一種基于NoSQL的并行數(shù)據(jù)增量處理機(jī)制研究.pdf

1、云計(jì)算為數(shù)據(jù)處理工作帶來了新的機(jī)遇與挑戰(zhàn)。傳統(tǒng)的關(guān)系型數(shù)據(jù)庫在大數(shù)據(jù)的需求面前顯得力不從心,而分布式非關(guān)系型數(shù)據(jù)庫由于其高可靠性、高可用性的特性,能夠滿足大數(shù)據(jù)帶來的高并發(fā)、高讀寫需求。然而,分布式非關(guān)系型數(shù)據(jù)庫優(yōu)越的性能是以犧牲SQL數(shù)據(jù)處理能力為代價(jià)的。因此,提高非關(guān)系型數(shù)據(jù)庫的數(shù)據(jù)處理能力就成為一個(gè)重要的研究課題。
　　非關(guān)系型數(shù)據(jù)庫數(shù)據(jù)處理能力可以從離線數(shù)據(jù)處理和在線數(shù)據(jù)處理兩個(gè)方面進(jìn)行提高。在離線數(shù)據(jù)處理方面,將開源Ma

2、pReduce數(shù)據(jù)處理系統(tǒng)Hadoop與非關(guān)系型數(shù)據(jù)庫相結(jié)合,通過為非關(guān)系型數(shù)據(jù)庫實(shí)現(xiàn)Hadoop作業(yè)配置模塊、數(shù)據(jù)分片模塊、數(shù)據(jù)輸入和輸出模塊,Hadoop能直接對存儲在非關(guān)系型數(shù)據(jù)庫中的海量數(shù)據(jù)進(jìn)行處理,既保留了非關(guān)系型數(shù)據(jù)庫高可靠、高可用的特性,又增強(qiáng)了系統(tǒng)對數(shù)據(jù)的離線批處理能力。而在在線數(shù)據(jù)處理方面,首先基于非關(guān)系型數(shù)據(jù)庫內(nèi)置的分布式單行事務(wù)功能,通過一系列存儲控制過程實(shí)現(xiàn)分布式多行事務(wù)算法。其次通過在數(shù)據(jù)庫表中增加冗余列和為數(shù)

3、據(jù)庫系統(tǒng)調(diào)用注冊鉤子函數(shù)的方法,在非關(guān)系型數(shù)據(jù)庫中實(shí)現(xiàn)類似觸發(fā)器的消息通知機(jī)制。根據(jù)多行事務(wù)算法和消息通知機(jī)制,針對具體應(yīng)用場景,在非關(guān)系型數(shù)據(jù)庫中實(shí)現(xiàn)增量數(shù)據(jù)處理,以滿足在線數(shù)據(jù)處理的需求。
　　針對包含4,200,000條結(jié)構(gòu)化數(shù)據(jù)記錄的數(shù)據(jù)集進(jìn)行了測試。實(shí)驗(yàn)證明,把非關(guān)系型數(shù)據(jù)庫與Hadoop相結(jié)合之后,利用Hadoop的MapReduce機(jī)制進(jìn)行數(shù)據(jù)插入,數(shù)據(jù)插入的速率提高了300％。在數(shù)據(jù)處理能力方面,對測試數(shù)據(jù)集做Co