CN106709068A - 一种热点数据识别方法及其装置 - Google Patents
一种热点数据识别方法及其装置 Download PDFInfo
- Publication number
- CN106709068A CN106709068A CN201710046381.0A CN201710046381A CN106709068A CN 106709068 A CN106709068 A CN 106709068A CN 201710046381 A CN201710046381 A CN 201710046381A CN 106709068 A CN106709068 A CN 106709068A
- Authority
- CN
- China
- Prior art keywords
- data block
- hot spot
- spot data
- queue
- hotspot
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000013500 data storage Methods 0.000 claims description 9
- 230000005012 migration Effects 0.000 claims description 7
- 238000013508 migration Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001314 paroxysmal effect Effects 0.000 description 1
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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种热点数据识别方法及其装置,包括依据每个存储数据块在第一预设时间段内的访问次数确定初始热点队列;每隔预设时间计算每个热点数据块在全部热点数据块中所占的权重及与热点数据块相关联的数据块集合中每个数据块与热点数据块的关联度;将每个热点数据块的权重与自身关联的各个数据块的关联度分别相乘,得到各个数据块的热度预测值;将具有热度预测值的全部数据块依据自身热度预测值进行排序,具有多个热度预测值的数据块以自身最高的热度预测值为准;将排序结果中前预设个数的数据块加入初始热点队列内得到当前热点队列。本发明能够有效识别热点数据,并尽可能避免由于突发性访问而导致的短时间内数据重复升降级迁移的情况。
Description
技术领域
本发明涉及热点数据管理技术领域,特别是涉及一种热点数据识别方法及其装置。
背景技术
为了提高I/O性能,目前采用多级存储介质存放不同访问热度的数据,将大量的、不常用的冷数据存放在读写速度慢,成本低的存储介质中,将少量的、经常访问的热点数据存放着读写速度快的存储介质中,既能降低存储成本,又能提高I/O性能。
现有的热点数据识别方法主要是将存储区域划分为若干数据块,然后对数据块进行访问次数统计,统计某个时间段内的所有数据块的访问次数,根据访问次数计算访问频率,并将访问频率高的数据,作为热点数据块,放入热点队列中,然后将热点队列中不经常访问的数据块进行降级迁移。
但是当出现突发性的访问需求时,短时间会出现大量次数的访问,这种情况下采用上述识别方法会将突发性访问的数据块标记为热点数据,并放入热点队列中,但是,该数据块可能仅访问这一次后就不再访问了,故这种情况下会造成短时间内数据重复升降级迁移,增加存储系统的负担,造成数据抖动。
因此,如何提供一种能够有效识别热点数据且克服数据抖动的热点数据识别方法及其装置是本领域技术人员目前需要解决的问题。
发明内容
本发明的目的是提供一种热点数据识别方法及其装置,能够有效识别热点数据,并尽可能避免由于突发性访问而导致的短时间内数据重复升降级迁移的情况。
为解决上述技术问题,本发明提供了一种热点数据识别方法,包括:
依据每个存储数据块在第一预设时间段内的访问次数确定热点数据块,将热点数据块添加进初始热点队列内;
每隔预设时间计算每个所述热点数据块在全部热点数据块中所占的权重;并确定存储系统中,与每个所述热点数据块相关联的数据块集合以及所述数据块集合中每个数据块与所述热点数据块的关联度;
将所述热点数据块的权重分别和自身关联的数据块集合中的各个数据块的关联度相乘,得到各个数据块的热度预测值;
将具有热度预测值的全部数据块依据自身热度预测值的从大到小进行排序,其中,具有多个热度预测值的数据块以自身最高的热度预测值为准;
将排序结果中前预设个数的数据块标记为热点数据块并加入所述初始热点队列内得到当前热点队列。
优选地,所述与每个所述热点数据块相关联的数据块集合内具体包含:
除各个热点数据块以外的、且与所述热点数据块相关联的数据块。
优选地,所述计算每个所述热点数据块在全部热点数据块中所占的权重的过程具体为:
统计所述热点数据块在第二预设时间段内的访问次数;
将所述热点数据块的访问次数与全部热点数据块的访问次数之和作比,得到的比值即为所述热点数据块所占的权重。
优选地,一个数据块与对应的热点数据块的关联度具体为:
所述热点数据块在最近一次被访问之前的第三预设时间段以及之后的第四预设时间段内该数据块被访问的次数。
优选地,还包括:
周期性地统计各个所述热点数据块的访问频率,并依据所述访问频率调整所述当前热点队列中各个所述热点数据块的级别排序。
为解决上述技术问题,本发明还提供了一种热点数据识别装置,包括:
IO截获单元,用于记录各个数据块的访问请求;
初始热点确定单元,用于依据每个存储数据块在第一预设时间段内的访问次数确定热点数据块,将热点数据块添加进初始热点队列内;
权重计算单元,用于每隔预设时间计算每个所述热点数据块在全部热点数据块中所占的权重;
关联度计算单元,用于每隔所述预设时间确定存储系统中,与每个所述热点数据块相关联的数据块集合以及所述数据块集合中每个数据块与所述热点数据块的关联度;
预测单元,用于将所述热点数据块的权重分别和自身关联的数据块集合中的各个数据块的关联度相乘,得到各个数据块的热度预测值;
排序单元,用于将具有热度预测值的全部数据块依据自身热度预测值的从大到小进行排序,其中,具有多个热度预测值的数据块以自身最高的热度预测值为准;
标记单元,用于将排序结果中前预设个数的数据块标记为热点数据块并加入所述初始热点队列内得到当前热点队列。
优选地,还包括:
数据迁移模块,用于周期性地统计各个所述热点数据块的访问频率,并依据所述访问频率调整所述当前热点队列中各个所述热点数据块的级别排序。
本发明提供了一种热点数据识别方法及其装置,在初始时依据各个存储数据块的访问频率确定热点数据块后,组成初始热点队列内,之后每隔预设时间即依据各个热点数据块在初始热点队列内的权重以及每个热点数据块与其他数据块内的关联度,得到各个数据块的热度预测值,然后将热度预测值中较大的前预设个数的数据块标记为热点数据块加入热点队列内。
由于与热点数据块相关联的数据块很可能成为热点数据块,故本发明依据其他数据块与热点数据块之间的关联度进行热点数据识别及预测,从而能够有效识别热点数据,提高了热点数据识别命中率;并且由于仅在最开始采用访问频率确定热点数据块,之后均采用热度预测值进行热点数据块的识别,故在出现突发性访问时,若突发性访问的数据块与热点数据块的热度预测值不够大,则不会将该数据块加入热点队列,故尽可能避免了由于突发性访问而导致的短时间内数据重复升降级迁移的情况,减少了数据抖动的发生。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对现有技术和实施例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为本发明提供的一种热点数据识别方法的过程的流程图;
图2为本发明提供的一种热点数据识别装置的结构示意图。
具体实施方式
本发明的核心是提供一种热点数据识别方法及其装置,能够有效识别热点数据,并尽可能避免由于突发性访问而导致的短时间内数据重复升降级迁移的情况。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例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做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。
本发明提供了一种热点数据识别方法,参见图1所示,图1为本发明提供的一种热点数据识别方法的过程的流程图;该方法包括:
步骤s101:依据每个存储数据块在第一预设时间段内的访问次数确定热点数据块,将热点数据块添加进初始热点队列内;
第一预设时间段内的访问次数也可以理解为一段时间内的访问频率。
步骤s102:每隔预设时间计算每个热点数据块在全部热点数据块中所占的权重;
具体的,计算每个热点数据块在全部热点数据块中所占的权重的过程具体为:
统计热点数据块在第二预设时间段内的访问次数;
将热点数据块的访问次数与全部热点数据块的访问次数之和作比,得到的比值即为热点数据块所占的权重。
即,热点数据块在一段时间内的访问次数为Thi,i=1,2,…,N,N为热点数据块的总个数,每个热点数据块在热点队列中所占的权重记为Phi,其中:
步骤s103:每隔预设时间确定存储系统中,与每个热点数据块相关联的数据块集合以及数据块集合中每个数据块与热点数据块的关联度;
需要注意的是,本发明不限定步骤s102和步骤s103的先后顺序,两者可并列进行,但是两者计算周期相同,每个周期均计算一次。
其中,确定与每个热点数据块相关联的数据块集合以及数据块集合中每个数据块与热点数据块的关联度的过程具体是:
计算每个热点数据块与全部数据块之间的关联度;
之后依据上述关联度结果,确定与每个热点数据块具有关联性的部分数据块作为该热点数据块的数据块集合,并记录该集合内每个数据块与该热点数据块的关联度。
其中,上述全部数据块优选为除热点数据块以外的全部数据块,同时,与每个热点数据块相关联的数据块集合内具体包含:除各个热点数据块以外的、且与热点数据块相关联的数据块。当然,本发明对此不作特别限定。
另外,一个数据块与对应的热点数据块的关联度具体为:
热点数据块在最近一次被访问之前的第三预设时间段以及之后的第四预设时间段内该数据块被访问的次数。
由关系式解释即为:第i个热点数据块与第j个数据的关联度记为HDij;热点数据块集合为{H1,H2,…,Hi},i=1,2,…,N,全部数据块集合为{D1,D2,…,Dj},j=1,2,…,M;M为全部数据块的总个数;故HDij值为热点数据块Hi被访问前后的一段时间内,数据块Di被访问的次数。
步骤s104:将热点数据块的权重分别和自身关联的数据块集合中的各个数据块的关联度相乘,得到各个数据块的热度预测值;
关系式如下:
Fij=Phi*HDij。
可以理解的是,将关联度与权重相乘的目的是为了平衡与热点数据块对应的关联数据块的排序,避免热度较低的热点数据块相应的关联数据块排名靠前。
步骤s105:将具有热度预测值的全部数据块依据自身热度预测值的从大到小进行排序,其中,具有多个热度预测值的数据块以自身最高的热度预测值为准;
可以理解的是,各个热点数据块关联的数据块集合很可能会发生重叠,这种情况下发生重叠的部分数据块会具有分别对应于不同热点数据块的多个关联度,进而会具有多个热度预测值,这种情况需要对其进行合并,将其最高的热度预测值为准。
步骤s106:将排序结果中前预设个数的数据块标记为热点数据块并加入初始热点队列内得到当前热点队列。
进一步的,该方法还包括:
周期性地统计各个热点数据块的访问频率,并依据访问频率调整当前热点队列中各个热点数据块的级别排序。
即本发明虽然在后续仅根据热度预测值作为标记热点数据块的标准,但是由于热点队列中不同位置或者说不同级别的热点数据块的访问速度以及占用资源是不同的,故为了方便用户访问,故进一步依据其访问频率调整各个热点数据块在热点队列中的级别排序,将访问频率高的热点数据块放在前面,访问频率低的热点数据块后移,则能够进一步提高I/O性能。
本发明提供了一种热点数据识别方法,在初始时依据各个存储数据块的访问频率确定热点数据块后,组成初始热点队列内,之后每隔预设时间即依据各个热点数据块在初始热点队列内的权重以及每个热点数据块与其他数据块内的关联度,得到各个数据块的热度预测值,然后将热度预测值中较大的前预设个数的数据块标记为热点数据块加入热点队列内。
由于与热点数据块相关联的数据块很可能成为热点数据块,故本发明依据其他数据块与热点数据块之间的关联度进行热点数据识别及预测,从而能够有效识别热点数据,提高了热点数据识别命中率;并且由于仅最开始采用访问频率确定热点数据块,之后均采用热度预测值进行热点数据块的识别,故在出现突发性访问时,若突发性访问的数据块与热点数据块的热度预测值不够大,则不会将该数据块加入热点队列,故尽可能避免了由于突发性访问而导致的短时间内数据重复升降级迁移的情况,减少了数据抖动的发生。
本发明还提供了一种热点数据识别装置,参见图2所示,图2为本发明提供的一种热点数据识别装置的结构示意图。该装置包括:
IO截获单元1,用于记录各个数据块的访问请求;
初始热点确定单元2,用于依据每个存储数据块在第一预设时间段内的访问次数确定热点数据块,将热点数据块添加进初始热点队列内;
权重计算单元3,用于每隔预设时间计算每个热点数据块在全部热点数据块中所占的权重;
关联度计算单元4,用于每隔预设时间确定存储系统中,与每个热点数据块相关联的数据块集合以及数据块集合中每个数据块与热点数据块的关联度;
预测单元5,用于将热点数据块的权重分别和自身关联的数据块集合中的各个数据块的关联度相乘,得到各个数据块的热度预测值;
排序单元6,用于将具有热度预测值的全部数据块依据自身热度预测值的从大到小进行排序,其中,具有多个热度预测值的数据块以自身最高的热度预测值为准;
标记单元7,用于将排序结果中前预设个数的数据块标记为热点数据块并加入初始热点队列内得到当前热点队列。
作为优选地,该装置还包括:
数据迁移模块,用于周期性地统计各个热点数据块的访问频率,并依据访问频率调整当前热点队列中各个热点数据块的级别排序。
本发明提供了一种热点数据识别装置,在初始时依据各个存储数据块的访问频率确定热点数据块后,组成初始热点队列内,之后每隔预设时间即依据各个热点数据块在初始热点队列内的权重以及每个热点数据块与其他数据块内的关联度,得到各个数据块的热度预测值,然后将热度预测值中较大的前预设个数的数据块标记为热点数据块加入热点队列内。
由于与热点数据块相关联的数据块很可能成为热点数据块,故本发明依据其他数据块与热点数据块之间的关联度进行热点数据识别及预测,从而能够有效识别热点数据,提高了热点数据识别命中率;并且由于仅最开始采用访问频率确定热点数据块,之后均采用热度预测值进行热点数据块的识别,故在出现突发性访问时,若突发性访问的数据块与热点数据块的热度预测值不够大,则不会将该数据块加入热点队列,故尽可能避免了由于突发性访问而导致的短时间内数据重复升降级迁移的情况,减少了数据抖动的发生。
需要说明的是,在本说明书中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其他实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种热点数据识别方法,其特征在于,包括:
依据每个存储数据块在第一预设时间段内的访问次数确定热点数据块,将热点数据块添加进初始热点队列内;
每隔预设时间计算每个所述热点数据块在全部热点数据块中所占的权重;并确定存储系统中,与每个所述热点数据块相关联的数据块集合以及所述数据块集合中每个数据块与所述热点数据块的关联度;
将所述热点数据块的权重分别和自身关联的数据块集合中的各个数据块的关联度相乘,得到各个数据块的热度预测值;
将具有热度预测值的全部数据块依据自身热度预测值的从大到小进行排序,其中,具有多个热度预测值的数据块以自身最高的热度预测值为准;
将排序结果中前预设个数的数据块标记为热点数据块并加入所述初始热点队列内得到当前热点队列。
2.根据权利要求1所述的方法,其特征在于,所述与每个所述热点数据块相关联的数据块集合内具体包含:
除各个热点数据块以外的、且与所述热点数据块相关联的数据块。
3.根据权利要求1所述的方法,其特征在于,所述计算每个所述热点数据块在全部热点数据块中所占的权重的过程具体为:
统计所述热点数据块在第二预设时间段内的访问次数;
将所述热点数据块的访问次数与全部热点数据块的访问次数之和作比,得到的比值即为所述热点数据块所占的权重。
4.根据权利要求3所述的方法,其特征在于,一个数据块与对应的热点数据块的关联度具体为:
所述热点数据块在最近一次被访问之前的第三预设时间段以及之后的第四预设时间段内该数据块被访问的次数。
5.根据权利要求1所述的方法,其特征在于,还包括:
周期性地统计各个所述热点数据块的访问频率,并依据所述访问频率调整所述当前热点队列中各个所述热点数据块的级别排序。
6.一种热点数据识别装置,其特征在于,包括:
IO截获单元,用于记录各个数据块的访问请求;
初始热点确定单元,用于依据每个存储数据块在第一预设时间段内的访问次数确定热点数据块,将热点数据块添加进初始热点队列内;
权重计算单元,用于每隔预设时间计算每个所述热点数据块在全部热点数据块中所占的权重;
关联度计算单元,用于每隔所述预设时间确定存储系统中,与每个所述热点数据块相关联的数据块集合以及所述数据块集合中每个数据块与所述热点数据块的关联度;
预测单元,用于将所述热点数据块的权重分别和自身关联的数据块集合中的各个数据块的关联度相乘,得到各个数据块的热度预测值;
排序单元,用于将具有热度预测值的全部数据块依据自身热度预测值的从大到小进行排序,其中,具有多个热度预测值的数据块以自身最高的热度预测值为准;
标记单元,用于将排序结果中前预设个数的数据块标记为热点数据块并加入所述初始热点队列内得到当前热点队列。
7.根据权利要求6所述的装置,其特征在于,还包括:
数据迁移模块,用于周期性地统计各个所述热点数据块的访问频率,并依据所述访问频率调整所述当前热点队列中各个所述热点数据块的级别排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710046381.0A CN106709068B (zh) | 2017-01-22 | 2017-01-22 | 一种热点数据识别方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710046381.0A CN106709068B (zh) | 2017-01-22 | 2017-01-22 | 一种热点数据识别方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106709068A true CN106709068A (zh) | 2017-05-24 |
CN106709068B CN106709068B (zh) | 2020-11-20 |
Family
ID=58910032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710046381.0A Active CN106709068B (zh) | 2017-01-22 | 2017-01-22 | 一种热点数据识别方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106709068B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292388A (zh) * | 2017-06-27 | 2017-10-24 | 郑州云海信息技术有限公司 | 一种基于神经网络的热点数据的预测方法及系统 |
CN107463514A (zh) * | 2017-08-16 | 2017-12-12 | 郑州云海信息技术有限公司 | 一种数据存储方法及装置 |
CN107728952A (zh) * | 2017-10-31 | 2018-02-23 | 郑州云海信息技术有限公司 | 一种预测式数据迁移方法及系统 |
CN109120439A (zh) * | 2018-08-03 | 2019-01-01 | 郑州云海信息技术有限公司 | 分布式集群告警输出方法、装置、设备及可读存储介质 |
CN110209345A (zh) * | 2018-12-27 | 2019-09-06 | 中兴通讯股份有限公司 | 数据存储的方法及装置 |
CN110351374A (zh) * | 2019-07-16 | 2019-10-18 | 深圳市网心科技有限公司 | 一种文件部署方法、装置及设备 |
CN110532200A (zh) * | 2019-08-26 | 2019-12-03 | 北京大学深圳研究生院 | 一种基于混合内存架构的内存系统 |
CN110795363A (zh) * | 2019-08-26 | 2020-02-14 | 北京大学深圳研究生院 | 一种存储介质的热页预测方法和页面调度方法 |
CN111881346A (zh) * | 2020-07-15 | 2020-11-03 | 北京浪潮数据技术有限公司 | 一种热点数据的识别方法、系统及相关装置 |
CN112230860A (zh) * | 2020-10-23 | 2021-01-15 | 苏州浪潮智能科技有限公司 | 一种提高数据分层效率的方法及装置 |
CN113608685A (zh) * | 2021-06-30 | 2021-11-05 | 济南浪潮数据技术有限公司 | 一种分布式存储块设备的热点识别方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103186350A (zh) * | 2011-12-31 | 2013-07-03 | 北京快网科技有限公司 | 混合存储系统及热点数据块的迁移方法 |
CN103473335A (zh) * | 2013-09-18 | 2013-12-25 | 浪潮(北京)电子信息产业有限公司 | 一种热点数据检测方法及装置 |
CN103838805A (zh) * | 2012-11-21 | 2014-06-04 | 富士施乐株式会社 | 医疗记录搜索方法和医疗记录搜索装置 |
CN104714753A (zh) * | 2013-12-12 | 2015-06-17 | 中兴通讯股份有限公司 | 一种数据访问存储方法及装置 |
US20150178190A1 (en) * | 2013-12-24 | 2015-06-25 | International Business Machines Corporation | Detecting hot spots through flash memory management table snapshots |
CN105447062A (zh) * | 2014-09-30 | 2016-03-30 | 中国电信股份有限公司 | 热点数据识别方法和装置 |
CN106202070A (zh) * | 2015-04-29 | 2016-12-07 | 中国电信股份有限公司 | 文件存储处理方法与系统 |
-
2017
- 2017-01-22 CN CN201710046381.0A patent/CN106709068B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103186350A (zh) * | 2011-12-31 | 2013-07-03 | 北京快网科技有限公司 | 混合存储系统及热点数据块的迁移方法 |
CN103838805A (zh) * | 2012-11-21 | 2014-06-04 | 富士施乐株式会社 | 医疗记录搜索方法和医疗记录搜索装置 |
CN103473335A (zh) * | 2013-09-18 | 2013-12-25 | 浪潮(北京)电子信息产业有限公司 | 一种热点数据检测方法及装置 |
CN104714753A (zh) * | 2013-12-12 | 2015-06-17 | 中兴通讯股份有限公司 | 一种数据访问存储方法及装置 |
US20150178190A1 (en) * | 2013-12-24 | 2015-06-25 | International Business Machines Corporation | Detecting hot spots through flash memory management table snapshots |
CN105447062A (zh) * | 2014-09-30 | 2016-03-30 | 中国电信股份有限公司 | 热点数据识别方法和装置 |
CN106202070A (zh) * | 2015-04-29 | 2016-12-07 | 中国电信股份有限公司 | 文件存储处理方法与系统 |
Non-Patent Citations (1)
Title |
---|
宋丽娜,等: "基于海量数据存储系统多级存储介质的热点数据区分方法", 《计算机研究与发展》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292388A (zh) * | 2017-06-27 | 2017-10-24 | 郑州云海信息技术有限公司 | 一种基于神经网络的热点数据的预测方法及系统 |
CN107463514A (zh) * | 2017-08-16 | 2017-12-12 | 郑州云海信息技术有限公司 | 一种数据存储方法及装置 |
CN107728952A (zh) * | 2017-10-31 | 2018-02-23 | 郑州云海信息技术有限公司 | 一种预测式数据迁移方法及系统 |
CN109120439A (zh) * | 2018-08-03 | 2019-01-01 | 郑州云海信息技术有限公司 | 分布式集群告警输出方法、装置、设备及可读存储介质 |
CN109120439B (zh) * | 2018-08-03 | 2021-06-29 | 郑州云海信息技术有限公司 | 分布式集群告警输出方法、装置、设备及可读存储介质 |
WO2020134609A1 (zh) * | 2018-12-27 | 2020-07-02 | 中兴通讯股份有限公司 | 数据存储的方法及装置 |
CN110209345A (zh) * | 2018-12-27 | 2019-09-06 | 中兴通讯股份有限公司 | 数据存储的方法及装置 |
CN110351374A (zh) * | 2019-07-16 | 2019-10-18 | 深圳市网心科技有限公司 | 一种文件部署方法、装置及设备 |
CN110351374B (zh) * | 2019-07-16 | 2022-04-01 | 深圳市网心科技有限公司 | 一种文件部署方法、装置及设备 |
CN110532200A (zh) * | 2019-08-26 | 2019-12-03 | 北京大学深圳研究生院 | 一种基于混合内存架构的内存系统 |
CN110795363A (zh) * | 2019-08-26 | 2020-02-14 | 北京大学深圳研究生院 | 一种存储介质的热页预测方法和页面调度方法 |
CN110795363B (zh) * | 2019-08-26 | 2023-05-23 | 北京大学深圳研究生院 | 一种存储介质的热页预测方法和页面调度方法 |
CN110532200B (zh) * | 2019-08-26 | 2023-08-01 | 北京大学深圳研究生院 | 一种基于混合内存架构的内存系统 |
CN111881346A (zh) * | 2020-07-15 | 2020-11-03 | 北京浪潮数据技术有限公司 | 一种热点数据的识别方法、系统及相关装置 |
CN111881346B (zh) * | 2020-07-15 | 2022-06-17 | 北京浪潮数据技术有限公司 | 一种热点数据的识别方法、系统及相关装置 |
CN112230860A (zh) * | 2020-10-23 | 2021-01-15 | 苏州浪潮智能科技有限公司 | 一种提高数据分层效率的方法及装置 |
CN112230860B (zh) * | 2020-10-23 | 2022-07-22 | 苏州浪潮智能科技有限公司 | 一种提高数据分层效率的方法及装置 |
CN113608685A (zh) * | 2021-06-30 | 2021-11-05 | 济南浪潮数据技术有限公司 | 一种分布式存储块设备的热点识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106709068B (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106709068A (zh) | 一种热点数据识别方法及其装置 | |
CN103345514B (zh) | 大数据环境下的流式数据处理方法 | |
US7853770B2 (en) | Storage system, data relocation method thereof, and recording medium that records data relocation program | |
CN104699424B (zh) | 一种基于页面热度的异构内存管理方法 | |
CN106155929A (zh) | 数据存储管理系统和方法 | |
CN108345601B (zh) | 搜索结果排序方法及装置 | |
CN106649401A (zh) | 分布式文件系统中的数据写入方法和装置 | |
WO2015081915A1 (zh) | 文件推荐方法和装置 | |
JP2014515514A (ja) | 提案される語を提供するための方法および装置 | |
CN103150245B (zh) | 确定数据实体的访问特性的方法和存储控制器 | |
CN102955810B (zh) | 一种网页分类方法和设备 | |
CN109788489A (zh) | 一种基站规划方法及装置 | |
CN102129472A (zh) | 面向语义搜索引擎的高效混合存储结构的构建方法 | |
CN106407191A (zh) | 一种数据处理方法及服务器 | |
CN105930507A (zh) | 一种获得用户的Web浏览兴趣的方法及装置 | |
CN106649226A (zh) | 一种报表生成方法及装置 | |
CN109327844A (zh) | 一种小区扩容方法及装置 | |
CN103838680B (zh) | 一种数据缓存方法和装置 | |
CN106598501A (zh) | 用于存储自动分层的数据迁移设备及方法 | |
CN110858912A (zh) | 流媒体缓存方法和系统、缓存策略服务器、流服务节点 | |
CN107291539A (zh) | 基于资源重要程度的集群程序调度方法 | |
CN100518146C (zh) | 一种用于集群存储系统的全局缓存管理的方法 | |
CN107291746B (zh) | 一种存储和读取数据的方法及设备 | |
CN105138536B (zh) | 基于有向超图的移动社交网络数据分片方法 | |
CN116610458B (zh) | 一种优化功耗损失的数据处理方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20201102 Address after: 215100 No. 1 Guanpu Road, Guoxiang Street, Wuzhong Economic Development Zone, Suzhou City, Jiangsu Province Applicant after: SUZHOU LANGCHAO INTELLIGENT TECHNOLOGY Co.,Ltd. Address before: 450018 Henan province Zheng Dong New District of Zhengzhou City Xinyi Road No. 278 16 floor room 1601 Applicant before: ZHENGZHOU YUNHAI INFORMATION TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |