CN113918099A - 数据库的存储方法、装置、设备、介质和程序产品 - Google Patents
数据库的存储方法、装置、设备、介质和程序产品 Download PDFInfo
- Publication number
- CN113918099A CN113918099A CN202111335912.0A CN202111335912A CN113918099A CN 113918099 A CN113918099 A CN 113918099A CN 202111335912 A CN202111335912 A CN 202111335912A CN 113918099 A CN113918099 A CN 113918099A
- Authority
- CN
- China
- Prior art keywords
- data
- storage
- interval
- fields
- value
- 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.)
- Pending
Links
Images
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
- G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
- G06F3/0638—Organizing or formatting or addressing of data
- G06F3/0644—Management of space entities, e.g. partitions, extents, pools
-
- 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
- G06F16/278—Data partitioning, e.g. horizontal or vertical partitioning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种数据库的存储方法,可以应用于大数据技术领域。该数据库的存储方法包括:获取待存储的数据,其中,数据包括预设的分区键,分区键包括数据的N个字段各自的第一取值区间,其中,数据的各字段的取值属于分区键中对应字段的第一取值区间,N≥2;查找分布式数据库(Hadoop Database,HBase)中与分区键对应的存储区间,将数据存入所述存储区间内;其中,分布式数据库划分为多个存储区间,各个存储区间分别与一个分区键对应。本公开通过划分分布式数据库的存储区域后存取数据,提高了分布式数据库中读写数据时的处理性能并减少毛刺。
Description
技术领域
本公开涉及大数据领域,具体涉及数据库的应用,更具体地涉及一种数据库的存储方法、装置、设备、介质和程序产品。
背景技术
在大数据领域,常使用分布式数据库(Hadoop Database,HBase)存储大规模的数据集。分布式数据库在进行数据存储时,先将数据写入内存缓存,满足一定条件后缓存的数据会写入磁盘。数据不断写入时,磁盘内存储的数据量不断增加,在查询数据时大量的数据使得IO次数增多,查询速度变慢,所以需要在磁盘内进行小合并(minor compaction)和大合并(major compaction),以减少存储的数据量。在进行小合并和大合并时,会大量消耗磁盘IO和带宽,对分布式数据库的数据存储请求和读取请求造成影响,会降低性能形成毛刺。
发明内容
鉴于上述问题,本公开提供了提高性能减少毛刺的数据库的存储方法、装置、设备、介质和程序产品。
根据本公开的第一个方面,提供了一种数据库的存储方法,包括:获取待存储的数据,其中,所述数据包括预设的分区键,所述分区键包括所述数据的N个字段各自的第一取值区间,其中,所述数据的各字段的取值属于所述分区键中对应字段的第一取值区间,N≥2,所述数据的总字段数大于N;查找分布式数据库中与所述分区键对应的存储区间,将所述数据存入所述存储区间内;其中,所述分布式数据库划分为多个存储区间,各个所述存储区间分别与一个分区键对应。
根据本公开的实施例,所述分布式数据库划分为多个存储区间包括:获取所述N个字段各自的第二取值区间,所述第二取值区间包括所述第一取值区间;将所述N个字段中每一字段的第二取值区间均分为多个第一取值区间,各所述第一取值区间不相交;依次将所述N个字段的第一取值区间相互组合,得到多个所述分区键;基于所述分区键的数量将所述分布式数据库划分为多个存储区间,使每一所述分区键分别对应一个所述存储区间。
根据本公开的实施例,所述方法还包括:获取所述数据的全部字段的查询频率;筛选出查询频率高于预设频率的N个字段,以基于所述N个字段的第一取值区间相互组合得到所述分区键。
根据本公开的实施例,所述方法还包括:将所述N个字段的第一取值区间按照所述N个字段的查询频率的高低顺序排序;其中,所述查询频率越高的字段在所述分区键中位置越前。
根据本公开的实施例,所述将所述数据存入所述存储区间内包括:将所述数据按照所述分区键包括的字段的字典顺序存储到对应的存储区间。
根据本公开的实施例,所述数据还包括唯一识别码,所述方法还包括:在从所述分布式数据库中读取数据时,根据所述分区键查找待读取数据所在的存储区间;根据所述待读取数据的唯一识别码从所述存储区间内读取所述待读取数据。
根据本公开的实施例,所述N个字段均为定长字段。
根据本公开的实施例,所述方法还包括:在所述存储区间的存储数据量大于预设数量时,对所述存储区间内的数据去重。
本公开的第二方面提供了一种数据库的存储装置,包括:获取模块,用于获取待存储的数据,其中,所述数据包括预设的分区键,所述分区键包括所述数据的N个字段各自的第一取值区间,其中,所述数据的各字段的取值属于所述分区键中对应字段的第一取值区间,N≥2,所述数据的总字段数大于等于N;存储模块,用于查找分布式数据库中与所述分区键对应的存储区间,将所述数据存入所述存储区间内;预分区模块,用于将所述分布式数据库划分为多个存储区间,各个所述存储区间分别与一个分区键对应。
根据本公开的实施例,所述预分区模块包括:第一获取单元,用于获取所述N个字段各自的第二取值区间,所述第二取值区间包括所述第一取值区间;划分单元,用于将所述N个字段中每一字段的第二取值区间均分为多个第一取值区间,各所述第一取值区间不相交;组合单元,依次将所述N个字段的第一取值区间相互组合,得到多个所述分区键;分区单元,用于基于所述分区键的数量将所述分布式数据库划分为多个存储区间,使每一所述分区键分别对应一个所述存储区间。
根据本公开的实施例,所述装置还包括:频率模块,用于获取所述数据的全部字段的查询频率;筛选模块,用于筛选出查询频率高于预设频率的N个字段,以基于所述N个字段的第一取值区间相互组合得到所述分区键。
根据本公开的实施例,所述装置还包括:排序模块,用于将所述N个字段的第一取值区间按照所述N个字段的查询频率的高低顺序排序;其中,所述查询频率越高的字段在所述分区键中位置越前。
根据本公开的实施例,所述数据还包括唯一识别码,所述装置还包括:第一读取模块,用于在从所述分布式数据库中读取数据时,根据所述分区键查找待读取数据所在的存储区间;第二读取模块,用于根据所述待读取数据的唯一识别码从所述存储区间内读取所述待读取数据。
根据本公开的实施例,所述装置还包括:去重模块,用于定期对所述存储区间内的数据去重。
本公开的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得一个或多个处理器执行上述数据库的存储方法。
本公开的第四方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述数据库的存储方法。
本公开的第五方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述数据库的存储方法。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的数据库的存储方法、装置、设备、介质和程序产品的应用场景图;
图2示意性示出了根据本公开实施例的数据库的存储方法的S210~S220流程图;
图3示意性示出了根据本公开实施例的数据库的存储方法的S210~S240流程图;
图4示意性示出了根据本公开实施例的数据库的存储方法的操作S221~S224流程图;
图5示意性示出了根据本公开实施例的数据库的存储方法的S210~S270流程图;
图6示意性示出了根据本公开实施例的数据库的存储方法中的分区示意图;
图7示意性示出了根据本公开实施例的数据库的存储装置700的结构框图;
图8示意性示出了根据本公开实施例的数据库的存储装置中预分区模块730的结构框图。;
图9示意性示出了根据本公开实施例的数据库的存储装置700的部分结构框图;以及
图10示意性示出了根据本公开实施例的适于实现数据库的存储方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
需要说明的是,本公开提供的一种数据库的存储方法、装置、设备、介质和程序产品涉及大数据领域,在本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
由于本公开提供的一种数据库的存储方法基于分布式数据库,在此先对分布式数据库的工作原理进行简单的说明。分布式数据库是一种基于LSM-Tree(Log-StructuredMerge Tree)存储结构设计的数据库。在存储数据时,先将数据写入内存缓存中,当满足一定条件后缓存的数据会执行刷新(flush)将数据写入磁盘,形成HFile文件。当数据不断写入时,不断执行flush形成大量HFile文件,每个HFile文件包括多个数据。磁盘的存储区域(Region)为多层结构,包括底层结构(L0)和其他上层结构(L1、L2等)。HFile文件首先存储在底层结构(L0)中,底层结构(L0)中的所有文件是无序存储的。当底层结构(L0)中的HFile文件数量超过预定值时,会将HFile文件中的数据写入上层结构(L1),其中上层结构(L1)中包括多个条带(Stripe),在上层结构(L1)中的同一个条带(Stripe)中会进行minorcompaction和major compaction。现有的数据库的存储方法中,由于Stripe的划分方式使得每个Stripe中的数据量仍较大,在进行minor compaction和major compaction时,会大量消耗磁盘IO和带宽,对分布式数据库的数据存储请求和读取请求造成影响,会降低性能形成毛刺。由此,提出本公开的一种数据库的存储方法,以解决数据从底层结构(L0)写入上层结构(L1)中时出现的上述问题。
本公开的实施例提供了一种数据库的存储方法,包括:获取待存储的数据,其中,数据包括预设的分区键,分区键包括数据的N个字段各自的第一取值区间,其中,数据的各字段的取值属于分区键中对应字段的第一取值区间,N≥2,数据的总字段数大于等于N;查找分布式数据库中与分区键对应的存储区间,将数据存入存储区间内;其中,分布式数据库划分为多个存储区间,各个存储区间分别与一个分区键对应。
图1示意性示出了根据本公开实施例的数据库的存储方法、装置、设备、介质和程序产品的应用场景图。
如图1所示,根据该实施例的应用场景100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以等。终端设备101、102、103上可以安装有各种产生大量数据的应用,例如购物类应用、网页浏览器应用、搜索类应用、通讯类应用、邮箱客户端、社交平台软件等(仅为示例)。
终端设备101、102、103可以是各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是存储设备数据的数据库服务器,例如对用户利用终端设备101、102、103所生成的各种数据进行存储的数据库服务器(仅为示例)。数据库服务器可以对接收到的用户数据进行存储,并在用户需要查询所需数据时提供相应的数据。
需要说明的是,本公开实施例所提供的数据库的存储方法一般可以由服务器105执行。相应地,本公开实施例所提供的数据库的存储装置一般可以设置于服务器105中。本公开实施例所提供的数据库的存储方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的数据库的存储装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
以下将基于图1描述的场景,通过图2~图5对公开实施例的数据库的存储方法进行详细描述。
图2示意性示出了根据本公开实施例的数据库的存储方法的S210~S230流程图。
如图2所示,该实施例的数据库的存储方法包括操作S210~操作S220,该数据库的存储方法可以由服务器105执行。
在操作S210,获取待存储的数据,其中,数据包括预设的分区键,分区键包括数据的N个字段各自的第一取值区间,其中,数据的各字段的取值属于分区键中对应字段的第一取值区间,N≥2,数据的总字段数大于等于N。
例如,待存储的数据为金融软件上某金融产品的购买记录的数据。数据的字段包括用户ID、交易日期、交易数量等,可以选取用户ID和交易日期的第一取值区间构成预设的分区键。用户ID的第一取值区间包括多个取值区间PartA1~PartAm,交易日期的第一取值区间包括多个取值区间Part B1~Part Bm。每个数据中用户ID的取值属于Part A1~PartAm中的其中一个第一取值区间,交易日期的取值属于Part B1~Part Bm中的其中一个第一取值区间。
此外,也可以选取用户ID、交易日期、交易数量这三个字段的第一取值区间组成预设的分区键。本公开对选取的字段数量N不作具体限定。
在操作S220,查找分布式数据库中与分区键对应的存储区间,将数据存入存储区间内,其中,分布式数据库划分为多个存储区间,各个存储区间分别与一个分区键对应。
由于分布式数据库中,多个数据首先以一个HFile的形式写入,多个HFile无序存储于底层结构(L0),在写入上层结构(L1)中时,一个HFile文件中的多个数据分别包括预设的分区键,将每个数据中包括的分区键与上层结构(L1)中的存储区间匹配,将多个数据分别存入各自对应的存储区间。例如,某个数据的字段取值分别为,用户ID为001,属于用户ID的第一取值区间Part A1,交易日期为20210101,属于交易日期的第一取值区间Part B1,则将该数据存入分区键包括Part A1和Part B1的对应存储区间内。
图3示意性示出了根据本公开实施例的数据库的存储方法的S210~S240流程图。
如图3所示,该实施例的数据库的存储方法还包括操作S230~S240,在操作S230中,获取数据的全部字段的查询频率;在操作S240中,筛选出查询频率高于预设频率的N个字段,以基于所述N个字段的第一取值区间相互组合得到所述分区键。由于用户已知待存储的数据中涉及的业务内容,在数据写入之前,获取待存储的数据的全部字段,并结合实际情况以及经验获取数据的所有字段的查询频率。例如,数据的字段包括用户ID、交易日期、交易金额、交易数量,在其中查询频率高于预设频率的字段为用户ID、交易日期,由此选择用户ID、交易日期构成分区键。当查询频率高于预设频率的字段为用户ID、交易日期、交易数量,选取用户ID、交易日期、购买数量这三个字段的第一取值区间组成预设的分区键。需要说明的是,本公开对字段的数量N不受具体数量的限制,根据用户实际需求选择合适的字段,利用这些字段的取值区间来组合成分区键。
根据本公开的实施例,筛选出的N个字段均为定长字段。字段通常有定长字段和不定长字段。在数据量规模较大时,数据库对定长字段相对于不定长字段的处理速度要快。由此,利用定长字段构成分区键,使得数据的存取速度更快,存取效率更高。
图4示意性示出了根据本公开实施例的数据库的存储方法的操作S221~S222流程图。
根据本公开的实施例,S220包括操作S221~操作S224,分布式数据库划分为多个存储区间包括:在操作S221中,获取N个字段各自的第二取值区间,第二取值区间包括第一取值区间;在操作S222中,将N个字段中每一字段的第二取值区间均分为多个第一取值区间,各第一取值区间不相交;在操作S223中,依次将N个字段的第一取值区间相互组合,得到多个分区键;在操作S224中,基于分区键的数量将分布式数据库划分为多个存储区间,使每一分区键分别对应一个存储区间。
例如,当选取用户ID、交易日期作为组成分区键的字段时,获取用户ID的第二取值区间Part A为001到100,交易日期的第二取值区间Part B为20210101到20211230;分别对用户ID和交易日期的第二取值区间进行划分,获得多个第一取值区间Part A1~PartA10,得到的用户ID的第一取值区间分别为001到010、011到020、021到030……091到100这十个第一取值区间Part A1到Part A10,对Part B划分得到的交易日期的第一取值区间分别为20210101到20210331、20210401到20210730、20210701到20210930、20211001到20211231这四个取值区间Part B1~PartB4,将用户ID的第一取值区间和交易日期的第一取值区间组合得到分区键,则分区键为(Part A1,Part B1)、(Part A1,Part B2)、(Part A1,PartB3)……,一共得到40个分区键,并按照这40个分区键划分得到40个存储区间。当获取到的数据中包括的分区键为00120210101,则查找到该数据的存储区间为(Part A1,Part B1),然后将数据存入(Part A1,Part B1)对应的分区中。由于这种区间划分使得分布式数据库中的分区数量更大,每个分区的数据量大量减少,使数据均匀分布于各个分区中,减少了数据热点,由此减少了毛刺。
当选取用户ID、交易日期、交易数量作为组成分区键的字段时,获取用户ID的第二取值区间Part A为001到100,交易日期的第二取值区间Part B为20210101到20211230,交易数量的第二取值区间Part C为001到999,分别对用户ID、交易日期、交易数量的第二取值区间进行划分,对Part A划分得到用户ID的第一取值区间分别为001到010、011到020、021到030……091到100这十个第一取值区间Part A1到Part A10,对Part B划分得到的交易日期的第一取值区间分别为20210101到20210331、20210401到20210730、20210701到20210930、20211001到20211231这四个取值区间Part B1~PartB4,对Part C划分得到交易数量的第一取值区间分别为001到099、100到199、200到299……900到999这十个第以取值区间Part C1、Part C2、Part C3、……Part C10,将用户ID、交易日期、交易数量的第一取值区间组合得到分区键,则分区键为(Part A1,Part B1,Part C1)、(Part A1,Part B2,PartC1)、(Part A1,Part B3,Part C1)……,一共400个分区键,并按照这400个分区键划分得到40个存储区间。当获取的数据中心包括的分区键为00120210101001时,则查找到该数据的存储区间为(Part A1,Part B1,Part C1),然后将数据存入该区间中。
根据本公开的实施例,将数据存入存储区间内包括:将所述数据按照分区键包括的字段的字典顺序存储到对应的存储区间。例如,数据为数字类型时,按照00120210101、00220210101的顺序存储,或者数据包括字母类型时,按照A-Z的字典顺序存储在对应的存储区间中。
根据本公开的实施例,在操作S223中,分布式数据库划分为多个存储区间还包括:将N个字段的第一取值区间按照N个字段的查询频率的高低顺序排序;其中,查询频率越高的字段在分区键中位置越前。例如,字段中用户ID的查询频率要比交易日期的查询频率高,则在构成分区键时将用户ID的字段放在交易日期之前。在数据存入存储区间后,查询包括00520210227的某个数据时,以00120210101到01020210331的顺序遍历存储区域,查询数据的IO次数减少,由此提高分布式数据库读写数据时的处理性能。
图5示意性示出了根据本公开实施例的数据库的存储方法的S210~S270流程图。
如图5所示,每个数据还包括唯一识别码,所述方法还包括:在操作S250中,从分布式数据库中读取数据时,根据分区键查找待读取数据所在的存储区间,在操作S260中,根据所述待读取数据的唯一识别码从所述存储区间内读取所述待读取数据。由用户结合实际需求来预先设置生成的数据中的唯一识别码,以表示数据的唯一性。通过唯一识别码,可以快速从存储区间中提取数据。先通过分区键定位数据所在的存储区间,再通过唯一识别码,准确定位该数据在存取区间内的具体位置,进而提取数据,由此可以减少读取数据时的IO次数,提高读取效率。
在操作S270中,在存储区间的存储数据量大于预设数量时,对存储区间内的数据去重。通过对数据去重,减少同一存储区间的数据量,进行minor compaction和majorcompaction,减少磁盘的IO和带宽消耗,提高磁盘性能。
图6示意性示出了根据本公开第一实施例的数据库的存储方法中的分区示意图。
如图6所示,本公开实施例中,待存储数据在写入L1层时,L1层中的分区如图所示,N个字段Part A、Part B分别分为m个区间和n个区间,依次组合得到m*n个分区键,根据得到的m*n个分区键将存储区间划分为m*n个分区。由此L1层中的数据均匀分布于各个分区中,不会形成数据热点,影响性能。
通过上述数据库的存储方法,划分分布式数据库的存储区域后存取数据,在同一存储区间中的数据量大大减少,避免了数据热点,从而在进行minor compaction和majorcompaction时,会减少磁盘IO和带宽的消耗,从而提高了分布式数据库中读写数据时的处理性能并减少毛刺。
基于上述数据库的存储方法,本公开还提供了一种数据库的存储装置。以下将结合图7对该装置进行详细描述。
图7示意性示出了根据本公开实施例的数据库的存储装置700的结构框图。
如图7所示,该实施例的数据库的存储装置700包括获取模块710、存储模块720和预分区模块730。
获取模块710用于获取待存储的数据,其中,数据包括预设的分区键,分区键包括数据的N个字段各自的第一取值区间,其中,数据的各字段的取值属于分区键中对应字段的第一取值区间,N≥2,数据的总字段数大于等于N。
存储模块720用于查找数据库中与分区键对应的存储区间,将数据存入存储区间内。
预分区模块730用于将分布式数据库划分为多个存储区间,各个存储区间分别与一个分区键对应。
图8示意性示出了根据本公开实施例的数据库的存储装置中预分区模块730的结构框图。
根据本公开的实施例,预分区模块730包括:第一获取单元731,用于获取所述N个字段各自的第二取值区间,所述第二取值区间包括所述第一取值区间;划分单元732,用于将所述N个字段中每一字段的第二取值区间均分为多个第一取值区间,各所述第一取值区间不相交;组合单元733,依次将所述N个字段的第一取值区间相互组合,得到多个所述分区键;分区单元734,用于基于所述分区键的数量将分布式数据库划分为多个存储区间,使每一所述分区键分别对应一个所述存储区间。由于这种区间划分使得分布式数据库中的分区数量更大,每个分区的数据量大量减少,使数据均匀分布于各个分区中,减少了数据热点,由此减少了毛刺。
图9示意性示出了根据本公开实施例的数据库的存储装置700的部分结构框图。
根据本公开的实施例,该实施例的数据库的存储装置700还包括:频率模块740,用于获取分布式数据库的全部字段的查询频率;筛选模块750,用于筛选出查询频率高于预设频率的N个字段,以基于所述N个字段的第一取值区间相互组合得到所述分区键。
根据本公开的实施例,该实施例的数据库的存储装置700还包括:第一读取模块760,用于在从分布式数据库中读取数据时,根据分区键查找待读取数据所在的存储区间;第二读取模块770,用于根据所述待读取数据的唯一识别码从所述存储区间内读取所述待读取数据。先通过分区键定位数据所在的存储区间,再通过唯一识别码,准确定位该数据在存取区间内的具体位置,进而提取数据,由此可以减少读取数据时的IO次数,提高读取效率。
根据本公开的实施例,所述装置还包括:排序模块780,用于将N个字段的第一取值区间按照N个字段的查询频率的高低顺序排序;其中,查询频率越高的字段在分区键中位置越前。查询数据的IO次数减少,由此提高HBase数据库读写数据时的处理性能。
根据本公开的实施例,该实施例的数据库的存储装置700还包括:去重模块790,用于在所述存储区间的存储数据量大于预设数量时,对所述存储区间内的数据进行去重。
根据本公开的实施例,获取模块710、存储模块720、预分区模块730、频率模块740、筛选模块750、第一读取模块760、第二读取模块770、排序模块780和去重模块790中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,获取模块710、存储模块720、预分区模块730、频率模块740、筛选模块750、第一读取模块760、第二读取模块770、排序模块780和去重模块790中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,获取模块710、存储模块720、预分区模块730、频率模块740、筛选模块750、第一读取模块760、第二读取模块770、排序模块780和去重模块790中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图10示意性示出了根据本公开实施例的适于实现数据库的存储方法的电子设备的方框图。
如图9所示,根据本公开实施例的电子设备1000包括处理器1001,其可以根据存储在只读存储器(ROM)1002中的程序或者从存储部分1008加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。处理器1001例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器1001还可以包括用于缓存用途的板载存储器。处理器1001可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 1003中,存储有电子设备1000操作所需的各种程序和数据。处理器1001、ROM 1002以及RAM 1003通过总线1004彼此相连。处理器1001通过执行ROM 1002和/或RAM1003中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 1002和RAM 1003以外的一个或多个存储器中。处理器1001也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备1000还可以包括输入/输出(I/O)接口1005,输入/输出(I/O)接口1005也连接至总线1004。电子设备1000还可以包括连接至I/O接口1005的以下部件中的一项或多项:包括键盘、鼠标等的输入部分1006;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1007;包括硬盘等的存储部分1008;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1010上,以便于从其上读出的计算机程序根据需要被安装入存储部分1008。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 1002和/或RAM 1003和/或ROM 1002和RAM 1003以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本公开实施例所提供的数据库的存储方法。
在该计算机程序被处理器1001执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分1009被下载和安装,和/或从可拆卸介质1011被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分1009从网络上被下载和安装,和/或从可拆卸介质1011被安装。在该计算机程序被处理器1001执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码,具体地,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。程序设计语言包括但不限于诸如Java,C++,python,“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (12)
1.一种数据库的存储方法,其特征在于,包括:
获取待存储的数据,其中,所述数据包括预设的分区键,所述分区键包括所述数据的N个字段各自的第一取值区间,其中,所述数据的各字段的取值属于所述分区键中对应字段的第一取值区间,N≥2,所述数据的总字段数大于等于N;
查找分布式数据库中与所述分区键对应的存储区间,将所述数据存入所述存储区间内;
其中,所述分布式数据库划分为多个存储区间,各个所述存储区间分别与一个分区键对应。
2.根据权利要求1所述的存储方法,其特征在于,所述分布式数据库划分为多个存储区间包括:
获取所述N个字段各自的第二取值区间,所述第二取值区间包括所述第一取值区间;
将所述N个字段中每一字段的第二取值区间均分为多个第一取值区间,各所述第一取值区间不相交;
依次将所述N个字段的第一取值区间相互组合,得到多个所述分区键;基于所述分区键的数量将所述分布式数据库划分为多个存储区间,使每一所述分区键分别对应一个所述存储区间。
3.根据权利要求2所述的存储方法,其特征在于,所述方法还包括:
获取所述数据的全部字段的查询频率;
筛选出查询频率高于预设频率的N个字段,以基于所述N个字段的第一取值区间相互组合得到所述分区键。
4.根据权利要求3所述的存储方法,其特征在于,所述方法还包括:
将所述分区键内的各所述第一取值区间按照对应的字段的查询频率的高低顺序排序;
其中,所述查询频率越高的字段对应的第一取值区间在所述分区键中位置越前。
5.根据权利要求1所述的存储方法,其特征在于,所述将所述数据存入所述存储区间内包括:
将所述数据按照所述分区键包括的字段的字典顺序存储到对应的存储区间。
6.根据权利要求1所述的存储方法,其特征在于,所述数据还包括唯一识别码,所述方法还包括:
在从所述分布式数据库中读取数据时,根据所述分区键查找待读取数据所在的存储区间;
根据所述待读取数据的唯一识别码从所述存储区间内读取所述待读取数据。
7.根据权利要求1所述的存储方法,其特征在于,所述N个字段均为定长字段。
8.根据权利要求1所述的存储方法,其特征在于,所述方法还包括:
在所述存储区间的存储数据量大于预设数量时,对存储区间内的数据进行去重。
9.一种数据库的存储装置,其特征在于,包括:
获取模块,用于获取待存储的数据,其中,所述数据包括预设的分区键,所述分区键包括所述数据的N个字段各自的第一取值区间,其中,所述数据的各字段的取值属于所述分区键中对应字段的第一取值区间,N≥2,所述数据的总字段数大于等于N;
存储模块,用于查找分布式数据库中与所述分区键对应的存储区间,将所述数据存入所述存储区间内;
预分区模块,用于将所述分布式数据库划分为多个存储区间,各个所述存储区间分别与一个分区键对应。
10.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~8中任一项所述的方法。
11.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~8中任一项所述的方法。
12.一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现根据权利要求1~8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111335912.0A CN113918099A (zh) | 2021-11-11 | 2021-11-11 | 数据库的存储方法、装置、设备、介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111335912.0A CN113918099A (zh) | 2021-11-11 | 2021-11-11 | 数据库的存储方法、装置、设备、介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113918099A true CN113918099A (zh) | 2022-01-11 |
Family
ID=79246649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111335912.0A Pending CN113918099A (zh) | 2021-11-11 | 2021-11-11 | 数据库的存储方法、装置、设备、介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113918099A (zh) |
-
2021
- 2021-11-11 CN CN202111335912.0A patent/CN113918099A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10521404B2 (en) | Data transformations with metadata | |
US20200050968A1 (en) | Interactive interfaces for machine learning model evaluations | |
US9367574B2 (en) | Efficient query processing in columnar databases using bloom filters | |
US10817515B2 (en) | Cognitive data filtering for storage environments | |
US10360394B2 (en) | System and method for creating, tracking, and maintaining big data use cases | |
US10311053B2 (en) | Efficient processing of data extents | |
US10558665B2 (en) | Network common data form data management | |
CN111125107A (zh) | 数据处理方法、装置、电子设备和介质 | |
CN110914814A (zh) | 分布式存储环境的认知文件和对象管理 | |
CN115168398A (zh) | 数据查询方法、装置、电子设备及存储介质 | |
US9229968B2 (en) | Management of searches in a database system | |
US10884704B2 (en) | Sorting a table in analytical databases | |
CN103809915A (zh) | 一种磁盘文件的读写方法和装置 | |
CN113918099A (zh) | 数据库的存储方法、装置、设备、介质和程序产品 | |
US20230222124A1 (en) | Enhancing database query processing | |
US20230082446A1 (en) | Compound predicate query statement transformation | |
CN115033574A (zh) | 信息生成方法、信息生成装置、电子设备及存储介质 | |
CN114782013A (zh) | 用于流程建模的请求处理方法、装置及电子设备 | |
CN111309988B (zh) | 基于编码的字符串检索方法、装置及电子设备 | |
US10628452B2 (en) | Providing multidimensional attribute value information | |
CN106056458B (zh) | 一种数字油田综合应用系统 | |
US20180101569A1 (en) | Efficient Analysis of Distinct Aggregations | |
Li et al. | XStar: a software system for handling taxi trajectory big data | |
US10896193B2 (en) | Cache fetching of OLAP based data using client to client relationships and data encoding | |
US20200117669A1 (en) | Determining causes of events in data |
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 |