CN104731796B - 数据存储计算方法和系统 - Google Patents
数据存储计算方法和系统 Download PDFInfo
- Publication number
- CN104731796B CN104731796B CN201310706148.2A CN201310706148A CN104731796B CN 104731796 B CN104731796 B CN 104731796B CN 201310706148 A CN201310706148 A CN 201310706148A CN 104731796 B CN104731796 B CN 104731796B
- Authority
- CN
- China
- Prior art keywords
- data
- block
- file
- daily record
- dimension
- 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.)
- Active
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种数据存储计算方法和系统。涉及信息处理领域；解决了资源浪费的问题。该方法包括：对海量数据进行日志收集并预处理；对预处理后的日志进行多维度日志分类；根据分布式系统Block的大小，将分类后的日志数据打包，所述Block为分布式文件系统的最小存储单位；在所述Block上存储数据，建立数据空间索引；利用所述数据空间索引，维护分布式集群计算资源的负载均衡。本发明提供的技术方案适用于海量数据处理，实现了数据存储过程中的负载均衡。
Description
技术领域
本发明涉及信息处理领域，尤其涉及一种数据存储计算方法和系统。
背景技术
在网络信息服务产业领域，数据已成为各大网络机构的产品发展中不可或缺的元素。各大互联网公司都基于通过各种途径收集到的海量数据的分析结果上，更新自身的服务模式，营销策略及产品规格，所以，大数据的处理及分析已经成为企业发展中亟待解决的问题。为了有效应对大数据带来的挑战，同时充分利用大数据带来的机遇，国内外的产业界与科技界、甚至各国政府部门都在积极布局、制定战略规划，研究高效率以及高准确率的数据处理技术方案。
目前现有的处理海量数据的方法一般都是基于已有的r-tree算法进行多维的数据组织，再将海量数据存入分布式文件系统，利用分布式集群来进行数据的分析和运算。
但是现有的r-tree算法对数据进行组织时，不能将叶节点的文件大小控制在一定范围之内，导致叶节点在分布式系统中分布极不均匀，一个叶节点可能横跨几个block（分布式文件系统的最小存储单位），造成集群中单台服务器计算资源的浪费。
发明内容
本发明提供了一种数据存储计算方法和系统，解决了资源浪费的问题。
一种数据存储计算方法，包括：
对海量数据进行日志收集并预处理；
对预处理后的日志进行多维度日志分类；
根据分布式系统Block的大小，将分类后的日志数据打包，所述Block为分布式文件系统的最小存储单位；
在所述Block上存储数据，建立数据空间索引；
利用所述数据空间索引，维护分布式集群计算资源的负载均衡。
优选的，所述对海量数据进行日志收集并预处理包括：
对存储在服务器中的海量数据进行日志收集，所述海量数据指的是用户的网络行为数据；
分析日志格式，获取日志中的维度；
从所述日志中的维度中选取多个维度建立空间坐标，其中，每一个维度代表一种数据类型。
优选的，从所述日志中的维度中选取多个维度建立空间坐标包括：
接收用户指令，所述用户指令中携带有多个维度的标识；
根据所述维度的标识，从所述日志中的维度中选择相应的维度建立空间坐标。
优选的，对预处理后的日志进行多维度日志分类包括：
根据所述空间坐标的范围和各维度划分块的数目，采用均值划分法确定各个维度上的划分范围，逐条分析日志；
将每条日志写入对应的空间坐标的范围中，并生成新的日志文件；
将新生成的文件进行压缩，并记录每个文件对应的空间范围以及压缩后的文件大小。
优选的，根据分布式系统Block的大小，将分类后的日志数据打包包括：
将压缩后的文件的元信息依次写入内存中；
根据每个文件所对应的空间范围，将文件的元信息映射到空间坐标系中；
根据文件的空间信息，建立r-tree数据结构，所述r-tree的每个叶子节点的数据将作为一个数据包，每个数据包里包含多个文件，同时保证叶子节点存放的整体文件大小大于1/2block的值，同时小于1block值。
优选的，在所述Block上存储数据，建立数据空间索引包括：
调用分布式文件系统的文件读写函数，将所述r-tree的每个叶子节点里的文件写入分布式系统的一个文件中，并记录文件的空间范围；
通过与分布式系统的文件管理器进行交互，获得每个文件所对应的block的id和相应复本的block的id，得到每个block对应的文件空间范围；
将文件的空间范围映射到空间坐标系中，对文件建立空间索引，通过文件与新产生的所有的block进行关联，以建立基于block的空间索引，在内存中维持一个动态的索引数据。
优选的，所述对所述block进行分布式数据包存储，建立数据空间索引的步骤之后，还包括：
建立新的计算模式，实现计算时集群的负载均衡。
优选的，利用所述数据空间索引，维护分布式集群计算资源的负载均衡包括：
用户向分布式系统提交运行程序请求，所述请求中包括需求数据的维度空间范围；
分布式系统通过系统中的空间索引系统获取需要执行的空间区域所对应的所有block原文件及block复本文件；
分布式系统中的存储管理器与集群进行交互得到集群中各个服务器的负载状况，并返回给系统中的计算管理器，计算管理器根据不同服务器的负载情况，计算最优的block的id，并返回给程序请求的对应的block的id，运行程序。
本发明提供了一种数据存储计算系统，包括：
数据收集模块，用于对海量数据进行日志收集并预处理；
日志分类模块，用于对预处理后的日志进行多维度日志分类；
数据打包模块，用于根据分布式系统Block的大小，将分类后的日志数据打包，所述Block为分布式文件系统的最小存储单位；
索引建立模块，用于在所述Block上存储数据，建立数据空间索引；
负载均衡模块，用于利用所述数据空间索引，维护分布式集群计算资源的负载均衡。
优选的，所述负载均衡模块包括：
请求接收单元，用于接收用户向分布式系统提交运行程序请求，所述请求中包括需求数据的维度空间范围；
索引单元，用于分布式系统通过系统中的空间索引系统获取需要执行的空间区域所对应的所有block原文件及block复本文件；
存储管理器，用于集群进行交互得到集群中各个服务器的负载状况，并返回给系统中的计算管理器；
计算管理器，用于根据不同服务器的负载情况，计算最优的block的id，并返回给程序请求的对应的block的id，运行程序。
本发明提供了一种数据存储计算方法和系统，对海量数据进行日志收集并预处理，对预处理后的日志进行多维度日志分类，根据分布式系统Block的大小，将分类后的日志数据打包，所述Block为分布式文件系统的最小存储单位，在所述Block上存储数据，建立数据空间索引，利用所述数据空间索引，维护分布式集群计算资源的负载均衡，实现了数据存储过程中的负载均衡，解决了资源浪费的问题。
附图说明
图1是本发明的实施例一提供的一种数据存储计算方法的流程图；
图2是图1中步骤101的具体流程图；
图3是图1中步骤102的具体流程图；
图4是图1中步骤103的具体流程图；
图5是图1中步骤104的具体流程图；
图6是图1中步骤105的具体流程图；
图7是本发明的实施例二提供的一种数据存储计算系统的结构示意图；
图8是本发明的实施例二提供的数据存储计算系统工作流程示意图；
图9是本发明的实施例三提供的一种数据存储计算方法的流程图；
图10是本发明的实施例四提供的一种数据存储计算系统的结构示意图；
图11是图10中负载均衡模块1005的结构示意图。
具体实施方式
现有的r-tree算法对数据进行组织时，不能将叶节点的文件大小控制在一定范围之内，导致叶节点在分布式系统中分布极不均匀，一个叶节点可能横跨几个block（分布式文件系统的最小存储单位），造成集群中单台服务器计算资源的浪费；再者，分布式系统的数据复本也是以block为单位的，横跨多个block的叶节点也对在分布式系统中利用冗余资源建立多维的数据索引造成了困难；此外，现有的分布式系统中，无法在计算时利用冗余资源实现集群之内不同服务器间的负载均衡。
为了解决上述问题，本发明的实施例提供了一种数据存储计算方法和系统。下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
首先结合附图，对本发明的实施例一进行说明。
本发明实施例提出了一种基于分片的数据存储计算方法，使用该方法完成数据存储的过程如图1所示，包括：
步骤101、对海量数据进行日志收集并预处理；
本步骤具体如图2所示，包括：
步骤1011、对存储在服务器中的海量数据进行日志收集，所述海量数据指的是用户的网络行为数据；
本步骤中，对存储在服务器中的海量数据进行日志收集，所述海量数据指的是用户的网络行为数据。例如，用户的IP地址，唯一ID等。
步骤1012、分析日志格式，获取日志中的维度；
本步骤中，分析日志格式后，得到日志中包含的多个维度及各个维度的代表内容。
步骤1013、从所述日志中的维度中选取多个维度建立空间坐标；
本步骤中，每一个维度代表一种数据类型。维度选择可根据用户指令完成，即用户发出指令，在指令中携带所选择的多个维度的标识，根据该用户指令选择相应的维度建立空间坐标；也可以随机的从日志的维度中选择规定个数的维度以建立空间坐标。
步骤102、对预处理后的日志进行多维度日志分类；
本步骤具体如图3所示，包括：
步骤1021、根据所述空间坐标的范围和各维度划分块的数目，采用均值划分法确定各个维度上的划分范围，逐条分析日志；
本步骤中所采用的均值划分法，即通过“空间坐标的范围/划分块数”得到每块的范围。如空间坐标范围为100，划分快数为10，得到每块的范围为100/10=10。根据日志量的大小以及分布式系统中block的值确定日志在各个维度上的划分方法，逐条分析日志，例如，可以将ip地址在20至80之间的日志为一个空间进行划分。
步骤1022、将每条日志写入对应的空间坐标的范围中，并生成新的日志文件；
每条日志均有一个空间坐标点，本步骤中，具体的，将该空间坐标点的日志写入对应的空间坐标的范围中。
步骤1023、将新生成的文件进行压缩，并记录每个文件对应的空间范围以及压缩后的文件大小。
步骤103、根据分布式系统Block的大小，将分类后的日志数据打包，所述Block为分布式文件系统的最小存储单位；
本步骤具体如图4所示，包括：
步骤1031、将压缩后的文件的元信息（文件的文件名，大小，以及文件的空间范围）依次写入内存中。
步骤1032、根据每个文件所对应的空间范围，将文件的元信息映射到空间坐标系中。
步骤1033、根据文件的空间信息，建立类似于r-tree的数据结构，每个叶子节点的数据将作为一个数据包，每个数据包里包含多个文件，同时保证叶子节点存放的整体文件大小大于1/2block的值，同时小于1block值。
步骤104、在所述Block上存储数据，建立数据空间索引；
本步骤具体如图5所示，包括：
步骤1041、调用分布式文件系统的文件读写函数，将r-tree的每个叶子节点里的文件写入分布式系统的一个文件中，并记录文件的空间范围。
步骤1042、通过与分布式系统的文件管理器进行交互，获得每个文件所对应的block的id和相应复本的block的id，得到每个block对应的文件空间范围。（分布式系统采取了冗余数据的形式来保证数据的安全性，即系统在存储文件的时候，会在其他服务器上同时生成几个副本文件，这样即使一台服务器上的数据丢失也不会对数据安全性造成影响。）
步骤1043、将文件的空间范围映射到空间坐标系中，对文件建立空间索引，通过文件与新产生的所有的block进行关联，以建立基于block的空间索引，在内存中维持一个动态的索引数据。
步骤105、利用所述数据空间索引，维护分布式集群计算资源的负载均衡；
本步骤具体如图6所示，包括：
步骤1051、用户向分布式系统提交运行程序请求，所述请求中包括需求数据的维度空间范围。
步骤1052、分布式系统（存储管理器）通过系统中的空间索引系统获取需要执行的空间区域所对应的所有block原文件及block复本文件。
步骤1053、分布式系统中的存储管理器与集群进行交互得到集群中各个服务器的负载状况，并返回给系统中的计算管理器，计算管理器根据不同服务器的负载情况，计算最优的block的id，并返回给程序请求的对应的block的id，运行程序。所述服务器的负载包括cpu使用率，io使用率，内存使用率等。
下面结合附图，对本发明的实施例二进行说明。
本发明实施例提出了一种基于分片的数据存储计算系统，该系统如图7所示，包括：
数据收集服务器，用于收集用户网络行为数据，并定期将数据的内容传输到数据预处理服务器中。
数据预处理服务器，用于将海量的数据进行预处理，选取合适的维度和划分方法，将数据分片压缩，将预处理后的数据发送给分布式数据存储计算平台。
分布式数据存储计算平台。所述计算平台存储所有数据，并提供海量数据分析计算的平台。所述分布式数据存储计算平台包括：
存储管理器，此装置按维度打包预处理服务器传送的数据，向分布式集群中写入数据，存储文件存储信息（文件大小、所在服务器、以及对应的block的id），负责分布式集群交互（获取服务器的负载状况），并对存储的数据的所有block的id建立索引。
计算管理器，响应用户的数据处理请求，计算最合理的block的id，发送给计算处理器，维护分布式集群的负载均衡。
计算处理器，执行用户提交的数据处理程序。
分布式集群，由很多服务器组成，负责海量数据存储和运算。
使用上述系统完成数据计算的流程如图8所示，包括：
步骤801、用户提交给计算管理器的程序执行代码和将要执行的数据维度的范围。
步骤802、计算管理器发送数据维度的范围给存储管理器，并发送读取数据索引的请求。
步骤803、存储管理器向数据所在服务器发送获取集群中服务器负载的请求（向数据所在的服务器发送请求）。
步骤804、集群中服务器向存储管理器发送服务器负载状况信息。
步骤805、存储管理器向计算管理器发送数据维度范围内的文件名，以及对应的所有block的id，和block所在存储服务器的负载情况。
步骤806、计算管理器向计算处理器发送程序执行代码和需要执行的数据的blockid。
步骤807、计算处理器在分布式集群的相应服务器上处理数据。
步骤808、计算处理器向用户发送数据处理的结果。
下面结合附图，对本发明的实施例三进行说明。
本发明实施例提供了一种数据存储计算方法。本发明实施例中，以需要对大量的互联网用户行为其进行存储和分析运算的场景为应用场景，采用的分布式系统的block大小为64M，分布式系统将对文件建立两份副本为例进行说明。具体流程如图9所示，包括：
收集的数据格式如表1所示。
表1
| 维度 | 维度含义 | 取值 |
| a1 | 用户id | 0～1000000000的整数 |
| a2 | 用户ip | 0～4294967296的整数 |
| a3 | 活动id | 整数 |
| a4 | 监测点id | 整数 |
| a5 | 用户访问时间 | 年.月.日时：分：秒 |
| a6 | 用户访问行为 | 整数 |
步骤901：利用监测系统，收集互联网用户行为数据，数据文件大小为2T。根据分析选取a1，a2两维（一个日志文件有多少维度与日志收集的内容有关系，比如这条日志只记录了四个内容：cookiesID、ip、用户浏览网页的url、浏览时间，那么这条日志就有四个维度，原则上日志是可以有无限个维度的。a1和a2是日志中合适的数据维度，比如ip,cookiesId）建立空间坐标系，将日志投入的空间向量中，分成262144（512*512）个文件，维度a1切分成512份，每一份包含的范围为1000000000/512=1953125；维度a2切分成512份，每一份包含的范围为4294967296/512=8388608。
例：日志115647^20000000^100485^10004845^2013.04.2313：56：12^0，
该日志的空间坐标为（115647，20000000）坐落在空间区域（0～1953125，16777217～25165824）。
将数据的所有日志依次写入这个空间区域所对应的文件中，并将文件压缩，压缩后的数据分块情况如表2所示（每个分块对应一个收集到的日志）。
表2
步骤902：将压缩好的分块文件的元信息插入到空间坐标中，保证每个数据包（将步骤1中的数据块进行组合，一个数据包可能含有一个或多个数据块）在mbr（空间最小的外接矩形）最小的情况下，使所含文件的大小在32M到64M中保持最大。数据包MBR大小及文件大小如表3所示。
表3
步骤903：依次将数据包里的文件写入分布式系统的一个block中（每个数据包对应一个block），并获得该block Id以及两个副本的block Id，对所有数据建立索引，完成海量数据的分布式存储。空间区域对应的block Id和文件大小如表4所示。
表4
步骤904：程序向分布式集群发送请求对（a11～a12，b11～b12），（a21～a22，b21～b22），（a31～a32，b31～b33），（a41～a42，b41～b42）空间区域的数据进行处理，通过索引获得数据对应的block分布情况如表5所示。
表5
通过与相应服务器交互，获得集群当前服务器的负载情况（以cpu使用
率为例），如表6所示。
表6
| 服务器 | Cpu使用率 |
| 服务器1 | 40% |
| 服务器2 | 50% |
| 服务器3 | 40% |
| 服务器4 | 40% |
| 服务器5 | 50% |
| 服务器6 | 40% |
| 服务器7 | 40% |
| 服务器8 | 50% |
步骤905：计算各个空间区域内选取不同block的分数。
Score（（an1～an2，bn1～bn2），block_m）代表空间区域（an1～an2，bn1～bn2）选用block_m时的得分：
n（服务器n）代表服务器n上各个block的数目；
c（服务器n）代表服务器n上现在的cpu使用率；
Score（（an1～an2，bn1～bn2），block_m）
=（1-c（block_n所在的服务器））*100/n（block_n所在的服务器）；
Score（（a11～a12，b11～b12），block_11）=（1–40%）*100/1=60。
各个空间区域的得分如表7所示。
表7
步骤906：依次选取每个空间范围区域分数最高的block，被选过的block所在的服务器对应的其他block优先级将降低，选取block_11，block_23，block_32，block_42四个block的id返回给发送请求的程序，运行程序对这四个block的数据进行处理，使不同服务器的之间负载均衡，将程序的执行结果返回。
下面结合附图，对本发明的实施例四进行说明。
本发明实施例提供了一种数据存储计算系统，该系统的结构如图10所示，包括：
数据收集模块1001，用于对海量数据进行日志收集并预处理；
日志分类模块1002，用于对预处理后的日志进行多维度日志分类；
数据打包模块1003，用于根据分布式系统Block的大小，将分类后的日志数据打包，所述Block为分布式文件系统的最小存储单位；
索引建立模块1004，用于在所述Block上存储数据，建立数据空间索引；
负载均衡模块1005，用于利用所述数据空间索引，维护分布式集群计算资源的负载均衡。
优选的，所述负载均衡模块1005的结构如图11所示，包括：
请求接收单元1101，用于接收用户向分布式系统提交运行程序请求，所述请求中包括需求数据的维度空间范围；
索引单元1102，用于分布式系统通过系统中的空间索引系统获取需要执行的空间区域所对应的所有block原文件及block复本文件；
存储管理器1103，用于集群进行交互得到集群中各个服务器的负载状况，并返回给系统中的计算管理器；
计算管理器1104，用于根据不同服务器的负载情况，计算最优的block的id，并返回给程序请求的对应的block的id，运行程序。
本发明的实施例提供了一种数据存储计算方法和系统，对海量数据进行日志收集并预处理，对预处理后的日志进行多维度日志分类，根据分布式系统Block的大小，将分类后的日志数据打包，所述Block为分布式文件系统的最小存储单位，在所述Block上存储数据，建立数据空间索引，利用所述数据空间索引，维护分布式集群计算资源的负载均衡，实现了数据存储过程中的负载均衡，解决了资源浪费的问题。
本领域普通技术人员可以理解上述实施例的全部或部分步骤可以使用计算机程序流程来实现，所述计算机程序可以存储于一计算机可读存储介质中，所述计算机程序在相应的硬件平台上（如系统、设备、装置、器件等）执行，在执行时，包括方法实施例的步骤之一或其组合。
可选地，上述实施例的全部或部分步骤也可以使用集成电路来实现，这些步骤可以被分别制作成一个个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
上述实施例中的各装置/功能模块/功能单元可以采用通用的计算装置来实现，它们可以集中在单个的计算装置上，也可以分布在多个计算装置所组成的网络上。
上述实施例中的各装置/功能模块/功能单元以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。上述提到的计算机可读取存储介质可以是只读存储器，磁盘或光盘等。
任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求所述的保护范围为准。
Claims (10)
1.一种数据存储计算方法，其特征在于，包括：
对海量数据进行日志收集并预处理；
对预处理后的日志进行多维度日志分类；
根据分布式系统Block的大小，将分类后的日志数据打包，所述Block为分布式文件系统的最小存储单位；
在所述Block上存储数据，建立数据空间索引；
利用所述数据空间索引，维护分布式集群计算资源的负载均衡。
2.根据权利要求1所述的数据存储计算方法，其特征在于，所述对海量数据进行日志收集并预处理包括：
对存储在服务器中的海量数据进行日志收集，所述海量数据指的是用户的网络行为数据；
分析日志格式，获取日志中的维度；
从所述日志中的维度中选取多个维度建立空间坐标，其中，每一个维度代表一种数据类型。
3.根据权利要求2所述的数据存储计算方法，其特征在于，从所述日志中的维度中选取多个维度建立空间坐标包括：
接收用户指令，所述用户指令中携带有多个维度的标识；
根据所述维度的标识，从所述日志中的维度中选择相应的维度建立空间坐标。
4.根据权利要求2所述的数据存储计算方法，其特征在于，对预处理后的日志进行多维度日志分类包括：
根据所述空间坐标的范围和各维度划分块的数目，采用均值划分法确定各个维度上的划分范围，逐条分析日志；
将每条日志写入对应的空间坐标的范围中，并生成新的日志文件；
将新生成的文件进行压缩，并记录每个文件对应的空间范围以及压缩后的文件大小。
5.根据权利要求1所述的数据存储计算方法，其特征在于，根据分布式系统Block的大小，将分类后的日志数据打包包括：
将压缩后的文件的元信息依次写入内存中；
根据每个文件所对应的空间范围，将文件的元信息映射到空间坐标系中；
根据文件的空间信息，建立r-tree数据结构，所述r-tree的每个叶子节点的数据将作为一个数据包，每个数据包里包含多个文件，同时保证叶子节点存放的整体文件大小大于1/2Block的值，同时小于1Block值。
6.根据权利要求1所述的数据存储计算方法，其特征在于，在所述Block上存储数据，建立数据空间索引包括：
调用分布式文件系统的文件读写函数，将r-tree的每个叶子节点里的文件写入分布式系统的一个文件中，并记录文件的空间范围；
通过与分布式系统的文件管理器进行交互，获得每个文件所对应的Block的id和相应复本的Block的id，得到每个Block对应的文件空间范围；
将文件的空间范围映射到空间坐标系中，对文件建立空间索引，通过文件与新产生的所有的Block进行关联，以建立基于Block的空间索引，在内存中维持一个动态的索引数据。
7.根据权利要求1所述的数据存储计算方法，其特征在于，所述在所述Block上存储数据，建立数据空间索引的步骤之后，还包括：
建立新的计算模式，实现计算时集群的负载均衡。
8.根据权利要求7所述的数据存储计算方法，其特征在于，利用所述数据空间索引，维护分布式集群计算资源的负载均衡包括：
用户向分布式系统提交运行程序请求，所述请求中包括需求数据的维度空间范围；
分布式系统通过系统中的空间索引系统获取需要执行的空间区域所对应的所有Block原文件及Block复本文件；
分布式系统中的存储管理器与集群进行交互得到集群中各个服务器的负载状况，并返回给系统中的计算管理器，计算管理器根据不同服务器的负载情况，计算最优的Block的id，并返回给程序请求的对应的Block的id，运行程序。
9.一种数据存储计算系统，其特征在于，包括：
数据收集模块，用于对海量数据进行日志收集并预处理；
日志分类模块，用于对预处理后的日志进行多维度日志分类；
数据打包模块，用于根据分布式系统Block的大小，将分类后的日志数据打包，所述Block为分布式文件系统的最小存储单位；
索引建立模块，用于在所述Block上存储数据，建立数据空间索引；
负载均衡模块，用于利用所述数据空间索引，维护分布式集群计算资源的负载均衡。
10.根据权利要求9所述的数据存储计算系统，其特征在于，所述负载均衡模块包括：
请求接收单元，用于接收用户向分布式系统提交运行程序请求，所述请求中包括需求数据的维度空间范围；
索引单元，用于分布式系统通过系统中的空间索引系统获取需要执行的空间区域所对应的所有Block原文件及Block复本文件；
存储管理器，用于集群进行交互得到集群中各个服务器的负载状况，并返回给系统中的计算管理器；
计算管理器，用于根据不同服务器的负载情况，计算最优的Block的id，并返回给程序请求的对应的Block的id，运行程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310706148.2A CN104731796B (zh) | 2013-12-19 | 2013-12-19 | 数据存储计算方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310706148.2A CN104731796B (zh) | 2013-12-19 | 2013-12-19 | 数据存储计算方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104731796A CN104731796A (zh) | 2015-06-24 |
| CN104731796B true CN104731796B (zh) | 2017-12-19 |
Family
ID=53455693
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310706148.2A Active CN104731796B (zh) | 2013-12-19 | 2013-12-19 | 数据存储计算方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104731796B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105681397A (zh) * | 2015-12-30 | 2016-06-15 | 曙光信息产业(北京)有限公司 | 一种网络流量数据存储方法及系统、查询方法及装置 |
| CN107423336B (zh) * | 2017-04-27 | 2021-01-15 | 努比亚技术有限公司 | 一种数据处理方法、装置及计算机存储介质 |
| CN109101504B (zh) * | 2017-06-20 | 2023-09-19 | 恒为科技（上海）股份有限公司 | 一种日志压缩和索引方法 |
| CN107609020B (zh) * | 2017-08-07 | 2020-06-05 | 北京京东尚科信息技术有限公司 | 一种基于标注的日志分类的方法和装置 |
| CN110019355A (zh) * | 2017-09-27 | 2019-07-16 | 北京国双科技有限公司 | 独立数据计算方法及装置 |
| CN107733709A (zh) * | 2017-10-17 | 2018-02-23 | 北京奇虎科技有限公司 | 数据存储方法、装置及电子设备 |
| CN108984659A (zh) * | 2018-06-28 | 2018-12-11 | 山东浪潮商用系统有限公司 | 一种用于idfs的文件均衡方法 |
| CN109542910B (zh) * | 2018-12-03 | 2022-10-28 | 中国电波传播研究所（中国电子科技集团公司第二十二研究所） | 一种海量海杂波数据分类存储方法 |
| CN109885544A (zh) * | 2019-01-14 | 2019-06-14 | 中国海洋大学 | 一种面向海洋大数据集群的日志存储方法及系统 |
| US11042416B2 (en) * | 2019-03-06 | 2021-06-22 | Google Llc | Reconfigurable computing pods using optical networks |
| CN112148804A (zh) * | 2019-06-28 | 2020-12-29 | 京东数字科技控股有限公司 | 一种数据预处理方法、装置及其存储介质 |
| CN115617279B (zh) * | 2022-12-13 | 2023-03-31 | 北京中电德瑞电子科技有限公司 | 分布式云数据的处理方法、装置及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7177882B2 (en) * | 2003-09-05 | 2007-02-13 | Oracle International Corporation | Georaster physical data model for storing georeferenced raster data |
| CN102208991A (zh) * | 2010-03-29 | 2011-10-05 | 腾讯科技（深圳）有限公司 | 一种日志处理方法、设备和系统 |
| CN102314491A (zh) * | 2011-08-23 | 2012-01-11 | 杭州电子科技大学 | 多核环境下基于海量日志的类似行为模式用户识别方法 |
| CN102542057A (zh) * | 2011-12-29 | 2012-07-04 | 北京大学 | 基于固态硬盘的高维数据索引结构设计方法 |
| CN103166785A (zh) * | 2011-12-15 | 2013-06-19 | 同程网络科技股份有限公司 | 基于Hadoop的分布式日志分析系统 |
| CN103401937A (zh) * | 2013-08-07 | 2013-11-20 | 中国科学院信息工程研究所 | 日志数据处理方法及系统 |
-
2013
- 2013-12-19 CN CN201310706148.2A patent/CN104731796B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7177882B2 (en) * | 2003-09-05 | 2007-02-13 | Oracle International Corporation | Georaster physical data model for storing georeferenced raster data |
| CN102208991A (zh) * | 2010-03-29 | 2011-10-05 | 腾讯科技（深圳）有限公司 | 一种日志处理方法、设备和系统 |
| CN102314491A (zh) * | 2011-08-23 | 2012-01-11 | 杭州电子科技大学 | 多核环境下基于海量日志的类似行为模式用户识别方法 |
| CN103166785A (zh) * | 2011-12-15 | 2013-06-19 | 同程网络科技股份有限公司 | 基于Hadoop的分布式日志分析系统 |
| CN102542057A (zh) * | 2011-12-29 | 2012-07-04 | 北京大学 | 基于固态硬盘的高维数据索引结构设计方法 |
| CN103401937A (zh) * | 2013-08-07 | 2013-11-20 | 中国科学院信息工程研究所 | 日志数据处理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104731796A (zh) | 2015-06-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104731796B (zh) | 数据存储计算方法和系统 | |
| US20220407781A1 (en) | Intelligent analytic cloud provisioning | |
| Jiang et al. | Scaling-up item-based collaborative filtering recommendation algorithm based on hadoop | |
| CN102968503B (zh) | 数据库系统的数据处理方法以及数据库系统 | |
| US9489233B1 (en) | Parallel modeling and execution framework for distributed computation and file system access | |
| US9158843B1 (en) | Addressing mechanism for data at world wide scale | |
| CN107408114B (zh) | 基于事务访问模式识别联结关系 | |
| US20120109892A1 (en) | Partitioning online databases | |
| CN102314336B (zh) | 一种数据处理方法和系统 | |
| CN105320773A (zh) | 一种基于Hadoop平台的分布式重复数据删除系统和方法 | |
| Chatzimilioudis et al. | Distributed in-memory processing of all k nearest neighbor queries | |
| CN103984761A (zh) | 海量异构数据的存储方法及系统 | |
| CN104036029A (zh) | 大数据一致性对比方法和系统 | |
| CN103440301A (zh) | 一种数据多副本混合存储方法及系统 | |
| CN106326012B (zh) | web应用集群缓存利用方法和系统 | |
| Nidzwetzki et al. | Distributed secondo: an extensible and scalable database management system | |
| CN101419600A (zh) | 基于面向对象文件系统的数据副本映射方法及装置 | |
| Han et al. | Distme: A fast and elastic distributed matrix computation engine using gpus | |
| CN103744882B (zh) | 一种基于键值对的目录片段表示方法及装置 | |
| Alikhan et al. | Dingo optimization based network bandwidth selection to reduce processing time during data upload and access from cloud by user | |
| Dai et al. | GraphMeta: a graph-based engine for managing large-scale HPC rich metadata | |
| US20200379796A1 (en) | Cluster expansion method and apparatus, electronic device and storage medium | |
| CN115563073A (zh) | 分布式元数据的数据处理的方法、装置及电子设备 | |
| Elghamrawy | An adaptive load-balanced partitioning module in Cassandra using rendezvous hashing | |
| Li et al. | A partition model and strategy based on the Stoer–Wagner algorithm for SaaS multi-tenant data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| EM01 | Change of recordation of patent licensing contract |
Change date: 20160426 Contract record no.: 2015110000019 Assignor after: The second hand information technology Co. Ltd. Assignor before: Beijing Sibotu Information Technology Co., Ltd. |
|
| LICC | Enforcement, change and cancellation of record of contracts on the licence for exploitation of a patent or utility model | ||
| CB02 | Change of applicant information |
Address after: 100102 Beijing, Chaoyang District Fu Tong East Street, building 1, room 5, room 321008 Applicant after: The second hand information technology Co. Ltd. Address before: Beijing City, a small town east of Changping District road 102218 No. 398 No. 1 building 4 layer Applicant before: Beijing Sibotu Information Technology Co., Ltd. |
|
| COR | Change of bibliographic data | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |