DE202015009874U1 - Implementierung semistrukturierter Daten als ein Datenbankelement erster Klasse - Google Patents
Implementierung semistrukturierter Daten als ein Datenbankelement erster Klasse Download PDFInfo
- Publication number
- DE202015009874U1 DE202015009874U1 DE202015009874.6U DE202015009874U DE202015009874U1 DE 202015009874 U1 DE202015009874 U1 DE 202015009874U1 DE 202015009874 U DE202015009874 U DE 202015009874U DE 202015009874 U1 DE202015009874 U1 DE 202015009874U1
- Authority
- DE
- Germany
- Prior art keywords
- data
- semi
- class
- structured
- common
- 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
-
- 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
- G06F9/5011—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
-
- 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
Ein Computerprogramm das Anweisungen umfasst, die dann, wenn sie von einem oder mehreren Prozessoren ausgeführt werden, veranlassen, dass der eine oder die mehreren Prozessoren Operationen zum Speichern semi-strukturierter Daten ausführen, die Folgendes umfassen:
Empfangen semi-strukturierter Datenelemente von einer Datenquelle; Durchführen einer statistischen Analyse an Sammlungen der semi-strukturierten Datenelemente, wenn sie zu der Datenbank hinzugefügt werden;
Identifizieren gemeinsamer Datenelemente innerhalb der semi-strukturierten Daten;
Zuordnen der gemeinsamen Datenelemente innerhalb der semi-strukturierten Daten als Daten erster Klasse und als Daten niedrigerer Klasse in Abhängigkeit von einer Gemeinsamkeitsschwelle, wobei die Gemeinsamkeitsschwelle darauf basiert, wie oft das Datenelement in den semi-strukturierten Daten auftritt;
Extrahieren der gemeinsamen Datenelemente aus der Datenquelle und separates Speichern der gemeinsamen Datenelemente in Spaltenformat;
Speichern der Daten der ersten Klasse im Cachespeicher in Pseudospalten und Verfügbarmachen von Metadaten und Statistiken, die den Pseudospalten der Datenelemente der ersten Klasse entsprechen, für einen computergestützten Anfragegenerator;
erneutes Identifizieren gemeinsamer Datenelemente innerhalb der semistrukturierten Daten und Zuordnen zusätzlicher gemeinsamer Datenelemente als Daten der ersten Klasse und Speichern der zusätzlichen Datenelemente im Cachespeicher;
Rekonstruieren semi-strukturierter Daten zurück zu einer ursprünglichen Form durch Kombinieren der Datenelemente erster Klasse und der Datenelemente niedrigerer Klasse und der nicht gemeinsamen Daten;
Speichern von Daten niedrigerer Klasse in Pseudospalten auf Plattenspeicher; und
Speichern nicht gemeinsamer semi-strukturierter Datenelemente in einer überlaufserialisierten Spalte.
Empfangen semi-strukturierter Datenelemente von einer Datenquelle; Durchführen einer statistischen Analyse an Sammlungen der semi-strukturierten Datenelemente, wenn sie zu der Datenbank hinzugefügt werden;
Identifizieren gemeinsamer Datenelemente innerhalb der semi-strukturierten Daten;
Zuordnen der gemeinsamen Datenelemente innerhalb der semi-strukturierten Daten als Daten erster Klasse und als Daten niedrigerer Klasse in Abhängigkeit von einer Gemeinsamkeitsschwelle, wobei die Gemeinsamkeitsschwelle darauf basiert, wie oft das Datenelement in den semi-strukturierten Daten auftritt;
Extrahieren der gemeinsamen Datenelemente aus der Datenquelle und separates Speichern der gemeinsamen Datenelemente in Spaltenformat;
Speichern der Daten der ersten Klasse im Cachespeicher in Pseudospalten und Verfügbarmachen von Metadaten und Statistiken, die den Pseudospalten der Datenelemente der ersten Klasse entsprechen, für einen computergestützten Anfragegenerator;
erneutes Identifizieren gemeinsamer Datenelemente innerhalb der semistrukturierten Daten und Zuordnen zusätzlicher gemeinsamer Datenelemente als Daten der ersten Klasse und Speichern der zusätzlichen Datenelemente im Cachespeicher;
Rekonstruieren semi-strukturierter Daten zurück zu einer ursprünglichen Form durch Kombinieren der Datenelemente erster Klasse und der Datenelemente niedrigerer Klasse und der nicht gemeinsamen Daten;
Speichern von Daten niedrigerer Klasse in Pseudospalten auf Plattenspeicher; und
Speichern nicht gemeinsamer semi-strukturierter Datenelemente in einer überlaufserialisierten Spalte.
Description
- QUERVERWEIS AUF ZUGEHÖRIGE ANMELDUNGEN
- Diese Anmeldung beansprucht den Vorteil der provisorischen US-Anmeldung mit der seriellen Nr. 61/941,986 mit dem Titel „Apparatus and method for enterprise data warehouse data processing on cloud infrastructure“, eingereicht am 19. Februar 2014, deren Offenbarung hierin durch Bezugnahme ihrer Gesamtheit enthalten ist.
- 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.
- TECHNISCHES GEBIET
- Die vorliegende Offenbarung betrifft Ressourcenmanagementsysteme, die eine Datenspeicherung und Computerressourcen managen.
- 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 stellt ein Informationsfluss- und Beziehungsdiagramm dar, das die Verarbeitung von semistrukturierten Daten darstellt. -
2 ist ein Prozessablaufdiagramm, das eine Implementierung der hierin offenbarten Verfahren darstellt. -
3 stellt ein Blockdiagramm dar, das eine Ausführungsform einer Betriebsumgebung gemäß den Lehren der Offenbarung darstellt. -
4 stellt ein Blockdiagramm dar, das ein Beispiel einer Implementierung eines Ressourcenmanagers gemäß den Lehren der Offenbarung darstellt. -
5 stellt ein Blockdiagramm dar, das ein Beispiel einer Implementierung einer Ausführungsplattform gemäß den Lehren der Offenbarung darstellt. -
6 stellt ein Blockdiagramm dar, das eine beispielhafte Computervorrichtung gemäß den Lehren der Offenbarung darstellt. - DETAILLIERTE BESCHREIBUNG
- Hierin sind Verfahren, Vorrichtungen und Systeme zum Managen semistrukturierter Daten offenbart. Zum Beispiel kann eine Implementierung eines Verfahrens zum Managen semistrukturierter Daten semistrukturierte Datenelemente von einer Datenquelle empfangen und kann eine statistische Analyse über Sammlungen der semistrukturierten Datenelemente durchführen, wenn sie zur Datenbank hinzugefügt werden. Zusätzlich können allgemeine bzw. gemeinsame Datenelemente von innerhalb der semistrukturierten Daten identifiziert und als Daten erster Klasse und/oder Daten niedrigerer Klasse in Abhängigkeit von einer Schwelle einer Gemeinsamkeit zugeordnet werden. Die Implementierung kann weiterhin die gemeinsamen Datenelemente von der semistrukturieren Datenquelle in separate Pseudospalten kombinieren, die in einem Cachespeicher gespeichert sind, und dann Metadaten und Statistiken entsprechend den Pseudospalten der Datenelemente erster Klasse für einen computerbasierten Anfragegenerator verfügbar machen.
- In der folgenden Beschreibung wird auf die beigefügten Zeichnungen Bezug genommen, die einen Teil von ihr bilden und in welchen 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 Ausführungsbeispielen durchgeführt werden können und andere Ausführungsbeispiele verwendet werden können, ohne vom Schutzumfang der vorliegenden Offenbarung abzuweichen. Die folgende detaillierte Beschreibung ist daher nicht in einem beschränkenden Sinn anzunehmen.
- 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 semistrukturbasierte relationale Datenbank. Jedoch sind diese Systeme und Verfahren anwendbar auf irgendeinen Typ von Datenbank, der irgendeine Datenspeicherarchitektur verwendet und der irgendeine Sprache verwendet, um Daten innerhalb der Datenbank zu speichern und wiederzugewinnen. Wie es hierin verwendet ist, bedeuten semistrukturierte Daten, eine Form von strukturierten Daten weiterzuleiten, die nicht gemäß der typischen formalen Struktur von Datenmodellen sind, die mit einer Relation assoziiert sind, aber nichtsdestoweniger Tags oder andere Markierungen enthalten, um semantische Elemente zu trennen und Hierarchien von Aufzeichnungen und Feldern innerhalb der Daten zu verstärken. Die hierin beschriebenen Systeme und Verfahren stellen weiterhin ein mandantenfähiges System zur Verfügung, das eine Isolierung von Computerressourcen und Daten zwischen unterschiedlichen Kunden/Klienten und zwischen unterschiedlichen Anwendern innerhalb desselben Kunden/Klienten unterstützt.
- Hierin sind Verfahren und Systeme offenbart, die eine Leistungsfähigkeit von Datenbanken und universellen Datenbanksystemen bzw. Lagersystemen signifikant verbessern, die große Mengen von semistrukturierten Daten handhaben. Existierende Datenbanksysteme sind entweder relational (d.h. SQL-Datenbanken) oder Schlüsselwertspeicher.
- Relationale Datenbanken können effiziente Anfragen aufgrund eines Beschneidens eines Anfragedatenzugriffs (Ausschließen von Teilbereichen der Datenbank von der Suche basierend auf aggregierten Metadaten über Werte, die in spezifischen Spalten der Tabellen gespeichert sind) durchführen. Dies erfordert jedoch ein strenges tabulares Format der Daten, welches nicht verwendet werden kann, um semistrukturierte Daten darzustellen.
- Andererseits sind die Schlüsselwertspeicher flexibler, führen aber schwerwiegende Leistungsfähigkeitsnachteile aufgrund eines Mangels an Beschneidung ein. Es gibt eine Anzahl von Wegen, um ein Handhaben von semistrukturierten Daten zu relationalen Datenbanken in existierenden Produkten und Forschungsprojekten hinzuzufügen:
- 1. Serialisiertes Codieren - eine semistrukturierte Datenaufzeichnung wird in einer Spalte als eine serialisierte Darstellung gespeichert. Jedes Mal wenn ein Wert von einem gewissen Feld verwendet wird, wird er extrahiert und zu einem elementaren Typ konvertiert. Dieses Verfahren ist flexibel, führt aber einen Zugriff auf diese durch Beschneiden zu verbessernde Daten durch, weil eine Extraktion aus einer serialisierten Darstellung kostspielig ist, und erfordert signifikant mehr CPU-Zeit als ein Arbeiten mit normalen relationalen Daten. Die gesamten serialisierten Datenaufzeichnungen müssen aus einem persistenten Speicher gelesen und verarbeitet werden, selbst wenn nur ein äußerst geringer Teilbereich (wie beispielsweise ein einziges Element) von ihnen bei der Anfrage verwendet wird.
- 2. Umwandlung bzw. Konversion bei einer Aufnahme - die semistrukturierten Daten werden bei der Aufnahme in relationale Daten umgewandelt. Dies macht einen Zugriff auf diese Daten so schnell wie einen Zugriff auf irgendwelche anderen relationalen Daten, erfordert aber eine feststehende Spezifikation einer Datenstruktur bei der Aufnahme und dass ein entsprechendes Datenbankschema im Voraus vollständig spezifiziert ist. Dieses Verfahren macht ein Handhaben von Daten mit einer sich ändernden Struktur aufgrund der Notwendigkeit eines Änderns des Datenbankschemas sehr aufwendig bzw. kostspielig. Daten mit einer Struktur, die sich von Aufzeichnung zu Aufzeichnung ändert, sind unter Verwendung dieses Verfahrens unmöglich zu handhaben. Das Umwandlungsverfahren muss a priori spezifiziert werden und eine nicht triviale Änderung wird ein erneutes Aufnehmen der ursprünglichen semistrukturierten Daten erfordern.
- 3. Eine relationsartige Darstellung von strukturierten Daten äquivalent zu einer Objektattributenwert-Tripletdarstellung, gespeichert in einer herkömmlichen relationalen Datenbank. Dieses Verfahren ist flexibel, erfordert aber effektiv Verbindungsoperationen für einen Zugriff auf Datenunterkomponenten, was abhängig von Daten sehr langsam sein kann.
- 4. Nicht herkömmliche Erweiterungen für ein relationales Datenmodell, welche zulassen, dass Spalten mit unterschiedlicher Kardinalität in einer Hierarchie verbunden werden, die eine Struktur der Quelldaten wiedergibt. Die Anfrageerzeugungsverfahren für eine solche Datendarstellung werden nicht gut verstanden (und somit ist keine effektive Anfrageerzeugung mit dem gegenwärtigen Stand der Technik möglich). Dieses Verfahren erfordert auch, dass eingegebene Daten mit einem festen (obwohl nicht tabularen) Schema übereinstimmen, und ist somit nicht ausreichend flexibel, um beliebige semistrukturierte Daten zu handhaben.
- Was nötig ist, ist ein System und ein Verfahren zum Arbeiten mit semistrukturierten Daten, das effizient ist, wenig kostet und reagierend ist, weil es die Semantiken der semistrukturierten Daten bewahren wird, während die Daten in wenigstens Pseudospalten gemanagt werden, die wie herkömmlichere Datenstrukturen verarbeitet und angefragt werden können.
- Bei einer Implementierung der folgenden Offenbarung können Daten in der Form von Dateien, Elementen von Dateien, Teilbereichen von Dateien und ähnliches auftreten. Eine Datei kann eine Sammlung von Dokumenten umfassen und ein Teilbereich von Daten kann eine Datei, eine Vielzahl von Dokumenten aus einer Verbindung und/oder einen Teilbereich von Dokumenten umfassen. Weiterhin können bei der Implementierung Metadaten mit Dateien, Teilbereichen von Dateien und Teilbereichen von Daten assoziiert sein.
- Wie es hierin verwendet ist, ist beabsichtigt, dass die Ausdrücke „gemeinsame Datenelemente“ Datenelemente bedeuten, die zu derselben Gruppe und einer Sammlung von logisch ähnlichen Elementen gehören.
-
1 stellt eine Schematik eines semistrukturierten Datenflusses in einem Computersystem dar, das semistrukturierte Daten verarbeitet und den Datenelementen zur Erhöhung eines Zugriffs für Anfragen Klassenbestimmungen zuordnet. Wie es in der Figur gesehen werden kann, können semistrukturierte Daten110 gemeinsame und nicht gemeinsame Datenelemente darin umfassen. Um gemeinsame Daten aus den semistrukturierten Daten zu extrahieren, können analytische Statistiken122 gegenüber den semistrukturierten Daten laufengelassen werden, um gemeinsame Datenelemente, nicht gemeinsame Datenelemente, zu bestimmen und um eine jedem Datenelement zuzuordnende Klassenbestimmung zu erzeugen. Zusätzlich sollte bemerkt werden, dass auch ein Anwenderinteresse und Anwenderaufforderungen124 verwendet werden können, um eine Klassenbestimmung für gemeinsame Daten zu bestimmen. Wie es in der Figur dargestellt ist, können gemeinsame Daten in temporären spaltenartigen Strukturen gespeichert werden, die Pseudospalten120 genannt werden, und können weiterhin gemäß einer Klassenbestimmung gespeichert werden, wobei Datenelemente erster Klasse für einen besseren Zugriff für Anfragen gespeichert werden. Datenelemente, für die nicht bestimmt wird, dass sie gemeinsam sind, können seriell in serialisierten „Überlauf-Daten140 gespeichert werden. Letztlich wird ein Anwender Ergebnisse130 auf Anfragen schneller und genauer aus den Datenelementen erster Klasse empfangen. - Bei der Implementierung kann das angeforderte Datenelement, wenn es nicht in einer Pseudospalte
120 ist, aus den serialisierten „Überlauf-Daten140 extrahiert werden, und kann, wenn eine gesamte semistrukturierte Datenaufzeichnung150 aufgefordert wird, rekonstruiert bzw. wiederhergestellt zu werden, sie aus den Daten erster Klasse in Pseudospalten120 , den Daten niedrigerer Klasse in Pseudospalten120 und den „Überlauf-Daten140 und den erneut in das ursprüngliche Format serialisierten rekonstruiert werden. -
2 stellt ein Ablaufdiagramm eines Verfahrens200 zum Handhaben semistrukturierter Daten und zum Zuordnen einer Datenklasse zum Priorisieren eines Datenspeichers bzw. einer Datenspeicherung dar. Wie es in der Figur gesehen werden kann, werden bei210 semistrukturierte Datenelemente von einer semistrukturierten Datenquelle oder einer Vielzahl von semistrukturierten Datenquellen empfangen. Wenn die Datenelemente empfangen werden, können sie als gemeinsam und nicht gemeinsam bestimmt werden. Dies kann erreicht werden durch Durchführen einer statistischen Analyse der Sammlungen von semistrukturierten Datenaufzeichnungen, wenn sie zur Datenbank hinzugefügt werden, bei220 . Basierend auf der statistischen Analyse können bei230 gemeinsame Datenelemente identifiziert werden. Bei240 kann den gemeinsamen Datenelementen eine Klassenbestimmung zugeordnet werden, wie beispielsweise eine erste Klasse für erwünschte oder wieder auftretende Daten, und Bestimmungen einer niedrigeren Klasse für weniger erwünschte oder weniger auftretende Datenelemente. Das System, das die Anweisungen des Verfahrens200 durchführt, kann weiterhin bei240 eine Speicherung von Datenelementen erster Klasse aus den semistrukturierten Daten in separaten Pseudospalten gemäß einer Gemeinsamkeitsschwelle kombinieren, während die nicht gemeinsamen Datenelemente bei250 in einem serialisierten „Überlauf‟-Speicher gespeichert werden. Eine Gemeinsamkeitsschwelle kann beispielsweise darauf basieren, wie viele Male das Datenelement in den semistrukturierten Daten erscheint, oder kann darauf basieren, wieviel Anwenderanfragen die Daten suchen. Diese Elemente können aus den semistrukturierten Daten extrahiert werden und in spaltenartigem Format separat gespeichert werden, das unsichtbar für Anwender ist. Bei260 können die Daten erster Klasse aufgrund ihrer Erwünschtheit in Pseudospalten in einem schnell zugreifbaren Cachespeicher gespeichert werden. Es wird erkannt werden, dass die Metadaten und Statistiken (wie beispielsweise minimale und maximale Werte, eine Anzahl von eindeutigen Werten, etc.) dieser Pseudospalten dann bei270 dem Anfragegenerator verfügbar gemacht werden. Es ist zu beachten, dass separate Sammlungen (d.h. Teile der Tabelle, die in den separaten Dateien gespeichert ist) unterschiedliche Untergruppen von extrahierten Datenelementen haben können. - Wie es in
2 gesehen werden kann, können die Bestimmung einer Gemeinsamkeit und die Zuordnung einer Klasse für die Datenelemente wiederholt werden, um sicherzustellen, dass die Datenbank von semistrukturierten Datenelementen für Anfragen auf dem neuesten Stand gehalten werden. - Bei einer Implementierung kann, wenn Daten extrahiert werden, wenn ein Wert eines gemeinsamen Datenelements nötig ist, er direkt von der entsprechenden Pseudospalte unter Verwendung eines effizienten Spaltenzugriffs erhalten werden.
- Bei einer Implementierung können gemeinsame Datenelemente jederzeit zur Bestimmung erster Klasse hinzugefügt werden und gleichermaßen können Datenelemente die Bestimmung erster Klasse verlieren, wenn für sie herausgefunden wird, dass sie weniger erwünscht oder weniger repräsentiert sind.
- Für einen Anwender kann dieses Verfahren nicht unterscheidbar von einem Speichern serialisierter Aufzeichnungen sein und erlegt einer Struktur von individuellen Datenaufzeichnungen keine Beschränkungen auf. Jedoch deshalb, weil die meisten gemeinsamen Datenelemente auf dieselbe Weise wie herkömmliche relationale Daten gespeichert sind, kann ein Zugriff auf sie zur Verfügung gestellt werden und kann kein Lesen und keine Extraktion der gesamten semistrukturierten Aufzeichnungen erfordern, wodurch die Geschwindigkeitsvorteile von herkömmlichen relationalen Datenbanken gewonnen werden.
- Weil die unterschiedlichen Sammlungen von semistrukturierten Aufzeichnungen (von derselben Tabelle) unterschiedliche Gruppen von extrahierten Datenelementen haben können, sollte der Anfragegenerator und das Beschneiden dazu fähig sein, mit partiell verfügbaren Metadaten (d.h. Teilen der Tabelle, die Metadaten und Statistiken haben, die für ein bestimmtes Datenelement verfügbar sind, während anderen Teilen dies fehlen kann) zu arbeiten.
- Ein Vorteil gegenüber dem Stand der Technik besteht in der Fähigkeit, die durch das Verfahren zum Verwenden einer hybriden Datenspeicherdarstellung (als sowohl eine serialisierte Speicherung von weniger gemeinsamen Elementen als auch eine Spaltenspeicherung von gemeinsamen Elementen) zur Verfügung gestellt ist. Dies lässt zu, dass Anwender sowohl eine Flexibilität als auch eine Fähigkeit erreichen, beliebige semistrukturierte Daten von Systemen unter Verwendung einer serialisierten Darstellung und einer hohen Leistungsfähigkeit von Datenanfragen, die durch herkömmliche relationale Datenbanken zur Verfügung gestellten sind, zu speichern.
- Es wird von Fachleuten auf dem Gebiet erkannt werden, dass irgendeine Datenverarbeitungsplattform diesen Ansatz zum Handhaben von semistrukturierten Daten verwenden könnte. Es muss nicht auf ein DBMS-System beschränkt sein, das SQL laufen lässt.
- In
3 ist ein Computersystem zum Laufenlassen bzw. Durchführen der hierin offenbarten Verfahren dargestellt. Wie es in3 gezeigt ist, ist ein Ressourcenmanager302 mit mehreren Anwendern304 ,306 und308 gekoppelt. Bei bestimmten Implementierungen kann der Ressourcenmanager302 irgendeine Anzahl von Anwendern unterstützen, die auf eine Datenverarbeitungsplattform300 zuzugreifen wünschen. Die Anwender304-308 können beispielsweise Endanwender, die Datenspeicherungs- und -wiedergewinnungsaufforderungen zur Verfügung stellen, Systemadministratoren, die die Systeme managen, und Verfahren, die hierin beschrieben sind, Softwareanwendungen, die mit einer Datenbank interagieren, und andere Komponenten/Vorrichtungen, die mit dem Ressourcenmanager302 interagieren, enthalten. Der Ressourcenmanager302 stellt verschiedene Dienste und Funktionen zur Verfügung, die den Betrieb von allen Systemen und Komponenten innerhalb der Datenverarbeitungsplattform300 unterstützen. Der Ressourcenmanager302 ist auch mit Metadaten310 gekoppelt, die mit der Gesamtheit von Daten assoziiert sind, die in der gesamten Datenverarbeitungsplattform300 gespeichert sind. Weil der Ressourcenmanager mit den Metadaten entsprechend Gruppen von Dateien gekoppelt ist, können die Metadaten zum Erzeugen von Anwenderanfragen verwendet werden. Bei einigen Ausführungsformen enthalten die Metadaten310 eine Zusammenfassung von Daten, die in entfernten Datenspeichersystemen gespeichert sind, sowie Daten, die von einem lokalen Cache verfügbar sind. Zusätzlich können die Metadaten310 Information diesbezüglich enthalten, wie Daten in den entfernten Datenspeichersystemen und den lokalen Caches organisiert sind. Die Metadaten310 lassen zu, dass Systeme und Dienste bestimmen, ob ein Datenstück bzw. ein Datenwert verarbeitet werden muss, ohne die tatsächlichen Daten von einer Speichervorrichtung zu laden oder auf diese zuzugreifen. - Der Ressourcenmanager
302 ist weiterhin mit einer Ausführungsplattform312 gekoppelt, die mehrere Computerressourcen zur Verfügung stellt, die verschiedene Datenspeicherungs- und Datenwiedergewinnungsaufgaben ausführen, wie es nachstehend ausführlicher diskutiert ist. Die Ausführungsplattform312 ist mit mehreren Datenspeichervorrichtungen316 ,318 und320 gekoppelt, die Teil einer Speicherplattform314 sind. Obwohl in3 drei Datenspeichervorrichtungen316 ,318 und320 gezeigt sind, kann die Ausführungsplattform312 mit irgendeiner Anzahl von Datenspeichervorrichtungen kommunizieren. Bei einigen Ausführungsformen sind die Datenspeichervorrichtungen316 ,318 und320 cloudbasierte Speichervorrichtungen, die an einem oder mehreren geographischen Standorten angeordnet sind. Beispielsweise können die Datenspeichervorrichtungen316 ,318 und320 Teil einer öffentlichen Cloud-Infrastruktur oder einer privaten Cloud-Infrastruktur sein. Die Datenspeichervorrichtungen316 ,318 und320 können Festplattenlaufwerke (HDDs), Festkörperlaufwerke (SSDs), Speichercluster oder irgendeine andere Datenspeichertechnologie sein. Zusätzlich kann die Speicherplattform314 verteilte Dateiensysteme (wie beispielsweise verteilte Hadoop-Dateiensysteme (HDFS)), Objektspeichersysteme und ähnliches sein. - Bei bestimmten Ausführungsformen sind die Kommunikationsverbindungen zwischen dem Ressourcenmanager
302 und den Anwendern304-308 , den Metadaten310 und der Ausführungsplattform312 über ein oder mehrere Datenkommunikationsnetzwerke implementiert. Gleichermaßen sind die Kommunikationsverbindungen zwischen der Ausführungsplattform312 und den Datenspeichervorrichtungen316-320 in der Speicherplattform314 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
3 gezeigt ist, sind die Datenspeichervorrichtungen316 ,318 und320 von den Computerressourcen entkoppelt, die mit der Ausführungsplattform312 assoziiert sind. Diese Architektur unterstützt dynamische Änderungen an der Datenverarbeitungsplattform300 basierend auf den sich ändernden Datenspeicherungs-/-wiedergewinnungs-Notwendigkeiten sowie den sich ändernden Notwendigkeiten der Anwender und Systeme, die auf die Datenverarbeitungsplattform300 zugreifen. Die Unterstützung von dynamischen Änderungen lässt zu, dass sich die Datenverarbeitungsplattform300 in Reaktion auf Änderungsanforderungen an die Systeme und Komponenten innerhalb der Datenverarbeitungsplattform300 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 Computerressourcen, die zu einer bestimmten Zeit verwendet werden, ohne eine entsprechende Erhöhung bezüglich der verfügbaren Datenspeicherressourcen zu erfordern. - Der Ressourcenmanager
302 , die Metadaten310 , die Ausführungsplattform312 und die Speicherplattform314 sind in3 als einzelne Komponenten gezeigt. Jedoch kann jedes von dem Ressourcenmanager302 , den Metadaten310 , der Ausführungsplattform312 und der Speicherplattform314 als ein verteiltes System implementiert sein (z.B. verteilt über mehrere Systeme/Plattformen an mehreren geographischen Standorten). Zusätzlich kann jedes von dem Ressourcenmanager302 , den Metadaten310 , der Ausführungsplattform312 und der Speicherplattform314 (unabhängig voneinander) in Abhängigkeit von Änderungen an den von den Anwendern304-308 empfangenen Aufforderungen und den sich ändernden Notwendigkeiten der Datenverarbeitungsplattform300 vergrößert oder verkleinert werden. Somit ist die Datenverarbeitungsplattform300 bei den beschriebenen Ausführungsformen dynamisch und unterstützt reguläre Änderungen, um die aktuellen Datenverarbeitungsnotwendigkeiten zu erfüllen. -
4 ist ein Blockdiagramm, das eine Ausführungsform des Ressourcenmanagers302 darstellt. Wie es in3 gezeigt ist, enthält der Ressourcenmanager302 einen Zugriffsmanager402 und einen Schlüsselmanager404 , die mit einer Datenspeichervorrichtung406 gekoppelt sind. Der Zugriffsmanager402 handhabt Authentifizierungs- und Autorisierungsaufgaben für die hierin beschriebenen Systeme. Der Schlüsselmanager404 managt eine Speicherung und Authentifizierung von während Authentifizierungs- und Autorisierungsaufgaben verwendeten Schlüsseln. Ein Aufforderungsverarbeitungsservice bzw. -dienst408 managt empfangene Datenspeicherungsaufforderungen und Datenwiedergewinnungsaufforderungen. Ein Managementkonsolenservice bzw. -dienst410 unterstützt einen Zugriff auf verschiedene Systeme und Prozesse durch Administratoren und andere Systemmanager. - Der Ressourcenmanager
302 enthält auch einen SQL-Compiler412 , einen SQL-Optimierer414 und einen SQL-Ausführer410 . Der SQL-Compiler412 zerlegt SQL-Anfragen und erzeugt den Ausführungscode für die Anfragen. Der SQL-Optimierer414 bestimmt das beste Verfahren, um Anfragen auszuführen, basierend auf den Daten, die verarbeitet werden müssen. Der SQL-Ausführer416 führt den Anfragecode für durch den Ressourcenmanager302 empfangene Anfragen aus. Ein Anfrageplaner und -koordinator418 sendet empfangene Anfragen zu den geeigneten Diensten oder Systemen zur Kompilation, Optimierung und/oder Abfertigung zu einer Ausführungsplattform. Ein virtueller universeller Datenbankmanager bzw. virtueller Lagermanager bzw. Manager für virtuelle Lager420 managt die Operation von mehreren virtuellen Lagern, die in einer Ausführungsplattform implementiert sind. - Zusätzlich enthält der Ressourcenmanager
302 einen Konfigurations- und Metadatenmanager422 , der die Information in Bezug auf die Daten managt, die in den entfernten Datenspeichervorrichtungen und in den lokalen Caches gespeichert sind. Ein Überwachungs- und Arbeitsbelastungsanalysator424 überblickt die durch den Ressourcenmanager302 durchgeführten Prozesse und managt die Verteilung von Aufgaben (z.B. Arbeitsbelastung) über die virtuellen Lager und Ausführungsknoten in der Ausführungsplattform. Der Konfigurations- und Metadatenmanager422 und der Überwachungs- und Arbeitsbelastungsanalysator424 sind mit einer Datenspeichervorrichtung426 gekoppelt. - Der Ressourcenmanager
302 enthält auch ein Transaktionsmanagement- und Zugriffssteuermodul428 , das die verschiedenen Aufgaben und andere Aktivitäten, die mit der Verarbeitung von Datenspeicheranfragen und Datenzugriffsanfragen assoziiert sind, managt. Beispielsweise stellt das Transaktionsmanagement- und Zugriffssteuermodul428 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 Zugriffssteuermodul428 stellt eine Steuerung von verschiedenen Datenverarbeitungsaktivitäten an einem einzelnen, zentralisierten Standort im Ressourcenmanager302 zur Verfügung. -
5 ist ein Blockdiagramm, das eine Ausführungsform einer Ausführungsplattform darstellt. Wie es in5 gezeigt ist, enthält die Ausführungsplattform512 mehrere virtuelle universelle Datenbanken bzw. Lager502 ,504 und506 . Jedes virtuelle Lager enthält mehrere Ausführungsknoten, die jeweils einen Cache und einen Prozessor enthalten. Obwohl jedes in5 gezeigte virtuelle Lager502-506 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 eine zusätzlicher Bedarf vorhanden ist, und existierende Ausführungsknoten gelöscht werden, wenn sie nicht länger nötig sind. - Jede virtuelle Lager
502-506 kann auf irgendeine der in3 gezeigten Datenspeichervorrichtungen316-320 zugreifen. Somit sind die virtuellen Lager502 ,506 nicht notwendigerweise einer spezifischen Datenspeichervorrichtung316-320 zugeordnet und können stattdessen auf Daten von irgendeiner der Datenspeichervorrichtungen316-320 zugreifen. Gleichermaßen kann jeder der in5 gezeigten Ausführungsknoten auf Daten von irgendeiner der Datenspeichervorrichtungen316-320 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 können später auf Daten von irgendeiner anderen Datenspeichervorrichtung zugreifen. - Bei dem Beispiel der
5 enthält das virtuelle Lager502 drei Ausführungsknoten508 ,510 und512 . Der Ausführungsknoten508 enthält einen Cache514 und einen Prozessor516 . Der Ausführungsknoten510 enthält einen Cache518 und einen Prozessor520 . Der Ausführungsknoten512 enthält einen Cache522 und einen Prozessor524 . Jeder Ausführungsknoten508-512 ist mit einer Verarbeitung von einer oder mehreren Datenspeicherungs- und/oder Datenwiedergewinnungsaufgaben assoziiert. Beispielsweise kann ein bestimmtes virtuelles Lager mit einem bestimmten Anwender oder Kunden assoziierte Datenspeicherungs- und Datenwiedergewinnungsaufgaben handhaben. Bei anderen Implementierungen kann ein bestimmtes virtuelles Lager mit einem bestimmten Datenspeichersystem oder einer bestimmten Kategorie von Daten assoziierte Datenspeicherungs- und Datenwiedergewinnungsaufgaben handhaben. - Gleich der oben diskutierten virtuellen Lager
502 enthält das virtuelle Lager504 drei Ausführungsknoten526 ,528 und530 . Der Ausführungsknoten526 enthält einen Cache532 und einen Prozessor534 . Der Ausführungsknoten528 enthält einen Cache536 und einen Prozessor538 . Der Ausführungsknoten530 enthält einen Cache540 und einen Prozessor542 . Zusätzlich enthält das virtuelle Lager506 drei Ausführungsknoten544 ,546 und548 . Der Ausführungsknoten544 enthält einen Cache550 und einen Prozessor552 . Der Ausführungsknoten546 enthält einen Cache554 und einen Prozessor556 . Der Ausführungsknoten548 enthält einen Cache558 und einen Prozessor560 . - Obwohl der in
5 gezeigte Ausführungsknoten jeweils einen Cache und einen Prozessor enthält, können alternative Ausführungsformen Ausführungsknoten enthalten, die irgendeine Anzahl von Prozessoren und irgendeine Anzahl von Caches enthalten. Zusätzlich können die Caches bezüglich einer Größe unter den unterschiedlichen Ausführungsknoten variieren. Die in5 gezeigten Caches speichern in dem lokalen Ausführungsknoten Daten, die aus einer oder mehreren Datenspeichervorrichtungen in einer Speicherplattform314 (3 ) wiedergewonnen wurden. Somit reduzieren oder eliminieren die Caches die Engpassprobleme, die bei Plattformen auftreten, die Daten von entfernten Speichersystemen konsistent wiedergewinnen. Anstelle eines wiederholten Zugreifens auf Daten aus 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 Speicherplattform314 speichern. - Weiterhin können die Cacheressourcen und 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 weiterer Ausführungsknoten kann signifikante Cacheressourcen und minimale Computerressourcen enthalten, was diesen Ausführungsknoten nützlich für Aufgaben macht, die ein Speichern von großen Mengen von Daten im Cache erfordern. Bei einigen Ausführungsformen werden die Cacheressourcen und Computerressourcen, die mit einem bestimmten Ausführungsknoten assoziiert sind, basierend auf den durch den Ausführungsknoten durchzuführenden erwarteten Aufgaben bestimmt, wenn der Ausführungsknoten erzeugt wird.
- Zusätzlich können sich die Cacheressourcen und Computerressourcen, die mit einem bestimmten Ausführungsknoten assoziiert sind, im Laufe der Zeit basierend auf sich ändernden Aufgaben ändern, die durch den Ausführungsknoten durchgeführt werden. Beispielsweise kann ein bestimmter Ausführungsknoten mehr prozessorintensiv sein. Gleichermaßen können einem Ausführungsknoten mehr Cacheressourcen zugeordnet sein, wenn die durch den Ausführungsknoten durchgeführten Aufgaben eine größere Cachekapazität erfordern.
- Obwohl die virtuellen Lager
502-506 mit derselben Ausführungsplattform312 der3 assoziiert sind, können die virtuellen Lager unter Verwendung von mehreren Computersystemen an mehreren geographischen Standorten implementiert sein. Beispielsweise kann das virtuelle Lager502 durch ein Computersystem an einem ersten geographischen Standort implementiert sein, während die virtuellen Lager504 und506 durch ein anderes Computersystem an einem zweiten geographischen Standort implementiert sind. Bei einigen Ausführungsbeispielen sind diese unterschiedlichen Computersysteme cloudbasierte Computersysteme, die durch eine oder mehrere unterschiedliche Einheiten gewartet bzw. erhalten bzw. gepflegt werden. - Zusätzlich ist in
5 jedes virtuelle Lager derart gezeigt, dass es mehrere Ausführungsknoten hat. Die mehreren Ausführungsknoten, die mit jedem virtuellen Lager assoziiert sind, können unter Verwendung von mehreren Computersystemen an mehreren geographischen Standorten implementiert sein. Beispielsweise implementiert ein bestimmter Fall eines virtuellen Lagers502 Ausführungsknoten508 und510 auf einer Computerplattform an einem bestimmten geographischen Standort und implementiert den Ausführungsknoten512 einer anderen Computerplattform an einem anderen geographischen Standort. Ein Auswählen bestimmter Computersysteme, um einen Ausführungsknoten zu implementieren, kann von verschiedenen Faktoren abhängen, wie beispielsweise dem Ausmaß an Ressourcen, die für einen bestimmten Ausführungsknoten nötig sind (z.B. Verarbeitungsressourcenerfordernisse und Cache-Erfordernisse), den Ressourcen, die bei bestimmten Computersystemen verfügbar sind, den Kommunikationsfähigkeiten von Netzwerken innerhalb eines geographischen Standorts oder zwischen geographischen Standorten, und welche Computersysteme bereits andere Ausführungsknoten im virtuellen Lager implementieren. Die Ausführungsplattform312 ist auch fehlertolerant. Wenn beispielsweise ein virtuelles Lager ausfällt, wird dieses virtuelle Lager schnell durch ein anderes virtuelles Lager an einem anderen geographischen Standort ersetzt. - Eine bestimmte Ausführungsplattform
312 kann irgendeine Anzahl von virtuellen Lagern502-506 enthalten. Zusätzlich ist die Anzahl von virtuellen Lagern bei einer bestimmten Ausführungsplattform dynamisch, so dass neue virtuelle Lager erzeugt werden, wenn zusätzliche Verarbeitungs- und/oder Cache-Ressourcen nötig sind. Gleichermaßen können existierende virtuelle Lager gelöscht werden, wenn die mit dem virtuellen Lager assoziierten Ressourcen nicht länger nötig sind. -
6 ist ein Blockdiagramm, das eine beispielhafte Computervorrichtung600 darstellt. Bei einigen Ausführungsbeispielen wird die Computervorrichtung600 verwendet, um eines oder mehreres von den Systemen und den Komponenten zu implementieren, die hierin diskutiert sind. Beispielsweise kann die Computervorrichtung600 zulassen, dass ein Anwender oder ein Administrator auf den Ressourcenmanager302 zugreift. Weiterhin kann die Computervorrichtung600 mit irgendeinem der Systeme und der Komponenten, die hierin beschrieben sind, interagieren. Demgemäß kann die Computervorrichtung600 verwendet werden, um verschiedene Prozeduren und Aufgaben durchzuführen, wie beispielsweise diejenigen, die hierin diskutiert sind. Die Computervorrichtung600 kann als Server, Client oder irgendeine andere Computereinheit fungieren. Die Computervorrichtung600 kann irgendetwas von einer breiten Vielfalt von Computervorrichtungen sein, wie beispielsweise ein Desktopcomputer, ein Notebookcomputer, ein Servercomputer, ein Handheld-Computer bzw. in der Hand gehaltener Computer, ein Tablet und ähnliches. - Die Computervorrichtung
600 enthält einen oder mehrere Prozessoren602 , eine oder mehrere Speichervorrichtungen604 , eine oder mehrere Schnittstellen606 , eine oder mehrere Massenspeichervorrichtungen608 und eine oder mehrere Eingabe/Ausgabe-(I/O-)Vorrichtungen610 , von welchen alle mit einem Bus612 gekoppelt sind. Der Prozessor/die Prozessoren602 enthält (enthalten) einen oder mehrere Prozessoren oder Steuerungen, die Anweisungen ausführen, die in der Speichervorrichtung (den Speichervorrichtungen)604 und/oder der Massenspeichervorrichtung (den Massenspeichervorrichtungen)608 gespeichert sind. Der Prozessor (die Prozessoren)602 kann (können) auch verschiedene Typen von computerlesbaren Medien enthalten, wie beispielsweise einen Cachespeicher. - Die Speichervorrichtung(en)
604 enthält (enthalten) verschiedene computerlesbare Medien, wie beispielsweise einen flüchtigen Speicher (z.B. einen Direktzugriffsspeicher (RAM)) und/oder einen nichtflüchtigen Speicher (z.B. einen Nurlesespeicher (ROM)). Die Speichervorrichtung(en)604 kann (können) auch einen wiederbeschreibbaren ROM, wie beispielsweise einen Flash-Speicher, enthalten. - Die Massenspeichervorrichtung(en)
608 enthält (enthalten) verschiedene computerlesbare Medien, wie beispielsweise Magnetbänder, magnetische Platten, optische Platten, einen Festkörperspeicher (z.B. einen Flash-Speicher), und so weiter. Verschiedene Vorrichtungen können auch in der Massenspeichervorrichtung (den Massenspeichervorrichtungen)608 enthalten sein, um ein Lesen von und/oder ein Schreiben zu den verschiedenen computerlesbaren Medien zu ermöglichen. Die Massenspeichervorrichtung(en)608 enthält (enthalten) entfernbare Medien und/oder nicht entfernbare Medien. - Die I/O-Vorrichtung(en)
610 enthält (enthalten) verschiedene Vorrichtungen, die zulassen, dass Daten und/oder andere Information zu der Computervorrichtung600 eingegeben oder daraus wiedergewonnen werden (wird). Eine beispielhafte I/O-Vorrichtung (Beispielhafte I/O-Vorrichtungen)610 enthält (enthalten) Cursor-Steuervorrichtungen, Tastaturen, Keypads bzw. kleine Tastaturen bzw. Folientastaturen, Mikrofone, Monitore oder andere Anzeigevorrichtungen, Lautsprecher, Drucker, Netzwerkschnittstellenkarten, Modems, Optik bzw. Objektive, CCDs oder andere Bilderfassungsvorrichtungen und ähnliches. - Die Schnittstelle(n)
606 enthält (enthalten) verschiedene Schnittstellen, die zulassen, dass die Computervorrichtung600 mit anderen Systemen, Vorrichtungen oder Computerumgebungen interagiert. Eine beispielhafte Schnittstelle (beispielhafte Schnittstellen)606 enthält (enthalten) irgendeine Anzahl von unterschiedlichen Netzwerkschnittstellen, wie beispielsweise Schnittstellen zu lokalen Netzen (LAN), Weitverkehrsnetzen (WAN), drahtlosen Netzen und dem Internet. - Der Bus
612 lässt zu, dass der Prozessor (die Prozessoren)602 , die Speichervorrichtung(en)604 , die Schnittstelle(n)606 , die Massenspeichervorrichtung(en)608 und die I/O-Vorrichtung(en)610 miteinander sowie mit anderen Vorrichtungen oder Komponenten, die mit dem Bus612 gekoppelt sind, kommunizieren. Der Bus stellt einen 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 sich solche Programme und Komponenten zu verschiedenen Zeiten in unterschiedlichen Speicherkomponenten der Computervorrichtung
660 befinden können, und werden durch den Prozessor (die Prozessoren)602 ausgeführt. Alternativ dazu können die hierin beschriebenen Systeme und Prozeduren in Hardware implementiert sein, oder einer Kombination aus Hardware, Software und/oder Firmware. Beispielsweise kann oder können eine oder mehrere anwendungsspezifische integrierte Schaltungen (ASICs) programmiert sein, um eines oder mehreres von den hierin beschriebenen Systemen und Prozeduren auszuführen. - Obwohl die vorliegende Offenbarung in Bezug auf bestimmte bevorzugte Ausführungsformen beschrieben ist, werden Fachleuten auf dem Gebiet andere Ausführungsformen offensichtlich werden, die den Vorteil dieser Offenbarung ergeben, einschließlich von nicht alle der hierin aufgezeigten Vorteile und Merkmale zur Verfügung stellenden Ausführungsformen, die auch innerhalb des Schutzumfangs dieser Offenbarung sind. Es ist zu verstehen, dass andere Ausführungsformen verwendet werden können, ohne vom Schutzumfang der vorliegenden Offenbarung abzuweichen.
- Weitere Implementierungen sind in den folgenden Beispielen zusammengefasst:
- Beispiel 1. Computerprogramm mit Anweisungen, die dann, wenn sie durch einen oder mehrere Prozessoren ausgeführt werden, veranlassen, dass der eine oder die mehreren Prozessoren Operationen durchführt oder durchführen, die folgendes umfassen: Empfangen semistrukturierter Datenelemente von einer Datenquelle; Durchführen einer statistischen Analyse an Sammlungen der semistrukturierten Datenelemente, wenn sie zur Datenbank hinzugefügt werden; Identifizieren gemeinsamer Datenelemente von innerhalb der semistrukturierten Daten; Zuordnen der gemeinsamen Datenelemente als Daten erster Klasse und als Daten niedrigerer Klasse abhängig von einer Gemeinsamkeitsschwelle; Kombinieren der gemeinsamen Datenelemente aus der Datenquelle in separate Pseudospalten; und Speichern von Daten erster Klasse in einem Cachespeicher in Pseudospalten und Verfügbarmachen von Metadaten und Statistiken entsprechend den Pseudospalten der Datenelemente erster Klasse zu einem computerbasierten Anfragegenerator.
- Beispiel 2. Computerprogramm nach Beispiel 1, wobei die Operationen weiterhin ein erneutes Identifizieren gemeinsamer Datenelemente von innerhalb der semistrukturierten Daten und ein Zuordnen von zusätzlichen gemeinsamen Datenelementen als Daten erster Klasse und Sichern der zusätzlichen Datenelemente in einem Cachespeicher umfassen.
- Beispiel 3. Computerprogramm nach Beispiel 2, wobei die Operationen weiterhin ein Identifizieren von Datenelementen erster Klasse umfassen, die unter die Gemeinsamkeitsschwelle abgefallen sind, und ein Zuordnen einer niedrigeren Klasse zu den identifizierten Datenelementen und ein Entfernen aus dem Cachespeicher.
- Beispiel 4. Computerprogramm nach Beispiel 1, wobei die Gemeinsamkeitsschwelle eine Zahl ist, die dazu gehört, wie oft das Datenelement in den semistrukturierten Daten auftritt.
- Beispiel 5. Computerprogramm nach Beispiel 1, wobei die Gemeinsamkeitsschwelle darin besteht, wie oft ein Datenelement durch einen Anwender angefragt wird.
- Beispiel 6. Computerprogramm nach Beispiel 1, wobei die Operationen weiterhin ein Speichern von Daten niedrigerer Klasse in Pseudospalten auf einem Plattenspeicher umfassen.
- Beispiel 7. Computerprogramm nach Beispiel 2, wobei die Operationen weiterhin ein Speichern nicht gemeinsamer semistrukturierter Datenelemente in einer serialisierten Überlaufspalte umfassen.
- Beispiel 8. Computerprogramm nach Beispiel 7, wobei die Operationen weiterhin ein Rekonstruieren semistrukturierter Datenelemente zurück zu einer ursprünglichen Form durch Kombinieren der Datenelemente erster Klasse und der Datenelemente niedrigerer Klasse und der nicht gemeinsamen Daten umfassen.
- Beispiel 9. Computerprogramm nach Beispiel 7, wobei die Operationen weiterhin ein Warten von aggregierten Metadaten mit Updates umfassen, die gegenwärtige Pseudospaltenstrukturen und Inhalte darstellen.
- Beispiel 10. Computerprogramm nach Beispiel 1, wobei die Operationen weiterhin ein Speichern von Datenelementen niedrigerer Klasse in einem Hauptspeicher umfassen.
- Beispiel 11. System zum Aggregieren bzw. Anhäufen semistrukturierter Daten, das Computerprozessoren, einen Cachespeicher, einen Plattenspeicher und Computeranweisungen umfasst, wobei das System weiterhin folgendes umfasst: ein Empfangsmodul, das konfiguriert ist, um semistrukturierte Datenelemente von einer Datenquelle zu empfangen; ein Statistikanalysemodul, das konfiguriert ist, um statistische Analysedaten entsprechend Sammlungen der semistrukturierten Datenelemente abzuleiten, wenn die Sammlungen zu der Datenbank hinzugefügt werden; ein Identifikationsmodul, das konfiguriert ist, um gemeinsame Datenelemente von innerhalb der semistrukturierten Daten zu identifizieren, und konfiguriert ist, um gemeinsame Datenelemente als Daten erster Klasse und als Daten niedrigerer Klasse abhängig von einer Gemeinsamkeitsschwelle zuzuordnen; ein Aggregationsmodul, das konfiguriert ist, um gemeinsame Datenelemente von der Datenquelle in separate Pseudospalten zu kombinieren; und wobei das Aggregationsmodul konfiguriert ist, um Daten erster Klasse im Cachespeicher in Pseudospalten zu speichern, und konfiguriert ist, um Metadaten und Statistiken der Pseudospalten der Datenelemente erster Klasse einem computerbasierten Anfragegenerator verfügbar zu machen.
- Beispiel 12. System nach Beispiel 11, wobei das Identifikationsmodul weiterhin konfiguriert ist, um gemeinsame Datenelemente von innerhalb der semistrukturierten Daten erneut zu identifizieren, und weiterhin konfiguriert ist, um zusätzliche gemeinsame Datenelemente als Daten erster Klasse zuzuordnen und die zusätzlichen Datenelemente im Cachespeicher zu sichern.
- Beispiel 13. System nach Beispiel 12, wobei das Identifikationsmodul weiterhin konfiguriert ist, um Datenelemente erster Klasse zu identifizieren, die unter die Gemeinsamkeitsschwelle abgefallen sind, und den identifizierten Datenelementen eine niedrigere Klasse zuzuordnen und sie aus dem Cachespeicher zu entfernen.
- Beispiel 14. System nach Beispiel 11, wobei die Gemeinsamkeitsschwelle eine Zahl ist, die dazu gehört, wie oft das Datenelement in den semistrukturierten Daten auftritt.
- Beispiel 15. System nach Beispiel 11, wobei die Gemeinsamkeitsschwelle darin besteht, wie oft ein Datenelement durch einen Anwender angefragt wird.
- Beispiel 16. System nach Beispiel 11, wobei Daten niedrigerer Klasse in Pseudospalten auf dem Plattenspeicher gespeichert werden.
- Beispiel 17. System nach Beispiel 11, wobei nicht gemeinsame semistrukturierte Datenelemente in einer serialisierten Überlaufspalte gespeichert werden.
- Beispiel 18. System nach Beispiel 17, wobei semistrukturierte Daten zu einer ursprünglichen Form rekonstruiert werden, die Datenelemente erster Klasse und Daten niedrigerer Klasse rekombiniert hat.
- Beispiel 19. Vorrichtung zum Aggregieren semistrukturierter Daten, umfassend: ein Empfangsmodul, das konfiguriert ist, um semistrukturierte Datenelemente von einer Datenquelle zu empfangen; ein Statistikmodul, das konfiguriert ist, um statistische Analysedaten entsprechend Sammlungen der semistrukturierten Datenelemente abzuleiten, die abgeleitet werden, wenn die Sammlungen zu der Datenbank hinzugefügt werden; und eine Aggregationseinrichtung zum Identifizieren gemeinsamer Datenelemente von innerhalb der semistrukturierten Daten und zum Zuordnen gemeinsamer Datenelemente als Daten erster Klasse und als Daten niedrigerer Klasse abhängig von einer Gemeinsamkeitsschwelle, wobei die Aggregationseinrichtung weiterhin zum Kombinieren gemeinsamer Datenelemente von der Datenquelle in separate Pseudospalten dient und die die Aggregationseinrichtung weiterhin zum Speichern von Daten erster Klasse in einem Cachespeicher in Pseudospalten dient.
- Beispiel 20. Vorrichtung nach Beispiel 19, wobei die die Aggregationseinrichtung weiterhin gemeinsame Datenelemente von innerhalb der semistrukturierten Daten erneut identifiziert und weiterhin zusätzliche gemeinsame Datenelemente als Daten erster Klasse zuordnet und die zusätzlichen Datenelemente im Cachespeicher sichert.
- Beispiel 21. Vorrichtung nach Beispiel 20, wobei die Aggregationseinrichtung weiterhin Datenelemente erster Klasse identifiziert, die unter die Gemeinsamkeitsschwelle abgefallen sind, und weiterhin den identifizierten Datenelementen eine niedrigere Klasse zuordnet und sie vom Cachespeicher entfernt.
- Beispiel 22. Vorrichtung nach Beispiel 19, wobei die Aggregationseinrichtung weiterhin aggregierte Metadaten im Wesentlichen kontinuierlichen mit Updates wartet, die gegenwärtige Pseudospaltenstrukturen und Inhalte darstellen.
Claims (11)
- Ein Computerprogramm das Anweisungen umfasst, die dann, wenn sie von einem oder mehreren Prozessoren ausgeführt werden, veranlassen, dass der eine oder die mehreren Prozessoren Operationen zum Speichern semi-strukturierter Daten ausführen, die Folgendes umfassen: Empfangen semi-strukturierter Datenelemente von einer Datenquelle; Durchführen einer statistischen Analyse an Sammlungen der semi-strukturierten Datenelemente, wenn sie zu der Datenbank hinzugefügt werden; Identifizieren gemeinsamer Datenelemente innerhalb der semi-strukturierten Daten; Zuordnen der gemeinsamen Datenelemente innerhalb der semi-strukturierten Daten als Daten erster Klasse und als Daten niedrigerer Klasse in Abhängigkeit von einer Gemeinsamkeitsschwelle, wobei die Gemeinsamkeitsschwelle darauf basiert, wie oft das Datenelement in den semi-strukturierten Daten auftritt; Extrahieren der gemeinsamen Datenelemente aus der Datenquelle und separates Speichern der gemeinsamen Datenelemente in Spaltenformat; Speichern der Daten der ersten Klasse im Cachespeicher in Pseudospalten und Verfügbarmachen von Metadaten und Statistiken, die den Pseudospalten der Datenelemente der ersten Klasse entsprechen, für einen computergestützten Anfragegenerator; erneutes Identifizieren gemeinsamer Datenelemente innerhalb der semistrukturierten Daten und Zuordnen zusätzlicher gemeinsamer Datenelemente als Daten der ersten Klasse und Speichern der zusätzlichen Datenelemente im Cachespeicher; Rekonstruieren semi-strukturierter Daten zurück zu einer ursprünglichen Form durch Kombinieren der Datenelemente erster Klasse und der Datenelemente niedrigerer Klasse und der nicht gemeinsamen Daten; Speichern von Daten niedrigerer Klasse in Pseudospalten auf Plattenspeicher; und Speichern nicht gemeinsamer semi-strukturierter Datenelemente in einer überlaufserialisierten Spalte.
- Computerprogramm nach
Anspruch 1 , wobei die Operationen ferner folgendes umfassen: Identifizieren von Datenelementen erster Klasse, die unter die Gemeinsamkeitsschwelle gefallen sind, und Zuordnen einer niedrigeren Klasse zu den identifizierten Datenelementen und Entfernen aus dem Cachespeicher. - Das Computerprogramm nach
Anspruch 1 , wobei die Gemeinsamkeitsschwelle weiterhin darauf beruht, wie oft ein Datenelement von einem Anwender angefragt wird. - Das Computerprogramm nach
Anspruch 1 , wobei die Operationen ferner die Wartung aggregierter Metadaten mit Updates umfassen, die aktuelle Pseudospaltenstrukturen und -inhalte darstellen. - Das Computerprogramm nach
Anspruch 1 , wobei die Operationen ferner die Speicherung von Datenelementen geringerer Klasse im Hauptspeicher umfassen. - Ein System zum Aggregieren semi-strukturierter Daten, umfassend Computerprozessoren, Cachespeicher, Plattenspeicher und Computeranweisungen, wobei die Computerbefehle das System dazu veranlassen: semi-strukturierte Datenelemente von einer Datenquelle zu empfangen; statistische Analysedaten abzuleiten, die Sammlungen der semi-strukturierten Datenelemente entsprechen, die abgeleitet werden, wenn die Sammlungen der Datenbank hinzugefügt werden; gemeinsame Datenelemente von innerhalb der semi-strukturierten Daten zu identifizieren und gemeinsame Datenelemente von innerhalb der semi-strukturierten Daten als Daten erster Klasse und als Daten geringerer Klasse in Abhängigkeit von einer Gemeinsamkeitsschwelle zuzuordnen, wobei die Gemeinsamkeitsschwelle darauf basiert, wie oft das Datenelement in den semi-strukturierten Daten auftritt; gemeinsame Datenelemente aus der Datenquelle zu extrahieren und die gemeinsamen Datenelemente separat in Spaltenformat zu speichern; Daten erster Klasse im Cachespeicher in Pseudospalten zu speichern und Metadaten und Statistiken der Pseudospalten der Datenelemente erster Klasse für einen computergestützten Anfragegenerator verfügbar zu machen; gemeinsame Datenelemente innerhalb der semi-strukturierten Daten erneut zu identifizieren und zusätzliche gemeinsame Datenelemente als Daten erster Klasse zuzuordnen und die zusätzlichen Datenelemente im Cachespeicher zu speichern; Daten geringerer Klasse in Pseudospalten auf Plattenspeicher zu speichern; und nicht gemeinsame semi-strukturierte Datenelementen in einer überlaufserialisierten Spalte zu speichern; wobei die semi-strukturierten Daten zu einer ursprünglichen Form rekonstruiert werden, die Datenelemente erster Klasse und Daten niedrigerer Klasse rekombiniert hat.
- System nach
Anspruch 6 , wobei die Computeranweisungen das System ferner veranlassen, Datenelemente erster Klasse zu identifizieren, die unter die Gemeinsamkeitsschwelle gefallen sind, und den identifizierten Datenelementen eine niedere Klasse zuzuordnen und aus dem Cachespeicher zu entfernen. - System nach
Anspruch 6 , wobei die Gemeinsamkeitsschwelle ferner darauf beruht, wie oft ein Datenelement von einem Anwender angefragt wird. - Nicht-transitorische computerlesbare Speichermedien, die Anweisungen speichern, die dann, wenn sie von einem oder mehreren Prozessoren ausgeführt werden, den einen oder die mehreren Prozessoren dazu veranlassen: semi-strukturierte Datenelemente von einer Datenquelle zu empfangen; statistische Analysedaten abzuleiten, die Sammlungen der semi-strukturierten Datenelemente entsprechen, die abgeleitet werden, wenn die Sammlungen der Datenbank hinzugefügt werden; gemeinsame Datenelemente von innerhalb der semi-strukturierten Daten zu identifizieren; gemeinsame Datenelemente als Daten erster Klasse und als Daten geringerer Klasse in Abhängigkeit von einer Gemeinsamkeitsschwelle zuzuordnen, wobei die Gemeinsamkeitsschwelle darauf basiert, wie oft das Datenelement in den semistrukturierten Daten auftritt; gemeinsame Datenelemente aus der Datenquelle zu extrahieren und die gemeinsamen Daten separat in Spaltenformat zu speichern; die Daten erster Klasse im Cachespeicher in Pseudospalten zu speichern und Metadaten und Statistiken, die den Pseudospalten der Datenelemente erster Klasse entsprechen, einem computergestützten Anfragegenerator verfügbar zu machen; gemeinsame Datenelemente innerhalb der semi-strukturierten Daten erneut zu identifizieren und zusätzliche gemeinsame Datenelemente als Daten erster Klasse zuzuordnen und die zusätzlichen Datenelemente im Cachespeicher zu speichern; Daten niedrigerer Klassen in Pseudospalten auf Plattenspeicher zu speichern; und nicht gemeinsame semi-strukturierte Datenelemente in einer überlaufserialisierten Spalte zu speichern; wobei die semi-strukturierten Daten zu einer ursprünglichen Form rekonstruiert werden, die Datenelemente erster Klasse und Daten niedrigerer Klassse rekombiniert hat.
- Nicht-transitorische computerlesbare Speichermedien nach
Anspruch 9 , wobei die Anweisungen ferner den einen oder die mehreren Prozessoren veranlassen, Datenelemente erster Klasse zu identifizieren, die unter die Gemeinsamkeitsschwelle gefallen sind, und ferner den identifizierten Datenelementen eine niedrigere Klasse zuordnen und aus dem Cachespeicher entfernen. - Nicht-transitorische computerlesbare Speichermedien nach
Anspruch 9 , wobei die Anweisungen ferner den einen oder die mehreren Prozessoren dazu veranlassen, Metadaten im Wesentlichen kontinuierlich mit Updates zu aggregieren, die aktuelle Pseudospaltenstrukturen und -inhalte darstellen.
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201461941986P | 2014-02-19 | 2014-02-19 | |
US61/941,986 | 2014-02-19 | ||
US14/518,913 US10108686B2 (en) | 2014-02-19 | 2014-10-20 | Implementation of semi-structured data as a first-class database element |
US14/518,913 | 2014-10-20 |
Publications (1)
Publication Number | Publication Date |
---|---|
DE202015009874U1 true DE202015009874U1 (de) | 2020-12-21 |
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 (2)
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 |
Family Applications After (11)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
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 |
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) |
Families Citing this family (160)
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 |
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 |
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
Also Published As
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE202015009874U1 (de) | Implementierung semistrukturierter Daten als ein Datenbankelement erster Klasse | |
DE202020005680U1 (de) | Abfragen über externe Tabellen in Datenbanksystemen | |
DE102013206281B4 (de) | Optimieren von zerstreuten schemalosen Daten in relationalen Speichern | |
DE202020005687U1 (de) | Gemeinsame Datennutzung bzw. Datenteilung und materilisierte Ansichten in Datenbanken | |
DE102016105526A1 (de) | Schnelles mehrschichtiges Indexieren mit Unterstützung für dynamische Aktualisierung | |
DE202010018481U1 (de) | Asynchroner verteilter Objekt-Upload für replizierte Assoziativspeichercluster | |
DE102014204827A1 (de) | Auflösen ähnlicher Entitäten aus einer Transaktionsdatenbank | |
DE102013215009A1 (de) | Verfahren und System zur Optimierung der Datenübertragung | |
DE112017006106T5 (de) | Erzeugen von, Zugreifen auf und Anzeigen von Abstammungsmetadaten | |
DE112018002955T5 (de) | Kognitive datei- und objektverwaltung für verteilte speicherumgebungen | |
DE112012006412T5 (de) | System zur verteilten Datensuche, Verfahren zur verteilten Datensuche und Managementcomputer | |
EP3889806A1 (de) | Bitsequenzbasiertes datenklassifikationssystem | |
DE112020002892T5 (de) | Aktives lernen für den datenabgleich | |
KR20210060830A (ko) | 빅데이터 지능형 수집 방법 및 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R150 | Utility model maintained after payment of first maintenance fee after three years | ||
R207 | Utility model specification | ||
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 |