CN113986522A - 一种基于负载均衡的分布式存储服务器扩容系统 - Google Patents

一种基于负载均衡的分布式存储服务器扩容系统 Download PDF

Info

Publication number
CN113986522A
CN113986522A CN202111000508.8A CN202111000508A CN113986522A CN 113986522 A CN113986522 A CN 113986522A CN 202111000508 A CN202111000508 A CN 202111000508A CN 113986522 A CN113986522 A CN 113986522A
Authority
CN
China
Prior art keywords
data
server
disk
capacity expansion
distributed
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
Application number
CN202111000508.8A
Other languages
English (en)
Inventor
李帅
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.)
Zhongdun Innovative Digital Technology Beijing Co ltd
Original Assignee
Zhongdun Innovative Digital Technology Beijing 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 Zhongdun Innovative Digital Technology Beijing Co ltd filed Critical Zhongdun Innovative Digital Technology Beijing Co ltd
Priority to CN202111000508.8A priority Critical patent/CN113986522A/zh
Publication of CN113986522A publication Critical patent/CN113986522A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5083—Techniques for rebalancing the load in a distributed system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G06F18/24155—Bayesian classification
    • 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
    • G06F3/0646—Horizontal data movement in storage systems, i.e. moving data in between storage devices or systems
    • G06F3/0647—Migration mechanisms

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Probability & Statistics with Applications (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于负载均衡的分布式存储服务器扩容系统，该系统包括服务器管理节点，分布式服务器数据节点，客户端，服务器交换机，所述服务器管理节点，所述分布式服务器数据节点以及客户端通过所述服务器交换机使用网络互连，当用户容量空间不足时，系统能够动态对用户网盘空间扩容。同时，当分布式存储服务器空间不足时，能够提供一种策略保证存储服务器容量动态扩充，具备集中式存储容量的管理功能，这样亦可以简化管理员的操作，实现无间断、可靠的服务。

Description

一种基于负载均衡的分布式存储服务器扩容系统
技术领域:
本发明属于分布式存储领域，尤其涉及基于负载均衡的分布式存储服务器扩容系统。
背景技术:
目前，分布式存储主要以远程分布式存储的形式为主，其中，数据存储在远端分布式服务器。远程分布式存储在云计算领域是一个热门的发展方向，大型的云计算平台一般都提供了远程分布式存储服务器，它为中小型企业提供了基础的存储服务，然而大多数互联网公司提供的远程分布式存储服务器需要要收取高额费用，同时存在容量大小限定，例如：在存储容量不足的情况下上传文件，尤其是在上传大文件的时候，就会上传失败，并导致前功尽弃，造成了时间和资源的浪费。因此，对分布式存储服务器的容量动态扩容就显得尤为重要。
发明内容
针对目前现有的存储系统所存在的缺陷和不足，本发明提供一种负载均衡的分布式存储服务器扩容系统，当用户容量空间不足时，系统能够动态对用户网盘空间扩容。同时，当分布式存储服务器空间不足时，能够提供一种策略保证存储服务器容量动态扩充，具备集中式存储容量的管理功能，这样亦可以简化管理员的操作，实现无间断、可靠的服务。
用户数据分布在不同区域空间的数据存储服务器中，当数据服务器存储容量达到一定的额度时，数据存储服务器和管理服务器通信，挂载管理服务器磁盘，利用虚拟逻辑卷与本地存储进行合并，实现了存储服务的在线自动扩容。
本发明为解决以上技术问题所采取的技术方案是：
基于负载均衡的分布式存储服务器扩容系统包括：服务器管理节点，分布式服务器数据节点，客户端，服务器交换机，所述服务器管理节点，所述分布式服务器数据节点以及客户端通过所述服务器交换机使用网络互连；
所述分布式服务器数据节点挂载所述服务器管理节点的磁盘分区，当所述分布式服务器数据节点存储利用率达到第一阈值时，启动自动挂载服务进程，与所述服务器管理节点通信，告知所述服务器管理节点更新磁盘利用信息，然后所述分布式服务器数据节点使用虚拟逻辑卷与现有的本地磁盘分区进行合并分区。
其中，扩容流程如下：
步骤1，系统初始化，将所述分布式服务器数据节点颗粒化操作，建立用户节点数据结构；
步骤2，所述服务器管理节点和所述分布式服务器数据节点分别开启监听服务程序，如果监听到磁盘利用率达到第一阈值时，调用扩容程序，与本地存储分区合并；所述分布式服务器数据节点启用DSA扫描算法，监控用户的空间使用率，如果达到第二阈值，则调用扩容API，计算第三阈值，并更新数据库信息，重置数据结构。
进一步地，第二阈值与第三阈值为配额值，第三阈值大于第二阈值。
进一步地，所述分布式服务器数据节点将VIP用户或者付费用户的配额信息封装成监听数据结构。
进一步地，所述客户端为用Windows客户端或者Linux客户端。
进一步地，所述进程根据磁盘读写速度与磁盘的存储空间计算所述客户端的可写入时间，当实际时间达到所述可写入时间时，如果需要扩容，向所述服务器管理节点发送读写请求，所述服务器管理节点返回当前可用的存储分区编号，所述服务器数据节点调用虚拟逻辑卷的API接口对存储分区扩容，待扩容完成后，重新所述客户端的可写入时间；否则无需扩容，直接重新所述客户端的可写入时间进行监听。
进一步地，所述负载均衡处理中：根据数据迁移时集群机器负载曲线进行确定热负载值，所述热负载值作为触发数据迁移的阈值；所述负载曲线为：
Lc＝wcpu·ucpu+wdisk·udisk+wpfrate·Ipfrate
其中，wcpu,wdisk,wpfrate为指标权重，代表CPU，磁盘，内存对计算机负载影响的系数，且wcpu+wdisk+wpfrate＝1，wcpu,wdisk,wpfrate≥0；Lc为分布式服务器数据节点的综合负载率，ucpu表示代表CPU使用率；udisk表示代表磁盘使用率，pfrate表示代表内存缺页率。
进一步地，所述负载均衡处理中：采用朴素贝叶斯算法的冷热数据分类；所述分类过程为：
首先，确定需要确定训练元组D中的n维属性向量，定义数据属性集合P＝{t,w}；其中，t＝t1-t0，
Figure BDA0003235254230000031
t为数据从创建到现在存在的时间，t1表示当前时间，t0表示数据创建时间，w为数据读操作占总操作量的比重，fr，fu，fi，fd分别代表读操作、更新操作、插入操作、删除操作的次数。
然后确定分类集合，H＝{ycold,yhot}，H为数据冷热的假设，ycold,yhot分别指冷数据和热数据；
Figure BDA0003235254230000032
Figure BDA0003235254230000033
p(yhot|P)，p(ycold|P)分别表示数据为热数据和冷数据的最大概率，
最后，统计数据训练集上先验概率及各类条件概率。
进一步地，所述负载均衡发生于分布式服务器数据节点之间，若所述分布式服务器数据节点磁盘占用率超过第四阈值时，则开启热负载值判断，若达到开启热负载值，则进行数据迁移，同时分布式服务器数据节点中存储介质类型包括SSD和SATA，所述数据迁移过程中，将热数据优先迁移至SSD中。
进一步地，所述负载均衡可发生于所述虚拟逻辑卷和本地磁盘之间，当虚拟逻辑卷使用率达到第五阈值时，第五阈值小于第四阈值，弹出提示界面，由用户选择是否执行由虚拟逻辑卷向本地磁盘数据迁移。
进一步地，所述客户端使用的所述虚拟逻辑卷包括多个虚拟块，虚拟块设备逻辑地址可以用逻辑块地址表示，所述分布式服务器数据节点的物理设备地址可以用物理块地址表示，两者之间的映射关系通过映射规则指定，保存在映射表中。
本发明的有益效果如下：
当用户容量空间不足时，系统能够动态对用户网盘空间扩容。同时，当分布式存储服务器空间不足时，能够提供一种策略保证存储服务器容量动态扩充，具备集中式存储容量的管理功能，这样亦可以简化管理员的操作，实现无间断、可靠的服务。用户数据分布在不同区域空间的数据存储服务器中，当数据服务器存储容量达到一定的额度时，数据存储服务器和管理服务器通信，挂载管理服务器磁盘，利用虚拟逻辑卷与本地存储进行合并，实现了存储服务的在线自动扩容。同时采用数据均衡技术，进一步优化了数据存储服务器存储设备的使用寿命。
上述说明，仅是本发明技术方案的概述，为了能够更清楚了解本发明技术手段，可依照说明书的内容予以实施，并且为了让本发明的上述说明和其它目的、特征及优点能够更明显易懂，特举较佳实施例，详细说明如下。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为负载均衡的分布式存储服务器扩容系统结构图
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
基于负载均衡的分布式存储服务器扩容系统包括：服务器管理节点，分布式服务器数据节点，客户端，服务器交换机，所述服务器管理节点，所述分布式服务器数据节点以及客户端通过所述服务器交换机使用网络互连；
所述分布式服务器数据节点挂载所述服务器管理节点的磁盘分区，当所述分布式服务器数据节点存储利用率达到第一阈值时，启动自动挂载服务进程，与所述服务器管理节点通信，告知所述服务器管理节点更新磁盘利用信息，然后所述分布式服务器数据节点使用虚拟逻辑卷与现有的本地磁盘分区进行合并分区。
其中，扩容流程如下：
步骤1，系统初始化，将所述分布式服务器数据节点颗粒化操作，建立用户节点数据结构；
步骤2，所述服务器管理节点和所述分布式服务器数据节点分别开启监听服务程序，如果监听到磁盘利用率达到第一阈值时，调用扩容程序，与本地存储分区合并；所述分布式服务器数据节点启用DSA扫描算法，监控用户的空间使用率，如果达到第二阈值，则调用扩容API，计算第三阈值，并更新数据库信息，重置数据结构。
进一步地，第二阈值与第三阈值为配额值，第三阈值大于第二阈值。
进一步地，所述分布式服务器数据节点将VIP用户或者付费用户的配额信息封装成监听数据结构。
进一步地，所述客户端为用Windows客户端或者Linux客户端。
进一步地，所述进程根据磁盘读写速度与磁盘的存储空间计算所述客户端的可写入时间，当实际时间达到所述可写入时间时，如果需要扩容，向所述服务器管理节点发送读写请求，所述服务器管理节点返回当前可用的存储分区编号，所述服务器数据节点调用虚拟逻辑卷的API接口对存储分区扩容，待扩容完成后，重新所述客户端的可写入时间；否则无需扩容，直接重新所述客户端的可写入时间进行监听。
进一步地，所述负载均衡处理中：根据数据迁移时集群机器负载曲线进行确定热负载值，所述热负载值作为触发数据迁移的阈值；所述负载曲线为：
Lc＝wcpu·ucpu+wdisk·udisk+wpfrate·Ipfrate
其中，wcpu,wdisk,wpfrate为指标权重，代表CPU，磁盘，内存对计算机负载影响的系数，且wcpu+wdisk+wpfrate＝1，wcpu,wdisk,wpfrate ≥0；Lc为分布式服务器数据节点的综合负载率，ucpu表示代表CPU使用率；udisk表示代表磁盘使用率，pfrate表示代表内存缺页率。
进一步地，所述负载均衡处理中：采用朴素贝叶斯算法的冷热数据分类；所述分类过程为：
首先，确定需要确定训练元组D中的n维属性向量，定义数据属性集合P＝{t,w}；其中，t＝t1-t0，
Figure BDA0003235254230000061
t为数据从创建到现在存在的时间，t1表示当前时间，t0表示数据创建时间，w为数据读操作占总操作量的比重，fr，fu，fi，fd分别代表读操作、更新操作、插入操作、删除操作的次数。
然后确定分类集合，H＝{ycold,yhot}，H为数据冷热的假设，ycold,yhot分别指冷数据和热数据；
Figure BDA0003235254230000062
Figure BDA0003235254230000063
p(yhot|P)，p(ycold|P)分别表示数据为热数据和冷数据的最大概率，
最后，统计数据训练集上先验概率及各类条件概率。
进一步地，所述负载均衡发生于分布式服务器数据节点之间，若所述分布式服务器数据节点磁盘占用率超过第四阈值时，则开启热负载值判断，若达到开启热负载值，则进行数据迁移，同时分布式服务器数据节点中存储介质类型包括SSD和SATA，所述数据迁移过程中，将热数据优先迁移至SSD中。
进一步地，所述负载均衡可发生于所述虚拟逻辑卷和本地磁盘之间，当虚拟逻辑卷使用率达到第五阈值时，第五阈值小于第四阈值，弹出提示界面，由用户选择是否执行由虚拟逻辑卷向本地磁盘数据迁移。
进一步地，所述客户端使用的所述虚拟逻辑卷包括多个虚拟块，虚拟块设备逻辑地址可以用逻辑块地址表示，所述分布式服务器数据节点的物理设备地址可以用物理块地址表示，两者之间的映射关系通过映射规则指定，保存在映射表中。
本发明的优点在于：当用户容量空间不足时，系统能够动态对用户网盘空间扩容。同时，当分布式存储服务器空间不足时，能够提供一种策略保证存储服务器容量动态扩充，具备集中式存储容量的管理功能，这样亦可以简化管理员的操作，实现无间断、可靠的服务。用户数据分布在不同区域空间的数据存储服务器中，当数据服务器存储容量达到一定的额度时，数据存储服务器和管理服务器通信，挂载管理服务器磁盘，利用虚拟逻辑卷与本地存储进行合并，实现了存储服务的在线自动扩容。同时采用数据均衡技术，进一步优化了数据存储服务器存储设备的使用寿命。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (11)

1.一种基于负载均衡的分布式存储服务器扩容系统，其特征在于，该系统包括：服务器管理节点，分布式服务器数据节点，客户端，服务器交换机，所述服务器管理节点，所述分布式服务器数据节点以及客户端通过所述服务器交换机使用网络互连；
所述分布式服务器数据节点挂载所述服务器管理节点的磁盘分区，当所述分布式服务器数据节点存储利用率达到第一阈值时，启动自动挂载服务进程，与所述服务器管理节点通信，告知所述服务器管理节点更新磁盘利用信息，然后所述分布式服务器数据节点使用虚拟逻辑卷与现有的本地磁盘分区进行合并分区。
2.根据权利要求1所述的基于负载均衡的分布式存储服务器扩容系统，其特征在于：扩容流程如下：
步骤1，系统初始化，将所述分布式服务器数据节点颗粒化操作，建立用户节点数据结构；
步骤2，所述服务器管理节点和所述分布式服务器数据节点分别开启监听服务程序，如果监听到磁盘利用率达到第一阈值时，调用扩容程序，与本地存储分区合并；所述分布式服务器数据节点启用DSA扫描算法，监控用户的空间使用率，如果达到第二阈值，则调用扩容API，计算第三阈值，并更新数据库信息，重置数据结构。
3.根据权利要求2所述的基于负载均衡的分布式存储服务器扩容系统，其特征在于，第二阈值与第三阈值为配额值，第三阈值大于第二阈值。
4.根据权利要求2所述的基于负载均衡的分布式存储服务器扩容系统，其特征在于，所述分布式服务器数据节点将VIP用户或者付费用户的配额信息封装成监听数据结构。
5.根据根据权利要求1所述的基于负载均衡的分布式存储服务器扩容系统，其特征在于，所述客户端为用Windows客户端或者Linux客户端。
6.根据根据权利要求1所述的基于负载均衡的分布式存储服务器扩容系统，其特征在于，所述进程根据磁盘读写速度与磁盘的存储空间计算所述客户端的可写入时间，当实际时间达到所述可写入时间时，如果需要扩容，向所述服务器管理节点发送读写请求，所述服务器管理节点返回当前可用的存储分区编号，所述服务器数据节点调用虚拟逻辑卷的API接口对存储分区扩容，待扩容完成后，重新所述客户端的可写入时间；否则无需扩容，直接重新所述客户端的可写入时间进行监听。
7.根据权利要求1所述的基于负载均衡的分布式存储服务器扩容系统，其特征在于，所述负载均衡处理中：根据数据迁移时集群机器负载曲线进行确定热负载值，所述热负载值作为触发数据迁移的阈值；所述负载曲线为：
Lc＝wcpu·ucpu+wdisk·udisk+wpfrate·Ipfrate
其中，wcpu,wdisk,wpfrate为指标权重，代表CPU，磁盘，内存对计算机负载影响的系数，且wcpu+wdisk+wpfrate＝1，wcpu,wdisk,wpfrate≥0；Lc为分布式服务器数据节点的综合负载率，ucpu表示代表CPU使用率；udisk表示代表磁盘使用率，pfrate表示代表内存缺页率。
8.根据权利要求1所述的基于负载均衡的分布式存储服务器扩容系统，其特征在于，所述负载均衡处理中：采用朴素贝叶斯算法的冷热数据分类；所述分类过程为：
首先，确定需要确定训练元组D中的n维属性向量，定义数据属性集合P＝{t,w}；其中，t＝t1-t0，
Figure RE-FDA0003370831180000021
t为数据从创建到现在存在的时间，t1表示当前时间，t0表示数据创建时间，w为数据读操作占总操作量的比重，fr，fu，fi，fd分别代表读操作、更新操作、插入操作、删除操作的次数。
然后确定分类集合，H＝{ycold,yhot}，H为数据冷热的假设，ycold,yhot分别指冷数据和热数据；
Figure RE-FDA0003370831180000022
Figure RE-FDA0003370831180000023
p(yhot|P)，p(ycold|P)分别表示数据为热数据和冷数据的最大概率，
最后，统计数据训练集上先验概率及各类条件概率。
9.根据权利要求1所述的基于负载均衡的分布式存储服务器扩容系统，其特征在于，所述负载均衡发生于分布式服务器数据节点之间，若所述分布式服务器数据节点磁盘占用率超过第四阈值时，则开启热负载值判断，若达到开启热负载值，则进行数据迁移，同时分布式服务器数据节点中存储介质类型包括SSD和SATA，所述数据迁移过程中，将热数据优先迁移至SSD中。
10.根据权利要求1所述的基于负载均衡的分布式存储服务器扩容系统，其特征在于，所述负载均衡可发生于所述虚拟逻辑卷和本地磁盘之间，当虚拟逻辑卷使用率达到第五阈值时，第五阈值小于第四阈值，弹出提示界面，由用户选择是否执行由虚拟逻辑卷向本地磁盘数据迁移。
11.根据权利要求1所述的基于负载均衡的分布式存储服务器扩容系统，其特征在于：所述客户端使用的所述虚拟逻辑卷包括多个虚拟块，虚拟块设备逻辑地址可以用逻辑块地址表示，所述分布式服务器数据节点的物理设备地址可以用物理块地址表示，两者之间的映射关系通过映射规则指定，保存在映射表中。
CN202111000508.8A 2021-08-29 2021-08-29 一种基于负载均衡的分布式存储服务器扩容系统 Pending CN113986522A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111000508.8A CN113986522A (zh) 2021-08-29 2021-08-29 一种基于负载均衡的分布式存储服务器扩容系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111000508.8A CN113986522A (zh) 2021-08-29 2021-08-29 一种基于负载均衡的分布式存储服务器扩容系统

Publications (1)

Publication Number Publication Date
CN113986522A true CN113986522A (zh) 2022-01-28

Family

ID=79735256

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111000508.8A Pending CN113986522A (zh) 2021-08-29 2021-08-29 一种基于负载均衡的分布式存储服务器扩容系统

Country Status (1)

Country Link
CN (1) CN113986522A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114661247A (zh) * 2022-05-23 2022-06-24 武汉四通信息服务有限公司 自动扩容方法、装置、电子设备及存储介质
CN116360711A (zh) * 2023-06-02 2023-06-30 杭州沃趣科技股份有限公司 一种分布式存储处理方法、装置、设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102244685A (zh) * 2011-08-11 2011-11-16 中国科学院软件研究所 一种支持负载均衡的分布式缓存动态伸缩方法及系统
CN103327094A (zh) * 2013-06-19 2013-09-25 成都市欧冠信息技术有限责任公司 数据分布式存储方法与系统
CN103475566A (zh) * 2013-07-10 2013-12-25 北京发发时代信息技术有限公司 一种实时消息交换平台及分布式集群组建方法
CN106302607A (zh) * 2015-06-05 2017-01-04 腾讯科技（深圳）有限公司 应用于云计算的块存储系统及方法
WO2017162179A1 (zh) * 2016-03-23 2017-09-28 北京书生国际信息技术有限公司 用于存储系统的负载再均衡方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102244685A (zh) * 2011-08-11 2011-11-16 中国科学院软件研究所 一种支持负载均衡的分布式缓存动态伸缩方法及系统
CN103327094A (zh) * 2013-06-19 2013-09-25 成都市欧冠信息技术有限责任公司 数据分布式存储方法与系统
CN103475566A (zh) * 2013-07-10 2013-12-25 北京发发时代信息技术有限公司 一种实时消息交换平台及分布式集群组建方法
CN106302607A (zh) * 2015-06-05 2017-01-04 腾讯科技（深圳）有限公司 应用于云计算的块存储系统及方法
WO2017162179A1 (zh) * 2016-03-23 2017-09-28 北京书生国际信息技术有限公司 用于存储系统的负载再均衡方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114661247A (zh) * 2022-05-23 2022-06-24 武汉四通信息服务有限公司 自动扩容方法、装置、电子设备及存储介质
CN114661247B (zh) * 2022-05-23 2022-09-20 武汉四通信息服务有限公司 自动扩容方法、装置、电子设备及存储介质
CN116360711A (zh) * 2023-06-02 2023-06-30 杭州沃趣科技股份有限公司 一种分布式存储处理方法、装置、设备及介质
CN116360711B (zh) * 2023-06-02 2023-08-11 杭州沃趣科技股份有限公司 一种分布式存储处理方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
US9798627B2 (en) Backup image duplication
JP5592480B2 (ja) 複製データの動的配置
CN113986522A (zh) 一种基于负载均衡的分布式存储服务器扩容系统
WO2021077745A1 (zh) 一种分布式存储系统的数据读写方法
US8386717B1 (en) Method and apparatus to free up cache memory space with a pseudo least recently used scheme
US8862535B1 (en) Method of predicting an impact on a storage system of implementing a planning action on the storage system based on modeling confidence and reliability of a model of a storage system to predict the impact of implementing the planning action on the storage system
CN111381928B (zh) 一种虚拟机迁移方法、云计算管理平台和存储介质
US7849264B2 (en) Storage area management method for a storage system
CN106648456A (zh) 基于用户访问量以及预测机制的动态副本文件访问方法
CN107301090B (zh) 在存储服务器中为应用设置数据处理路径的方法及装置
WO2023065654A1 (zh) 一种数据写入方法以及相关设备
CN107169056A (zh) 分布式文件系统及节省分布式文件系统存储空间的方法
CN116257186A (zh) 一种数据对象纠删码存储方法、装置、设备及介质
JP5475702B2 (ja) メール保存バックアップシステムおよびバックアップ方法
CN114281989A (zh) 基于文本相似度的数据去重方法、装置及存储介质和服务器
EP3349416B1 (en) Relationship chain processing method and system, and storage medium
US11934656B2 (en) Garbage collection and bin synchronization for distributed storage architecture
US11941297B2 (en) Garbage collection and bin synchronization for distributed storage architecture
CN115993932A (zh) 数据处理方法、装置、存储介质以及电子设备
CN113835613B (zh) 一种文件读取方法、装置、电子设备和存储介质
KR101589122B1 (ko) 네트워크 분산 파일 시스템 기반 iSCSI 스토리지 시스템에서의 장애 복구 방법 및 시스템
CN103685359A (zh) 数据处理方法及装置
CN113867626A (zh) 一种存储系统性能优化方法、系统、设备和存储介质
CN116450577B (zh) 一种分布式文件系统缩容方法、系统、设备及存储介质
US10002053B1 (en) Optimized index usage for data restore

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