CN109032511A - 一种数据存储方法、服务器及存储介质 - Google Patents
一种数据存储方法、服务器及存储介质 Download PDFInfo
- Publication number
- CN109032511A CN109032511A CN201810744586.0A CN201810744586A CN109032511A CN 109032511 A CN109032511 A CN 109032511A CN 201810744586 A CN201810744586 A CN 201810744586A CN 109032511 A CN109032511 A CN 109032511A
- Authority
- CN
- China
- Prior art keywords
- data
- redis example
- redis
- write
- impact factor
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
- G06F3/061—Improving I/O performance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
- G06F3/0629—Configuration or reconfiguration of storage systems
- G06F3/0631—Configuration or reconfiguration of storage systems by allocating resources to storage systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
- G06F3/067—Distributed or networked storage systems, e.g. storage area networks [SAN], network attached storage [NAS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种数据存储方法、服务器及存储介质,适用于计算机领域。本发明提供的方法包括:分别设定redis实例写入与查询的权重系数、数据类别的影响因子、redis实例读写影响因子;获取已创建的redis实例,计算每个redis实例的负载能力;根据每个redis实例的负载能力,将预存储数据存入对应的redis实例中。本发明中在不影响已创建的redis实例基础上,提升了数据读写速度,保证资源的合理分配,并实现redis实例与数据操作之间的负载均衡,从而大大提升服务器性能。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种数据存储方法、服务器及存储介质。
背景技术
在互联网时代,数据流量往往能体现网络平台的影响,但庞大流量为数据的存储处理提出了更高的要求,而且众多数据之间存在着关联关系,如何在方便大容量数据存储的同时,保障数据的读写速度及查询速度是亟待解决的问题。
目前,较常采用的方法是通过将数据分片存储到不同redis实例中,即根据数据内容的不同,分别存储到不同的redis实例,如当需要展示主播礼物的日榜、周榜、年榜及用户贡献榜时,由于数据量大,就将不同榜单用不同的redis实例存储。然而,实际中每个redis实例的存储容量、读写速度、查询及更新频率等不尽相同,例如日榜数据量较小但更新频率高、而年榜存储量大,但查询更新率较低。这样,如果随意进行数据分片到redis实例,会出现redis实例与数据利用的负载不平衡,致使redis实例中数据读写速度慢,进而影响服务器性能。
发明内容
有鉴于此,本发明实施例提供了一种数据存储方法、服务器及存储介质,以解决现有redis实例存储数据负载不均衡问题。
本发明实施例的第一方面,提供了一种数据存储方法,包括:
根据用户对数据类别及数据读写速度的关注度,通过重复实验,分别设定redis实例写入与查询的权重系数、数据类别的影响因子、redis实例读写影响因子;
获取已创建的redis实例,并根据所述redis实例写入与查询的权重系数、所述数据类别的影响因子、所述redis实例读写影响因子,计算每个redis实例的负载能力;
根据每个redis实例的负载能力,将预存储数据存入对应的redis实例中。
本发明实施例的第二方面,提供了一种数据存储服务器,包括:
设定模块:用于根据用户对数据类别及数据读写速度的关注度,通过重复实验,分别设定redis实例写入与查询的权重系数、数据类别的影响因子、redis实例读写影响因子;
计算模块:用于获取已创建的redis实例,并根据所述redis实例写入与查询的权重系数、所述数据类别的影响因子、所述redis实例读写影响因子,计算每个redis实例的负载能力;
存储模块:用于根据每个redis实例的负载能力,将预存储数据存入对应的redis实例中。
本发明实施例的第三方面,提供了一种服务器,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。
本发明实施例的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。
本发明实施例的第五方面,提供了一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被一个或多个处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。
本发明实施例中,根据用户关注度,设定数据类别与redis实例读写速度的影响因子,再通过公式计算每个redis实例的负载能力,根据负载能力分配数据的存储,在不影响原有redis实例基础上,提升了数据读写速度,保证数据分片的合理,实现redis实例与数据操作之间的负载均衡,从而大大提升服务器性能。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的数据存储方法的一个实施例流程图;
图2为本发明实施例提供的数据存储方法的另一个实施例流程图;
图3为本发明实施例提供的数据存储服务器的结构示意图;
图4为本发明实施例提供的服务器的结构示意图;
具体实施方式
本发明实施例提供了一种数据存储方法、服务器及存储介质,用于选择redis实例存储不同类别数据。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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它实施例,都属于本发明保护的范围。
实施例一:
请参阅图1,本发明实施例提供的数据存储方法的流程示意图,包括以下步骤:
S101、根据用户对数据类别及数据读写速度的关注度,通过重复实验,分别设定redis实例写入与查询的权重系数、数据类别的影响因子、redis实例读写影响因子;
所述数据类别一般指服务器存储的用户数据,这些数据经整理后可用于展示,例如可分为主播数据、观众数据等,还可以对这些数据进行整理,例如排名、计数等。不同类别的数据展示给用户后,由于这些数据会实时改变,就需要进行更新操作,更新即需要对已存在的数据进行读写,读写速度决定更新的快慢。
不同类别数据由于数据量不同,对读写的速度及更新的速度要求不同。例如每日排行榜数据量较小,但更新速度要求较快,而每月排行榜数据量大,速度要求不会太高。所述不同类别数据、不同Redis实例读写速度会影响Redis实例的负载能力,通过所述数据类别影响因子反映数据类别对Redis实例负载的影响,通过所述Redis实例读写影响因子反映读写速度对Redis负载能力的影响。
预先设定系数及因子值,通过数据最终展示效果及用户反馈结果,反复试验,获得最优的redis实例写入与查询的权重系数、数据类别的影响因子、redis实例读写影响因子设定值。
redis存储架构由多个redis实例构成,每个redis实例中包含一个主库和多个从库。其中,Redis Master负责数据的写入和修改,Redis Slave负责数据的查询。Redis实例中的写入功能与查询功能相互独立,所述redis实例写入量与查询量的操作会影响redis的读写能力,基于写入和查询的影响程度不同,可以通过量化实验,确定redis实例写入与查询的权重系数。
可选的,分别量化所述数据类别和所述数据读写速度,根据用户对所述数据类别和所述数据读写速度的需求反馈,设定所述数据类别和所述数据读写速度的比例。权重系数及影响因子值的设定,可通过比例反应,基于所述比例下具体的值不会对最终性能计算产生影响
S102、获取已创建的redis实例,并根据所述redis实例写入与查询的权重系数、所述数据类别的影响因子、所述redis实例读写影响因子,计算每个redis实例的负载能力;
可选的,获取已创建的redis实例包括:获取所述redis实例的存储容量、所述redis实例的写入请求量和所述redis实例的查询请求量。
可选的,根据公式(1)计算每个redis实例的负载能力;
其中,Rx为负载评分,Ti表示数据类别,Q表示查询请求量,W表示写入请求量,S表示redis实例存储容量,Cq表示查询权重,Cw表示写入权重,α表示数据类别影响因子,β表示读写影响因子,i、n表示编号。
上述权重及影响因子的值会受到用户关注层面及反馈的影响,最终会体现在redis实例的负载评分上,即根据用户兴趣导向,在保障基本读写速度上,选择redis实例存放对应数据,能够满足用户需求,提升体验。
S103、根据每个redis实例的负载能力,将预存储数据存入对应的redis实例中。
不同类别的数据会写入redis实例中,需要增量更新时,通过主库进行写入操作,需要查询展示时,通过从库查询对应数据,并最终显示出来。
可选的,存储数据前还包括:设定数据类别与redis实例负载能力的对应关系,其中,所述对应关系可根据预存储数据的最低负载需求或预存储数据在数据类别中的负载需求排名设定。不同类别数据需要不同负载能力的redis实例存放,当数据短时需要快速更新时,写入量会较大,同时查询量也会较大,这样数据实时更新到数据库并展示出来,对负载能力要求较高,当对数据更新短时没有较高要求时,写入量可能较大,但查询量要求较小,可负载能力要求就不会太高。具体可对数据类别量化,设定与redis实例负载能力的对应关系。
上述步骤,通过根据用户关注度设定系数,并对redis实例评分,使得不同类别数据保存到对应的redis实例中,保证redis存储的负载均衡。
在图1的基础上,以一个具体的实例,结合图2详述排行数据分片的数据存储过程,如下:
网络直播中,常见各种主播的排行榜,如礼物排行榜、人气排行榜,还有用户贡献榜,每种榜单还可以分为日榜、周榜、年榜等,这些不同类别数据需要存储起来,实时更新,在统计后还要展示。由于数据量较为庞大,通过redis数据库可以满足大批量数据的存储及读写操作。
榜单类型的不同,就需要用到多个redis实例,由于每个redis实例的存储容量、写入速度、查询速度不同,需要将不同榜单与不同实施例对应起来,保障资源的合理分配。
在S201中,根据如下公式计算redis实例的评分:
其中,S表示redis实例的存储容量,Q表示查询请求量,W表示写入请求量,Cq表示查询权重,Cw表示写入权重,α表示数据类别影响因子,β表示读写影响因子,Rx为负载评分。
对于redis实例中的数据,需要确定写入与查询所占权重。由于写入操作量和查询量会影响数据读写速度,通过重复实验测试,设定两者比例或权重。
该公式中α和β分别可以反映不同榜单、不同查询及写入量对redis实例的负载能力的影响,例如,当排行榜为日榜时,数据量较小,但查询和写入量也较小但实时要求较高,当排行榜为年榜时,数据量较大,操作量也较大,但实时性要求不高,这就需要不同榜单类型对应不同redis实例。
Li表示数据类别,如主播榜、用户榜,Pi表示周期,如日榜、周榜、月榜及年榜。分别量化数据类别及榜单周期,可以表示榜单值。
负载评分Rx是基于榜单类别、写入与查询量的影响,反映当前影响因子设定条件下,各redis实例负载能力。
根据S202中获得的负载评分,会确定存入的榜单类型,如当获得redis实例的最高评分,可用于存储数据量最大的年度用户贡献榜单或主播年度礼物榜,也可以根据设定的影响因子及权重系数,存放实时性要求较高的日榜,或数据量和实时性均衡的月榜等,具体可根据数据类别影响因子、读写影响因子,及存放的榜单数据要求,确定榜单与redis实例的对应关系。
优选的,根据写入与查询量、存入数据量、实时性要求等,加权计算榜单数据,设定榜单数据与redis评分的对应关系。
在本发明实施例中,基于对redis实例的负载评分,对应不同榜单数据,使得存储空间合理分配,实现负载均衡。
实施例三:
上面主要描述了一种数据存储方法,下面将对一种数据存储服务器进行详细描述。
图3示出了数据存储服务器的结构示意图,包括:
设定模块310:用于根据用户对数据类别及数据读写速度的关注度,通过重复实验,分别设定redis实例写入与查询的权重系数、数据类别的影响因子、redis实例读写影响因子;
可选的,所述设定模块310包括:
设定单元:用于分别量化所述数据类别和所述数据读写速度,根据用户对所述数据类别和所述数据读写速度的需求反馈,设定所述数据类别和所述数据读写速度的比例。
计算模块320:用于获取已创建的redis实例,并根据所述redis实例写入与查询的权重系数、所述数据类别的影响因子、所述redis实例读写影响因子,计算每个redis实例的负载能力;
可选的,所述计算模块320包括:
获取单元:用于获取所述redis实例的存储容量、所述redis实例的写入请求量和所述redis实例的查询请求量。
可选的,所述计算模块320计算过程为:根据公式(1)计算每个redis实例的负载能力;
其中,Rx为负载评分,Ti表示数据类别,Q表示查询请求量,W表示写入请求量,S表示redis实例存储容量,Cq表示查询权重,Cw表示写入权重,α表示数据类别影响因子,β表示读写影响因子,i、n表示编号。
存储模块330:用于根据每个redis实例的负载能力,将预存储数据存入对应的redis实例中。
可选的,所述存储模块330包括:
设定数据类别与redis实例负载能力的对应关系,其中,所述对应关系可根据预存储数据的最低负载需求或预存储数据在数据类别中的负载需求排名设定。
所述计算单元基于影响因子的设定,计算负载评分,使得数据能够合理存储。
实施例四:
图4是本发明一实施例提供的数据存储服务器结构的示意图。所述服务器,为提供计算、存储服务的设备,通常指具有较高计算能力,通过网络提供给多个用户使用的计算机。如图4所示,该实施例的服务器4包括:存储器410、处理器420以及系统总线430,所述存储器410包括存储其上的可运行的程序4101,本领域技术人员可以理解,图4中示出的服务器结构并不构成对服务器的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合图4对终端设备的各个构成部件进行具体的介绍:
存储器410可用于存储软件程序以及模块,处理器420通过运行存储在存储器410的软件程序以及模块,从而执行终端的各种功能应用以及数据处理。存储器410可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据服务器的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器410可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
在存储器410上包含数据存储方法的可运行程序4101,所述可运行程序4101可以被分割成一个或多个模块/单元,所述一个或多个模块/单元被存储在所述存储器410中,并由处理器420执行,以完成通知的传递并获取通知实现过程,所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序4101在所述服务器4中的执行过程。例如,所述计算机程序4101可以被分割为设定模块、计算模块和存储模块。
处理器420是服务器的控制中心,利用各种接口和线路连接整个终端设备的各个部分,通过运行或执行存储在存储器410内的软件程序和/或模块,以及调用存储在存储器410内的数据,执行终端的各种功能和处理数据,从而对终端进行整体监控。可选的,处理器420可包括一个或多个处理单元;优选的,处理器420可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器420中。
系统总线430是用来连接计算机内部各功能部件,可以传送数据信息、地址信息、控制信息,其种类可以是例如PCI总线、ISA总线、VESA总线等。处理器420的指令通过总线传递至存储器410,存储器410反馈数据给处理器420,系统总线430负责处理器420与存储器410之间的数据、指令交互。当然系统总线430还可以接入其他设备,例如网络接口、显示设备等。
所述服务器应至少包括CPU、芯片组、内存、磁盘系统等,其他构成部件在此不再赘述。
在本发明实施例中,该服务器所包括的处理器420执行的可运行程序具体为:
一种数据存储方法,包括:
根据用户对数据类别及数据读写速度的关注度,通过重复实验,分别设定redis实例写入与查询的权重系数、数据类别的影响因子、redis实例读写影响因子;
获取已创建的redis实例,并根据所述redis实例写入与查询的权重系数、所述数据类别的影响因子、所述redis实例读写影响因子,计算每个redis实例的负载能力;
根据每个redis实例的负载能力,将预存储数据存入对应的redis实例中。
进一步的,所述根据用户对数据类别及数据读写速度的关注度具体为:
分别量化所述数据类别和所述数据读写速度,根据用户对所述数据类别和所述数据读写速度的需求反馈,设定所述数据类别和所述数据读写速度的比例。
进一步的,所述获取已创建的redis实例还包括:
获取所述redis实例的存储容量、所述redis实例的写入请求量和所述redis实例的查询请求量。
进一步的,根据公式(1)计算每个redis实例的负载能力;
其中,Rx为负载评分,Ti表示数据类别,Q表示查询请求量,W表示写入请求量,S表示redis实例存储容量,Cq表示查询权重,Cw表示写入权重,α表示数据类别影响因子,β表示读写影响因子,i、n表示编号。
进一步的,所述根据每个redis实例的负载能力,将预存储数据存入对应的redis实例中。还包括:
设定数据类别与redis实例负载能力的对应关系,其中,所述对应关系可根据预存储数据的最低负载需求或预存储数据在数据类别中的负载需求排名设定。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种数据存储方法,其特征在于,包括:
根据用户对数据类别及数据读写速度的关注度,分别设定redis实例写入与查询的权重系数、数据类别的影响因子、redis实例读写影响因子;
获取已创建的redis实例,并根据所述redis实例写入与查询的权重系数、所述数据类别的影响因子、所述redis实例读写影响因子,计算每个redis实例的负载能力;
根据每个redis实例的负载能力,将预存储数据存入对应的redis实例中。
2.根据权利要求1所述的方法,其特征在于,所述根据用户对数据类别及数据读写速度的关注度具体为:
分别量化所述数据类别和所述数据读写速度对Redis实例负载的影响,根据用户对所述数据类别和所述数据读写速度的需求反馈,设定所述数据类别和所述数据读写速度的比例。
3.根据权利要求1所述的方法,其特征在于,所述获取已创建的redis实例还包括:
获取所述redis实例的存储容量、所述redis实例的写入请求量和所述redis实例的查询请求量。
4.根据权利要求1所述的方法,其特征在于,所述根据所述redis实例写入与查询的权重系数、所述数据类别的影响因子、所述redis实例读写影响因子,计算每个redis实例的负载能力具体为;
根据公式(1)计算每个redis实例的负载能力;
其中,Rx为负载评分,Ti表示数据类别,Q表示查询请求量,W表示写入请求量,S表示redis实例存储容量,Cq表示查询权重,Cw表示写入权重,α表示数据类别影响因子,β表示读写影响因子,i、n表示编号。
5.根据权利要求1的方法,其特征在于,所述根据每个redis实例的负载能力,将预存储数据存入对应的redis实例中。还包括:
设定数据类别与redis实例负载能力的对应关系,其中,所述对应关系可根据预存储数据的最低负载需求或预存储数据在数据类别中的负载需求排名设定。
6.一种数据存储服务器,其特征在于,包括:
设定模块:用于根据用户对数据类别及数据读写速度的关注度,分别设定redis实例写入与查询的权重系数、数据类别的影响因子、redis实例读写影响因子;
计算模块:用于获取已创建的redis实例,并根据所述redis实例写入与查询的权重系数、所述数据类别的影响因子、所述redis实例读写影响因子,计算每个redis实例的负载能力;
存储模块:用于根据每个redis实例的负载能力,将预存储数据存入对应的redis实例中。
7.根据权利要求6所述的服务器,其特征在于,所述设定模块包括:
设定单元:用于分别量化所述数据类别和所述数据读写速度对Redis实例负载的影响,根据用户对所述数据类别和所述数据读写速度的需求反馈,设定所述数据类别和所述数据读写速度的比例。
8.根据权利要求6所述的服务器,其特征在于,所述计算模块包括:
获取单元:用于获取所述redis实例的存储容量、所述redis实例的写入请求量和所述redis实例的查询请求量。
9.一种服务器,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述数据存储方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述数据存储方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810744586.0A CN109032511B (zh) | 2018-07-09 | 2018-07-09 | 一种数据存储方法、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810744586.0A CN109032511B (zh) | 2018-07-09 | 2018-07-09 | 一种数据存储方法、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109032511A true CN109032511A (zh) | 2018-12-18 |
CN109032511B CN109032511B (zh) | 2022-05-13 |
Family
ID=64640662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810744586.0A Active CN109032511B (zh) | 2018-07-09 | 2018-07-09 | 一种数据存储方法、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109032511B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110401843A (zh) * | 2019-08-06 | 2019-11-01 | 广州虎牙科技有限公司 | 直播平台中的榜单数据更新方法、装置、设备和介质 |
CN110413594A (zh) * | 2019-06-25 | 2019-11-05 | 苏州浪潮智能科技有限公司 | 一种Redis多实例压力测试方法和装置 |
CN113705979A (zh) * | 2021-08-03 | 2021-11-26 | 海尔数字科技(上海)有限公司 | 一种基于物流运输货物批次信息追溯系统及追溯方法 |
CN115630928A (zh) * | 2022-12-01 | 2023-01-20 | 广东省实验动物监测所 | 一种实验动物行政许可数据的管理方法、系统及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010218402A (ja) * | 2009-03-18 | 2010-09-30 | Nec Corp | オブジェクト提供方法、分散アクセスシステム、情報処理装置およびそのプログラム |
US8769350B1 (en) * | 2011-09-20 | 2014-07-01 | Advent Software, Inc. | Multi-writer in-memory non-copying database (MIND) system and method |
CN104102693A (zh) * | 2014-06-19 | 2014-10-15 | 广州华多网络科技有限公司 | 对象处理方法和装置 |
CN104794146A (zh) * | 2014-12-22 | 2015-07-22 | 广州唯品会信息科技有限公司 | 商品实时筛选和排序的方法和装置 |
CN106021370A (zh) * | 2016-05-11 | 2016-10-12 | 智者四海(北京)技术有限公司 | 内存数据库实例的管理方法及装置 |
CN107346258A (zh) * | 2017-07-06 | 2017-11-14 | 北京微影时代科技有限公司 | 一种数据读写分离方法及装置 |
CN107656971A (zh) * | 2017-09-02 | 2018-02-02 | 国网辽宁省电力有限公司 | 一种基于Redis的智能电网采集监测数据存储方法 |
CN108023932A (zh) * | 2017-10-26 | 2018-05-11 | 康美健康云服务有限公司 | 一种基于Redis通用代理的实现方法、存储介质及电子设备 |
-
2018
- 2018-07-09 CN CN201810744586.0A patent/CN109032511B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010218402A (ja) * | 2009-03-18 | 2010-09-30 | Nec Corp | オブジェクト提供方法、分散アクセスシステム、情報処理装置およびそのプログラム |
US8769350B1 (en) * | 2011-09-20 | 2014-07-01 | Advent Software, Inc. | Multi-writer in-memory non-copying database (MIND) system and method |
CN104102693A (zh) * | 2014-06-19 | 2014-10-15 | 广州华多网络科技有限公司 | 对象处理方法和装置 |
CN104794146A (zh) * | 2014-12-22 | 2015-07-22 | 广州唯品会信息科技有限公司 | 商品实时筛选和排序的方法和装置 |
CN106021370A (zh) * | 2016-05-11 | 2016-10-12 | 智者四海(北京)技术有限公司 | 内存数据库实例的管理方法及装置 |
CN107346258A (zh) * | 2017-07-06 | 2017-11-14 | 北京微影时代科技有限公司 | 一种数据读写分离方法及装置 |
CN107656971A (zh) * | 2017-09-02 | 2018-02-02 | 国网辽宁省电力有限公司 | 一种基于Redis的智能电网采集监测数据存储方法 |
CN108023932A (zh) * | 2017-10-26 | 2018-05-11 | 康美健康云服务有限公司 | 一种基于Redis通用代理的实现方法、存储介质及电子设备 |
Non-Patent Citations (3)
Title |
---|
SONGHUAN LI; HONG JIANG; MINGKANG SHI: ""Redis-based web server cluster session maintaining technology"", 《2017 13TH INTERNATIONAL CONFERENCE ON NATURAL COMPUTATION, FUZZY SYSTEMS AND KNOWLEDGE DISCOVERY (ICNC-FSKD)》 * |
李燚: ""Redis集群可靠性的研究与优化"", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
闫明: ""高可用可扩展集群化Redis设计与实现"", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110413594A (zh) * | 2019-06-25 | 2019-11-05 | 苏州浪潮智能科技有限公司 | 一种Redis多实例压力测试方法和装置 |
CN110401843A (zh) * | 2019-08-06 | 2019-11-01 | 广州虎牙科技有限公司 | 直播平台中的榜单数据更新方法、装置、设备和介质 |
CN110401843B (zh) * | 2019-08-06 | 2022-02-25 | 广州虎牙科技有限公司 | 直播平台中的榜单数据更新方法、装置、设备和介质 |
CN113705979A (zh) * | 2021-08-03 | 2021-11-26 | 海尔数字科技(上海)有限公司 | 一种基于物流运输货物批次信息追溯系统及追溯方法 |
CN115630928A (zh) * | 2022-12-01 | 2023-01-20 | 广东省实验动物监测所 | 一种实验动物行政许可数据的管理方法、系统及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109032511B (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2019332682B2 (en) | Cost optimized dynamic resource allocation in a cloud infrastructure | |
US10789089B2 (en) | Dynamic application migration between cloud providers | |
CN109032511A (zh) | 一种数据存储方法、服务器及存储介质 | |
WO2022262167A1 (zh) | 集群资源调度方法及装置、电子设备和存储介质 | |
CN105205014B (zh) | 一种数据存储方法和装置 | |
CN101576918B (zh) | 具备负载均衡功能的数据缓存系统 | |
CN104424013B (zh) | 在计算环境中部署虚拟机的方法和设备 | |
JP5767646B2 (ja) | クラウド・サービス・カタログを用いたサービスの供給 | |
CN103608809B (zh) | 推荐数据富集 | |
CN109240946A (zh) | 数据的多级缓存方法及终端设备 | |
JP2017130211A (ja) | 記憶階層の動的選択 | |
CN110134516A (zh) | 金融数据处理方法、装置、设备及计算机可读存储介质 | |
CN109684074A (zh) | 物理机资源分配方法及终端设备 | |
CN102185926A (zh) | 一种云计算资源管理系统及方法 | |
CN114356587B (zh) | 算力任务跨区域调度方法、系统及设备 | |
CA2654802A1 (en) | Dispatching request fragments from a response aggregating surrogate | |
CN111737168A (zh) | 一种缓存系统、缓存处理方法、装置、设备及介质 | |
CN107291539A (zh) | 基于资源重要程度的集群程序调度方法 | |
CN113391913A (zh) | 一种基于预测的分布式调度方法和装置 | |
CN112163001A (zh) | 高并发查询方法、智能终端及存储介质 | |
CN112835698A (zh) | 一种基于异构集群的请求分类处理的动态负载均衡方法 | |
Zhang et al. | EHEFT-R: multi-objective task scheduling scheme in cloud computing | |
US10671932B1 (en) | Software application selection models integration | |
CN106933882B (zh) | 一种大数据增量计算方法和装置 | |
CN111405072A (zh) | 一种基于云厂家成本调度的混合云优化方法 |
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 |