CN115941708B - 云端大数据存储管理方法、装置、电子设备及存储介质 - Google Patents
云端大数据存储管理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115941708B CN115941708B CN202211373937.4A CN202211373937A CN115941708B CN 115941708 B CN115941708 B CN 115941708B CN 202211373937 A CN202211373937 A CN 202211373937A CN 115941708 B CN115941708 B CN 115941708B
- Authority
- CN
- China
- Prior art keywords
- data
- slice
- storage
- stored
- load
- 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
Links
- 238000013500 data storage Methods 0.000 title claims abstract description 58
- 238000007726 management method Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000006870 function Effects 0.000 claims description 37
- 230000003044 adaptive effect Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000005457 optimization Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000006978 adaptation Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及云计算技术，揭露一种云端大数据存储管理方法、装置、电子设备及存储介质，所述方法包括：将用户的存储数据切分成待存储数据切片；根据存储服务器中的节点数据计算存储负载，根据存储负载确定存储服务器的负载状况；负载均衡时，随机生成待存储数据切片的切片存储路线；负载失衡时，将存储服务器中数据节点编码为节点编号，将待存储数据切片维度初始化为切片维度值；根据构建的存储目标函数、节点编号及切片维度值计算切片存储路线；根据用户的存储规则及切片存储路线对待存储数据切片规则加密，得到加密切片，根据切片存储路线将加密切片部署在存储服务器的节点上。本发明可以实现云端数据均衡放置，提高数据存储的稳定性。
Description
技术领域
本发明涉及云计算技术领域，尤其涉及一种云端大数据存储管理方法、装置、电子设备及计算机可读存储介质。
背景技术
随着云计算的普及，软件即服务(Software-as-a-Service，Saas)逐渐成为云计算的一种重要表现形式。云中数据节点的缓存是提高多租户应用数据访问性能的一种重要资源，存储资源的分配显得十分重要。对于云服务提供商来说，多个存储设备之间通过软件集合起来进行协同工作，若将每个存储设备都看作一个数据节点,在进行云端存储时，往往需要保证云存储数据的稳定性，但各个设备的数据存储量(即服务器负载)通常并不均衡，进而导致数据存储的稳定性不高。现有技术中，通常利用主控服务器对所有存储服务器进行轮询，或者由各存储服务器周期性地向主控服务器发送心跳信息实现对存储服务器负载的监测。这两种方法仅适用于云存储系统规模较小的情况，在大数据存储中，随着云存储系统规模的进一步扩大，前一种方法会带来较大的延时，导致负载监测结点收集到的状态不能及时反映全局当前状态；后一种方法则会在心跳报文向上汇总时出现数据量膨胀的现象，对主控服务器产生类似于“洪泛攻击”的影响，针对这一问题，现有技术主要是降低心跳频率，但这会导致负载监测不够准确，进而无法均衡云端的数据存储。
因此，在进行云端大数据存储时实现云端数据均衡放置，提高数据存储的稳定性成为一个亟待解决的问题。
发明内容
本发明提供一种云端大数据存储管理方法、装置、电子设备及计算机可读存储介质，其主要目的在于解决云端数据放置不均衡、数据存储的稳定性较低的问题。
为实现上述目的，本发明提供的一种云端大数据存储管理方法，包括：
接收用户的存储数据，对所述存储数据进行切分，得到多个待存储数据切片；
获取预设存储服务器中的节点数据，根据所述节点数据计算所述存储服务器的存储负载，并根据所述存储负载确定所述存储服务器的负载状况；
在所述存储服务器的负载状况为负载均衡时，随机生成所述待存储数据切片的切片存储路线；
在所述存储服务器的负载状况为负载失衡时，构建存储目标函数并对所述存储服务器中数据节点进行编码，得到节点编号，将所述待存储数据切片作为初始种群进行维度初始化，得到切片维度值；
根据所述存储目标函数、所述节点编号以及所述切片维度值进行种群优化计算，得到切片存储路线；
根据所述用户的存储规则以及所述切片存储路线对所述待存储数据切片进行规则加密，得到加密切片，并根据所述切片存储路线将所述加密切片部署在所述存储服务器的节点上。
可选地，所述对所述存储数据进行切分，得到多个待存储数据切片，包括：
对所述存储数据进行归类处理，得到结构化数据，
利用所述结构化数据对所述存储数据进行数据分割，得到初始数据切片；
对所述初始数据切片进行聚类拼接，得到待存储数据切片。
可选地，所述根据所述节点数据计算所述存储服务器的存储负载，包括：
根据所述节点数据利用下式计算所述存储服务器中每个数据节点的负载量；
其中，Lk为第k个数据节点的负载量；Ri为所述数据节点中第i个数据切片；Di为第i个数据切片的数据量；N为所述数据节点中数据切片的总数；
利用下式对每个所述数据节点的负载量进行累加计算，得到所述存储服务器的总负载量；
其中，L为所述存储服务器的总负载量；Ri为所述数据节点中第i个数据切片；Di为第i个数据切片的数据量；n为所述数据节点中数据切片的总数；M为所述存储服务器中数据节点的总数，k为第k个数据节点；
获取所述存储服务器的运行数据，根据所述总负载量以及所述运行数据进行乘性计算，得到所述存储服务器的存储负载。
可选地，所述根据所述总负载量以及所述运行数据进行乘性计算，包括：
利用下式对所述总负载量以及所述运行数据进行乘性计算：
其中，Q为所述存储服务器的存储负载；a为所述总负载量在所述存储服务器的磁盘中的占比；u，c，d分别为所述运行数据中的上行速率、下行速率和最大速率。
可选地，所述根据所述存储负载确定所述存储服务器的负载状况，包括：
利用下式根据所述存储负载计算基尼系数：
其中，Gini为基尼系数；Rk为第k个数据节点；Dk为第k个数据节点的数据量；Rki为第k个数据节点中第i个数据切片；Dki为第k个数据节点中第i个数据切片的数据量；M为所述存储服务器中数据节点的总数；Q为所述存储服务器的存储负载；
当所述基尼系数小于或等于预设阈值时，判定所述存储服务器的负载状况为负载均衡；
当所述基尼系数大于预设阈值时，判定所述存储服务器的负载状况为负载失衡。
可选地，所述根据所述存储目标函数、所述节点编号以及所述切片维度值进行种群优化计算，得到切片存储路线，包括：
利用所述存储目标函数对所述切片维度值进行计算，得到初始适应值，并根据所述初始适应值以及所述节点编号设置所述待存储数据切片的历史最优位置以及全局最优位置；
利用下式对所述切片维度值进行更新，得到更新维度值；
v′j＝ω×vj+c1×rand(b)×(pj-vj)+c2×rand(b)×(gj-vj)
x′j＝xj+v′j
其中，v′j为第j个待存储数据切片对应的更新维度值中的速度维度值；x′j为第j个待存储数据切片对应的更新维度值中的位置；vj为第j个待存储数据切片对应的切片维度值中的速度维度值；xj第j个待存储数据切片对应的切片维度值中的位置；rand(b)为介于(0,1)之间的随机数；c1、c2为预设的学习因子；ω为预设的权重系数，ω∈(0.2,0.9)；j＝1,2,…,O,O为所述待存储数据切片的总数；pj为第j个待存储数据切片的历史最优位置；gj为第j个待存储数据切片的全局最优位置；
利用所述存储目标函数对所述更新维度值进行计算，得到更新适应值；在所述更新适应值小于或等于所述初始适应值时，获取所述切片维度值中的初始位置，并根据所述初始位置生成切片存储路线；
在所述更新适应值大于所述初始适应值时，根据所述更新适应值重新确定所述待存储数据切片的历史最优位置；
根据所述历史最优位置重新确定全局最优位置，返回对所述切片维度值进行更新的步骤，直至达到预设的迭代次数时，根据所述全局最优位置生成切片存储路线。
可选地，所述根据所述用户的存储规则以及所述切片存储路线对所述待存储数据切片进行规则加密，得到加密切片，包括：
从所述用户的存储规则中提取所述用户的安全等级，并所述切片存储路径进行路线加密，得到加密路径；
当所述安全等级为低等级时，将所述加密路径添加至所述待存储数据切片的数据头中，得到加密切片；
当所述安全等级为中等级时，对所述待存储数据切片进行随机加密，得到第一加密切片，并将所述加密路径添加至所述第一加密切片的数据头中，得到加密切片；
当所述安全等级为低等级时，对所有的待存储数据切片进行加密，得到第二加密切片，并将所述加密路径添加至所述第二加密切片的数据头中，得到加密切片。
为了解决上述问题，本发明还提供一种云端大数据存储管理装置，所述装置包括：
数据切片模块，用于接收用户的存储数据，对所述存储数据进行切分，得到多个待存储数据切片；
负载状况确定模块，用于获取预设存储服务器中的节点数据，根据所述节点数据计算所述存储服务器的存储负载，并根据所述存储负载确定所述存储服务器的负载状况；
切片存储路线生成模块，用于在所述存储服务器的负载状况为负载均衡时，随机生成所述待存储数据切片的切片存储路线；在所述存储服务器的负载状况为负载失衡时，构建存储目标函数并对所述存储服务器中数据节点进行编码，得到节点编号，将所述待存储数据切片作为初始种群进行维度初始化，得到切片维度值；根据所述存储目标函数、所述节点编号以及所述切片维度值进行种群优化计算，得到切片存储路线；
数据部署模块，用于根据所述用户的存储规则以及所述切片存储路线对所述待存储数据切片进行规则加密，得到加密切片，并根据所述切片存储路线将所述加密切片部署在所述存储服务器的节点上。
为了解决上述问题，本发明还提供一种电子设备，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上述所述的云端大数据存储管理方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的云端大数据存储管理方法。
本发明实施例通过对存储数据进行切分，可以使数据在数据传输、数据上传、数据存储等过程中实现高效并行处理，提高存储数据的处理效率；通过计算存储服务器的存储负载，确定存储服务器的负载情况，可以实现不同情况下进行数据存储的不同策略，实现数据存储的多样性，提高数据存储的效率，并实现数据的稳定存储；在负载失衡时，根据存储服务器的节点、数据切片以及存储目标函数进行种群优化计算，可以得到数据切片在存储服务器存储时的最优存储路径，进而进行数据存储，平衡了存储器的负载，实现了云端存储数据均衡放置，并提高了存储数据存储的稳定性；通过对数据切片进行规则加密，可以提高数据的安全性。因此本发明提出的云端大数据存储管理方法、装置、电子设备及计算机可读存储介质，可以解决云端数据放置不均衡、数据存储的稳定性较低的问题。
附图说明
图1为本发明一实施例提供的云端大数据存储管理方法的流程示意图；
图2为本发明一实施例提供的对所述存储数据进行切分，得到多个待存储数据切片的流程示意图；
图3为本发明一实施例提供的根据所述节点数据计算所述存储服务器的存储负载的流程示意图；
图4为本发明一实施例提供的云端大数据存储管理装置的功能模块图；
图5为本发明一实施例提供的实现所述云端大数据存储管理方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种云端大数据存储管理方法。所述云端大数据存储管理方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述云端大数据存储管理方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的云端大数据存储管理方法的流程示意图。在本实施例中，所述云端大数据存储管理方法包括：
S1、接收用户的存储数据，对所述存储数据进行切分，得到多个待存储数据切片。
本发明实施例中，所述用户为云租户，租户(Tenant)是指使用云平台系统或计算资源的用户，包含在系统中可识别为指定用户的一切数据。云租户可以为一个企业或者个人，在企业或者个人在云平台上注册之后，就成为一个租户，云平台之间的资源分配也会以租户为基本单位。
本发明实施例中，用户若要向云端内存储一个大小为S的数据E时,数据E会被分割为H个大小不相同的数据切片,存放在存储服务器不同的数据节点中,每个数据切片可以表示为E＝[E1,E2,…,EH]，E1-EH的数据量的总和为S。
请参阅图2所示，本发明实施例中，所述对所述存储数据进行切分，得到多个待存储数据切片，包括：
S21、对所述存储数据进行归类处理，得到结构化数据，
S22、利用所述结构化数据对所述存储数据进行数据分割，得到初始数据切片；
S23、对所述初始数据切片进行聚类拼接，得到待存储数据切片。
本发明实施例中，可以根据用户对应的配置信息对存储数据进行聚合归类，生成包含数据属性信息的数据对象，得到结构化的数据。
本发明实施例中，可以依照结构化数据的数据记录数维度，对结构化数据进行排序，并标记切片标签的边缘切片标签，即标签最大值和最小值，按照切片标签值进行数据分割分类得到初始数据切片；根据切片标签匹配所述存储数据，按照存储服务器中的节点数量和切片标签数量进行数据拼接，然后通过边缘标签最大值和最小值作为一组队列进行切分，得到待存储数据切片。
S2、获取预设存储服务器中的节点数据，根据所述节点数据计算所述存储服务器的存储负载，并根据所述存储负载确定所述存储服务器的负载状况。
本发明实施例中，所述存储服务器可以存在多个数据节点，用户在云存储服务器网络中可以从任意节点进行数据访问。在数据存储过程中,若某些数据节点存储的数据量接近上限,有些数据节点存储的数据量却接近于零,就会造成云存储服务网络严重的负载不均,使得云存储服务性能下降,也造成存储资源的浪费,同时影响用户体验。因此,可以通过维持云存储服务网络中各数据节点的负载均衡来维护云端数据存储的稳定性。
进一步地，本发明实施例在考虑存储服务器的工作负载时，还需要考虑磁盘负载，结合存储服务器的工作负载与磁盘负载可以确定存储服务器的存储负载。
请参阅图3所示，本发明实施例中，所述根据所述节点数据计算所述存储服务器的存储负载，包括：
S31、根据所述节点数据计算所述存储服务器中每个数据节点的负载量；
S32、对每个所述数据节点的负载量进行累加计算，得到所述存储服务器的总负载量；
S33、获取所述存储服务器的运行数据，根据所述总负载量以及所述运行数据进行乘性计算，得到所述存储服务器的存储负载。
详细地，本发明实施例利用下式计算所述存储服务器中每个数据节点的负载量：
其中，Lk为第k个数据节点的负载量；Ri为所述数据节点中第i个数据切片；Di为第i个数据切片的数据量；N为所述数据节点中数据切片的总数；
可以利用下式对每个所述数据节点的负载量进行累加计算：
其中，L为所述存储服务器的总负载量；Ri为所述数据节点中第i个数据切片；Di为第i个数据切片的数据量；N为所述数据节点中数据切片的总数；M为所述存储服务器中数据节点的总数，k为第k个数据节点。
进一步地，本发明实施例中，利用下式对所述总负载量以及所述运行数据进行乘性计算：
其中，Q为所述存储服务器的存储负载；a为所述总负载量在所述存储服务器的磁盘中的占比；u，c，d分别为所述运行数据中的上行速率、下行速率和最大速率。
本发明实施例中，可以基尼系数来衡量云存储服务网络的负载平衡程度,基尼系数的取值与存储服务网络的规模无关。基尼系数的取值范围为[0,1],当基尼系数的值取0时,说明云存储服务器中各个数据节点存储的数据量完全相同，即云存储服务器的负载平衡；当基尼系数的值取1时,说明云存储服务器中所有的数据都存储在某一个数据节点中,即云存储服务器的负载完全失衡。
本发明实施例中，所述根据所述存储负载确定所述存储服务器的负载状况，包括：
根据所述存储负载计算基尼系数；
当所述基尼系数小于或等于预设阈值时，判定所述存储服务器的负载状况为负载均衡；
当所述基尼系数大于预设阈值时，判定所述存储服务器的负载状况为负载失衡。
本发明实施例中，所述基尼系数对应的预设阈值可以为0.5。
详细地，本发明实施例中，可以利用下式计算基尼系数：
其中，Gini为基尼系数；Rk为第k个数据节点；Dk为第k个数据节点的数据量；Rki为第k个数据节点中第i个数据切片；Dki为第k个数据节点中第i个数据切片的数据量；M为所述存储服务器中数据节点的总数；Q为所述存储服务器的存储负载。
本发明实施例中，基尼系数小于或等于预设阈值，判定存储服务器的负载状况为负载均衡，基尼系数越接近0，表示存储服务器的负载越均衡；基尼系数大于预设阈值，判定存储服务器的负载状况为负载失衡，基尼系数越接近1，表示存储服务器的负载越失衡。
本发明实施例中，数据节点的数据量即为该数据节点中所有数据切片的数据量的总和。
S3、在所述存储服务器的负载状况为负载均衡时，随机生成所述待存储数据切片的切片存储路线。
本发明实施例中，在存储服务器的负载状况为负载均衡时，存储服务器中每个数据节点的数据量是均衡的，因此可以从数据节点中随机选取多个节点生成切片存储路径存储数据切片。
S4、在所述存储服务器的负载状况为负载失衡时，构建存储目标函数并对所述存储服务器中数据节点进行编码，得到节点编号，将所述待存储数据切片作为初始种群进行维度初始化，得到切片维度值。
本发明实施例中，在存储服务器的负载状况为负载失衡时，存储服务器中每个数据节点的数据量并不均衡的，因此需要从数据节点中选取数据量小的节点以生成切片存储路径存储数据切片，以保证存储服务器的负载均衡。
本发明实施例中，可以根据基尼系数设置存储目标函数，所述存储目标函数如下式所示：
F＝min(Gini)
本发明实施例中，可以利用自然数对所述存储服务器中数据节点进行编码，即用0,1,2，…，K-1表示K个数据节点。在存储数据时可以通过链路传输将待存储数据切片传输至数据节点上。
本发明实施例中，可以让待存储数据切片在空间中随机产生范围内的位置和速度维度值，得到切片维度值。
S5、根据所述存储目标函数、所述节点编号以及所述切片维度值进行种群优化计算，得到切片存储路线。
本发明实施例中，所述根据所述存储目标函数、所述节点编号以及所述切片维度值进行种群优化计算，得到切片存储路线，包括：
利用所述存储目标函数对所述切片维度值进行计算，得到初始适应值，并根据所述初始适应值以及所述节点编号设置所述待存储数据切片的历史最优位置以及全局最优位置；
对所述切片维度值进行更新，得到更新维度值；
利用所述存储目标函数对所述更新维度值进行计算，得到更新适应值；
在所述更新适应值小于或等于所述初始适应值时，获取所述切片维度值中的初始位置，并根据所述初始位置生成切片存储路线；
在所述更新适应值大于所述初始适应值时，根据所述更新适应值重新确定所述待存储数据切片的历史最优位置；
根据所述历史最优位置重新确定全局最优位置，返回对所述切片维度值进行更新的步骤，直至达到预设的迭代次数时，根据所述全局最优位置生成切片存储路线。
详细地，本发明实施例可以利用下式对所述切片维度值进行更新：
v′j＝ω×vj+c1×rand(b)×(pj-vj)+c2×rand(b)×(gj-vj)
x′j＝xj+v′j
其中，v′j为第j个待存储数据切片对应的更新维度值中的速度维度值；x′j为第j个待存储数据切片对应的更新维度值中的位置；vj为第j个待存储数据切片对应的切片维度值中的速度维度值；xj第j个待存储数据切片对应的切片维度值中的位置；rand(b)为介于(0,1)之间的随机数；c1、c2为预设的学习因子；ω为预设的权重系数，ω∈(0.2,0.9)；j＝1,2,…,O,O为所述待存储数据切片的总数；pj为第j个待存储数据切片的历史最优位置；gj为第j个待存储数据切片的全局最优位置。
本发明实施例中，所述迭代次数可以设置为1000。
本发明实施例中，将更新适应值中的新位置对应的适应值与先前的适应值相比较,如果新位置的适应值较小,则更新此待存储数据切片的历史最优位置,同时判断是否需要更新全局最优位置。
S6、根据所述用户的存储规则以及所述切片存储路线对所述待存储数据切片进行规则加密，得到加密切片，并根据所述切片存储路线将所述加密切片部署在所述存储服务器的节点上。
本发明实施例中，在云存储服务中，用户的待存储数据切片将存储在各个云存储服务提供商所属的存储介质中，用户数据在云计算中形成的存储路径是租户获取数据的索引，为防止攻击者获取数据，则需要保护待存储数据切片，数据在云存储中的存储路径的信息等等。
本发明实施例中，所述根据所述用户的存储规则以及所述切片存储路线对所述待存储数据切片进行规则加密，得到加密切片，包括：
从所述用户的存储规则中提取所述用户的安全等级，并所述切片存储路径进行路线加密，得到加密路径；
当所述安全等级为低等级时，将所述加密路径添加至所述待存储数据切片的数据头中，得到加密切片；
当所述安全等级为中等级时，对所述待存储数据切片进行随机加密，得到第一加密切片，并将所述加密路径添加至所述第一加密切片的数据头中，得到加密切片；
当所述安全等级为低等级时，对所有的待存储数据切片进行加密，得到第二加密切片，并将所述加密路径添加至所述第二加密切片的数据头中，得到加密切片。
本发明实施例中，为了使数据的安全性获得增强，在实际应用时，对于安全程度要求较高的用户数据，可以对所有待存储数据切片以及存储路径进行加密；对于用户数据私密性中等的情况，可以只对待存储数据切片进行加密；如果存储在云服务平台中的数据属于公共数据或者用户数据安全性要求不高的情况，对于用户的数据可以采用明文的形式上传并存储在云存储服务器，只进行存储路径的加密。
本发明实施例中，可以依据切片存储路线将所述加密切片上传至存储服务器的节点上，以实现存储数据的云端部署。
如图4所示，是本发明一实施例提供的云端大数据存储管理装置的功能模块图。
本发明所述云端大数据存储管理装置100可以安装于电子设备中。根据实现的功能，所述云端大数据存储管理装置100可以包括数据切片模块101、负载状况确定模块102、切片存储路线生成模块103及数据部署模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述数据切片模块101，用于接收用户的存储数据，对所述存储数据进行切分，得到多个待存储数据切片；
所述负载状况确定模块102，用于获取预设存储服务器中的节点数据，根据所述节点数据计算所述存储服务器的存储负载，并根据所述存储负载确定所述存储服务器的负载状况；
所述切片存储路线生成模块103，用于在所述存储服务器的负载状况为负载均衡时，随机生成所述待存储数据切片的切片存储路线；在所述存储服务器的负载状况为负载失衡时，构建存储目标函数并对所述存储服务器中数据节点进行编码，得到节点编号，将所述待存储数据切片作为初始种群进行维度初始化，得到切片维度值；根据所述存储目标函数、所述节点编号以及所述切片维度值进行种群优化计算，得到切片存储路线；
所述数据部署模块104，用于根据所述用户的存储规则以及所述切片存储路线对所述待存储数据切片进行规则加密，得到加密切片，并根据所述切片存储路线将所述加密切片部署在所述存储服务器的节点上。
详细地，本发明实施例中所述云端大数据存储管理装置100中所述的各模块在使用时采用与附图中所述的云端大数据存储管理方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现云端大数据存储管理方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如云端大数据存储管理程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing Unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行云端大数据存储管理程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如云端大数据存储管理程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的云端大数据存储管理程序是多个指令的组合，在所述处理器10中运行时，可以实现：
接收用户的存储数据，对所述存储数据进行切分，得到多个待存储数据切片；
获取预设存储服务器中的节点数据，根据所述节点数据计算所述存储服务器的存储负载，并根据所述存储负载确定所述存储服务器的负载状况；
在所述存储服务器的负载状况为负载均衡时，随机生成所述待存储数据切片的切片存储路线；
在所述存储服务器的负载状况为负载失衡时，构建存储目标函数并对所述存储服务器中数据节点进行编码，得到节点编号，将所述待存储数据切片作为初始种群进行维度初始化，得到切片维度值；
根据所述存储目标函数、所述节点编号以及所述切片维度值进行种群优化计算，得到切片存储路线；
根据所述用户的存储规则以及所述切片存储路线对所述待存储数据切片进行规则加密，得到加密切片，并根据所述切片存储路线将所述加密切片部署在所述存储服务器的节点上。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
接收用户的存储数据，对所述存储数据进行切分，得到多个待存储数据切片；
获取预设存储服务器中的节点数据，根据所述节点数据计算所述存储服务器的存储负载，并根据所述存储负载确定所述存储服务器的负载状况；
在所述存储服务器的负载状况为负载均衡时，随机生成所述待存储数据切片的切片存储路线；
在所述存储服务器的负载状况为负载失衡时，构建存储目标函数并对所述存储服务器中数据节点进行编码，得到节点编号，将所述待存储数据切片作为初始种群进行维度初始化，得到切片维度值；
根据所述存储目标函数、所述节点编号以及所述切片维度值进行种群优化计算，得到切片存储路线；
根据所述用户的存储规则以及所述切片存储路线对所述待存储数据切片进行规则加密，得到加密切片，并根据所述切片存储路线将所述加密切片部署在所述存储服务器的节点上。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种云端大数据存储管理方法，其特征在于，所述方法包括：
接收用户的存储数据，根据用户对应的配置信息对所述存储数据进行归类处理，生成包含数据属性信息的数据对象，得到结构化数据，依照结构化数据的数据记录数维度，对结构化数据进行排序，并标记切片标签中的边缘切片标签，按照切片标签进行数据分割分类，得到初始数据切片，根据切片标签匹配所述存储数据，按照存储服务器中的节点数量和切片标签数量进行数据拼接，然后通过边缘切片标签的最大值和最小值作为一组队列进行切分，得到待存储数据切片；
获取预设存储服务器中的节点数据，根据所述节点数据计算所述存储服务器的存储负载，并根据所述存储负载确定所述存储服务器的负载状况；
在所述存储服务器的负载状况为负载均衡时，随机生成所述待存储数据切片的切片存储路线；
在所述存储服务器的负载状况为负载失衡时，构建存储目标函数并对所述存储服务器中数据节点进行编码，得到节点编号，将所述待存储数据切片作为初始种群进行维度初始化，得到切片维度值；
根据所述存储目标函数、所述节点编号以及所述切片维度值进行种群优化计算，得到切片存储路线；
从所述用户的存储规则中提取所述用户的安全等级，并对所述切片存储路线进行路线加密，得到加密路径；
当所述安全等级为低等级时，将所述加密路径添加至所述待存储数据切片的数据头中，得到加密切片；
当所述安全等级为中等级时，对所述待存储数据切片进行随机加密，得到第一加密切片，并将所述加密路径添加至所述第一加密切片的数据头中，得到加密切片；
当所述安全等级为高等级时，对所有的待存储数据切片进行加密，得到第二加密切片，并将所述加密路径添加至所述第二加密切片的数据头中，得到加密切片；
根据所述切片存储路线将所述加密切片部署在所述存储服务器的节点上。
2.如权利要求1所述的云端大数据存储管理方法，其特征在于，所述根据所述节点数据计算所述存储服务器的存储负载，包括：
根据所述节点数据利用下式计算所述存储服务器中每个数据节点的负载量；其中，/>为第k个数据节点的负载量；/>为所述数据节点中第i个数据切片；/>为第i个数据切片的数据量；N为所述数据节点中数据切片的总数；
利用下式对每个所述数据节点的负载量进行累加计算，得到所述存储服务器的总负载量；其中，L为所述存储服务器的总负载量；M为所述存储服务器中数据节点的总数，k为第k个数据节点；
获取所述存储服务器的运行数据，根据所述总负载量以及所述运行数据进行乘性计算，得到所述存储服务器的存储负载。
3.如权利要求2所述的云端大数据存储管理方法，其特征在于，所述根据所述总负载量以及所述运行数据进行乘性计算，包括：
利用下式对所述总负载量以及所述运行数据进行乘性计算：其中，Q为所述存储服务器的存储负载；a为所述总负载量在所述存储服务器的磁盘中的占比；u，c，d分别为所述运行数据中的上行速率、下行速率和最大速率。
4.如权利要求1所述的云端大数据存储管理方法，其特征在于，所述根据所述存储负载确定所述存储服务器的负载状况，包括：
利用下式根据所述存储负载计算基尼系数：其中，/>为基尼系数；/>为第k个数据节点；/>为第k个数据节点的数据量；/>为第k个数据节点中第i个数据切片；/>为第k个数据节点中第i个数据切片的数据量；M为所述存储服务器中数据节点的总数；Q为所述存储服务器的存储负载；
当所述基尼系数小于或等于预设阈值时，判定所述存储服务器的负载状况为负载均衡；
当所述基尼系数大于预设阈值时，判定所述存储服务器的负载状况为负载失衡。
5.如权利要求1所述的云端大数据存储管理方法，其特征在于，所述根据所述存储目标函数、所述节点编号以及所述切片维度值进行种群优化计算，得到切片存储路线，包括：
利用所述存储目标函数对所述切片维度值进行计算，得到初始适应值，并根据所述初始适应值以及所述节点编号设置所述待存储数据切片的历史最优位置以及全局最优位置；
利用下式对所述切片维度值进行更新，得到更新维度值； 其中，/>为第j个待存储数据切片对应的更新维度值中的速度维度值；/>为第j个待存储数据切片对应的更新维度值中的位置；/>为第j个待存储数据切片对应的切片维度值中的速度维度值；/>第j个待存储数据切片对应的切片维度值中的位置；/>为介于/>之间的随机数；为预设的学习因子；/>为预设的权重系数，/>为所述待存储数据切片的总数；/>为第j个待存储数据切片的历史最优位置；/>为第j个待存储数据切片的全局最优位置；
利用所述存储目标函数对所述更新维度值进行计算，得到更新适应值；在所述更新适应值小于或等于所述初始适应值时，获取所述切片维度值中的初始位置，并根据所述初始位置生成切片存储路线；
在所述更新适应值大于所述初始适应值时，根据所述更新适应值重新确定所述待存储数据切片的历史最优位置；
根据所述历史最优位置重新确定全局最优位置，返回对所述切片维度值进行更新的步骤，直至达到预设的迭代次数时，根据所述全局最优位置生成切片存储路线。
6.一种云端大数据存储管理装置，其特征在于，所述装置包括：
数据切片模块，用于接收用户的存储数据，根据用户对应的配置信息对所述存储数据进行归类处理，生成包含数据属性信息的数据对象，得到结构化数据，依照结构化数据的数据记录数维度，对结构化数据进行排序，并标记切片标签中的边缘切片标签，按照切片标签进行数据分割分类，得到初始数据切片，根据切片标签匹配所述存储数据，按照存储服务器中的节点数量和切片标签数量进行数据拼接，然后通过边缘切片标签的最大值和最小值作为一组队列进行切分，得到待存储数据切片；
负载状况确定模块，用于获取预设存储服务器中的节点数据，根据所述节点数据计算所述存储服务器的存储负载，并根据所述存储负载确定所述存储服务器的负载状况；
切片存储路线生成模块，用于在所述存储服务器的负载状况为负载均衡时，随机生成所述待存储数据切片的切片存储路线；在所述存储服务器的负载状况为负载失衡时，构建存储目标函数并对所述存储服务器中数据节点进行编码，得到节点编号，将所述待存储数据切片作为初始种群进行维度初始化，得到切片维度值；根据所述存储目标函数、所述节点编号以及所述切片维度值进行种群优化计算，得到切片存储路线；
数据部署模块，用于从所述用户的存储规则中提取所述用户的安全等级，并对所述切片存储路线进行路线加密，得到加密路径，当所述安全等级为低等级时，将所述加密路径添加至所述待存储数据切片的数据头中，得到加密切片，当所述安全等级为中等级时，对所述待存储数据切片进行随机加密，得到第一加密切片，并将所述加密路径添加至所述第一加密切片的数据头中，得到加密切片，当所述安全等级为高等级时，对所有的待存储数据切片进行加密，得到第二加密切片，并将所述加密路径添加至所述第二加密切片的数据头中，得到加密切片，并根据所述切片存储路线将所述加密切片部署在所述存储服务器的节点上。
7.一种电子设备，其特征在于，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如权利要求1至5中任意一项所述的云端大数据存储管理方法。
8.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任意一项所述的云端大数据存储管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211373937.4A CN115941708B (zh) | 2022-11-04 | 2022-11-04 | 云端大数据存储管理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211373937.4A CN115941708B (zh) | 2022-11-04 | 2022-11-04 | 云端大数据存储管理方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115941708A CN115941708A (zh) | 2023-04-07 |
| CN115941708B true CN115941708B (zh) | 2023-07-21 |
Family
ID=86653489
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211373937.4A Active CN115941708B (zh) | 2022-11-04 | 2022-11-04 | 云端大数据存储管理方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115941708B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116610731B (zh) * | 2023-07-20 | 2023-11-07 | 深圳市行云数据技术有限公司 | 一种大数据分布式存储方法、装置、电子设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107425962A (zh) * | 2017-04-21 | 2017-12-01 | 济南浪潮高新科技投资发展有限公司 | 一种数据分级加密与分割的云端数据保护方法 |
| CN112307180A (zh) * | 2020-10-22 | 2021-02-02 | 上海芯翌智能科技有限公司 | 一种基于标签对象的快速检索方法及设备 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103118136B (zh) * | 2013-02-28 | 2015-08-12 | 杭州电子科技大学 | 一种基于块级别云存储负载均衡优化的方法 |
| CN107153794B (zh) * | 2016-03-03 | 2020-07-21 | 腾讯科技（深圳）有限公司 | 文件加密方法和装置、文件解密方法和装置 |
| CN114666821A (zh) * | 2022-04-07 | 2022-06-24 | 中国联合网络通信集团有限公司 | 端到端网络切片部署方法、装置、设备和存储介质 |
-
2022
- 2022-11-04 CN CN202211373937.4A patent/CN115941708B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107425962A (zh) * | 2017-04-21 | 2017-12-01 | 济南浪潮高新科技投资发展有限公司 | 一种数据分级加密与分割的云端数据保护方法 |
| CN112307180A (zh) * | 2020-10-22 | 2021-02-02 | 上海芯翌智能科技有限公司 | 一种基于标签对象的快速检索方法及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115941708A (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11463318B2 (en) | Efficiency indexes | |
| US20180027061A1 (en) | Method and apparatus for elastically scaling virtual machine cluster | |
| KR20160040516A (ko) | 작업부하 밀도를 증가시키고 또한 에너지 효율성을 개선하기 위한 전력 균형화 | |
| WO2016148963A1 (en) | Intelligent placement within a data center | |
| CN113688923B (zh) | 订单异常智能检测方法、装置、电子设备及存储介质 | |
| CN115941708B (zh) | 云端大数据存储管理方法、装置、电子设备及存储介质 | |
| CN116346863B (zh) | 基于联邦学习的车载网数据处理方法、装置、设备及介质 | |
| CN113835823A (zh) | 资源调度方法和装置、电子设备、计算机可读存储介质 | |
| CN116610731B (zh) | 一种大数据分布式存储方法、装置、电子设备及存储介质 | |
| CN106980540A (zh) | 一种分布式多维离散数据的计算方法 | |
| US20180034696A1 (en) | System and method for joint embedding and backup provisioning in virtual networks | |
| CN116975884A (zh) | 一种数据安全存储方法及装置 | |
| CN116471103B (zh) | 基于边界网络的内外网数据安全交换方法、装置及设备 | |
| CN116647560A (zh) | 物联网计算机集群协调优化控制方法、装置、设备及介质 | |
| CN115361295B (zh) | 基于topsis的资源备份方法、装置、设备及介质 | |
| US11157301B2 (en) | Systems and methods for improved management of virtual machine clusters | |
| CN114492849B (zh) | 一种基于联邦学习的模型更新方法及装置 | |
| CN110554916B (zh) | 基于分布式集群的风险指标计算方法及装置 | |
| CN112579246B (zh) | 虚拟机迁移处理方法及装置 | |
| CN113760484A (zh) | 数据处理的方法和装置 | |
| CN111144509B (zh) | 用于系统应用程序分类的方法、装置及计算机 | |
| CN114461407B (zh) | 数据处理方法、装置、分发服务器、系统及存储介质 | |
| CN114817408B (zh) | 调度资源识别方法、装置、电子设备及存储介质 | |
| CN114640666B (zh) | 文件共享下载方法、电子设备及可读存储介质 | |
| US12026664B2 (en) | Automatically generating inventory-related information forecasts using machine learning techniques |
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 |