本说明书一个或多个实施例涉及大数据处理
技术领域：
：，尤其涉及海量业务数据实时更新与查询方法、装置和电子设备。
背景技术：
：：目前保险行业的数据实时查询场景更多的是基于传统关系型数据库实现，即使使用了大数据技术，也很难做到实时更新的同时进行跨系统的整合与sql(structuredquerylanguage)查询。目前数据实时查询实现方案的数据架构主要有三种：传统关系型数据、hdfs hive impala数据架构和hbase数据架构。基于hdfs hive impala的数据架构，可以解决海量数据的高效存储，但是对于数据的实时更新，汇总方面则支持有限。基于hbase的架构，可以解决海量数据的高效存储和高效的短查询场景，但是对于多重查询维度的场景，则支持有限。基于此，需要一种能够解决大数据领域下数据跨系统整合、实时更新及查询问题的数据实时更新查询方案。技术实现要素：有鉴于此，本说明书一个或多个实施例的目的在于提出一种海量业务数据实时更新与查询方法、装置和电子设备。基于上述目的，本说明书一个或多个实施例提供了一种海量业务数据实时更新与查询方法，包括：通过数据相互转移工具将多个业务系统中的存量数据抽取到分布式文件系统中，并通过基于分布式数据库的结构化查询语言sql查询引擎的导数工具将所述分布式文件系统中的所述存量数据导入所述sql查询引擎中；将实时业务数据以文件形式接入分布式发布订阅消息系统，并利用基于流式实时计算框架的实时程序将所述分布式发布订阅消息系统中的所述实时业务数据读取到所述sql查询引擎中；在前端实时查询系统中，通过加载所述sql查询引擎的数据库连接驱动器来建立与所述sql查询引擎的连接，并通过所述sql查询引擎执行用户输入的sql查询语句来进行数据查询。可选的，所述sql查询引擎为基于hbase的phoenix引擎。可选的，所述流式实时计算框架为基于spark的sparkstreaming计算框架。可选的，所述数据相互转移工具为sqoop工具，所述分布式发布订阅消息系统为kafka系统。可选的，通过数据相互转移工具读取每个所述业务系统的表结构并产生jar，将所述jar传到hadoop集群，由hadoop执行mapreduce程序进行数据读取并以文件方式将所述存量数据存储在分布式文件系统中。可选的，基于多个所述业务系统中的不同组织和结构的存量数据，在sql查询引擎中创建表，将多个所述业务系统中的存量数据在所述表中进行整合存储。可选的，对所述每个业务系统的同一类存量数据进行分析，梳理出一套所述每个业务系统都可以支持的模式schema，基于所述模式schema创建所述表。可选的，根据sql查询语句里用到的所述表和字段，为所述字段按照相应的顺序在sql查询引擎上建立索引表。可选的，建立索引表还包括：查看所述表是否已有索引；若无索引，则对所述表的相应字段创建索引；查询所述索引表数据，确认所述索引是否创建成功。基于同一发明构思，本说明书一个或多个实施例还提供了一种海量业务数据实时更新与查询装置，包括：数据初始化模块，被配置为通过数据相互转移工具将多个业务系统中的存量数据抽取到分布式文件系统中，并通过基于分布式数据库的结构化查询语言sql查询引擎的导数工具将所述分布式文件系统中的所述存量数据导入所述sql查询引擎中；实时数据更新模块，被配置为将实时业务数据以文件形式接入分布式发布订阅消息系统，并利用基于流式实时计算框架的实时程序将所述分布式发布订阅消息系统中的所述实时业务数据读取到所述sql查询引擎中；实时查询模块，被配置为在前端实时查询系统中，通过加载所述sql查询引擎的数据库连接驱动器来建立与所述sql查询引擎的连接，并通过所述sql查询引擎执行用户输入的sql查询语句来进行数据查询。从上面所述可以看出，本说明书一个或多个实施例提供的海量业务数据实时更新与查询方法、装置和电子设备，选择phoenix组件解决实时数据的更新和跨系统整合、存储，系统通过使用sqoop数据相互转移的工具将其他业务系统的存量数据抽取来实现跨系统的数据整合，并且系统通过接入kafka实时增量数据实现实时数据的更新，最终数据存储在hbase中。通过建立索引并采用冷热数据分离的机制，提升实时数据查询效率。通过指定数据的冷热属性，来设置和调整数据分布，解决实时数据高效查询问题。附图说明为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术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说明书一个或多个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本说明书一个或多个实施例的海量业务数据实时更新与查询方法的流程示意图；图2为本说明书一个或多个实施例的海量业务数据实时更新与查询的框架结构示意图；图3为本说明书一个或多个实施例的海量业务数据实时更新与查询装置模块的流程示意图；图4为本说明书一个或多个实施例的电子设备硬件结构示意图。具体实施方式为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。需要说明的是，除非另外定义，本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。如
背景技术：
：部分所述，基于hdfs hive impala的数据架构，虽然可以解决海量数据的高效存储，但是由于其自身的底层架构和存储方式问题，导致数据处理响应速度慢，对大部分函数支持度较低，不能自动进行数据同步，需要手动更新，impala查询容错性不佳。基于hbase数据架构，虽然可以解决海量数据的高效存储和高效的短查询场景，但是由于其数据底层结构和存储关系的问题，对于多条件多表关联的复杂查询支持有限。有鉴于此，本说明书一个或多个实施例提供了一种基于hadoop技术的数据实时更新查询方法、装置和电子设备，选择phoenix组件解决实时数据的更新和跨系统整合、存储，利用sqoop数据相互转移的工具将其他业务系统的存量数据抽取来实现跨系统的数据整合。系统通过接入kafka实时增量数据实现实时数据的更新，利用sparkstreaming实时程序读取实时数据并存储到对应的phoenix表中，实现实时数据的更新。在前端实时查询系统中，通过加载phoenixjdbc数据库连接驱动，与phoenix创立连接，基于创建的索引表执行sql语句进行实时数据查询。可见，本说明书一个或多个实施例提供了一种基于hadoop技术的数据实时更新查询方法，解决了hadoop领域的数据实时更新问题，并且基于phoenix组件实现数据跨系统的整合和存储，为实时数据查询提供了保障。基于对源系统同一类存量数据的分析创建phoenix表，并根据sql语句在phoenix上建立索引表，提升实时数据查询效率。以下，通过具体的实施例来详细说明本说明书一个或多个实施例的技术方案。参考图1，本说明书一个实施例的海量业务数据实时更新与查询方法，包括以下步骤：步骤s101、通过数据相互转移工具将多个业务系统中的存量数据抽取到分布式文件系统中，并通过基于分布式数据库的结构化查询语言sql查询引擎的导数工具将所述分布式文件系统中的所述存量数据导入所述sql查询引擎中。本步骤中，所述数据相互转移工具为sqoop工具，所述分布式发布订阅消息系统为kafka系统。所述sql查询引擎为基于hbase的phoenix引擎。存量数据的初始化采用sqoop技术将数据首先存储到分布式文件系统hdfs上。这个过程是sqoop首先读取其他业务系统数据的表结构并生产jar(软件包文件格式)传到hadoop集群，然后由hadoop来执行mapreduce(编程模型)程序进行数据读取并将数据以文件方式存储在hfds上，然后通过phoenix导数工具将数据导入phoenix。因为phoenix是基于hbase存储的，所以导数程序可以直接将hdfs上数据读取并写入到phoenix上。步骤s102、将实时业务数据以文件形式接入分布式发布订阅消息系统，并利用基于流式实时计算框架的实时程序将所述分布式发布订阅消息系统中的所述实时业务数据读取到所述sql查询引擎中。本步骤中，通过kafka接入实时数据，利用sparkstreaming实时程序读取所述实时数据，sparkstreaming实时程序将读取的数据根据类型的不同分别存储到对应的phoenix表中，实现所述实时数据的更新。基于多个所述业务系统的存量数据的组织和结构的不同，在phoenix上创建phoenix表，将每个所述业务系统的存量数据在所述phoenix表上进行整合存储，实现每个所述业务系统的存量数据的跨系统整合存储。本实施例中，由于phoenix底层的存储是基于hbase，对于hbase和hdfs相比，具有很好的更新性能，因此也就使得phoenix天然具有数据高效更新的能力。同时，通过将各个业务系统的同一类存量数据进行分析，梳理出了一套各个源系统都可以支持的模式schema，包括数据源的组织和结构，包括了表、列、数据类型、关系、主键等。在保险行业中，由于不同的业务系统，保单合同数据的结构和组织等都有所不同，在获取保险保单合同数据时会结合业务的功能需求、数据的扩展、查询使用的性能等几个方面进行分析，最终设计出更加合理的schema，并且增加上系统标识和省机构标识等新的字段，基于这套全新的schema，创建phoenix表，各个业务系统的数据便可以在同一张phoenix表上进行整合和存储。步骤s103、在前端实时查询系统中，通过加载所述sql查询引擎的数据库连接驱动器来建立与所述sql查询引擎的连接，并通过所述sql查询引擎执行用户输入的sql查询语句来进行数据查询。根据数据查询时sql查询语句里用到的所述phoenix表和字段，为所述字段按照相应的顺序在phoenix上建立索引表。本步骤中，根据相应的业务查询场景，建立对应的异步索引。由于phoenix的查询，若不基于索引查找，效率会十分低下，因此，基于不同的查询场景，建立相应的的索引表便显得尤为重要，具体而言为，根据具体的查询sql语句里所用到的phoenix表和具体的字段，再为具体的字段按照相应的顺序建上索引即可。创建索引的步骤如下：(1)进入phoenix的cli(客户端)的界面创建表cntr_detail：createtablecntr_detail(cntr_iddecimal(10，0)notnull，ip_nodecimal(16，0)notnull，p_codevarchar(8)notnull，constraintpkprimarykey(cntr_id，ip_no))；(2)查看cntr_detail表是否已有索引：！indexescntr_detail；(3)创建索引，对cntr_detail表的cntr_id，ip_no字段创建索引，索引名为cntr_detail_index：createindexcntr_detail_indexonslbps.cntr_detail(cntr_id，ip_no)include(p_code，moneyin_dur)asyncsalt_buckets＝5；(4)查询索引表cntr_detail_index数据，确认索引是否创建成功：select*fromcntr_detail_index；基于步骤s101至s103，完成对存量数据初始化、同步实时增量数据，并应用查询系统对数据进行实时查询。参考图2，为了更好的理解本发明的技术方案，从技术方案的整体架构方面从下到上分为4部分。最下层为数据源层，也即数据产生的地方。对于保险行业来说，数据源通常为各个核心的业务系统。第二层为数据同步层，即数据从数据源的每个源系统同步到实时查询系统所需要经过的数据交互环节，本环节分为两个部分，一个是数据首次进入到实时查询系统所需要进行的存量数据初始化，本过程所用的技术工具为sqoop hdfs；另一个是实时增量数据同步，本过程所用到的技术工具为kafka sparkstreaming。第三层为数据存储层，可以理解为实时查询系统所用到的数据库，本层选用技术组件为hbase phoenix。第四层为应用层，应用实时查询系统进行数据获取的前端业务系统。可见，本实施例中，解决了hadoop领域的数据实时更新问题，并且基于phoenix组件实现数据跨系统的整合和存储，为实时数据查询提供了保障。基于对源系统同一类存量数据的分析创建phoenix表，并根据sql语句在phoenix上建立索引表，提升实时数据查询效率。通过指定数据的冷热属性，来设置和调整数据分布，解决实时数据高效查询问题。需要说明的是，本说明书一个或多个实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。需要说明的是，上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。基于同一发明构思，与上述任意实施例方法相对应的，本说明书一个或多个实施例还提供了一种海量业务数据实时更新与查询方装置。参考图3，所述海量业务数据实时更新与查询装置，包括：数据初始化模块301，被配置为通过数据相互转移工具将多个业务系统中的存量数据抽取到分布式文件系统中，并通过基于分布式数据库的结构化查询语言sql查询引擎的导数工具将所述分布式文件系统中的所述存量数据导入所述sql查询引擎中；实时数据更新模块，被配置为被配置为将实时业务数据以文件形式接入分布式发布订阅消息系统，并利用基于流式实时计算框架的实时程序将所述分布式发布订阅消息系统中的所述实时业务数据读取到所述sql查询引擎中；实时查询模块，被配置为在前端实时查询系统中，通过加载所述sql查询引擎的数据库连接驱动器来建立与所述sql查询引擎的连接，并通过所述sql查询引擎执行用户输入的sql查询语句来进行数据查询。作为一个可选的实施例，所述sql查询引擎为基于hbase的phoenix引擎。作为一个可选的实施例，所述流式实时计算框架为基于spark的sparkstreaming计算框架。作为一个可选的实施例，所述数据相互转移工具为sqoop工具，所述分布式发布订阅消息系统为kafka系统。作为一个可选的实施例，所述数据初始化模块，具体被配置为通过数据相互转移工具读取每个所述业务系统的表结构并产生jar，将所述jar传到hadoop集群，由hadoop执行mapreduce程序进行数据读取并以文件方式将所述存量数据存储在分布式文件系统中。作为一个可选的实施例，基于多个所述业务系统中的不同组织和结构的存量数据，在sql查询引擎中创建表，将多个所述业务系统中的存量数据在所述表中进行整合存储。作为一个可选的实施例，对所述每个业务系统的同一类存量数据进行分析，梳理出一套所述每个业务系统都可以支持的模式schema，基于所述模式schema创建所述表。作为一个可选的实施例，根据sql查询语句里用到的所述表和字段，为所述字段按照相应的顺序在sql查询引擎上建立索引表。作为一个可选的实施例，建立索引表包括：查看所述phoenix表是否已有索引；若无索引，则对所述phoenix表的相应字段创建索引；查询所述索引表数据，确认所述索引是否创建成功。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。上述实施例的装置用于实现前述任一实施例中相应的一种基于hadoop技术的数据实时更新查询方法，并且具有相应的方法实施例的有益效果，在此不再赘述。基于同一发明构思，与上述任意实施例方法相对应的，本说明书一个或多个实施例还提供了一种电子设备，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，所述处理器执行所述程序时实现前述任意一实施例所述的一种海量业务数据实时更新与查询方法。图4示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。处理器1010可以采用通用的cpu(centralprocessingunit，中央处理器)、微处理器、应用专用集成电路(applicationspecificintegratedcircuit，asic)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。存储器1020可以采用rom(readonlymemory，只读存储器)、ram(randomaccessmemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如usb、网线等)实现通信，也可以通过无线方式(例如移动网络、wifi、蓝牙等)实现通信。总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。上述实施例的电子设备用于实现前述任一实施例中相应的一种海量业务数据实时更新与查询方法，并且具有相应的方法实施例的有益效果，在此不再赘述。基于同一发明构思，与上述任意实施例方法相对应的，本说明书一个或多个实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任一实施例所述的一种海量业务数据实时更新与查询方法。本实施例的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。上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的一种海量业务数据实时更新与查询方法，并且具有相应的方法实施例的有益效果，在此不再赘述。所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。另外，为简化说明和讨论，并且为了不会使本说明书一个或多个实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(ic)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本说明书一个或多个实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此，这些描述应被认为是说明性的而不是限制性的。尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态ram(dram))可以使用所讨论的实施例。本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。当前第1页1 2 3 当前第1页1 2 3
技术特征：1.一种海量业务数据实时更新与查询方法，其特征在于，包括：
通过数据相互转移工具将多个业务系统中的存量数据抽取到分布式文件系统中，并通过基于分布式数据库的结构化查询语言sql查询引擎的导数工具将所述分布式文件系统中的所述存量数据导入所述sql查询引擎中；
将实时业务数据以文件形式接入分布式发布订阅消息系统，并利用基于流式实时计算框架的实时程序将所述分布式发布订阅消息系统中的所述实时业务数据读取到所述sql查询引擎中；
在前端实时查询系统中，通过加载所述sql查询引擎的数据库连接驱动器来建立与所述sql查询引擎的连接，并通过所述sql查询引擎执行用户输入的sql查询语句来进行数据查询。
2.根据权利要求1所述的方法，其特征在于，所述sql查询引擎为基于hbase的phoenix引擎。
3.根据权利要求1或2所述的方法，其特征在于，所述流式实时计算框架为基于spark的sparkstreaming计算框架。
4.根据权利要求1或2所述的方法，其特征在于，所述数据相互转移工具为sqoop工具，所述分布式发布订阅消息系统为kafka系统。
5.根据权利要求1或2所述的方法，其特征在于，所述通过数据相互转移工具将多个业务系统中的存量数据抽取到分布式文件系统中，并通过基于分布式数据库的结构化查询语言sql查询引擎的导数工具将所述分布式文件系统中的所述存量数据导入所述sql查询引擎中，包括：通过数据相互转移工具读取每个所述业务系统的表结构并产生jar，将所述jar传到hadoop集群，由hadoop执行mapreduce程序进行数据读取并以文件方式将所述存量数据存储在分布式文件系统中。
6.根据权利要求1或2所述的方法，其特征在于，还包括：基于多个所述业务系统中的不同组织和结构的存量数据，在sql查询引擎中创建表，将多个所述业务系统中的存量数据在所述表中进行整合存储。
7.根据权利要求6所述的方法，其特征在于，还包括：对所述每个业务系统的同一类存量数据进行分析，梳理出一套所述每个业务系统都可以支持的模式schema，基于所述模式schema创建所述表。
8.根据权利要求1或2所述的方法，其特征在于，还包括：根据sql查询语句里用到的所述表和字段，为所述字段按照相应的顺序在sql查询引擎上建立索引表。
9.根据权利要求8所述的方法，其特征在于，还包括：
查看所述表是否已有索引；
若无索引，则对所述表的相应字段创建索引；
查询所述索引表数据，确认所述索引是否创建成功。
10.一种海量业务数据实时更新与查询装置，其特征在于，包括：
数据初始化模块，被配置为通过数据相互转移工具将多个业务系统中的存量数据抽取到分布式文件系统中，并通过基于分布式数据库的结构化查询语言sql查询引擎的导数工具将所述分布式文件系统中的所述存量数据导入所述sql查询引擎中；
实时数据更新模块，被配置为将实时业务数据以文件形式接入分布式发布订阅消息系统，并利用基于流式实时计算框架的实时程序将所述分布式发布订阅消息系统中的所述实时业务数据读取到所述sql查询引擎中；
实时查询模块，被配置为在前端实时查询系统中，通过加载所述sql查询引擎的数据库连接驱动器来建立与所述sql查询引擎的连接，并通过所述sql查询引擎执行用户输入的sql查询语句来进行数据查询。
技术总结本说明书一个或多个实施例提供一种海量业务数据实时更新与查询方法、装置和电子设备，选择Phoenix组件解决实时数据的更新和跨系统整合、存储，系统通过使用Sqoop数据相互转移的工具将其他业务系统的存量数据抽取来实现跨系统的数据整合，并且系统通过接入Kafka实时增量数据实现实时数据的更新，最终数据存储在HBase中。通过建立索引并采用冷热数据分离的机制，提升实时数据查询效率。通过指定数据的冷热属性，来设置和调整数据分布，解决实时数据高效查询问题。
技术研发人员：袁利鸥;高鹏;马德民;范铮
受保护的技术使用者：中国人寿保险股份有限公司
技术研发日：2020.12.01
技术公布日：2021.03.12
