基于云的数据库的研究随着云计算的发展，数据量呈现爆炸式增长，海量的数据除了在本地存储，也可以在云上开辟新的空间。结构化数据、半结构化数据或者非结构化数据，云数据库都提供了相应的产品，协助用户管理和消费数据，将他们从繁琐的硬件配置和管理中解脱出来。 本文关键字： 云的数据库 3.实例研究 下面以Google的云数据库产品为例，介绍云数据库的实现和使用。Google研发的大规模数据库系统Google BigTable[8]只能满足弱一致性要求，它设计的目的是为了出来Google内部的海量的格式化和半格式化数据。它允许客户端进行数据部署以及对格式进行动态的控制。 BigTable的实现是构建在Google其他几个基础设施之上的，它使用了Google的分布式文件系统GFS存储数据和日志文件，它还依赖一个持久性的、高可用的分布式锁服务Chubby，最后它还要依靠簇管理系统来调度作业、调度共享服务器上面的资源、处理服务器故障和监控服务器的状态。 BigTable提供了一个和以往不同的简单动态的非关系型数据模型，采用的是键/值数据模型。一个BigTable实际上就可以看作一个永久的分布式的稀疏的多维排序图，采用row key、column key及timestamp来对该图进行索引，其中每个值都是一个未经解释的字节数组。 在BigTable中，行列和时间戳都是保存在表格的单元里，然后里面的内容按行划分，多个行组成一个tablet（小表），然后被保存到一个服务器节点中。在一个数据簇中，存储有许多表，而没个表都是一个tablet集合。在最初，一个表只有一个table，随着表的增长，会分解成多个tablet，系统使用类似于B+树的一个3层的架构来存储这些tablet的信息。因为系统采用了键/值数据模型，表之间不存在关联操作，使得数据的分区操作相对比较简单。 在BigTable的访问数据，首先是由客户端向管理器获取一份分区映射图，然后再图中根据键值搜寻数据的存储位置，然后向改数据节点请求数据，最后由改节点向客户端返回相应的数据。在实际应用中，为了提升性能，也是为了缓解在管理器端的性能瓶颈，客户端通常会缓存一份常用的分区映射图。 4.总结及未来展望 云数据库随着云计算技术的发展，越来越受到业界的关注，当前，很多IT公司都参与到云计算当中来，云数据库的影响也日趋扩大，主要体现在以下几个方面，包括改变了很多企业的数据管理的方式，促使数据库技术的发展，重新分配数据库市场的份额等。 随着市场的发展，以及云数据库的成熟，云数据库在未来一段时间是数据库技术的发展趋势，云数据库的相关问题也是将来数据库研究的重点内容。 责编：李玉琴  微信扫一扫实时了解行业动态 著作权声明：畅享网文章著作权分属畅享网、网友和合作伙伴，部分非原创文章作者信息可能有所缺失，如需补充或修改请与我们联系，工作人员会在1个工作日内配合处理。 |
最新专题 推荐圈子 |
DB2数据的导入(Import)_导出(Expo..
Cognos 中国社区——Cognos 10.2...|
|
