一種基于NoSQL的并行數(shù)據(jù)增量處理機制研究.pdf

1、云計算為數(shù)據(jù)處理工作帶來了新的機遇與挑戰(zhàn)。傳統(tǒng)的關系型數(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)處理能力為代價的。因此,提高非關系型數(shù)據(jù)庫的數(shù)據(jù)處理能力就成為一個重要的研究課題。
　　非關系型數(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)處理兩個方面進行提高。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與非關系型數(shù)據(jù)庫相結合,通過為非關系型數(shù)據(jù)庫實現(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系型數(shù)據(jù)庫中的海量數(shù)據(jù)進行處理,既保留了非關系型數(shù)據(jù)庫高可靠、高可用的特性,又增強了系統(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,首先基于非關系型數(shù)據(jù)庫內置的分布式單行事務功能,通過一系列存儲控制過程實現(xiàn)分布式多行事務算法。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)調用注冊鉤子函數(shù)的方法,在非關系型數(shù)據(jù)庫中實現(xiàn)類似觸發(fā)器的消息通知機制。根據(jù)多行事務算法和消息通知機制,針對具體應用場景,在非關系型數(shù)據(jù)庫中實現(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條結構化數(shù)據(jù)記錄的數(shù)據(jù)集進行了測試。實驗證明,把非關系型數(shù)據(jù)庫與Hadoop相結合之后,利用Hadoop的MapReduce機制進行數(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