CN114817402A - 分布式数据库于多region部署场景下的SQL执行优化方法 - Google Patents
分布式数据库于多region部署场景下的SQL执行优化方法 Download PDFInfo
- Publication number
- CN114817402A CN114817402A CN202210437787.2A CN202210437787A CN114817402A CN 114817402 A CN114817402 A CN 114817402A CN 202210437787 A CN202210437787 A CN 202210437787A CN 114817402 A CN114817402 A CN 114817402A
- Authority
- CN
- China
- Prior art keywords
- distributed database
- region
- range
- copy
- database table
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000003780 insertion Methods 0.000 claims description 7
- 230000037431 insertion Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- 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
- G06F16/2453—Query optimisation
- G06F16/24532—Query optimisation of parallel queries
-
- 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
- G06F16/2453—Query optimisation
- G06F16/24534—Query rewriting; Transformation
- G06F16/24539—Query rewriting; Transformation using cached or materialised query results
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开分布式数据库于多region部署场景下的SQL执行优化方法，涉及分布式数据库优化领域；根据kv存储模式下的分布式数据库，配置分布式数据库表的Range副本策略，根据Range副本策略部署分布式数据库表在多region场景下的Range副本分布：每个region包含至少一个数据库节点，每个数据库节点根据Range副本策略部署分布式数据库表的Range副本；根据分布式数据库表在多region场景下的副本分布，对分布式数据库表执行region下相应操作时转换为包含分布式数据库表的Range副本的分布式数据库节点进行相关操作。
Description
技术领域
本发明公开一种方法，涉及分布式数据库优化领域，具体地说是分布式数据库于多region部署场景下的SQL执行优化方法。
背景技术
分布式关系型数据库，针对可扩展，强一致和高可靠等特性而设计。可扩展性表现在:分布式数据库采用完全去中心化架构,集群中各个节点的地位完全对等，server端对外提供标准SQL接口，接入节点把SQL计划转换为对应的KV操作，并且在必要时将该操作发送至其它节点进行处理。
但分布式关系型数据库在多region的部署场景下，一般跨region的网络延迟较高，在一些读写场景下容易出现性能问题。
发明内容
本发明针对现有技术的问题，提供分布式数据库于多region部署场景下的SQL执行优化方法，通过对分布式数据库的多region的支持，自定义数据的放置策略，适配上层应用的业务类型，在TP和AP混合的场景下能够保证较好的性能。TP场景为OLTP,联机事务处理,查询简单,有比较频繁数据修改操作的场景。AP场景为OLAP联机分析处理，几乎无数据修改操作，查询涉及数据量大的场景。
本发明提出的具体方案是：
本发明提供分布式数据库于多region部署场景下的SQL执行优化方法，根据kv存储模式下的分布式数据库，配置分布式数据库表的Range副本策略，根据Range副本策略部署分布式数据库表在多region场景下的Range副本分布：每个region包含至少一个数据库节点，每个数据库节点根据Range副本策略部署分布式数据库表的Range副本；
根据分布式数据库表在多region场景下的副本分布，对分布式数据库表执行region下相应操作时转换为包含分布式数据库表的Range副本的分布式数据库节点进行相关操作。
进一步，所述的分布式数据库于多region部署场景下的SQL执行优化方法中对分布式数据库表执行region下insert语句操作时，转换为包含分布式数据库表的Range副本的分布式数据库节点进行kv插入操作。
进一步，所述的分布式数据库于多region部署场景下的SQL执行优化方法中进行kv插入操作，包括：
获取kv中的key包含的Range范围，根据Range范围获得Range的leader副本所在数据库节点，将kv插入操作信息下发至所述数据库节点执行。
进一步，所述的分布式数据库于多region部署场景下的SQL执行优化方法中对分布式数据库表执行region下查询操作时，转换为包含分布式数据库表的Range副本的分布式数据库节点进行查询操作。
进一步，所述的分布式数据库于多region部署场景下的SQL执行优化方法中所述进行查询操作，包括：
若查询SQL的谓词使用唯一索引列，则判断查询操作为精确命中查询，
根据分布式数据库表的Range副本所在region的数量，构建相应数量的精确key值并行向region内下包含分布式数据库表的Range副本的分布式数据库节点下发查询操作。
进一步，所述的分布式数据库于多region部署场景下的SQL执行优化方法中对分布式数据库表执行region下离线分析操作时，转换为对相应region下包含分布式数据库表的Range副本的分布式数据库节点进行分布式计算分析操作。
本发明还提供分布式数据库于多region部署场景下的SQL执行优化系统，包括配置模块和优化执行模块，
配置模块根据kv存储模式下的分布式数据库，配置分布式数据库表的Range副本策略，根据Range副本策略部署分布式数据库表在多region场景下的Range副本分布：每个region包含至少一个数据库节点，每个数据库节点根据Range副本策略部署分布式数据库表的Range副本；
优化执行模块根据分布式数据库表在多region场景下的副本分布，对分布式数据库表执行region下相应操作时转换为包含分布式数据库表的Range副本的分布式数据库节点进行相关操作。
本发明还提供分布式数据库于多region部署场景下的SQL执行优化装置，包括：至少一个存储器和至少一个处理器；
所述至少一个存储器，用于存储机器可读程序；
所述至少一个处理器，用于调用所述机器可读程序，执行所述的分布式数据库于多region部署场景下的SQL执行优化方法。
本发明的有益之处是：
本发明提供分布式数据库于多region部署场景下的SQL执行优化方法，基于kv存储模式下的分布式数据库，自定义数据库表的Range副本在region的放置策略，应对多region的集群部署场景实现了对SQL执行的优化处理，在region之间网络延时较高的情况下能够保证用户的某些SQL执行性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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是应用本发明方法部署多region场景数据库表的副本的示意图。
具体实施方式
Range:kv存储模式下的分布式数据库的数据的划分范围。
kv:key-value，键值对,表示存储中的一行记录。
Raft:共识算法，保证多副本同步和一致性。
replica:数据副本。
Shuffle:数据的重分布。
CBO:SQL基于成本的优化。
RBO:SQL基于规则的优化。
union:关系运算，并。
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
本发明提供分布式数据库于多region部署场景下的SQL执行优化方法，根据kv存储模式下的分布式数据库，配置分布式数据库表的Range副本策略，根据Range副本策略部署分布式数据库表在多region场景下的Range副本分布：每个region包含至少一个数据库节点，每个数据库节点根据Range副本策略部署分布式数据库表的Range副本；
根据分布式数据库表在多region场景下的副本分布，对分布式数据库表执行region下相应操作时转换为包含分布式数据库表的Range副本的分布式数据库节点进行相关操作。
应用本发明方法可以根据实际的场景可以灵活地配置副本策略，根据副本的配置策略可以极大地优化在跨region网络延迟场景下地读写性能。
具体应用中，在本发明方法的一些实施例中，如基于RocksDB的kv存储模式下的分布式数据库，进行多region部署场景下的SQL执行优化时，根据kv存储模式下的分布式数据库，配置分布式数据库表的Range副本策略，根据Range副本策略部署分布式数据库表在多region场景下的Range副本分布：每个region包含至少一个数据库节点，每个数据库节点根据Range副本策略部署分布式数据库表的Range副本，
其中副本策略定义数据库表的副本数量，受约束的region名称，并在集群部署的时候给每个单点的数据库服务进程附加region的标签，
参考图1，一个多region场景下的5节点集群，一个region在实际场景中表示一个地区，每个region中可包含一到多个数据库节点，在图中表X的副本数为3，该表的全部数据包含在Range1-Range3当中，可以从图中看出，region1配置为全量数据区域，可用以下规则描述表X的副本分布：
Replicas(Table(X))＝3；
Table(X)＝{Range1,Range2,Range3},Range1＝{+region1,+region3},Range2＝{+region1,+region2},Range3＝{+region1,region3},Table(X)＝{+region3}。
根据分布式数据库表在多region场景下的副本分布，对分布式数据库表执行region下相应操作时转换为包含分布式数据库表的Range副本的分布式数据库节点进行相关操作，其中对表X执行insert语句操作时，转换为包含分布式数据库表的Range副本的分布式数据库节点进行kv插入操作，
进一步地，计算该kv中的key命中的Range范围，如果命中Range1，那么会从元数据缓存中，即指Range信息的缓存中找出Range1的leader副本所在数据库节点，然后将kv的插入操作下发至该数据库节点执行。由于Raft协议需要过半数副本一致才返回ok，如图1，Range1的leader副本位于region1，该kv写入leader副本后，还将数据日志发送至region1的Range1-replica1和region3的Range1-replica2，由于Raft Group数量为3，因此只要任意一个follower副本返回日志写入ok之后，该insert操作才真正完成。
在该副本的region策略下，表X的所有Range的副本在每一个region上都至少有两个，向该表插入数据时的延迟不会受跨region的网络影响，提高了insert的执行性能。
进一步，所述的分布式数据库于多region部署场景下的SQL执行优化方法中对分布式数据库表执行region下查询操作时，转换为包含分布式数据库表的Range副本的分布式数据库节点进行查询操作。
其中所述进行查询操作，包括：
若查询SQL的谓词使用唯一索引列，则判断查询操作为精确命中查询，
根据分布式数据库表的Range副本所在region的数量，构建相应数量的精确key值并行向region内下包含分布式数据库表的Range副本的分布式数据库节点下发查询操作。查询操作会转换为key的get操作。其中如果该数据库表的region数量为n时，则构建n个精确的key值进行查询，触发数据库RBO和CBO相关的region优化规则，把该执行计划转换为一个类似union的操作，n的key并行向n个region下发查询操作，当该union操作返回一条数据时，查询成功，如果命中的该行数据在本region，那么得到优化效果。
进一步地，当数据库表的连接键为外表的唯一索引列时，可使用类似上述查询操作中精确查询的优化方式，如果触发多region的查询优化规则，将内表查询到的数据根据连接键计算出查询外表的key值，根据region的数量下发n个key的查询，完成一次join操作，单次join操作如果匹配则只返回一行记录，如果命中值在本region，便取得优化效果。
进一步，所述的分布式数据库于多region部署场景下的SQL执行优化方法中对分布式数据库表执行region下离线分析操作时，转换为对相应region下包含分布式数据库表的Range副本的分布式数据库节点进行分布式计算分析操作。其中在离线分析场景下，一般是对历史数据进行分析，因此没有读一致性的要求，如图1所示，如果对表X进行分析操作，在region1上有表X的所有数据的副本，因此执行计划被限定到该region，并利用该region的所有数据库节点进行分布式计算，同样计算过程中的数据shuffle不会出现跨region传输的情况。
在实际部署场景中，可以根据业务需求进行相关的副本策略定制，指定网络延迟小的一个或多个region为分布式计算的范围，提升离线分析的性能。
本发明还提供分布式数据库于多region部署场景下的SQL执行优化系统，包括配置模块和优化执行模块，
配置模块根据kv存储模式下的分布式数据库，配置分布式数据库表的Range副本策略，根据Range副本策略部署分布式数据库表在多region场景下的Range副本分布：每个region包含至少一个数据库节点，每个数据库节点根据Range副本策略部署分布式数据库表的Range副本；
优化执行模块根据分布式数据库表在多region场景下的副本分布，对分布式数据库表执行region下相应操作时转换为包含分布式数据库表的Range副本的分布式数据库节点进行相关操作。
上述系统内的各模块之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
同样地，本发明系统基于kv存储模式下的分布式数据库，自定义数据库表的Range副本在region的放置策略，应对多region的集群部署场景实现了对SQL执行的优化处理，在region之间网络延时较高的情况下能够保证用户的某些SQL执行性能。
本发明还提供分布式数据库于多region部署场景下的SQL执行优化装置，包括：至少一个存储器和至少一个处理器；
所述至少一个存储器，用于存储机器可读程序；
所述至少一个处理器，用于调用所述机器可读程序，执行所述的分布式数据库于多region部署场景下的SQL执行优化方法。
上述装置内的处理器信息交互、执行可读程序过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
同样地，本发明装置基于kv存储模式下的分布式数据库，自定义数据库表的Range副本在region的放置策略，应对多region的集群部署场景实现了对SQL执行的优化处理，在region之间网络延时较高的情况下能够保证用户的某些SQL执行性能。
需要说明的是，上述各流程和各装置结构中不是所有的步骤和模块都是必须的，可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的，可以根据需要进行调整。上述各实施例中描述的系统结构可以是物理结构，也可以是逻辑结构，即，有些模块可能由同一物理实体实现，或者，有些模块可能分由多个物理实体实现，或者，可以由多个独立设备中的某些部件共同实现。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (8)
1.分布式数据库于多region部署场景下的SQL执行优化方法，其特征是根据kv存储模式下的分布式数据库，配置分布式数据库表的Range副本策略，根据Range副本策略部署分布式数据库表在多region场景下的Range副本分布：每个region包含至少一个数据库节点，每个数据库节点根据Range副本策略部署分布式数据库表的Range副本；
根据分布式数据库表在多region场景下的副本分布，对分布式数据库表执行region下相应操作时转换为包含分布式数据库表的Range副本的分布式数据库节点进行相关操作。
2.根据权利要求1所述的分布式数据库于多region部署场景下的SQL执行优化方法，其特征是对分布式数据库表执行region下insert语句操作时，转换为包含分布式数据库表的Range副本的分布式数据库节点进行kv插入操作。
3.根据权利要求2所述的分布式数据库于多region部署场景下的SQL执行优化方法，其特征是进行kv插入操作，包括：
获取kv中的key包含的Range范围，根据Range范围获得Range的leader副本所在数据库节点，将kv插入操作信息下发至所述数据库节点执行。
4.根据权利要求1所述的分布式数据库于多region部署场景下的SQL执行优化方法，其特征是对分布式数据库表执行region下查询操作时，转换为包含分布式数据库表的Range副本的分布式数据库节点进行查询操作。
5.根据权利要求4所述的分布式数据库于多region部署场景下的SQL执行优化方法，其特征是所述进行查询操作，包括：
若查询SQL的谓词使用唯一索引列，则判断查询操作为精确命中查询，
根据分布式数据库表的Range副本所在region的数量，构建相应数量的精确key值并行向region内下包含分布式数据库表的Range副本的分布式数据库节点下发查询操作。
6.根据权利要求1所述的分布式数据库于多region部署场景下的SQL执行优化方法，其特征是对分布式数据库表执行region下离线分析操作时，转换为对相应region下包含分布式数据库表的Range副本的分布式数据库节点进行分布式计算分析操作。
7.分布式数据库于多region部署场景下的SQL执行优化系统，其特征是包括配置模块和优化执行模块，
配置模块根据kv存储模式下的分布式数据库，配置分布式数据库表的Range副本策略，根据Range副本策略部署分布式数据库表在多region场景下的Range副本分布：每个region包含至少一个数据库节点，每个数据库节点根据Range副本策略部署分布式数据库表的Range副本；
优化执行模块根据分布式数据库表在多region场景下的副本分布，对分布式数据库表执行region下相应操作时转换为包含分布式数据库表的Range副本的分布式数据库节点进行相关操作。
8.分布式数据库于多region部署场景下的SQL执行优化装置，其特征是包括：至少一个存储器和至少一个处理器；
所述至少一个存储器，用于存储机器可读程序；
所述至少一个处理器，用于调用所述机器可读程序，执行权利要求1至6中任一项所述的分布式数据库于多region部署场景下的SQL执行优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210437787.2A CN114817402B (zh) | 2022-04-25 | 2022-04-25 | 分布式数据库于多region部署场景下的SQL执行优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210437787.2A CN114817402B (zh) | 2022-04-25 | 2022-04-25 | 分布式数据库于多region部署场景下的SQL执行优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114817402A true CN114817402A (zh) | 2022-07-29 |
| CN114817402B CN114817402B (zh) | 2024-06-21 |
Family
ID=82507852
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210437787.2A Active CN114817402B (zh) | 2022-04-25 | 2022-04-25 | 分布式数据库于多region部署场景下的SQL执行优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114817402B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116610756A (zh) * | 2023-07-17 | 2023-08-18 | 山东浪潮数据库技术有限公司 | 一种分布式数据库自适应副本选择方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130282650A1 (en) * | 2012-04-18 | 2013-10-24 | Renmin University Of China | OLAP Query Processing Method Oriented to Database and HADOOP Hybrid Platform |
| CN103984737A (zh) * | 2014-05-22 | 2014-08-13 | 武汉大学 | 一种基于计算相关度的多数据中心数据布局优化方法 |
| WO2019189962A1 (ko) * | 2018-03-27 | 2019-10-03 | 주식회사 리얼타임테크 | 분산 데이터베이스에서의 복제본이 존재하는 데이터에 대한 질의 병렬화 방법 |
| US20190370372A1 (en) * | 2018-06-01 | 2019-12-05 | International Business Machines Corporation | Predictive Data Distribution for Parallel Databases to Optimize Storage and Query Performance |
| CN111163120A (zh) * | 2018-11-08 | 2020-05-15 | 阿里巴巴集团控股有限公司 | 分布式数据库的数据存储传输方法和装置以及存储介质 |
| CN111259062A (zh) * | 2020-01-15 | 2020-06-09 | 山东汇贸电子口岸有限公司 | 一种能够保证分布式数据库全表查询语句结果集顺序的方法和装置 |
| US20200226146A1 (en) * | 2019-01-16 | 2020-07-16 | Walmart Apollo, Llc | System and method for high-availability in a distributed computing environment including multiple availability zones |
-
2022
- 2022-04-25 CN CN202210437787.2A patent/CN114817402B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130282650A1 (en) * | 2012-04-18 | 2013-10-24 | Renmin University Of China | OLAP Query Processing Method Oriented to Database and HADOOP Hybrid Platform |
| CN103984737A (zh) * | 2014-05-22 | 2014-08-13 | 武汉大学 | 一种基于计算相关度的多数据中心数据布局优化方法 |
| WO2019189962A1 (ko) * | 2018-03-27 | 2019-10-03 | 주식회사 리얼타임테크 | 분산 데이터베이스에서의 복제본이 존재하는 데이터에 대한 질의 병렬화 방법 |
| US20190370372A1 (en) * | 2018-06-01 | 2019-12-05 | International Business Machines Corporation | Predictive Data Distribution for Parallel Databases to Optimize Storage and Query Performance |
| CN111163120A (zh) * | 2018-11-08 | 2020-05-15 | 阿里巴巴集团控股有限公司 | 分布式数据库的数据存储传输方法和装置以及存储介质 |
| US20200226146A1 (en) * | 2019-01-16 | 2020-07-16 | Walmart Apollo, Llc | System and method for high-availability in a distributed computing environment including multiple availability zones |
| CN111259062A (zh) * | 2020-01-15 | 2020-06-09 | 山东汇贸电子口岸有限公司 | 一种能够保证分布式数据库全表查询语句结果集顺序的方法和装置 |
Non-Patent Citations (3)
| Title |
|---|
| TIDB_PINGCAP: "流量和延迟减半！挑战分布式数据库 TiDB 跨数据中心难题", pages 2 - 3, Retrieved from the Internet <URL:http://t.csdnimg.cn/Rlajh> * |
| 不如敲代码: "TiDB分布式数据库学习笔记", pages 2 - 7, Retrieved from the Internet <URL:http://t.csdnimg.cn/PhVOL> * |
| 王雷;陶伟;: "一种数据密集型应用的数据副本管理策略", 计算机系统应用, no. 12, 15 December 2012 (2012-12-15) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116610756A (zh) * | 2023-07-17 | 2023-08-18 | 山东浪潮数据库技术有限公司 | 一种分布式数据库自适应副本选择方法及装置 |
| CN116610756B (zh) * | 2023-07-17 | 2024-03-08 | 山东浪潮数据库技术有限公司 | 一种分布式数据库自适应副本选择方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114817402B (zh) | 2024-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Carpenter et al. | Cassandra: The Definitive Guide,(Revised) | |
| US11580070B2 (en) | Utilizing metadata to prune a data set | |
| Kleppmann | Designing data-intensive applications: The big ideas behind reliable, scalable, and maintainable systems | |
| Chandra | BASE analysis of NoSQL database | |
| US10078681B2 (en) | Differentiated secondary index maintenance in log structured NoSQL data stores | |
| Indrawan-Santiago | Database research: Are we at a crossroad? Reflection on NoSQL | |
| Hewitt | Cassandra: the definitive guide | |
| US11093468B1 (en) | Advanced metadata management | |
| WO2021184761A1 (zh) | 数据访问方法和装置、数据存储方法和装置 | |
| Li et al. | An integration approach of hybrid databases based on SQL in cloud computing environment | |
| CN106569896B (zh) | 一种数据分发及并行处理方法和系统 | |
| Mapanga et al. | Database management systems: A nosql analysis | |
| CN113868028B (zh) | 一种在数据节点上回放日志的方法、数据节点及系统 | |
| Domaschka et al. | Reliability and availability properties of distributed database systems | |
| CN115114370B (zh) | 主从数据库的同步方法、装置、电子设备和存储介质 | |
| US20240265022A1 (en) | Data query request processing method, electronic device, and storage medium | |
| GC | A critical comparison of NOSQL databases in the context of ACID and BASE | |
| CN114817402A (zh) | 分布式数据库于多region部署场景下的SQL执行优化方法 | |
| US20220197761A1 (en) | Cloud architecture for replicated data services | |
| Pankowski | Consistency and availability of Data in replicated NoSQL databases | |
| Dhanda | Big data storage and analysis | |
| US11789971B1 (en) | Adding replicas to a multi-leader replica group for a data set | |
| Saxena et al. | Concepts of HBase archetypes in big data engineering | |
| Bradberry et al. | Practical Cassandra: a developer's approach | |
| Vilaça et al. | On the expressiveness and trade-offs of large scale tuple stores |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20221205 Address after: Room 305-22, Building 2, No. 1158 Zhangdong Road and No. 1059 Dangui Road, China (Shanghai) Pilot Free Trade Zone, Pudong New Area, Shanghai, 200120 Applicant after: Shanghai Yunxi Technology Co.,Ltd. Address before: Building S02, 1036 Gaoxin Langchao Road, Jinan, Shandong 250100 Applicant before: Shandong Inspur Scientific Research Institute Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |