虚拟网络存储技术的研究

存储技术经历了从单个的磁盘、磁带、RAID到存储网络系统的发展历程。虚拟网络存储是当今存储的主流技术,具有高性能、高可用性和良好的可扩展性等优点。但是,结构的复杂化不可避免地导致了存储环境与管理复杂度的增加,虚拟网络存储技术就是解决存储管理问题的有效手段。本文重点分析了虚拟网络存储技术,讨论了其关键技术及其主要实现方法和应用。     

网络存储技术在企业中的发展及应用

文中介绍了网络存储技术的发展过程及其优缺点。讨论了通过合理地选择和运用网络存储技术,有效地组织资源的分配和利用,使企业能够找到适合自身的方法来解决信息共享和完成数据的存储、保护、备份和复制任务。     

网络存储技术在企业中的发展及应用

文中介绍了网络存储技术的发展过程及其优缺点。讨论了通过合理地选择和运用网络存储技术，有效地组织资源的分配和利用，使企业能够找到适合自身的方法来解决信息共享和完成数据的存储、保护、备份和复制任务。     

大数据场景下的云存储技术与应用

随着科学技术的不断发展和进步,以大数据为背景的云存储技术得到了良好的发展空间。云存储技术改变了人们生产、生活方式,满足了人们多样化的需求。基于信息化的稳步推进,大数据对云储存提出了更高的要求。基于此,阐述了大数据和云存储技术的基本概况,论述了大数据场景下云存储技术的应用,希望为相关人士提供一定借鉴。     

云存储在城市轨道交通的应用

近年来,随着IT技术的发展,云计算、大数据、物联网和人工智能等技术越来越成熟,广泛应用于各个行业。技术手段的进步,推动了经营模式的发展,城市轨道交通管理者积极探索应用新的科学技术手段。云存储技术能够有效结合各种存储硬件,通过软件充分利用各种硬件存储资源,保证数据存储安全、高效。相较于传统存储技术,云存储技术在扩展性、安全性等方面具有较大优势。轨道交通广泛应用云存储技术保存数据,将极大推动城市轨道交通的安全、高效运行。     

存储网络虚拟化关键技术的研究与实现

存储技术经历了从单个的磁盘、磁带、RAID到存储网络系统的发展历程。存储区域网(SAN)是当今存储网络的主流技术，具有高性能、高可用性和良好的可扩展性等优点。但结构的复杂化不可避免地导致了存储环境与管理复杂度的增加。存储虚拟化是解决存储管理问题的有效手段，本文重点分析了基于存储区域网的存储虚拟化技术，讨论了其关键技术及其主要实现方法。     

计算机数据存储技术研究

当前,人类已进入信息全球化时代,计算机和互联网技术正处于飞速发展时期。政府、企业和个人均需建立乃至访问海量信息,而且目前这种趋势仍在进行中。众所周知,数据是信息的一种载体,因此,计算机数据安全高效存储技术已日益成为计算机用户关注的核心问题之一。本文在介绍三种传统计算机数据存储技术(SAN、NAS和DAS)的基础上,重点探讨了SSD和云存储等数据存储新技术,以期解决计算机数据传输速率和存储容量等问题。     

企业的生命线：数据存储技术

作为企业的生命线和核心竞争力，数据的重要性日益增加，数据存储技术也随之不断发展。很多权威人士认为“未来的世界是网络存储的世界，存储的外部化将是未来发展趋势。”我们将在下面的文章中向大家介绍目前主流的存储技术——直接附加存储与网络存储．为大家理清数据存储的基本脉络。     

基于关系的XML数据存储技术

XML的数据存储是处理XML数据的首要问题。XML的主要存储方式为文件系统,关系数据库,面向对象数据库和半结构化数据仓库等,这里重点讨论了基于关系的XML存储技术。     

银行数据备份及其对策

介绍了数据存储介质与数据存储技术 ,讨论了银行数据备份的需求 ,提出了相应的对策。     

大数据查询综述

大数据具有传统数据所不具有的数量大、种类多、速度快、真实性等特点,传统的数据查询技术满足不了日益增长的大数据查询需求,大数据查询技术应运而生并迅速发展。从大数据查询的角度出发,着重分析大数据存储技术、大数据处理平台以及大数据查询引擎等。分别对比介绍传统关系型数据库、NoSQL、NewSQL和它们在大数据查询处理上的应用,介绍当前流行的大数据处理平台以及在这些平台上运行的大数据查询引擎,对其优缺点进行了综合阐述。      

大数据隐私保护密码技术研究综述

大数据是一种蕴含大量信息、具有极高价值的数据集合.为了避免大数据挖掘泄露用户的隐私,必须要对大数据进行必要的保护.由于大数据具有总量庞大、结构复杂、处理迅速等特点,传统的保护数据隐私的技术很多都不再适用.从密码学的角度,综述了近年来提出的、适用于大数据的隐私保护技术的研究进展.针对大数据的存储、搜索和计算这3个重要方面,分别阐述了大数据隐私保护的研究背景和主要研究方向,并具体介绍了相关技术的最新研究进展.最后指出未来大数据隐私保护研究的一些重要方向.     

基于内存云的大块数据对象并行存取策略

由于内存云(RAMCloud)只支持最大1 MB的小块数据对象存储,因此当大于1 MB的对象需要存储在内存云集群中就会受到对象大小的限制,无法在集群中进行存储。为了解决内存云存储限制的问题,提出了基于内存云的大块数据对象并行存取策略。该存储策略首先将大块数据对象分割成若干个1 MB的小块数据对象,然后在客户端生成数据摘要,最后使用并行存储算法将客户端分割成的小块数据对象存储在内存云集群中。读取时首先读取数据摘要,然后根据数据摘要从内存云集群中并行读取小块数据对象,并将小块数据对象合并生成大块数据对象。实验结果表明:大块数据对象的并行存取策略在不破坏内存云集群体系结构的前提下存储时间为16~18 μs,读取时间为6~7 μs。在InfiniBand网络架构下,所提并行算法的加速比呈现类似线性的增长,它使大块数据对象也能够像小块数据对象一样在微秒级别下快速、高效地进行存取。     

大数据环境下的分布式数据流处理关键技术探析

大数据环境下的数据流处理实时性要求高,数据计算要求持续性和高可靠性。分布式数据流处理系统（DDSPS）能解决大数据环境下的数据流处理问题,它除具备分布式系统的可扩展性和容错性优势外,还具有高的实时处理能力。详细介绍了组成基于大数据的分布式数据流处理系统的四个子系统及其关键技术,讨论和比较了各个子系统的不同技术方案;同时介绍一种分布式拒绝服务（DDoS）攻击检测数据流处理系统结构案例,其研究内容能为大数据环境下的数据流处理理论研究和应用技术开发提供技术参考。     

面向大数据存储的主动与被动相结合的性能评测方法体系结构与实现

随着数据量的日益增加,大数据存储在整个大数据应用框架体系中居于重要地位.对大数据存储系统进行性能评测可以指导大数据应用开发人员分析性能瓶颈,进行大数据系统的性能优化.在以往的工作中,通常使用基准测试的方式来对不同大数据框架进行性能评测,或者采用插桩并分析轨迹文件的方式对分布式文件系统进行性能分析.这2种方法采用的分析角...     

大数据管理系统的历史、现状与未来

大数据管理技术正在经历以软件为中心到以数据为中心的计算平台的变迁,传统的关系型数据库管理系统无法满足现在以数据为中心的大数据管理的需求,设计新型大数据管理系统迫在眉睫.首先回顾了数据管理技术的发展历史;之后,从大数据管理的存储、数据模型、计算模式、查询引擎等方面分析了大数据管理系统的现状,指出目前大数据管理系统具有模块化和松耦合的特点,并进一步介绍了大数据管理系统应具备的数据特征、系统特征和应用特征,指出大数据管理系统技术还在快速进化之中,预测未来的大数据管理系统应具备多数据模型并存、多计算模式融合、可伸缩调整、新硬件驱动、自适应调优等特点.     

基于大数据的电力企业财务数据管理系统研究

当前,在各类电力生产经营财务数据管理活动中产生的海量、高频数据,具有实时性、突发性、易失性、无序性、无限性等特征。为解决电力企业接入的财务数据的不一致、不规范的问题,以及如何快速从这些海量高频数据中获取有价值的信息、提高数据资产带来的经济效益和数据管理效率,本文在分析目前电力大数据应用现状的基础上,构建了基于大数据的电力企业财务数据管理系统,同时从基于NoSQL的大数据存储管理、基于Hadoop的财务大数据预处理以及财务大数据分析挖掘算法3个方面详细描述了电力企业财务数据管理的关键技术,大幅提升了电力企业财务数据的管理效率和准确性,为在线决策分析提供理论依据及基础技术支撑。     

支持大数据管理的NoSQL系统研究综述

针对大数据管理的新需求,呈现出了许多面向特定应用的NoSQL数据库系统。针对基于key-value数据模型的 NoSQL 数据库的相关研究进行综述。首先,介绍了大数据的特点以及支持大数据管理系统面临的关键技术问题;然后,介绍了相关前沿研究和研究挑战,其中典型的包括系统体系结构、数据模型、访问方式、索引技术、事务特性、系统弹性、动态负载均衡、副本策略、数据一致性策略、基于flash的多级缓存机制、基于MapReduce的数据处理策略和新一代数据管理系统等;最后给出了研究展望。     

网络计算机模型下海量大数据存储系统设计

对网络计算机模型下海量大数据进行安全稳定的存储,可以提高网络计算机的使用价值,增加其使用周期。但目前的海量大数据存储方法在存储过程中,无法做到对其进行灵活高效的存储,存在大数据存储分布密度较低,存储开销较大等问题。为此,以网络计算机模型体系结构为基础,提出了一种基于ARM的海量大数据存储系统设计方法。该设计方法先利用ARM芯片对网络计算机模型下海量大数据存储系统进行硬件构造,将网络海量大数据中的可利用与不可利用数据进行分类处理,采用VISA结构根据数据分类结果对大数据存储系统软件部分进行设计,依据大数据调度模型和存储相似度特征对大数据存储的时间,质量等方面进行计算,利用计算结果对大数据传输的阈值以及分布密度进行记录,最后根据循环分段的计算方式进行冗余大数据特性压缩,并对海量大数据的常规数据和冗余数据进行存储。实验仿真证明,所提方法提高了海量大数据存储的兼容性,增强了大数据存储的精确性和灵活性。     

基于非关系型数据库的水文大数据存储方法研究

针对现有的技术架构和主流软件工具存储水文大数据存在的问题,分析非关系型数据库存储水文大数据的优势和技术特点,提出非关系型数据库TRIP存储水文大数据的方法。TRIP数据库管理系统部署在PC机上,水文结构化和非结构化数据存储在与PC机数据连接的磁盘存储装置的数据库文件中,根据水文数据的规模,增加磁盘存储装置的数量和容量。研究结果证明,TRIP数据库能够存储多种类型、格式的水文结构化和非结构化数据,可为水文行业存储水文大数据提供新的技术途径。