1.引言
Hadoop提供了一個(gè)基于HDFs的簡單數(shù)據(jù)庫HBase,它的設(shè)計(jì)思想和數(shù)據(jù)模型都與Google開發(fā)的模型簡化的大規(guī)模分布式數(shù)據(jù)庫BigTabIe極為相似。HBase不支持完全的關(guān)系數(shù)據(jù)模型,只為用戶提供了簡單的數(shù)據(jù)模型,讓客戶來動(dòng)態(tài)控制數(shù)據(jù)的分布和格式。從數(shù)據(jù)模型角度看,HBase是一個(gè)稀疏的、長期存儲(chǔ)的(存在硬盤上)、多維度的、排序的映射表。這張表的索引是行關(guān)鍵字、列關(guān)鍵字和時(shí)間戳。每個(gè)值是一個(gè)不解釋的字符數(shù)組,用戶需要自己解釋存儲(chǔ)的字串的類型和含義。這種模型具有很大的靈活性,通過仔細(xì)選擇數(shù)據(jù)表示,用戶可以控制數(shù)據(jù)的局部化。但是這種靈活性的代價(jià)就是不支持完全的關(guān)系數(shù)據(jù)模型,這導(dǎo)致傳統(tǒng)的數(shù)據(jù)存儲(chǔ)格式無法應(yīng)用于HBase。Google自身的GFS是為網(wǎng)頁搜索功能量身定做的,采用BigTable的簡單數(shù)據(jù)模型可以以字符串形式靈活存儲(chǔ)網(wǎng)頁的URL、時(shí)間戳等信息。HDFS的設(shè)計(jì)完全借鑒了GFS的思想,因此從目前的版本來看,HDFS對網(wǎng)頁搜索具有較好的支持,但是對于使用傳統(tǒng)的關(guān)系數(shù)據(jù)模型的產(chǎn)品來說,HDFS并不是一個(gè)很好的選擇,因?yàn)樗荒芴峁﹤鹘y(tǒng)的關(guān)系數(shù)據(jù)庫的相關(guān)功能。如上所述,以Hadoop為例,目前的開源解決方案并不完全適用于某公司的新產(chǎn)品需求,因此我們需要參照現(xiàn)有解決方案,設(shè)計(jì)符合自身需要的新方案。
2.DDF的數(shù)據(jù)劃分策略
面對大量的異構(gòu)的用戶數(shù)據(jù),我們有必要對數(shù)據(jù)進(jìn)行劃分,以期得到更好的查詢性能。
數(shù)據(jù)劃分策略可分為垂直數(shù)據(jù)劃分(Horizontal panition)和水平數(shù)據(jù)劃分(VerticaI partition),在DDF中同時(shí)采用了這兩種劃分策略。垂直數(shù)據(jù)劃分是按照功能劃分:
(1)首先把對象數(shù)據(jù)、查詢數(shù)據(jù)和其他數(shù)據(jù)劃分到不同的數(shù)據(jù)表中(數(shù)據(jù)庫的表)。
(2)對于對象數(shù)據(jù),由于是按對象類型(Object type)訪問的,那么我們可以進(jìn)一步按照對象類型進(jìn)行垂直劃分,把不同類型的對象數(shù)據(jù)劃分到相應(yīng)的數(shù)據(jù)表中。
(3)對于查詢數(shù)據(jù),在目前的研究階段,也將其按照對象類型進(jìn)行垂直劃分,存儲(chǔ)到相應(yīng)的數(shù)據(jù)表中。
另外,采用對象的全局標(biāo)識(shí)(UID)的哈希值(Hash)進(jìn)行水平劃分,從而將對象數(shù)據(jù)劃分到不同的數(shù)據(jù)節(jié)點(diǎn)(Datanode)的策略,需要面對數(shù)據(jù)遷移的問題,即當(dāng)增加新的數(shù)據(jù)節(jié)點(diǎn)時(shí),如何確保原有數(shù)據(jù)節(jié)點(diǎn)上的數(shù)據(jù)不進(jìn)行或者盡量少進(jìn)行遷移。
3.DDF的數(shù)據(jù)存儲(chǔ)策略
DDF借鑒了HDFS的設(shè)計(jì)思想,在架構(gòu)中引入了數(shù)據(jù)節(jié)點(diǎn)的概念,整個(gè)數(shù)據(jù)存儲(chǔ)策略的設(shè)計(jì)理念如下。
(1)每個(gè)數(shù)據(jù)劃分只可能存放在同一個(gè)數(shù)據(jù)庫中,不允許一個(gè)數(shù)據(jù)劃分分裂存放在多個(gè)數(shù)據(jù)庫的情況出現(xiàn)。但是,具有相同數(shù)據(jù)對象類型的不同劃分可以存放在不同的數(shù)據(jù)庫中。
(2)允許不同類型的數(shù)據(jù)(如對象數(shù)據(jù)和查詢數(shù)據(jù))采用不同的劃分策略。
(3)概念層次上的劃分和存儲(chǔ)層次上的數(shù)據(jù)庫是一個(gè)多對多的關(guān)系,也就是說,我們甚至可以將所有的劃分存放在同一個(gè)數(shù)據(jù)庫內(nèi).這種極端情況同樣是被允許的。
(4)當(dāng)我們將一個(gè)劃分指定給一個(gè)數(shù)據(jù)庫時(shí),它們的對應(yīng)關(guān)系應(yīng)被記錄,這樣在查詢數(shù)據(jù)時(shí)可以定位到正確的數(shù)據(jù)庫。
4.DDF的節(jié)點(diǎn)劃分策略
DDF的節(jié)點(diǎn)劃分策略是建立在數(shù)據(jù)劃分和數(shù)據(jù)存儲(chǔ)策略的基礎(chǔ)之上的,節(jié)點(diǎn)劃分策略從應(yīng)用層面上描述了DDF各節(jié)點(diǎn)的功能。
對于收到的遠(yuǎn)程更新和查詢操作的請求,調(diào)度節(jié)點(diǎn)必須進(jìn)行分析,以判斷這些操作的作用域。如果操作與當(dāng)前位置的數(shù)據(jù)無關(guān),那么這些更新和查詢操作會(huì)被拒絕。數(shù)據(jù)節(jié)點(diǎn)則應(yīng)具有以下功能:
(1)存儲(chǔ)數(shù)據(jù)。
(2)處理索引相關(guān)的請求。
(3)處理查詢請求。
(4)負(fù)責(zé)部分對查詢結(jié)果進(jìn)行分頁的功能。
(5)創(chuàng)建并管理集合對象(對緩存的查詢)。
(6)負(fù)責(zé)對過期數(shù)據(jù)進(jìn)行處理,這包括刪除與過期數(shù)據(jù)相關(guān)的對象和索引。
數(shù)據(jù)節(jié)點(diǎn)本身并不關(guān)心數(shù)據(jù)的位置問題,調(diào)度節(jié)點(diǎn)應(yīng)該關(guān)心數(shù)據(jù)所處的位置。數(shù)據(jù)對象的全局標(biāo)識(shí)符決定了它應(yīng)該位于哪個(gè)位置。
核心關(guān)注:拓步ERP系統(tǒng)平臺(tái)是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用,蘊(yùn)涵了豐富的ERP管理思想,集成了ERP軟件業(yè)務(wù)管理理念,功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理,全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域,是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴品牌。
轉(zhuǎn)載請注明出處:拓步ERP資訊網(wǎng)http://www.ezxoed.cn/
本文標(biāo)題:云計(jì)算環(huán)境中的數(shù)據(jù)挖掘存儲(chǔ)管理設(shè)計(jì)
本文網(wǎng)址:http://www.ezxoed.cn/html/support/1112159108.html