CN102622441A - 一种基于Oracle数据库的自动性能识别调优系统 - Google Patents
一种基于Oracle数据库的自动性能识别调优系统 Download PDFInfo
- Publication number
- CN102622441A CN102622441A CN2012100615454A CN201210061545A CN102622441A CN 102622441 A CN102622441 A CN 102622441A CN 2012100615454 A CN2012100615454 A CN 2012100615454A CN 201210061545 A CN201210061545 A CN 201210061545A CN 102622441 A CN102622441 A CN 102622441A
- Authority
- CN
- China
- Prior art keywords
- module
- level
- performance evaluation
- performance
- evaluation module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种基于Oracle数据库的自动性能识别调优系统,属数据库管理技术领域,包括性能采集模块、性能分析模块和性能调优模块,其特征在于性能调优模块包括SQL语句级调优模块、实例级调优模块、逻辑对象级调优模块及系统级调优模块,性能调优模块中的SQL语句级调优模块、实例级调优模块、逻辑对象调优模块及系统级调优模块分别和性能分析模块相连接,性能分析模块和性能采集模块相连接。本发明系统的有益效果如下:实现了对ORACLE数据库的智能化分析并调优,改变了以往单纯依靠手工和人工判断进行优化的方式,将DBA从复杂的运维环境中解放了出来,极大的提高了数据库的运行稳定性,节约了人力成本。
Description
技术领域
本发明涉及一种基于Oracle数据库的自动性能识别调优系统,属数据库管理技术领域。
背景技术
Oracle作为主流数据库系统,在大型企业级应用及数据仓库中得到了广泛使用,当在多用户高并发访问的情况下,良好的用户体验是必不可少的,而这就要求数据库具备良好的性能。数据库性能是衡量评估数据库运行效率的总体指标,寻求良好的数据库性能是维护管理数据库的一项重要任务。而一旦数据库发生性能问题时,由于数据库本身的复杂性加之操作系统及网络等因素,定位原因并解决问题有时是非常困难的。《大型ORACLE数据库优化设计方案》(出自《电脑知识与技术》2007 2(12))的文章,公开了一种Oracle数据库的自动性能识别调优系统,该文从大型数据库Oracle环境四个不同级别的调整分析入手,分析Oracle的系统结构和工作机理,从九个不同方面较全面地总结了Oracle数据库的优化调整方案。但是该文中的调优方案需要数据库管理员全程分析解决,当数据库响应时间超过预期时间时只能人工查找原因并进行优化工作,费时费力。本发明参考上述调优系统开发了一种基于Oracle数据库的自动性能识别调优系统,当Oracle出现性能问题时,该系统能够自动定位问题原因并进行优化,避免数据库发生严重的性能问题甚至崩溃。
发明内容
针对背景技术中所述的缺陷和不足,本发明提供了一种基于Oracle数据库的自动性能识别调优系统。
本发明的技术解决方案如下:
一种基于Oracle数据库的自动性能识别调优系统,包括性能采集模块、性能分析模块和性能调优模块,其特征在于性能调优模块包括SQL语句级调优模块、实例级调优模块、逻辑对象级调优模块及系统级调优模块,性能调优模块中的SQL语句级调优模块、实例级调优模块、逻辑对象级调优模块及系统级调优模块分别和性能分析模块相连接,性能分析模块和性能采集模块相连接,性能采集模块和数据库相连接;性能分析模块包括智能学习子模块和决策分析子模块,智能学习子模块和决策分析子模块相互连接;其中性能分析模块中的智能学习子模块和性能采集模块相连接,决策分析子模块和性能调优模块相连接。
本发明中各模块作用如下:
性能采集模块:通过不同的时间策略交叉采集Oracle服务器的Statspack、AWR报告及ADDM报告,采集操作系统CPU、内存使用率、网络流量、SGA/PGA内存配置、初始化参数、等待事件、实例负载、命中率和Top SQL的运行参数。
性能分析模块:该系统的核心是智能学习子模块,智能学习子模块接收传递来自于性能采集模块的数据流,对数据库的性能容量进行评估,并建立模型,分析得到该阶段的最优理论值,然后把最优理论值传递给决策分析子模块。随着系统的不断运行,该理论值会愈发精确,最终会无限逼近系统真实的最优理论值。决策分析子模块接收来自性能采集模块的数据流以及智能学习子模块的最优理论值,采用优化算法,决策数据库是否需要优化,如需要优化,则发出优化指令,发送到调优模块。SQL语句级调优模块、实例级调优模块、逻辑对象级调优模块及系统级调优模块接收来自决策分析子模块发出的优化指令,按照指令对数据库进行优化,并把优化结果返回给决策分析子模块。
性能调优模块:性能调优模块负责对各个环节进行优化从而提高数据库运行效率。其中系统级调优模块主要对数据库的操作系统、磁盘及网络层面进行优化;实例级调优模块主要对数据库内存、进程、等待事件等进行优化;逻辑对象级调优模块主要对表空间、表、索引等进行优化,如扩展表空间、对巨表进行分区、对查询频繁的列增加索引;SQL语句级调优模块主要查找高负载的SQL语句,通过优化SQL语句,以达到降低系统负载的目标。
一种上述调优系统的工作方法,步骤如下:
(1)性能采集模块采集数据库性能数据;
(2)性能分析模块从性能采集模块获取性能参数,分析性能问题,并把调优指令对应发送至SQL语句级调优模块、实例级调优模块、逻辑对象级调优模块及系统级调优模块;
(3)系统级调优模块从性能分析模块接收到优化指令后,按照最优理论值对操作系统、磁盘、网络部件进行优化,如为避免系统的I/O较高,把数据文件分布在不同的物理磁盘、数据热点文件物理I/O分开,优化完成后,系统级调优模块把优化结果返回性能分析模块,如果优化成功,性能分析模块提示调优成功,停止运行;如果优化失败,性能分析模块按照智能算法算出次优理论值,返回系统级调优模块继续进行优化;
(4)逻辑对象级调优模块从性能分析模块接收到优化指令后,按照最优理论值对表空间、表、索引进行调优,如增加索引,避免不必要的全表扫描;对大表进行物理分区,减少数据扫描范围,优化完成后逻辑对象调优模块把优化结果返回性能分析模块,如果优化成功,性能分析模块提示调优成功,停止运行;如果优化失败,性能分析模块按照智能算法算出次优理论值,返回逻辑对象调优模块继续进行优化;
(5)实例级调优模块从性能分析模块接收到优化指令后,按照最优理论值对内存、进程、会话数进行调优,如增加内存数据缓冲区的大小,尽可能减少物理读写、增大数据库最大进程数、最大会话数,以应对并发量较大的请求,优化完成后,实例级调优模块把优化结果返回性能分析模块,如果优化成功,性能分析模块提示调优成功,停止运行;如果优化失败,性能分析模块按照智能算法算出次优理论值,返回实例级调优模块继续进行优化;
(6)SQL语句级调优模块从性能分析模块接收到优化指令后,照如下步骤进行优化,并把优化结果返回性能分析模块:
1).识别系统高负载或Top SQL语句;
2).检验目标SQL语句的执行计划;
3).对目标SQL语句进行优化改进。
本发明系统的有益效果如下:实现了对Oracle数据库的智能化分析并调优,改变了以往单纯依靠手工和人工判断进行优化的方式,将DBA从复杂的运维环境中解放了出来,极大的提高了数据库的运行稳定性,节约了人力成本。
附图说明
图1是本发明系统的结构示意图。
其中:1、性能调优模块,2、性能分析模块,3、性能采集模块,4、SQL语句级调优模块,5、实例级调优模块,6、逻辑对象级调优模块,7、系统级调优模块,8、数据库,9、决策分析子模块,10、智能学习子模块。
图2是本发明系统的工作方法流程框图,其中(1)-(6)为其各个步骤。
具体实施方式
下面结合附图和实施例对本发明做进一步说明,但不限于此。
实施例1:(系统实施例)
本发明系统实施例1如图1所示:一种基于Oracle数据库的自动性能识别调优系统,包括性能采集模块3、性能分析模块2和性能调优模块1,其特征在于性能调优模块1包括SQL语句级调优模块4、实例级调优模块5、逻辑对象级调优模块6及系统级调优模块7,性能调优模块1中的SQL语句级调优模块4、实例级调优模块5、逻辑对象级调优模块6及系统级调优模块7分别和性能分析模块2相连接,性能分析模块2和性能采集模块3相连接,性能采集模块3和数据库相连接8;性能分析模块2包括智能学习子模块10和决策分析子模块9,智能学习子模块10和决策分析子模块9相互连接;其中性能分析模块2中的智能学习子模块10和性能采集模块3相连接,决策分析子模块9和性能调优模块1相连接。
实施例2:(方法实施例)
一种上述调优系统的工作方法,如图2所示:步骤如下:
(1)性能采集模块采集数据库性能数据;
(2)性能分析模块从性能采集模块获取性能参数,分析性能问题,并把调优指令对应发送至SQL语句级调优模块、实例级调优模块、逻辑对象级调优模块及系统级调优模块;
(3)系统级调优模块从性能分析模块接收到优化指令后,按照最优理论值对操作系统、磁盘、网络部件进行优化,如为避免系统的I/O较高,把数据文件分布在不同的物理磁盘、数据热点文件物理I/O分开,优化完成后,系统级调优模块把优化结果返回性能分析模块,如果优化成功,性能分析模块提示调优成功,停止运行;如果优化失败,性能分析模块按照智能算法算出次优理论值,返回系统级调优模块继续进行优化;
(4)逻辑对象级调优模块从性能分析模块接收到优化指令后,按照最优理论值对表空间、表、索引进行调优,如增加索引,避免不必要的全表扫描;对大表进行物理分区,减少数据扫描范围,优化完成后逻辑对象调优模块把优化结果返回性能分析模块,如果优化成功,性能分析模块提示调优成功,停止运行;如果优化失败,性能分析模块按照智能算法算出次优理论值,返回逻辑对象调优模块继续进行优化;
(5)实例级调优模块从性能分析模块接收到优化指令后,按照最优理论值对内存、进程、会话数进行调优,如增加内存数据缓冲区的大小,尽可能减少物理读写、增大数据库最大进程数、最大会话数,以应对并发量较大的请求,优化完成后,实例级调优模块把优化结果返回性能分析模块,如果优化成功,性能分析模块提示调优成功,停止运行;如果优化失败,性能分析模块按照智能算法算出次优理论值,返回实例级调优模块继续进行优化;
(6)SQL语句级调优模块从性能分析模块接收到优化指令后,照如下步骤进行优化,并把优化结果返回性能分析模块:
1).识别系统高负载或Top SQL语句;
2).检验目标SQL语句的执行计划;
3).对目标SQL语句进行优化改进。
Claims (2)
1.一种基于Oracle数据库的自动性能识别调优系统,包括性能采集模块、性能分析模块和性能调优模块,其特征在于性能调优模块包括SQL语句级调优模块、实例级调优模块、逻辑对象级调优模块及系统级调优模块,性能调优模块中的SQL语句级调优模块、实例级调优模块、逻辑对象级调优模块及系统级调优模块分别和性能分析模块相连接,性能分析模块和性能采集模块相连接,性能采集模块和数据库相连接;性能分析模块包括智能学习子模块和决策分析子模块,智能学习子模块和决策分析子模块相互连接;其中性能分析模块中的智能学习子模块和性能采集模块相连接,决策分析子模块和性能调优模块相连接。
2.一种如权利要求1所述的调优系统的工作方法,步骤如下:
(1)性能采集模块采集数据库性能数据;
(2)性能分析模块从性能采集模块获取性能参数,分析性能问题,并把调优指令对应发送至SQL语句级调优模块、实例级调优模块、逻辑对象级调优模块及系统级调优模块;
(3)系统级调优模块从性能分析模块接收到优化指令后,按照最优理论值对操作系统、磁盘、网络部件进行优化,如为避免系统的I/O较高,把数据文件分布在不同的物理磁盘、数据热点文件物理I/O分开,优化完成后,系统级调优模块把优化结果返回性能分析模块,如果优化成功,性能分析模块提示调优成功,停止运行;如果优化失败,性能分析模块按照智能算法算出次优理论值,返回系统级调优模块继续进行优化;
(4)逻辑对象级调优模块从性能分析模块接收到优化指令后,按照最优理论值对表空间、表、索引进行调优,如增加索引,避免不必要的全表扫描;对大表进行物理分区,减少数据扫描范围,优化完成后逻辑对象调优模块把优化结果返回性能分析模块,如果优化成功,性能分析模块提示调优成功,停止运行;如果优化失败,性能分析模块按照智能算法算出次优理论值,返回逻辑对象调优模块继续进行优化;
(5)实例级调优模块从性能分析模块接收到优化指令后,按照最优理论值对内存、进程、会话数进行调优,如增加内存数据缓冲区的大小,尽可能减少物理读写、增大数据库最大进程数、最大会话数,以应对并发量较大的请求,优化完成后,实例级调优模块把优化结果返回性能分析模块,如果优化成功,性能分析模块提示调优成功,停止运行;如果优化失败,性能分析模块按照智能算法算出次优理论值,返回实例级调优模块继续进行优化;
(6)SQL语句级调优模块从性能分析模块接收到优化指令后,照如下步骤进行优化,并把优化结果返回性能分析模块:
1).识别系统高负载或Top SQL语句;
2).检验目标SQL语句的执行计划;
3).对目标SQL语句进行优化改进。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100615454A CN102622441A (zh) | 2012-03-09 | 2012-03-09 | 一种基于Oracle数据库的自动性能识别调优系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100615454A CN102622441A (zh) | 2012-03-09 | 2012-03-09 | 一种基于Oracle数据库的自动性能识别调优系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102622441A true CN102622441A (zh) | 2012-08-01 |
Family
ID=46562360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100615454A Pending CN102622441A (zh) | 2012-03-09 | 2012-03-09 | 一种基于Oracle数据库的自动性能识别调优系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102622441A (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116538A (zh) * | 2013-01-25 | 2013-05-22 | 浪潮电子信息产业股份有限公司 | 一种用于计算机性能自调系统的设计 |
CN103399851A (zh) * | 2013-06-25 | 2013-11-20 | 携程计算机技术(上海)有限公司 | 一种结构化查询语言(sql)脚本的性能分析与预测方法与系统 |
CN104834634A (zh) * | 2014-02-07 | 2015-08-12 | 西门子公司 | 基于回归的用于sql语句性能预测的成本建模方法和装置 |
CN105653647A (zh) * | 2015-12-28 | 2016-06-08 | 中国联合网络通信集团有限公司 | Sql语句的信息采集方法及系统 |
CN105701185A (zh) * | 2016-01-08 | 2016-06-22 | 广州西麦科技股份有限公司 | 一种提高数据库性能的优化方法 |
CN103116538B (zh) * | 2013-01-25 | 2016-11-30 | 浪潮电子信息产业股份有限公司 | 一种用于计算机性能自调系统的设计 |
CN106598862A (zh) * | 2016-12-19 | 2017-04-26 | 济南浪潮高新科技投资发展有限公司 | 一种基于sql语义可扩展的性能诊断调优方法 |
CN106708974A (zh) * | 2016-12-06 | 2017-05-24 | 北京中亦安图科技股份有限公司 | 一种数据库容量分析方法及系统 |
CN106920027A (zh) * | 2017-01-16 | 2017-07-04 | 华北电力大学 | 一种基于kpi的面向风机制造过程全方位质量考核系统 |
CN107025223A (zh) * | 2016-01-29 | 2017-08-08 | 华为技术有限公司 | 一种面向多租户的缓冲区管理方法及服务器 |
US9886670B2 (en) | 2014-06-30 | 2018-02-06 | Amazon Technologies, Inc. | Feature processing recipes for machine learning |
CN107729496A (zh) * | 2017-10-19 | 2018-02-23 | 珠海图思科软件有限公司 | 基于甲骨文In‑Memory的SQL语句调优方法 |
US10102480B2 (en) | 2014-06-30 | 2018-10-16 | Amazon Technologies, Inc. | Machine learning service |
US10257275B1 (en) | 2015-10-26 | 2019-04-09 | Amazon Technologies, Inc. | Tuning software execution environments using Bayesian models |
US10318882B2 (en) | 2014-09-11 | 2019-06-11 | Amazon Technologies, Inc. | Optimized training of linear machine learning models |
CN110134665A (zh) * | 2019-04-17 | 2019-08-16 | 北京百度网讯科技有限公司 | 基于流量镜像的数据库自学习优化方法及装置 |
US10452992B2 (en) | 2014-06-30 | 2019-10-22 | Amazon Technologies, Inc. | Interactive interfaces for machine learning model evaluations |
US10540606B2 (en) | 2014-06-30 | 2020-01-21 | Amazon Technologies, Inc. | Consistent filtering of machine learning data |
US10963810B2 (en) | 2014-06-30 | 2021-03-30 | Amazon Technologies, Inc. | Efficient duplicate detection for machine learning data sets |
US11100420B2 (en) | 2014-06-30 | 2021-08-24 | Amazon Technologies, Inc. | Input processing for machine learning |
US11182691B1 (en) | 2014-08-14 | 2021-11-23 | Amazon Technologies, Inc. | Category-based sampling of machine learning data |
CN115640278A (zh) * | 2022-09-30 | 2023-01-24 | 北京柏睿数据技术股份有限公司 | 一种数据库性能智能优化的方法及系统 |
CN116594987A (zh) * | 2023-06-18 | 2023-08-15 | 广东南华工商职业学院 | 一种基于大数据的数据库分析系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6754652B2 (en) * | 2002-03-29 | 2004-06-22 | International Business Machines Corporation | Database query optimizer framework with dynamic strategy dispatch |
US20060026116A1 (en) * | 2004-07-29 | 2006-02-02 | International Business Machines Corporation | Method and apparatus for optimizing execution of database queries containing user-defined functions |
-
2012
- 2012-03-09 CN CN2012100615454A patent/CN102622441A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6754652B2 (en) * | 2002-03-29 | 2004-06-22 | International Business Machines Corporation | Database query optimizer framework with dynamic strategy dispatch |
US20060026116A1 (en) * | 2004-07-29 | 2006-02-02 | International Business Machines Corporation | Method and apparatus for optimizing execution of database queries containing user-defined functions |
Non-Patent Citations (2)
Title |
---|
邹俊: "基于Oracle数据库系统性能调整与优化研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 30 April 2007 (2007-04-30), pages 138 - 254 * |
郭敏等: "Oracle10G数据库性能优化的研究", 《武汉理工大学学报》, no. 200510, 31 October 2005 (2005-10-31) * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116538B (zh) * | 2013-01-25 | 2016-11-30 | 浪潮电子信息产业股份有限公司 | 一种用于计算机性能自调系统的设计 |
CN103116538A (zh) * | 2013-01-25 | 2013-05-22 | 浪潮电子信息产业股份有限公司 | 一种用于计算机性能自调系统的设计 |
CN103399851A (zh) * | 2013-06-25 | 2013-11-20 | 携程计算机技术(上海)有限公司 | 一种结构化查询语言(sql)脚本的性能分析与预测方法与系统 |
CN104834634A (zh) * | 2014-02-07 | 2015-08-12 | 西门子公司 | 基于回归的用于sql语句性能预测的成本建模方法和装置 |
US10102480B2 (en) | 2014-06-30 | 2018-10-16 | Amazon Technologies, Inc. | Machine learning service |
US11544623B2 (en) | 2014-06-30 | 2023-01-03 | Amazon Technologies, Inc. | Consistent filtering of machine learning data |
US11100420B2 (en) | 2014-06-30 | 2021-08-24 | Amazon Technologies, Inc. | Input processing for machine learning |
US10963810B2 (en) | 2014-06-30 | 2021-03-30 | Amazon Technologies, Inc. | Efficient duplicate detection for machine learning data sets |
US9886670B2 (en) | 2014-06-30 | 2018-02-06 | Amazon Technologies, Inc. | Feature processing recipes for machine learning |
US10540606B2 (en) | 2014-06-30 | 2020-01-21 | Amazon Technologies, Inc. | Consistent filtering of machine learning data |
US10452992B2 (en) | 2014-06-30 | 2019-10-22 | Amazon Technologies, Inc. | Interactive interfaces for machine learning model evaluations |
US11182691B1 (en) | 2014-08-14 | 2021-11-23 | Amazon Technologies, Inc. | Category-based sampling of machine learning data |
US10318882B2 (en) | 2014-09-11 | 2019-06-11 | Amazon Technologies, Inc. | Optimized training of linear machine learning models |
US10257275B1 (en) | 2015-10-26 | 2019-04-09 | Amazon Technologies, Inc. | Tuning software execution environments using Bayesian models |
CN105653647B (zh) * | 2015-12-28 | 2019-04-16 | 中国联合网络通信集团有限公司 | Sql语句的信息采集方法及系统 |
CN105653647A (zh) * | 2015-12-28 | 2016-06-08 | 中国联合网络通信集团有限公司 | Sql语句的信息采集方法及系统 |
CN105701185A (zh) * | 2016-01-08 | 2016-06-22 | 广州西麦科技股份有限公司 | 一种提高数据库性能的优化方法 |
CN107025223B (zh) * | 2016-01-29 | 2019-11-22 | 华为技术有限公司 | 一种面向多租户的缓冲区管理方法及服务器 |
CN107025223A (zh) * | 2016-01-29 | 2017-08-08 | 华为技术有限公司 | 一种面向多租户的缓冲区管理方法及服务器 |
CN106708974A (zh) * | 2016-12-06 | 2017-05-24 | 北京中亦安图科技股份有限公司 | 一种数据库容量分析方法及系统 |
CN106598862A (zh) * | 2016-12-19 | 2017-04-26 | 济南浪潮高新科技投资发展有限公司 | 一种基于sql语义可扩展的性能诊断调优方法 |
CN106920027A (zh) * | 2017-01-16 | 2017-07-04 | 华北电力大学 | 一种基于kpi的面向风机制造过程全方位质量考核系统 |
CN107729496A (zh) * | 2017-10-19 | 2018-02-23 | 珠海图思科软件有限公司 | 基于甲骨文In‑Memory的SQL语句调优方法 |
CN110134665A (zh) * | 2019-04-17 | 2019-08-16 | 北京百度网讯科技有限公司 | 基于流量镜像的数据库自学习优化方法及装置 |
CN115640278A (zh) * | 2022-09-30 | 2023-01-24 | 北京柏睿数据技术股份有限公司 | 一种数据库性能智能优化的方法及系统 |
CN115640278B (zh) * | 2022-09-30 | 2023-08-08 | 北京柏睿数据技术股份有限公司 | 一种数据库性能智能优化的方法及系统 |
CN116594987A (zh) * | 2023-06-18 | 2023-08-15 | 广东南华工商职业学院 | 一种基于大数据的数据库分析系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102622441A (zh) | 一种基于Oracle数据库的自动性能识别调优系统 | |
CN102521303B (zh) | 一种用于列数据库的单表多列序存储方法 | |
CN102521406B (zh) | 海量结构化数据复杂查询任务的分布式查询方法和系统 | |
CN102521405B (zh) | 支持高速加载的海量结构化数据存储、查询方法和系统 | |
CN102163218B (zh) | 基于图索引的图数据库关键词邻近搜索方法 | |
CN103064875B (zh) | 一种服务化空间数据分布式查询方法 | |
US8335783B2 (en) | Collection of statistics for spatial columns or R-tree indexes | |
CN102546247B (zh) | 一种适用流式处理的大规模数据连续分析系统 | |
CN101477572B (zh) | 基于tds过渡数据存储技术的动态数据仓库的方法与系统 | |
CN107402988A (zh) | 一种分布式NewSQL数据库系统和半结构化数据查询方法 | |
CN102722582B (zh) | 基于逆向清理的数据整合系统及方法 | |
CN105787089A (zh) | 一种配电网规划基础数据集成方法 | |
CN103631922B (zh) | 基于Hadoop集群的大规模Web信息提取方法及系统 | |
CN102968420A (zh) | 数据库查询的方法和系统 | |
CN102685221A (zh) | 一种状态监测数据的分布式存储与并行挖掘方法 | |
CN103177035A (zh) | 一种在数据库中查询数据的装置及方法 | |
CN101710336A (zh) | 一种利用关系中间件加速数据处理的方法 | |
CN104917627A (zh) | 一种用于大型服务器集群的日志集群扫描与分析方法 | |
CN102521374A (zh) | 基于关系型联机分析处理的智能数据聚集方法及其系统 | |
CN1801131A (zh) | 火电厂实时数据库系统的设置方法 | |
CN105117461A (zh) | 一种基于改进的遗传算法的查询优化方法 | |
CN115544314A (zh) | 一种非结构化数据库的系统 | |
CN104462435A (zh) | 一种分布式数据库横向扩展方法 | |
KR101230929B1 (ko) | Bim 서버의 데이터 제공 방법 | |
JP5659757B2 (ja) | 分散データベース管理システム、分散データベース管理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120801 |