PB再现数据对象列属性的方法与实现

本文介绍了一种在动态创建数据对象过程中，如何设定数据对象属性和列对象属性，以及如何在新的数据对象中再现其他数据对象列属性的方法，并给出相关事例。     

面向海量数据存储的对象存储技术研究

在这个信息大爆炸的时代,伴随着各行业中数据量的不断激增,以至海量数据的大量出现,存储技术正在发生革命性的变化.专门针对海量数据存储环境,对现有存储结构进行了分析,研究了面向对象存储技术:主要包括对象存储模型、对象存储系统以及对象存储特性.由于对象存储结构具有良好的可伸缩性、高性能、跨平台、安全数据共享等能力,使其成为海量数据存储的一个理想选择.     

基于面向对象空间数据库的空间对象模型设计及其存储策略的探讨

分析空间信息的结构和面向对象数据库技术的基础上，着重讨论了如何利用面向对象数据库的技术来对空间信息进行存储，展现了利用面向对象设计建立空间信息结构模型的先进性，并针对空间信息的结构提出了在面向对象空间数据库的存储策略。一方面为面向对象空间数据库的设计与建立提供参考，另一方面，通过借鉴相对成熟的面向对象技术，为空间信息的存储管理提供了思路和策略。     

面向对象数据库中对象的存储和操作算法

面向对象数据库管理系统的核心是把现实世界的描述为对象，数据库的存储，操作和管理都以对象为依据。对象可以是简单的，也可以是复杂的。复杂对象中引用了其它的对象。结合我们开发的面向对象的工程数据库管理系统论述了对复杂对象的物理存储，内存映象方法和对象操作方法的实现技术。     

HBase数据库中大对象存储方案的研究

在云计算和大数据时代,电子商务、移动互联网以及各种智能终端的兴起,产生了大量的数据,其中图片、视频等在社交领域经常使用的数据都是非结构化的,所以无法用传统的数据存储技术进行存储。HBase是一种适合存储大对象的非结构化数据库,该文对HBase数据库存储大对象的技术进行分析,以为大对象存储提供经验。     

大对象存储的LOSM算法

本文就大对象存储策略提出了一种新的算法ＬＯＳＭ，并对其作了定性分析。相对于已有的各种大对象存储算法，ＬＯＳＭ算法具有创建和删除对象容易、存储空间利用率高、以及插入、删除、替换及读取代价低等优点，有很大的实用性。     

海量结构化数据存储检索系统

Big Data是近年在云计算领域中出现的一种新型数据,传统关系型数据库系统在数据存储规模、检索效率等方面不再适用.目前的分布式No-SQL数据库可以提供分布式数据存储环境,但是无法支持多列查询.设计并实现分布式海量结构化数据存储检索系统(MDSS).系统采用列存储结构,采用集中分布式B+Tree索引和局部索引相结合的方法提高检索效率.在此基础上讨论复杂查询条件的任务分解机制,支持大数据的多属性检索、模糊检索以及统计分析等查询功能.实验结果表明,提出的分布式结构化数据管理技术和查询任务分解机制可以显著提高分布式条件下大数据集的查询效率,适合应用在日志类数据、流记录数据等海量结构化数据的存储应用场合.     

PowerBuilder数据存储对象的应用技术

数据存储对象（DataStore）是PowerBuilder的一种较为特殊的对象,在各类系统的开发中其应用是相当广泛的。主要对PowerBuilder的数据存储对象进行简要的介绍,并通过一个具体的实例说明如何在系统的开发中应用数据存储对象以实现所需要的功能。     

基于散列存储和数据加密的数据安全保护研究

随着计算机科学技术和计算机网络的飞速发展,网络信息安全和个人数据的隐私保护越来越受到人们的重视。数据安全保护技术的研究目的在于保护人们的数据安全,通过数据存储以及数据加密等技术方法,实现增强数据的安全性、可靠性和可用性。同时,平衡数据安全保护所消耗的时间资源和空间资源。     

基于策略的对象存储文件系统管理模型研究

基于对象存储文件系统结构特点和策略管理思想,提出了对象存储文件系统管理的一般模型.定义了两种策略结构,并通过分析对象存储文件系统节点状态转换逻辑关系,给出了管理策略订制的理论依据.模型及其管理策略订制方法在Lustre对象存储文件系统中得到应用,效果良好.     

基于云存储的重复数据删除架构的研究与设计

随着云计算的发展,云存储技术通过集群应用、虚拟化技术、分布式文件系统等功能将网络中大量各种不同类型的存储设备集合起来协同工作,缓解了老式数据中心的存储压力.另外,重复数据删除技术是一种缩减存储空间减少网络传输量的技术,随着云的广泛应用也势必会发展应用于云存储中.这两种技术结合将会给IT存储业带来实际效益.本文通过研究重复数据删除技术、云存储技术,设计了基于云存储的重复数据删除架构,提出了一种用In-line方式在客户端进行数据块级与字节级相结合的重复数据删除操作后再将数据存入云中的方案.在本架构下,海量数据存储在HDFS中;而文件数据块的哈希值存储在HBase中.     

ORACLE的存储体系结构及其对象空间分配的研究

With fast development in information times, the database, as the kernel unit of information storage, has been playing an increasingly role in the field of the modern information technology. In this paper, ORACLE storage architecture is analyed from physical and logical aspects. Meanwhile, its object space allocation is also discussed and explained by some examples.     

对象存储系统形式化研究

对象存储系统是近来兴起的存储领域研究热点,它改变了传统的存储模式,用对象接口取代了传统的块接口。作为下一代互联网存储模式的关键技术——对象存储,它的出现使得海量信息存储、数据异构灵活共享、存储系统的可扩性、信息安全等问题迎刃而解。对象作为对象存储系统的基本单位,它的管理将是系统管理的关键。为了更好地研究对象存储系统对象的管理,本文对对象的形式化做了系统的研究。首先根据对象存储系统的实际给出了对象存储系统中对象的形式化描述;接着我们给出了对象存储系统的形式化描述;最后讨论了对象存储系统中对象间的关系,并通过这些对象间的关系推导出一种对象存储系统模式。对象存储系统的形式化研究将有助于我们对对象管理做进一步研究。     

海量自动气象站分钟数据存储检索系统设计

地面自动气象站的时空密度不断增加,产生的观测数据量呈指数级增长,传统的关系型数据库在海量数据存储与检索方面存在能力不足、检索性能下降等问题。鉴于此,本文设计一种自动站分钟数据存储与检索系统。使用Quartz定时采集自动站分钟文件并解码入库;应用HBase分布式数据库建立分钟数据存储模型;针对多要素查询需求,应用Elasticsearch建立辅助索引,实现HBase的二级索引。系统测试结果表明,分钟数据入库平均耗时54.6 s,二级索引完整可靠,数据检索结果返回时效达到毫秒级,能够满足业务应用中对自动站分钟数据存储和检索时效的要求。     

面向科研领域的分布式对象存储系统

随着科研工作的推进,科研数据出现了海量的增长, PB级科研数据需要高效、稳定的存储系统.传统的数据存储方案存在资源利用率差、集群扩展性能低以及用户界面操作不友好等问题,严重限制了数据在科研场景下的有效利用.依托中科院地球科学大数据专项,本文设计并实现高效的存储系统i-Harbor.该系统以对象存储系统为核心架构,以开源的Ceph分布式存储系统和MongoDB数据库作为对象数据和元数据的存储载体,设计通用的基于HTTP和FTP协议的数据接口,同时利用多副本和纠删码技术消除单点故障,配合Zabbix集群监控系统,实时定位平台参数以及故障,提高平台容灾性和安全性.此外,基于底层分布式结构的特点,集群可以随意添加存储节点,提高了平台的扩展性.     

XML数据存储方法研究及应用

随着互联网上半结构化数据的迅速增长,可扩展标记语言(XML)已逐渐成为Web上数据表示和数据交换的标准,对XML数据进行有效的存储是数据管理的一个核心问题。文中论述了XML数据在文件系统、关系数据库、面向对象数据库和Native-XML数据库中的存储方法,分析比较了各种存储方法的优缺点,并给出了一个在教育资源库中的应用实例。     

基于对象存储的VOD系统研究

存储I/O能力一直是制约VOD系统性能的主要瓶颈之一,和以往的分析不同,本文根据VOD系统的存储特点,从全新的视角提出一种解决方案——基于对象存储的VOD系统(OS-VOD),文章分析了OS-VOD的系统结构和工作流程,并简要评述该系统性能,指出该系统对今后建设超大规模VOD系统具有重要的参考作用。     

一种高性能对象存储系统

当大量用户并行访问对象存储设备(OSD)时,OSD可能成为限制系统性能的瓶颈。该文提出一种基于网络磁盘阵列的对象存储系统,网络磁盘阵列包括外设和网络2个通道,可直接与客户端进行数据传输。该系统具有基于对象存储系统的特点,且系统容量可扩展性和整体性能较高。     

基于大数据应用的地质灾害数据存储策略

针对人工智能算法和大数据技术在地质灾害监测和预警上的应用需求,基于分布式文件系统(HDFS)和列式存储非关系型数据库(HBase)提出了地质灾害相关数据的存储策略;分析了地质灾害监控系统、地质灾害预测预报系统所需使用数据的数据种类、数据格式、数据容量、数据频率及数据增长速度等信息;从数据粒度大小的角度来对数据进行分类和组织,对不同粒度的数据设计了不同的存储模式,以实现高效的存取效率;根据数据的应用特性对数据进行类别划分,为不同类型的数据提供不同的存储结构和访问接口,以获得最优的数据访问性能。