一种适应SaaS多租户模式的数据迁移方法

基于多租户技术的SaaS应用在数据安全性方面提供了三种数据隔离方式,不同数据隔离方式下的数据存储具有差异性和规律性,传统的数据迁移方案不能够有效地应对数据隔离方式变化的要求,为此需要开发针对于SaaS多租户应用的数据迁移工具来帮助服务提供商进行数据的移植。通过对SaaS多租户模式特点的分析,同时在参考传统数据迁移方案的基础上,提出基于XML数据验证前置以及表复制的数据迁移方案,能有效地解决SaaS多租户模式下的数据迁移需求。     

SaaS交付平台多租户数据管理模型研究

随着SaaS(Software as a Service,即SaaS)应用交付平台租户数目及信息数据量呈几何曲线性增长,平台数据管理正处于由单数据节点往云中多数据节点转变的必然阶段,本文以软件即服务应用交付平台中多租户云数据管理为目标,对SaaS平台数据模型、云中放置策略、租户索引等进行了深入研究,提出一种SaaS平台多租户虚拟化方式及高效映射转换的数据分层模型,通过租户无关的应用数据模型为开发商屏蔽多租户云数据管理技术细节,通过租户逻辑模型支持租户按需定制数据模式以及各业务系统数据之间的共享关系,通过逻辑存储模型为平台运营商屏蔽了云中数据节点伸缩技术,解决了SaaS应用生命周期云数据管理技术瓶颈问题.     

SaaS模式多租户数据存贮模型的研究与实现

SaaS模式引入了多租户环境特征,在新的环境下,数据库层存贮设计面临租户数据隔离问题和租户数据弹性扩展问题.主要研究了多租户环境下的数据存储模式,提出了“共享数据库共享Schema存贮数据、独立Schema访问”的多租户数据存贮与访问模型,该模型将SaaS应用的数据存贮和数据访问的Schema进行分离,有效解决了“租户数据隔离性低”的问题;同时,提出了一种以XML为基础的多租户数据扩展模型,该扩展模型很好地解决了“租户数据弹性扩展”的问题.在此基础上,详细描述了这两个模型在SQL Server数据库的实现方案,实例结果证明了所述方法的灵活性和可行性.     

SaaS数据层的多租户设计模式研究

多租户(Multi-Tenancy)是SaaS中的一项关键内容,其目标是在扩大经济规模的同时降低租赁的总成本。由于越来越多的企业开始采取SaaS的运营模式,现有的数据层解决方案的定制性和时间性能已经不能满足多租户的要求,因此迫切需要一种更好的解决方案来实现数据层。MongoDB是一种NoSql数据库,它的文档式和非关系型的特点使其相比其他数据库具有更好的定制性和时间性能。研究采用MongoDB解决SaaS数据层的多租户问题,在该种数据库上进行多租户设计模式研究,并通过与关系型数据库的对比实验证明其时间性能的优越性。实验显示,MongoDB对于简单查询和插入具有较强的优势,更能满足多租户的定制性和时间性能的要求。     

一种信息系统从C/S模型向多租户SaaS的迁移方法

针对SaaS应用多租户、权限控制、数据隔离等问题,本文分析并设计一种多租户的SaaS的信息系统模型,从接入层、访问控制层、数据模型层3个层面,详细描述一种将物流业务从原有的C/S模式迁移到多租户云平台的方案。结果表明,迁移方案稳定高效,同时增强了系统的可扩展性。     

一种基于SaaS平台的轻量级多租户数据存储模式设计与实现

在基于软件运营服务(SaaS)的云计算服务模式中,软件以一种服务形式被多个租户共享。虽然租用同一个软件的租户们拥有相似的需求,但这些需求通常不是一模一样的。因此,面向多租户的SaaS软件需要根据租户的实际应用场景来提供定制化的服务,而定制化通常意味着复杂的存储结构或者高成本的独立数据库/表模型。为了控制这种服务于多租户的应用数据库模型的成本及复杂性,提出了一种在尽可能节约存储空间的基础上兼顾高效性、便捷性和安全性的轻量级存储策略。同时,基于该策略设计并实现了一个多租户数据存储模型,并将其应用于云溯源平台中。平台的运行数据表明该轻量级存储模式有效降低了数据模型的复杂性并降低了存储成本。     

产业链协同SaaS平台多租户权限管理技术

面向汽车及零部件产业链协同SaaS平台的多核网状企业群协同管理需求,在传统的RBAC模型的基础之上,提出一种以龙头企业为核心的多租户多级授权模型,运用菜单动态生成技术、URL地址解析算法实现了权限的解析,有效地控制了用户的访问权限.经验证,提出的模型和实现方法有效解决了产业链协同SaaS平台上多租户的用户权限管理问题.     

多租户SaaS架构安全风险及对策探析

随着信息技术的发展,传统的信息系统正逐渐被多租户的SaaS 系统所替代。这种系统能显著减少企业的开 发、实施和维护成本,也为客户减少了使用成本,但同时也面临着更多的安全问题。本文通过分析多租户SaaS 应用系统架构的 特点,详解了每种架构可能面临的安全风险,并给出了安全加固的建议。     

一种面向多租户云存储平台的访问控制策略

云存储平台是多租户共享环境,能否实现其中不同租户数据之间的有效安全隔离成为了用户最为关心的问题.以RBAC(Role Based Access Control)策略为基础,结合组织标签和多种安全属性的逻辑组合,提出一种灵活的访问控制策略,它一方面保证云端不同企业之间数据的强隔离性,使某企业用户无法越权访问其他企业的用户数据;另一方面保证云存储企业内部数据的适度隔离,即可以根据公司自身的安全需求灵活定制企业内部策略.同时,引入虚拟组织的概念实现企业之间可能的数据共享;引入利益冲突的概念限制竞争企业之间的共享.给出了该策略在基于HDFS (Hadoop Distributed File System)的云存储架构中的原型实现.实验结果表明,该策略能够有效保障云存储平台多租户数据之间的恰当安全隔离.     

SaaS模式下多租户实现的关键技术研究

针对SaaS服务模式下多租户技术实现面临的数据隔离、功能可配置、架构可伸缩和数据可扩展等技术难题,为每一类难题的解决提供了多项实现技术,对比分析了每种实现模式的优缺点,有助于SaaS模式下多租户技术的实现.     

数据迁移工具的设计研究

数据迁移就是将数据从一种数据环境移入另一种数据环境中。它不仅仅是简单的数据搬家,还涉及到数据格式的转换。本文介绍了在Microsoft公司UDA技术基础上,利用SQL语句完成常用数据库数据间迁移的设计和实现流程。这一完整的数据流程如果定期发生,就可以频繁到实时数据转换或不频繁地每月为数据仓库进行更新,因此对于数据仓库的建立,以及后续的数据挖掘都有相当的实际价值,同时对于实用的应用程序更新也具有一定意义。     

一种全分布式的数据迁移算法DBDS

数据迁移是大规模存储系统实现负载平衡的重要手段,可有效提高数据访问的性能。然而,现有数据迁移机制大多依赖于集中式算法,存在扩展性方面的不足。提出一种全分布式的数据迁移算法DBDS(Dimension By Dimension Spreading)来解决系统扩展性方面的问题。仿真实验表明,该算法在保证负载全局均衡性的同时,可有效降低迁移过程的消耗,适用于大规模分布式存储系统。     

教育公共服务平台基础数据的采集与应用

基础数据是教育管理公共服务平台的核心与基础。提高基础数据的应用服务能力,数据采集是基础、数据整合是关键、数据安全是保障、智能分析是需要。结合云计算的应用,分析教育基础数据的组成、基础数据采集与应用中存在的问题与困难,探讨在教育云环境下,教育基础数据的采集与存储、交换与共享、应用与服务等过程中的挑战及其解决方案。     

P2P流媒体系统中数据请求任务转移算法研究

数据请求任务调度是P2P流媒体系统设计时需要考虑的重要问题之一。针对网状拓扑结构中每个节点接收到的请求分布不均问题,提出一种基于带宽和链路延迟的数据请求任务转移算法。实验结果表明,相比于未采用数据请求任务转移的算法,所提算法提高了平均播放质量和上行带宽利用率,从而改善了系统的性能。     

CIMS信息集成平台中的数据模型

为了满足ＣＩＭＳ环境中信息集成的需求。本文为信息集成平台设计了一种具有集成功能的面向对象的数据模型ＩＣＯＭ．ＩＣＯＭ数据模型不仅具有行为的封装与重载，继承与继承、行为的提炼与迟后联编和多态性等面向对象的特征，而且还能够很好解决集成过程中出现的各类冲突，即模式冲突与数据冲突。     

基于XML的数据迁移技术在信息系统升级中的研究与实现

针对信息系统的现状,阐述数据迁移在信息系统升级过程中的重要性,提出一种基于XML的数据迁移技术。该技术采用XML作为数据交换的中介,建立源数据库表与目标数据库表的映射关系,根据实际需求进行数据迁移,实现信息系统的升级。该技术具有良好的扩展性、开放性和灵活性。     

云平台下基于粒子群优化算法的虚拟机迁移模型

提出基于粒子群优化的虚拟机迁移模型(Particle swarm optimization for virtual machine migration model,PSO-VMM)。设计基于多维物理资源约束的能量消耗模型,以能量消耗最小作为粒子群优化的目标函数。在物理主机状态检测和虚拟机选择阶段,利用鲁棒局部归约检测LRR(Local Regression Robust)和最小迁移时间选择MMT(Minimum Migration Time)。在虚拟机放置阶段,将粒子群优化算法应用到大规模的候选迁移虚拟机到物理主机的重新分配。仿真实验结果表明:PSO-VMM迁移策略使得云平台的各类性能指标都得到改善。     

BodyCloud: A SaaS approach for community Body Sensor Networks

Body Sensor Networks (BSNs) have been recently introduced for the remote monitoring of human activities in a broad range of application domains, such as health care, emergency management, fitness and behavior surveillance. BSNs can be deployed in a community of people and can generate large amounts of contextual data that require a scalable approach for storage, processing and analysis. Cloud computing can provide a flexible storage and processing infrastructure to perform both online and offline analysis of data streams generated in BSNs. This paper proposes BodyCloud, a SaaS approach for community BSNs that supports the development and deployment of Cloud-assisted BSN applications. BodyCloud is a multi-tier application-level architecture that integrates a Cloud computing platform and BSN data streams middleware. BodyCloud provides programming abstractions that allow the rapid development of community BSN applications. This work describes the general architecture of the proposed approach and presents a case study for the real-time monitoring and analysis of cardiac data streams of many individuals.