【技术实现步骤摘要】
一种在大数据存储系统中进行数据混合存储的方法及系统
本专利技术涉及大数据存储领域和云存储领域，并且更具体地，涉及一种在大数据存储系统中进行数据混合存储的方法及系统。
技术介绍
目前，随着各种类型的信息设备的使用变得越来越频繁，数据量正以几何级数的方式进行爆炸式增加。为了从海量的数据中获取有用信息，必须对海量的数据进行有效存储。大数据存储系统能够满足对对海量数据进行有效存储的需求。然而，在目前的大数据存储系统中，由于每个数据项的被访问次数不同,从而导致每个存储设备中不同的数据项的被访问次数差距会越来越大。进一步地，这种差距会导致存储设备之间的数据被访问次数的失衡，进而导致大数据系统的数据平衡性出现访问失衡的问题。为此，现有技术中存在对对大数据存储系统中的数据进行混合存储的需求。
技术实现思路
根据本专利技术的一个方面，提供一种在大数据存储系统中进行数据混合存储的方法，所述方法包括：基于当前的统计时间区间和大数据存储系统内多个存储设备中每个存储设备的运行日志文件确定每个存储设备中存储的多个数据项的经过统计的访问信息，根据每个存储设备中存储的多个数据项的经过统计的访问信息确...
【技术保护点】
1.一种在大数据存储系统中进行数据混合存储的方法，所述方法包括：基于当前的统计时间区间和大数据存储系统内多个存储设备中每个存储设备的运行日志文件确定每个存储设备中存储的多个数据项的经过统计的访问信息，根据每个存储设备中存储的多个数据项的经过统计的访问信息确定每个存储设备的访问信息统计文件；其中所述访问信息统计文件包括数据项统计表，所述数据项统计表包括多个数据项记录，其中每个数据项记录的内容为6元组
【技术特征摘要】
1.一种在大数据存储系统中进行数据混合存储的方法，所述方法包括：基于当前的统计时间区间和大数据存储系统内多个存储设备中每个存储设备的运行日志文件确定每个存储设备中存储的多个数据项的经过统计的访问信息，根据每个存储设备中存储的多个数据项的经过统计的访问信息确定每个存储设备的访问信息统计文件；其中所述访问信息统计文件包括数据项统计表，所述数据项统计表包括多个数据项记录，其中每个数据项记录的内容为6元组<数据项的标识符、被访问次数、统计起始时间、统计结束时间、存储尺寸、存储起始时间>；对每个存储设备的访问信息统计文件进行解析，将当前的统计时间区间内每个存储设备的所有数据项中被访问次数小于低频次数阈值Lthreshod的数据项确定为低频数据项，确定每个存储设备所包括的低频数据项的低频项数量；将多个存储设备中低频项数量大于低频设备阈值的存储设备确定为低频存储设备并确定大数据存储系统中低频存储设备的数量；基于每个存储设备的访问信息统计文件确定每个存储设备所包括的所有数据项的数据项数量TNi；其中i为自然数并且DN≥i≥1，其中DN为大数据存储系统中所有存储设备的总数量；当大数据存储系统中低频存储设备的数量大于系统预警阈值时，获取大数据存储系统的系统缓冲设备内的匹配统计文件，基于所述匹配统计文件确定系统缓冲设备内临时数据项集合中每个临时数据项在当前的统计时间区间内进行多次内容匹配时的内容匹配度的算术和，基于每个临时数据项在当前的统计时间区间内的内容匹配度的算术和的降序顺序对每个临时数据项进行排序，以生成第一排序列表，根据大数据存储系统的系统记录设备中的设备描述信息确定大数据存储系统中所有存储设备的总数量DN，在所述第一排序列表中从内容匹配度的算术和最大的临时数据项开始并且按照内容匹配度的算术和的降序顺序从所述第一排序列表选择2×DN个临时数据项，将所述2×DN个临时数据项组成第一数据项集合；其中临时数据项集合中的临时数据项的总数大于10×DN；按照被访问次数的降序顺序对每个存储设备中各自的所有数据项进行排序，以生成多个第二排序列表，根据每个存储设备所包括的所有数据项的数据项数量TNi从每个存储设备的第二排序列表选择多个数据项：其中,在第i个存储设备的第二排序列表中，从被访问次数最大的数据项开始并且按照被访问次数的降序顺序选择个数据项；将在每个存储设备的所有数据项中分别选择的个数据项组成第二数据项集合，其中第二数据项集合中包括个数据项；基于每个存储设备的访问信息统计文件确定当前的统计时间区间内大数据存储系统的所有数据项的被访问次数的系统总数，基于大数据存储系统的所有数据项的被访问次数的系统总数TAtotal和大数据存储系统中所有存储设备的总数量DN确定每个存储设备的数据项的平均被访问次数TAaverage，其中TAaverage＝TAtotal/DN；确定第一数据项集合中每个临时数据项在当前的统计时间区间内进行多次内容匹配时的平均内容匹配度,将第一数据项集合中每个临时数据项的平均内容匹配度和TAaverage的乘积的2倍作为每个临时数据项的被访问次数；其中第一数据项集合中每个临时数据项在当前的统计时间区间内进行多次内容匹配时的平均内容匹配度为临时数据项在当前的统计时间区间内进行多次内容匹配时的内容匹配度的算术和与多次内容匹配的次数的比值；将第一数据项集合和第二数据项集合进行合并以生成第三数据项集合，将第一数据项集合中的每个临时数据项作为复制数据项并且将第二数据项集合中的每个数据项作为复制数据项，从第三数据项集合的所有复制数据项中选择被访问次数最大的100个数据项，由所选择的被访问次数最大的100个数据项组成复制数据项集合；将所述复制数据项集合传送给所述多个存储设备中的每个存储设备，并促使每个存储设备进行处理，以实现数据混合存储：接收所述复制数据项集合并且将所述复制数据项集合中的所有复制数据项进行存储；对所存储的所有数据项中相同的数据项进行去重处理，基于(自身的)访问信息统计文件确定经过去重处理的所有数据项中每个数据项在当前的统计时间区间内的预定时间段内的被访问次数；根据每个数据项在预定时间段内的被访问次数对所有数据项进行分组以生成预定分组数量的多个内容组，以使得每个内容组中所有数据项的总被访问次数之间的标准差小于平衡阈值；将存储空间划分为与所包括的多个内容组的数量相同并且存储容量与相应的内容组相适配的多个存储区域，为每个内容组分配相应的存储区域并且将每个内容组中的所有数据项移动到相应的存储区域内。或者，将所述复制数据项集合传送给所述多个存储设备中的每个存储设备，并促使每个存储设备进行处理，以实现数据混合存储：接收所述复制数据项集合并且将所述复制数据项集合中的所有复制数据项进行存储；对所存储的所有数据项中相同的数据项进行去重处理。2.根据权利要求1所述的方法，当用于指示在大数据存储系统内进行低频预警检测的循环计时器期满时，或当接收到在大数据存储系统内进行低频预警检测的请求时，将所述大数据存储系统随后从任意的数据请求方所接收的新的数据访问请求重定向到所述大数据存储系统的系统缓冲设备而不将所接收的新的数据访问请求发送给多个存储设备中的相应的存储设备，以由所述系统缓冲设备将新的数据访问请求所包含的查询条件的描述信息与所述系统缓冲设备的临时数据项集合中的每个临时数据项进行内容匹配以确定每个临时数据项的内容匹配度，从多个临时数据项中选择内容匹配度大于匹配阈值的至少一个选定的临时数据项，将所选择的至少一个选定的临时数据项发送给所述新的数据访问请求所指示的数据请求方，并且在所述系统缓冲设备的缓冲区内保存所述新的数据访问请求；在确定所述大数据存储系统内的所有存储设备中均没有正在运行的数据访问操作时，获取所述大数据存储系统内多个存储设备中每个存储设备的运行日志文件。3.根据权利要求1-2中任意一项所述的方法，其中，当位于大数据存储系统外部的数据管理设备需要在大数据存储系统内进行低频预警检测时，所述数据管理设备向所述大数据存储系统发送用于在大数据存储系统内进行低频预警检测的请求；其中将所述大数据存储系统从任意的数据请求方所接收的新的数据访问请求重定向到所述大数据存储系统的系统缓冲设备而不将所接收的新的数据访问请求发送给多个存储设备中的相应的存储设备包括：以所述大数据存储系统接收到用于在大数据存储系统内进行低频预警检测的请求的时刻开始或者在用于指示在大数据存储系统内进行低频预警检测的循环计时器期满的时刻开始，将所述大数据存储系统随后从任意的数据请求方所接收的新的数据访问请求重定向到所述大数据存储系统的系统缓冲设备而不将所接收的新的数据访问请求发送给多个存储设备中的相应的存储设备；其中所述新的数据访问请求包括查询条件和查询条件的描述信息，所述临时数据项集合中包括多个临时数据项，并且每个临时数据项具有摘要信息，所述摘要信息用于概括地介绍临时数据项的内容；其中由所述系统缓冲设备将新的数据访问请求所包含的查询条件的描述信息与所述系统缓冲设备的临时数据项集合中的每个临时数据项进行内容匹配以确定每个临时数据项的内容匹配度包括：由所述系统缓冲设备将新的数据访问请求所包含的查询条件的描述信息与所述系统缓冲设备的临时数据项集合中的每个临时数据项的摘要信息进行基于语义内容比对的内容匹配、基于关键字比对的内容匹配或基于语义内容和关键字相结合的内容匹配以确定每个临时数据项与所述查询条件的内容匹配度；其中所述匹配度阈值为60％，并且内容匹配度的范围为[0％,100％]；其中在所述系统缓冲设备的缓冲区内保存所述新的数据访问请求之后还包括：向所述新的数据访问请求所指示的数据请求方发送用于表明所述大数据存储系统暂停数据访问和所述新的数据访问请求已经被保存到所述系统缓冲设备的缓冲区中的响应消息，并且所述响应消息中携带用于表明来自数据请求方的新的数据访问请求在所述缓冲区中的当前排队顺序的信息，其中在所述缓冲区中按照新的数据访问请求的被保存的时间长度来确定新的数据访问请求在所述缓冲区中的当前排队顺序，并且在当前排队顺序中按照被保存的时间长度的降序顺序对新的数据访问请求进行排序。4.根据权利要求1-3中任意一项所述的方法，其中在每个存储设备的系统数据区域中保存运行日志文件；其中当前的统计时间区间为大数据存储系统接收到在大数据存储系统内进行低频预警检测的请求时所处的当前日期的前一日开始并且向前预定数量的自然日的一段时间；或者，当前的统计时间区间为用于指示在大数据存储系统内进行低频预警检测的循环计时器期满时所处的当前日期的前一日开始并且向前预定数量的自然日的一段时间；其中预定数量的自然日为10个自然日、20个自然日或30个自然日；其中循环计时器的计时周期为1200小时、1500小时或1800小时，并且每当循环计时器期满时，所述循环计时器开始下一次计时；其中基于当前的统计时间区间和每个存储设备的运行日志文件确定每个存储设备中存储的多个数据项的经过统计的访问信息包括：基于当前的统计时间区间对每个存储设备的运行日志文件中的所有日志记录进行选取以获得每个存储设备在当前的统计时间区间内的多个日志记录；按照数据项对每个存储设备在当前的统计时间区间内的多个日志记录进行分类，以获得每个数据项的经过统计的访问信息；由每个数据项的经过统计的访问信息构成每个存储设备中存储的多个数据项的经过统计的访问信息；其中每个日志记录包括：数据项的标识符、访问起始时间、访问结束时间、存储尺寸和存储起始时间；其中每个数据项具有摘要信息，所述摘要信息用于概括地介绍数据项的内容。5.根据权利要求1-4中任意一项所述的方法，根据每个存储设备中存储的多个数据项的经过统计的访问信息确定每个存储设备的访问信息统计文件包括：对每个存储设备中存储的多个数据项中每个数据项的经过统计的访问信息进行统计以确定每个数据项的被访问次数；将每个数据项的经过统计的访问信息中第一次被访问的访问起始时间确定为统计起始时间，将每个数据项的经过统计的访问信息中最后一次被访问的访问结束时间确定为统计结束时间；基于每个数据项的经过统计的访问信息确定每个数据项的存储尺寸；根据每个存储设备的存储信息区域中的存储信息文件来确定每个数据项在存储设备中的存储起始时间。6.一种在大数据存储系统中进行数据混合存储的系统，所述系统包括：统计单元，基于当...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。