[发明专利]一种基于python脚本的分布式大数据清洗方法有效
| 申请号： | 202010938368.8 | 申请日： | 2020-09-09 |
| 公开（公告）号： | CN112115127B | 公开（公告）日： | 2023-03-03 |
| 发明（设计）人： | 鲁红军 | 申请（专利权）人： | 陕西云基华海信息技术有限公司 |
| 主分类号： | G06F16/215 | 分类号： | G06F16/215;G06F16/27;G06F9/48 |
| 代理公司： | 北京市浩东律师事务所 11499 | 代理人： | 李雁 |
| 地址： | 710000 陕西省西安市高*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于python脚本的分布式大数据清洗方法，该方法包括如下步骤，首先对待清洗的数据的加载，再对加载后的待清洗的数据进行分片操作，对待清洗的数据进行分布式调度以及执行操作，对待清洗的数据进行请求以及对清洗结果进行回填，其中，步骤一具体分为如下步骤，数据加载，首先从HBase列存数据库加载所需要进行清洗的数据，制定清洗策略，设置数据清洗策略。本发明基于大数据技术，基于HBase列存储数据库做数据清洗，解决了海量数据清洗问题，采用python引擎及脚本做数据清洗，解决了传统SQL清洗规则少的问题和jar包清洗静态编码的问题，基于Spark的分布式计算引擎，并行执行脚本，解决了大数据清洗算力不足的问题。 | ||
| 搜索关键词： | 一种 基于 python 脚本 分布式 数据 清洗 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于陕西云基华海信息技术有限公司，未经陕西云基华海信息技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010938368.8/，转载请声明来源钻瓜专利网。
