1．引言

    Hadoop提供了一個基于HDFs的簡單數(shù)據(jù)庫HBase，它的設(shè)計思想和數(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是一個稀疏的、長期存儲的(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)鍵字和時間戳。每個值是一個不解釋的字符數(shù)組，用戶需要自己解釋存儲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網(wǎng)頁的URL、時間戳等信息。HDFS的設(shè)計完全借鑒了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并不是一個很好的選擇，因為它不能提供傳統(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，那么我們可以進一步按照對象類型進行垂直劃分，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行垂直劃分，存儲到相應(yīng)的數(shù)據(jù)表中。

    另外，采用對象的全局標(biāo)識(UID)的哈希值(Hash)進行水平劃分，從而將對象數(shù)據(jù)劃分到不同的數(shù)據(jù)節(jié)點(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)點時，如何確保原有數(shù)據(jù)節(jié)點上的數(shù)據(jù)不進行或者盡量少進行遷移。

3.DDF的數(shù)據(jù)存儲策略

    DDF借鑒了HDFS的設(shè)計思想，在架構(gòu)中引入了數(shù)據(jù)節(jié)點的概念，整個數(shù)據(jù)存儲策略的設(shè)計理念如下。

    (1)每個數(shù)據(jù)劃分只可能存放在同一個數(shù)據(jù)庫中，不允許一個數(shù)據(jù)劃分分裂存放在多個數(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層次上的數(shù)據(jù)庫是一個多對多的關(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)我們將一個劃分指定給一個數(shù)據(jù)庫時，它們的對應(yīng)關(guān)系應(yīng)被記錄，這樣在查詢數(shù)據(jù)時可以定位到正確的數(shù)據(jù)庫。

4．DDF的節(jié)點劃分策略

    DDF的節(jié)點劃分策略是建立在數(shù)據(jù)劃分和數(shù)據(jù)存儲策略的基礎(chǔ)之上的，節(jié)點劃分策略從應(yīng)用層面上描述了DDF各節(jié)點的功能。

    對于收到的遠程更新和查詢操作的請求，調(diào)度節(jié)點必須進行分析，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被拒絕。數(shù)據(jù)節(jié)點則應(yīng)具有以下功能：

    (1)存儲數(shù)據(jù)。

    (2)處理索引相關(guān)的請求。

    (3)處理查詢請求。

    (4)負責(zé)部分對查詢結(jié)果進行分頁的功能。

    (5)創(chuàng)建并管理集合對象(對緩存的查詢)。

    (6)負責(zé)對過期數(shù)據(jù)進行處理，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)點本身并不關(guān)心數(shù)據(jù)的位置問題，調(diào)度節(jié)點應(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)識符決定了它應(yīng)該位于哪個位置。

核心關(guān)注：拓步ERP系統(tǒng)平臺是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊涵了豐富的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.oesoe.com/

本文標(biāo)題：云計算環(huán)境中的數(shù)據(jù)挖掘存儲管理設(shè)計

本文網(wǎng)址：http://www.oesoe.com/html/support/1112159108.html