CN104994136A - 大规模社区的数据存储优化方法及系统 - Google Patents

大规模社区的数据存储优化方法及系统 Download PDF

Info

Publication number
CN104994136A
CN104994136A CN201510273807.7A CN201510273807A CN104994136A CN 104994136 A CN104994136 A CN 104994136A CN 201510273807 A CN201510273807 A CN 201510273807A CN 104994136 A CN104994136 A CN 104994136A
Authority
CN
China
Prior art keywords
server
central server
data
memory space
current
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.)
Granted
Application number
CN201510273807.7A
Other languages
English (en)
Other versions
CN104994136B (zh
Inventor
舒海东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Fanghui Technology Co Ltd
Original Assignee
Chongqing Fanghui Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Fanghui Technology Co Ltd filed Critical Chongqing Fanghui Technology Co Ltd
Priority to CN201510273807.7A priority Critical patent/CN104994136B/zh
Publication of CN104994136A publication Critical patent/CN104994136A/zh
Application granted granted Critical
Publication of CN104994136B publication Critical patent/CN104994136B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9027—Trees

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了大规模社区的数据存储优化方法，多个项目级服务器上报本地存储数据的存储量；根据多个项目级服务器的当前存储量及单台中心服务器的预存量，获取当前所需中心服务器数量及每台中心服务器所对应的项目级服务器信息；根据当前所需中心服务器数量及每台中心服务器所对应的项月级服务器信息，对所述多个项目级服务器的当前存储量进行存储。从而，解决了大规模社区的大数据存储过程中，资源浪费多、系统配备不平均的问题。因此，本发明所提供的大规模社区的数据存储优化方法及系统，通过对项目级服务器的存储量的组合及优化，提高了中心服务器的利用率，有效减少了中心服务器的使用数量，因此，提高了系统的安全性及稳定性。

Description

大规模社区的数据存储优化方法及系统
技术领域
本发明涉及无线通讯的技术领域，尤其是大规模社区的数据存储优化方法及系统。
背景技术
随着智能社区的逐步发展，其社区服务数据量大幅度提升，为实现社区数据的安全性及可靠性，通常需要对社区数据进行全面、可靠的多级备份结构进行备份。如采用：社区级服务器、项目级服务器及中心服务器备份结构，但在数据备份的使用过程中，首先，各社区服务器的配比及实际存储量并不一致。其次，在存储过程中，易出现较大的中心服务器闲置，一方面，易造成中心服务器使用率下降、维护成本上升。另一方面，造成系统安全性及存储效率降低，使系统的灵活性及扩容性下降，从而影响系统的正常运营。
发明内容
针对上述现有技术中的缺陷，本发明解决了大规模社区的大数据存储过程中，资源浪费多、系统配备不平均的问题。
为了达到上述目的，本发明提供如下技术方案：
本发明中的大规模社区的数据存储优化方法，该方法实施于多级服务器的存储结构中，包括，
步骤S101：多个项目级服务器上报本地存储数据的当前存储量；
步骤S102：根据单台中心服务器的预存量对所述当前存储量进行组合，获取当前所需中心服务器数量；根据所述当前存储量的组合信息对应所述多个项目级服务器信息，获取多个项目级服务器的组合信息；
步骤S103：根据当前所需中心服务器数量及多个项目级服务器的组合信息，对所述本地存储数据进行存储。
在一种优选的实施方式中，在所述步骤S101前还包括：
步骤S100，所述多个项目级服务器从多个社区服务器接收存储数据。
在一种优选的实施方式中，所述步骤S102中包括，
根据单台中心服务器的预存量及第一分配算法及第二分配算法，对所述当前存储量进行组合，获取第一当前所需中心服务器数量及第二当前所需中心服务器数量；
从所述第一当前所需中心服务器数量及第二当前所需中心服务器数量中确定小值为当前所需中心服务器数量，提取所述小值所对应的当前存储量的组合信息；
根据所述当前存储量的组合信息对应所述多个项目级服务器信息，获取多个项目级服务器的组合信息。
在一种优选的实施方式中，所述根据单台中心服务器的预存量及第一分配算法及第二分配算法，对所述当前存储量进行组合，获取第一当前所需中心服务器数量及第二当前所需中心服务器数量的步骤包括：
轮询所述多个项目级服务器，将任意两个或多个项目级服务器的当前存储量进行组合，获取组合后容量值小于并最接近单台中心服务器的多个项目服务器组合；根据所述多个项目服务器组合的数量确定第一当前所需中心服务器数量；
根据预设当前中心服务器数量、多个项目级服务器的当前存储量及台中心服务器的预存量建立树型数据结构，对该结构进行搜索和剪枝，获取组合后容量值小于并最接近单台中心服务器的多个项目服务器组合；根据所述多个项目服务器组合的数量确定第二当前所需中心服务器数量。
在一种优选的实施方式中，所述本地存储数据的类型包括：物业信息数据；金融信息数据；医疗信息数据；家庭自动化控制信息数据及协议与指令数据。
同时，本发明还提供了大规模社区的数据存储优化系统，包括，多个项目级服务器、中心服务器及存储优化处理器；
所述多个项目级服务器上报本地存储数据的当前存储量；
所述存储优化处理器根据单台中心服务器的预存量对所述当前存储量进行组合，获取当前所需中心服务器数量；根据所述当前存储量的组合信息对应所述多个项目级服务器信息，获取多个项目级服务器的组合信息；
根据当前所需中心服务器数量及多个项目级服务器的组合信息，对所述本地存储数据进行存储。
在一种优选的实施方式中，所述多个项目级服务器还配置为从多个社区服务器接收存储数据。
在一种优选的实施方式中，所述存储优化处理器根据单台中心服务器的预存量及第一分配算法及第二分配算法，对所述当前存储量进行组合，获取第一当前所需中心服务器数量及第二当前所需中心服务器数量；从所述第一当前所需中心服务器数量及第二当前所需中心服务器数量中确定小值为当前所需中心服务器数量，提取所述小值所对应的当前存储量的组合信息；根据所述当前存储量的组合信息对应所述多个项目级服务器信息，获取多个项目级服务器的组合信息。
在一种优选的实施方式中，所述存储优化处理器还配置为：
轮询所述多个项目级服务器，将任意两个或多个项目级服务器的当前存储量进行组合，获取组合后容量值小于并最接近单台中心服务器的多个项目服务器组合；根据所述多个项目服务器组合的数量确定第一当前所需中心服务器数量；根据预设当前中心服务器数量、多个项目级服务器的当前存储量及台中心服务器的预存量建立树型数据结构，对该结构进行搜索和剪枝，获取组合后容量值小于并最接近单台中心服务器的多个项目服务器组合；根据所述多个项目服务器组合的数量确定第二当前所需中心服务器数量。
在一种优选的实施方式中，所述本地的当前存储数据的类型包括：物业信息数据；金融信息数据；医疗信息数据；家庭自动化控制信息数据及协议与指令数据。
本发明的的有益效果为：本发明所提供的大规模社区的数据存储优化方法及系统，通过对项目级服务器的存储量的组合及优化，提高了中心服务器的利用率，有效减少了中心服务器的使用数量，因此，提高了系统的安全性及稳定性。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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为本发明一种实施方式中，大规模社区的大数据存储服务器框架图；
图2为本发明一种实施方式中，大规模社区的数据存储优化方法的流程示意图；
图3为本发明另一种实施方式中，大规模社区的数据存储优化方法的流程示意图。
具体实施方式
下面将结合本发明的附图，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1、2所示，在本发明一种实施方式中，本发明中的大规模社区的数据存储优化方法，实现于该方法实施于多级服务器的存储结构中，该存储结构如图1所示为A、B、C三级服务器，其中：
(1)A级服务器：中心服务器。
对B级服务器的所有数据进行备份，每一个B级服务器在A级服务器上都可以找到唯一的备份地点；此外，A级服务器的存储数据，将用于大数据分析，进行商业运营。
(2)B级服务器：项目级服务器。
用于存储各智慧城市、智慧社区的数据。
每一个B级服务器上只存储某一个智慧社区的某一种数据。
B级服务器的存储数据种类包括：
1)物业数据；2)金融数据；3)医疗数据；4)家庭控制数据；5)协议与指令
(3)C级服务器：社区级服务器。
B级服务器存储的数据种类与C级服务器存储的数据种类相同。
B级服务器与C级服务器同步备份，具有一一对应关系。
在本发明的一种实施方式中，大规模社区的数据存储优化方法，包括：
步骤S101：多个项目级服务器上报本地存储数据的存储量。
步骤S102：获取中心服务器的存储信息。
在本步骤中，根据单台中心服务器的预存量对所述当前存储量进行组合，获取当前所需中心服务器数量；根据所述当前存储量的组合信息对应所述多个项目级服务器信息，获取多个项目级服务器的组合信息。
步骤S103：进行数据存储。
在本步骤中，根据当前所需中心服务器数量及多个项目级服务器的组合信息，对所述本地存储数据进行存储。
上述本地的当前存储数据的类型包括：物业信息数据；金融信息数据；医疗信息数据；家庭自动化控制信息数据及协议与指令数据。
如图3所示，在一种优选的实施方式中，在所述步骤S101前还包括：步骤S100，多个项目级服务器从多个社区服务器接收存储数据。
在一种优选的实施方式中，上述步骤S102中包括，根据单台中心服务器的预存量及第一分配算法及第二分配算法，对所述当前存储量进行组合，获取第一当前所需中心服务器数量及第二当前所需中心服务器数量；从所述第一当前所需中心服务器数量及第二当前所需中心服务器数量中确定小值为当前所需中心服务器数量，提取所述小值所对应的当前存储量的组合信息；根据所述当前存储量的组合信息对应所述多个项目级服务器信息，获取多个项目级服务器的组合信息。从而，可针对不同的服务器节点结构及资源配备方式，选择最佳的存储方案。
所述根据单台中心服务器的预存量及第一分配算法及第二分配算法，对所述当前存储量进行组合，获取第一当前所需中心服务器数量及第二当前所需中心服务器数量的步骤包括：
轮询所述多个项目级服务器，将任意两个或多个项目级服务器的当前存储量进行组合，获取组合后容量值小于并最接近单台中心服务器的多个项目服务器组合；根据所述多个项目服务器组合的数量确定第一当前所需中心服务器数量；
根据预设当前中心服务器数量、多个项目级服务器的当前存储量及台中心服务器的预存量建立树型数据结构，对该结构进行搜索和剪枝，获取组合后容量值小于并最接近单台中心服务器的多个项目服务器组合；根据所述多个项目服务器组合的数量确定第二当前所需中心服务器数量。
上述算法具体可通过下述的计算过程给予实现：
假设N台B级服务器的存储容量分别为：w1，w2，w3，...，wN；每一台A级服务器的存储容量为W，B级服务器Bi(1≤i≤n)将分配到第BXi(1≤BXi≤m)K台A级服务器上；令函数 f ( x , y ) = 1 , ( x = = y ) 0 , ( x ≠ y ) . 要求，给出最小的A级服务器台数m。
令n台B级服务器的解向量为BX＝{BX1，BX2，...，BXn}，(1≤BXi≤m)，初始化时，将BXi(1≤i≤n)全部置为0。则可以给出如下的数学模型，
min{m}
BX i ≠ 0 , ( 1 ≤ i ≤ n ) , ( 1 ) ( Σ i = 1 n w i × f ( BX i , 1 ) ) ≤ W , ( 2 ) . . . ( 3 ) ( Σ i = 1 n w i × f ( BX i , m ) ) ≤ W , ( 4 )
结合以上数学模型，可以给出如下存储优化算法(如算法一和算法二)：
算法一：在给定服务器数量和存储容量下，服务器配置优化算法
输入：N台B级服务器的存储容量数组每一台A级服务器的存储容量W，给定服务器数量m；
输出：N台B级服务器所存储的A级服务器位置：BX＝{BX1，BX2，...，BXn}，(1≤BXi≤m)。
步骤1：(初始化)
注：本算法采用树型结构进行搜索和剪枝，该树型结构在算法运行过程中虚拟存在，并不需要将一颗树明确的构建出来。
初始化树型结构深度遍历的层数j＝1；
初始化解向量：FOR i＝1 TO N DO
BXi＝0；
   END FOR
步骤2：(搜索不到合适的解)
IF j＝＝0 THEN(搜索完成，没有搜到合适的解)
BX＝{0，0，...，0}；转步骤6；
     END IF
步骤3：(树型结构深度搜索的终止条件)
IF j＝＝n THEN
判定解BX的第n个分量BXn是否满足约束(1)、(2)、(3)、(4)；
  IF BXn满足条件，则依次输出解BX＝{BX1，BX2，...，BXn}，转步骤6；
       END IF
  END IF
步骤4：(树型结构向下一层搜索的终止条件)
IF j＜n THEN
判定解BX的第n个分量BXn是否满足约束(1)、(2)、(3)、(4)；
      IF BXn满足条件，则j＝j+1；转步骤3；
   END IF
END IF
步骤5：(树型结构剪枝，并向上一层回溯)
IF j＜n THEN
判定解BX的第n个分量BXn是否满足约束(1)、(2)、(3)、(4)；
    IFBXn不满足条件，则
IF BXj＜m THEN BXj＝BXj+1；(继续搜索当层其它分枝)
    ELSE
j＝j-1，BXj＝BXj+1；(回溯到上一层的下一个分枝)
             END IF
     转步骤3；
       END IF
END IF
步骤6：(解的输入)
   依次输出BX＝{BX1，BX2，...，BXn}。
算法二：在给定服务器存储容量下，服务器最小数量优化算法
输入：N台B级服务器的存储容量数组每一台A级服务器的存储容量W；
输出：服务器最小数量m和对应的B级服务器存储位置的解BX＝{BX1，BX2，...，BXn}，(1≤BXi≤m)。
步骤1：初步确定满足B级服务器存储容量的A级服务器数量MIN；
计算B级服务器所有数据存储容量值：
IF Total MOD W＝＝0THEN MIN＝Total/W；
ELSE MIN＝Total/W+1；
END IF
步骤2：依次搜索最小的A级服务器数量m；
P＝MIN；(给临时变量P赋初值)
WHILE(P≥MIN)DO
   令m＝P；调用算法一；
   IF BX＝{0，0，...，0}THEN(算法一没有搜索到合适的解)
       P＝P+1；
   ELSE
       依次记录BX值；转步骤3；
   END IF
    END WHILE
步骤3：输出m；依次输出BX＝{BX1，BX2，...，BXn}。
通过上述方式实现计算的具体过程为
实例1：
给出一个13台B级服务器的存储容量表(如表1所示)。
表1：一个13台B级服务器的存储容量表
编号 B级服务器名称 存储容量 存储内容
1 B1 10T 物业数据
2 B2 10T 物业数据
3 B3 5T 金融数据
4 B4 10T 物业数据
5 B5 9T 金融数据
6 B6 4T 医疗数据
7 B7 3T 协议控制与指令
8 B8 9T 家庭控制数据
9 B9 9T 家庭控制数据
10 B10 8T 家庭控制数据
11 B11 8T 金融数据
12 B12 4T 医疗数据
13 B13 9T 物业数据
假设每台A级服务器的总存储量为25T；
如果采用非优化方式，将B级服务器顺序存入A级服务器，则，B级服务器的存储方式为：
A1服务器存入：B1(10T)+B2(10T)+B3(5T)；
A2服务器存入：B4(10T)+B5(9T)+B6(4T)；
A3服务器存入：B7(3T)+B8(9T)+B9(9T)；
A4服务器存入：B10(8T)+B11(8T)+B12(4T)；
A5服务器存入：B13(9T)。
一共需要5台A级服务器。
而采用算法二，则只需要4台A级服务器，所采用的存储方式为：
A1服务器存入：
A1服务器存入：B1(10T)+B2(10T)+B3(5T)；
A2服务器存入：B4(10T)+B5(9T)+B6(4T)；
A3服务器存入：B7(3T)+B8(9T)+B9(9T)+B12(4T)；
A4服务器存入：B10(8T)+B11(8T)+B13(9T)；
因此，采用算法二，可以有效节约服务器的存储空间。
一个大规模的智慧社区平台系统，可能涉及上1000台以上的B级服务器，在进行数据备份时，如何不能合理利用服务器的空间，将会大致大量的资源浪费。此外，随着服务器数量的增加，难以进行手工计算；因此，设计合理的服务器数量优化算法是非常有实用价值的。目前，国内还缺乏大规模智慧社区建设的服务器架构设计及相关优化算法。
同时，本发明还提供了大规模社区的数据存储优化系统，包括，多个项目级服务器、中心服务器及存储优化处理器；
所述多个项目级服务器上报本地存储数据的当前存储量；
所述存储优化处理器根据单台中心服务器的预存量对所述当前存储量进行组合，获取当前所需中心服务器数量；根据所述当前存储量的组合信息对应所述多个项目级服务器信息，获取多个项目级服务器的组合信息；
根据当前所需中心服务器数量及多个项目级服务器的组合信息，对所述本地存储数据进行存储。
在一种优选的实施方式中，所述多个项目级服务器还配置为从多个社区服务器接收存储数据。
在一种优选的实施方式中，所述存储优化处理器根据单台中心服务器的预存量及第一分配算法及第二分配算法，对所述当前存储量进行组合，获取第一当前所需中心服务器数量及第二当前所需中心服务器数量；从所述第一当前所需中心服务器数量及第二当前所需中心服务器数量中确定小值为当前所需中心服务器数量，提取所述小值所对应的当前存储量的组合信息；根据所述当前存储量的组合信息对应所述多个项目级服务器信息，获取多个项目级服务器的组合信息。
在一种优选的实施方式中，所述存储优化处理器还配置为：
轮询所述多个项目级服务器，将任意两个或多个项目级服务器的当前存储量进行组合，获取组合后容量值小于并最接近单台中心服务器的多个项目服务器组合；根据所述多个项目服务器组合的数量确定第一当前所需中心服务器数量；根据预设当前中心服务器数量、多个项目级服务器的当前存储量及台中心服务器的预存量建立树型数据结构，对该结构进行搜索和剪枝，获取组合后容量值小于并最接近单台中心服务器的多个项目服务器组合；根据所述多个项目服务器组合的数量确定第二当前所需中心服务器数量。
在一种优选的实施方式中，所述本地的当前存储数据的类型包括：物业信息数据；金融信息数据；医疗信息数据；家庭自动化控制信息数据及协议与指令数据。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，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所述以权利要求的保护范围为准。

Claims (10)

1.大规模社区的数据存储优化方法，其特征在于，该方法实施于多级服务器的存储结构中，包括，
步骤S101：多个项目级服务器上报本地存储数据的当前存储量；
步骤S102：根据单台中心服务器的预存量对所述当前存储量进行组合，获取当前所需中心服务器数量；根据所述当前存储量的组合信息对应所述多个项目级服务器信息，获取多个项目级服务器的组合信息；
步骤S103：根据当前所需中心服务器数量及多个项目级服务器的组合信息，对所述本地存储数据进行存储。
2.根据权利要求1所述的大规模社区的数据存储优化方法，其特征在于，在所述步骤S101前还包括：
步骤S100，所述多个项目级服务器从多个社区服务器接收存储数据。
3.根据权利要求1或2所述的大规模社区的数据存储优化方法，其特征在于，所述步骤S102中包括，
根据单台中心服务器的预存量及第一分配算法及第二分配算法，对所述当前存储量进行组合，获取第一当前所需中心服务器数量及第二当前所需中心服务器数量；
从所述第一当前所需中心服务器数量及第二当前所需中心服务器数量中确定小值为当前所需中心服务器数量，提取所述小值所对应的当前存储量的组合信息；
根据所述当前存储量的组合信息对应所述多个项目级服务器信息，获取多个项目级服务器的组合信息。
4.根据权利要求3所述的大规模社区的数据存储优化方法，其特征在于，所述根据单台中心服务器的预存量及第一分配算法及第二分配算法，对所述当前存储量进行组合，获取第一当前所需中心服务器数量及第二当前所需中心服务器数量的步骤包括：
轮询所述多个项目级服务器，将任意两个或多个项目级服务器的当前存储量进行组合，获取组合后容量值小于并最接近单台中心服务器的多个项目服务器组合；根据所述多个项目服务器组合的数量确定第一当前所需中心服务器数量；
根据预设当前中心服务器数量、多个项目级服务器的当前存储量及台中心服务器的预存量建立树型数据结构，对该结构进行搜索和剪枝，获取组合后容量值小于并最接近单台中心服务器的多个项目服务器组合；根据所述多个项目服务器组合的数量确定第二当前所需中心服务器数量。
5.根据权利要求3或4所述的大规模社区的数据存储优化方法，其特征在于，所述本地存储数据的类型包括：物业信息数据；金融信息数据；医疗信息数据；家庭自动化控制信息数据及协议与指令数据。
6.大规模社区的数据存储优化系统，其特征在于，包括，多个项目级服务器、中心服务器及存储优化处理器；
所述多个项目级服务器上报本地存储数据的当前存储量；
所述存储优化处理器根据单台中心服务器的预存量对所述当前存储量进行组合，获取当前所需中心服务器数量；根据所述当前存储量的组合信息对应所述多个项目级服务器信息，获取多个项目级服务器的组合信息；
根据当前所需中心服务器数量及多个项目级服务器的组合信息，对所述本地存储数据进行存储。
7.根据权利要求6所述的大规模社区的数据存储优化系统，其特征在于，所述多个项目级服务器还配置为从多个社区服务器接收存储数据。
8.根据权利要求6或7所述的大规模社区的数据存储优化方法，其特征在于，所述存储优化处理器根据单台中心服务器的预存量及第一分配算法及第二分配算法，对所述当前存储量进行组合，获取第一当前所需中心服务器数量及第二当前所需中心服务器数量；从所述第一当前所需中心服务器数量及第二当前所需中心服务器数量中确定小值为当前所需中心服务器数量，提取所述小值所对应的当前存储量的组合信息；根据所述当前存储量的组合信息对应所述多个项目级服务器信息，获取多个项目级服务器的组合信息。
9.根据权利要求8所述的大规模社区的数据存储优化系统，其特征在于，所述存储优化处理器还配置为：
轮询所述多个项目级服务器，将任意两个或多个项目级服务器的当前存储量进行组合，获取组合后容量值小于并最接近单台中心服务器的多个项目服务器组合；根据所述多个项目服务器组合的数量确定第一当前所需中心服务器数量；
根据预设当前中心服务器数量、多个项目级服务器的当前存储量及台中心服务器的预存量建立树型数据结构，对该结构进行搜索和剪枝，获取组合后容量值小于并最接近单台中心服务器的多个项目服务器组合；根据所述多个项目服务器组合的数量确定第二当前所需中心服务器数量。
10.根据权利要求6所述的大规模社区的数据存储优化系统，其特征在于，所述本地的当前存储数据的类型包括：物业信息数据；金融信息数据；医疗信息数据；家庭自动化控制信息数据及协议与指令数据。
CN201510273807.7A 2015-05-26 2015-05-26 大规模社区的数据存储优化方法及系统 Expired - Fee Related CN104994136B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510273807.7A CN104994136B (zh) 2015-05-26 2015-05-26 大规模社区的数据存储优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510273807.7A CN104994136B (zh) 2015-05-26 2015-05-26 大规模社区的数据存储优化方法及系统

Publications (2)

Publication Number Publication Date
CN104994136A true CN104994136A (zh) 2015-10-21
CN104994136B CN104994136B (zh) 2018-10-09

Family

ID=54305887

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510273807.7A Expired - Fee Related CN104994136B (zh) 2015-05-26 2015-05-26 大规模社区的数据存储优化方法及系统

Country Status (1)

Country Link
CN (1) CN104994136B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105045527A (zh) * 2015-06-16 2015-11-11 重庆本原致创科技发展有限公司 大规模社区的数据存储优化方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103037004A (zh) * 2012-12-21 2013-04-10 曙光信息产业(北京)有限公司 云存储系统操作的实现方法和装置
CN103744617A (zh) * 2013-12-20 2014-04-23 北京奇虎科技有限公司 一种键-值存储系统中数据文件的合并压缩方法及装置
CN103763363A (zh) * 2014-01-14 2014-04-30 南京邮电大学 一种云存储系统及基于该系统的文件副本部署方法
US20140215073A1 (en) * 2013-01-28 2014-07-31 International Business Machines Corporation Computing optimized virtual machine allocations using equivalence combinations
CN104536803A (zh) * 2014-12-23 2015-04-22 西安电子科技大学 一种基于组合优化的虚拟机调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103037004A (zh) * 2012-12-21 2013-04-10 曙光信息产业(北京)有限公司 云存储系统操作的实现方法和装置
US20140215073A1 (en) * 2013-01-28 2014-07-31 International Business Machines Corporation Computing optimized virtual machine allocations using equivalence combinations
CN103744617A (zh) * 2013-12-20 2014-04-23 北京奇虎科技有限公司 一种键-值存储系统中数据文件的合并压缩方法及装置
CN103763363A (zh) * 2014-01-14 2014-04-30 南京邮电大学 一种云存储系统及基于该系统的文件副本部署方法
CN104536803A (zh) * 2014-12-23 2015-04-22 西安电子科技大学 一种基于组合优化的虚拟机调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CRAIG ARMSTRONG.ETC: "Distributed Storage with Communication Costs", 《FORTY-NINTH ANNUAL ALLERTON CONFERENCE ALLERTON HOUSE, UIUC, ILLINOIS, USA》 *
范宗勤: "云环境下的资源调度算法研究", 《中国优秀硕士学位论文全文数据率》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105045527A (zh) * 2015-06-16 2015-11-11 重庆本原致创科技发展有限公司 大规模社区的数据存储优化方法及系统

Also Published As

Publication number Publication date
CN104994136B (zh) 2018-10-09

Similar Documents

Publication Publication Date Title
CN110618870B (zh) 一种深度学习训练任务的工作方法及装置
CN103309738B (zh) 用户作业调度方法及装置
CN104468803B (zh) 一种虚拟数据中心资源映射方法和设备
CN108370255A (zh) 极性码连续消去列表解码器中的存储器管理和路径排序
CN105468435A (zh) Nfv动态资源分配方法
CN109960587A (zh) 超融合云计算系统的存储资源分配方法和装置
CN108965014A (zh) QoS感知的服务链备份方法及系统
CN107026877A (zh) 云平台中管理资源的方法和装置
CN107682211B (zh) 一种网络拓扑结构确定方法、装置及计算机可读存储介质
CN104239154B (zh) 一种Hadoop集群中的作业调度方法和作业调度器
CN104202176A (zh) 光网络拓扑计算机自动构建方法
CN103441918A (zh) 一种自组织集群服务器系统及其自组织方法
CN106020977B (zh) 用于监控系统的分布式任务调度方法及装置
CN104901989A (zh) 一种现场服务提供系统及方法
CN113867957A (zh) 一种跨集群容器数量弹性伸缩实现方法及装置
CN105049475A (zh) 大规模社区的数据高效存储优化方法及系统
CN104270446A (zh) 基于用户选择的企业管理系统集成方法
US9565101B2 (en) Risk mitigation in data center networks
CN104994136A (zh) 大规模社区的数据存储优化方法及系统
CN104050189B (zh) 页面共享处理方法及装置
CN116302580B (zh) 纳米继电器算力资源调度方法及装置
CN109191135A (zh) 基于区块链的交易重试方法、装置、设备及可读存储介质
CN104239520A (zh) 一种基于历史信息的hdfs数据块放置策略
CN109525437B (zh) 配电网通信节点恢复方法和系统
CN103746894A (zh) 一种基于地理位置约束的批量虚拟网络映射方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 401120 Chongqing city Yubei District Longxi Street Road No. 6 are the first new irrigation station 9 building 12-15

Applicant after: CHONGQING FANGHUI TECHNOLOGY Co.,Ltd.

Address before: 401120, Yubei District, Chongqing red street street 99, Huang Guandong and garden C1 building 13-4

Applicant before: CHONGQING FANGHUI TECHNOLOGY Co.,Ltd.

CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Guo Yajun

Inventor before: Shu Haidong

GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20181009