CN112115113B - 数据存储系统、方法、装置、设备以及存储介质 - Google Patents

数据存储系统、方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN112115113B
CN112115113B CN202011022920.5A CN202011022920A CN112115113B CN 112115113 B CN112115113 B CN 112115113B CN 202011022920 A CN202011022920 A CN 202011022920A CN 112115113 B CN112115113 B CN 112115113B
Authority
CN
China
Prior art keywords
file
meta
information
meta information
read
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
Application number
CN202011022920.5A
Other languages
English (en)
Other versions
CN112115113A (zh
Inventor
滕岩松
曲晶莹
张安站
刘伟
刘桐仁
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011022920.5A priority Critical patent/CN112115113B/zh
Publication of CN112115113A publication Critical patent/CN112115113A/zh
Application granted granted Critical
Publication of CN112115113B publication Critical patent/CN112115113B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10File systems; File servers
    • G06F16/18File system types
    • G06F16/182Distributed file systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10File systems; File servers
    • G06F16/16File or folder operations, e.g. details of user interfaces specifically adapted to file systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10File systems; File servers
    • G06F16/17Details of further file system functions
    • G06F16/172Caching, prefetching or hoarding of files

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请实施例公开了数据存储系统、方法、装置、设备以及存储介质,涉及数据存储、搜索等技术领域。该数据存储系统的一具体实施方式包括:用户终端,配置于:在文件写入时,将文件顺序地写入分布式文件系统,以及将文件的元信息注册到元信息服务器;在文件读取时,从元信息服务器中获取待读取文件的元信息,以及根据获取到的待读取文件的元信息从分布式文件系统读取待读取文件;元信息服务器,配置于存储文件的元信息,其中,文件的元信息包含文件的键值范围;分布式文件系统,配置于存储用户终端写入的文件。本申请实施例采用了去分区的设计,用户终端直接和分布式文件系统交互,数据的读写依赖组件少,架构简单,运维成本和资源成本低。

Description

数据存储系统、方法、装置、设备以及存储介质
技术领域
本申请涉及计算机技术领域,具体涉及数据存储、搜索等技术领域,尤其涉及数据存储方法、装置、设备以及存储介质。
背景技术
自媒体、小视频等新媒体形式丰富了网络上信息的形式和载体,这些海量结构化数据通过站长向搜索引擎提供,引擎抓取处理后需要进行存储后再构建索引。数据的增长带来的就是存储上机器成本、运维成本的疯狂增长。
海量结构化数据存储目前采用列型非关系型数据库Hbase存储。使用列型非关系型数据库Hbase作为存储,依赖master,regionserver,zk等多个模块,运维成本高。另外,列型非关系型数据库Hbase,在持续数据到达的场景下,压缩粒度粗糙,数据放大明显且难以控制,最终导致读写性能不足,无法满足海量搜索数据存储的需求。
发明内容
为了解决上述背景技术部分提到的一个或多个技术问题,本申请实施例提供了数据存储系统、方法、装置、设备以及存储介质。
第一方面,本申请实施例提供了数据存储系统,包括:用户终端,配置于:在文件写入时,将文件顺序地写入分布式文件系统,以及将文件的元信息注册到元信息服务器;在文件读取时,从元信息服务器中获取待读取文件的元信息,以及根据获取到的待读取文件的元信息从所述分布式文件系统读取所述待读取文件;元信息服务器,配置于存储文件的元信息,其中,所述文件的元信息包含文件的键值范围;分布式文件系统,配置于存储用户终端写入的文件。
第二方面,本申请实施例提供了数据存储方法,包括:在文件写入时,将文件顺序地写入分布式文件系统,以及将文件的元信息注册到元信息服务器;在文件读取时,从元信息服务器中获取待读取文件的元信息,以及根据获取到的待读取文件的元信息从所述分布式文件系统读取所述待读取文件。
第三方面,本申请实施例提供了数据存储装置,包括:写入模块,被配置为在文件写入时,将文件顺序地写入分布式文件系统,以及将文件的元信息注册到元信息服务器;读取模块,被配置为从元信息服务器中获取待读取文件的元信息,以及根据获取到的待读取文件的元信息从所述分布式文件系统读取所述待读取文件。
第四方面,本申请实施例提出了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第二方面描述的方法。
第五方面,本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行如第二方面描述的方法。
本申请实施例提供的数据存储系统、方法、装置、设备以及存储介质,在文件写入时,用户重点将文件顺序地写入分布式文件系统,以及将文件的元信息注册到元信息服务器;在文件读取时,用户终端从元信息服务器中获取待读取文件的元信息,以及根据获取到的待读取文件的元信息从所述分布式文件系统读取所述待读取文件,与列型非关系型数据库Hbase相比,采用了去分区(region)的设计,数据的读写不需要部署regionserver,用户终端直接和分布式文件系统交互,数据的读写依赖组件少,架构简单,运维成本和资源成本相比Hbase都要低。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1示出了属于现有技术的HBase系统相关模块的结构示意图;
图2是根据本申请的数据存储系统的一个实施例的结构示意图;
图3是根据本申请的数据存储系统的另一个实施例的结构示意图;
图4是根据本申请的数据存储系统的再一个实施例的结构示意图;
图5是根据本申请的数据存储系统中的文件状态的示意图;
图6是根据本申请的数据存储方法的流程示意图;
图7是本申请的数据存储装置的一个实施例的结构示意图;
图8是用来实现本申请实施例的数据存储方法的电子设备的框图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
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组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了属于现有技术的HBase系统相关模块的结构示意图。
如图1所示,HBase系统包括管理器(master)、分区服务器(Region Server)、分区(Region)、应用程序接口API、Zookeeper。HBase系统运行在分布式文件系统(HadoopDistributed File System,HDFS)上,以HDFS作为其基础的存储设施。HBase上层提供了访问数据的API,供应用程序访问存储在Hbase系统的数据。管理器协调多个分区服务器,侦测各个分区服务器之间的状态,并平衡分区服务器之间的负载。用户终端连接分区服务器,并通信获取Hbase系统中的数据。Zookeeper用于使至少一个管理器处于运行状态,并负责分区和分区服务器的注册。每个分区服务器管理着多个分区,每个分区存储一个列簇数据,每个分区所能存储的数据大小有上限。每个分区中的列簇数据会写入到分布式文件系统中,也就是磁盘输入/输出(IO)。当用户终端读取Hbase系统中的数据时,其先和Zookeeper通信,然后找到对应的分区服务器。使用列型非关系型数据库Hbase作为存储,依赖master,regionserver,Zookeeper等多个模块,运维成本高。写入读取都依赖分区服务器,高吞吐下容易成为瓶颈。
为此,本申请实施例提供了一种数据存储系统、方法、装置、设备以及存储介质。
图2示出根据本申请的数据存储系统的一个实施例的结构示意图。
如图2所示,本实施例的数据存储系统包括用户终端201、分布式文件系统202、元信息服务管理器203。
在文件写入时,用户终端201将文件顺序地写入分布式文件系统202,并将文件的元信息注册到元信息服务器203。在文件读取时,用户终端201从元信息服务器203中获取待读取文件的元信息,并根据获取到的待读取文件的元信息从分布式文件系统202读取所述待读取文件。其中,元信息服务器203存储包含文件的键值范围的文件的元信息,分布式文件系统202存储用户终端直接写入的文件。其中,文件的元信息是指描述一个文件的特征的数据,例如文件名、文件的键值范围、文件大小、文件类型、文件存储位置等。在本实施例中,元信息服务管理器203存储了所有文件的元信息。与HBase系统中分区服务器(Regionserver)将文件的元信息注册到元信息列表(meta table)不同,本实施例中用户终端201直接将文件的元信息注册到元信息服务器203中。与HBase系统中用户终端通过分区服务器读取分布式文件系统中的文件不同,本实施例中用户终端201直接和分布式文件系统201交互。
在本实施例的一些可选的实施方式中,文件的结构为日志结构的合并树。日志结构的合并树(Log Structured Merge Tree,LSM)是一种存储结构。LSM通过将磁盘的随机写转化为顺序写,通过分层的文件设计,提高磁盘的读写效率。
在本实施例的一些可选的实施方式中,可以将文件的版本信息编码在文件的键中,用户终端201需要读取时,可以根据元信息服务器203中文件的键值范围,一次性将具有不同版本的文件打开,进行批量读取,提高读取效率。
与现有技术相比,本申请实施例对文件的读写不受分区服务器的限制,读写吞出高,并采用了去分区(region)的设计,数据的读写不需要部署分区服务器,用户终端直接和分布式文件系统交互,数据的读写依赖组件少,架构简单,运维成本和资源成本相比Hbase都要低。
继续参考图3,图3是根据本申请的数据存储系统的另一个实施例的结构示意图。
如图3所述,该数据存储系统还包括触发器104、消息队列105、压缩器106。触发器104接收到元信息服务器103传递的待压缩文件的元信息后,根据元信息中的文件的键值范围的排序信息,确定元信息的多个子元信息集合,之后触发器104生成对对应于多个子元信息集合的文件进行压缩的多个子任务并将多个子任务传递至消息队列105。消息队列105用于存储多个子任务并将多个子任务传递给压缩器106。压缩器106执行多个子任务。消息队列105是一种消息中间件,例如Kafka、rocketmq等。将多个子任务堆积在消息队列105中,避免了写放大对于数据存储系统整体读写性能的影响。在本实施例中,触发器104从元信息服务器103获取到需要压缩的文件列表,将其转化成多个压缩任务,提交至压缩器106进行压缩。例如,现有1万个文件需要进行压缩,触发器104可以将这1万个文件分成1000批,每批100个文件一起压缩,从而能够控制数据的放大程度。与HBase系统中由分区服务器自己决策当前需要压缩的文件不同,本实施例引入了触发器104,由触发器104根据文件的键值范围全局地决策哪些文件需要进行压缩,哪些文件需要一起压缩,做到文件的键的全局近似有序。
继续参考图4,图4是根据本申请的数据存储系统的再一个实施例的结构示意图。
如图4所示,在本实施例中,压缩器106包含:压缩模块、过期(expire)模块、垃圾回收(garbage collection,gc)模块。压缩模块执行压缩文件的任务,过期模块执行文件过期的任务,垃圾回收模块执行文件垃圾回收的任务。在进行文件垃圾回收时,触发器104接收到元信息服务器103传递的待执行垃圾回收的文件的元信息后,根据元信息中的文件的键值范围的排序信息,确定元信息的多个子元信息集合,之后触发器104生成对对应于多个子元信息集合的文件进行垃圾回收操作的多个子任务并将多个子任务传递至消息队列105。消息队列105用于存储多个子任务并将多个子任务传递给压缩器106。压缩器106执行多个子任务。在本实施例中,触发器104从元信息服务器103获取到需要执行垃圾回收的文件列表,将其转化成多个垃圾回收任务,提交至压缩器106执行垃圾回收操作。在进行文件过期时,触发器104接收到元信息服务器103传递的待执行过期的文件的元信息后,根据元信息中的文件的键值范围的排序信息,确定元信息的多个子元信息集合,之后触发器104生成对对应于多个子元信息集合的文件进行文件过期的多个子任务并将多个子任务传递至消息队列105。消息队列105用于存储多个子任务并将多个子任务传递给压缩器106。压缩器106执行多个子任务。在本实施例中,触发器104从元信息服务器103获取到需要执行文件过期的文件列表,将其转化成多个文件过期任务,提交至压缩器106执行垃圾回收操作。
本实施例通过引入触发器104,由触发器104根据文件的键值范围全局地决策哪些文件需要进行垃圾回收或过期,哪些文件需要一起做垃圾回收或过期,保证无用文件的高效地退场。
继续参考图5,图5示出了根据本申请的数据存储系统中的文件状态的示意图。
本实施例中的文件结构采用了LSM结构。文件总体分为新生(fresh)、成熟(major)、终态(full)三个阶段,每个阶段代表该文件的年龄特征。文件的每两个阶段中间用中间态(intermediate level)来标识文件正在进行压缩。如图5所示,新生文件(文件1、文件2、文件3)首先被标记成新生中间态,标记成功后发送压缩器进行压缩,避免文件被多次压缩。压缩完成后文件1、文件2、文件3的中间态到达成熟。同理,要对文件4、文件5执行压缩时,首先将文件4、文件5标记为成熟中间态,标记成功后发送压缩器进行压缩,最终文件6到达终态。处于终态的文件6可以进行压缩,并根据文件的生存时间值进行文件过期。
在本实施例中,通过对文件的年龄特征和对应的中间态进行标识,可以让每个文件所处的阶段更加清晰,整个压缩过程是可观察,可控的,并且更好地保证所有小文件都可以正确地在预期的时间内快速合并为大文件。
在本申请的上述任一实施例的一些可选的实现方式中,数据存储系统中存储的文件为面向搜索引擎的结构化数据。其中,网站站长可以基于网站标识(例如可以统一资源定位符URL作为网站标识)向数据存储系统提供结构化数据。其中,结构化数据包括但不限于实体名称及对应的实体属性信息。以音乐类网站为例,歌曲的结构化数据为当前歌曲的歌曲名称,当前歌曲的实体属性信息可以包括但不限于版权信息、描述信息(如歌手姓名)、歌词信息、下载地址、当前歌曲的封面图片等信息,一首歌曲对应一条结构化数据。当例如该音乐类网站提交了海量结构化的数据时(例如300万条),采用本申请实施例的数据存储系统能够以较低的成本且高效率地存储海量周期性抓取到达的搜索引擎的结构化数据。继续参考图6,图6是根据本申请的数据存储方法的流程示意图。
如图6所示,该数据存储方法600包括:
步骤601,在文件写入时,将文件顺序地写入分布式文件系统,以及将文件的元信息注册到元信息服务器。
步骤602,在文件读取时,从元信息服务器中获取待读取文件的元信息,以及根据获取到的待读取文件的元信息从分布式文件系统读取待读取文件。
在本实施例中,元信息服务器存储包含文件的键值范围的文件的元信息,分布式文件系统存储用户终端直接写入的文件。其中,文件的元信息是指描述一个文件的特征的数据,例如文件名、文件的键值范围、文件大小、文件类型、文件存储位置等。与HBase系统中通过分区服务器(Region server)将文件的元信息注册到元信息列表(meta table)不同,本实施例中直接将文件的元信息注册到元信息服务器中。与HBase系统中通过分区服务器读取分布式文件系统中的文件不同,本实施例中直接和分布式文件系统交互,可以提高文件读写吞吐。
进一步参考图7,作为对上述各图所示方法的实现,本申请提供了一种数据存储方法的一个实施例,该装置实施例与图6所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图7所示,本实施例的数据存储装置700可以包括:写入模块701、读取模块702。其中,写入模块701,被配置为在文件写入时,将文件顺序地写入分布式文件系统,以及将文件的元信息注册到元信息服务器;读取模块702,被配置为从元信息服务器中获取待读取文件的元信息,以及根据获取到的待读取文件的元信息从所述分布式文件系统读取所述待读取文件。
在本实施例中,数据存储装置700中:写入模块701、读取模块702的具体处理及其所带来的技术效果可分别参考图6对应实施例中的步骤601-602的相关说明,在此不再赘述。
如图8所示,是根据本申请实施例数据存储方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图8所示,该电子设备包括:一个或多个处理器801、存储器802,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器801为例。
存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的数据存储方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的数据存储方法。
存储器802作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的数据存储方法对应的程序指令/模块(例如,附图7所示的写入模块701、读取模块702)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的数据存储方法。
存储器802可以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、至少一个功能所需要的应用程序;存储数据区可存储根据数据存储方法的电子设备的使用所创建的数据等。此外,存储器802可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器802可选包括相对于处理器801远程设置的存储器,这些远程存储器可以通过网络连接至数据存储方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
数据存储方法的电子设备还可以包括:输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接,图8中以通过总线连接为例。
输入装置803可接收输入的数字或字符信息,以及产生与数据存储方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请的技术方案,在文件写入时,用户重点将文件顺序地写入分布式文件系统,以及将文件的元信息注册到元信息服务器;在文件读取时,用户终端从元信息服务器中获取待读取文件的元信息,以及根据获取到的待读取文件的元信息从所述分布式文件系统读取所述待读取文件,与列型非关系型数据库Hbase相比,采用了去分区(region)的设计,数据的读写不需要部署regionserver,用户终端直接和分布式文件系统交互,数据的读写依赖组件少,架构简单,运维成本和资源成本相比Hbase都要低。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。

Claims (9)

1.一种数据存储系统,包括:
用户终端,配置于:
在文件写入时,将文件顺序地写入分布式文件系统,以及将文件的元信息注册到元信息服务器;
在文件读取时,从元信息服务器中获取待读取文件的元信息,以及根据获取到的待读取文件的元信息从所述分布式文件系统读取所述待读取文件;
元信息服务器,配置于存储文件的元信息,其中,所述文件的元信息包含文件的键值范围;
分布式文件系统,配置于存储用户终端写入的文件;
还包括:
触发器,配置于:接收到所述元信息服务器传递的待压缩文件的元信息;根据所述元信息中的文件的键值范围的排序信息,确定所述元信息的多个子元信息集合;生成对对应于所述多个子元信息集合的文件进行压缩的多个子任务;将所述多个子任务传递至消息队列;
消息队列,配置于存储所述多个子任务,以及将所述多个子任务传递给压缩器;
压缩器,配置于执行所述多个子任务,其中,文件的结构为日志结构的合并树,文件分为新生、成熟、终态三个阶段,文件的每两个阶段中间用中间态来标识文件正在进行压缩。
2.根据权利要求1所述的系统,所述文件的键包括文件的版本信息。
3.根据权利要求1所述的系统,所述压缩器还包括:
文件过期模块,配置于执行文件过期;
垃圾回收模块,配置于执行垃圾文件回收。
4.根据权利要求1所述的系统,所述文件包括多种年龄特征,所述触发器进一步配置于:
在将所述多个子任务传递至消息队列之前,将所述多个子任务对应的文件的年龄属性标记为中间态。
5.根据权利要求1-4任一项所述的系统,所述文件为面向搜索引擎的结构化数据。
6.一种数据存储的方法,包括:
在文件写入时,将文件顺序地写入分布式文件系统,以及将文件的元信息注册到元信息服务器;
在文件读取时,从元信息服务器中获取待读取文件的元信息,以及根据获取到的待读取文件的元信息从所述分布式文件系统读取所述待读取文件,其中,所述文件的元信息包含文件的键值范围;
还包括:
接收到所述元信息服务器传递的待压缩文件的元信息;根据所述元信息中的文件的键值范围的排序信息,确定所述元信息的多个子元信息集合;生成对对应于所述多个子元信息集合的文件进行压缩的多个子任务;
存储所述多个子任务;
执行所述多个子任务,其中,文件的结构为日志结构的合并树,文件分为新生、成熟、终态三个阶段,文件的每两个阶段中间用中间态来标识文件正在进行压缩。
7.一种数据存储的装置,包括:
写入模块,被配置为在文件写入时,将文件顺序地写入分布式文件系统,以及将文件的元信息注册到元信息服务器;
读取模块,被配置为从元信息服务器中获取待读取文件的元信息,以及根据获取到的待读取文件的元信息从所述分布式文件系统读取所述待读取文件,其中,所述文件的元信息包含文件的键值范围;
还包括:
压缩模块,被配置为:
接收到所述元信息服务器传递的待压缩文件的元信息;根据所述元信息中的文件的键值范围的排序信息,确定所述元信息的多个子元信息集合;生成对对应于所述多个子元信息集合的文件进行压缩的多个子任务;
存储所述多个子任务;
执行所述多个子任务,其中,文件的结构为日志结构的合并树,文件分为新生、成熟、终态三个阶段,文件的每两个阶段中间用中间态来标识文件正在进行压缩。
8.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求6所述的方法。
9.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求6所述的方法。
CN202011022920.5A 2020-09-25 2020-09-25 数据存储系统、方法、装置、设备以及存储介质 Active CN112115113B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011022920.5A CN112115113B (zh) 2020-09-25 2020-09-25 数据存储系统、方法、装置、设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011022920.5A CN112115113B (zh) 2020-09-25 2020-09-25 数据存储系统、方法、装置、设备以及存储介质

Publications (2)

Publication Number Publication Date
CN112115113A CN112115113A (zh) 2020-12-22
CN112115113B true CN112115113B (zh) 2022-03-25

Family

ID=73798088

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011022920.5A Active CN112115113B (zh) 2020-09-25 2020-09-25 数据存储系统、方法、装置、设备以及存储介质

Country Status (1)

Country Link
CN (1) CN112115113B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114442959B (zh) * 2022-01-29 2024-08-13 北京百度网讯科技有限公司 多地域存储系统的数据写入方法、装置及系统
CN114840475A (zh) * 2022-03-25 2022-08-02 阿里巴巴(中国)有限公司 数据处理方法、系统、设备及存储介质
CN114817263A (zh) * 2022-04-28 2022-07-29 北京达佳互联信息技术有限公司 数据处理方法、装置、电子设备及存储介质
CN116127461B (zh) * 2023-04-04 2023-07-25 阿里巴巴(中国)有限公司 数据保护方法及系统、存储服务器和客户端
CN116933742B (zh) * 2023-09-14 2023-12-29 杭州行芯科技有限公司 一种工艺技术文件生成方法、装置、电子设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6077311A (en) * 1997-07-09 2000-06-20 Silicon Graphics, Inc. Method and apparatus for extraction of program region
CN111221857A (zh) * 2018-11-08 2020-06-02 华为技术有限公司 从分布式系统中读数据记录的方法和装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102420854A (zh) * 2011-11-14 2012-04-18 西安电子科技大学 面向云存储的分布式文件系统
CN102622412A (zh) * 2011-11-28 2012-08-01 中兴通讯股份有限公司 一种分布式文件系统中的并发写入方法及装置
CN107656939A (zh) * 2016-07-26 2018-02-02 南京中兴新软件有限责任公司 文件写入方法及装置
US11151028B2 (en) * 2018-01-22 2021-10-19 President And Fellows Of Harvard College Key-value stores with optimized merge policies and optimized LSM-tree structures
CN111475507B (zh) * 2020-03-31 2022-06-21 浙江大学 一种工作负载自适应单层lsmt的键值数据索引方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6077311A (en) * 1997-07-09 2000-06-20 Silicon Graphics, Inc. Method and apparatus for extraction of program region
CN111221857A (zh) * 2018-11-08 2020-06-02 华为技术有限公司 从分布式系统中读数据记录的方法和装置

Also Published As

Publication number Publication date
CN112115113A (zh) 2020-12-22

Similar Documents

Publication Publication Date Title
CN112115113B (zh) 数据存储系统、方法、装置、设备以及存储介质
JP7271734B2 (ja) 分散イベント処理システムにおけるデータシリアライズ
CN109997126B (zh) 事件驱动提取、变换、加载(etl)处理
JP7222040B2 (ja) モデル訓練、画像処理方法及びデバイス、記憶媒体、プログラム製品
US9639444B2 (en) Architecture for end-to-end testing of long-running, multi-stage asynchronous data processing services
CN111460285A (zh) 信息处理方法、装置、电子设备和存储介质
CN110083627B (zh) 数据处理方法、系统、计算机设备和存储介质
CN111639027B (zh) 一种测试方法、装置及电子设备
CN112269789A (zh) 存储数据的方法和装置、以及读取数据的方法和装置
CN112711581A (zh) 医疗数据校验方法、装置、电子设备及存储介质
CN110619002A (zh) 数据处理方法、装置及存储介质
CN112181393B (zh) 前后端代码生成方法、装置、计算机设备及存储介质
CN112182359A (zh) 推荐模型的特征管理方法及系统
CN110633281A (zh) 多类型数据源的处理方法及装置
CN112559522A (zh) 数据存储方法、装置、查询方法、电子设备及可读介质
CN111680799A (zh) 用于处理模型参数的方法和装置
CN114820080A (zh) 基于人群流转的用户分群方法、系统、装置及介质
CN113760242B (zh) 一种数据处理方法、装置、服务器和介质
US20210248486A1 (en) Method, apparatus, device and storage medium for customizing personalized rules for entities
CN111683140B (zh) 用于分发消息的方法和装置
CN111488386B (zh) 数据查询方法和装置
US20150160942A1 (en) Data object with common statement series
CN111026916A (zh) 文本描述的转换方法、装置、电子设备及存储介质
JP7293544B2 (ja) 質問回答システムの更新処理方法及び装置
CN112817930A (zh) 一种数据迁移的方法和装置

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