基于集群数据库技术的海量熵数据存储方案

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

4 ・
Co mpu e a No 9 01 tr Er . 2 1
基 于集群数据库技术 的海量熵 数据存储 方案
程永 利
( 建林 业职 业技 术 学院 自动 化 工程 系,福 建 南平 330) 福 500
摘 要 :介 绍 了熵数据 的基 本概念 , 出 了利 用数据库 集群技 术解 决大型企业海量 熵数据存储 的方案。该 方案采用微 提 机构 建数 据库集群 来取代 大型企 业的高档数据 库服务器 , 且集群 能无限扩充 。采 用该方案后企 业大型信 息 系统可 以像 使 用一般 的 关系数据 库一样使 用集群熵数据库 。该方案不仅 能够对 大型企 业海量的 熵数 据进行有效 的存 储和 管理 , 而

增加磁盘 阵列给数据库扩 容。但 到关 系数据 库后 就不 会被 修改 或删 除 , 只有 打 印客 户交易 清 数来提 高服务器的运算速度 , 由于 大型信 息系统用的都是 高端服 务器 , 因此这种方法 的成 本 单、 分析统计时才会用到 。熵数据有 以下特点 :
对 其可扩展能力是有 限的。 ()一 旦输入关 系数据 库后将 不再被 修改或 删除 , 1 只有 查 很高 。并且 , 于任 何高端服 务而言 , 二 是定期删除熵 数据 , 只保 留最 近一段时 间( 保留 2 ) 如 年 询和统计分析才使用它。
且 能 为企 业 节省 大量 的 系统 扩 容 成 本 。
关键词 :熵数据 ;集群 ;Agn;存储 et 中图分类号 : P 9 T 31 文献标识码 : A 文章编号 :0 6 8 2 【 0 )9 0 — 3 10 — 2 8 2 1 0 — 4 0 1
S o a e S h me o a s En r p t s d o t b s u t r T c n l g t r g c e f M s t o y Da a Ba e n Da a a e Cl se e h o o y
K e r : e to y d t cuse ;Ag n ; so a e y wo ds n r p a a; l t r e t tr g
0 引言
行 、 务、 税 电力 、 电信等大 型企业 。这些大Leabharlann Baidu型企业 , 有的客 户 拥
这 什 么是熵数据?管理信息 系统 运行过程 中 , 有些数据一旦 数量可 以达到几个 亿 , 样庞 大的客户群每 天交易产生大 量的 熵数据 。据笔者统计 , 一个全 国数据大 集中的商业银行 每天产 输入 到关系数据库表后就 不再被修改或删 除 , 只有在查 询和 统 M)甚至 更多 。对 于不 断增长 的熵 数 计时才会使用它们 , 我们把这种类 型的数据称为熵数据 。例 如 生 的熵数 据可达几百 兆( , 传统 的解决 办法有两种 。 银行 、 税务 、 电力 、 电信 的业 务系统 中 , 户的交 易明细就属 于 据 , 客 是加 大硬件 的投入 , 如通过对 内存扩 容和增加处理器个 熵数据 , 为它 反映 的是客 户的交易情 况 , 因 这些数 据一旦进 入
i pe n ig he c e e ag nep ie i o main s tm c n u e l tr nr p aa a e i o m lme tn t s h m ,l e e trrs nfr t yse r o a s cuse e to y d tb s l ke c mmo rlt n ld tbae n eai a aa s .Th o e sh m e al o o l so e n a a e h ma s nr p d t o ag —c l e rfs efciey u as sv a o o s se c e C l n t ny tr a d m n g te s e to y aa f lre sae me i e fe t l,b t lo a e lt n y tm p v e pa so c s fr e tr is s x n in o t o n epr e .
Absr c : Th b sc o c p o e to y d t i ito u e , a d h s h me o s lig h ma s e to y d t soa e o tat e ai c n e t f nrp aa s nr d c d n te c e f r ovn t e s n rp aa tr g f
CHE G n —i N Yo g l
( p.o uo t n E gnei ,Fja oe r oain l& Tc nclC lg,Napn,F j n 3 3 0 ,C ia Det fA tmai nier g u n F rsy V ct a o n i t o eh i ol e a e nig ui 5 0 0 hn ) a
l r — c l e t r i e y sn d tba e l se t c n o y i p t o wa d. Th s s h me c n tu t d t b s cu t r o e l c a ge s a e n e prs b u i g a a s c u t r e h ol g s u f r r i c e o sr c s aa a e l s e t r p a e h g — r d d t b s s r e i lr e s a e e e rs b ut i i g P ih g a e a a a e e v r n a g — c l m r i e y p i z n C, a d t e c u t r c n b e pa d d u l i d y Afe l n h l se a e x n e ni t l. t r m e
相关文档
最新文档