WO2019006721A1 - 一种基于云计算的风电大数据分析系统 - Google Patents

一种基于云计算的风电大数据分析系统 Download PDF

Info

Publication number
WO2019006721A1
WO2019006721A1 PCT/CN2017/091935 CN2017091935W WO2019006721A1 WO 2019006721 A1 WO2019006721 A1 WO 2019006721A1 CN 2017091935 W CN2017091935 W CN 2017091935W WO 2019006721 A1 WO2019006721 A1 WO 2019006721A1
Authority
WO
WIPO (PCT)
Prior art keywords
wind power
data
data analysis
cloud computing
tool
Prior art date
Application number
PCT/CN2017/091935
Other languages
English (en)
French (fr)
Inventor
张丛
Original Assignee
深圳市樊溪电子有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 深圳市樊溪电子有限公司 filed Critical 深圳市樊溪电子有限公司
Publication of WO2019006721A1 publication Critical patent/WO2019006721A1/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/18—File system types
    • G06F16/182—Distributed file systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—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
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Definitions

  • the present invention relates to the field of wind power technology, and in particular to a wind power big data analysis system based on cloud computing.
  • the data collected by the domestic centralized control system from the wind farm side mainly include: fan data, booster station data, electrical metering data, and wind tower data.
  • the wind farm side transmits the data to the centralized control center through the data acquisition device and the network, and the data storage server is deployed on the centralized control center side to store all the data historically.
  • a flow chart of the prior art collection and storage system for wind power data is shown in FIG.
  • Cloud computing is a new large-scale distributed computing model, which originated from the Internet company's demand for a large number of computing and storage resources and the pursuit of scalability, high performance, high availability and other features.
  • Cloud computing aggregates a large number of distributed and heterogeneous resources to provide users with powerful massive data storage and computing capabilities.
  • Cloud computing provides services to users through virtualization, dynamic resource allocation and other technologies to avoid resource waste and competition, improve resource utilization and Application performance.
  • cloud computing Provides horizontal scaling and dynamic in balance. Resources in a cloud computing environment are organized into data centers. A data center contains thousands or even tens of thousands of nodes. The nodes are interconnected by high-speed networks to provide computing and storage resources to users.
  • An object of the present invention is to provide a cloud computing-based wind power big data analysis system, including a distributed file system module, a parallel programming framework module, a data warehouse system, a monitoring tool, a running scheduling tool, and a bursting tool collection module.
  • the distributed system file system is used for persistent storage of data
  • the monitoring tool is used to monitor an operating state of the system and an execution state of the data analysis job
  • the running scheduling tool performs scheduling and analysis on the data analysis job according to requirements.
  • the association or dependency of the job, the burst tool collection module is used to simplify the configuration management of the system.
  • the distributed file system includes a metadata server and a plurality of data servers.
  • the file of the distributed file system is composed of data blocks, and the data blocks are distributed on different nodes for maintaining load balancing.
  • the parallel programming framework module adopts Google's Hadoop and performs parallel programming based on Map-Reduce.
  • the data warehouse module adopts a Hive based on the Hadoop platform.
  • the bursting tool collection module comprises a SQL translation, a parallel ETL tool, an index management, and a task management.
  • the cloud computing-based wind power large system can improve the wind power data analysis and mining speed, thereby improving the wind power management efficiency and the utilization rate of the fan equipment, thereby increasing the power generation amount.
  • data storage a relatively large-scale storage-level related system is constructed, and in terms of device utilization, the effective shrinkage and expansion of the storage device online is realized, and in the aspect of load balancing, a global automatic balancing of the system is realized, in the data.
  • cloud storage enables the security and protection of the overall data.
  • FIG. 1 is a flow chart of a prior art wind power data acquisition and storage system
  • FIG. 2 is a block diagram of a cloud computing-based wind power big data analysis system according to an embodiment of the invention
  • FIG. 3 is a data flow diagram of a cloud computing-based wind power big data analysis system in accordance with an embodiment of the present invention.
  • the data collected from the wind farm side mainly includes: fan data, booster station data, electrical metering data, wind tower data, etc., wind
  • the field side transmits data to the centralized control center through the data collection device and the network, and the data storage server is deployed on the centralized control center side to store all the data in history.
  • a cloud computing-based wind power big data analysis system includes a distributed file system module 1, a parallel programming framework module 2, a data warehouse system 3, a monitoring tool 4, a running scheduling tool 5, and a bursting tool.
  • the data analysis job is scheduled to analyze the association or dependency between the jobs, and the burst tool collection module 6 is used to simplify the configuration management of the system.
  • the distributed file system 1 includes a metadata server 1-1 and a plurality of data servers 1-2.
  • the file of the distributed file system 1 is composed of data blocks distributed on different nodes for maintaining load balancing.
  • Parallel Programming Framework Module 2 uses Google's Hadoop for parallel programming based on Map-Reduce.
  • the data warehouse system 3 uses Hive based on the Hadoop platform.
  • the burst tool collection module 6 includes SQL translation, parallel ETL tools, index management, and task management.
  • FIG. 3 there is a significant difference between wind power big data and Internet big data, most big data analysis systems H Both ive and Impala do not provide good support for indexes.
  • wind power big data analysis multi-dimensional area queries are very common. Because there is no index, accessing a large amount of unneeded data significantly reduces the execution performance of the query.
  • the index structure and the corresponding data retrieval mechanism, in the wind power big data business scenario there are a large number of data modifications, and the implementation of the method of covering the existing data will lead to inefficient execution, so it is necessary to provide a highly efficient data rewriting mechanism, the Internet.
  • HQL designed according to its own business, is only a subset of SQL and is not fully applicable to wind power big data analysis systems. Therefore, Figure 3 shows a new data flow diagram for wind power data analysis and mining applications, which is more suitable for wind power applications.
  • the cloud computing-based wind power large system can improve the wind power data analysis and mining speed, thereby improving the wind power management efficiency and the utilization rate of the fan equipment, thereby increasing the power generation amount.
  • data storage a relatively large-scale storage-level related system is constructed, and in terms of device utilization, the effective shrinkage and expansion of the storage device online is realized, and in the aspect of load balancing, a global automatic balancing of the system is realized, in the data.
  • cloud storage enables the security and protection of the overall data.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Computational Linguistics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种基于云计算的风电大数据分析系统，包括分布式文件系统模块(1)，并行编程框架模块(2)，数据仓库系统(3)，监控工具(4)，运行调度工具(5)以及开发工具集合模块(6)，其中分布式系统文件系统(1)用于数据的持久化存储，监控工具(4)用于监控系统的运行状态、数据分析作业的执行状态，运行调度工具(5)根据需求对数据分析作业进行调度，解析作业间的关联或依赖关系，开发工具集合模块(6)用于简化系统的配置管理。该系统能够提高风电数据分析挖掘速度，从而提高风电管理效率和风机设备利用率，进而提高发电量。

Description

说明书 发明名称：一种基于云计算的风电大数据分析系统 技术领域
[0001] 本发明涉及风电技术领域， 特别是一种基于云计算的风电大数据分析系统。
背景技术
[0002] 风能作为一种清洁的可再生能源， 已经受到全球性的广泛关注和高度重视。 随 着电力系统中风电装机容量的比重日益增大， 每台风电机组的数据也日趋完善 和丰富， 这样， 风电的集中监控系统， 也面临着数据存储规模大、 实吋性、 分 析性强等挑战。 实吋、 有效、 准确的对风电基础数据分析， 不仅可以从各方面 对风机性能进行掌控， 提高风机发电效率和设备利用率， 还可以对风电的预测 更加准确， 从而， 使管理人员可以提前做好调度准备， 有助于电网消纳更多的 风电。
[0003] 对于集控侧的风机数据， 其多样丰富和存储量大的特性， 构成风电系统中独具 特色的大数据， 对于"大数据"， 是需要新处理模式才能具有更强的决策力、 洞察 发现力和流程优化能力的海量、 高增长率和多样化的信息资产。 大数据技术的 战略意义不在于掌握庞大的数据信息， 而是对于这些含有意义的数据进行专业 化处理。 目前， 国内集控系统从风电场侧采集的数据主要有： 风机数据、 升压 站数据、 电计量数据、 测风塔数据等。 风场侧通过数据采集装置和网络将数据 传输到集控中心侧， 集控中心侧部署数据存储服务器， 将所有数据进行历史存 储。 现有技术关于风电数据的采集和存储系统的流程图如图 1所示。
技术问题
[0004] 随着风电行业的迅猛发展， 风机数据日趋丰富和完善， 传统的数据存储系统和 数据分析结构将面临巨大的压力和挑战。 云计算是一种全新的大规模分布式计 算模式， 起源于互联网公司对大量计算与存储资源的需求以及对可伸缩性、 高 性能、 高可用等特征的追求。 云计算聚合了大量分布、 异构的资源， 向用户提 供强大的海量数据存储与计算能力， 云计算通过虚拟化、 动态资源调配等技术 向用户提供服务避免资源浪费与竞争， 提高资源利用率以及应用性能。 云计算 提供横向伸缩和动态夫在均衡能力。 云计算环境中的资源被组织为数据中心的 形式， 一个数据中心包含数千个甚至数万个节点， 节点间通过高速网络互联， 共同向用户提供计算和存储资源。
[0005]
问题的解决方案
技术解决方案
[0006] 本发明的目的在于提供一种基于云计算的风电大数据分析系统， 包括分布式文 件系统模块， 并行编程框架模块， 数据仓库系统， 监控工具， 运行调度工具以 及幵发工具集合模块， 其中所述分布式系统文件系统用于数据的持久化存储， 所述监控工具用于监控系统的运行状态、 数据分析作业的执行状态， 所述运行 调度工具根据需求对数据分析作业进行调度， 解析作业间的关联或依赖关系， 所述幵发工具集合模块用于简化系统的配置管理。
[0007] 优选的， 所述分布式文件系统包括元数据服务器和多个数据服务器。
[0008] 优选的， 所述分布式文件系统的文件由数据块构成， 数据块分布在不同的节点 上， 用于维持负载均衡。
[0009] 优选的， 所述并行编程框架模块采用谷歌公司的 Hadoop, 基于 Map-Reduce进 行并行编程。
[0010] 优选的， 所述数据仓库模块采用基于 Hadoop平台的 Hive。
[0011] 优选的， 所述幵发工具集合模块包括 SQL翻译、 并行 ETL工具、 索引管理和任 务管理。
[0012] 根据下文结合附图对本发明具体实施例的详细描述， 本领域技术人员将会更加 明了本发明的上述以及其他目的、 优点和特征。
发明的有益效果
有益效果
[0013] 采用该基于云计算的风电大系统， 可以提高风电数据分析挖掘速度， 从而提高 风电管理效率和风机设备利用率， 进而提高发电量。 在数据存储方面， 构建起 相对大规模的存储级别的相关系统， 在设备利用方面， 实现存储设备在线的有 效收缩和扩展， 在负载均衡方面， 实现系统的全局性自动的均衡夫在， 在数据 安全方面， 云存储实现整体数据的安全性与保护性。
对附图的简要说明
附图说明
[0014] 后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例 。 附图中相同的附图标记标示了相同或类似的部件或部分。 本领域技术人员应 该理解， 这些附图未必是按比例绘制的。 本发明的目标及特征考虑到如下结合 附图的描述将更加明显， 附图中：
[0015] 图 1为现有技术风电数据的采集和存储系统的流程图；
[0016] 图 2为根据本发明实施例的基于云计算的风电大数据分析系统框图；
[0017] 图 3为根据本发明实施例的基于云计算的风电大数据分析系统的数据流程图。
本发明的实施方式
[0018] 参见图 1， 已经在背景技术部分说明了部分该流程图的内容， 从风电场侧采集 的数据主要有： 风机数据、 升压站数据、 电计量数据、 测风塔数据等， 风场侧 通过数据采集装置和网络将数据传输给集控中心侧， 集控中心侧部署数据存储 服务器， 将所有数据进行历史存储。
[0019] 参见图 2， 一种基于云计算的风电大数据分析系统， 包括分布式文件系统模块 1 ， 并行编程框架模块 2， 数据仓库系统 3， 监控工具 4， 运行调度工具 5以及幵发 工具集合模块 6， 其中所述分布式系统文件系统 1用于数据的持久化存储， 所述 监控工具 4用于监控系统的运行状态、 数据分析作业的执行状态， 所述运行调度 工具 5根据需求对数据分析作业进行调度， 解析作业间的关联或依赖关系， 所述 幵发工具集合模块 6用于简化系统的配置管理。 分布式文件系统 1包括元数据服 务器 1-1和多个数据服务器 1-2。 分布式文件系统 1的文件由数据块构成， 数据块 分布在不同的节点上， 用于维持负载均衡。 并行编程框架模块 2采用谷歌公司的 Hadoop, 基于 Map-Reduce进行并行编程。 数据仓库系统 3采用基于 Hadoop平台 的 Hive。 幵发工具集合模块 6包括 SQL翻译、 并行 ETL工具、 索引管理和任务管 理。
[0020] 参见图 3， 风电大数据与互联网大数据存在明显区别， 大多数大数据分析系统 H ive和 Impala等均未对索引提供良好支持， 而风电大数据分析中， 多维区域査询 极为常见， 由于没有索引， 导致访问大量不需要的数据， 显著降低査询的执行 性能， 需要设计合适的索引结构以及相应的数据检索机制， 风电大数据业务场 景中， 存在大量的数据修改， 以覆盖现有数据的方式执行会导致执行效率低下 的问题， 因此需提供效率较高的数据改写机制， 互联网根据自身的业务而设计 的 HQL只是 SQL的一个子集， 并不完全适用于风电大数据分析系统。 因此附图 3 展示的是一种新型的风电数据分析挖掘应用的数据流程图， 更适应风电的应用
[0021] 采用该基于云计算的风电大系统， 可以提高风电数据分析挖掘速度， 从而提高 风电管理效率和风机设备利用率， 进而提高发电量。 在数据存储方面， 构建起 相对大规模的存储级别的相关系统， 在设备利用方面， 实现存储设备在线的有 效收缩和扩展， 在负载均衡方面， 实现系统的全局性自动的均衡夫在， 在数据 安全方面， 云存储实现整体数据的安全性与保护性。
[0022] 虽然本发明已经参考特定的说明性实施例进行了描述， 但是不会受到这些实施 例的限定而仅仅受到附加权利要求的限定。 本领域技术人员应当理解可以在不 偏离本发明的保护范围和精神的情况下对本发明的实施例能够进行改动和修改

Claims

权利要求书
[权利要求 1] 一种基于云计算的风电大数据分析系统， 其特征在于： 包括分布式文 件系统模块 （1) ， 并行编程框架模块 （2) ， 数据仓库系统 （3) ， 监控工具 （4) ， 运行调度工具 （5) 以及幵发工具集合模块 （6) ， 其中所述分布式系统文件系统 （1) 用于数据的持久化存储， 所述监 控工具 （4) 用于监控系统的运行状态、 数据分析作业的执行状态， 所述运行调度工具 （5) 根据需求对数据分析作业进行调度， 解析作 业间的关联或依赖关系， 所述幵发工具集合模块 （6) 用于简化系统 的配置管理。
[权利要求 2] 根据权利要求 1所述的一种基于云计算的风电大数据分析系统， 其特 征在于： 所述分布式文件系统 （1) 包括元数据服务器和多个数据服 务器。
[权利要求 3] 根据权利要求 1所述的一种基于云计算的风电大数据分析系统， 其特 征在于： 所述分布式文件系统 （1) 的文件由数据块构成， 数据块分 布在不同的节点上， 用于维持负载均衡。
[权利要求 4] 根据权利要求 1所述的一种基于云计算的风电大数据分析系统， 其特 征在于： 所述并行编程框架模块 （2) 采用谷歌公司的 Hadoop, 基于 Map-Reduce进行并行编程。
[权利要求 5] 根据权利要求 1所述的一种基于云计算的风电大数据分析系统， 其特 征在于： 所述数据仓库模块 （3) 采用基于 Hadoop平台的 Hive。
[权利要求 6] 根据权利要求 1所述的一种基于云计算的风电大数据分析系统， 其特 征在于： 所述幵发工具集合模块 （6) 包括 SQL翻译、 并行 ETL工具 、 索引管理和任务管理。
PCT/CN2017/091935 2017-07-05 2017-07-06 一种基于云计算的风电大数据分析系统 WO2019006721A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710542481.2 2017-07-05
CN201710542481.2A CN107341241A (zh) 2017-07-05 2017-07-05 一种基于云计算的风电大数据分析系统

Publications (1)

Publication Number Publication Date
WO2019006721A1 true WO2019006721A1 (zh) 2019-01-10

Family

ID=60217964

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2017/091935 WO2019006721A1 (zh) 2017-07-05 2017-07-06 一种基于云计算的风电大数据分析系统

Country Status (2)

Country Link
CN (1) CN107341241A (zh)
WO (1) WO2019006721A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113342874A (zh) * 2021-06-02 2021-09-03 河北建投新能源有限公司 一种基于云计算的风电大数据分析系统和流程

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104281980A (zh) * 2014-09-28 2015-01-14 黄珂 基于分布式计算的火力发电机组远程诊断方法及系统
CN104820670A (zh) * 2015-03-13 2015-08-05 国家电网公司 一种电力信息大数据的采集和存储方法
CN105069703A (zh) * 2015-08-10 2015-11-18 国家电网公司 一种电网海量数据管理方法
CN106850249A (zh) * 2016-10-26 2017-06-13 中国电力技术装备有限公司郑州电力设计院 基于大数据分析的通信网络预警分析系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9253054B2 (en) * 2012-08-09 2016-02-02 Rockwell Automation Technologies, Inc. Remote industrial monitoring and analytics using a cloud infrastructure
CN104156810A (zh) * 2014-07-31 2014-11-19 国网山东省电力公司 一种基于云计算的电力调度生产管理系统及其实现方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104281980A (zh) * 2014-09-28 2015-01-14 黄珂 基于分布式计算的火力发电机组远程诊断方法及系统
CN104820670A (zh) * 2015-03-13 2015-08-05 国家电网公司 一种电力信息大数据的采集和存储方法
CN105069703A (zh) * 2015-08-10 2015-11-18 国家电网公司 一种电网海量数据管理方法
CN106850249A (zh) * 2016-10-26 2017-06-13 中国电力技术装备有限公司郑州电力设计院 基于大数据分析的通信网络预警分析系统

Also Published As

Publication number Publication date
CN107341241A (zh) 2017-11-10

Similar Documents

Publication Publication Date Title
CN111327681A (zh) 一种基于Kubernetes的云计算数据平台构建方法
Lu et al. Research on Hadoop cloud computing model and its applications
Zhan et al. Study of the key technologies of electric power big data and its application prospects in smart grid
CN114416855A (zh) 一种基于电力大数据的可视化平台及方法
Dagade et al. Big data weather analytics using hadoop
Bai et al. The application of cloud computing in smart grid status monitoring
Rong et al. Complex statistical analysis of big data: implementation and application of apriori and FP-growth algorithm based on MapReduce
Gong et al. Study on energy saving strategy and evaluation method of green cloud computing system
Liu et al. On construction of an energy monitoring service using big data technology for smart campus
CN105468756A (zh) 一种海量数据处理系统的设计和实现方法
CN102855157A (zh) 一种综合性调度服务器负载的方法
Luo et al. Configuration optimization method of Hadoop system performance based on genetic simulated annealing algorithm
Wu et al. An auxiliary decision-making system for electric power intelligent customer service based on Hadoop
WO2019006721A1 (zh) 一种基于云计算的风电大数据分析系统
CN107748943A (zh) 一种基于云计算的电网电力负荷管理预测方法
CN204906437U (zh) 大数据存储应用网络架构
Guilan et al. Real-time big data technologies of energy internet platform
Su et al. Research on Mass Manufacturing Resource Sensory Data Management Based on Hadoop
Tian Research on big data platform of power grid enterprise accounting business based on cloud computing analysis
Yang et al. Dynamic scheduling method of virtual resources based on the prediction model
Bhardwaj et al. Data analyzing using Map-Join-Reduce in cloud storage
Junwei et al. Architecture for component library retrieval on the cloud
Liu et al. Study on the data integration platform of multi-regional SCADA system based on cloud computing
Pang et al. A large-scale distributed sorting algorithm based on cloud computing
Zhang et al. Ldsqp: Scalable and efficient log data storage and query processing scheme for cloud data centers

Legal Events

Date Code Title Description
NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17917070

Country of ref document: EP

Kind code of ref document: A1