器720执行上文述及的数据处理方法或数据读取方法。122.上文中已经参考附图详细描述了根据本发明的数据仓库系统、数据处理方法、数据读取方法及相应装置。123.此外，根据本发明的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本发明的上述方法中限定的上述各步骤的计算机程序代码指令。124.或者，本发明还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质)，其上存储有可执行代码(或计算机程序、或计算机指令代码)，当所述可执行代码(或计算机程序、或计算机指令代码)被电子设备(或计算设备、服务器等)的处理器执行时，使所述处理器执行根据本发明的上述方法的各个步骤。125.本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。126.附图中的流程图和框图显示了根据本发明的多个实施例的系统和方法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，所述模块、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，方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如，两个连续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，框图和/或流程图中的每个方框、以及框图和/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。127.以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本
技术领域：
：的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本
技术领域：
：的其它普通技术人员能理解本文披露的各实施例。当前第1页12当前第1页12
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
