CN115438007A - 一种文件合并方法、装置、电子设备及介质 - Google Patents
一种文件合并方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN115438007A CN115438007A CN202211088188.0A CN202211088188A CN115438007A CN 115438007 A CN115438007 A CN 115438007A CN 202211088188 A CN202211088188 A CN 202211088188A CN 115438007 A CN115438007 A CN 115438007A
- Authority
- CN
- China
- Prior art keywords
- merging
- upper limit
- limit value
- current
- historical
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000007596 consolidation process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/18—File system types
- G06F16/182—Distributed file systems
Abstract
本发明公开了一种文件合并方法、装置、电子设备及介质,所述方法包括:获取目标历史合并周期对应的历史上限值和历史读取速度,所述历史上限值为合并文件的文件大小的上限值;根据所述历史上限值和所述历史读取速度,确定当前合并周期对应的当前上限值;基于所述当前上限值对待合并文件进行合并。通过根据历史上限值和历史读取速度确定当前合并周期对应的当前上限值,实现了当前合并周期的当前上限值的动态调整,进而基于当前上限值对待合并文件进行合并,能够适应HDFS的实际情况,提高HDFS的性能。
Description
技术领域
本发明涉及分布式文件系统技术领域,尤其涉及一种文件合并方法、装置、电子设备及介质。
背景技术
Hadoop分布式文件系统(Hadoop Distributed File System,HDFS)用于存储文件,HDFS的每个文件(如大文件、小文件)都需要在管理文件系统的命名空间(NameNode)中建立对应的索引,其中,小文件的文件大小远小于块大小,占用存储空间不多,但其在NameNode中占用的内存大小却与大文件相同,故海量小文件加重了NameNode的负担,导致HDFS读取数据的速度随之变慢。
现有基于HDFS的小文件处理方法,主要使用固定的参数定期对小文件进行合并,此方法不能更好地适应HDFS的实际情况,导致HDFS性能较差。
发明内容
本发明提供了一种文件合并方法、装置、电子设备及介质,以适应HDFS的实际情况,提高HDFS的性能。
根据本发明的一方面,提供了一种文件合并方法,包括:
获取目标历史合并周期对应的历史上限值和历史读取速度,所述历史上限值为合并文件的文件大小的上限值;
根据所述历史上限值和所述历史读取速度,确定当前合并周期对应的当前上限值;
基于所述当前上限值对待合并文件进行合并。
根据本发明的另一方面,提供了一种文件合并装置,包括:
获取模块,用于获取目标历史合并周期对应的历史上限值和历史读取速度,所述历史上限值为合并文件的文件大小的上限值;
确定模块,用于根据所述历史上限值和所述历史读取速度,确定当前合并周期对应的当前上限值;
合并模块,用于基于所述当前上限值对待合并文件进行合并。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
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计算机程序,所述计算机程序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本发明任一实施例所述的文件合并方法。
根据本发明的另一方面,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指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的文件合并方法。
本发明实施例提供了一种文件合并方法、装置、电子设备及介质,所述方法包括:获取目标历史合并周期对应的历史上限值和历史读取速度,所述历史上限值为合并文件的文件大小的上限值;根据所述历史上限值和所述历史读取速度,确定当前合并周期对应的当前上限值;基于所述当前上限值对待合并文件进行合并。利用上述技术方案,通过根据历史上限值和历史读取速度确定当前合并周期对应的当前上限值,实现了当前合并周期的当前上限值的动态调整,进而基于当前上限值对待合并文件进行合并,能够适应HDFS的实际情况,提高HDFS的性能。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明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
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的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种文件合并方法的流程图;
图2是根据本发明实施例二提供的一种文件合并方法的流程图;
图3是根据本发明实施例三提供的一种文件合并装置的结构示意图;
图4是实现本发明实施例的文件合并方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。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他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“目标”、“原始”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是根据本发明实施例一提供的一种文件合并方法的流程图,本实施例可适用于对文件进行合并的情况,该方法可以由文件合并装置来执行,该文件合并装置可以采用硬件和/或软件的形式实现,该文件合并装置可配置于电子设备中。
可以认为的是,在大数据场景中,HDFS用于存储文件,并通过目录树来定位文件,HDFS中的文件在物理上是分块存储的,块大小是可以由相关人员进行配置,块大小不能设置太小,也不能设置太大,块大小设置太小,块数量过多,会增加块的寻址时间;块大小设置太大,单个块的硬盘传输数据的时间较大。故硬盘传输数据越快,块大小设置就可越大。
此外,HDFS上每个文件都要在NameNode上建立一个索引,该索引大小约150byte,会占用NameNode的内存空间,其中,一些文件大小远小于块大小的文件,本实施例称为小文件。
假设块大小为128M,1个100M的文件会建立1个索引,100个1M的文件会建立100个索引,而索引过多会使检索速度变慢,也会占用过多的NameNode内存空间;同时,小文件过多会降低Flink任务的性能。Flink可以是为分布式、高性能、随时可用以及准确的流处理应用程序打造的开源流处理框架。在持续执行任务的过程中,会产生大量数据,无可避免地会产生大量小文件,而大量小文件会导致索引占用资源过多以及检索速度变慢。故定期合并小文件,有助于提高HDFS的读数性能和降低内存占用。
合并小文件时,主要有两个参数:块大小设置和合并文件的文件大小的上限值,例如,合并文件的文件大小上限值是10M,则5个3M的小文件将合并为9M和6M的两个文件。
传统的文件合并方法使用固定参数进行小文件的合并,即合并文件的文件大小上限值是固定的。例如,块大小设置为256M,合并文件的文件大小上限值设置为255M,硬盘在持续使用的过程会逐渐老化,数据传输速度会随之减慢,而新挂载的硬盘可能有较高的性能。但是由于HDFS是分布式,挂载很多硬盘,各个硬盘的数据传输速度不一,导致固定参数的小文件合并方法并不能很好地优化HDFS性能。
基于此,本实施例引入机器学习,来智能调节合并文件的文件大小上限值,以此提高HDFS的性能。
如图1所示,该方法包括:
S110、获取目标历史合并周期对应的历史上限值和历史读取速度,所述历史上限值为合并文件的文件大小的上限值。
可以认为的是,本实施例中文件合并的操作在周期性执行,具体周期的数值可以由相关人员根据实际情况来设定,目标历史合并周期可以认为是当前合并周期之前的某个合并周期,目标历史合并周期的个数不限,可以为一个或多个,其中,目标历史合并周期的选取不作限定,例如可以包括与当前合并周期距离最近的预设数量的合并周期;也可以包括距离当前合并周期为预设距离的合并周期,示例性的,当前合并周期为第五个合并周期时,目标历史合并周期可以包括第三个合并周期和第一个合并周期;还可以包括当前合并周期之前的任意一个或几个合并周期,本实施例对此不作限定。预设距离可以是指预先设定的当前合并周期与目标历史合并周期的距离。
历史上限值则可以认为是在目标历史合并周期中合并文件的文件大小的上限值,即合并文件的文件大小的极限值,合并文件可以是指将至少一个文件合并后存储至的文件;历史读取速度可以认为是在目标历史合并周期中读取数据的速度,如HDFS的读数速度。
在一个实施例中,所述目标历史合并周期包括位于当前合并周期之前且与当前合并周期距离最近的预设数量的合并周期。
预设数量可以理解为预先设定的目标历史合并周期的数量,如预设数量可以为2个。在本实施例中,目标历史合并周期可以包括位于当前合并周期之前的,且与当前合并周期距离最近的预设数量的合并周期,示例性的,当前合并周期为第五个合并周期时,目标历史合并周期可以包括位于当前合并周期之前的且与当前合并周期距离最近的两个的合并周期,即目标历史合并周期包括第三个合并周期和第四个合并周期。
具体的,可以获取目标历史合并周期对应的历史上限值和历史读取速度,以对当前合并周期的当前上限值进行确定。
S120、根据所述历史上限值和所述历史读取速度,确定当前合并周期对应的当前上限值。
当前上限值可以是指当前合并周期中合并文件的文件大小的上限值。
在上步骤获取到根据历史上限值和历史读取速度之后,可以根据获取的历史上限值和历史读取速度,对当前合并周期对应的当前上限值进行确定,确定的具体步骤不限,如可以根据目标历史合并周期的个数的不同而有所区分。示例性的,在目标历史合并周期的个数为一个时,可以直接根据历史上限值和历史读取速度,对当前合并周期对应的当前上限值进行确定;在目标历史合并周期的个数为多个时,可以首先根据各目标历史合并周期的历史上限值以及在各目标历史合并周期内的历史读取速度,计算当前合并周期的迭代值;然后基于迭代值确定当前合并周期对应的当前上限值,本实施例对此不作进一步展开。
S130、基于所述当前上限值对待合并文件进行合并。
待合并文件可以认为是将要进行合并的文件,如在HDFS中待合并文件可以是指HDFS系统中的小文件,即文件大小远小于块大小的文件。
本步骤,可以基于确定的当前上限值对至少一个待合并文件进行合并,此处不对合并的具体过程进行限定。如可以首先对待合并文件进行确定,然后将确定的待合并文件转存至其他存储空间,在其他存储空间进行待合并文件的合并。
本发明实施例一提供的一种文件合并方法,获取目标历史合并周期对应的历史上限值和历史读取速度,所述历史上限值为合并文件的文件大小的上限值;根据所述历史上限值和所述历史读取速度,确定当前合并周期对应的当前上限值;基于所述当前上限值对待合并文件进行合并。利用该方法,,通过根据历史上限值和历史读取速度确定当前合并周期对应的当前上限值,实现了当前合并周期的当前上限值的动态调整,进而基于当前上限值对待合并文件进行合并,能够适应HDFS的实际情况,提高HDFS的性能。
在一个实施例中,所述获取目标历史合并周期对应的历史上限值和历史读取速度,包括:
如果存在预设数量的目标历史合并周期,则针对每一个目标历史合并周期,获取目标历史合并周期对应的历史上限值和历史读取速度。
可以认为的是,若在当前合并周期阶段,存在预设数量的目标历史合并周期,说明在当前合并周期之前存在与当前合并周期距离最近的预设数量的合并周期,此时可以针对每一个目标历史合并周期,获取目标历史合并周期对应的历史上限值和历史读取速度,以进行后续当前上限值的确定。
在一个实施例中,所述方法还包括:
如果不存在预设数量的目标历史合并周期,则将与当前合并周期对应的预设上限值作为当前合并周期对应的当前上限值。
预设上限值可以认为是预先设定的上限值,用于确定当前合并周期对应的当前上限值。
若在当前合并周期阶段,不存在预设数量的目标历史合并周期,说明在当前合并周期之前不存在与当前合并周期距离最近的预设数量的合并周期,此时,可以将预设上限值作为当前合并周期对应的当前上限值。
示例性的,当预设数量为2时,在第一个合并周期阶段,不存在预设数量的目标历史合并周期,此时可以令第一个合并周期对应的当前上限值为第一预设上限值;而在第二个合并周期阶段,也不存在预设数量的目标历史合并周期,此时可以令将第二预设上限值作为第二个合并周期对应的当前上限值;继而在第三个合并周期阶段,此时存在预设数量的目标历史合并周期,即可以获取第一个合并周期对应的历史上限值和历史读取速度、第二个合并周期对应的历史上限值和历史读取速度,并确定当前合并周期对应的当前上限值。第一预设上限值与第二预设上限值的具体数值可以不同,可选的,第一预设上限值大于第二预设上限值。
在一个实施例中,所述基于所述当前上限值对待合并文件进行合并,包括:
基于预设筛选条件对HDFS中的文件进行筛选,确定所述HDFS中的待合并文件;
根据所述当前上限值和所述待合并文件对应的业务类型,将所述待合并文件合并为至少一个合并文件。
预设筛选条件可以认为是预先设定的筛选条件,用于确定HDFS中的待合并文件。预设筛选条件例如可以为将HDFS中的文件的文件大小与设定值进行比较,并将小于设定值的文件认为是待合并文件。设定值小于块大小,可由相关人员进行设定,块大小即为HDFS中将文件分块存储的大小。
在本实施例中,可以基于预设筛选条件对HDFS中的文件进行筛选,确定出HDFS中的待合并文件;并在确定待合并文件之后,根据当前上限值,将同一业务类型的待合并文件合并为至少一个合并文件,其中,在将同一业务类型的待合并文件合并为至少一个合并文件的过程中,可以按照各待合并文件的排列次序依次进行合并,如可以在基于预设筛选条件对HDFS中的文件进行筛选的过程中,将同一业务类型的待合并文件按照文件大小由小到大的顺序将各待合并文件进行排序,然后将第一个待合并文件的文件大小与第二个待合并文件的文件大小之和与当前上限值进行比较,若第一个待合并文件的文件大小与第二个待合并文件的文件大小之和小于当前上限值,则将第一个待合并文件的文件大小、第二个待合并文件的文件大小与第三个待合并文件的文件大小之和与当前上限值进行比较,若第一个待合并文件的文件大小、第二个待合并文件的文件大小与第三个待合并文件的文件大小之和大于当前上限值,则将第一个待合并文件和第二个待合并文件合并为一个合并文件;若第一个待合并文件的文件大小、第二个待合并文件的文件大小与第三个待合并文件的文件大小之和仍小于当前上限值,则继续将第一个待合并文件的文件大小、第二个待合并文件的文件大小、第三个待合并文件与第四个待合并文件的文件大小之和与当前上限值进行比较,直至文件大小之和大于当前上限值为止,则可将最后一次比较操作之前的比较操作中的若干个待合并文件合并为一个合并文件,依次类推,以完成每个业务类型的待合并文件合并为至少一个合并文件的操作。
实施例二
图2是根据本发明实施例二提供的一种文件合并方法的流程图,本实施例二在上述各实施例的基础上进行优化。在本实施例中,将根据所述历史上限值和所述历史读取速度,确定当前合并周期对应的当前上限值进一步具体化为:根据各目标历史合并周期的历史上限值以及在各目标历史合并周期内的历史读取速度,计算当前合并周期的迭代值;基于所述迭代值和与当前合并周期相邻的上一目标历史合并周期的上限值,确定当前合并周期对应的当前上限值。
本实施例尚未详尽的内容请参考实施例一。
如图2所示,该方法包括:
S210、获取目标历史合并周期对应的历史上限值和历史读取速度,所述历史上限值为合并文件的文件大小的上限值。
S220、根据各目标历史合并周期的历史上限值以及在各目标历史合并周期内的历史读取速度,计算当前合并周期的迭代值。
迭代值可以认为是当前合并周期相邻的上一目标历史合并周期的上限值与当前上限值之间的差值。
本步骤首先可以根据各目标历史合并周期的历史上限值以及在各目标历史合并周期内的历史读取速度,计算当前合并周期的迭代值,然后基于迭代值对当前合并周期对应的当前上限值进行确定。此处不对计算迭代值的步骤进行限定,只要能得到当前合并周期的迭代值即可。
S230、基于所述迭代值和与当前合并周期相邻的上一目标历史合并周期的上限值,确定当前合并周期对应的当前上限值。
在确定迭代值后,可以基于迭代值与当前合并周期相邻的上一目标历史合并周期的上限值,确定当前合并周期对应的当前上限值,如将迭代值与当前合并周期相邻的上一目标历史合并周期的上限值相加作和,并将相加结果作为当前合并周期对应的当前上限值。
S240、基于所述当前上限值对待合并文件进行合并。
本发明实施例二提供的一种文件合并方法,通过计算当前合并周期的迭代值,并基于迭代值和与当前合并周期相邻的上一目标历史合并周期的上限值,确定当前合并周期对应的当前上限值,为后续对待合并文件进行合并提供了当前上限值。
在一个实施例中,所述根据各目标历史合并周期的历史上限值以及在各目标历史合并周期内的历史读取速度,计算当前合并周期的迭代值,包括:
基于各目标历史合并周期的历史上限值以及在各目标历史合并周期内的历史读取速度,计算当前合并周期的迭代率;
基于所述迭代率和学习率的预设值,确定当前合并周期的迭代值。
迭代率可以是指当前合并周期相邻的上一目标历史合并周期与当前合并周期之间的上限值的变化率;学习率的预设值则可以认为是预先设置的学习率,用于确定当前合并周期的迭代值。
具体的,可以首先基于各目标历史合并周期的历史上限值以及在各目标历史合并周期内的历史读取速度,计算当前合并周期的迭代率;继而基于计算的迭代率和学习率的预设值,来对当前合并周期的迭代值进行确定,如可以将迭代率和学习率的预设值相乘作积,并将相乘结果作为当前合并周期的迭代值。
在一个实施方式中,当第一合并周期的历史上限值为x2,历史读取速度为y2,第二合并周期的历史上限值为x1,历史读取速度为y1时,可以计算当前合并周期的迭代率k=(y2-y1)/(x2-x1);并确定当前合并周期的迭代值step=k*σ,其中,σ为学习率的预设值。
可以理解的是,本实施例可以初设一个合并文件的文件大小上限值,并使用梯度上升算法,来调节合并文件的文件大小上限值,以提高任务中的HDFS读数速度。
示例性的,可以令前1次合并文件的文件大小上限值(即历史上限值)为x1,前2次合并文件的文件大小上限值为x2,前1次HDFS的读数速度(即历史读取速度)为y1,前2次HDFS的读数速度为y2,计算本次合并文件的文件大小上限值x0,HDFS的读数速度y0,本实施例期望的是y0>y1。
具体的,可以先基于各目标历史合并周期的历史上限值以及在各目标历史合并周期内的历史读取速度,计算当前合并周期的迭代率,即derivation=(y2-y1)/(x2-x1);然后基于迭代率和学习率的预设值,确定当前合并周期的迭代值,即迭代步伐step=derivation*alpha,学习率alpha可为0.1;那么本次合并文件的文件大小上限值(即当前合并周期对应的当前上限值)x0=x1+step。
待下一合并周期时,x0即成x1,x1即成x2,可重新对下一合并周期的合并文件的文件大小上限值进行计算。
故在实际合并过程中,当HDFS块大小设置为512M,合并文件的文件大小初始阈值(即预设上限值)为256M时,随着设备的使用和硬盘的老化,文件合并大小阈值(即合并文件的文件大小的上限值)自动从256M调节到200M,而在引入新型硬盘或者固态硬盘后的下一合并周期,文件合并大小阈值自动调升到300M以上。
实施例三
图3是根据本发明实施例三提供的一种文件合并装置的结构示意图。如图3所示,该装置包括:
获取模块310,用于获取目标历史合并周期对应的历史上限值和历史读取速度,所述历史上限值为合并文件的文件大小的上限值;
第一确定模块320,用于根据所述历史上限值和所述历史读取速度,确定当前合并周期对应的当前上限值;
合并模块330,用于基于所述当前上限值对待合并文件进行合并。
本发明实施例三提供的一种文件合并装置,通过获取模块310获取目标历史合并周期对应的历史上限值和历史读取速度,所述历史上限值为合并文件的文件大小的上限值;通过确定模块320根据所述历史上限值和所述历史读取速度,确定当前合并周期对应的当前上限值;通过合并模块330基于所述当前上限值对待合并文件进行合并。利用该装置,通过根据历史上限值和历史读取速度确定当前合并周期对应的当前上限值,实现了当前合并周期的当前上限值的动态调整,进而基于当前上限值对待合并文件进行合并,能够适应HDFS的实际情况,提高HDFS的性能。
可选的,所述目标历史合并周期包括位于当前合并周期之前且与当前合并周期距离最近的预设数量的合并周期。
可选的,所述第一确定模块320包括:
计算单元,用于根据各目标历史合并周期的历史上限值以及在各目标历史合并周期内的历史读取速度,计算当前合并周期的迭代值;
确定单元,用于基于所述迭代值和与当前合并周期相邻的上一目标历史合并周期的上限值,确定当前合并周期对应的当前上限值。
可选的,所述计算单元包括:
基于各目标历史合并周期的历史上限值以及在各目标历史合并周期内的历史读取速度,计算当前合并周期的迭代率;
基于所述迭代率和学习率的预设值,确定当前合并周期的迭代值。
可选的,所述获取模块310具体用于:
如果存在预设数量的目标历史合并周期,则针对每一个目标历史合并周期,获取目标历史合并周期对应的历史上限值和历史读取速度。
可选的,本发明实施例供的文件合并装置,还包括:
第二确定模块,用于如果不存在预设数量的目标历史合并周期,则将与当前合并周期对应的预设上限值作为当前合并周期对应的当前上限值。
可选的,所述合并模块330用于:
基于预设筛选条件对HDFS中的文件进行筛选,确定所述HDFS中的待合并文件;
根据所述当前上限值和所述待合并文件对应的业务类型,将所述待合并文件合并为至少一个合并文件。
本发明实施例所提供的文件合并装置可执行本发明任意实施例所提供的文件合并方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4是实现本发明实施例的文件合并方法的电子设备的结构示意图。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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如方法文件合并。
在一些实施例中,方法文件合并可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的方法文件合并的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法文件合并。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有: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电子设备。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)、区块链网络和互联网。
计算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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
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,本发明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,只要能够实现本发明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,并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种文件合并方法,其特征在于,包括:
获取目标历史合并周期对应的历史上限值和历史读取速度,所述历史上限值为合并文件的文件大小的上限值;
根据所述历史上限值和所述历史读取速度,确定当前合并周期对应的当前上限值;
基于所述当前上限值对待合并文件进行合并。
2.根据权利要求1所述的方法,其特征在于,所述目标历史合并周期包括位于当前合并周期之前且与当前合并周期距离最近的预设数量的合并周期。
3.根据权利要求2所述的方法,其特征在于,所述根据所述历史上限值和所述历史读取速度,确定当前合并周期对应的当前上限值,包括:
根据各目标历史合并周期的历史上限值以及在各目标历史合并周期内的历史读取速度,计算当前合并周期的迭代值;
基于所述迭代值和与当前合并周期相邻的上一目标历史合并周期的上限值,确定当前合并周期对应的当前上限值。
4.根据权利要求3所述的方法,其特征在于,所述根据各目标历史合并周期的历史上限值以及在各目标历史合并周期内的历史读取速度,计算当前合并周期的迭代值,包括:
基于各目标历史合并周期的历史上限值以及在各目标历史合并周期内的历史读取速度,计算当前合并周期的迭代率;
基于所述迭代率和学习率的预设值,确定当前合并周期的迭代值。
5.根据权利要求2所述的方法,其特征在于,所述获取目标历史合并周期对应的历史上限值和历史读取速度,包括:
如果存在预设数量的目标历史合并周期,则针对每一个目标历史合并周期,获取目标历史合并周期对应的历史上限值和历史读取速度。
6.根据权利要求2所述的方法,其特征在于,还包括:
如果不存在预设数量的目标历史合并周期,则将与当前合并周期对应的预设上限值作为当前合并周期对应的当前上限值。
7.根据权利要求1-6任一所述的方法,其特征在于,所述基于所述当前上限值对待合并文件进行合并,包括:
基于预设筛选条件对HDFS中的文件进行筛选,确定所述HDFS中的待合并文件;
根据所述当前上限值和所述待合并文件对应的业务类型,将所述待合并文件合并为至少一个合并文件。
8.一种文件合并装置,其特征在于,包括:
获取模块,用于获取目标历史合并周期对应的历史上限值和历史读取速度,所述历史上限值为合并文件的文件大小的上限值;
确定模块,用于根据所述历史上限值和所述历史读取速度,确定当前合并周期对应的当前上限值;
合并模块,用于基于所述当前上限值对待合并文件进行合并。
9.一种电子设备,其特征在于,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计算机程序,所述计算机程序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1-7中任一项所述的文件合并方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的文件合并方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211088188.0A CN115438007A (zh) | 2022-09-07 | 2022-09-07 | 一种文件合并方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211088188.0A CN115438007A (zh) | 2022-09-07 | 2022-09-07 | 一种文件合并方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115438007A true CN115438007A (zh) | 2022-12-06 |
Family
ID=84247599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211088188.0A Pending CN115438007A (zh) | 2022-09-07 | 2022-09-07 | 一种文件合并方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115438007A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117725035A (zh) * | 2024-01-30 | 2024-03-19 | 支付宝(杭州)信息技术有限公司 | 一种针对lsm树的文件合并方法及相关设备 |
-
2022
- 2022-09-07 CN CN202211088188.0A patent/CN115438007A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117725035A (zh) * | 2024-01-30 | 2024-03-19 | 支付宝(杭州)信息技术有限公司 | 一种针对lsm树的文件合并方法及相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113407649A (zh) | 数据仓库建模方法、装置、电子设备及存储介质 | |
CN115291806A (zh) | 一种处理方法、装置、电子设备及存储介质 | |
CN115438007A (zh) | 一种文件合并方法、装置、电子设备及介质 | |
CN114564149B (zh) | 一种数据存储方法、装置、设备及存储介质 | |
CN115617549A (zh) | 线程解耦方法、装置、电子设备及存储介质 | |
CN114722048B (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN115883357A (zh) | 一种软负载服务器处理方法、装置、电子设备及介质 | |
CN115563310A (zh) | 一种关键业务节点的确定方法、装置、设备及介质 | |
CN115617800A (zh) | 数据读取方法、装置、电子设备及存储介质 | |
CN115065366A (zh) | 一种时序数据的压缩方法、装置、设备及存储介质 | |
CN114662777A (zh) | 光伏组件串线排布确定方法、装置、电子设备及存储介质 | |
CN116501499B (zh) | 数据跑批方法、装置、电子设备及存储介质 | |
CN113326890B (zh) | 标注数据处理方法、相关装置及计算机程序产品 | |
CN115510140A (zh) | 一种数据抽取方法、装置、设备及存储介质 | |
CN115455060A (zh) | 一种数据处理方法、装置、设备及介质 | |
CN115202791A (zh) | 首屏加载资源确定方法、装置、服务器及存储介质 | |
CN115357358A (zh) | 一种射电数据处理方法、装置、设备及存储介质 | |
CN117633116A (zh) | 数据同步方法、装置、电子设备及存储介质 | |
CN115617811A (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN115934246A (zh) | 一种虚拟机创建方法、装置、设备和介质 | |
CN115564329A (zh) | 一种典型产能场景确定方法、装置、设备及存储介质 | |
CN114896075A (zh) | 图像重建方法、装置、电子设备及存储介质 | |
CN116151607A (zh) | 数据处理方法、装置、设备、存储介质及计算机程序产品 | |
CN114416687A (zh) | 一种时序数据的时间分层合并方法、装置、设备及介质 | |
CN116595110A (zh) | 一种数据存储方法、装置、电子设备及存储介质 |
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 |