DE202015009783U1 - Systeme zur Bereitstellung von Ressourcen - Google Patents
Systeme zur Bereitstellung von Ressourcen Download PDFInfo
- Publication number
- DE202015009783U1 DE202015009783U1 DE202015009783.9U DE202015009783U DE202015009783U1 DE 202015009783 U1 DE202015009783 U1 DE 202015009783U1 DE 202015009783 U DE202015009783 U DE 202015009783U DE 202015009783 U1 DE202015009783 U1 DE 202015009783U1
- Authority
- DE
- Germany
- Prior art keywords
- data
- virtual
- virtual warehouse
- warehouses
- requests
- 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
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
- G06F16/273—Asynchronous replication or reconciliation
-
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F5/00—Orthopaedic methods or devices for non-surgical treatment of bones or joints; Nursing devices; Anti-rape devices
- A61F5/56—Devices for preventing snoring
- A61F5/566—Intra-oral devices
-
- 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
- G06F16/11—File system administration, e.g. details of archiving or snapshots
- G06F16/128—Details of file system snapshots on the file-level, e.g. snapshot creation, administration, deletion
-
- 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
- G06F16/14—Details of searching files based on file metadata
- G06F16/148—File search processing
-
- 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
- G06F16/1824—Distributed file systems implemented using Network-attached Storage [NAS] architecture
- G06F16/1827—Management specifically adapted to NAS
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
-
- 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
- G06F16/221—Column-oriented storage; 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
- G06F16/23—Updating
- G06F16/2365—Ensuring data consistency and integrity
-
- 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
- G06F16/24542—Plan optimisation
- G06F16/24545—Selectivity estimation or determination
-
- 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
- G06F16/24552—Database cache management
-
- 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
- G06F16/24553—Query execution of query operations
- G06F16/24558—Binary matching operations
- G06F16/2456—Join operations
-
- 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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2471—Distributed 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9538—Presentation of query results
-
- 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
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- 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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5044—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering hardware capabilities
-
- 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
- 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
- G06F9/5088—Techniques for rebalancing the load in a distributed system involving task migration
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/56—Provisioning of proxy services
- H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
Abstract
Vorrichtung, umfassend:
eine Ausführungsplattform, die konfiguriert ist, um auf eine Vielzahl von entfernten Speichervorrichtungen zuzugreifen, wobei die Ausführungsplattform eine Vielzahl von virtuellen universellen Datenbanken bzw. Lagern enthält, wobei jedes virtuelle Lager einen Cache enthält, der konfiguriert ist, um aus den entfernten Speichervorrichtungen wiedergewonnene bzw. abgerufene Daten zu speichern, und einen Prozessor, der unabhängig von den entfernten Speichervorrichtungen ist; und
einen Ressourcenmanager, der mit der Ausführungsplattform gekoppelt ist und konfiguriert ist, um:
empfangene Datenverarbeitungsaufforderungen zu überwachen;
eine Ressourcennutzung in der Vielzahl von virtuellen Lagern zu überwachen;
zu bestimmen, ob zusätzliche virtuelle Lager nötig sind, basierend auf den Datenverarbeitungsaufforderungen und der Ressourcennutzung in der Vielzahl von Lagern; und
in Reaktion auf ein Bestimmen, dass ein zusätzliches virtuelles Lager nötig ist, ein neues virtuelles Lager bereitzustellen.
eine Ausführungsplattform, die konfiguriert ist, um auf eine Vielzahl von entfernten Speichervorrichtungen zuzugreifen, wobei die Ausführungsplattform eine Vielzahl von virtuellen universellen Datenbanken bzw. Lagern enthält, wobei jedes virtuelle Lager einen Cache enthält, der konfiguriert ist, um aus den entfernten Speichervorrichtungen wiedergewonnene bzw. abgerufene Daten zu speichern, und einen Prozessor, der unabhängig von den entfernten Speichervorrichtungen ist; und
einen Ressourcenmanager, der mit der Ausführungsplattform gekoppelt ist und konfiguriert ist, um:
empfangene Datenverarbeitungsaufforderungen zu überwachen;
eine Ressourcennutzung in der Vielzahl von virtuellen Lagern zu überwachen;
zu bestimmen, ob zusätzliche virtuelle Lager nötig sind, basierend auf den Datenverarbeitungsaufforderungen und der Ressourcennutzung in der Vielzahl von Lagern; und
in Reaktion auf ein Bestimmen, dass ein zusätzliches virtuelles Lager nötig ist, ein neues virtuelles Lager bereitzustellen.
Description
- QUERVERWEIS AUF ZUGEHÖRIGE ANMELDUNGEN
- Diese Anmeldung beansprucht den Vorteil der provisorischen
US-Anmeldung mit der seriellen Nr. 61/941,986 - TECHNISCHES GEBIET
- Die vorliegende Offenbarung betrifft Ressourcenmanagementsysteme und -verfahren, die eine Datenspeicherung und Computerressourcen managen.
- Unter Schutz gestellt werden und Gegenstand des Gebrauchsmusters sind dabei, entsprechend den Vorschriften des Gebrauchsmustergesetzes, lediglich Vorrichtungen wie in den beigefügten Schutzansprüchen definiert, jedoch keine Verfahren. Soweit nachfolgend in der Beschreibung gegebenenfalls auf Verfahren Bezug genommen wird, dienen diese Bezugnahmen lediglich der beispielhaften Erläuterung der in den beigefügten Schutzansprüchen unter Schutz gestellten Vorrichtung oder Vorrichtungen.
- HINTERGRUND
- Viele existierende Datenspeicherungs- und -wiedergewinnungssysteme sind heutzutage verfügbar. Beispielsweise werden in einem System mit gemeinsam genutzter bzw. geteilter Platte auf einer gemeinsam genutzten bzw. geteilten Speichervorrichtung alle Daten gespeichert, die von allen Verarbeitungsknoten in einem Datencluster aus zugreifbar sind. Bei diesem Typ von System werden alle Datenänderungen zur geteilten Speichervorrichtung geschrieben, um sicherzustellen, dass alle Verarbeitungsknoten im Datencluster auf eine konsistente Version der Daten zugreifen. Wenn sich die Anzahl von Verarbeitungsknoten in einem System mit geteilter Platte erhöht, wird die geteilte Speichervorrichtung (und die Kommunikationsverbindungen zwischen den Verarbeitungsknoten und der geteilten Speichervorrichtung) ein Engpass, der Datenlese- und Datenschreiboperationen verlangsamt. Dieser Engpass wird mit dem Hinzufügen von mehr Verarbeitungsknoten weiter verschlimmert. Somit haben existierende Systeme mit geteilter Platte aufgrund dieses Engpassproblems eine beschränkte Skalierbarkeit.
- Ein weiteres existierendes Datenspeicherungs- und -wiedergewinnungssystem wird „Shared-Nothing-Architektur“ genannt. Bei dieser Architektur werden Daten über mehrere Verarbeitungskonten so verteilt, dass jeder Knoten eine Untergruppe der Daten in der gesamten Datenbank speichert. Wenn ein neuer Verarbeitungsknoten hinzugefügt oder entfernt wird, muss die Shared-Nothing-Architektur Daten über die mehreren Verarbeitungsknoten neu anordnen. Diese Neuanordnung von Daten kann zeitaufwendig und störend für Datenlese- und -schreiboperationen sein, die während der Datenneuanordnung ausgeführt werden. Und die Affinität von Daten zu einem bestimmten Knoten kann „Hotspots“ auf dem Datencluster für populäre Daten erzeugen. Weiterhin erfordert diese Architektur deshalb, weil jeder Verarbeitungsknoten auch die Speicherfunktion durchführt, wenigstens einen Verarbeitungsknoten, um Daten zu speichern. Somit schlägt die Shared-Nothing-Architektur darin fehl, Daten zu speichern, wenn alle Verarbeitungsknoten entfernt sind. Zusätzlich ist ein Management von Daten in einer Shared-Nothing-Architektur aufgrund der Verteilung von Daten über viele unterschiedliche Verarbeitungsknoten komplex.
- Die hierin beschriebenen Systeme und Verfahren stellen einen verbesserten Ansatz für eine Datenspeicherung und eine Datenwiedergewinnung zur Verfügung, der die oben identifizierten Beschränkungen existierender Systeme abmildert.
- Figurenliste
- Nicht beschränkende und nicht erschöpfende Ausführungsformen der vorliegenden Offenbarung werden unter Bezugnahme auf die folgenden Figuren beschrieben, wobei sich gleiche Bezugszeichen auf gleiche Teile in allen verschiedenen Figuren beziehen, solange nichts anderes spezifiziert ist.
-
1 ist ein Blockdiagramm, das eine beispielhafte Ausführungsform der hierin beschriebenen Systeme und Verfahren darstellt. -
2 ist ein Blockdiagramm, das eine Ausführungsform eines Ressourcenmanagers darstellt. -
3 ist ein Blockdiagramm, das eine Ausführungsform einer Ausführungsplattform darstellt. -
4 ist ein Blockdiagramm, das eine beispielhafte Betriebsumgebung mit mehreren Anwendern darstellt, die über mehrere virtuelle Lager auf mehrere Datenbanken zugreifen. -
5 ist ein Blockdiagramm, das eine weitere beispielhafte Betriebsumgebung mit mehreren Anwendern darstellt, die über einen Lastausgleicher und mehrere in einer virtuellen Lagergruppe enthaltene virtuelle Lager auf mehrere Datenbanken zugreifen. -
6 ist ein Blockdiagramm, das eine weitere beispielhafte Betriebsumgebung darstellt, die mehrere verteilte virtuelle Lager und virtuelle Lagergruppen hat. -
7 ist ein Ablaufdiagramm, das eine Ausführungsform eines Verfahrens zum Managen von Datenspeicherungs- und -wiedergewinnungsoperationen darstellt. -
8 ist ein Ablaufdiagramm, das eine Ausführungsform eines Verfahrens zum Bereitstellen von neuen virtuellen universellen Datenbanken bzw. Lagern darstellt. -
9A und9B stellen ein Ablaufdiagramm einer Ausführungsform eines Verfahrens zum Skalieren von Ressourcen dar. -
10 ist ein Ablaufdiagramm, das eine Ausführungsform eines weiteren Verfahrens zum Skalieren von Ressourcen darstellt. -
11 ist ein Blockdiagramm, das eine beispielhafte Computervorrichtung darstellt. - DETAILLIERTE BESCHREIBUNG
- Die hierin beschriebenen Systeme und Verfahren stellen eine neue Plattform zum Speichern und Wiedergewinnen von Daten ohne die Probleme zur Verfügung, denen man bei existierenden Systemen begegnet. Beispielsweise unterstützt diese neue Plattform das Hinzufügen von neuen Knoten ohne die Notwendigkeit für ein Neuanordnen von Datendateien, wie es durch die Shared-Nothing-Architektur erforderlich ist. Zusätzlich können Knoten zu der Plattform ohne ein Erzeugen von Engpässen hinzugefügt werden, die bei dem System mit gemeinsam genutzter Platte üblich sind. Diese neue Plattform ist immer für Datenlese- und Datenschreiboperationen verfügbar, selbst wenn einige der Knoten zur Wartung offline sind oder ausgefallen sind. Die beschriebene Plattform trennt die Datenspeicherressourcen von den Computerressourcen, so dass Daten gespeichert werden können, ohne die Verwendung von bestimmten Computerressourcen zu erfordern. Dies ist eine Verbesserung gegenüber der Shared-Nothing-Architektur, die darin fehlschlägt, Daten zu speichern, wenn alle Computerressourcen entfernt sind. Daher fährt die neue Plattform damit fort, Daten zu speichern, selbst wenn die Rechenressourcen bzw. Computerressourcen nicht mehr verfügbar sind oder andere Aufgaben durchführen.
- In der folgenden Beschreibung wird auf die beigefügten Zeichnungen Bezug genommen, die einen Teil davon bilden und wobei anhand einer Darstellung spezifische beispielhafte Ausführungsformen gezeigt sind, bei welchen die Offenbarung ausgeführt werden kann. Diese Ausführungsformen sind in ausreichendem Detail beschrieben, um Fachleuten auf dem Gebiet zu ermöglichen, die hierin offenbarten Konzepte auszuführen, und es ist zu verstehen, dass Modifikationen an den verschiedenen offenbarten Ausführungsformen durchgeführt werden können und dass andere Ausführungsformen verwendet werden können, ohne vom Schutzumfang der vorliegenden Offenbarung abzuweichen. Die folgende detaillierte Beschreibung ist daher nicht in einem beschränkenden Sinn zu nehmen.
- Eine Bezugnahme in dieser gesamten Beschreibung auf „eine einzige Ausführungsform“, „eine Ausführungsform“, „ein einziges Beispiel“ oder „ein Beispiel“ bedeutet, dass ein bestimmtes Merkmal, eine bestimmte Struktur oder eine bestimmte Charakteristik, das oder die in Verbindung mit der Ausführungsform oder dem Beispiel beschrieben ist, in wenigstens einer Ausführungsform der vorliegenden Offenbarung enthalten ist. Somit beziehen sich nicht notwendigerweise alle Erscheinungsformen der Phrasen „bei einer einzigen Ausführungsform“, „bei einer Ausführungsform“, „ein einziges Beispiel“ oder „ein Beispiel“ an verschiedenen Stellen in dieser gesamten Beschreibung auf dieselbe Ausführungsform oder dasselbe Beispiel. Zusätzlich sollte erkannt werden, dass die hiermit zur Verfügung gestellten Figuren zu Erklärungszwecken für Personen dienen, die Fachleute auf dem Gebiet sind, und dass die Zeichnungen nicht notwendigerweise maßstäblich gezeichnet sind.
- Ausführungsformen gemäß der vorliegenden Offenbarung können als eine Vorrichtung, ein Verfahren oder ein Computerprogrammprodukt verkörpert sein. Demgemäß kann die vorliegende Offenbarung die Form einer gänzlich hardwareumfassten Ausführungsform, einer gänzlich softwareumfassten Ausführungsform (Firmware, residente Software, eine Mikrocodes, etc. enthaltend) oder einer Ausführungsform, die Software- und Hardwareaspekte kombiniert, auf welche alle hierin allgemein als „Schaltung“, „Modul“ oder „System“ Bezug genommen werden kann, annehmen. Weiterhin können Ausführungsformen der vorliegenden Offenbarung die Form eines Computerprogrammprodukts annehmen, das in irgendeinem konkreten Ausdrucksmedium verkörpert ist, das einen computernutzbaren Programmcode im Medium verkörpert hat.
- Irgendeine Kombination von einem oder mehreren computernutzbaren oder computerlesbaren Medien kann verwendet werden. Beispielsweise kann ein computerlesbares Medium eines oder mehreres von einer tragbaren Computerdiskette, einer Festplatte, einer Direktzugriffsspeicher-(RAM-)Vorrichtung, einer Nurlesespeicher-(ROM-)Vorrichtung, einer löschbaren programmierbaren Nurlesespeicher-(EPROM- oder Flash-Speicher-)Vorrichtung, einem tragbaren Kompaktdisk-Nurlesespeicher (CDROM), einer optischen Speichervorrichtung und einer magnetischen Speichervorrichtung enthalten. Ein Computerprogrammcode zum Ausführen von Operationen der vorliegenden Offenbarung kann in irgendeiner Kombination von einer oder mehreren Programmiersprachen geschrieben sein. Ein solcher Code kann von einem Quellcode zu einer computerlesbaren Assemblersprache oder einen Maschinencode, der für die Vorrichtung oder den Computer geeignet ist, auf der oder dem der Code ausgeführt werden wird, kompiliert werden.
- Ausführungsformen können auch in Cloud-Computerumgebungen implementiert sein. In dieser Beschreibung und den folgenden Ansprüchen kann „Cloudcomputing“ als ein Modell zum Ermöglichen eines ubiquitären, angenehmen On-Demand-Netzwerkzugriffs auf einen gemeinsam genutzten bzw. geteilten Pool von konfigurierbaren Computerressourcen bzw. Rechnerressourcen (z.B. Netzwerken, Servern, Speichern, Anwendungen und Diensten) definiert sein, die über Virtualisierung schnell bereitgestellt und mit minimalem Managementaufwand oder minimaler Serviceprovider-Interaktion freigegeben und dann entsprechend skaliert werden können. Ein Cloud-Modell kann zusammengesetzt sein aus verschiedenen Eigenschaften (z.B. On-demand Self Service, Broad Network Access, Resource Pooling, Rapid Elasticity und Measured Services), Servicemodellen (z.B. Software as a Service („SaaS“), Platform as a Service („PaaS“) und Infrastructure as a Service („IaaS“)) und Bereitstellungsmodellen (Deployment models) (z.B. Private Cloud, Community Cloud, Public Cloud und Hybrid Cloud).
- Die Ablaufdiagramme und Blockdiagramme in den beigefügten Figuren stellen die Architektur, die Funktionalität und die Operation von möglichen Implementierungen von Systemen, Verfahren und Computerprogrammprodukten gemäß verschiedenen Ausführungsformen der vorliegenden Offenbarung dar. Diesbezüglich kann jeder Block in den Ablaufdiagrammen oder Blockdiagrammen ein Modul, ein Segment oder einen Teilbereich eines Codes darstellen, das oder der eine oder mehrere ausführbare Anweisungen zum Implementieren der spezifizierten logischen Funktion(en) umfasst. Es wird auch bemerkt werden, dass jeder Block der Blockdiagramme und/oder Ablaufdiagramme und Kombinationen von Blöcken in den Blockdiagrammen und/oder Ablaufdiagrammen durch spezielle hardwarebasierte Systeme, die die spezifizierten Funktionen oder Handlungen durchführen, oder Kombinationen von spezieller Hardware und Computeranweisungen implementiert sein können. Diese Computerprogrammanweisungen können auch in einem computerlesbaren Medium gespeichert sein, das einen Computer oder eine andere programmierbare Datenverarbeitungsvorrichtung anweisen kann, auf spezielle Weise zu funktionieren, so dass die in dem computerlesbaren Medium gespeicherten Anweisungen ein Herstellungsprodukt erzeugen, das Anweisungsmittel enthält, die die Funktion/Handlung implementieren, die in dem Block oder den Blöcken des Ablaufdiagramms und/oder des Blockdiagramms spezifiziert ist.
- Die hierin beschriebenen Systeme und Verfahren stellen ein flexibles und skalierbares Datenlager unter Verwendung einer neuen Datenverarbeitungsplattform zur Verfügung. Bei einigen Ausführungsformen setzen die beschriebenen Systeme und Verfahren eine Cloud-Infrastruktur ein, die cloudbasierte Speicherressourcen, Rechner- bzw. Computerressourcen und ähnliches unterstützt. Beispielhafte cloudbasierte Speicherressourcen bieten eine signifikante Speicherkapazität, die on-demand bzw. auf Anforderung bei niedrigen Kosten verfügbar ist. Weiterhin können diese cloudbasierten Speicherressourcen fehlertolerant und hochskalierbar sein, was bei privaten Datenspeichersystemen teuer zu erreichen sein kann. Beispielhafte cloudbasierte Computerressourcen sind on-demand verfügbar und für sie kann ein Preis basierend auf tatsächlichen Ausmaßen einer Nutzung der Ressourcen festgesetzt werden. Typischerweise wird die Cloud-Infrastruktur auf eine schnelle Weise dynamisch bereitgestellt, rekonfiguriert und außer Betrieb gesetzt.
- Bei den beschriebenen Systemen und Verfahren verwendet ein Datenspeichersystem eine SQL-(strukturierte Anfragesprache)-basierte relationale Datenbank. Jedoch sind diese Systeme und Verfahren unter Verwendung von irgendeiner Datenspeicherarchitektur und unter Verwendung von irgendeiner Sprache, um Daten innerhalb der Datenspeicherungs- und -wiedergewinnungsplattform zu speichern und wiederzugewinnen, auf irgendeinen Typ von Datenbank und irgendeinen Typ von Datenspeicherungs- und -wiedergewinnungsplattform anwendbar. Die hierin beschriebenen Systeme und Verfahren stellen weiterhin ein mandantenfähiges System zur Verfügung, das eine Isolation von Computerressourcen und Daten zwischen unterschiedlichen Kunden/Klienten und zwischen unterschiedlichen Anwendern innerhalb desselben Kunden/Klienten unterstützt.
-
1 ist ein Blockdiagramm, das eine beispielhafte Ausführungsform einer neuen Datenverarbeitungsplattform100 darstellt. Wie es in1 gezeigt ist, ist ein Ressourcenmanager102 mit mehreren Anwendern104 ,106 und108 gekoppelt. Bei besonderen Implementierungen kann der Ressourcenmanager102 irgendeine Anzahl von Anwendern unterstützen, die einen Zugriff auf die Datenverarbeitungsplattform100 wünschen. Die Anwender104 -108 können beispielsweise Endanwender enthalten, die Datenspeicherungs- und -wiedergewinnungsanfragen zur Verfügung stellen, Systemadministratoren, die die hierin beschriebenen Systeme und Verfahren managen, und andere Komponenten/Vorrichtungen, die mit dem Ressourcenmanager102 interagieren. Der Ressourcenmanager102 stellt verschiedene Dienste und Funktionen zur Verfügung, die den Betrieb von allen Systemen und Komponenten innerhalb der Datenverarbeitungsplattform100 unterstützen. Der Ressourcenmanager102 , wie er hierin genannt wird, kann auch „globales Dienstsystem“ genannt werden, das verschiedene Funktionen durchführt, wie sie hierin diskutiert sind. - Der Ressourcenmanager
102 ist auch mit Metadaten110 gekoppelt, die mit der Gesamtheit von Daten assoziiert sind, die über die gesamte Datenverarbeitungsplattform100 hinweg gespeichert sind. Bei einigen Ausführungsformen enthalten die Metadaten110 eine Zusammenfassung von Daten, die in entfernten Datenspeichersystemen gespeichert sind, so wie Daten, die von einem lokalen Cache verfügbar sind. Zusätzlich können die Metadaten110 Information in Bezug darauf enthalten, wie Daten in den entfernten Datenspeichersystemen und den lokalen Caches organisiert sind. Die Metadaten110 lassen zu, dass Systeme und Dienste bestimmen, ob auf ein Datenstück zugegriffen werden muss, ohne die aktuellen Daten aus einer Speichervorrichtung zu laden oder auf diese zuzugreifen. - Der Ressourcenmanager
102 ist weiterhin mit einer Ausführungsplattform112 gekoppelt, die mehrere Computerressourcen zur Verfügung stellt, die verschiedene Datenspeicherungs- und Datenwiedergewinnungsaufgaben ausführen, wie es nachstehend noch ausführlicher diskutiert wird. Die Ausführungsplattform112 ist mit mehreren Datenspeichervorrichtungen116 ,118 und120 gekoppelt, die Teil einer Speicherplattform114 sind. Obwohl in1 drei Datenspeichervorrichtungen116 ,118 und120 gezeigt sind, kann die Ausführungsplattform112 mit irgendeiner Anzahl von Datenspeichervorrichtungen kommunizieren. Bei einigen Ausführungsformen sind die Datenspeichervorrichtungen116 ,118 und120 cloudbasierte Speichervorrichtungen, die an einem oder mehreren geographischen Standorten angeordnet sind. Beispielsweise können die Datenspeichervorrichtungen116 ,118 und120 Teil einer Infrastruktur eine öffentlichen Cloud (Public Cloud) oder einer Infrastruktur einer privaten Cloud (Private Cloud) sein. Die Datenspeichervorrichtungen116 ,118 und120 können Festplattenlaufwerke (HDDs), Festkörperlaufwerke (SSDs), Speichercluster, Amazon S3™-Speichersysteme oder irgendeine andere Datenspeichertechnologie sein. Zusätzlich kann die Speicherplattform114 verteilte Dateiensysteme (wie beispielsweise verteilte Hadoop-Datensysteme (HDFSS)), Objektspeichersysteme und ähnliches enthalten. - Bei bestimmten Ausführungsformen sind die Kommunikationsverbindungen zwischen dem Ressourcenmanager
102 und den Anwendern104 -108 , den Metadaten110 und der Ausführungsplattform112 über ein oder mehrere Datenkommunikationsnetzwerke implementiert. Gleichermaßen sind die Kommunikationsverbindungen zwischen der Ausführungsplattform112 und den Datenspeichervorrichtungen116 -120 in der Speicherplattform114 über ein oder mehrere Datenkommunikationsnetzwerke implementiert. Diese Datenkommunikationsnetzwerke können irgendein Kommunikationsprotokoll und irgendeinen Typ von Kommunikationsmedium verwenden. Bei einigen Ausführungsformen sind die Datenkommunikationsnetzwerke eine Kombination aus zwei oder mehr Datenkommunikationsnetzwerken (oder Unternetzwerken), die miteinander gekoppelt sind. Bei alternativen Ausführungsformen sind diese Kommunikationsverbindungen unter Verwendung von irgendeinem Typ von Kommunikationsmedium und irgendeinem Kommunikationsprotokoll implementiert. - Wie es in
1 gezeigt ist, sind die Datenspeichervorrichtungen116 ,118 und120 von den Computerressourcen entkoppelt, die mit der Ausführungsplattform112 assoziiert sind. Diese Architektur unterstützt dynamische Änderungen an der Datenverarbeitungsplattform100 basierend auf den sich ändernden Datenspeicherungs-/-wiedergewinnungsnotwendigkeiten sowie den Änderungsnotwendigkeiten der Anwender und Systeme, die auf die Datenverarbeitungsplattform100 zugreifen. Die Unterstützung von dynamischen Änderungen lässt zu, dass sich die Datenverarbeitungsplattform100 in Reaktion auf sich ändernde Anforderungen auf den Systemen und Komponenten innerhalb der Datenverarbeitungsplattform100 schnell skaliert. Die Entkopplung der Computerressourcen von den Datenspeichervorrichtungen unterstützt die Speicherung großer Mengen von Daten, ohne eine entsprechende große Menge von Computerressourcen zu erfordern. Gleichermaßen unterstützt diese Entkopplung von Ressourcen eine signifikante Erhöhung bezüglich der zu einer bestimmten Zeit verwendeten Computerressourcen, ohne eine entsprechende Erhöhung bezüglich der verfügbaren Datenspeicherressourcen zu erfordern. - Der Ressourcenmanager
102 , die Metadaten110 , die Ausführungsplattform112 und die Speicherplattform114 sind in1 als individuelle Komponenten gezeigt. Jedoch kann jedes von dem Ressourcenmanager102 , den Metadaten110 , der Ausführungsplattform112 und der Speicherplattform114 als ein verteiltes System (z.B. über mehrere Systeme/Plattformen an mehreren geographischen Standorten verteilt) implementiert sein. Zusätzlich kann jedes von dem Ressourcenmanager102 , den Metadaten110 , der Ausführungsplattform112 und der Speicherplattform114 in Abhängigkeit von Änderungen bei den von den Anwendern104 -108 empfangenen Anfragen und den sich ändernden Notwendigkeiten der Datenverarbeitungsplattform100 (unabhängig voneinander) vergrößert oder verkleinert werden. Somit ist die Datenverarbeitungsplattform100 bei den beschriebenen Ausführungsformen dynamisch und unterstützt reguläre Änderungen, um die aktuellen bzw. tatsächlichen Datenverarbeitungsnotwendigkeiten zu erfüllen. - Während eines typischen Betriebs verarbeitet die Datenverarbeitungsplattform
100 mehrere Anfragen (oder Aufforderungen), die von irgendeinem der Anwender104 -108 empfangen sind. Diese Anfragen werden durch den Ressourcenmanager102 gemanagt, um zu bestimmen, wann und wie die Anfragen auszuführen sind. Beispielsweise kann der Ressourcenmanager102 bestimmen, welche Daten nötig sind, um die Anfrage zu verarbeiten, und weiterhin bestimmen, welche Knoten innerhalb der Ausführungsplattform112 am besten geeignet sind, um die Anfrage zu verarbeiten. Einige Knoten können bereits die Daten im Cache gespeichert haben, die dazu nötig sind, die Anfrage zu verarbeiten, und sind daher gute Kandidaten zum Verarbeiten der Anfrage. Die Metadaten110 unterstützen den Ressourcenmanager102 beim Bestimmen, welche Knoten in der Ausführungsplattform112 bereits wenigstens einen Teilbereich der Daten im Cache haben, die dazu nötig sind, die Anfrage zu verarbeiten. Ein oder mehrere Knoten in der Ausführungsplattform112 verarbeitet oder verarbeiten die Anfrage unter Verwendung von Daten, die durch die Knoten im Cache gespeichert sind, und, wenn es nötig ist, von Daten, die aus der Speicherplattform114 wiedergewonnen sind. Es ist erwünscht, so viele Daten wie möglich aus Caches innerhalb der Ausführungsplattform112 wiederzugewinnen, weil die Wiedergewinnungsgeschwindigkeit typischerweise viel schneller als ein Wiedergewinnen von Daten aus der Speicherplattform114 ist. - Wie es in
1 gezeigt ist, trennt die Datenverarbeitungsplattform100 die Ausführungsplattform112 von der Speicherplattform114 . Bei dieser Anordnung arbeiten die Verarbeitungsressourcen und Cacheressourcen in der Ausführungsplattform112 unabhängig von den Datenspeicherressourcen116-120 in der Speicherplattform114 . Somit sind die Computerressourcen und Cacheressourcen nicht auf spezifische Datenspeicherressourcen116-120 beschränkt. Stattdessen können alle Computerressourcen und alle Cacheressourcen Daten aus irgendeiner der Datenspeicherressourcen in der Speicherplattform114 wiedergewinnen und Daten dorthin speichern. Zusätzlich unterstützt die Datenverarbeitungsplattform100 das Hinzufügen von neuen Computerressourcen und Cacheressourcen zu der Ausführungsplattform112 , ohne irgendwelche Änderungen an der Speicherplattform114 zu erfordern. Gleichermaßen unterstützt die Verarbeitungsplattform100 das Hinzufügen von Datenspeicherressourcen zu der Speicherplattform114 , ohne irgendwelche Änderungen an Knoten in der Ausführungsplattform112 zu erfordern. -
2 ist ein Blockdiagramm, das eine Ausführungsform des Ressourcenmanagers102 darstellt. Wie es in2 gezeigt ist, enthält der Ressourcenmanager102 einen Zugriffsmanager202 und einen Schlüsselmanager204 , die mit einer Datenspeichervorrichtung206 gekoppelt sind. Der Zugriffsmanager202 handhabt Authentifizierungs- und Autorisierungsaufgaben für die hierin beschriebenen Systeme. Der Schlüsselmanager204 managt ein Speichern und eine Authentifizierung von Schlüsseln, die während Authentifizierungs- und Autorisierungsaufgaben verwendet werden. Beispielsweise managen der Zugriffsmanager202 und der Schlüsselmanager204 die Schlüssel, die dazu verwendet werden, auf Daten zuzugreifen, die in entfernten Speichervorrichtungen (z.B. Datenspeichervorrichtungen in der Speicherplattform114 ) gespeichert sind. Wie es hierin verwendet ist, können die entfernten Speichervorrichtungen auch „persistente Speichervorrichtungen“ genannt werden. Ein Aufforderungsverarbeitungsdienst208 managt empfangene Datenspeicheraufforderungen und Datenwiedergewinnungsaufforderungen (z.B. Datenbankanfragen). Beispielsweise kann der Aufforderungsverarbeitungsdienst208 die Daten bestimmen, die dazu nötig sind, die empfangene Datenspeicheraufforderung oder Datenwiedergewinnungsaufforderung zu verarbeiten. Die nötigen Daten können in einem Cache innerhalb der Ausführungsplattform112 (wie es nachstehend noch ausführlicher diskutiert wird) oder in einer Datenspeichervorrichtung in der Speicherplattform114 gespeichert werden. Der Aufforderungsverarbeitungsdienst208 kann unter Verwendung eines „Aufforderungsverarbeitungsmoduls“ implementiert sein. Ein Managementkonsolendienst210 unterstützt einen Zugriff auf verschiedene Systeme und Prozesse durch Administratoren und andere Systemmanager. Zusätzlich kann der Managementkonsolendienst210 Aufforderungen von den Anwendern104 -108 empfangen, um Anfragen auszugeben und um die Arbeitsbelastung auf dem System zu überwachen. Der Managementkonsolendienst210 kann unter Verwendung eines „Managementkonsolenmoduls“ implementiert sein. Bei einigen Ausführungsformen kann ein bestimmter Anwender eine Aufforderung ausgeben, die Arbeitsbelastung zu überwachen, die seine spezifische Anfrage auf dem System platziert. - Der Ressourcenmanager
102 enthält auch einen SQL-Compiler212 , einen SQL-Optimierer214 und einen SQL-Ausführer210 . Der SQL-Compiler212 parst SQL-Anfragen und erzeugt den Ausführungscode für die Anfragen. Der SQL-Optimierer214 bestimmt das beste Verfahren zum Ausführen von Anfragen basierend auf den Daten, die verarbeitet werden müssen. Der SQL-Optimierer214 handhabt auch verschiedene Datenbeschneidungsoperationen bzw. Daten-Pruning-Operationen und andere Datenoptimierungstechniken, um die Geschwindigkeit und die Effizienz zum Ausführen der SQL-Anfrage zu verbessern. Der SQL-Ausführer216 führt den Anfragecode für durch den Ressourcenmanager102 empfangene Anfragen aus. - Ein Anfrageplaner und -koordinator
218 sendet empfangene Anfragen zu den geeigneten Diensten oder Systemen zur Kompilation, Optimierung und Abfertigung zu der Ausführungsplattform112 . Beispielsweise können Anfragen priorisiert und in dieser priorisierten Reihenfolge verarbeitet werden. Bei einigen Ausführungsformen identifiziert der Anfrageplaner und -koordinator218 bestimmte Knoten in der Ausführungsplattform112 oder ordnet sie zu, um bestimmte Anfragen zu verarbeiten. Ein Manager für ein virtuelles Lager220 managt die Operation bzw. den Betrieb von mehreren virtuellen Lagern, die in der Ausführungsplattform112 implementiert sind. Wie es nachstehend diskutiert ist, enthält jedes virtuelle Lager mehrere Ausführungsknoten, die jeweils einen Cache und einen Prozessor enthalten. - Zusätzlich enthält der Ressourcenmanager
102 eine Konfigurations- und Metadatenmanager222 , der die Information in Bezug auf die Daten managt, die in den entfernten Datenspeichervorrichtungen und in den lokalen Caches (d.h. den Caches in der Ausführungsplattform112 ) gespeichert sind. Wie es nachstehend noch ausführlicher diskutiert wird, verwendet der Konfigurations- und Metadatenmanager222 die Metadaten, um zu bestimmen, auf welche Datendateien zugegriffen werden muss, um Daten zur Verarbeitung einer bestimmten Anfrage wiederzugewinnen. Ein Überwachungs- und Arbeitsbelastungsanalysator224 überblickt die durch den Ressourcenmanager102 durchgeführten Prozesse und managt die Verteilung von Aufgaben (z.B. Arbeitsbelastung) quer über die virtuellen Lager und Ausführungsknoten in der Ausführungsplattform112 . Der Überwachungs- und Arbeitsbelastungsanalysator224 verteilt Aufgaben auch neu, wie es nötig ist, basierend auf sich ändernden Arbeitsbelastungen in der gesamten Datenverarbeitungsplattform100 . Der Konfigurations- und Metadatenmanager222 und der Überwachungs- und Arbeitsbelastungsanalysator224 sind mit einer Datenspeichervorrichtung226 gekoppelt. Die Datenspeichervorrichtungen206 und226 in2 stellen irgendeine Datenspeichervorrichtung innerhalb der Datenverarbeitungsplattform100 dar. Beispielsweise können die Datenspeichervorrichtungen206 und226 Caches in der Ausführungsplattform112 , Speichervorrichtungen in der Speicherplattform114 oder irgendeine andere Speichervorrichtung darstellen. - Der Ressourcenmanager
102 enthält auch ein Transaktionsmanagement- und Zugriffssteuermodul228 , das die verschiedenen Aufgaben und andere mit der Verarbeitung von Datenspeicheraufforderungen und Datenzugriffsaufforderungen assoziierte Aktivitäten managt. Beispielsweise stellt das Transaktionsmanagement- und Zugriffssteuermodul228 einen konsistenten und synchronisierten Zugriff auf Daten durch mehrere Anwender oder Systeme zur Verfügung. Da mehrere Anwender/Systeme auf dieselben Daten gleichzeitig zugreifen können, müssen Änderungen an den Daten synchronisiert werden, um sicherzustellen, dass jeder Anwender/jedes System mit der aktuellen Version der Daten arbeitet. Das Transaktionsmanagement- und Zugriffssteuermodul228 stellt eine Steuerung von verschiedenen Datenverarbeitungsaktivitäten bei einer einzelnen zentralisierten Stelle im Ressourcenmanager102 zur Verfügung. Bei einigen Ausführungsformen interagiert das Transaktionsmanagement- und Zugriffssteuermodul228 mit dem SQL-Ausführer216 , um das Management von verschiedenen Aufgaben zu unterstützen, die durch den SQL-Ausführer216 ausgeführt werden. -
3 ist ein Blockdiagramm, das eine Ausführungsform einer Ausführungsplattform112 darstellt. Wie es in3 gezeigt ist, enthält die Ausführungsplattform112 mehrere virtuelle Lager302 ,304 und306 . Jedes virtuelle Lager enthält mehrere Ausführungsknoten, die jeweils einen Datencache und einen Prozessor enthalten. Die virtuellen Lager302 ,304 und306 können mehrere Anfragen (und andere Aufgaben) durch Verwenden der mehreren Ausführungsknoten parallel ausführen. Wie es hierin diskutiert ist, kann die Ausführungsplattform112 basierend auf den aktuellen Verarbeitungsnotwendigkeiten der Systeme und Anwender in Echtzeit neue virtuelle Lager hinzufügen und existierende virtuelle Lager fallenlassen. Diese Flexibilität lässt zu, dass die Ausführungsplattform112 große Mengen von Computerressourcen schnell nutzt, wenn es nötig ist, ohne dazu gezwungen zu sein, ein Bezahlen für diese Computerressourcen fortzusetzen, wenn sie nicht länger benötigt werden. Alle virtuellen Lager können auch auf Daten von irgendeiner Datenspeichervorrichtung (z.B. irgendeiner Speichervorrichtung in der Speicherplattform114 ) zugreifen. - Obwohl jedes virtuelle Lager
302-306 , die in3 gezeigt sind, drei Ausführungsknoten enthält, kann ein bestimmtes virtuelles Lager irgendeine Anzahl von Ausführungsknoten enthalten. Weiterhin ist die Anzahl von Ausführungsknoten in einem virtuellen Lager dynamisch, so dass neue Ausführungsknoten erzeugt werden, wenn ein zusätzlicher Bedarf vorhanden ist, und existierende Ausführungsknoten gelöscht werden, wenn sie nicht länger nötig sind. - Jedes virtuelle Lager
302-306 kann auf irgendeine der Datenspeichervorrichtungen116-120 zugreifen, die in1 gezeigt sind. Somit sind die virtuellen Lager302-306 nicht notwendigerweise einer spezifischen Datenspeichervorrichtung116-120 zugeordnet und können stattdessen auf Daten von irgendeiner der Datenspeichervorrichtungen116-120 zugreifen. Gleichermaßen kann jeder der in3 gezeigten Ausführungsknoten auf Daten von irgendeiner der Datenspeichervorrichtungen116-120 zugreifen. Bei einigen Ausführungsformen kann ein bestimmtes virtuelles Lager oder ein bestimmter Ausführungsknoten temporär einer spezifischen Datenspeichervorrichtung zugeordnet sein, aber das virtuelle Lager oder der Ausführungsknoten kann später auf Daten von irgendeiner anderen Datenspeichervorrichtung zugreifen. - Bei dem Beispiel der
3 enthält das virtuelle Lager302 drei Ausführungsknoten308 ,310 und312 . Der Ausführungsknoten308 enthält einen Cache314 und einen Prozessor316 . Der Ausführungsknoten310 enthält einen Cache318 und einen Prozessor320 . Der Ausführungsknoten312 enthält einen Cache322 und einen Prozessor324 . Jeder Ausführungsknoten308-312 ist mit einer Verarbeitung von einem oder mehreren von einer oder mehreren von Datenspeicher- und/oder Datenwiedergewinnungsaufgaben assoziiert. Zum Beispiel kann ein bestimmtes virtuelles Lager mit einem bestimmten Anwender oder Kunden assoziierte Datenspeicher- und Datenwiedergewinnungsaufgaben handhaben. Bei anderen Implementierungen kann ein bestimmtes virtuelles Lager mit einem bestimmten Datenspeichersystem oder einer bestimmten Kategorie von Daten assoziierte Datenspeicher- und Datenwiedergewinnungsaufgaben handhaben. - Gleich dem oben diskutierten virtuellen Lager
302 enthält das virtuelle Lager304 drei Ausführungsknoten326 ,328 und330 . Der Ausführungsknoten326 enthält einen Cache332 und einen Prozessor334 . Der Ausführungsknoten328 enthält einen Cache336 und einen Prozessor338 . Der Ausführungsknoten330 enthält einen Cache340 und einen Prozessor342 . Zusätzlich enthält das virtuelle Lager306 drei Ausführungsknoten344 ,346 und348 . Der Ausführungsknoten344 enthält einen Cache350 und einen Prozessor352 . Der Ausführungsknoten346 enthält einen Cache354 und einen Prozessor356 . Der Ausführungsknoten348 enthält einen Cache358 und einen Prozessor360 . - Bei einigen Ausführungsformen sind die in
3 gezeigten Ausführungsknoten zustandslos in Bezug auf die Daten und sind die Ausführungsknoten als Cache speichernd bzw. zwischenspeichernd. Beispielsweise speichern diese Ausführungsknoten Zustandsinformation über den Ausführungsknoten oder die Daten, die gerade durch einen bestimmten Ausführungsknoten im Cache gespeichert sind, nicht oder behalten diese nicht auf andere Weise bei. Somit kann in dem Fall eines Ausführungsknotenfehlers bzw. -ausfalls der Knoten mit Fehler bzw. ausgefallene Knoten transparent durch einen anderen Knoten ersetzt werden. Da es keine mit dem fehlgeschlagenen Ausführungsknoten assoziierte Zustandsinformation gibt, kann der neue (Austausch- bzw. Ersatz-)Ausführungsknoten auf einfache Weise den fehlgeschlagenen Knoten ersetzen, ohne sich um eine Wiedererstellung eines bestimmten Zustands zu kümmern. - Obwohl die in
3 gezeigten Ausführungsknoten jeweils einen Datencache und einen Prozessor enthalten, können alternative Ausführungsformen Ausführungsknoten enthalten, die irgendeine Anzahl von Prozessoren und irgendeine Anzahl von Caches enthalten. Zusätzlich können die Caches bezüglich einer Größe zwischen den unterschiedlichen Ausführungsknoten variieren. Die in3 gezeigten Caches speichern in dem lokalen Ausführungsknoten Daten, die aus einer oder mehreren Datenspeichervorrichtungen in der Speicherplattform114 wiedergewonnen wurden (1 ). Somit reduzieren oder eliminieren die Caches die Engpassprobleme, die bei Plattformen auftreten, die Daten aus entfernten Speichersystemen konsistent wiedergewinnen. Anstelle eines wiederholten Zugreifens auf Daten von den entfernten Speichervorrichtungen greifen die hierin beschriebenen Systeme und Verfahren auf Daten aus den Caches in den Ausführungsknoten zu, was signifikant schneller ist und das oben diskutierte Engpassproblem vermeidet. Bei einigen Ausführungsformen sind die Caches unter Verwendung von Hochgeschwindigkeitsspeichervorrichtungen implementiert, die einen schnellen Zugriff auf die im Cache gespeicherten Daten zur Verfügung stellen. Jeder Cache kann Daten von irgendeiner der Speichervorrichtungen in der Speicherplattform114 speichern. - Weiterhin können die Cacheressourcen und die Computerressourcen zwischen unterschiedlichen Ausführungsknoten variieren. Beispielsweise kann ein Ausführungsknoten signifikante Computerressourcen und minimale Cacheressourcen enthalten, was den Ausführungsknoten nützlich für Aufgaben macht, die signifikante Computerressourcen erfordern. Ein anderer Ausführungsknoten kann signifikante Cacheressourcen und minimale Computerressourcen enthalten, was diesen Ausführungsknoten nützlich für Aufgaben macht, die eine Speicherung von großen Mengen von Daten in Caches erfordern. Noch ein weiterer Ausführungsknoten kann Cacheressourcen enthalten, die schnellere Eingabe-Ausgabe-Operationen zur Verfügung stellen, was nützlich für Aufgaben ist, die ein schnelles Scannen von großen Mengen von Daten erfordern. Bei einigen Ausführungsformen werden die mit einem bestimmten Ausführungsknoten assoziierten Cacheressourcen und Computerressourcen dann, wenn der Ausführungsknoten erzeugt wird, basierend auf den erwarteten durch den Ausführungsknoten durchzuführenden Aufgaben bestimmt.
- Zusätzlich können sich die mit einem bestimmten Ausführungsknoten assoziierten Cacheressourcen und Computerressourcen im Verlaufe der Zeit basierend auf durch den Ausführungsknoten durchgeführten sich ändernden Aufgaben ändern. Beispielsweise können einem bestimmten Ausführungsknoten mehr Verarbeitungsressourcen zugeordnet werden, wenn die durch den Ausführungsknoten durchgeführten Aufgaben mehr prozessorintensiv werden. Gleichermaßen können einem Ausführungsknoten mehr Cacheressourcen zugeordnet werden, wenn die durch den Ausführungsknoten durchgeführten Aufgaben eine größere Cachekapazität erfordern.
- Obwohl virtuelle Lager
302-306 mit derselben Ausführungsplattform112 assoziiert sind, können die virtuellen Lager unter Verwendung von mehreren Computersystemen an mehreren geographischen Standorten implementiert sein. Beispielsweise kann das virtuelle Lager302 durch ein Computersystem an einem ersten geographischen Standort implementiert sein, während die virtuellen Lager304 und306 durch ein weiteres Computersystem an einem zweiten geographischen Standort implementiert sind. Bei einigen Ausführungsformen sind diese unterschiedlichen Computersysteme cloudbasierte Computersysteme, die durch eine oder mehrere unterschiedliche Einheiten gewartet werden. - Zusätzlich ist jedes virtuelle Lager in
3 derart gezeigt, dass es mehrere Ausführungsknoten hat. Die mit jedem virtuellen Lager assoziierten mehreren Ausführungsknoten können unter Verwendung von mehreren Computersystemen an mehreren geographischen Standorten implementiert sein. Beispielsweise implementiert ein besonderer Fall eines virtuellen Lagers302 Ausführungsknoten308 und310 auf einer Computerplattform an einem bestimmten geographischen Standort und implementiert den Ausführungsknoten312 auf einer anderen Computerplattform an einem anderen geographischen Standort. Ein Auswählen von bestimmten Computersystemen, um einen Ausführungsknoten zu implementieren, kann von verschiedenen Faktoren abhängen, wie beispielsweise dem Ausmaß von Ressourcen, die für einen bestimmten Ausführungsknoten nötig sind (z.B. Verarbeitungsressourcenerfordernissen und Cacheerfordernissen), den Ressourcen, die bei bestimmten Computersystemen verfügbar sind, Kommunikationsfähigkeiten von Netzwerken innerhalb eines geographischen Standorts oder zwischen geographischen Standorten und welche Computersysteme bereits andere Ausführungsknoten in dem virtuellen Lager implementieren. - Die Ausführungsplattform
112 ist auch fehlertolerant. Wenn beispielsweise ein virtuelles Lager einen Fehler hat bzw. ausfällt, wird dieses virtuelle Lager schnell durch ein anderes virtuelles Lager an einem anderen geographischen Standort ersetzt. - Eine bestimmte Ausführungsplattform
112 kann irgendeine Anzahl von virtuellen Lagern302-306 enthalten. Zusätzlich ist die Anzahl von virtuellen Lagern in einer bestimmten Ausführungsplattform dynamisch, so dass neue virtuelle Lager erzeugt werden, wenn zusätzliche Verarbeitungs- und/oder Cacheressourcen nötig sind. Gleichermaßen können existierende virtuelle Lager gelöscht werden, wenn die mit dem virtuellen Lager assoziierten Ressourcen nicht länger nötig sind. - Bei einigen Ausführungsformen können die virtuellen Lager
302 ,304 und306 an denselben Daten in der Speicherplattform114 arbeiten, aber jedes virtuelle Lager hat seine eigenen Ausführungsknoten mit unabhängigen Verarbeitungs- und Cacheressourcen. Diese Konfiguration lässt zu, dass Aufforderungen an unterschiedliche virtuelle Lager unabhängig und ohne Beeinträchtigung zwischen den Aufforderungen verarbeitet werden. Diese unabhängige Verarbeitung, kombiniert mit der Fähigkeit, virtuelle Lager dynamisch hinzuzufügen und zu entfernen, unterstützt das Hinzufügen von neuer Verarbeitungskapazität für neue Anwender, ohne die Leistungsfähigkeit zu beeinträchtigen, die durch die existierenden Anwender beobachtet wird. -
4 ist ein Blockdiagramm, das eine beispielhafte Betriebsumgebung400 mit mehreren Anwendern darstellt, die über mehrere virtuelle Lager auf mehrere Datenbanken zugreifen. In der Umgebung400 greifen mehrere Anwender402 ,404 und406 über mehrere virtuelle Lager408 ,410 und412 auf mehrere Datenbanken414 ,416 ,418 ,420 ,422 und424 zu. Obwohl es in4 nicht gezeigt ist, können die Anwender402 ,404 und406 auf die virtuellen Lager408 ,410 und412 über den Ressourcenmanager102 (1 ) zugreifen. Bei bestimmten Ausführungsformen sind Datenbanken414-424 in der Speicherplattform114 (1 ) enthalten und durch irgendein in der Ausführungsplattform112 implementiertes virtuelles Lager zugreifbar. Bei einigen Ausführungsformen greifen die Anwender402 -406 auf eines der virtuellen Lager408-412 unter Verwendung eines Datenkommunikationsnetzwerks, wie beispielsweise das Internet, zu. Bei einigen Implementierungen spezifiziert jeder Anwender402-406 ein bestimmtes virtuelles Lager408-412 , um zu einer spezifischen Zeit mit ihm zu arbeiten. Bei dem Beispiel der4 interagiert der Anwender402 mit dem virtuellen Lager408 , interagiert der Anwender404 mit dem virtuellen Lager410 und interagiert der Anwender406 mit dem virtuellen Lager412 . Somit reicht der Anwender402 Datenwiedergewinnungs- und Datenspeicheraufforderungen über das virtuelle Lager408 ein. Gleichermaßen reichen die Anwender404 und406 Datenwiedergewinnungs- und Datenspeicheraufforderungen jeweils über die virtuellen Lager410 und412 ein. - Jedes virtuelle Lager
408-412 ist konfiguriert, um mit einer Untergruppe von allen Datenbanken414-424 zu kommunizieren. Beispielsweise ist in der Umgebung400 das virtuelle Lager408 konfiguriert, um mit den Datenbanken414 ,416 und422 zu kommunizieren. Gleichermaßen ist das virtuelle Lager410 konfiguriert, um mit den Datenbanken416 ,418 ,420 und424 zu kommunizieren. Und das virtuelle Lager412 ist konfiguriert, um mit den Datenbanken416 ,422 und424 zu kommunizieren. Bei alternativen Ausführungsformen kommuniziert oder kommunizieren eines oder mehrere der virtuellen Lager408-412 mit allen von den Datenbanken414-424 . Die in4 gezeigte Anordnung lässt zu, dass einzelne Anwender alle Datenwiedergewinnungs- und Datenspeicheraufforderungen über ein einziges virtuelles Lager senden. Dieses virtuelle Lager verarbeitet die Datenwiedergewinnungs- und Datenspeicheraufgaben unter Verwendung von im Cache gespeicherten Daten innerhalb von einem der Ausführungsknoten in dem virtuellen Lager oder gewinnt die nötigen Daten aus einer geeigneten Datenbank wieder (und speichert sie im Cache). Das Abbilden zwischen den virtuellen Lagern ist ein logisches Abbilden, kein hardwaremäßiges Abbilden. Dieses logische Abbilden basiert auf Zugriffssteuerparametern in Bezug auf Sicherheits- und Ressourcenzugriffsmanagementeinstellungen. Die logischen Abbildungen werden auf einfache Weise geändert, ohne eine Rekonfiguration der virtuellen Lager oder der Speicherressourcen zu erfordern. - Obwohl die Umgebung
400 virtuelle Lager408-412 zeigt, die konfiguriert sind, um mit spezifischen Untergruppen von Datenbanken414-424 zu kommunizieren, ist diese Konfiguration dynamisch. Zum Beispiel kann das virtuelle Lager408 rekonfiguriert werden, um mit einer anderen Untergruppe von Datenbanken414-424 zu kommunizieren, basierend auf sich ändernden Aufgaben, um durch das virtuelle Lager408 durchgeführt zu werden. Beispielsweise dann, wenn das virtuelle Lager408 Aufforderungen empfängt, auf Daten von der Datenbank418 zuzugreifen, kann das virtuelle Lager408 rekonfiguriert werden, um auch mit der Datenbank418 zu kommunizieren. Wenn es das virtuelle Lager408 zu einer späteren Zeit nicht länger nötig hat, auf Daten von der Datenbank418 zuzugreifen, kann das virtuelle Lager408 rekonfiguriert werden, um die Kommunikation mit der Datenbank418 zu löschen. -
5 ist ein Blockdiagramm, das eine weitere beispielhafte Betriebsumgebung500 mit mehreren Anwendern darstellt, die auf mehrere Datenbanken über einen Lastausgleicher und in einer virtuellen Lagergruppe enthaltene mehrere virtuelle Lager zugreifen. Die Umgebung500 ist ähnlich der Umgebung400 (4 ), enthält aber zusätzlich einen Ressourcenmanager508 für virtuelle Lager und mehrere virtuelle Lager510 ,512 und514 , die in einer virtuellen Lagergruppe516 angeordnet sind. Der Ressourcenmanager508 für virtuelle Lager kann im Ressourcenmanager102 enthalten sein. Insbesondere greifen mehrere Anwender502 ,504 und506 auf mehrere Datenbanken518 ,520 ,522 ,524 ,526 und528 über den Ressourcenmanager508 für virtuelle Lager und die virtuelle Lagergruppe516 zu. Bei einigen Ausführungsformen greifen die Anwender502-506 auf den Ressourcenmanager508 für virtuelle Lager unter Verwendung eines Datenkommunikationsnetzwerks, wie beispielsweise das Internet, zu. Obwohl es in5 nicht gezeigt ist, können die Anwender502 ,504 und506 auf den Ressourcenmanager508 für virtuelle Lager über den Ressourcenmanager102 (1 ) zugreifen. Bei einigen Ausführungsformen ist der Ressourcenmanager508 für virtuelle Lager innerhalb des Ressourcenmanagers102 implementiert. - Die Anwender
502-506 können Datenwiedergewinnungs- und Datenspeicheraufforderungen zu dem Ressourcenmanager508 für virtuelle Lager einreichen, der die Datenwiedergewinnungs- und Datenspeicheraufforderungen zu einem geeigneten virtuellen Lager510-514 in der virtuellen Lagergruppe516 weiterleitet. Bei einigen Implementierungen stellt der Ressourcenmanager508 für virtuelle Lager eine dynamische Zuordnung der Anwender502-506 zu den virtuellen Lagern510-514 zur Verfügung. Wenn sie eine Datenwiedergewinnungs- oder Datenspeicheraufforderung einreichen, können die Anwender502-506 die virtuelle Lagergruppe516 spezifizieren, um die Aufforderung zu verarbeiten, ohne das bestimmte virtuelle Lager510-514 zu spezifizieren, das die Aufforderung verarbeiten wird. Diese Anordnung lässt zu, dass der Ressourcenmanager508 für virtuelle Lager mehrere Aufforderungen basierend auf einer Effizienz, verfügbaren Ressourcen und der Verfügbarkeit von in Cache gespeicherten Daten innerhalb der virtuellen Lager510-514 quer über die virtuellen Lager510-514 verteilt. Wenn er bestimmt, wie Datenverarbeitungsaufforderungen weiterzuleiten sind, berücksichtigt der Ressourcenmanager508 für virtuelle Lager verfügbare Ressourcen, aktuelle Ressourcenbelastungen, eine Anzahl von aktuellen Anwendern und ähnliches. - Bei einigen Ausführungsformen erzeugen Fehlertoleranzsysteme ein neues virtuelles Lager in Reaktion auf einen Fehler bzw. Ausfall eines virtuellen Lagers. Das neue virtuelle Lager kann in derselben virtuellen Lagergruppe sein oder kann in einer anderen virtuellen Lagergruppe an einem anderen geographischen Standort erzeugt werden.
- Jedes virtuelle Lager
510-514 ist konfiguriert, um mit einer Untergruppe von allen Datenbanken518-528 zu kommunizieren. Zum Beispiel ist das virtuelle Lager510 in der Umgebung500 konfiguriert, um mit den Datenbanken518 ,520 und526 zu kommunizieren. Gleichermaßen ist das virtuelle Lager512 konfiguriert, um mit den Datenbanken520 ,522 ,524 und528 zu kommunizieren. Und das virtuelle Lager514 ist konfiguriert, um mit den Datenbanken520 ,526 und528 zu kommunizieren. Bei alternativen Ausführungsformen können die virtuellen Lager510-514 mit irgendwelchen (oder allen) der Datenbanken518-528 kommunizieren. - Obwohl die Umgebung
500 eine virtuelle Lagergruppe516 zeigt, können alternative Ausführungsformen irgendeine Anzahl von virtuellen Lagergruppen enthalten, wobei jede mit irgendeiner Anzahl von virtuellen Lagern assoziiert ist. Zum Beispiel können unterschiedliche virtuelle Lager für jeden Kunden oder eine Gruppe von Anwendern erzeugt werden. Zusätzlich können unterschiedliche Lager für unterschiedliche Einheiten oder irgendeine andere Gruppe, die auf unterschiedliche Datensätze zugreift, erzeugt werden. Mehrere virtuelle Lagergruppen können unterschiedliche Größen und Konfigurationen haben. Die Anzahl von virtuellen Lagergruppen in einer bestimmten Umgebung ist dynamisch und kann sich basierend auf den sich ändernden Notwendigkeiten der Anwender und anderer Systeme in der Umgebung ändern. -
6 ist ein Blockdiagramm, das eine weitere beispielhaften Betriebsumgebung600 zeigt, die mehrere verteilte virtuelle Lager und virtuelle Lagergruppen hat. Die Umgebung600 enthält den Ressourcenmanager102 , der mit den virtuellen Lagergruppen604 und606 über ein Datenkommunikationsnetzwerk602 kommuniziert. Die Lagergruppe604 enthält zwei virtuelle Lager608 und610 und die Lagergruppe606 enthält weitere zwei virtuelle Lager614 und616 . Der Ressourcenmanager102 kommuniziert auch mit dem virtuellen Lager612 (das nicht Teil einer virtuellen Lagergruppe ist) über das Datenkommunikationsnetzwerk602 . - Die virtuellen Lagergruppen
604 und606 sowie das virtuelle Lager612 kommunizieren mit Datenbanken620 ,622 und624 über ein Datenkommunikationsnetzwerk618 . Bei einigen Ausführungsformen sind die Datenkommunikationsnetzwerke602 und618 dasselbe Netzwerk. Die Umgebung600 lässt zu, dass der Ressourcenmanager102 Anwenderdatenspeicherungs- und -wiedergewinnungsaufforderungen quer über die mehreren virtuellen Lager608-616 koordiniert, um Daten in den Datenbanken620-624 zu speichern und wiederzugewinnen. Die virtuellen Lagergruppen604 und606 können in demselben geographischen Bereich angeordnet sein oder können geographisch getrennt sein. Zusätzlich können die virtuellen Lagergruppen604 und606 durch dieselbe Einheit oder durch unterschiedliche Einheiten implementiert sein. - Die hierin beschriebenen Systeme und Verfahren lassen zu, dass Daten, die gespeichert werden sollen und auf die zugegriffen werden soll als Service, getrennt von Computer- (oder Verarbeitungs-)Ressourcen sind. Selbst wenn keine Computerressourcen von der Ausführungsplattform zugeteilt worden sind, sind Daten für ein virtuelles Lager verfügbar, ohne ein erneutes Laden der Daten von einer entfernten Datenquelle zu erfordern. Somit sind Daten unabhängig von der Zuteilung von mit den Daten assoziierten Computerressourcen verfügbar. Die beschriebenen Systeme und Verfahren sind nützlich mit irgendeinem Typ von Daten. Bei bestimmten Ausführungsformen werden Daten in einem strukturierten, optimierten Format gespeichert. Die Entkopplung des Datenspeichers/Zugriffsdienstes von den Computerdiensten vereinfacht auch das gemeinsame Nutzen bzw. Teilen von Daten unter unterschiedlichen Anwendern und Gruppen. Wie es hierin diskutiert ist, kann jedes virtuelle Lager auf irgendwelche Daten zugreifen, zu welchen es Zugriffserlaubnisse hat, selbst zur gleichen Zeit, zu welcher andere virtuellen Lager auf dieselben Daten zugreifen. Diese Architektur unterstützt laufende Anfragen ohne irgendwelche im lokalen Cache gespeicherten tatsächlichen Daten. Die hierin beschriebenen Systeme und Verfahren sind auf eine Weise, die für den Anwender des Systems transparent ist, zu einer transparenten dynamischen Datenbewegung fähig, welche Daten von einer entfernten Speichervorrichtung zu einem lokalen Cache bewegt, wie es nötig ist. Weiterhin unterstützt diese Architektur ein gemeinsames Nutzen bzw. Teilen von Daten ohne eine vorherige Datenbewegung, da aufgrund der Entkopplung des Datenspeicherdienstes vom Computerdienst irgendein virtuelles Lager auf irgendwelche Daten zugreifen kann.
-
7 ist ein Ablaufdiagramm, das eine Ausführungsform eines Verfahrens700 zum Managen von Datenspeicherungs- und -wiedergewinnungsoperationen darstellt. Zu Anfang empfängt das Verfahren700 bei702 eine Anweisung, eine Aufforderung oder eine Anfrage von einem Anwender. Eine Anweisung ist irgendeine Aufforderung oder ein Befehl, um eine datenbezogene Operation durchzuführen. Beispielhafte Anweisungen enthalten Datenwiedergewinnungsaufforderungen, Datenspeicherungsaufforderungen, Datenübertragungsaufforderungen, Datenanfragen und ähnliches. Bei einigen Ausführungsformen ist die Anweisung als eine SQL-Anweisung implementiert. Ein Ressourcenmanager erzeugt einen Anfragekoordinierer bei704 , um die empfangene Anweisung zu managen. Beispielsweise managt der Anfragekoordinator die verschiedenen Aufgaben, die dazu nötig sind, die empfangene Anweisung zu verarbeiten, einschließlich eines Interagierens mit einer Ausführungsplattform und einer oder mehreren Datenspeichervorrichtungen. Bei einigen Ausführungsformen ist der Anfragekoordinator eine temporäre Routine, die spezifisch erzeugt ist, um die empfangene Anweisung zu managen. - Das Verfahren
700 fährt fort, indem der Ressourcenmanager bei706 mehrere Aufgaben bestimmt, die dazu nötig sind, die empfangene Anweisung zu verarbeiten. Die mehreren Aufgaben können beispielsweise ein Zugreifen auf Daten aus einem Cache in einem Ausführungsknoten, ein Wiedergewinnen von Daten aus einer entfernten Speichervorrichtung, ein Updaten von Daten in einem Cache, ein Speichern von Daten in einer entfernten Speichervorrichtung und ähnliches enthalten. Der Ressourcenmanager verteilt bei708 auch die mehreren Aufgaben auf Ausführungsknoten in der Ausführungsplattform. Wie es hierin diskutiert ist, sind die Ausführungsknoten in der Ausführungsplattform innerhalb von virtuellen Lagern implementiert. Bei710 führt jeder Ausführungsknoten eine zugeordnete Aufgabe durch und bringt ein Aufgabenergebnis zum Ressourcenmanager zurück. Bei einigen Ausführungsformen bringen die Ausführungsknoten die Aufgabenergebnisse zum Anfragekoordinator zurück. Bei712 empfängt der Ressourcenmanager die mehreren Aufgabenergebnisse und erzeugt ein Anweisungsergebnis und kommuniziert bei714 das Anweisungsergebnis zum Anwender. Bei einigen Ausführungsformen wird der Anfragekoordinator gelöscht, nachdem das Anweisungsergebnis zum Anwender kommuniziert ist. -
8 ist ein Ablaufdiagramm, das eine Ausführungsform eines Verfahrens800 zum Bereitstellen von neuen virtuellen Lagern darstellt. Anfangs überwacht ein Ressourcenmanager (z.B. der Ressourcenmanager102 ) bei802 von mehreren Anwendern empfangene Datenverarbeitungsaufforderungen. Wie es hierin diskutiert ist, können diese Datenverarbeitungsaufforderungen Datensuchanfragen, Datenleseaufforderungen, Datenschreibaufforderungen und ähnliches enthalten. Der Ressourcenmanager überwacht bei804 auch eine gegenwärtige bzw. aktuelle Ressourcennutzung, Anfragereaktionsraten, eine Anzahl von Anwendern, die mit einem jeweiligen virtuellen Lager interagieren, und andere Leistungskennzahlen für die existierenden virtuellen Lager. Die aktuelle Ressourcennutzung enthält zum Beispiel eine Cachenutzung und eine Prozessornutzung in einem oder mehreren Ausführungsknoten in den virtuellen Lagern. Die aktuelle Ressourcennutzung kann als Prozentsatz einer maximalen Nutzung ausgedrückt werden (z.B. 40% Nutzung eines Caches und 60% Nutzung eines Prozessors). Die Anfragereaktionsraten können zum Beispiel als eine Durchschnittszeit ausgedrückt werden, die erforderlich ist, um auf Anwenderanfragen zu antworten bzw. zu reagieren. Bei einigen Ausführungsformen überwacht der Ressourcenmanager auch eine Anzahl von Anfragen, die aktuell laufen bzw. in Betrieb sind, einen Prozentsatz einer maximalen Last bzw. Auslastung, ob irgendeine Anfrageverarbeitung verzögert werden muss, und ähnliches. - Das Verfahren
800 fährt bei806 fort, wenn der Ressourcenmanager aktuellen und zukünftigen Bedarf an Ressourcen bestimmt. Zum Beispiel kann der Ressourcenmanager anhängige Datenverarbeitungsaufforderungen sowie erwartete Aufforderungen in der nahen Zukunft identifizieren. Die erwarteten Aufforderungen können basierend auf vorherigen Mustern von zuvor empfangenen Datenverarbeitungsaufforderungen von bestimmten Anwendern zu bestimmten Zeiten bestimmt werden. Zusätzlich kann der Ressourcenmanager eine Vorankündigung eines Datenverarbeitungsprojekts empfangen und kann die Ressourcen bestimmen, die nötig sind, um dieses Projekt zu handhaben. Der Ressourcenmanager bestimmt dann bei808 , ob ein oder mehrere zusätzliche virtuelle Lager nötig sind, basierend auf den aktuellen Datenverarbeitungsaufforderungen, der aktuellen Ressourcennutzung, Anfragereaktionsraten und anderen Leistungskennzahlen, die mit den existierenden virtuellen Lagern assoziiert sind. Wenn ein zusätzliches virtuelles Lager nötig ist, stellt der Ressourcenmanager bei810 ein neues virtuelles Lager bereit. Wenn der Ressourcenmanager zum Beispiel Kenntnis von einem bevorstehenden Datenverarbeitungsprojekt hat, das mehr Ressourcen erfordern wird als aktuell verfügbar sind, kann der Ressourcenmanager entscheiden, ein oder mehrere neue virtuelle Lager bereitzustellen, um das bevorstehende Datenverarbeitungsprojekt zu handhaben. Das neue virtuelle Lager wird schnell bereitgestellt, so dass das neue virtuelle Lager dazu bereit ist, die Datenverarbeitungsaufforderung sofort zur Startzeit des Projekts zu handhaben. - Zusätzlich zum Hinzufügen neuer virtueller Lager kann das Verfahren
800 bei812 bestimmen, ob ein oder mehrere virtuelle Lager zu deaktivieren ist oder sind. Wenn irgendwelche virtuellen Lager nicht mehr nötig sind, deaktiviert der Ressourcenmanager bei814 ein oder mehrere virtuelle Lager. Wenn zum Beispiel ein bestimmtes virtuelles Lager für ein spezifisches Datenverarbeitungsprojekt erzeugt wurde, kann dieses virtuelle Lager deaktiviert werden, wenn das spezifische Projekt beendet ist. Zusätzlich können dann, wenn viele virtuelle Lager mit niedriger Ressourcennutzung arbeiten bzw. in Betrieb sind, einige der existierenden virtuellen Lager deaktiviert werden, ohne die Leistungsfähigkeit der übrigen virtuellen Lager zu verschlechtern. Bei einigen Ausführungsformen wird ein virtuelles Lager für eine spezifische Zeitperiode erzeugt. Nachdem diese Zeitperiode verstrichen ist, kann das virtuelle Lager deaktiviert werden. Bei anderen Ausführungsformen identifiziert der Ressourcenmanager virtuelle Lager, die für einen bestimmten Zeitraum nicht in Betrieb gewesen sind, und deaktiviert diese virtuellen Lager automatisch. - In einigen Situationen können bestimmte Anwender (oder Systemadministratoren) eine erhöhte Leistungsfähigkeit (z.B. eine erhöhte Anfragereaktionszeit) wünschen. In diesen Situationen können zusätzliche virtuelle Lager hinzugefügt werden, um diese erhöhte Leistungsfähigkeit zu unterstützen. Bei anderen Implementierungen sagt der Ressourcenmanager einen bevorstehenden Bedarf an Ressourcen basierend auf geplanten (aber noch nicht ausgeführten) Anfragen vorher. Wenn die geplanten Anfragen die Leistungsfähigkeit des Systems signifikant verschlechtern werden, kann der Ressourcenmanager vor einem Ausführen dieser Anfragen mehr Ressourcen hinzufügen, um dadurch eine gesamte Systemleistungsfähigkeit beizubehalten. Nachdem diese Anfragen ausgeführt sind, können diese Ressourcen durch den Ressourcenmanager deaktiviert werden.
- Bei einigen Ausführungsformen sagt der Ressourcenmanager eine Zeit vorher, die erforderlich ist, um eine bestimmte Anfrage (oder Gruppe von Anfragen) auszuführen. Basierend auf einer aktuellen Anfrageverarbeitungsleistungsfähigkeit (z.B. Anfrageverarbeitungsverzögerungen, Systemnutzung, etc.) bestimmt der Ressourcenmanager, ob zusätzliche Ressourcen für diese bestimmte Anfrage oder Gruppe von Anfragen nötig sind. Wenn zum Beispiel die aktuelle Anfrageverarbeitungsverzögerung einen Schwellenwert übersteigt, kann der Ressourcenmanager einen oder mehrere neue Ausführungsknoten erzeugen, um zusätzliche Ressourcen zum Verarbeiten der bestimmten Anfrage oder Gruppe von Anfragen zur Verfügung zu stellen. Nachdem eine Verarbeitung der Anfrage oder Gruppe von Anfragen beendet ist, kann der Ressourcenmanager den (die) neuen Ausführungsknoten deaktivieren, wenn er (sie) zum Verarbeiten anderer Anfragen nicht mehr nötig ist (sind).
- Bei einigen Ausführungsformen kann ein bestimmter Anwender bestimmte Leistungsebenen beim Verarbeiten der die Anfragen des Anwenders erfordern. Zum Beispiel kann der Anwender eine Anfragereaktion innerhalb einer bestimmten Zeitperiode, wie beispielsweise 5 Sekunden, erfordern. Bei diesen Ausführungsformen kann der Ressourcenmanager vor einem Ausführen der Anfragen des Anwenders zusätzliche Ressourcen zuteilen, um sicherzustellen, dass die Leistungsebenen des Anwenders erreicht werden.
- Die
9A und9B stellen ein Ablaufdiagramm einer Ausführungsform eines Verfahrens900 zum Skalieren von Ressourcen dar. Anfangs überwacht der Ressourcenmanager bei902 von mehreren Anwendern empfangene Aufforderungen. Zusätzlich überwacht der Ressourcenmanager bei904 eine aktuelle Datenzuteilung in mehreren Speichervorrichtungen (z.B. mehreren entfernten Speichervorrichtungen) und überwacht er eine aktuelle Nutzung von mehreren Prozessoren. Das Verfahren900 fährt bei906 fort, wenn der Ressourcenmanager basierend auf den Datenverarbeitungsaufforderungen und der aktuellen Datenzuteilung in den mehreren Speichervorrichtungen bestimmt, ob zusätzliche Datenspeicherkapazität nötig ist. Der Ressourcenmanager teilt bei908 zusätzliche Datenspeicherressourcen zu, um die mehreren Anwender zu unterstützen, wenn er bestimmt, dass zusätzliche Datenkapazität nötig ist. Diese zusätzliche Datenkapazität kann für irgendeine Anzahl der mehreren Anwender zugreifbar sein, wie es durch den Ressourcenmanager bestimmt ist. Bei einigen Ausführungsformen wird auf das Hinzufügen von mehr Datenkapazität als „horizontales Skalieren“ Bezug genommen. - Der Ressourcenmanager bestimmt bei
910 auch, ob einiges der zugeteilten Datenkapazität nicht mehr nötig ist. Wenn der Ressourcenmanager bestimmt, dass einiges der zugeteilten Datenkapazität nicht mehr nötig ist, setzt der Ressourcenmanager bei912 einiges der Datenkapazität frei. Zum Beispiel wird die freigesetzte Datenkapazität zu einem Pool von verfügbarer Datenkapazität zurückgebracht, die zur Verwendung durch andere Systeme oder Dienste verfügbar wird. Wenn zu einer späteren Zeit zusätzliche Datenkapazität nötig ist, kann der Ressourcenmanager auf Datenressourcen von dem verfügbaren Pool zugreifen. - Das Verfahren fährt bei
914 fort, wenn der Ressourcenmanager basierend auf den Datenverarbeitungsaufforderungen und der aktuellen Nutzung der mehreren Prozessoren bestimmt, ob zusätzliche Verarbeitungsressourcen nötig sind. Der Ressourcenmanager teilt bei916 zusätzliche Verarbeitungsressourcen zu, um die mehreren Anwender zu unterstützen, wenn er bestimmt, dass zusätzliche Verarbeitungsressourcen nötig sind. Die zusätzlichen Verarbeitungsressourcen können durch irgendeine Anzahl der mehreren Anwender zugreifbar sein, wie es durch den Ressourcenmanager angewiesen ist. Wenn zum Beispiel ein bestimmter Anwender eine große Anzahl von Datenanfragen überreicht hat, kann ein Teilbereich der zusätzlichen Verarbeitungsressourcen diesem Anwender zugeordnet werden, um beim Verarbeiten der Datenanfragen zu helfen. Bei einigen Ausführungsformen wird auf das Hinzufügen von mehr Verarbeitungsressourcen als „vertikales Skalieren“ Bezug genommen. - Der Ressourcenmanager bestimmt bei
918 auch, ob einige der aktuell zugeteilten Verarbeitungsressourcen nicht mehr nötig sind. Der Ressourcenmanager setzt bei920 einige der Verarbeitungsressourcen frei, die nicht mehr nötig sind, wenn er bestimmt, dass einige der aktuell zugeteilten Verarbeitungsressourcen nicht mehr nötig sind. Bei einigen Ausführungsformen werden die freigesetzten Verarbeitungsressourcen zu einem Pool von verfügbaren Verarbeitungsressourcen zurückgebracht, die zur Verwendung durch andere Systeme oder Dienste verfügbar sind. Wenn zu einer späteren Zeit zusätzliche Verarbeitungsressourcen nötig sind, kann der Ressourcenmanager auf Verarbeitungsressourcen von dem verfügbaren Pool zugreifen. - Wie es hierin beschrieben ist, unterstützt die Verarbeitungsplattform
100 die dynamische Aktivierung und Deaktivierung von verschiedenen Ressourcen, wie beispielsweise eine Datenspeicherkapazität, Verarbeitungsressourcen, Cacheressourcen und ähnliches. Die einzelne Verarbeitungsplattform100 kann basierend auf den aktuellen Datenspeicher- und Verarbeitungserfordernissen der anhängigen und der erwarteten Datenverarbeitungsaufforderungen auf eine Anforderung hin dynamisch geändert werden. Wenn sich die Datenspeicher- und Verarbeitungserfordernisse ändern, stellt sie Datenverarbeitungsplattform100 automatisch dahingehend ein, eine einheitliche Ebene einer Datenverarbeitungsleistungsfähigkeit im Wesentlichen beizubehalten. - Zusätzlich erlaubt die beschriebene Datenverarbeitungsplattform
100 Änderungen an der Datenspeicherkapazität und den Verarbeitungsressourcen unabhängig. Zum Beispiel kann die Datenspeicherkapazität modifiziert werden, ohne irgendwelche Änderungen an den existierenden Verarbeitungsressourcen durchzuführen. Gleichermaßen können die Verarbeitungsressourcen modifiziert werden, ohne irgendwelche Änderungen an der existierenden Datenspeicherkapazität durchzuführen. -
10 ist ein Ablaufdiagramm, das eine Ausführungsform eines weiteren Verfahrens zum Skalieren von Ressourcen darstellt. Anfangs überwacht ein Ressourcenmanager (z.B. der Ressourcenmanager102 ) bei1002 von mehreren Anwendern empfangene Aufforderungen. Wie es hierin diskutiert ist, können diese Aufforderungen Datensuchanfragen, Datenleseaufforderungen, Datenschreibaufforderungen und ähnliches enthalten. Der Ressourcenmanager identifiziert bei1004 auch eine Anzahl von aktuellen Anwendern. Diese Anzahl ändert sich ständig, wenn neue Anwender auf das System zugreifen und existierende Anwender sich vom System trennen. Zusätzlich identifiziert der Ressourcenmanager bei1006 Aktivitätsebenen der aktuellen Anwender. Die Aktivitätsebene enthält zum Beispiel die Anzahl von Anfragen, die über eine Zeitperiode überreicht sind, die Anzahl von anhängigen Anfragen und ähnliches. Diese Aktivitätsebene kann für jeden Anwender bestimmt werden oder kann als eine durchschnittliche Aktivität für alle der aktuellen Anwender (oder Gruppen von aktuellen Anwendern) dargestellt werden. - Basierend auf der Anzahl von aktuellen Anwendern und der Aktivitätsebene der aktuellen Anwender bestimmt der Ressourcenmanager bei
1008 Datenspeicherressourcen und Verarbeitungsressourcen, die nötig sind, um die Aktivitätsebene der aktuellen Anwender zu unterstützen. Da sich die Anzahl von Anwendern ständig ändert und sich die Anwender-Aktivitätsebenen häufig ändern können, bestimmt der Ressourcenmanager kontinuierlich, ob die aktuellen Ressourcen die aktuellen Anwender adäquat unterstützen. Wenn bei1010 zusätzliche Ressourcen nötig sind, stellt der Ressourcenmanager bei1012 ein oder mehrere virtuelle Lager bereit, um die aktuellen Anwender zu unterstützen. Gleichermaßen kann, wenn die Anzahl von Anwendern und/oder die Aktivitätsebene niedriger wird, der Ressourcenmanager ein oder mehrere virtuellen Lager deaktivieren, wenn es oder sie nicht mehr nötig ist oder sind, um die aktuellen Anwender zu unterstützen. - Bei einigen Implementierungen wird dieselbe Datei durch mehrere Ausführungsknoten zur selben Zeit in einem Cache gespeichert. Dieses mehrfache Speichern im Cache von Dateien hilft bei einer Lastausgleichung (z.B. einer Ausgleichung von Datenverarbeitungsaufgaben) über mehrere Ausführungsknoten hinweg. Zusätzlich hilft ein Speichern im Cache von einer Datei in mehreren Ausführungsknoten beim Vermeiden von potentiellen Engpässen, wenn signifikante Mengen von Daten versuchen, durch dieselbe Kommunikationsverbindung zu gelangen. Diese Implementierung unterstützt auch die Parallelverarbeitung derselben Daten durch unterschiedliche Ausführungsknoten.
- Die hierin beschriebenen Systeme und Verfahren ziehen einen Vorteil aus den Vorteilen von sowohl Systemen mit gemeinsam genutzter Platte als auch der Shared-Nothing-Architektur. Die beschriebene Plattform zum Speichern und Wiedergewinnen von Daten ist skalierbar wie die Shared-Nothing-Architektur, wenn einmal Daten lokal in einem Cache gespeichert sind. Sie hat auch alle Vorteile einer Architektur einer gemeinsam genutzten Platte, wo Verarbeitungsknoten hinzugefügt und entfernt werden können, ohne irgendwelche Beschränkungen (z.B. für 0 bis N) und ohne irgendeine explizite Umstrukturierung von Daten zu erfordern.
- Die
11 ist ein Blockdiagramm, das eine beispielhafte Computervorrichtung1100 darstellt. Bei einigen Ausführungsformen wird die Computervorrichtung1100 verwendet, um eines oder mehreres von den Systemen und Komponenten zu implementieren, die hierin diskutiert sind. Zum Beispiel kann die Computervorrichtung1100 zulassen, dass ein Anwender oder ein Administrator auf den Ressourcenmanager102 zugreift. Weiterhin kann die Computervorrichtung1100 mit irgendetwas von den Systemen und den Komponenten interagieren, die hierin beschrieben sind. Demgemäß kann die Computervorrichtung1100 verwendet werden, um verschiedene Prozeduren und Aufgaben durchzuführen, wie beispielsweise diejenigen, die hierin diskutiert sind. Die Computervorrichtung1100 kann als Server, Client oder irgendeine andere Computereinheit fungieren. Die Computervorrichtung1100 kann irgendeine von einer breiten Vielfalt von Computervorrichtungen sein, wie beispielsweise ein Desktopcomputer, ein Notebookcomputer, ein Servercomputer, ein in der Hand gehaltener Computer bzw. Handheld-Computer, ein Tablet und ähnliches. - Die Computervorrichtung
1100 enthält einen oder mehrere Prozessoren1102 , eine oder mehrere Speichervorrichtungen1104 , eine oder mehrere Schnittstellen1106 , eine oder mehrere Massenspeichervorrichtungen1108 und eine oder mehrere Eingabe/Ausgabe-(I/O)-Vorrichtungen1110 , von welchen alle mit einem Bus1112 gekoppelt sind. Der Prozessor (die Prozessoren)1102 enthält (enthalten) einen oder mehrere Prozessoren oder Steuerungen, die Anweisungen ausführen, die in der Speichervorrichtung (den Speichervorrichtungen)1104 und/oder der Massenspeichervorrichtung (den Massenspeichervorrichtungen)1108 gespeichert sind. Der Prozessor (die Prozessoren)1102 kann (können) auch verschiedene Typen von computerlesbaren Medien, wie beispielsweise einen Cachespeicher, enthalten. - Die Speichervorrichtung(en)
1104 enthält (enthalten) verschiedene computerlesbare Medien, wie beispielsweise flüchtige Speicher (z.B. einen Direktzugriffsspeicher (RAM)) und/oder einen nichtflüchtigen Speicher (z.B. einen Nurlesespeicher (ROM)). Die Speichervorrichtung(en)1104 kann (können) auch einen wiederbeschreibbaren ROM, wie beispielsweise einen Flash-Speicher, enthalten. - Die Massenspeichervorrichtung(en)
1108 enthält (enthalten) verschiedene computerlesbare Medien, wie beispielsweise Magnetbänder, Magnetplatten, optische Platten, einen Festkörperspeicher (z.B. einen Flash-Speicher), und so weiter. Verschiedene Laufwerke können auch in der (den) Massenspeichervorrichtung(en)1108 enthalten sein, um ein Lesen von und/oder ein Schreiben zu den verschiedenen computerlesbaren Medien zu ermöglichen. Die Massenspeichervorrichtung(en)1108 enthält (enthalten) entfernbare Medien und/oder nicht entfernbare Medien. - Die I/O-Vorrichtung(en)
1110 enthält (enthalten) verschiedene Vorrichtungen, die zulassen, dass Daten und/oder andere Information zu der Computervorrichtung1100 eingegeben oder aus dieser ausgelesen werden. Eine beispielhafte I/O-Vorrichtung (beispielhafte I/O-Vorrichtungen)1110 enthält (enthalten) Cursor-Steuervorrichtungen, Tastaturen, Keypads bzw. kleine Tastaturen bzw. Folientastaturen, Mikrofone, Monitore oder andere Anzeigevorrichtungen, Lautsprecher, Drucker, Netzwerkschnittstellenkarten, Modems, eine Optik, CCDs oder andere Bilderfassungsvorrichtungen und ähnliches. - Die Schnittstelle(n)
1106 enthält (enthalten) verschiedene Schnittstellen, die zulassen, dass die Computervorrichtung1100 mit anderen Systemen, Vorrichtungen oder Computerumgebungen interagiert. Eine beispielhafte Schnittstelle (beispielhafte Schnittstellen)1106 enthält (enthalten) irgendeine Anzahl von unterschiedlichen Netzwerkschnittstellen, wie beispielsweise Schnittstellen zu lokalen Netzen (LAN), Weitverkehrsnetzen (WAN), drahtlosen Netzen und dem Internet. - Der Bus
1112 lässt zu, dass der Prozessor (die Prozessoren)1102 , die Speichervorrichtung(en)1104 , die Schnittstelle(n)1106 , die Massenspeichervorrichtung(en)1108 und die I/O-Vorrichtung(en)1110 miteinander kommunizieren, sowie anderen Vorrichtungen oder Komponenten, die mit dem Bus1112 gekoppelt sind. Der Bus1112 stellt eine oder mehrere von einigen Typen von Busstrukturen dar, wie beispielsweise einen Systembus, einen PCI-Bus, einen IEEE-1394-Bus, einen USB-Bus und so weiter. - Zu Darstellungszwecken sind Programme und andere ausführbare Programmkomponenten hierin als diskrete Blöcke gezeigt, obwohl es verstanden wird, dass solche Programme und Komponenten zu unterschiedlichen Zeiten in unterschiedlichen Speicherkomponenten der Computervorrichtung
1100 sitzen können und durch den Prozessor (die Prozessoren)1102 ausgeführt werden. Alternativ können die Systeme und Prozeduren, die hierin beschrieben sind, in Hardware oder einer Kombination aus Hardware, Software und/oder Firmware implementiert sein. Beispielsweise kann oder können eine oder mehrere anwendungsspezifische integrierte Schaltkreise (ASICs) programmiert sein, um eines oder mehreres der hierin beschriebenen Systeme und Prozeduren auszuführen. - Obwohl die vorliegende Offenbarung in Bezug auf bestimmte bevorzugte Ausführungsformen beschrieben ist, werden andere Ausführungsformen für Fachleute auf dem Gebiet offensichtlich werden, denen der Vorteil dieser Offenbarung gegeben ist, einschließlich Ausführungsformen, die nicht alle der hierin dargelegten Vorteile und Merkmale zur Verfügung stellen, welche auch innerhalb des Schutzumfangs dieser Offenbarung sind. Es ist zu verstehen, dass andere Ausführungsformen verwendet werden können, ohne vom Schutzumfang der vorliegenden Offenbarung abzuweichen.
- Es sind beispielhafte Systeme und Verfahren zum Bereitstellen von Ressourcen beschrieben worden. Bei einer Implementierung greift eine Ausführungsplattform auf mehrere entfernte Speichervorrichtungen zu. Die Ausführungsplattform enthält mehrere virtuelle universelle Datenbanken bzw. Lager, von welchen jede bzw. jedes einen Cache enthält, um aus den entfernten Speichervorrichtung wiedergewonnene bzw. abgerufene Daten zu speichern, und einen Prozessor, der unabhängig von den entfernten Speichervorrichtungen ist. Ein Ressourcenmanager ist mit der Ausführungsplattform gekoppelt und überwacht empfangene Datenverarbeitungsaufforderungen und eine Ressourcennutzung. Der Ressourcenmanager bestimmt basierend auf den Datenverarbeitungsaufforderungen und der Ressourcennutzung auch, ob zusätzliche virtuelle Lager nötig sind. Wenn zusätzliche virtuelle Lager nötig sind, stellt der Ressourcenmanager ein neues virtuelles Lager bereit.
- ZITATE ENTHALTEN IN DER BESCHREIBUNG
- Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
- Zitierte Patentliteratur
-
- US 61/941986 [0001]
Claims (20)
- Vorrichtung, umfassend: eine Ausführungsplattform, die konfiguriert ist, um auf eine Vielzahl von entfernten Speichervorrichtungen zuzugreifen, wobei die Ausführungsplattform eine Vielzahl von virtuellen universellen Datenbanken bzw. Lagern enthält, wobei jedes virtuelle Lager einen Cache enthält, der konfiguriert ist, um aus den entfernten Speichervorrichtungen wiedergewonnene bzw. abgerufene Daten zu speichern, und einen Prozessor, der unabhängig von den entfernten Speichervorrichtungen ist; und einen Ressourcenmanager, der mit der Ausführungsplattform gekoppelt ist und konfiguriert ist, um: empfangene Datenverarbeitungsaufforderungen zu überwachen; eine Ressourcennutzung in der Vielzahl von virtuellen Lagern zu überwachen; zu bestimmen, ob zusätzliche virtuelle Lager nötig sind, basierend auf den Datenverarbeitungsaufforderungen und der Ressourcennutzung in der Vielzahl von Lagern; und in Reaktion auf ein Bestimmen, dass ein zusätzliches virtuelles Lager nötig ist, ein neues virtuelles Lager bereitzustellen.
- Vorrichtung nach
Anspruch 1 , wobei der Ressourcenmanager weiterhin konfiguriert ist, um Anfragereaktionsraten zu überwachen. - Vorrichtung nach
Anspruch 1 , wobei der Ressourcenmanager weiterhin konfiguriert ist, um eine aktuelle Ressourcennutzung zu überwachen, die mit der Vielzahl von virtuellen Lagern assoziiert ist, und wobei ein Bestimmen, ob zusätzliche virtuelle Lager nötig sind, weiterhin auf der aktuellen Ressourcennutzung basiert. - Vorrichtung nach
Anspruch 1 , wobei der Ressourcenmanager weiterhin konfiguriert ist, um wenigstens eines von einer Anzahl von Anfragen, die gleichzeitig laufen bzw. in Betrieb sind, einem Prozentsatz einer maximalen Last und ob irgendeine Anfrageverarbeitung verzögert ist zu überwachen. - Vorrichtung nach
Anspruch 1 , wobei der Ressourcenmanager weiterhin konfiguriert ist, um das neue virtuelle Lager in Reaktion auf ein Bestimmen, dass das neue virtuelle Lager nicht mehr nötig ist, zu deaktivieren. - Vorrichtung nach
Anspruch 1 , wobei der Ressourcenmanager weiterhin konfiguriert ist, um: eine Nachricht über ein bevorstehendes Datenverarbeitungsprojekt zu empfangen; und in Reaktion auf ein Empfangen der Nachricht über das bevorstehende Datenverarbeitungsprojekt ein neues virtuelles Lager zu erzeugen, das mit dem bevorstehenden Datenverarbeitungsprojekt assoziiert ist. - Vorrichtung nach
Anspruch 6 , wobei der Ressourcenmanager weiterhin konfiguriert ist, um das neue virtuelle Lager auf ein Beenden des Datenverarbeitungsprojekt hin zu deaktivieren. - Vorrichtung nach
Anspruch 6 , wobei das bevorstehende Datenverarbeitungsprojekt eine vorbestimmte Zeitdauer hat und wobei das neue virtuelle Lager nach der vorbestimmten Zeitdauer deaktiviert wird. - Vorrichtung nach
Anspruch 1 , wobei der Ressourcenmanager weiterhin konfiguriert ist, um: eine Aufforderung zu empfangen, um eine Vielzahl von Datenverarbeitungsaktivitäten durchzuführen; und in Reaktion auf ein Empfangen der Aufforderung, die Vielzahl von Datenverarbeitungsaktivitäten durchzuführen, automatisch ein neues virtuelles Lager zu erzeugen, das mit der empfangenen Aufforderung assoziiert ist. - Computerprogramm, das Anweisung umfasst, die dann, wenn sie durch einen oder mehrere Prozessoren ausgeführt werden, veranlassen, das der eine oder die mehreren Prozessoren Operationen durchführt oder durchführen, die folgendes umfassen: Überwachen empfangener Datenverarbeitungsaufforderungen, wobei die Datenverarbeitungsaufforderungen mit Daten assoziiert sind, die in einer Vielzahl von entfernten Speichervorrichtungen gespeichert sind; Überwachen einer Ressourcennutzung in einer Vielzahl von virtuellen universellen Datenbanken bzw. Lagern, wobei jedes virtuelle Lager einen Cache enthält, der konfiguriert ist, um aus den entfernten Speichervorrichtungen wiedergewonnene bzw. abgerufene Daten zu speichern, und einen Prozessor, der unabhängig von den entfernten Speichervorrichtungen ist; Bestimmen, ob zusätzliche Lager nötig sind, basierend auf den Datenverarbeitungsaufforderungen und der Ressourcennutzung in der Vielzahl von virtuellen Lagern; und Erzeugen eines neuen virtuellen Lagers in Reaktion auf ein Bestimmen, dass ein zusätzliches virtuelles Lager nötig ist.
- Computerprogramm nach
Anspruch 10 , wobei die Operationen weiterhin ein Überwachen von Anfragereaktionsraten umfassen, wobei ein Bestimmen, ob zusätzliche virtuelle Lager nötig sind, weiterhin auf den Anfragereaktionsraten basiert. - Computerprogramm nach
Anspruch 10 , wobei die Operationen weiterhin ein Überwachen einer Anzahl von Anwendern umfassen, die mit jedem der Vielzahl von virtuellen Lagern assoziiert sind, wobei ein Bestimmen, ob zusätzliche virtuelle Lager nötig sind, weiterhin auf der Anzahl von Anwendern basiert, die mit jedem der Vielzahl von virtuellen Lagern assoziiert sind. - Computerprogramm nach
Anspruch 10 , wobei die Operationen weiterhin folgendes umfassen: Bestimmen, ob das neue virtuelle Lager nicht mehr nötig ist; und Deaktivieren des neuen virtuellen Lagers in Reaktion auf ein Bestimmen, dass das neue virtuelle Lager nicht mehr nötig ist. - Computerprogramm nach
Anspruch 10 , wobei die Operationen weiterhin ein Überwachen einer Anzahl von Anfragen umfassen, die gleichzeitig laufen bzw. in Betrieb sind, wobei ein Bestimmen, ob zusätzliche virtuelle Lager nötig sind, weiterhin auf der Anzahl von Anfragen basiert, die gleichzeitig laufen bzw. in Betrieb sind. - Computerprogramm nach
Anspruch 10 , wobei die Operationen weiterhin ein Bestimmen umfassen, ob eine Ausführung von irgendwelchen Anfragen aktuell verzögert wird, wobei ein Bestimmen, ob zusätzliche virtuelle Lager nötig sind, weiterhin darauf basiert, ob irgendwelche Anfragen aktuell verzögert werden. - Computerprogramm nach
Anspruch 10 , wobei die Operationen weiterhin folgendes umfassen: Empfangen einer Nachricht über ein bevorstehendes Datenverarbeitungsprojekt; Erzeugen eines neuen virtuellen Lagers, das mit dem bevorstehenden Datenverarbeitungsprojekt assoziiert ist; und Deaktivieren des neuen virtuellen Lagers auf ein Beenden des Datenverarbeitungsprojekts hin. - Computerprogramm nach
Anspruch 10 , wobei die Operationen weiterhin folgendes umfassen: Empfangen einer Nachricht über ein bevorstehendes Datenverarbeitungsprojekt, wobei das bevorstehende Datenverarbeitungsprojekt eine vorbestimmte Zeitperiode hat; Erzeugen eines neuen virtuellen Lagers, das mit dem bevorstehenden Datenverarbeitungsprojekt assoziiert ist; und Deaktivieren des neuen virtuellen Lagers nach der vorbestimmten Zeitperiode. - Vorrichtung, umfassend: Mittel zum Zugreifen auf eine Vielzahl von entfernten Speichervorrichtungen, wobei die Mittel zum Zugreifen eine Vielzahl von virtuellen universellen Datenbanken bzw. Lagern enthalten, wobei jedes virtuelle Lager eine Cache enthält, der konfiguriert ist, um von den entfernten Speichervorrichtungen wiedergewonnene bzw. abgerufene Daten zu speichern, und einen Prozessor, der unabhängig von den entfernten Speichervorrichtungen ist; und Mittel zum Managen von Ressourcen, welche Mittel mit den Mitteln zum Zugreifen gekoppelt sind und konfiguriert sind, um: empfangene Datenverarbeitungsaufforderungen zu überwachen; eine Ressourcennutzung in der Vielzahl von virtuellen Lagern zu überwachen; zu bestimmen, ob zusätzliche virtuelle Lager nötig sind, basierend auf den Datenverarbeitungsaufforderungen und der Ressourcennutzung in der Vielzahl von Lagern; und in Reaktion auf ein Bestimmen, dass ein zusätzliches virtuelles Lager nötig ist, ein neues virtuelles Lager bereitzustellen.
- Vorrichtung nach
Anspruch 18 , wobei die Mittel zum Managen von Ressourcen weiterhin konfiguriert sind, um das neue virtuelle Lager auf eine Bestimmung hin zu deaktivieren, dass das neue virtuelle Lager nicht mehr nötig ist. - Vorrichtung nach
Anspruch 18 , wobei die Mittel zum Managen von Ressourcen weiterhin konfiguriert sind, um: eine Zeit vorherzusagen, die erforderlich ist, um eine Anfrage auszuführen; und ein neues virtuelles Lager bereitzustellen, wenn die Zeit, die erforderlich ist, um die Anfrage auszuführen, einen Schwellenwert übersteigt.
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201461941986P | 2014-02-19 | 2014-02-19 | |
US201461941986P | 2014-02-19 | ||
US201414518826 | 2014-10-20 | ||
US14/518,826 US10325032B2 (en) | 2014-02-19 | 2014-10-20 | Resource provisioning systems and methods |
Publications (1)
Publication Number | Publication Date |
---|---|
DE202015009783U1 true DE202015009783U1 (de) | 2020-02-12 |
Family
ID=53798208
Family Applications (14)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE202015009785.5U Active DE202015009785U1 (de) | 2014-02-19 | 2015-02-18 | Cachespeicherungssysteme |
DE202015009875.4U Active DE202015009875U1 (de) | 2014-02-19 | 2015-02-18 | Transparente Entdeckung eines semistrukturierten Datenschemas |
DE202015009874.6U Active DE202015009874U1 (de) | 2014-02-19 | 2015-02-18 | Implementierung semistrukturierter Daten als ein Datenbankelement erster Klasse |
DE202015009784.7U Active DE202015009784U1 (de) | 2014-02-19 | 2015-02-18 | Ressourcenmanagementsysteme |
DE202015009859.2U Active DE202015009859U1 (de) | 2014-02-19 | 2015-02-18 | Ressourcenmanagementsysteme |
DE202015009873.8U Active DE202015009873U1 (de) | 2014-02-19 | 2015-02-18 | Systeme zur Bereitstellung von Ressourcen |
DE202015009772.3U Active DE202015009772U1 (de) | 2014-02-19 | 2015-02-18 | Datenmanagementsysteme |
DE202015009783.9U Active DE202015009783U1 (de) | 2014-02-19 | 2015-02-18 | Systeme zur Bereitstellung von Ressourcen |
DE202015009779.0U Active DE202015009779U1 (de) | 2014-02-19 | 2015-02-18 | Implementierung semistrukturierter Daten als ein Datenbankelement erster Klasse |
DE202015009777.4U Active DE202015009777U1 (de) | 2014-02-19 | 2015-02-18 | Transparente Entdeckung eines semistrukturierten Datenschemas |
DE202015009861.4U Active DE202015009861U1 (de) | 2014-02-19 | 2015-02-19 | Systeme zur Bereitstellung von Ressourcen |
DE202015009860.6U Active DE202015009860U1 (de) | 2014-02-19 | 2015-02-19 | Systeme zur Bereitstellung von Ressourcen |
DE202015009778.2U Active DE202015009778U1 (de) | 2014-02-19 | 2015-02-19 | Systeme zur Bereitstellung von Ressourcen |
DE202017007211.4U Active DE202017007211U1 (de) | 2014-02-19 | 2017-06-01 | Klonen von Katalogobjekten |
Family Applications Before (7)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE202015009785.5U Active DE202015009785U1 (de) | 2014-02-19 | 2015-02-18 | Cachespeicherungssysteme |
DE202015009875.4U Active DE202015009875U1 (de) | 2014-02-19 | 2015-02-18 | Transparente Entdeckung eines semistrukturierten Datenschemas |
DE202015009874.6U Active DE202015009874U1 (de) | 2014-02-19 | 2015-02-18 | Implementierung semistrukturierter Daten als ein Datenbankelement erster Klasse |
DE202015009784.7U Active DE202015009784U1 (de) | 2014-02-19 | 2015-02-18 | Ressourcenmanagementsysteme |
DE202015009859.2U Active DE202015009859U1 (de) | 2014-02-19 | 2015-02-18 | Ressourcenmanagementsysteme |
DE202015009873.8U Active DE202015009873U1 (de) | 2014-02-19 | 2015-02-18 | Systeme zur Bereitstellung von Ressourcen |
DE202015009772.3U Active DE202015009772U1 (de) | 2014-02-19 | 2015-02-18 | Datenmanagementsysteme |
Family Applications After (6)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE202015009779.0U Active DE202015009779U1 (de) | 2014-02-19 | 2015-02-18 | Implementierung semistrukturierter Daten als ein Datenbankelement erster Klasse |
DE202015009777.4U Active DE202015009777U1 (de) | 2014-02-19 | 2015-02-18 | Transparente Entdeckung eines semistrukturierten Datenschemas |
DE202015009861.4U Active DE202015009861U1 (de) | 2014-02-19 | 2015-02-19 | Systeme zur Bereitstellung von Ressourcen |
DE202015009860.6U Active DE202015009860U1 (de) | 2014-02-19 | 2015-02-19 | Systeme zur Bereitstellung von Ressourcen |
DE202015009778.2U Active DE202015009778U1 (de) | 2014-02-19 | 2015-02-19 | Systeme zur Bereitstellung von Ressourcen |
DE202017007211.4U Active DE202017007211U1 (de) | 2014-02-19 | 2017-06-01 | Klonen von Katalogobjekten |
Country Status (8)
Country | Link |
---|---|
US (101) | US11809451B2 (de) |
EP (14) | EP3108369B1 (de) |
JP (12) | JP2017506396A (de) |
CN (10) | CN106233255B (de) |
AU (8) | AU2015219103B2 (de) |
CA (8) | CA2939908C (de) |
DE (14) | DE202015009785U1 (de) |
WO (8) | WO2015126957A1 (de) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112348444A (zh) * | 2020-11-18 | 2021-02-09 | 关酢壬 | 一种基于互联网的物料仓库远程监控管理系统 |
Families Citing this family (159)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9961011B2 (en) | 2014-01-21 | 2018-05-01 | Oracle International Corporation | System and method for supporting multi-tenancy in an application server, cloud, or other environment |
US11809451B2 (en) | 2014-02-19 | 2023-11-07 | Snowflake Inc. | Caching systems and methods |
US9607073B2 (en) * | 2014-04-17 | 2017-03-28 | Ab Initio Technology Llc | Processing data from multiple sources |
US9542220B2 (en) * | 2014-04-28 | 2017-01-10 | Oracle International Corporation | System and method for supporting resource manager (RM) instance awareness in a transactional environment |
US11474874B2 (en) | 2014-08-14 | 2022-10-18 | Qubole, Inc. | Systems and methods for auto-scaling a big data system |
US11188427B2 (en) * | 2014-09-26 | 2021-11-30 | Oracle International Corporation | System and method for transaction recovery in a multitenant application server environment |
US9672122B1 (en) | 2014-09-29 | 2017-06-06 | Amazon Technologies, Inc. | Fault tolerant distributed tasks using distributed file systems |
US10587465B1 (en) * | 2015-02-19 | 2020-03-10 | VCE IP Holding Company LLC | Methods, systems, and computer readable mediums for selecting and configuring a computing system to support a replicated application |
US11436667B2 (en) | 2015-06-08 | 2022-09-06 | Qubole, Inc. | Pure-spot and dynamically rebalanced auto-scaling clusters |
US10210220B2 (en) * | 2015-09-16 | 2019-02-19 | DataStax | System and method for fault tolerant queries |
CN106548262B (zh) | 2015-09-21 | 2020-11-06 | 阿里巴巴集团控股有限公司 | 用于处理任务的资源的调度方法、装置和系统 |
US10091295B1 (en) * | 2015-09-23 | 2018-10-02 | EMC IP Holding Company LLC | Converged infrastructure implemented with distributed compute elements |
CN106790324B (zh) * | 2015-11-20 | 2020-06-16 | 华为技术有限公司 | 内容分发方法、虚拟服务器管理方法、云平台和系统 |
CN107193813B (zh) * | 2016-03-14 | 2021-05-14 | 阿里巴巴集团控股有限公司 | 数据表连接方式处理方法及装置 |
US10289347B2 (en) | 2016-04-26 | 2019-05-14 | Servicenow, Inc. | Detection and remediation of memory leaks |
KR101866487B1 (ko) * | 2016-04-27 | 2018-06-12 | 주식회사 와이즈넛 | 복수의 이기종 사물인터넷디바이스의 반정형 데이터를 그룹핑하여 실시간으로 분석하는 데이터처리장치 |
CN109075994B (zh) * | 2016-04-28 | 2022-04-05 | 斯诺弗雷克公司 | 多集群仓库 |
US11080207B2 (en) * | 2016-06-07 | 2021-08-03 | Qubole, Inc. | Caching framework for big-data engines in the cloud |
US11169982B2 (en) | 2016-06-30 | 2021-11-09 | Microsoft Technology Licensing, Llc | Dynamic deactivation of cold database in database service |
US11240305B2 (en) | 2016-07-28 | 2022-02-01 | At&T Intellectual Property I, L.P. | Task allocation among devices in a distributed data storage system |
CN106250566A (zh) * | 2016-08-31 | 2016-12-21 | 天津南大通用数据技术股份有限公司 | 一种分布式数据库及其数据运算的管理方法 |
US10614066B2 (en) | 2016-09-01 | 2020-04-07 | Amazon Technologies, Inc. | Selecting resource configurations for query execution |
US10817540B2 (en) * | 2016-09-02 | 2020-10-27 | Snowflake Inc. | Incremental clustering maintenance of a table |
US10606664B2 (en) | 2016-09-07 | 2020-03-31 | Qubole Inc. | Heterogeneous auto-scaling big-data clusters in the cloud |
US11580107B2 (en) | 2016-09-26 | 2023-02-14 | Splunk Inc. | Bucket data distribution for exporting data to worker nodes |
US11294941B1 (en) | 2016-09-26 | 2022-04-05 | Splunk Inc. | Message-based data ingestion to a data intake and query system |
US11250056B1 (en) | 2016-09-26 | 2022-02-15 | Splunk Inc. | Updating a location marker of an ingestion buffer based on storing buckets in a shared storage system |
US11567993B1 (en) | 2016-09-26 | 2023-01-31 | Splunk Inc. | Copying buckets from a remote shared storage system to memory associated with a search node for query execution |
US11874691B1 (en) | 2016-09-26 | 2024-01-16 | Splunk Inc. | Managing efficient query execution including mapping of buckets to search nodes |
US11860940B1 (en) | 2016-09-26 | 2024-01-02 | Splunk Inc. | Identifying buckets for query execution using a catalog of buckets |
US11243963B2 (en) | 2016-09-26 | 2022-02-08 | Splunk Inc. | Distributing partial results to worker nodes from an external data system |
US10353965B2 (en) | 2016-09-26 | 2019-07-16 | Splunk Inc. | Data fabric service system architecture |
US11232100B2 (en) | 2016-09-26 | 2022-01-25 | Splunk Inc. | Resource allocation for multiple datasets |
US11321321B2 (en) | 2016-09-26 | 2022-05-03 | Splunk Inc. | Record expansion and reduction based on a processing task in a data intake and query system |
US11461334B2 (en) | 2016-09-26 | 2022-10-04 | Splunk Inc. | Data conditioning for dataset destination |
US10795884B2 (en) | 2016-09-26 | 2020-10-06 | Splunk Inc. | Dynamic resource allocation for common storage query |
US11586627B2 (en) | 2016-09-26 | 2023-02-21 | Splunk Inc. | Partitioning and reducing records at ingest of a worker node |
US11023463B2 (en) | 2016-09-26 | 2021-06-01 | Splunk Inc. | Converting and modifying a subquery for an external data system |
US10984044B1 (en) | 2016-09-26 | 2021-04-20 | Splunk Inc. | Identifying buckets for query execution using a catalog of buckets stored in a remote shared storage system |
US11003714B1 (en) | 2016-09-26 | 2021-05-11 | Splunk Inc. | Search node and bucket identification using a search node catalog and a data store catalog |
US11663227B2 (en) | 2016-09-26 | 2023-05-30 | Splunk Inc. | Generating a subquery for a distinct data intake and query system |
US11416528B2 (en) | 2016-09-26 | 2022-08-16 | Splunk Inc. | Query acceleration data store |
US11163758B2 (en) | 2016-09-26 | 2021-11-02 | Splunk Inc. | External dataset capability compensation |
US11314753B2 (en) | 2016-09-26 | 2022-04-26 | Splunk Inc. | Execution of a query received from a data intake and query system |
US10956415B2 (en) | 2016-09-26 | 2021-03-23 | Splunk Inc. | Generating a subquery for an external data system using a configuration file |
US10977260B2 (en) | 2016-09-26 | 2021-04-13 | Splunk Inc. | Task distribution in an execution node of a distributed execution environment |
US10776355B1 (en) | 2016-09-26 | 2020-09-15 | Splunk Inc. | Managing, storing, and caching query results and partial query results for combination with additional query results |
US11222066B1 (en) | 2016-09-26 | 2022-01-11 | Splunk Inc. | Processing data using containerized state-free indexing nodes in a containerized scalable environment |
US20180089324A1 (en) | 2016-09-26 | 2018-03-29 | Splunk Inc. | Dynamic resource allocation for real-time search |
US10726009B2 (en) * | 2016-09-26 | 2020-07-28 | Splunk Inc. | Query processing using query-resource usage and node utilization data |
US11562023B1 (en) | 2016-09-26 | 2023-01-24 | Splunk Inc. | Merging buckets in a data intake and query system |
US11269939B1 (en) | 2016-09-26 | 2022-03-08 | Splunk Inc. | Iterative message-based data processing including streaming analytics |
US11593377B2 (en) | 2016-09-26 | 2023-02-28 | Splunk Inc. | Assigning processing tasks in a data intake and query system |
US11599541B2 (en) | 2016-09-26 | 2023-03-07 | Splunk Inc. | Determining records generated by a processing task of a query |
US11604795B2 (en) | 2016-09-26 | 2023-03-14 | Splunk Inc. | Distributing partial results from an external data system between worker nodes |
US11550847B1 (en) | 2016-09-26 | 2023-01-10 | Splunk Inc. | Hashing bucket identifiers to identify search nodes for efficient query execution |
US11442935B2 (en) | 2016-09-26 | 2022-09-13 | Splunk Inc. | Determining a record generation estimate of a processing task |
US11281706B2 (en) | 2016-09-26 | 2022-03-22 | Splunk Inc. | Multi-layer partition allocation for query execution |
US11126632B2 (en) | 2016-09-26 | 2021-09-21 | Splunk Inc. | Subquery generation based on search configuration data from an external data system |
US11106734B1 (en) | 2016-09-26 | 2021-08-31 | Splunk Inc. | Query execution using containerized state-free search nodes in a containerized scalable environment |
US11615104B2 (en) | 2016-09-26 | 2023-03-28 | Splunk Inc. | Subquery generation based on a data ingest estimate of an external data system |
US11620336B1 (en) | 2016-09-26 | 2023-04-04 | Splunk Inc. | Managing and storing buckets to a remote shared storage system based on a collective bucket size |
US10482098B2 (en) | 2016-11-14 | 2019-11-19 | Microsoft Technology Licensing, Llc | Consuming streamed data records |
US11003658B2 (en) * | 2016-11-21 | 2021-05-11 | International Business Machines Corporation | Selectively retrieving data from remote share nothing computer clusters |
US11106639B1 (en) | 2016-12-05 | 2021-08-31 | EMC IP Holding Company LLC | Methods, systems, and computer readable mediums for performing metadata-driven data collection |
US10592681B2 (en) | 2017-01-10 | 2020-03-17 | Snowflake Inc. | Data sharing in a multi-tenant database system |
EP3355225B1 (de) * | 2017-01-31 | 2022-07-27 | Sony Group Corporation | Vorrichtung und verfahren zur bereitstellung einer ethereum virtuellen vorrichtung |
CN108399102A (zh) * | 2017-02-08 | 2018-08-14 | 阿里巴巴集团控股有限公司 | 一种资源分配方法和装置 |
US10725799B2 (en) * | 2017-02-22 | 2020-07-28 | Microsoft Technology Licensing, Llc | Big data pipeline management within spreadsheet applications |
US11157690B2 (en) | 2017-02-22 | 2021-10-26 | Microsoft Technology Licensing, Llc | Techniques for asynchronous execution of computationally expensive local spreadsheet tasks |
US10979328B2 (en) * | 2017-03-31 | 2021-04-13 | Intel Corporation | Resource monitoring |
US10733024B2 (en) | 2017-05-24 | 2020-08-04 | Qubole Inc. | Task packing scheduling process for long running applications |
US10445370B2 (en) | 2017-06-09 | 2019-10-15 | Microsoft Technology Licensing, Llc | Compound indexes for graph databases |
US20180357328A1 (en) * | 2017-06-09 | 2018-12-13 | Linkedin Corporation | Functional equivalence of tuples and edges in graph databases |
US10671671B2 (en) | 2017-06-09 | 2020-06-02 | Microsoft Technology Licensing, Llc | Supporting tuples in log-based representations of graph databases |
US11921672B2 (en) | 2017-07-31 | 2024-03-05 | Splunk Inc. | Query execution at a remote heterogeneous data store of a data fabric service |
US11113090B1 (en) | 2017-08-09 | 2021-09-07 | United Services Automobile Association (Usaa) | Systems and methods for container management |
US11249808B2 (en) * | 2017-08-22 | 2022-02-15 | Intel Corporation | Connecting accelerator resources using a switch |
CN107481006B (zh) * | 2017-08-24 | 2020-06-26 | 维沃移动通信有限公司 | 一种资源转移方法、服务器及终端 |
CN107679096B (zh) * | 2017-09-08 | 2020-06-05 | 北京京东尚科信息技术有限公司 | 数据集市间指标共享的方法和装置 |
US11151137B2 (en) | 2017-09-25 | 2021-10-19 | Splunk Inc. | Multi-partition operation in combination operations |
US10896182B2 (en) | 2017-09-25 | 2021-01-19 | Splunk Inc. | Multi-partitioning determination for combination operations |
CN109814861A (zh) * | 2017-11-21 | 2019-05-28 | 海云数据 | 为终端用户提供能力的开放平台 |
US11228489B2 (en) | 2018-01-23 | 2022-01-18 | Qubole, Inc. | System and methods for auto-tuning big data workloads on cloud platforms |
CN111630497B (zh) | 2018-03-22 | 2023-09-05 | 斯诺弗雷克公司 | 在数据库系统中的增量特征开发和工作负荷捕获 |
TWI666901B (zh) * | 2018-03-27 | 2019-07-21 | 緯穎科技服務股份有限公司 | 資料傳輸方法與使用此方法的主機系統 |
US11157497B1 (en) * | 2018-04-30 | 2021-10-26 | Splunk Inc. | Dynamically assigning a search head and search nodes for a query |
US11275733B1 (en) | 2018-04-30 | 2022-03-15 | Splunk Inc. | Mapping search nodes to a search head using a tenant identifier |
US11327992B1 (en) | 2018-04-30 | 2022-05-10 | Splunk Inc. | Authenticating a user to access a data intake and query system |
US11334543B1 (en) | 2018-04-30 | 2022-05-17 | Splunk Inc. | Scalable bucket merging for a data intake and query system |
US11892996B1 (en) | 2019-07-16 | 2024-02-06 | Splunk Inc. | Identifying an indexing node to process data using a resource catalog |
US20190364109A1 (en) * | 2018-05-23 | 2019-11-28 | Microsoft Technology Licensing, Llc | Scale out data storage and query filtering using storage pools |
US20190362004A1 (en) * | 2018-05-23 | 2019-11-28 | Microsoft Technology Licensing, Llc | Data platform fabric |
US11030204B2 (en) * | 2018-05-23 | 2021-06-08 | Microsoft Technology Licensing, Llc | Scale out data storage and query filtering using data pools |
US10877801B2 (en) * | 2018-09-28 | 2020-12-29 | Atlassian Pty Ltd. | Systems and methods for scheduling tasks |
US10339150B1 (en) * | 2018-10-04 | 2019-07-02 | Capital One Services, Llc | Scalable dynamic acronym decoder |
CN109582858A (zh) * | 2018-10-17 | 2019-04-05 | 北京邮电大学 | 一种可信的知识生态系统 |
KR102047233B1 (ko) * | 2018-10-22 | 2019-11-21 | 강릉원주대학교산학협력단 | 이중 부하 분산을 이용한 메타데이터 검색 시스템 및 이중 부하 분산을 통한 데이터베이스 관리 방법 |
CN113228000A (zh) | 2018-10-26 | 2021-08-06 | 斯诺弗雷克公司 | 物化视图的增量刷新 |
US11521089B2 (en) * | 2018-11-29 | 2022-12-06 | Sap Se | In-database predictive pipeline incremental engine |
CN109685375B (zh) * | 2018-12-26 | 2020-10-30 | 重庆誉存大数据科技有限公司 | 一种基于半结构化文本数据的企业风险规则引擎运算方法 |
KR20200083048A (ko) * | 2018-12-31 | 2020-07-08 | 삼성전자주식회사 | 폴링 시간을 예측하는 뉴럴 네트워크 시스템 및 이를 이용한 뉴럴 네트워크 모델 처리 방법 |
US11128701B1 (en) * | 2019-03-28 | 2021-09-21 | Amazon Technologies, Inc. | Cooperative preemption in a distributed multi-tenant resource pool |
US11194795B2 (en) * | 2019-04-16 | 2021-12-07 | Snowflake Inc. | Automated maintenance of external tables in database systems |
US11222022B2 (en) * | 2019-04-17 | 2022-01-11 | Verizon Patent And Licensing Inc. | Method and system for searching a key-value storage |
US11048423B2 (en) | 2019-04-17 | 2021-06-29 | Verizon Media Inc. | Method and system for synchronizing requests related to key-value storage having different portions |
WO2020220216A1 (en) | 2019-04-29 | 2020-11-05 | Splunk Inc. | Search time estimate in data intake and query system |
US11715051B1 (en) | 2019-04-30 | 2023-08-01 | Splunk Inc. | Service provider instance recommendations using machine-learned classifications and reconciliation |
US11144360B2 (en) | 2019-05-31 | 2021-10-12 | Qubole, Inc. | System and method for scheduling and running interactive database queries with service level agreements in a multi-tenant processing system |
US11704316B2 (en) | 2019-05-31 | 2023-07-18 | Qubole, Inc. | Systems and methods for determining peak memory requirements in SQL processing engines with concurrent subtasks |
US11556640B1 (en) * | 2019-06-27 | 2023-01-17 | Mandiant, Inc. | Systems and methods for automated cybersecurity analysis of extracted binary string sets |
US11270531B2 (en) | 2019-06-28 | 2022-03-08 | GM Cruise Holdings, LLC | Autonomous vehicle data management platform |
US11416465B1 (en) | 2019-07-16 | 2022-08-16 | Splunk Inc. | Processing data associated with different tenant identifiers |
US11429604B2 (en) * | 2019-09-10 | 2022-08-30 | Oracle International Corporation | Techniques of heterogeneous hardware execution for SQL analytic queries for high volume data processing |
US10798100B1 (en) | 2019-09-12 | 2020-10-06 | Snowflake Inc. | Managing membership in a private data exchange |
US11334604B2 (en) | 2019-09-12 | 2022-05-17 | Snowflake Inc. | Private data exchange |
US11494380B2 (en) | 2019-10-18 | 2022-11-08 | Splunk Inc. | Management of distributed computing framework components in a data fabric service system |
US20210182070A1 (en) * | 2019-12-11 | 2021-06-17 | International Business Machines Corporation | Explicit resource file to assign exact resources to job ranks |
US11567939B2 (en) * | 2019-12-26 | 2023-01-31 | Snowflake Inc. | Lazy reassembling of semi-structured data |
US11308090B2 (en) | 2019-12-26 | 2022-04-19 | Snowflake Inc. | Pruning index to support semi-structured data types |
US11275725B2 (en) * | 2020-01-29 | 2022-03-15 | Salesforce.Com, Inc. | Transporting a database structure from a first version to a second version |
US11922222B1 (en) | 2020-01-30 | 2024-03-05 | Splunk Inc. | Generating a modified component for a data intake and query system using an isolated execution environment image |
US11829415B1 (en) | 2020-01-31 | 2023-11-28 | Splunk Inc. | Mapping buckets and search peers to a bucket map identifier for searching |
US11048716B1 (en) * | 2020-01-31 | 2021-06-29 | Snowflake Inc. | Managed virtual warehouses for tasks |
CN111291231B (zh) * | 2020-02-14 | 2023-09-15 | 支付宝(杭州)信息技术有限公司 | 数据处理结果的存储方法及其系统 |
US11580102B2 (en) * | 2020-04-02 | 2023-02-14 | Ocient Holdings LLC | Implementing linear algebra functions via decentralized execution of query operator flows |
US10860381B1 (en) * | 2020-05-14 | 2020-12-08 | Snowflake Inc. | Flexible computing |
US11347735B2 (en) * | 2020-06-01 | 2022-05-31 | Snowflake Inc. | Scalable query processing |
US11163768B1 (en) | 2020-06-01 | 2021-11-02 | Snowflake Inc. | Checkpoints in batch file processing |
US10997286B1 (en) * | 2020-06-02 | 2021-05-04 | Snowflake Inc. | Secure code execution in a database system |
US11556636B2 (en) * | 2020-06-30 | 2023-01-17 | Microsoft Technology Licensing, Llc | Malicious enterprise behavior detection tool |
US11687497B2 (en) * | 2020-07-21 | 2023-06-27 | Akamai Technologies Inc. | Learning-based storage reduction in an overlay network |
CN111881123B (zh) * | 2020-07-22 | 2022-04-22 | 北京浪潮数据技术有限公司 | 分布式系统之间的数据同步方法及系统 |
US11615082B1 (en) | 2020-07-31 | 2023-03-28 | Splunk Inc. | Using a data store and message queue to ingest data for a data intake and query system |
CN112035516B (zh) * | 2020-09-30 | 2023-08-18 | 北京百度网讯科技有限公司 | 用于算子服务的处理方法、装置、智能工作站和电子设备 |
US11609913B1 (en) | 2020-10-16 | 2023-03-21 | Splunk Inc. | Reassigning data groups from backup to searching for a processing node |
US11704313B1 (en) | 2020-10-19 | 2023-07-18 | Splunk Inc. | Parallel branch operation using intermediary nodes |
KR102411806B1 (ko) * | 2020-11-17 | 2022-06-23 | 쿠팡 주식회사 | 데이터베이스 쿼리 효율 향상을 위한 시스템 및 방법 |
CN113762865A (zh) * | 2021-01-06 | 2021-12-07 | 北京京东乾石科技有限公司 | 一种库存信息处理方法和装置 |
CN112631527A (zh) * | 2021-01-07 | 2021-04-09 | 上海明略人工智能(集团)有限公司 | 基于k8s多租户的Juypter Notebook代码远端存储方法及装置 |
US11138038B1 (en) * | 2021-01-29 | 2021-10-05 | Snowflake Inc. | Adaptive freepool size prediction |
US20220284056A1 (en) * | 2021-03-05 | 2022-09-08 | Oracle International Corporation | Fast and memory efficient in-memory columnar graph updates while preserving analytical performance |
US11354362B1 (en) | 2021-05-06 | 2022-06-07 | Workiva Inc. | System and method for copying linked documents |
CN113176878B (zh) * | 2021-06-30 | 2021-10-08 | 深圳市维度数据科技股份有限公司 | 自动查询方法、装置和设备 |
CN113507464B (zh) * | 2021-07-06 | 2023-10-13 | 深圳市吉芯微半导体有限公司 | 基于虚拟设备的数据访问方法、装置、设备及存储介质 |
US11914595B2 (en) | 2021-07-13 | 2024-02-27 | Capital One Services, Llc | Virtual warehouse query monitoring and reporting |
US11669529B2 (en) * | 2021-07-13 | 2023-06-06 | Capital One Services, Llc | Dynamic query allocation to virtual warehouses |
US11494413B1 (en) | 2021-07-13 | 2022-11-08 | Capital One Services, Llc | Query alerts generation for virtual warehouse |
US11809395B1 (en) | 2021-07-15 | 2023-11-07 | Splunk Inc. | Load balancing, failover, and reliable delivery of data in a data intake and query system |
CN113488180B (zh) * | 2021-07-28 | 2023-07-18 | 中国医学科学院医学信息研究所 | 一种临床指南知识建模方法及系统 |
WO2023137444A2 (en) * | 2022-01-14 | 2023-07-20 | Sentinel Labs Israel Ltd. | Systems and methods for data management and query optimization |
US11621882B1 (en) * | 2022-01-28 | 2023-04-04 | United Services Automobile Association (Usaa) | Automated remedial actions for service level objective thresholds |
CN114511149B (zh) * | 2022-02-16 | 2022-12-02 | 长沙祥云瑞风信息技术有限公司 | 一种分层分布式气象预测平台、方法、介质及设备 |
TWI820684B (zh) * | 2022-04-21 | 2023-11-01 | 騰升科技股份有限公司 | 開放式倉儲生產系統及方法 |
CN114945026A (zh) * | 2022-04-24 | 2022-08-26 | 网易(杭州)网络有限公司 | 数据处理方法、装置和系统 |
US11914637B2 (en) * | 2022-07-25 | 2024-02-27 | Sap Se | Image scaling cloud database |
US11947559B1 (en) | 2022-10-10 | 2024-04-02 | Bank Of America Corporation | Dynamic schema identification to process incoming data feeds in a database system |
CN116150093B (zh) * | 2023-03-04 | 2023-11-03 | 北京大道云行科技有限公司 | 一种对象存储列举对象的实现方法及电子设备 |
CN116226095A (zh) * | 2023-05-08 | 2023-06-06 | 中用科技有限公司 | 一种无共享架构数据库的存算分离系统 |
Family Cites Families (498)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3074210A (en) | 1959-07-28 | 1963-01-22 | Yates American Machine Co | Combination sander |
US4967341A (en) * | 1986-02-14 | 1990-10-30 | Hitachi, Ltd. | Method and apparatus for processing data base |
US5325509A (en) | 1991-03-05 | 1994-06-28 | Zitel Corporation | Method of operating a cache memory including determining desirability of cache ahead or cache behind based on a number of available I/O operations |
US5634125A (en) * | 1993-09-02 | 1997-05-27 | International Business Machines Corporation | Selecting buckets for redistributing data between nodes in a parallel database in the quiescent mode |
US5584024A (en) * | 1994-03-24 | 1996-12-10 | Software Ag | Interactive database query system and method for prohibiting the selection of semantically incorrect query parameters |
US5694593A (en) * | 1994-10-05 | 1997-12-02 | Northeastern University | Distributed computer database system and method |
JPH08339323A (ja) * | 1995-06-12 | 1996-12-24 | Mitsubishi Electric Corp | データベース管理システムにおける分散データ管理方式 |
US5864842A (en) * | 1995-10-23 | 1999-01-26 | Ncr Corporation | Optimization of SQL queries using hash star join operations |
US5892945A (en) * | 1996-03-21 | 1999-04-06 | Oracle Corporation | Method and apparatus for distributing work granules among processes based on the location of data accessed in the work granules |
US5787466A (en) | 1996-05-01 | 1998-07-28 | Sun Microsystems, Inc. | Multi-tier cache and method for implementing such a system |
DE19758466B4 (de) | 1997-03-11 | 2007-10-04 | Betriebsforschungsinstitut VDEh - Institut für angewandte Forschung GmbH | Planheits-Regelungssystem für Metallband |
FR2762110A1 (fr) * | 1997-04-14 | 1998-10-16 | Renishaw Plc | Systeme formant capteur programmable |
US5873074A (en) * | 1997-04-18 | 1999-02-16 | Informix Software, Inc. | Applying distinct hash-join distributions of operators to both even and uneven database records |
US6453334B1 (en) * | 1997-06-16 | 2002-09-17 | Streamtheory, Inc. | Method and apparatus to allow remotely located computer programs and/or data to be accessed on a local computer in a secure, time-limited manner, with persistent caching |
US6112198A (en) * | 1997-06-30 | 2000-08-29 | International Business Machines Corporation | Optimization of data repartitioning during parallel query optimization |
US6363411B1 (en) * | 1998-08-05 | 2002-03-26 | Mci Worldcom, Inc. | Intelligent network |
US7047300B1 (en) * | 1998-02-10 | 2006-05-16 | Sprint Communications Company L.P. | Survivable and scalable data system and method for computer networks |
US6209128B1 (en) * | 1998-06-05 | 2001-03-27 | International Business Machines Corporation | Apparatus and method for providing access to multiple object versions |
US6185557B1 (en) * | 1998-07-31 | 2001-02-06 | Unisys Corporation | Merge join process |
US6226639B1 (en) * | 1998-09-22 | 2001-05-01 | International Business Machines Corporation | System and method for hybrid hash join using over-partitioning to respond to database query |
JP4406944B2 (ja) * | 1998-11-11 | 2010-02-03 | 株式会社日立製作所 | 計算機システム及び問合せに対する処理分散システム |
US6338056B1 (en) * | 1998-12-14 | 2002-01-08 | International Business Machines Corporation | Relational database extender that supports user-defined index types and user-defined search |
US20020038308A1 (en) * | 1999-05-27 | 2002-03-28 | Michael Cappi | System and method for creating a virtual data warehouse |
JP2000348038A (ja) * | 1999-06-02 | 2000-12-15 | Fujitsu Ltd | 半構造データベースのためのデータ格納装置および方法 |
US6374235B1 (en) * | 1999-06-25 | 2002-04-16 | International Business Machines Corporation | Method, system, and program for a join operation on a multi-column table and satellite tables including duplicate values |
CA2279359C (en) * | 1999-07-30 | 2012-10-23 | Basantkumar John Oommen | A method of generating attribute cardinality maps |
US6597956B1 (en) * | 1999-08-23 | 2003-07-22 | Terraspring, Inc. | Method and apparatus for controlling an extensible computing system |
JP3463803B2 (ja) * | 1999-11-09 | 2003-11-05 | 松下電器産業株式会社 | クラスタサーバ装置 |
US6938256B2 (en) * | 2000-01-18 | 2005-08-30 | Galactic Computing Corporation | System for balance distribution of requests across multiple servers using dynamic metrics |
US6604100B1 (en) * | 2000-02-09 | 2003-08-05 | At&T Corp. | Method for converting relational data into a structured document |
US6490590B1 (en) | 2000-02-14 | 2002-12-03 | Ncr Corporation | Method of generating a logical data model, physical data model, extraction routines and load routines |
US6484186B1 (en) * | 2000-02-15 | 2002-11-19 | Novell, Inc. | Method for backing up consistent versions of open files |
US7124144B2 (en) | 2000-03-02 | 2006-10-17 | Actuate Corporation | Method and apparatus for storing semi-structured data in a structured manner |
US6618720B1 (en) * | 2000-06-15 | 2003-09-09 | Ncr Corporation | Common spool files for maintaining join indexes |
US6826564B2 (en) * | 2000-07-10 | 2004-11-30 | Fastforward Networks | Scalable and programmable query distribution and collection in a network of queryable devices |
JP2002132455A (ja) | 2000-10-25 | 2002-05-10 | Hitachi Ltd | キャッシュマネジャー及びこれを含むコンピュータシステム |
US6954757B2 (en) | 2001-02-02 | 2005-10-11 | Hewlett-Packard Development Company, L.P. | Framework, architecture, method and system for reducing latency of business operations of an enterprise |
US7418620B1 (en) | 2001-02-16 | 2008-08-26 | Swsoft Holdings, Ltd. | Fault tolerant distributed storage method and controller using (N,K) algorithms |
US6804677B2 (en) * | 2001-02-26 | 2004-10-12 | Ori Software Development Ltd. | Encoding semi-structured data for efficient search and browsing |
AU2002247257A1 (en) * | 2001-03-02 | 2002-09-19 | Kasenna, Inc. | Metadata enabled push-pull model for efficient low-latency video-content distribution over a network |
JP4129353B2 (ja) | 2001-03-29 | 2008-08-06 | 株式会社東芝 | 分散データ管理システム、分散データ管理方法及び分散データ管理プログラム |
US7085891B2 (en) * | 2001-04-04 | 2006-08-01 | International Business Machines Corporation | Method for managing a cache memory using a predictive modeling engine to select a caching algorithm |
US7085769B1 (en) * | 2001-04-26 | 2006-08-01 | Ncr Corporation | Method and apparatus for performing hash join |
US7797375B2 (en) * | 2001-05-07 | 2010-09-14 | International Business Machines Corporat | System and method for responding to resource requests in distributed computer networks |
US7363353B2 (en) * | 2001-07-06 | 2008-04-22 | Juniper Networks, Inc. | Content service aggregation device for a data center |
US7092951B1 (en) * | 2001-07-06 | 2006-08-15 | Ncr Corporation | Auxiliary relation for materialized view |
WO2003017136A1 (en) * | 2001-08-16 | 2003-02-27 | Etagon Israel Ltd. | Using associative memory to perform database operations |
US7499960B2 (en) * | 2001-10-01 | 2009-03-03 | Oracle International Corporation | Adaptive memory allocation |
US6954456B2 (en) * | 2001-12-14 | 2005-10-11 | At & T Corp. | Method for content-aware redirection and content renaming |
US7257597B1 (en) | 2001-12-18 | 2007-08-14 | Siebel Systems, Inc. | Table substitution |
US7188364B2 (en) | 2001-12-20 | 2007-03-06 | Cranite Systems, Inc. | Personal virtual bridged local area networks |
US7092954B1 (en) * | 2001-12-31 | 2006-08-15 | Ncr Corporation | Optimizing an equi-join operation using a bitmap index structure |
WO2003065179A2 (en) * | 2002-02-01 | 2003-08-07 | John Fairweather | A system and method for mining data |
US7266823B2 (en) | 2002-02-21 | 2007-09-04 | International Business Machines Corporation | Apparatus and method of dynamically repartitioning a computer system in response to partition workloads |
JP2003271429A (ja) | 2002-03-15 | 2003-09-26 | Hitachi Ltd | 記憶装置資源管理方法、記憶資源管理プログラム、該プログラムを記録した記録媒体、及び記憶資源管理装置 |
US7149737B1 (en) * | 2002-04-04 | 2006-12-12 | Ncr Corp. | Locking mechanism using a predefined lock for materialized views in a database system |
US7617179B2 (en) * | 2002-06-29 | 2009-11-10 | Ianywhere Solutions, Inc. | System and methodology for cost-based subquery optimization using a left-deep tree join enumeration algorithm |
US7379990B2 (en) | 2002-08-12 | 2008-05-27 | Tsao Sheng Ted Tai | Distributed virtual SAN |
US6996556B2 (en) | 2002-08-20 | 2006-02-07 | International Business Machines Corporation | Metadata manager for database query optimizer |
WO2004027576A2 (en) * | 2002-09-18 | 2004-04-01 | Netezza Corporation | Asymmetric data streaming architecture having autonomous and asynchronous job processing unit |
JP2004126804A (ja) * | 2002-09-30 | 2004-04-22 | Just Syst Corp | 文書管理方法および装置 |
DE20217309U1 (de) | 2002-11-09 | 2003-01-30 | Eichenauer Heizelemente Gmbh | Heizkörper für gasförmige Medien |
US7395536B2 (en) | 2002-11-14 | 2008-07-01 | Sun Microsystems, Inc. | System and method for submitting and performing computational tasks in a distributed heterogeneous networked environment |
US6968335B2 (en) * | 2002-11-14 | 2005-11-22 | Sesint, Inc. | Method and system for parallel processing of database queries |
US7562090B2 (en) * | 2002-12-19 | 2009-07-14 | International Business Machines Corporation | System and method for automating data partitioning in a parallel database |
US8468227B2 (en) * | 2002-12-31 | 2013-06-18 | Motorola Solutions, Inc. | System and method for rendering content on multiple devices |
US20040181522A1 (en) * | 2003-01-16 | 2004-09-16 | Jardin Cary A. | Shared memory router system and method for node communication in a distributed system |
US20040181524A1 (en) * | 2003-01-16 | 2004-09-16 | Jardin Cary A. | System and method for distributed processing in a node environment |
US7490097B2 (en) | 2003-02-20 | 2009-02-10 | Microsoft Corporation | Semi-structured data storage schema selection |
JP2004252789A (ja) * | 2003-02-21 | 2004-09-09 | Nippon Telegr & Teleph Corp <Ntt> | 情報検索装置、情報検索方法、情報検索プログラム及びそのプログラムを記録した記録媒体 |
US7254636B1 (en) * | 2003-03-14 | 2007-08-07 | Cisco Technology, Inc. | Method and apparatus for transparent distributed network-attached storage with web cache communication protocol/anycast and file handle redundancy |
JP4313068B2 (ja) * | 2003-03-28 | 2009-08-12 | 株式会社日立製作所 | 記憶装置のキャッシュ管理方法 |
US7111025B2 (en) * | 2003-04-30 | 2006-09-19 | International Business Machines Corporation | Information retrieval system and method using index ANDing for improving performance |
US7603464B2 (en) | 2003-06-04 | 2009-10-13 | Sony Computer Entertainment Inc. | Method and system for identifying available resources in a peer-to-peer network |
WO2005001422A2 (en) | 2003-06-06 | 2005-01-06 | The Board Of Trustees Of The University Of Illinois | Sensor chip and apparatus for tactile and/or flow |
US7280998B1 (en) | 2003-07-28 | 2007-10-09 | At&T Corp. | Virtual data warehousing |
JP2005056085A (ja) * | 2003-08-01 | 2005-03-03 | Fujitsu Ltd | データ構造変換プログラム |
JP2005056077A (ja) | 2003-08-01 | 2005-03-03 | Hitachi Ltd | データベース制御方法 |
US7401104B2 (en) * | 2003-08-21 | 2008-07-15 | Microsoft Corporation | Systems and methods for synchronizing computer systems through an intermediary file system share or device |
US7349913B2 (en) * | 2003-08-21 | 2008-03-25 | Microsoft Corporation | Storage platform for organizing, searching, and sharing data |
US7702610B2 (en) * | 2003-09-19 | 2010-04-20 | Netezza Corporation | Performing sequence analysis as a multipart plan storing intermediate results as a relation |
US7555504B2 (en) * | 2003-09-23 | 2009-06-30 | Emc Corporation | Maintenance of a file version set including read-only and read-write snapshot copies of a production file |
US20050081210A1 (en) * | 2003-09-25 | 2005-04-14 | International Business Machines Corporation | Dynamic adjustment of system resource allocation during query execution in a database management system |
TW200530238A (en) | 2003-10-15 | 2005-09-16 | Osi Pharm Inc | Imidazopyrazine tyrosine kinase inhibitors |
US20050091231A1 (en) * | 2003-10-24 | 2005-04-28 | Shankar Pal | System and method for storing and retrieving XML data encapsulated as an object in a database store |
CN1543138B (zh) * | 2003-11-04 | 2010-09-08 | 浙江大学 | 宽带adsl业务自动处理系统 |
US7380039B2 (en) * | 2003-12-30 | 2008-05-27 | 3Tera, Inc. | Apparatus, method and system for aggregrating computing resources |
US20050198303A1 (en) * | 2004-01-02 | 2005-09-08 | Robert Knauerhase | Dynamic virtual machine service provider allocation |
US7562143B2 (en) * | 2004-01-13 | 2009-07-14 | International Business Machines Corporation | Managing escalating resource needs within a grid environment |
US7136973B2 (en) | 2004-02-04 | 2006-11-14 | Sandisk Corporation | Dual media storage device |
JP4247135B2 (ja) * | 2004-02-10 | 2009-04-02 | 株式会社東芝 | 構造化文書記憶方法、構造化文書記憶装置、構造化文書検索方法 |
US7843906B1 (en) * | 2004-02-13 | 2010-11-30 | Habanero Holdings, Inc. | Storage gateway initiator for fabric-backplane enterprise servers |
US7818349B2 (en) * | 2004-02-21 | 2010-10-19 | Datallegro, Inc. | Ultra-shared-nothing parallel database |
US20050192937A1 (en) * | 2004-02-26 | 2005-09-01 | International Business Machines Corporation | Dynamic query optimization |
WO2005092032A2 (en) | 2004-03-22 | 2005-10-06 | Sliccware Corporation | Secure virtual data warehousing system and method |
JP4631301B2 (ja) * | 2004-03-31 | 2011-02-16 | 株式会社日立製作所 | 記憶装置のキャッシュ管理方法 |
US20110145489A1 (en) * | 2004-04-05 | 2011-06-16 | Super Talent Electronics, Inc. | Hybrid storage device |
US8255388B1 (en) * | 2004-04-30 | 2012-08-28 | Teradata Us, Inc. | Providing a progress indicator in a database system |
US7644050B2 (en) * | 2004-12-02 | 2010-01-05 | International Business Machines Corporation | Method and apparatus for annotation-based behavior extensions |
US7395258B2 (en) * | 2004-07-30 | 2008-07-01 | International Business Machines Corporation | System and method for adaptive database caching |
WO2006026659A2 (en) | 2004-08-31 | 2006-03-09 | Ascential Software Corporation | Services oriented architecture for data integration services |
US7523098B2 (en) | 2004-09-15 | 2009-04-21 | International Business Machines Corporation | Systems and methods for efficient data searching, storage and reduction |
US20060074872A1 (en) | 2004-09-30 | 2006-04-06 | International Business Machines Corporation | Adaptive database buffer memory management using dynamic SQL statement cache statistics |
US7644083B1 (en) * | 2004-09-30 | 2010-01-05 | Teradata Us, Inc. | Efficiently performing inequality joins |
US7478080B2 (en) * | 2004-09-30 | 2009-01-13 | International Business Machines Corporation | Canonical abstraction for outerjoin optimization |
US7620953B1 (en) | 2004-10-05 | 2009-11-17 | Azul Systems, Inc. | System and method for allocating resources of a core space among a plurality of core virtual machines |
US20060090164A1 (en) * | 2004-10-05 | 2006-04-27 | Microsoft Corporation | Object cloning for demand events |
US7574424B2 (en) * | 2004-10-13 | 2009-08-11 | Sybase, Inc. | Database system with methodology for parallel schedule generation in a query optimizer |
US20060085451A1 (en) * | 2004-10-15 | 2006-04-20 | Microsoft Corporation | Mapping of schema data into data structures |
JP2006119745A (ja) * | 2004-10-19 | 2006-05-11 | Hitachi Ltd | コンピュータシステム及びコンピュータシステムの制御方法 |
US8145642B2 (en) * | 2004-11-30 | 2012-03-27 | Oracle International Corporation | Method and apparatus to support bitmap filtering in a parallel system |
US7721292B2 (en) | 2004-12-16 | 2010-05-18 | International Business Machines Corporation | System for adjusting resource allocation to a logical partition based on rate of page swaps and utilization by changing a boot configuration file |
US7415487B2 (en) * | 2004-12-17 | 2008-08-19 | Amazon Technologies, Inc. | Apparatus and method for data warehousing |
CN1622095A (zh) * | 2004-12-27 | 2005-06-01 | 中国科学院软件研究所 | 可扩展标记语言文件存储及插入关系数据库表的方法 |
US7882100B2 (en) * | 2005-01-24 | 2011-02-01 | Sybase, Inc. | Database system with methodology for generating bushy nested loop join trees |
US8126870B2 (en) * | 2005-03-28 | 2012-02-28 | Sybase, Inc. | System and methodology for parallel query optimization using semantic-based partitioning |
US7512625B2 (en) * | 2005-04-01 | 2009-03-31 | International Business Machines Corporation | Method, system and program for joining source table rows with target table rows |
US7640230B2 (en) * | 2005-04-05 | 2009-12-29 | Microsoft Corporation | Query plan selection control using run-time association mechanism |
JP4839706B2 (ja) * | 2005-07-12 | 2011-12-21 | 株式会社日立製作所 | データベース管理システムのインデックス運用方法 |
US20070033247A1 (en) * | 2005-08-02 | 2007-02-08 | The Mathworks, Inc. | Methods and system for distributing data to technical computing workers |
US7475056B2 (en) * | 2005-08-11 | 2009-01-06 | Oracle International Corporation | Query processing in a parallel single cursor model on multi-instance configurations, using hints |
US20090234711A1 (en) * | 2005-09-14 | 2009-09-17 | Jorey Ramer | Aggregation of behavioral profile data using a monetization platform |
US20070067274A1 (en) * | 2005-09-16 | 2007-03-22 | International Business Machines Corporation | Hybrid push-down/pull-up of unions with expensive operations in a federated query processor |
US7814091B2 (en) * | 2005-09-27 | 2010-10-12 | Oracle International Corporation | Multi-tiered query processing techniques for minus and intersect operators |
US7870288B2 (en) * | 2005-10-28 | 2011-01-11 | Yahoo! Inc. | Sharing data in scalable software blade architecture |
JP4795778B2 (ja) * | 2005-11-07 | 2011-10-19 | 株式会社東芝 | データ管理装置、データ管理方法およびプログラム |
US20070124274A1 (en) * | 2005-11-30 | 2007-05-31 | International Business Machines Corporation | Apparatus and method for autonomic adjustment of resources in a logical partition to improve partitioned query performance |
US7921132B2 (en) | 2005-12-19 | 2011-04-05 | Yahoo! Inc. | System for query processing of column chunks in a distributed column chunk data store |
US8073929B2 (en) * | 2005-12-29 | 2011-12-06 | Panasonic Electric Works Co., Ltd. | Systems and methods for managing a provider's online status in a distributed network |
US20070174290A1 (en) * | 2006-01-19 | 2007-07-26 | International Business Machines Corporation | System and architecture for enterprise-scale, parallel data mining |
US20070174429A1 (en) | 2006-01-24 | 2007-07-26 | Citrix Systems, Inc. | Methods and servers for establishing a connection between a client system and a virtual machine hosting a requested computing environment |
US7716238B2 (en) | 2006-02-15 | 2010-05-11 | Sony Computer Entertainment America Inc. | Systems and methods for server management |
US9229967B2 (en) * | 2006-02-22 | 2016-01-05 | Oracle International Corporation | Efficient processing of path related operations on data organized hierarchically in an RDBMS |
US8185724B2 (en) | 2006-03-03 | 2012-05-22 | Arm Limited | Monitoring values of signals within an integrated circuit |
US20070294692A1 (en) | 2006-06-16 | 2007-12-20 | Microsoft Corporation | Task Assignment Among Multiple Devices |
US20080005486A1 (en) * | 2006-06-29 | 2008-01-03 | Mannava Phanindra K | Coordination of snoop responses in a multi-processor system |
US8359297B2 (en) | 2006-06-29 | 2013-01-22 | International Business Machines Corporation | Multiple source data management using a conflict rule |
US8074210B1 (en) * | 2006-06-29 | 2011-12-06 | Xilinx, Inc. | Method and apparatus for producing optimized matrix triangulation routines |
US7730119B2 (en) * | 2006-07-21 | 2010-06-01 | Sony Computer Entertainment Inc. | Sub-task processor distribution scheduling |
US7624118B2 (en) * | 2006-07-26 | 2009-11-24 | Microsoft Corporation | Data processing over very large databases |
US7991800B2 (en) | 2006-07-28 | 2011-08-02 | Aprimo Incorporated | Object oriented system and method for optimizing the execution of marketing segmentations |
US20080082644A1 (en) * | 2006-09-29 | 2008-04-03 | Microsoft Corporation | Distributed parallel computing |
US20080091806A1 (en) * | 2006-10-11 | 2008-04-17 | Jinmei Shen | Dynamic On-Demand Clustering |
US8589550B1 (en) * | 2006-10-23 | 2013-11-19 | Emc Corporation | Asymmetric data storage system for high performance and grid computing |
US8185893B2 (en) * | 2006-10-27 | 2012-05-22 | Hewlett-Packard Development Company, L.P. | Starting up at least one virtual machine in a physical machine by a load balancer |
JP4571609B2 (ja) * | 2006-11-08 | 2010-10-27 | 株式会社日立製作所 | リソース割当方法、リソース割当プログラム、および、管理コンピュータ |
JP2010509691A (ja) * | 2006-11-13 | 2010-03-25 | エクセジー・インコーポレイテツド | コプロセッサを使った高性能のデータメタタグ付けおよびデータ索引付けの方法およびシステム |
US7844608B2 (en) * | 2006-12-15 | 2010-11-30 | Yahoo! Inc. | Clustered query support for a database query engine |
US7946471B2 (en) | 2007-02-06 | 2011-05-24 | Siemens Aktiengesellschaft | Brazing composition and brazing method for superalloys |
US7657572B2 (en) | 2007-03-06 | 2010-02-02 | Microsoft Corporation | Selectively utilizing a plurality of disparate solid state storage locations |
US20080242315A1 (en) * | 2007-03-27 | 2008-10-02 | Gm Global Technology Operations, Inc. | Traffic data collection utilizing a cellular communication network and probe units |
US8892624B2 (en) * | 2007-04-10 | 2014-11-18 | International Business Machines Corporation | Method for the interoperation of virtual organizations |
US20080256549A1 (en) * | 2007-04-10 | 2008-10-16 | International Business Machines Corporation | System and Method of Planning for Cooperative Information Processing |
US7716183B2 (en) * | 2007-04-11 | 2010-05-11 | Dot Hill Systems Corporation | Snapshot preserved data cloning |
US8706914B2 (en) | 2007-04-23 | 2014-04-22 | David D. Duchesneau | Computing infrastructure |
US8015180B2 (en) * | 2007-05-18 | 2011-09-06 | Oracle International Corp. | Queries with hard time constraints |
CN101093559B (zh) * | 2007-06-12 | 2010-06-23 | 北京科技大学 | 一种基于知识发现的专家系统构造方法 |
US8819080B2 (en) * | 2007-06-13 | 2014-08-26 | The Boeing Company | System and method for collection, retrieval, and distribution of data |
JP5011006B2 (ja) * | 2007-07-03 | 2012-08-29 | 株式会社日立製作所 | リソース割当方法、リソース割当プログラム、および、リソース割当装置 |
US20090010326A1 (en) * | 2007-07-05 | 2009-01-08 | Andreas Rossholm | Method and apparatus for parallel video decoding |
US7788233B1 (en) * | 2007-07-05 | 2010-08-31 | Amazon Technologies, Inc. | Data store replication for entity based partition |
US20090019103A1 (en) * | 2007-07-11 | 2009-01-15 | James Joseph Tommaney | Method and system for processing a database query |
US7984043B1 (en) * | 2007-07-24 | 2011-07-19 | Amazon Technologies, Inc. | System and method for distributed query processing using configuration-independent query plans |
US9424315B2 (en) * | 2007-08-27 | 2016-08-23 | Teradata Us, Inc. | Methods and systems for run-time scheduling database operations that are executed in hardware |
US7966343B2 (en) | 2008-04-07 | 2011-06-21 | Teradata Us, Inc. | Accessing data in a column store database based on hardware compatible data structures |
US8862625B2 (en) | 2008-04-07 | 2014-10-14 | Teradata Us, Inc. | Accessing data in a column store database based on hardware compatible indexing and replicated reordered columns |
JP5196924B2 (ja) * | 2007-09-11 | 2013-05-15 | 株式会社東芝 | データベース処理装置、方法及びプログラム |
US8041773B2 (en) * | 2007-09-24 | 2011-10-18 | The Research Foundation Of State University Of New York | Automatic clustering for self-organizing grids |
EP2056562B1 (de) * | 2007-11-02 | 2016-09-07 | Alcatel Lucent | Elastische Servicequalität in einem verwalteten Multimedia-Liefernetzwerk |
US20090150511A1 (en) * | 2007-11-08 | 2009-06-11 | Rna Networks, Inc. | Network with distributed shared memory |
US8095512B2 (en) * | 2007-11-19 | 2012-01-10 | International Business Machines Corporation | Managing database resources used for optimizing query execution on a parallel computer system |
US8392404B2 (en) * | 2007-11-19 | 2013-03-05 | Teradata Us, Inc. | Dynamic query and step routing between systems tuned for different objectives |
CN101453398A (zh) * | 2007-12-06 | 2009-06-10 | 怀特威盛软件公司 | 一种新型分布式网格超级计算系统及方法 |
US8150850B2 (en) * | 2008-01-07 | 2012-04-03 | Akiban Technologies, Inc. | Multiple dimensioned database architecture |
US8805949B2 (en) | 2008-01-16 | 2014-08-12 | Netapp, Inc. | System and method for populating a cache using behavioral adaptive policies |
US7925656B2 (en) * | 2008-03-07 | 2011-04-12 | International Business Machines Corporation | Node level hash join for evaluating a query |
US8386540B1 (en) * | 2008-03-31 | 2013-02-26 | Amazon Technologies, Inc. | Scalable relational database service |
EP2112799A1 (de) * | 2008-04-25 | 2009-10-28 | Koninklijke KPN N.V. | Dienstintegrität in einem IMS-basierten System |
US7930322B2 (en) | 2008-05-27 | 2011-04-19 | Microsoft Corporation | Text based schema discovery and information extraction |
US8073840B2 (en) | 2008-06-17 | 2011-12-06 | Attivio, Inc. | Querying joined data within a search engine index |
US20100011368A1 (en) * | 2008-07-09 | 2010-01-14 | Hiroshi Arakawa | Methods, systems and programs for partitioned storage resources and services in dynamically reorganized storage platforms |
US8813091B2 (en) | 2008-08-04 | 2014-08-19 | Oracle America, Inc. | Distribution data structures for locality-guided work stealing |
US8214329B2 (en) | 2008-08-26 | 2012-07-03 | Zeewise, Inc. | Remote data collection systems and methods |
US8032707B2 (en) | 2008-09-15 | 2011-10-04 | Microsoft Corporation | Managing cache data and metadata |
CN102203773B (zh) * | 2008-09-19 | 2014-03-19 | 甲骨文国际公司 | 在具有卸载的布隆过滤器的智能存储器中利用协同并行过滤的哈希联接 |
CN101685449B (zh) * | 2008-09-26 | 2012-07-11 | 国际商业机器公司 | 一种用于连接多个异构分布式数据库中的表的方法和系统 |
US9069613B2 (en) * | 2008-09-30 | 2015-06-30 | Hewlett-Packard Development Company, L.P. | Processing batch database workload while avoiding overload |
US20100082599A1 (en) * | 2008-09-30 | 2010-04-01 | Goetz Graefe | Characterizing Queries To Predict Execution In A Database |
US7738454B1 (en) | 2008-09-30 | 2010-06-15 | Juniper Networks, Inc. | Methods and apparatus related to packet classification based on range values |
US8505015B2 (en) | 2008-10-29 | 2013-08-06 | Teradata Us, Inc. | Placing a group work item into every prioritized work queue of multiple parallel processing units based on preferred placement of the work queues |
US8566821B2 (en) * | 2008-11-11 | 2013-10-22 | Netapp Inc. | Cloning virtual machines |
US8214352B2 (en) * | 2008-11-26 | 2012-07-03 | Hewlett-Packard Development Company | Modular query optimizer |
JP4688111B2 (ja) * | 2008-11-28 | 2011-05-25 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 情報処理装置、データベース・システム、情報処理方法、およびプログラム |
US8762367B2 (en) | 2008-12-08 | 2014-06-24 | Teradata Us, Inc. | Accurate and timely enforcement of system resource allocation rules |
JP5257843B2 (ja) | 2008-12-12 | 2013-08-07 | 日本電気株式会社 | 分散キャッシュシステム、方法、プログラム、及び計算ノード |
US8099411B2 (en) * | 2008-12-15 | 2012-01-17 | Teradata Us, Inc. | System, method, and computer-readable medium for applying conditional resource throttles to facilitate workload management in a database system |
US8301650B1 (en) | 2008-12-19 | 2012-10-30 | Google, Inc. | Bloom filter compaction |
JP5273718B2 (ja) | 2008-12-22 | 2013-08-28 | 花王株式会社 | 電子写真用トナーの製造方法 |
US8762642B2 (en) | 2009-01-30 | 2014-06-24 | Twinstrata Inc | System and method for secure and reliable multi-cloud data replication |
US8666966B2 (en) * | 2009-01-30 | 2014-03-04 | Hewlett-Packard Development Company, L.P. | Providing parallel result streams for database queries |
US8055651B2 (en) * | 2009-02-10 | 2011-11-08 | International Business Machines Corporation | Distribution of join operations on a multi-node computer system |
US20100220622A1 (en) * | 2009-02-27 | 2010-09-02 | Yottaa Inc | Adaptive network with automatic scaling |
US20100228819A1 (en) * | 2009-03-05 | 2010-09-09 | Yottaa Inc | System and method for performance acceleration, data protection, disaster recovery and on-demand scaling of computer applications |
JP5262864B2 (ja) * | 2009-03-10 | 2013-08-14 | 富士通株式会社 | 記憶媒体、検索方法および検索装置 |
US9207984B2 (en) * | 2009-03-31 | 2015-12-08 | Amazon Technologies, Inc. | Monitoring and automatic scaling of data volumes |
US10163140B2 (en) | 2009-04-10 | 2018-12-25 | Shipwire, Inc. | Online merchants to third party warehouse providers broker and order fulfillment system |
US20100274750A1 (en) * | 2009-04-22 | 2010-10-28 | Microsoft Corporation | Data Classification Pipeline Including Automatic Classification Rules |
US8290972B1 (en) | 2009-04-29 | 2012-10-16 | Netapp, Inc. | System and method for storing and accessing data using a plurality of probabilistic data structures |
CN102460393B (zh) * | 2009-05-01 | 2014-05-07 | 思杰系统有限公司 | 用于在虚拟存储资源之间建立云桥的系统和方法 |
US8161244B2 (en) * | 2009-05-13 | 2012-04-17 | Microsoft Corporation | Multiple cache directories |
US8577892B2 (en) * | 2009-06-05 | 2013-11-05 | Microsoft Corporation | Utilizing affinity groups to allocate data items and computing resources |
US9852011B1 (en) * | 2009-06-26 | 2017-12-26 | Turbonomic, Inc. | Managing resources in virtualization systems |
US8458799B2 (en) * | 2009-06-30 | 2013-06-04 | Nokia Corporation | Method and apparatus for providing a scalable service platform using a network cache |
US9836504B2 (en) * | 2009-06-30 | 2017-12-05 | Hewlett Packard Enterprise Development Lp | Query progress estimation based on processed value packets |
US8612439B2 (en) * | 2009-06-30 | 2013-12-17 | Commvault Systems, Inc. | Performing data storage operations in a cloud storage environment, including searching, encryption and indexing |
US8352945B2 (en) * | 2009-08-11 | 2013-01-08 | International Business Machines Corporation | System, method, and apparatus for scan-sharing for business intelligence queries in an in-memory database |
JP5440067B2 (ja) * | 2009-09-18 | 2014-03-12 | 富士通株式会社 | キャッシュメモリ制御装置およびキャッシュメモリ制御方法 |
US8706715B2 (en) | 2009-10-05 | 2014-04-22 | Salesforce.Com, Inc. | Methods and systems for joining indexes for query optimization in a multi-tenant database |
US8620903B2 (en) * | 2009-11-04 | 2013-12-31 | Nec Laboratories America, Inc. | Database distribution system and methods for scale-out applications |
WO2011055645A1 (en) | 2009-11-06 | 2011-05-12 | Semiconductor Energy Laboratory Co., Ltd. | Semiconductor device |
US8688683B2 (en) * | 2009-11-30 | 2014-04-01 | Business Objects Software Ltd. | Query plan reformulation |
US8458239B2 (en) | 2009-12-16 | 2013-06-04 | International Business Machines Corporation | Directory traversal in a scalable multi-node file system cache for a remote cluster file system |
US8495250B2 (en) | 2009-12-16 | 2013-07-23 | International Business Machines Corporation | Asynchronous file operations in a scalable multi-node file system cache for a remote cluster file system |
US8200812B2 (en) | 2009-12-31 | 2012-06-12 | International Business Machines Corporation | Reducing workload on a backend system using client side request throttling |
US8631403B2 (en) * | 2010-01-04 | 2014-01-14 | Vmware, Inc. | Method and system for managing tasks by dynamically scaling centralized virtual center in virtual infrastructure |
US20110167033A1 (en) * | 2010-01-05 | 2011-07-07 | Strelitz David | Allocating resources in a data warehouse |
US8260768B2 (en) * | 2010-01-29 | 2012-09-04 | Hewlett-Packard Development Company, L.P. | Transformation of directed acyclic graph query plans to linear query plans |
US8621145B1 (en) | 2010-01-29 | 2013-12-31 | Netapp, Inc. | Concurrent content management and wear optimization for a non-volatile solid-state cache |
US9058334B2 (en) * | 2010-02-11 | 2015-06-16 | Emc Corporation | Parallel file system processing |
US8464255B2 (en) * | 2010-03-12 | 2013-06-11 | Microsoft Corporation | Managing performance interference effects on cloud computing servers |
US8458191B2 (en) | 2010-03-15 | 2013-06-04 | International Business Machines Corporation | Method and system to store RDF data in a relational store |
US8996563B2 (en) | 2010-04-06 | 2015-03-31 | Tokutek, Inc. | High-performance streaming dictionary |
US8949834B2 (en) * | 2010-04-07 | 2015-02-03 | Yahoo! Inc. | Modeling and scheduling asynchronous incremental workflows |
US8572612B2 (en) * | 2010-04-14 | 2013-10-29 | International Business Machines Corporation | Autonomic scaling of virtual machines in a cloud computing environment |
US8799413B2 (en) | 2010-05-03 | 2014-08-05 | Panzura, Inc. | Distributing data for a distributed filesystem across multiple cloud storage systems |
US9852150B2 (en) * | 2010-05-03 | 2017-12-26 | Panzura, Inc. | Avoiding client timeouts in a distributed filesystem |
US8341363B2 (en) | 2010-05-03 | 2012-12-25 | Panzura, Inc. | Efficient cloud network attached storage |
WO2011140633A1 (en) * | 2010-05-10 | 2011-11-17 | Pravala Inc. | Scalable reliable failover in a network |
CN102243629B (zh) * | 2010-05-12 | 2013-02-27 | 北京安华金和科技有限公司 | 一种基于多级视图和触发器的数据库透明加解密方法 |
US8732473B2 (en) * | 2010-06-01 | 2014-05-20 | Microsoft Corporation | Claim based content reputation service |
US8886631B2 (en) * | 2010-06-04 | 2014-11-11 | Yale University | Query execution systems and methods |
US8874853B2 (en) * | 2010-06-04 | 2014-10-28 | International Business Machines Corporation | Local and global memory request predictor |
US8935232B2 (en) * | 2010-06-04 | 2015-01-13 | Yale University | Query execution systems and methods |
JP5332065B2 (ja) | 2010-06-11 | 2013-11-06 | 株式会社日立製作所 | クラスタ構成管理方法、管理装置及びプログラム |
US20110314001A1 (en) * | 2010-06-18 | 2011-12-22 | Microsoft Corporation | Performing query expansion based upon statistical analysis of structured data |
US8898324B2 (en) * | 2010-06-24 | 2014-11-25 | International Business Machines Corporation | Data access management in a hybrid memory server |
US9075665B2 (en) * | 2010-06-29 | 2015-07-07 | International Business Machines Corporation | Smoothing peak system load via behavior prediction in collaborative systems with temporal data access patterns |
US8381015B2 (en) | 2010-06-30 | 2013-02-19 | International Business Machines Corporation | Fault tolerance for map/reduce computing |
US20120005307A1 (en) | 2010-06-30 | 2012-01-05 | Abhik Das | Storage virtualization |
CN107608755A (zh) | 2010-07-01 | 2018-01-19 | 纽戴纳公司 | 为了优化群集特定配置的使用而按进程类型在群集之间分割进程 |
WO2012025915A1 (en) * | 2010-07-21 | 2012-03-01 | Sqream Technologies Ltd | A system and method for the parallel execution of database queries over cpus and multi core processors |
CN101916261B (zh) | 2010-07-28 | 2013-07-17 | 北京播思软件技术有限公司 | 一种分布式并行数据库系统的数据分区方法 |
JP5556498B2 (ja) | 2010-08-17 | 2014-07-23 | 富士通株式会社 | 管理装置,ファイルサーバシステム,処理方法及び管理プログラム |
US8290936B2 (en) * | 2010-08-17 | 2012-10-16 | International Business Machines Corporation | Executing a query plan with display of intermediate results |
US8832130B2 (en) * | 2010-08-19 | 2014-09-09 | Infosys Limited | System and method for implementing on demand cloud database |
US8775425B2 (en) * | 2010-08-24 | 2014-07-08 | International Business Machines Corporation | Systems and methods for massive structured data management over cloud aware distributed file system |
US8640137B1 (en) * | 2010-08-30 | 2014-01-28 | Adobe Systems Incorporated | Methods and apparatus for resource management in cluster computing |
US8959057B2 (en) | 2010-08-30 | 2015-02-17 | Oracle International Corporation | Techniques for automatic data placement with compression and columnar storage |
US20120059817A1 (en) * | 2010-09-07 | 2012-03-08 | Teradata Us, Inc. | Method for increasing the efficiency of synchronized scans through intelligent query dispatching |
US8428087B1 (en) | 2010-09-17 | 2013-04-23 | Amazon Technologies, Inc. | Framework for stateless packet tunneling |
US8661120B2 (en) * | 2010-09-21 | 2014-02-25 | Amazon Technologies, Inc. | Methods and systems for dynamically managing requests for computing capacity |
US9705730B1 (en) * | 2013-05-07 | 2017-07-11 | Axcient, Inc. | Cloud storage using Merkle trees |
EP2442228A1 (de) * | 2010-10-13 | 2012-04-18 | Thomas Lippert | Computerclusteranordnung zur Verarbeitung einer Berechnungsaufgabe und Betriebsverfahren dafür |
US9483313B2 (en) * | 2010-10-19 | 2016-11-01 | Microsoft Technology Licensing, Llc | Availability management for reference data services |
US20120101860A1 (en) | 2010-10-25 | 2012-04-26 | Ezzat Ahmed K | Providing business intelligence |
US20120036146A1 (en) * | 2010-10-26 | 2012-02-09 | ParElastic Corporation | Apparatus for elastic database processing with heterogeneous data |
US9645839B2 (en) | 2010-10-27 | 2017-05-09 | Microsoft Technology Licensing, Llc | Stateful applications operating in a stateless cloud computing environment |
US20120109868A1 (en) * | 2010-11-01 | 2012-05-03 | Microsoft Corporation | Real-Time Adaptive Output |
US9253016B2 (en) * | 2010-11-02 | 2016-02-02 | International Business Machines Corporation | Management of a data network of a computing environment |
US20140332328A1 (en) | 2010-11-05 | 2014-11-13 | Brian F. Albert | Railroad car hand brake release system |
US8738570B2 (en) * | 2010-11-22 | 2014-05-27 | Hitachi Data Systems Engineering UK Limited | File cloning and de-cloning in a data storage system |
EP2646928A4 (de) * | 2010-12-03 | 2016-11-09 | Hewlett Packard Entpr Dev Lp | Systeme und verfahren zur durchführung eines verschachtelten zusammenfügungsvorgangs |
US9058211B2 (en) * | 2010-12-09 | 2015-06-16 | Verizon Patent And Licensing Inc. | Pre-validation in a computing on demand system |
JP5659757B2 (ja) * | 2010-12-09 | 2015-01-28 | 日本電気株式会社 | 分散データベース管理システム、分散データベース管理方法 |
US8560887B2 (en) | 2010-12-09 | 2013-10-15 | International Business Machines Corporation | Adding scalability and fault tolerance to generic finite state machine frameworks for use in automated incident management of cloud computing infrastructures |
US20120151479A1 (en) | 2010-12-10 | 2012-06-14 | Salesforce.Com, Inc. | Horizontal splitting of tasks within a homogenous pool of virtual machines |
US20120158650A1 (en) * | 2010-12-16 | 2012-06-21 | Sybase, Inc. | Distributed data cache database architecture |
US9395957B2 (en) * | 2010-12-22 | 2016-07-19 | Microsoft Technology Licensing, Llc | Agile communication operator |
KR101473317B1 (ko) * | 2010-12-23 | 2014-12-17 | 주식회사 케이티 | 클라우드 컴퓨팅 시스템 및 클라우드 컴퓨팅 시스템에서의 트래픽 분산 방법 및 제어 방법 |
US8478743B2 (en) * | 2010-12-23 | 2013-07-02 | Microsoft Corporation | Asynchronous transfer of state information between continuous query plans |
CN102567378A (zh) * | 2010-12-28 | 2012-07-11 | 上海杉达学院 | 基于异构数据的信息检索系统 |
US8527497B2 (en) | 2010-12-30 | 2013-09-03 | Facebook, Inc. | Composite term index for graph data |
WO2012095848A2 (en) * | 2011-01-10 | 2012-07-19 | Storone Ltd. | Large scale storage system |
US8768878B2 (en) * | 2011-01-21 | 2014-07-01 | International Business Machines Corporation | Characterizing business intelligence workloads |
US8538954B2 (en) * | 2011-01-25 | 2013-09-17 | Hewlett-Packard Development Company, L.P. | Aggregate function partitions for distributed processing |
US8886742B2 (en) * | 2011-01-28 | 2014-11-11 | Level 3 Communications, Llc | Content delivery network with deep caching infrastructure |
US20120204187A1 (en) | 2011-02-08 | 2012-08-09 | International Business Machines Corporation | Hybrid Cloud Workload Management |
US8516355B2 (en) | 2011-02-16 | 2013-08-20 | Invensys Systems, Inc. | System and method for fault tolerant computing using generic hardware |
US20130205028A1 (en) | 2012-02-07 | 2013-08-08 | Rackspace Us, Inc. | Elastic, Massively Parallel Processing Data Warehouse |
US20120233315A1 (en) | 2011-03-11 | 2012-09-13 | Hoffman Jason A | Systems and methods for sizing resources in a cloud-based environment |
CN103430144A (zh) * | 2011-03-17 | 2013-12-04 | 惠普发展公司,有限责任合伙企业 | 数据源分析 |
CN102693168B (zh) | 2011-03-22 | 2014-12-31 | 中兴通讯股份有限公司 | 一种数据备份恢复的方法、系统和服务节点 |
JP2012198843A (ja) | 2011-03-23 | 2012-10-18 | Fuji Xerox Co Ltd | 仮想サーバ調整システム、仮想サーバ制御装置及びプログラム |
US9292523B1 (en) * | 2011-03-23 | 2016-03-22 | Emc Corporation | Managing data storage |
US9218217B1 (en) * | 2011-03-28 | 2015-12-22 | Google Inc. | Opportunistic job processing in distributed computing resources with an instantiated native client environment with limited read/write access |
JP5843459B2 (ja) * | 2011-03-30 | 2016-01-13 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 情報処理システム、情報処理装置、スケーリング方法、プログラムおよび記録媒体 |
US8789062B2 (en) * | 2011-04-05 | 2014-07-22 | Teradata Us, Inc. | Workload management of a concurrently accessed database server |
US8806159B2 (en) | 2011-04-08 | 2014-08-12 | Symantec Corporation | Data storage resource management systems and methods |
JP5939740B2 (ja) | 2011-04-11 | 2016-06-22 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 動的にリソースを割り当てる方法、システム及びプログラム |
US20120265881A1 (en) | 2011-04-14 | 2012-10-18 | Yuan Chen | Provisioning data center resources |
US20120282950A1 (en) | 2011-05-06 | 2012-11-08 | Gopogo, Llc | Mobile Geolocation String Building System And Methods Thereof |
CN102779114B (zh) * | 2011-05-12 | 2018-06-29 | 商业对象软件有限公司 | 利用自动规则生成的非结构化数据支持 |
JP6082387B2 (ja) | 2011-05-14 | 2017-02-15 | ビットカーサ インコーポレイテッド | ユーザ不可知暗号化ファイルのサーバ側非複製化を有するクラウドファイルシステム |
JP5610227B2 (ja) | 2011-05-18 | 2014-10-22 | 株式会社日立製作所 | 計算機及び識別子管理方法 |
US20120303633A1 (en) * | 2011-05-26 | 2012-11-29 | International Business Machines Corporation | Systems and methods for querying column oriented databases |
US10380269B2 (en) * | 2011-06-07 | 2019-08-13 | Entit Software Llc | Sideways information passing |
JP5508346B2 (ja) * | 2011-06-13 | 2014-05-28 | 日本電信電話株式会社 | 分散データ管理システム、分散データ管理方法及び分散データ管理プログラム |
US20120323971A1 (en) | 2011-06-14 | 2012-12-20 | Sybase, Inc. | Optimizing data storage and access of an in-memory database |
EP2721489B1 (de) * | 2011-06-16 | 2015-09-23 | Argyle Data, Inc. | Virtuelle softwaremaschine zur beschleunigung von transaktionsdatenverarbeitung |
US20120324456A1 (en) * | 2011-06-16 | 2012-12-20 | Microsoft Corporation | Managing nodes in a high-performance computing system using a node registrar |
US8725875B2 (en) | 2011-06-21 | 2014-05-13 | Intel Corporation | Native cloud computing via network segmentation |
US9450838B2 (en) * | 2011-06-27 | 2016-09-20 | Microsoft Technology Licensing, Llc | Resource management for cloud computing platforms |
US8997107B2 (en) | 2011-06-28 | 2015-03-31 | Microsoft Technology Licensing, Llc | Elastic scaling for cloud-hosted batch applications |
US9515952B2 (en) | 2011-07-01 | 2016-12-06 | Hewlett Packard Enterprise Development Lp | Method of and system for managing computing resources |
CN102868542B (zh) * | 2011-07-04 | 2018-02-16 | 中兴通讯股份有限公司 | 一种服务分发网络中服务质量的控制方法及系统 |
US20130013585A1 (en) * | 2011-07-08 | 2013-01-10 | Goetz Graefe | Hash join and hash aggregation integration system |
US8635411B2 (en) * | 2011-07-18 | 2014-01-21 | Arm Limited | Data processing apparatus and method for managing coherency of cached data |
US8676951B2 (en) | 2011-07-27 | 2014-03-18 | Hitachi, Ltd. | Traffic reduction method for distributed key-value store |
EP2740041B1 (de) | 2011-08-02 | 2019-10-23 | Jadhav, Ajay | Cloud-basiertes verteiltes persistenz- und cachedatenmodell |
WO2012083705A1 (zh) * | 2011-08-11 | 2012-06-28 | 华为技术有限公司 | 一种实现对称多处理系统的节点聚合系统 |
WO2013025556A1 (en) * | 2011-08-12 | 2013-02-21 | Splunk Inc. | Elastic scaling of data volume |
JP5342615B2 (ja) | 2011-08-15 | 2013-11-13 | 株式会社日立システムズ | 仮想サーバ制御システム及びプログラム |
US8631131B2 (en) * | 2011-09-07 | 2014-01-14 | Red Hat Israel, Ltd. | Virtual machine pool cache |
US9298773B2 (en) * | 2011-09-12 | 2016-03-29 | Hewlett Packard Enterprise Development Lp | Nested complex sequence pattern queries over event streams |
US9043310B2 (en) * | 2011-11-08 | 2015-05-26 | International Business Machines Corporation | Accessing a dimensional data model when processing a query |
ES2427645B1 (es) | 2011-11-15 | 2014-09-02 | Telefónica, S.A. | Método para gestionar el rendimiento en aplicaciones de múltiples capas implantadas en una infraestructura de tecnología de información |
US20130124545A1 (en) | 2011-11-15 | 2013-05-16 | Business Objects Software Limited | System and method implementing a text analysis repository |
WO2013072959A1 (en) * | 2011-11-15 | 2013-05-23 | Hitachi, Ltd. | Computer system and data migration method |
US8812895B2 (en) * | 2011-11-21 | 2014-08-19 | Verizon Patent And Licensing Inc. | System redundancy and site recovery |
US9122535B2 (en) | 2011-11-22 | 2015-09-01 | Netapp, Inc. | Optimizing distributed data analytics for shared storage |
US9483491B2 (en) | 2011-11-29 | 2016-11-01 | Egnyte, Inc. | Flexible permission management framework for cloud attached file systems |
US8824787B2 (en) | 2011-12-07 | 2014-09-02 | Dunlop Sports Co., Ltd. | Silhouette correction method and system and silhouette extraction method and system |
CN102496060A (zh) | 2011-12-07 | 2012-06-13 | 高汉中 | 基于神经网络的云端智能机系统 |
TWI461929B (zh) | 2011-12-09 | 2014-11-21 | Promise Tecnnology Inc | 雲端數據儲存系統 |
KR101563277B1 (ko) | 2011-12-09 | 2015-10-26 | 엠파이어 테크놀로지 디벨롭먼트 엘엘씨 | 게임 컨텐트 데이터의 예측적 캐싱 |
WO2013096887A1 (en) * | 2011-12-23 | 2013-06-27 | Amiato, Inc. | Scalable analysis platform for semi-structured data |
US8938475B2 (en) * | 2011-12-27 | 2015-01-20 | Sap Se | Managing business objects data sources |
US8756609B2 (en) | 2011-12-30 | 2014-06-17 | International Business Machines Corporation | Dynamically scaling multi-tier applications vertically and horizontally in a cloud environment |
US9110947B1 (en) | 2011-12-30 | 2015-08-18 | Teradata Us, Inc. | Column-oriented task execution in a row-partitioned database system |
US8904008B2 (en) | 2012-01-09 | 2014-12-02 | Microsoft Corporation | Assignment of resources in virtual machine pools |
US20130185729A1 (en) | 2012-01-13 | 2013-07-18 | Rutgers, The State University Of New Jersey | Accelerating resource allocation in virtualized environments using workload classes and/or workload signatures |
US8732118B1 (en) * | 2012-01-13 | 2014-05-20 | Amazon Technologies, Inc. | Distributed performance of data aggregation operations |
US9009319B2 (en) * | 2012-01-18 | 2015-04-14 | Rackspace Us, Inc. | Optimizing allocation of on-demand resources using performance |
US9239851B1 (en) * | 2012-07-12 | 2016-01-19 | Cross Commerce Media, Inc. | Advanced database systems and methods |
JP5817558B2 (ja) | 2012-01-27 | 2015-11-18 | 富士通株式会社 | 情報処理装置、分散処理システム、キャッシュ管理プログラムおよび分散処理方法 |
US9116812B2 (en) * | 2012-01-27 | 2015-08-25 | Intelligent Intellectual Property Holdings 2 Llc | Systems and methods for a de-duplication cache |
US9053029B2 (en) | 2012-02-06 | 2015-06-09 | Empire Technology Development Llc | Multicore computer system with cache use based adaptive scheduling |
US8553552B2 (en) * | 2012-02-08 | 2013-10-08 | Radisys Corporation | Stateless load balancer in a multi-node system for transparent processing with packet preservation |
US20130218837A1 (en) | 2012-02-16 | 2013-08-22 | Verizon Patent And Licensing Inc. | Cloud data synchronization with local data |
US9946563B2 (en) * | 2012-02-21 | 2018-04-17 | Disney Enterprises, Inc. | Batch scheduler management of virtual machines |
US9268590B2 (en) | 2012-02-29 | 2016-02-23 | Vmware, Inc. | Provisioning a cluster of distributed computing platform based on placement strategy |
JP5957965B2 (ja) * | 2012-03-02 | 2016-07-27 | 日本電気株式会社 | 仮想化システム、負荷分散装置、負荷分散方法、及び負荷分散プログラム |
JP2013196421A (ja) | 2012-03-21 | 2013-09-30 | Nec Corp | 仮想化システム、仮想サーバ、メモリ管理方法及びメモリ管理プログラム |
EP2828742A4 (de) * | 2012-03-22 | 2016-05-18 | Tier 3 Inc | Flexible speicherbereitstellung |
US20130263117A1 (en) * | 2012-03-28 | 2013-10-03 | International Business Machines Corporation | Allocating resources to virtual machines via a weighted cost ratio |
US8595262B1 (en) * | 2012-03-29 | 2013-11-26 | Amazon Technologies, Inc. | Resource resolution in computing environments using directed graphs |
US9639575B2 (en) * | 2012-03-30 | 2017-05-02 | Khalifa University Of Science, Technology And Research | Method and system for processing data queries |
US9020890B2 (en) * | 2012-03-30 | 2015-04-28 | Commvault Systems, Inc. | Smart archiving and data previewing for mobile devices |
US20130262433A1 (en) * | 2012-04-02 | 2013-10-03 | James Qiu | Filtering a Distributed Join |
US9501550B2 (en) * | 2012-04-18 | 2016-11-22 | Renmin University Of China | OLAP query processing method oriented to database and HADOOP hybrid platform |
US9465829B2 (en) | 2012-04-30 | 2016-10-11 | Sap Se | Partial merge |
US9124612B2 (en) * | 2012-05-15 | 2015-09-01 | Splunk Inc. | Multi-site clustering |
US8954419B2 (en) * | 2012-05-22 | 2015-02-10 | Oracle International Corporation | Method for serial and condition-based execution of operators by parallel processes |
US8904402B2 (en) * | 2012-05-30 | 2014-12-02 | Red Hat, Inc. | Controlling capacity in a multi-tenant platform-as-a-service environment in a cloud computing system |
US8965921B2 (en) * | 2012-06-06 | 2015-02-24 | Rackspace Us, Inc. | Data management and indexing across a distributed database |
US10341435B2 (en) | 2012-06-12 | 2019-07-02 | Centurylink Intellectual Property Llc | High performance cloud storage |
US9355146B2 (en) * | 2012-06-29 | 2016-05-31 | International Business Machines Corporation | Efficient partitioned joins in a database with column-major layout |
US10339056B2 (en) * | 2012-07-03 | 2019-07-02 | Sandisk Technologies Llc | Systems, methods and apparatus for cache transfers |
EP2682878A1 (de) * | 2012-07-04 | 2014-01-08 | Software AG | Verfahren zum Verarbeiten von relationalen Datenbankabfragen und entsprechendes Datenbanksystem |
US9396008B2 (en) * | 2012-07-13 | 2016-07-19 | Ca, Inc. | System and method for continuous optimization of computing systems with automated assignment of virtual machines and physical machines to hosts |
US9710475B1 (en) * | 2012-07-16 | 2017-07-18 | Tintri Inc. | Synchronization of data |
US10528262B1 (en) * | 2012-07-26 | 2020-01-07 | EMC IP Holding Company LLC | Replication-based federation of scalable data across multiple sites |
US9923840B2 (en) * | 2012-08-20 | 2018-03-20 | Donald Kevin Cameron | Improving performance and security of multi-processor systems by moving thread execution between processors based on data location |
US9563480B2 (en) | 2012-08-21 | 2017-02-07 | Rackspace Us, Inc. | Multi-level cloud computing system |
WO2014031618A2 (en) * | 2012-08-22 | 2014-02-27 | Bitvore Corp. | Data relationships storage platform |
US9396231B2 (en) * | 2012-09-04 | 2016-07-19 | Salesforce.Com, Inc. | Facilitating dynamically controlled fetching of data at client computing devices in an on-demand services environment |
US20140067852A1 (en) * | 2012-09-06 | 2014-03-06 | salesforce.com,inc. | Mechanism for facilitating scaling and efficient management of database systems and resources in an on-demand services environment |
US9164702B1 (en) * | 2012-09-07 | 2015-10-20 | Google Inc. | Single-sided distributed cache system |
US10169446B1 (en) | 2012-09-10 | 2019-01-01 | Amazon Technologies, Inc. | Relational modeler and renderer for non-relational data |
US9348648B2 (en) * | 2012-09-12 | 2016-05-24 | Salesforce.Com, Inc. | Providing a routing framework for facilitating dynamic workload scheduling and routing of message queues for fair management of resources for application servers in an on-demand services environment |
US9106721B2 (en) | 2012-10-02 | 2015-08-11 | Nextbit Systems | Application state synchronization across multiple devices |
US9292568B2 (en) * | 2012-10-10 | 2016-03-22 | Dell Products L.P. | Method and system for dynamically optimizing client queries to read-mostly servers |
US9405579B2 (en) | 2012-10-11 | 2016-08-02 | International Business Machines Corporation | Seamless extension of local computing power |
TW201416873A (zh) | 2012-10-19 | 2014-05-01 | Apacer Technology Inc | 網路儲存系統的檔案分享方法 |
US9514208B2 (en) * | 2012-10-30 | 2016-12-06 | Vekatachary Srinivasan | Method and system of stateless data replication in a distributed database system |
US9847907B2 (en) * | 2012-11-26 | 2017-12-19 | Amazon Technologies, Inc. | Distributed caching cluster management |
US9449038B2 (en) * | 2012-11-26 | 2016-09-20 | Amazon Technologies, Inc. | Streaming restore of a database from a backup system |
WO2014087518A1 (ja) | 2012-12-06 | 2014-06-12 | 株式会社 日立製作所 | ネットワークシステム及びその運用方法 |
US9628346B2 (en) * | 2012-12-13 | 2017-04-18 | Level 3 Communications, Llc | Devices and methods supporting content delivery with reducer services |
US9268834B2 (en) * | 2012-12-13 | 2016-02-23 | Microsoft Technology Licensing, Llc | Distributed SQL query processing using key-value storage system |
US9189285B2 (en) * | 2012-12-14 | 2015-11-17 | Microsoft Technology Licensing, Llc | Scalable services deployment |
US9152642B2 (en) * | 2012-12-21 | 2015-10-06 | Zetta, Inc. | Systems and methods for on-demand data storage |
US9021452B2 (en) * | 2012-12-27 | 2015-04-28 | Commvault Systems, Inc. | Automatic identification of storage requirements, such as for use in selling data storage management solutions |
US10346259B2 (en) * | 2012-12-28 | 2019-07-09 | Commvault Systems, Inc. | Data recovery using a cloud-based remote data recovery center |
US9081826B2 (en) * | 2013-01-07 | 2015-07-14 | Facebook, Inc. | System and method for distributed database query engines |
US20140196039A1 (en) * | 2013-01-08 | 2014-07-10 | Commvault Systems, Inc. | Virtual machine categorization system and method |
US9158812B2 (en) * | 2013-01-30 | 2015-10-13 | Oracle International Corporation | Enhancing parallelism in evaluation ranking/cumulative window functions |
US9665477B2 (en) * | 2013-02-01 | 2017-05-30 | International Business Machines Corporation | Allocating additional requested storage space for a data set in a first managed space in a second managed space |
US9553773B2 (en) | 2013-02-05 | 2017-01-24 | Cisco Technology, Inc. | Learning machine based computation of network join times |
US10339157B2 (en) * | 2013-02-13 | 2019-07-02 | Facebook, Inc. | Hive table links |
US9336272B1 (en) * | 2013-02-13 | 2016-05-10 | Amazon Technologies, Inc. | Global query hint specification |
US9928287B2 (en) * | 2013-02-24 | 2018-03-27 | Technion Research & Development Foundation Limited | Processing query to graph database |
US9454548B1 (en) * | 2013-02-25 | 2016-09-27 | Emc Corporation | Pluggable storage system for distributed file systems |
US9275110B2 (en) * | 2013-03-01 | 2016-03-01 | Paraccel Llc | Disk-based hash join process |
US9049193B2 (en) * | 2013-03-05 | 2015-06-02 | Vmware, Inc. | Method and system for distributing resource-availability information within a distrubited computer system |
US9773041B2 (en) * | 2013-03-06 | 2017-09-26 | Oracle International Corporation | Methods and apparatus of shared expression evaluation across RDBMS and storage layer |
US10248670B1 (en) * | 2013-03-14 | 2019-04-02 | Open Text Corporation | Method and system for migrating content between enterprise content management systems |
US9639562B2 (en) * | 2013-03-15 | 2017-05-02 | Oracle International Corporation | Automatically determining an optimal database subsection |
US9118538B1 (en) * | 2013-03-15 | 2015-08-25 | Emc Corporation | Method and system for configuring resources to enable resource monitoring |
US10019481B2 (en) * | 2013-03-15 | 2018-07-10 | Oracle International Corporation | Adaptive selection of a distribution method during execution of parallel join operations |
US20140280964A1 (en) * | 2013-03-15 | 2014-09-18 | Gravitant, Inc. | Systems, methods and computer readable mediums for implementing cloud service brokerage platform functionalities |
US10296462B2 (en) | 2013-03-15 | 2019-05-21 | Oracle International Corporation | Method to accelerate queries using dynamically generated alternate data formats in flash cache |
US9176895B2 (en) * | 2013-03-16 | 2015-11-03 | Intel Corporation | Increased error correction for cache memories through adaptive replacement policies |
WO2014165538A2 (en) * | 2013-04-01 | 2014-10-09 | Nebula, Inc. | Update management for a distributed computing system |
US9172621B1 (en) * | 2013-04-01 | 2015-10-27 | Amazon Technologies, Inc. | Unified account metadata management |
US10205640B2 (en) * | 2013-04-11 | 2019-02-12 | Oracle International Corporation | Seasonal trending, forecasting, anomaly detection, and endpoint prediction of java heap usage |
US9304663B1 (en) * | 2013-04-12 | 2016-04-05 | Groupon, Inc. | Centralized, scalable, resource monitoring system |
US9213726B2 (en) * | 2013-04-15 | 2015-12-15 | Amazon Technologies, Inc. | Database cost tracing and analysis |
US9690829B2 (en) | 2013-04-15 | 2017-06-27 | Vmware, Inc. | Dynamic load balancing during distributed query processing using query operator motion |
US9448966B2 (en) * | 2013-04-26 | 2016-09-20 | Futurewei Technologies, Inc. | System and method for creating highly scalable high availability cluster in a massively parallel processing cluster of machines in a network |
US9208032B1 (en) * | 2013-05-15 | 2015-12-08 | Amazon Technologies, Inc. | Managing contingency capacity of pooled resources in multiple availability zones |
US9582297B2 (en) * | 2013-05-16 | 2017-02-28 | Vmware, Inc. | Policy-based data placement in a virtualized computing environment |
CN203261358U (zh) | 2013-05-28 | 2013-10-30 | 马传志 | 一种基于遗传算法的云计算服务器群 |
CN103279351B (zh) * | 2013-05-31 | 2016-06-29 | 北京高森明晨信息科技有限公司 | 一种任务调度的方法及装置 |
US9280551B2 (en) * | 2013-06-03 | 2016-03-08 | International Business Machines Corporation | De-duplication deployment planning |
US9213706B2 (en) * | 2013-06-13 | 2015-12-15 | DataGravity, Inc. | Live restore for a data intelligent storage system |
US9146979B2 (en) * | 2013-06-13 | 2015-09-29 | Sap Se | Optimization of business warehouse queries by calculation engines |
US8849764B1 (en) * | 2013-06-13 | 2014-09-30 | DataGravity, Inc. | System and method of data intelligent storage |
WO2014203023A1 (en) * | 2013-06-19 | 2014-12-24 | Hitachi Data Systems Engineering UK Limited | Decentralized distributed computing system |
US20140379725A1 (en) * | 2013-06-19 | 2014-12-25 | Microsoft Corporation | On demand parallelism for columnstore index build |
US20140379691A1 (en) * | 2013-06-21 | 2014-12-25 | Microsoft Corporation | Database query processing with reduce function configuration |
US10282350B1 (en) * | 2013-06-21 | 2019-05-07 | Amazon Technologies, Inc. | Data store optimizer |
US9600500B1 (en) * | 2013-06-21 | 2017-03-21 | Amazon Technologies, Inc. | Single phase transaction commits for distributed database transactions |
GB2515501A (en) * | 2013-06-25 | 2014-12-31 | Ibm | Replication for on-line hot-standby database |
US20150006254A1 (en) * | 2013-06-26 | 2015-01-01 | Landvoice Data, LLC | Systems apparatus and methods for real estate sales lead generation |
US8706798B1 (en) * | 2013-06-28 | 2014-04-22 | Pepperdata, Inc. | Systems, methods, and devices for dynamic resource monitoring and allocation in a cluster system |
WO2015003063A1 (en) * | 2013-07-02 | 2015-01-08 | Convida Wireless, Llc | Mechanisms for semantics publishing and discovery |
US9256631B2 (en) * | 2013-07-31 | 2016-02-09 | Oracle International Corporation | Building a hash table using vectorized instructions |
US9659046B2 (en) * | 2013-07-31 | 2017-05-23 | Oracle Inernational Corporation | Probing a hash table using vectorized instructions |
US9338226B2 (en) * | 2013-08-12 | 2016-05-10 | Fred Korangy | Actor system and method for analytics and processing of big data |
US10133797B1 (en) * | 2013-08-16 | 2018-11-20 | Amazon Technologies, Inc. | Distributed heterogeneous system for data warehouse management |
US10089142B2 (en) * | 2013-08-21 | 2018-10-02 | Hasso-Plattner-Institut Fur Softwaresystemtechnik Gmbh | Dynamic task prioritization for in-memory databases |
US9489423B1 (en) * | 2013-08-22 | 2016-11-08 | Amazon Technologies, Inc. | Query data acquisition and analysis |
US11423377B1 (en) * | 2013-08-26 | 2022-08-23 | Amazon Technologies, Inc. | Lendable computing resources |
US9870269B1 (en) * | 2013-09-05 | 2018-01-16 | Amazon Technologies, Inc. | Job allocation in a clustered environment |
US9471711B2 (en) * | 2013-09-23 | 2016-10-18 | Teradata Us, Inc. | Schema-less access to stored data |
US9424300B2 (en) * | 2013-09-25 | 2016-08-23 | International Business Machines Corporation | Data allocation containers in a partitioned table of a computer database system for holding data based on usage |
US9379982B1 (en) * | 2013-09-30 | 2016-06-28 | Juniper Networks, Inc. | Adaptive stateless load balancing |
US10031761B2 (en) * | 2013-10-11 | 2018-07-24 | International Business Machines Corporation | Pluggable cloud enablement boot device and method |
US9740797B2 (en) | 2013-10-14 | 2017-08-22 | Inha-Industry Partnership Institute | Counting bloom filter |
US10552745B2 (en) * | 2013-10-18 | 2020-02-04 | Netflix, Inc. | Predictive auto scaling engine |
US10642800B2 (en) * | 2013-10-25 | 2020-05-05 | Vmware, Inc. | Multi-tenant distributed computing and database |
US20150120555A1 (en) * | 2013-10-29 | 2015-04-30 | Elwha Llc | Exchange authorization analysis infused with network-acquired data stream information |
US20150120224A1 (en) * | 2013-10-29 | 2015-04-30 | C3 Energy, Inc. | Systems and methods for processing data relating to energy usage |
US9880933B1 (en) * | 2013-11-20 | 2018-01-30 | Amazon Technologies, Inc. | Distributed in-memory buffer cache system using buffer cache nodes |
US10776325B2 (en) * | 2013-11-26 | 2020-09-15 | Ab Initio Technology Llc | Parallel access to data in a distributed file system |
US10198292B2 (en) * | 2013-11-27 | 2019-02-05 | Actian Sub Iii, Inc. | Scheduling database queries based on elapsed time of queries |
US20150163721A1 (en) * | 2013-12-11 | 2015-06-11 | Jdsu Uk Limited | Method and apparatus for processing data |
US20150172204A1 (en) * | 2013-12-13 | 2015-06-18 | International Business Machines Corporation | Dynamically Change Cloud Environment Configurations Based on Moving Workloads |
US9471510B2 (en) * | 2013-12-20 | 2016-10-18 | Netapp, Inc. | System and method for cache monitoring in storage systems |
US9569493B2 (en) * | 2013-12-31 | 2017-02-14 | International Business Machines Corporatin | Avoidance of intermediate data skew in a massive parallel processing environment |
US9256534B2 (en) * | 2014-01-06 | 2016-02-09 | International Business Machines Corporation | Data shuffling in a non-uniform memory access device |
US9514184B2 (en) * | 2014-01-14 | 2016-12-06 | Dropbox, Inc. | Systems and methods for a high speed query infrastructure |
US9535956B2 (en) * | 2014-01-31 | 2017-01-03 | Oracle International Corporation | Efficient set operation execution using a single group-by operation |
US9870390B2 (en) * | 2014-02-18 | 2018-01-16 | Oracle International Corporation | Selecting from OR-expansion states of a query |
US11809451B2 (en) | 2014-02-19 | 2023-11-07 | Snowflake Inc. | Caching systems and methods |
US10120902B2 (en) | 2014-02-20 | 2018-11-06 | Citus Data Bilgi Islemleri Ticaret A.S. | Apparatus and method for processing distributed relational algebra operators in a distributed database |
US9792328B2 (en) * | 2014-03-13 | 2017-10-17 | Sybase, Inc. | Splitting of a join operation to allow parallelization |
US9836505B2 (en) * | 2014-03-13 | 2017-12-05 | Sybase, Inc. | Star and snowflake join query performance |
US9454574B2 (en) * | 2014-03-28 | 2016-09-27 | Sybase, Inc. | Bloom filter costing estimation |
US10387449B2 (en) * | 2014-05-30 | 2019-08-20 | Hitachi Vantara Corporation | Metadata favored replication in active topologies |
US9996597B2 (en) * | 2014-06-06 | 2018-06-12 | The Mathworks, Inc. | Unified mapreduce framework for large-scale data processing |
WO2015192045A2 (en) * | 2014-06-13 | 2015-12-17 | Pivotal Software, Inc. | Precisely tracking memory usage in multi-process computing environment |
US10860237B2 (en) * | 2014-06-24 | 2020-12-08 | Oracle International Corporation | Storage integrated snapshot cloning for database |
US9705815B2 (en) * | 2014-06-27 | 2017-07-11 | Juniper Networks, Inc. | Graph database for services planning and configuration in network services domain |
US9335989B2 (en) * | 2014-07-13 | 2016-05-10 | International Business Machines Corporation | Building a pattern to define a topology and application environment using software components and software updates/fixes from external repositories from multiple vendors |
US9621354B2 (en) * | 2014-07-17 | 2017-04-11 | Cisco Systems, Inc. | Reconstructable content objects |
US9747331B2 (en) * | 2014-10-06 | 2017-08-29 | International Business Machines Corporation | Limiting scans of loosely ordered and/or grouped relations in a database |
US9922103B2 (en) * | 2014-10-21 | 2018-03-20 | Bank Of America Corporation | Copying datasets between data integration systems |
US9628350B2 (en) * | 2014-11-05 | 2017-04-18 | Amazon Technologies, Inc. | Dynamic scaling of storage volumes for storage client file systems |
US9256467B1 (en) * | 2014-11-11 | 2016-02-09 | Amazon Technologies, Inc. | System for managing and scheduling containers |
US9417897B1 (en) * | 2014-12-05 | 2016-08-16 | Amazon Technologies, Inc. | Approaches for managing virtual instance data |
US9984081B2 (en) * | 2015-01-30 | 2018-05-29 | Oracle International Corporation | Workload aware data placement for join-based query processing in a cluster |
US10574745B2 (en) * | 2015-03-31 | 2020-02-25 | Western Digital Technologies, Inc. | Syncing with a local paired device to obtain data from a remote server using point-to-point communication |
US9632846B2 (en) | 2015-04-02 | 2017-04-25 | Microsoft Technology Licensing, Llc | Complex event processor for historic/live/replayed data |
US9990392B2 (en) * | 2015-04-07 | 2018-06-05 | Sap Se | Distributed transaction processing in MPP databases |
US9848041B2 (en) * | 2015-05-01 | 2017-12-19 | Amazon Technologies, Inc. | Automatic scaling of resource instance groups within compute clusters |
US20160373405A1 (en) * | 2015-06-16 | 2016-12-22 | Amazon Technologies, Inc. | Managing dynamic ip address assignments |
US9798526B2 (en) * | 2015-12-22 | 2017-10-24 | Sap Se | Software development using multi-domain decision management |
US10585889B2 (en) * | 2015-12-23 | 2020-03-10 | Intel Corporation | Optimizing skewed joins in big data |
US20170270154A1 (en) * | 2016-03-18 | 2017-09-21 | At&T Intellectual Property I, L.P. | Methods and apparatus to manage database metadata |
US10055305B2 (en) * | 2016-04-28 | 2018-08-21 | Netapp, Inc. | Techniques to perform system management processing for database systems |
US10735394B2 (en) * | 2016-08-05 | 2020-08-04 | Oracle International Corporation | Caching framework for a multi-tenant identity and data security management cloud service |
US10325021B2 (en) | 2017-06-19 | 2019-06-18 | GM Global Technology Operations LLC | Phrase extraction text analysis method and system |
US10380112B2 (en) * | 2017-07-31 | 2019-08-13 | International Business Machines Corporation | Joining two data tables on a join attribute |
US10379942B2 (en) * | 2017-09-27 | 2019-08-13 | International Business Machines Corporation | Efficient transfer of objects between containers on the same vault |
US10397317B2 (en) * | 2017-09-29 | 2019-08-27 | Oracle International Corporation | Boomerang join: a network efficient, late-materialized, distributed join technique |
US20220335005A1 (en) * | 2021-04-20 | 2022-10-20 | Pure Storage, Inc. | Storage-deferred copying between different file systems |
-
2014
- 2014-10-20 US US14/518,971 patent/US11809451B2/en active Active
- 2014-10-20 US US14/518,826 patent/US10325032B2/en active Active
- 2014-10-20 US US14/518,898 patent/US9576039B2/en active Active
- 2014-10-20 US US14/518,931 patent/US9842152B2/en active Active
- 2014-10-20 US US14/518,913 patent/US10108686B2/en active Active
- 2014-10-20 US US14/518,884 patent/US10366102B2/en active Active
- 2014-10-20 US US14/518,873 patent/US9665633B2/en active Active
-
2015
- 2015-02-18 JP JP2016553023A patent/JP2017506396A/ja active Pending
- 2015-02-18 EP EP15752840.7A patent/EP3108369B1/de active Active
- 2015-02-18 WO PCT/US2015/016403 patent/WO2015126957A1/en active Application Filing
- 2015-02-18 CN CN201580020410.5A patent/CN106233255B/zh active Active
- 2015-02-18 DE DE202015009785.5U patent/DE202015009785U1/de active Active
- 2015-02-18 EP EP15752234.3A patent/EP3108375A4/de not_active Withdrawn
- 2015-02-18 EP EP20172422.6A patent/EP3722958B1/de active Active
- 2015-02-18 WO PCT/US2015/016410 patent/WO2015126962A1/en active Application Filing
- 2015-02-18 AU AU2015219103A patent/AU2015219103B2/en active Active
- 2015-02-18 JP JP2016552990A patent/JP6730189B2/ja active Active
- 2015-02-18 JP JP2016552932A patent/JP6542785B2/ja active Active
- 2015-02-18 DE DE202015009875.4U patent/DE202015009875U1/de active Active
- 2015-02-18 DE DE202015009874.6U patent/DE202015009874U1/de active Active
- 2015-02-18 CN CN201910595838.2A patent/CN110297799A/zh active Pending
- 2015-02-18 CA CA2939908A patent/CA2939908C/en active Active
- 2015-02-18 CN CN201580020409.2A patent/CN106233275B/zh active Active
- 2015-02-18 AU AU2015219112A patent/AU2015219112B2/en active Active
- 2015-02-18 EP EP15751938.0A patent/EP3108386B1/de active Active
- 2015-02-18 JP JP2016552943A patent/JP6643242B2/ja active Active
- 2015-02-18 CA CA2939905A patent/CA2939905C/en active Active
- 2015-02-18 AU AU2015219117A patent/AU2015219117B2/en active Active
- 2015-02-18 EP EP21188538.9A patent/EP3926474A1/de active Pending
- 2015-02-18 CA CA2939906A patent/CA2939906C/en active Active
- 2015-02-18 DE DE202015009784.7U patent/DE202015009784U1/de active Active
- 2015-02-18 CA CA2939903A patent/CA2939903C/en active Active
- 2015-02-18 DE DE202015009859.2U patent/DE202015009859U1/de active Active
- 2015-02-18 DE DE202015009873.8U patent/DE202015009873U1/de active Active
- 2015-02-18 CA CA2939904A patent/CA2939904C/en active Active
- 2015-02-18 DE DE202015009772.3U patent/DE202015009772U1/de active Active
- 2015-02-18 CA CA2939947A patent/CA2939947C/en active Active
- 2015-02-18 EP EP21182434.7A patent/EP3910480B1/de active Active
- 2015-02-18 CN CN201580020415.8A patent/CN106233263B/zh active Active
- 2015-02-18 WO PCT/US2015/016418 patent/WO2015126968A2/en active Application Filing
- 2015-02-18 WO PCT/US2015/016409 patent/WO2015126961A1/en active Application Filing
- 2015-02-18 EP EP15752570.0A patent/EP3108364A4/de not_active Ceased
- 2015-02-18 JP JP2016553025A patent/JP6882893B2/ja active Active
- 2015-02-18 WO PCT/US2015/016407 patent/WO2015126959A1/en active Application Filing
- 2015-02-18 JP JP2016552965A patent/JP6697392B2/ja active Active
- 2015-02-18 DE DE202015009783.9U patent/DE202015009783U1/de active Active
- 2015-02-18 DE DE202015009779.0U patent/DE202015009779U1/de active Active
- 2015-02-18 AU AU2015219101A patent/AU2015219101B2/en active Active
- 2015-02-18 EP EP20216544.5A patent/EP3828723B1/de active Active
- 2015-02-18 EP EP20211859.2A patent/EP3809270A1/de not_active Withdrawn
- 2015-02-18 AU AU2015219106A patent/AU2015219106B2/en active Active
- 2015-02-18 CN CN201910595708.9A patent/CN110308994A/zh active Pending
- 2015-02-18 AU AU2015219105A patent/AU2015219105B2/en active Active
- 2015-02-18 CN CN201580020412.4A patent/CN106233277B/zh active Active
- 2015-02-18 CN CN201580009233.0A patent/CN106030573B/zh active Active
- 2015-02-18 CN CN201580009234.5A patent/CN106104526B/zh active Active
- 2015-02-18 EP EP15751725.1A patent/EP3108385B1/de active Active
- 2015-02-18 EP EP15752125.3A patent/EP3108374B1/de active Active
- 2015-02-18 DE DE202015009777.4U patent/DE202015009777U1/de active Active
- 2015-02-18 WO PCT/US2015/016425 patent/WO2015126973A2/en active Application Filing
- 2015-02-19 EP EP21171332.6A patent/EP3916562A1/de active Pending
- 2015-02-19 EP EP15751794.7A patent/EP3108363A4/de not_active Ceased
- 2015-02-19 DE DE202015009861.4U patent/DE202015009861U1/de active Active
- 2015-02-19 WO PCT/US2015/016614 patent/WO2015127076A1/en active Application Filing
- 2015-02-19 US US14/626,853 patent/US10534792B2/en active Active
- 2015-02-19 CN CN201580020416.2A patent/CN106233253B/zh active Active
- 2015-02-19 CA CA2939919A patent/CA2939919C/en active Active
- 2015-02-19 JP JP2016552966A patent/JP2017506394A/ja active Pending
- 2015-02-19 DE DE202015009860.6U patent/DE202015009860U1/de active Active
- 2015-02-19 DE DE202015009778.2U patent/DE202015009778U1/de active Active
- 2015-02-19 AU AU2015218936A patent/AU2015218936B2/en active Active
- 2015-02-19 US US14/626,836 patent/US10055472B2/en active Active
-
2016
- 2016-06-02 US US15/171,859 patent/US10534793B2/en active Active
-
2017
- 2017-01-11 US US15/403,654 patent/US10534794B2/en active Active
- 2017-04-28 US US15/582,126 patent/US10019454B2/en active Active
- 2017-06-01 JP JP2018563493A patent/JP6901504B2/ja active Active
- 2017-06-01 DE DE202017007211.4U patent/DE202017007211U1/de active Active
- 2017-06-01 EP EP17807511.5A patent/EP3465485A4/de active Pending
- 2017-06-01 AU AU2017274448A patent/AU2017274448B2/en active Active
- 2017-06-01 WO PCT/US2017/035531 patent/WO2017210477A1/en unknown
- 2017-06-01 CN CN201780034461.2A patent/CN109564564B/zh active Active
- 2017-06-01 CA CA3025939A patent/CA3025939C/en active Active
-
2018
- 2018-07-19 US US16/039,710 patent/US10997201B2/en active Active
-
2019
- 2019-04-08 US US16/378,371 patent/US11106696B2/en active Active
- 2019-06-13 JP JP2019110553A patent/JP7130600B2/ja active Active
- 2019-06-20 US US16/447,416 patent/US11216484B2/en active Active
- 2019-11-22 JP JP2019211737A patent/JP7163268B2/ja active Active
-
2020
- 2020-01-13 US US16/741,693 patent/US10866966B2/en active Active
- 2020-01-13 US US16/741,676 patent/US10762106B2/en active Active
- 2020-01-13 US US16/741,660 patent/US10776388B2/en active Active
- 2020-02-28 US US16/805,632 patent/US11734303B2/en active Active
- 2020-02-28 US US16/805,638 patent/US11734304B2/en active Active
- 2020-03-05 US US16/810,645 patent/US11086900B2/en active Active
- 2020-03-05 US US16/810,648 patent/US11093524B2/en active Active
- 2020-03-10 US US16/814,443 patent/US11151160B2/en active Active
- 2020-03-10 US US16/814,711 patent/US11157515B2/en active Active
- 2020-03-11 US US16/816,180 patent/US11176168B2/en active Active
- 2020-03-18 US US16/823,271 patent/US10776389B2/en active Active
- 2020-03-18 US US16/823,287 patent/US10776390B2/en active Active
- 2020-03-23 US US16/827,103 patent/US11163794B2/en active Active
- 2020-04-24 US US16/858,518 patent/US10838979B2/en active Active
- 2020-04-24 US US16/858,510 patent/US10838978B2/en active Active
- 2020-04-28 US US16/860,976 patent/US11748375B2/en active Active
- 2020-04-29 US US16/862,458 patent/US10795914B2/en active Active
- 2020-04-29 US US16/862,464 patent/US10733208B1/en active Active
- 2020-04-29 US US16/861,790 patent/US10949446B2/en active Active
- 2020-06-18 US US16/905,599 patent/US11010407B2/en active Active
- 2020-06-24 US US16/911,185 patent/US10776391B1/en active Active
- 2020-06-26 US US16/913,047 patent/US10831781B2/en active Active
- 2020-06-26 US US16/913,215 patent/US10846304B2/en active Active
- 2020-07-31 US US16/945,456 patent/US11216485B2/en active Active
- 2020-07-31 US US16/945,402 patent/US11269919B2/en active Active
- 2020-07-31 US US16/945,095 patent/US11334597B2/en active Active
- 2020-08-17 US US16/995,599 patent/US10891306B2/en active Active
- 2020-10-05 US US17/063,612 patent/US11238060B2/en active Active
- 2020-10-26 US US17/080,219 patent/US11048721B2/en active Active
- 2020-10-30 US US17/085,987 patent/US11036758B2/en active Active
- 2020-10-31 US US17/086,329 patent/US11397747B2/en active Active
- 2020-10-31 US US17/086,328 patent/US11204943B2/en active Active
- 2020-11-19 US US16/953,315 patent/US11042566B2/en active Active
- 2020-12-04 US US17/111,781 patent/US11132380B2/en active Active
- 2020-12-16 US US17/124,240 patent/US11734307B2/en active Active
- 2020-12-17 US US17/125,524 patent/US10956445B1/en active Active
- 2020-12-17 US US17/125,411 patent/US20210103601A1/en active Pending
-
2021
- 2021-01-04 US US17/141,220 patent/US11157516B2/en active Active
- 2021-01-05 US US17/142,100 patent/US11126640B2/en active Active
- 2021-02-05 JP JP2021017358A patent/JP7163430B2/ja active Active
- 2021-03-05 US US17/194,182 patent/US11042567B1/en active Active
- 2021-03-19 US US17/207,508 patent/US11354334B2/en active Active
- 2021-04-15 US US17/231,752 patent/US11188562B2/en active Active
- 2021-04-29 US US17/244,578 patent/US11269920B2/en active Active
- 2021-05-20 US US17/326,052 patent/US11232130B2/en active Active
- 2021-05-21 US US17/327,573 patent/US11238061B2/en active Active
- 2021-05-26 US US17/331,464 patent/US11250023B2/en active Active
- 2021-06-25 US US17/358,988 patent/US11294933B2/en active Active
- 2021-06-28 US US17/361,210 patent/US11321352B2/en active Active
- 2021-07-16 US US17/378,574 patent/US11269921B2/en active Active
- 2021-07-26 US US17/385,754 patent/US11238062B2/en active Active
- 2021-08-30 US US17/461,794 patent/US11341162B2/en active Active
- 2021-08-31 US US17/463,357 patent/US11782950B2/en active Active
- 2021-09-30 US US17/491,357 patent/US11347770B2/en active Active
- 2021-10-08 US US17/497,176 patent/US11263234B2/en active Active
- 2021-10-14 US US17/501,426 patent/US11397748B2/en active Active
- 2021-10-14 US US17/501,833 patent/US11755617B2/en active Active
- 2021-10-28 US US17/513,763 patent/US11429638B2/en active Active
- 2021-11-11 US US17/524,454 patent/US11372888B2/en active Active
- 2021-11-11 US US17/524,439 patent/US11409768B2/en active Active
- 2021-12-20 US US17/645,275 patent/US11487786B2/en active Active
- 2021-12-28 US US17/563,418 patent/US20220121681A1/en active Pending
-
2022
- 2022-01-04 US US17/568,542 patent/US11500900B2/en active Active
- 2022-01-05 US US17/647,123 patent/US11615114B2/en active Active
- 2022-01-07 US US17/570,638 patent/US11429639B2/en active Active
- 2022-01-11 US US17/573,550 patent/US11494407B2/en active Active
- 2022-02-04 US US17/665,262 patent/US11599556B2/en active Active
- 2022-02-07 US US17/666,209 patent/US11475044B2/en active Active
- 2022-02-08 US US17/667,268 patent/US11868369B2/en active Active
- 2022-03-18 US US17/655,491 patent/US11620308B2/en active Active
- 2022-05-16 US US17/745,451 patent/US11645305B2/en active Active
- 2022-05-23 US US17/751,256 patent/US11507598B2/en active Active
- 2022-05-27 US US17/827,310 patent/US11544287B2/en active Active
- 2022-06-03 US US17/832,361 patent/US11573978B2/en active Active
- 2022-07-26 US US17/873,359 patent/US20220358139A1/en active Pending
- 2022-08-05 US US17/882,439 patent/US11687563B2/en active Active
- 2022-08-17 JP JP2022129785A patent/JP7431902B2/ja active Active
- 2022-10-24 US US17/972,003 patent/US20230042949A1/en active Pending
- 2022-10-28 US US17/976,743 patent/US20230046201A1/en active Pending
- 2022-12-20 US US18/084,795 patent/US11928129B1/en active Active
-
2023
- 2023-02-07 US US18/165,666 patent/US20230185824A1/en active Pending
- 2023-03-07 US US18/118,595 patent/US11853323B2/en active Active
- 2023-04-06 US US18/296,444 patent/US20230244693A1/en active Pending
- 2023-05-22 US US18/321,564 patent/US20230289367A1/en active Pending
- 2023-07-31 US US18/362,769 patent/US20230376504A1/en active Pending
- 2023-09-22 US US18/472,912 patent/US20240012836A1/en active Pending
- 2023-09-28 US US18/374,470 patent/US20240020315A1/en active Pending
- 2023-12-13 US US18/539,079 patent/US20240111787A1/en active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112348444A (zh) * | 2020-11-18 | 2021-02-09 | 关酢壬 | 一种基于互联网的物料仓库远程监控管理系统 |
Also Published As
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE202015009783U1 (de) | Systeme zur Bereitstellung von Ressourcen | |
DE202017007217U1 (de) | Multicluster-Lager | |
DE202020005682U1 (de) | Automatisierte erneute Abfrageversuche in einer Datenbankumgebung | |
DE202021102315U1 (de) | Flexibles Computing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R207 | Utility model specification | ||
R150 | Utility model maintained after payment of first maintenance fee after three years | ||
R151 | Utility model maintained after payment of second maintenance fee after six years | ||
R081 | Change of applicant/patentee |
Owner name: SNOWFLAKE INC., BOZEMAN, US Free format text: FORMER OWNER: SNOWFLAKE INC., SAN MATEO, CA, US |
|
R152 | Utility model maintained after payment of third maintenance fee after eight years |