[发明专利]数据查询方法及装置

说明书

本申请公开了一种数据查询方法及装置。其中，该方法包括：获取第一查询请求，所述第一查询请求包括至少一个第一属性名称与至少一个第一属性值，其中，所述第一属性名称与所述第一属性值一一对应；根据所述第一查询请求确定第一目标规则集；遍历所述第一目标规则集中的各个规则，查找与所述第一属性值关联的第一目标规则；基于所述第一目标规则查询对应的第一目标设备标识；从所述第一目标设备标识对应的第一目标设备中获取第一查询结果；根据所述第一查询结果确定目标结果。本申请解决了现有技术中，利用MapReduce框架针对大规模数据查询效率较低的技术问题。

技术领域

本申请涉及计算机领域，具体而言，涉及一种数据查询方法及装置。

背景技术

随着互联网的持续发展，我们可收集获取的数据呈爆炸式增长，数据规模在不断增大。尽管数据的收集存储技术还在不断进步和日趋成熟，但是如何快速的查询并获取如此庞大的数据变成了一个新的问题。在传统的单机数据库中，通常都是通过建立索引的方法以提高数据的查询效率，但是随着数据规模的不断增大和查询语句的逐渐复杂化和多样化，传统数据库的查询方法已经很难满足大规模数据的查询需求。

MapReduce是一种分布式架构模型，用于大规模的数据的并行处理。MapReduce 模型借鉴了函数式程序设计语言中的内置函数Map和Reduce，主要思想为将大规模数据处理作业拆分成多个可独立运行的Map任务，分布到多个处理机上运行，产生一定量的中间结果，再通过Reduce任务混洗合并产生最终的输出文件。MapReduce的出现，较好的解决了大规模数据的查询和计算等问题。并且作为第一代分布式架构， MapReduce已经比较好的考虑了数据存储、调度、通信、容错管理、负载均衡等很多问题，并且提供了相对规范的编程结构，用户可以通过Java、C++或Python等编程语言编写Map和Reduce函数就可以实现对海量数据的处理，而不需要考虑分布式系统的执行细节。

面对持续增长的业务数据总量以及日益复杂的实际应用需求，MapReduce也逐渐被用于大规模数据的查询问题中，特别是针对大规模数据的复杂查询问题，MapReduce 可以通过将复杂的查询语句分布到多台设备进行并行查找以获得较快的响应速度。与单机数据查询相比，MapReduce查询有着更快的查询效率，同时对设备的性能要求更低，因此被广泛的应用在不同的查询场景中。

但是基于MapReduce框架的查询方案也存在一些缺陷：首先在MapReduce框架中，Map阶段和Reduce阶段的中间结果需要存储在磁盘上，过多的读写操作会影响系统的查询效率；同时Map阶段和Reduce阶段的中间结果也需要通过网络进行数据传输，如果数据量过大或者子查询语句较多，并且会因为网络拥塞导致查询性能的降低。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种数据查询方法及装置，以至少解决现有技术中，利用MapReduce框架针对大规模数据查询效率较低的技术问题。

根据本申请实施例的一个方面，提供了一种数据查询方法，包括：获取第一查询请求，所述第一查询请求包括至少一个第一属性名称与至少一个第一属性值，其中，所述第一属性名称与所述第一属性值一一对应；根据所述第一查询请求确定第一目标规则集；遍历所述第一目标规则集中的各个规则，查找与所述第一属性值关联的第一目标规则；基于所述第一目标规则查询对应的第一目标设备标识；从所述第一目标设备标识对应的第一目标设备中获取第一查询结果；根据所述第一查询结果确定目标结果。

可选地，根据所述第一查询请求确定第一目标规则集包括：获取预设规则库中第一规则集的第二属性名称；判断所述第二属性名称是否与所述第一属性名称相同，若是，则将所述第一规则集作为所述第一目标规则集。