2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩76頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、由于大規(guī)模的基因組研究和高通量數(shù)據(jù)產(chǎn)生工具的不斷發(fā)展,生物數(shù)據(jù)面臨著井噴式的增長,傳統(tǒng)的數(shù)據(jù)存儲管理方式已經(jīng)慢慢不能滿足需求,在這個背景下,大數(shù)據(jù)技術(shù)如 Hadoop計劃,提供了分布式并行的數(shù)據(jù)處理和PB級的數(shù)據(jù)集分析,可以實現(xiàn)大規(guī)模數(shù)據(jù)的分布式存儲。本文探討的問題就是如何在Hadoop下實現(xiàn)對組學大數(shù)據(jù)的存儲及索引檢索。
  本文在Hadoop下實現(xiàn)了一套廣泛適用于各類數(shù)據(jù)庫的索引檢索機制。針對Hadoop下 HDFS文件系統(tǒng)不

2、適用于隨機讀寫的情況,本文使用了支持快速讀寫的HBase作為數(shù)據(jù)存儲結(jié)構(gòu)。由于HBase本身在索引上有自己的局限性,本文引入了基于Lucene的分布式全文索引搜索框架Solr。結(jié)合HBase固有的主節(jié)點-從節(jié)點復制機制,在數(shù)據(jù)更新到HBase的同時,本系統(tǒng)首先通過虛擬節(jié)點的創(chuàng)建實現(xiàn)對更新數(shù)據(jù)的訂閱,之后應用自定義的消息機制將更新數(shù)據(jù)異步提交給系統(tǒng)創(chuàng)建的Indexer,Indexer通過用戶自定義的索引策略生成可導入到Solr中的數(shù)據(jù),最

3、后由Solr完成了對數(shù)據(jù)的全文索引工作,并保存索引在HDFS內(nèi)。檢索數(shù)據(jù)時,數(shù)據(jù)請求被分發(fā)到集群內(nèi)的各個節(jié)點上,在每臺機器上進行查詢工作。同時用戶可以提交自己的序列數(shù)據(jù)和元數(shù)據(jù)到數(shù)據(jù)庫內(nèi),后臺會自動進行數(shù)據(jù)的格式轉(zhuǎn)換導入工作并完成實時的索引工作。
  本系統(tǒng)使用數(shù)據(jù)對象是NCBI SRA數(shù)據(jù)庫的元數(shù)據(jù)和序列數(shù)據(jù)部分。通過對系統(tǒng)的性能測試可看到,系統(tǒng)實現(xiàn)了對數(shù)據(jù)的快速準確查詢,查詢速度是傳統(tǒng)HBase查詢速度的數(shù)百倍,具有明顯的優(yōu)勢

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論