CN106547849B - 一种满足租户差异化需求的多租户数据库的构建方法 - Google Patents
一种满足租户差异化需求的多租户数据库的构建方法 Download PDFInfo
- Publication number
- CN106547849B CN106547849B CN201610908879.9A CN201610908879A CN106547849B CN 106547849 B CN106547849 B CN 106547849B CN 201610908879 A CN201610908879 A CN 201610908879A CN 106547849 B CN106547849 B CN 106547849B
- Authority
- CN
- China
- Prior art keywords
- tenant
- demand
- data
- model
- data model
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种满足租户差异化需求的多租户数据库的构建方法,包括对租户的存储性能需求,隐私性需求,数据自定程度需求以及故障恢复能力需求进行建模;对数据模型的查询性能特性,隔离级别特性,自定义程度特性以及共享级别特性进行建模;通过对租户需求与数据模型特性进行匹配,得到满足租户需求的数据模型候选集;对数据库硬件成本的CPU资源、内存资源进行建模;通过硬件成本模型得到硬件成本的定量表达;通过租户需求、数据模型候选集以及数据库硬件成本,得到成本最低的数据模型,作为目标数据模型。本发明提供的方法可以在满足租户需求的同时,为租户选择合适的目标数据模型,构建更高效的多租户数据库,并减少服务提供商的成本。
Description
技术领域
本发明涉及多租户数据库领域,尤其是一种满足租户差异化需求的多租户数据库的构建方法,进而构建一种高效、低成本的多租户数据库。
背景技术
随着信息技术的发展,企业通过构建信息平台、使用应用软件来支撑其运营和发展。对于传统的软件开发模式,具有成本较高,开发周期长,运维繁琐等问题。这些问题困扰着资金不充裕,技术实力较弱,但却急需信息化改造的中小企业。在这样的背景下,软件即服务模式(SaaS,Software as a Service)作为一种新的软件服务提供模式被提出,并成为了越来越多企业的选择。
在SaaS模式中,服务供应商为了降低成本,希望通过复用软件和硬件的形式,使用尽可能少的资源为多个要求不同的企业提供软件服务。为了达到这一目标,需要使用SaaS其中一项重要技术——多租户(Multi-Tenant)技术。多租户技术的核心思想在于,让多个需要使用相同或类似软件服务的租户共用一个相同的软件实例,实现程度较高的共享,以直接降低SaaS服务提供商的支出和间接降低租户的租赁成本。而使用了多租户技术,能够以SaaS模式提供软件服务的应用则被称为SaaS多租户应用。
SaaS多租户应用与传统应用一样,也需要数据库的支持。能够支撑SaaS多租户应用,为多租户应用提供数据服务,具有多租户特征的数据管理软件被称为多租户数据库。在多租户数据库中,用于存储租户逻辑数据的数据表的结构,被称为多租户数据模型。
在多租户应用中,不同租户对逻辑应用的业务需求存在差异,应用业务需求的差异导致对多租户数据库存储需求的不同。不同租户对数据的查询性能,隐私性、可自定义程度以及故障恢复能力的数据库特性要求不尽相同。而对于不同的多租户数据模型,其对于以上四种数据库特性的支持程度也不尽相同。现有的多租户数据库往往只使用一种数据模型存储所有租户的数据,不能满足租户的需求,而对于使用了多种数据模型的多租户数据库,则面临着如何为租户选择合适的数据模型,使得租户的细粒度需求得到满足,并且尽可能减少SaaS服务提供商的成本的问题。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足,提供一种满足租户差异化需求的多租户数据库的构建方法,可以为租户的数据选择合适的数据模型,在满足租户细粒度存储需求的同时,减少服务提供商的成本。
为了实现上述的发明目的,本发明所采用的技术方案如下:
(1)对租户细粒度需求进行建模。
所述的对租户细粒度需求建模是完成对租户的查询性能,隐私性、可自定义程度以及故障恢能力需求进行定性与定量表达。所述的租户tenanti的存储需求,表示为demandi=(pi,si,ci,ri)。
所述的pi为tenanti的查询性能需求,表示为pi=(latencyi,throughputi)。
所述的(latencyi,throughputi),为使用查询延时(latencyi)以及查询吞吐率(throughputi)的组合描述tenanti的查询性能需求。
所述的latencyi为租户tenanti对于查询延时的需求,用单位毫秒(ms)进行衡量。
所述的throughputi为租户tenanti对于查询吞吐率的需求,用单位查询每秒(query per second,q/s)进行衡量。
所述的si为tenanti的隐私性需求,表示为si=phyIsoLvi。
所述的phyIsoLvi通过租户数据的物理隔离程度衡量租户的隐私性程度,表示为phyIsoLvi∈{serverIso,databaseIso,tableIso,tableShare}。
所述的serverIso为服务器实例隔离级别。
所述的databaseIso为数据库实例隔离级别。
所述的tableIso为数据表隔离级别。
所述的tableShare为共享表隔离级别。
所述的ci为tenanti的可自定义程度需求,表示为ci=(isAllDefineable,isFieldUnlimited,isAllType)。
所述的isAllDefineable为是否可定义所有字段,表示为isAllDefineable∈{ture,false}。
所述的isFieldUnlimited为是否可定义不定数量的字段,表示为isFieldUnlimited∈{ture,false}。
所述的isAllType为是否可定义任意数据类型,表示为isAllType∈{ture,false}。
所述的ri为tenanti的数据库故障恢复能力需求,表示为ri=recLvi。
所述的recLvi通过其他租户以及其他业务对本租户本业务数据恢复能力的影响衡量租户的数据恢复能力,表示为recLvi∈{otherTenantNoEff,otherBusRecNoEff,allEffect}。
所述的otherTenantNoEff为其他租户其他及业务数据的恢复不对本租户本业务数据恢复造成影响级别。
所述的otherBusRecNoEfi为其他业务的数据恢复对本业务数据恢复造成影响级别。
所述的allEffect为其他租户或本租户其他业务数据恢复对本租户本业务数据恢复造成影响级别。
综上所述,租户tenanti的细粒度数据存储需求定性以及定量表示为:
demandi=((latencyi,throughputi),phyIsoLvi,
(isAllDefineable,isFileldUnlimired,isAllType),recLvi)
(phyIsoLvi∈{serverIso,databaseIso,tableIso,tableShare},
recLvi∈{otherRecNoEff,otherTenantRecEff,otherSelfBusRecEff}。
(2)对数据模型特性进行建模。
所述的对数据模型特性建模是完成对多租户数据模型的查询性能特性,隐私性特性、可自定义程度以及故障恢复能力特性进行定性与定量表达。所述的数据模型modeli的特性,表示为characi=(mpi,msi,mci,mri)。
所述的mpi为modeli的查询性能特性,表示为mpi={(latencyj,throughputj),resj}。
所述的(latencyj,throughputj),resj为在资源提供量级别resj时,modeli在存储的数据量具有latencyj的查询延时throughputj的吞吐率。
所述的resj为resj=(cpuk,memk),表示资源级别为需要CPU的资源量为cpuk,单位为GHz,需要内存的资源量为memk,单位为MB。
所述的msi为modeli的隐私性特性,表示为msi=mPhyIsoLvi。
所述的mPhyIsoLvi通过modeli的数据表隔离级别衡量隐私特性,表示为mPhyIsoLvi∈{tableIso,simTableIso,allTableShare}。
所述的tableIso为独立数据表级别。
所述的simTableIso为同一类型数据表共享级别。
所述的allTableShare为所有数据表共享级别。
所述的mci为数据模型modeli的自定义程度特性,表示为mci=(isContainBase,isExtFieldFree,isExtTypeFree)。
所述的isContainBase为模型是否具有基础数据部分,表示为isContainBase∈{ture,false}。
所述的isExtFieldFree为模型自定义数据部分字段数量是否不限,表示为isExtFieldFree∈{ture,false}。
所述的isExtTypeFree为模型自定义数据部分字段的数据类型是否不限,表示为isExrTypeFree∈{ture,false},表示模型。
所述的mci为modeli的故障恢复能力特性,表示为mri=mrecLvi。
所述的mrecLvi通过数据模型对不同租户、不同业务的数据的共享存储级别衡量数据模型的故障恢复能力,表示为mReLvi∈{noTableShare,simDataShare,allDataShare}。
所述的noTableShare表示无数据表共享级别。
所述的simDataShare表示同一业务数据共享同一数据表级别。
所述的allDataShare表示所有业务数据共享同一数据表级别。
综上所述,数据模型modeli的特性定性以及定量表示为:
characi=({(latencyj,throughputj),(cpuk,memk)},mPhvIsoLvi,
(isContainBase,isExtFieldFree,isExtTypeFree),mrii)
(phyIsoLvi∈{tableIso,simTableIso,allTableShare},
mRecLvi∈{otherRecNoEff,otherTenantRecEff,otherSelfBusRecEff})。
(3)对租户需求模型以及数据模型特性模型进行匹配,得到符合租户需求的数据模型候选集。
对需要选择数据数据模型的租户建立步骤(1)所述的租户细粒度需求进行建模,租户的建模结果为demandi。
对数据库中所有的多租户数据模型建立步骤(2)所述的数据模型特性模型建模,得到数据模型特性模型特性候选集charac=charac1,…,characL},通过charac得到数据模型候选集model。
对demandi和集合charac中的每一个characl进行匹配,匹配过程为:
对于demandi中的(latencyi,throughputi),若characl查询性能集合{(latencyj,throughputj),(cpuk,memk)}中所有的(latencyi,throughputj)都无法满足latencyj≤latencyi且throughputj≥throughputi,则将characl从charac中剔除。
对于demandi中的phyIsoLvi,与characl的mPhyIsoLvl的匹配过程为:
若phyIsoLvi=serverIso,或phyIsoLvi=databaseIso,或phyIsoLvi=databaseIso,则mPhyIsoLvi需符合mPhyIsoLvl=tableIso,否则,将则将characl从charac中剔除。
若phyIsoLvi=tableShare,则characl可保留在charac中。
对于demandi中的(isAllDefineable,isFileldUnlimited,isAllType),与characl的(isContainBase,isExtFieldFree,isExtTypeFree)匹配过程为:
若isAllDefineable=true,则isContainBase需符合isContainBase=true,否则,将characl从charac中剔除。
若isFileldUnlimited=true,则isExtFieldFree需符合isExtFieldFree=true,否则,将characl从charac中剔除。
若isAllType=true,则isExtTypeFree需符合isExtTypeFree=true,否则,将characl从charac中剔除。
对于demandi中的recLvi,与characl的mReLvl的匹配过程为:
若recLvi=otherTenantNoEff,则mReLvl需要符合mReLvl=noTableShare,否则,将characl从charac中剔除。
若recLvi=otherBusRecNoEff,则mReLvi需要符合mReLvl=noTableShare或mReLvl=simDataShare,否则,将characl从charac中剔除。
若recLvi=otherTenantNoEff,则characl可保留在charac中。
将charac中所有characl对应的modeli置入候选集model中。
(4)对数据库硬件成本进行建模。
所述的对数据库硬件成本进行建模是完成对数据库使用数据模型modell存储租户tenanti的数据时,需要满足租户查询性能需求所支出的虚拟机资源成本进行定量表达。
所述的通过CPU资源成本以及内存资源成本衡量,表示为
所述的为数据模型modell满足租户tenanti的查询性能需求(latencyi,throughputi)所需支出的CPU成本,表示为
所述的为数据模型modell满足租户tenanti的查询性能需求(latencyi,throughputi)所需支出的内存成本,表示为
(5)根据数据库硬件成本模型,得到数据模型候选集中成本最低的模型。
对步骤(3)所得的数据模型特性候选集model中所有的modeli,结合demandi,计算 最小的modeli置为tenanti的目标数据模型。
本发明与现有技术相比,具有如下优点和有益效果:
本发明实施方式提供的租户数据模型选择方法可以根据租户细粒度的查询性能,隐私性、可自定义程度以及故障恢复能力需求,合理地根据数据模型的特性为租户得到合适的数据模型候选集,最后通过数据库硬件成本模型,得到目标数据模型,有效减少服务提供商的支出成本。
附图说明
图1是本发明的方法的一个实施例的流程图;
具体实施方式
下面结合附图,对本发明的实施方式做进一步说明。为了充分地了解本发明的目的、特征和效果,以下将结合附图1对本发明的构思、具体结构及产生的技术效果作进一步说明。
如图1所示,一种多租户数据库中的租户数据模型选择方法,包括:
步骤101、对多租户环境中的租户细粒度存储需求进行建模。
本实施例中某租户的存储需求如表1所示。
表1租户存储需求表
对租户的存储需求进行建模,建模结果如下:
demand1=((80,5),tableShare,(false,true,false),otherTenantRecEff)
步骤102、对多租户环境中的租户细粒度存储需求进行建模。
本实施例中数据库使用的3种数据模型及其特性如表2所示。
表2数据模型特性表
对3中数据模型的存储特性进行建模,建模结果如下:
charac1=({((24,42),(0.325,125)),((52,20),(0.1625,62.5)),
((101,10),(0.08125,31.25)),((181,5),(0.040625,15.625))},
tableIso,(false,true,true),noTableShare)
charac2=({((19,52),(0.325,125)),((37,26),(0.1625,62.5)),
((62,16),(0.08125,31.25)),((110,7),(0.040625,15.625))},
tableShare,(false,false,true),allDataShare)
charac3=({((23,42),(0.325,125)),((46,22),(0.1625,62.5)),
((79,12),(0.08125,31.25)),((166,6),(0.040625,15.625))},
tableShare,(false,true,false),simDataShare)
步骤103:匹配租户需求与数据模型。
对步骤101得到的租户细粒度需求demand1和步骤102得到的charac进行匹配,匹配过程如下:
匹配demand1和charac1过程如下:
p1=(80,5),mp2 1=((52,20),(0.1625,62.5)),可满足,保留;
s1=tableShare,ms1=tableIso,可满足,保留;
c1=(false,true,false),mc1=(false,true,true)。可满足,保留;
r1=otherTenantRecEff,mr1=noTableShare。可满足,保留。
匹配demand1和charac2过程如下:
p1=(80,5),mp3 2=((62,16),(0.08125,31.25)),可满足,保留;
s1=tableShare,ms2=tableShare,可满足,保留;
c1=(false,true,false),mc2=(false,false,true)。不满足,剔除。
匹配demand1和charac3过程如下:
p1=(80,5),mp3 3=((79,12),(0.08125,31.25)),可满足,保留;
s1=tableShar∈,ms3=tableShare,可满足,保留;
c1=(false,true,false),mc3=(false,true,false)。可满足,保留;
r1=otherTenantRecEff,mr3=simDataShare。可满足,保留。
将charac中所有characl对应的modeli置入候选集model中,得到model={privatetable model,multi-class table model}。
步骤104:对多租户环境中的数据库硬件成本进行建模。
在本实施例中,使用虚拟机作为数据库服务器,为SaaS应用提供数据存储服务。在本多租户环境中,单核CPU为2.6GHz的租用费用为2元/天,内存为1G的租用费用2元/天。
可得,本实施例中的数据库使用数据模型modell存储租户tenanti的数据时,服务提供商需要支付的费用计算方式为:
步骤105:根据数据库硬件成本模型,得到数据模型候选集中成本最低的模型。
对步骤103所得model中所有的modell,结合demand1和步骤104所得的计算硬件成本,计算过程如下:
可知model2为候选集model中用于为租户提供数据服务成本最低的模型,model2,即multi-class chunk folding table model作为租户的目标数据模型。
方法在为租户选择数据模型时,根据租户细粒度的存储需求,不同数据模型的存储特性以及数据库成本计算方式选择目标数据模型,可在满足租户需求的同时,减少服务提供商的成本。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (9)
1.一种满足租户差异化需求的多租户数据库的构建方法,其特征在于,包括下述步骤:
对租户细粒度需求进行建模,根据查询性能需求、隐私性需求、数据可自定义程度需求以及故障恢复能力需求对租户需求进行建模;
对数据模型特性进行建模,根据查询性能特性、隐私性特性、可自定义程度特性以及故障恢复能力特性对数据模型特性进行建模;
对租户需求模型以及数据模型特性模型进行匹配,对租户细粒度需求进行建模,得到租户的建模结果,对数据库中所有的多租户数据模型建模,得到数据模型特性候选集,对数据模型特性候选集进行筛选,根据筛选后的结果建立目标数据模型候选集;
对数据库硬件成本进行建模,即根据CPU资源成本以及内存资源成本对数据库硬件成本进行建模;
根据数据库硬件成本模型,得到数据模型候选集中成本最低的模型。
2.根据权利要求1所述的满足租户差异化需求的多租户数据库的构建方法,其特征在于,在对租户细粒度需求进行建模过程中,通过查询延时以及查询吞吐率的组合描述查询性能需求。
3.根据权利要求1所述的满足租户差异化需求的多租户数据库的构建方法,其特征在于,在对租户细粒度需求进行建模过程中,通过租户数据的物理隔离程度衡量租户的隐私性程度,物理隔离程度分为服务器实例隔离级别、数据库实例隔离级别、数据表隔离级别以及共享表隔离级别。
4.根据权利要求1所述的满足租户差异化需求的多租户数据库的构建方法,其特征在于,在对租户细粒度需求进行建模过程中,通过是否可定义所有字段、是否可定义不定数量的字段、是否可定义任意数据类型字段衡量租户的数据可自定义程度;
通过其他租户以及其他业务对本租户本业务数据恢复能力的影响衡量租户的数据恢复能力需求。
5.根据权利要求1所述的满足租户差异化需求的多租户数据库的构建方法,其特征在于,对数据模型特性进行建模过程中,通过数据模型在不同的CPU资源和内存资源供给量时,其查询延时和吞吐率的不同组合描述查询性能需求。
6.根据权利要求1所述的满足租户差异化需求的多租户数据库的构建方法,其特征在于,对数据模型特性进行建模过程中,通过数据表隔离级别衡量隐私性特性,表隔离级别分为独立数据表级别,同一类型数据表共享级别以及所有数据表共享级别。
7.根据权利要求1所述的满足租户差异化需求的多租户数据库的构建方法,其特征在于,对数据模型特性进行建模过程中,通过模型是否具有基础数据部分、模型自定义数据部分字段数量是否不限,模型自定义数据部分字段的数据类型是否不限衡量可自定义程度特性。
8.根据权利要求1所述的满足租户差异化需求的多租户数据库的构建方法,其特征在于,对数据模型特性候选集进行筛选的具体方法为:
筛选过程为对租户需求建模结果的查询性能需求与候选集数据模型的查询性能特性进行筛选;对租户需求建模结果的隐私性需求与候选集数据模型的隐私性特性进行筛选;对租户需求建模结果的可自定义程度需求与候选集数据模型的可自定义程度特性进行筛选;通过数据模型对不同租户、不同业务的数据的共享存储级别衡量数据模型的故障恢复能力,共享存储级别分为无数据表共享级别、同一业务数据共享同一数据表级别以及所有业务数据共享同一数据表级别。
9.根据权利要求1所述的满足租户差异化需求的多租户数据库的构建方法,其特征在于,所述的根据数据库硬件成本模型,得到数据模型候选集中成本最低的模型具体为:根据所得的数据模型特性候选集中的每个数据模型,结合租户存储需求,通过数据库硬件成本模型计算每个数据模型存储租户数据的成本,选取成本最低的数据模型置为租户的目标数据模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610908879.9A CN106547849B (zh) | 2016-10-18 | 2016-10-18 | 一种满足租户差异化需求的多租户数据库的构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610908879.9A CN106547849B (zh) | 2016-10-18 | 2016-10-18 | 一种满足租户差异化需求的多租户数据库的构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106547849A CN106547849A (zh) | 2017-03-29 |
CN106547849B true CN106547849B (zh) | 2019-11-26 |
Family
ID=58369302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610908879.9A Active CN106547849B (zh) | 2016-10-18 | 2016-10-18 | 一种满足租户差异化需求的多租户数据库的构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106547849B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241119B (zh) * | 2018-08-14 | 2020-09-04 | 杭州市商务委员会(杭州市粮食局) | 跨部门数据共享方法和系统 |
CN111522869A (zh) * | 2020-03-26 | 2020-08-11 | 中国南方电网有限责任公司 | 适用于多租户的整定计算云数据管理方法和整定计算系统 |
CN112565404A (zh) * | 2020-12-02 | 2021-03-26 | 中国联合网络通信集团有限公司 | 数据处理方法、边缘服务器、中心服务器和介质 |
CN116633691B (zh) * | 2023-07-24 | 2023-10-27 | 四川航天天盛科技有限公司 | 一种基于SaaS的云平台系统及其数据存储方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101067823A (zh) * | 2006-05-02 | 2007-11-07 | 国际商业机器公司 | 优化联合数据库管理系统的方法和系统 |
CN104598249A (zh) * | 2015-02-05 | 2015-05-06 | 浙江天正信息科技有限公司 | 多租户感知的软件个性化定制与部署方法 |
CN105512304A (zh) * | 2015-12-11 | 2016-04-20 | 西安道同信息科技有限公司 | 在线生成互联网应用方法和系统集成方法及支撑平台 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7523106B2 (en) * | 2003-11-24 | 2009-04-21 | International Business Machines Coporation | Computerized data mining system, method and program product |
-
2016
- 2016-10-18 CN CN201610908879.9A patent/CN106547849B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101067823A (zh) * | 2006-05-02 | 2007-11-07 | 国际商业机器公司 | 优化联合数据库管理系统的方法和系统 |
CN104598249A (zh) * | 2015-02-05 | 2015-05-06 | 浙江天正信息科技有限公司 | 多租户感知的软件个性化定制与部署方法 |
CN105512304A (zh) * | 2015-12-11 | 2016-04-20 | 西安道同信息科技有限公司 | 在线生成互联网应用方法和系统集成方法及支撑平台 |
Also Published As
Publication number | Publication date |
---|---|
CN106547849A (zh) | 2017-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106547849B (zh) | 一种满足租户差异化需求的多租户数据库的构建方法 | |
Drahokoupil et al. | Putting comparative capitalisms research in its place: varieties of capitalism in transition economies | |
Okafor et al. | The motives for inward FDI into Sub-Saharan African countries | |
WO2018049713A1 (zh) | 一种基于区块链技术一致性算法的数据管理方法及系统 | |
Tang et al. | The relationship between foreign direct investment and tourism: empirical evidence from China | |
Barahmand et al. | BG: A Benchmark to Evaluate Interactive Social Networking Actions. | |
CN103177059B (zh) | 用于数据库计算引擎的分离处理路径 | |
CN110363454A (zh) | 用于确定商品补货量的方法及装置 | |
CN110119303A (zh) | 构建虚拟主板和虚拟存储设备 | |
van der Aalst | Distributed process discovery and conformance checking | |
De Rezende et al. | Modeling and forecasting the yield curve by an extended Nelson‐Siegel class of models: A quantile autoregression approach | |
CN108875061A (zh) | 一种分布式文件系统的一致性测试方法及相关装置 | |
CN112651826B (zh) | 授信额度管控系统、方法及可读存储介质 | |
CN110110269A (zh) | 一种基于区块链的事件订阅方法及装置 | |
CN110349013A (zh) | 风险控制方法及装置 | |
CN110852559A (zh) | 资源的分配方法和装置、存储介质、电子装置 | |
CN110399309A (zh) | 一种测试数据生成方法及装置 | |
Nwaogu et al. | Spatial interdependence in US outward FDI into Africa, Latin America and the Caribbean | |
CN110263047A (zh) | 一种数据中心节点分配方法、装置、系统及计算机设备 | |
US20240152444A1 (en) | Online query execution using a big data framework | |
Calka et al. | The Application of Geoinformation Theory in Housing Mass Appraisal | |
US8050958B2 (en) | Systems and methods for planning demand for configurable products | |
CN107980147B (zh) | 跟踪分布式计算系统中的数据流 | |
WO2018132118A1 (en) | Systems and methods for flexible streaming aggregation for electronic transaction analysis | |
Aleem et al. | Architecture guidelines for SaaS development process |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230630 Address after: Building G1, No. 17, Software Road, Tianhe District, Guangzhou, Guangdong 510660 Patentee after: GUANGZHOU BINGO SOFTWARE CO.,LTD. Address before: 510631 Guangdong city of Guangzhou province Tianhe District Zhongshan Shipai Road West No. 55 Patentee before: SOUTH CHINA NORMAL University |