毛文彬

摘 要：隨著云計算、物聯(lián)網(wǎng)等信息技術的飛速發(fā)展，異構數(shù)據(jù)源越來越多，數(shù)據(jù)信息量在飛速增長，數(shù)據(jù)的類型也復雜多樣，不僅使得信息系統(tǒng)規(guī)模日益龐大，也導致海量非結構化數(shù)據(jù)管理復雜、異構數(shù)據(jù)存儲利用率低下、資源不易擴展等問題。

關鍵詞：大數(shù)據(jù)；云存儲

1 大數(shù)據(jù)的特點及存儲要求

海量非確定性異構數(shù)據(jù)產(chǎn)生的原因復雜多樣，在應用中也具有新的特點：隨著各種應用規(guī)模及領域的擴大，數(shù)據(jù)量會呈現(xiàn)爆炸性增長及海量數(shù)據(jù)存儲的趨勢和特點；在非確定數(shù)據(jù)的典型應用中數(shù)據(jù)源很多，數(shù)據(jù)種類也繁多，數(shù)據(jù)資源具有異構性特點；數(shù)據(jù)還呈現(xiàn)數(shù)據(jù)塊大小、數(shù)據(jù)類型和數(shù)據(jù)訪問方式等不確定的特點；云計算、物聯(lián)網(wǎng)等應用的不斷豐富，數(shù)據(jù)產(chǎn)生、應用、訪問方式十分復雜，還使得數(shù)據(jù)具有時效性和空間性，高頻度訪問和高并發(fā)的特點。

非確定數(shù)據(jù)應用中的海量數(shù)據(jù)對數(shù)據(jù)的存儲體系結構帶來了很大的挑戰(zhàn)。首先，海量數(shù)據(jù)的組織必然采用分布式數(shù)據(jù)組織與管理策略，這需要實現(xiàn)適合于非確定數(shù)據(jù)應用的（元）數(shù)據(jù)和數(shù)據(jù)組織方式；其次，由于海量數(shù)據(jù)是通過持續(xù)增長積累而成，而積累的過程需要很長的時間，因此需要存儲支持可保證規(guī)模與性能同時擴展的存儲組織模式以及相應的索引機制。

針對海量不確定性數(shù)據(jù)，使用基于傳統(tǒng)的信息存儲結構和對象查詢方法的實際運行效率呈現(xiàn)下降趨勢，因此必須采用新的元數(shù)據(jù)組織結構和查詢方法來提高效率，為用戶提供高性能的多并發(fā)數(shù)據(jù)查詢服務。

由于在分布式環(huán)境中，數(shù)據(jù)源分布在不同的網(wǎng)絡結點，這就存在網(wǎng)絡傳輸性能低的問題。而各個數(shù)據(jù)源有很強的自治性，它們可以自治地改變自身的結構和更新數(shù)據(jù)，這就會給數(shù)據(jù)集成系統(tǒng)的一致性帶來了困難。由于數(shù)據(jù)存在非確定性，針對海量非確定性異構數(shù)據(jù)的集成工作將變得更為復雜，可以采用分布式并行處理技術實現(xiàn)計算資源和存儲資源的全局最優(yōu)化的管理。

數(shù)據(jù)的海量性、非確定性以及異構性為傳統(tǒng)的數(shù)據(jù)挖掘算法提出了挑戰(zhàn)。由于數(shù)據(jù)的異構、海量、分布性和決策控制的實時性，需要調整數(shù)據(jù)挖掘引擎的布局及多引擎的調度策略。結構化或者非結構化數(shù)據(jù)都涉及數(shù)據(jù)的存儲、管理（索引、并發(fā)、一致性、查詢等）等，這是因為用戶對大數(shù)據(jù)使用方面的要求（對海量非結構化數(shù)據(jù)查詢仍然要準確和快速），導致對數(shù)據(jù)邏輯結構和物理存儲方式的新要求。

2 面向大數(shù)據(jù)的分布式系統(tǒng)關鍵技術

2.1 分布式文件管理技術

在大數(shù)據(jù)應用過程中，傳統(tǒng)的數(shù)據(jù)存儲和管理技術已經(jīng)無法滿足需求，因此，諸多科學工作者對其文件管理技術進行了研究。2010年，馮幼樂等人在文件管理系統(tǒng)中提出了CEPH動態(tài)元數(shù)據(jù)管理技術，該方法可以有效地改進異構元數(shù)據(jù)服務器和網(wǎng)絡延遲較大時存在的問題，提高文件管理系統(tǒng)的使用范圍和性能。方君等人詳細的分析了國外分布式文件系統(tǒng)的研究和應用現(xiàn)狀，開發(fā)設計了一個較好的分布式文件系統(tǒng)K-DFS，該系統(tǒng)可以解決大數(shù)據(jù)中多存儲節(jié)點訪問和同步的問題，實現(xiàn)負載均衡，避免部分數(shù)據(jù)集中于少量存儲服務器中，使用冗余存儲技術，保障遠程文件的安全性，防止存儲節(jié)點因宕機導致文件丟失，更好的提高了文件系統(tǒng)的高安全性，并且該系統(tǒng)已經(jīng)在金融數(shù)據(jù)分析、電信數(shù)據(jù)分析和網(wǎng)絡電商數(shù)據(jù)分析中得到了廣泛的使用。目前，文件系統(tǒng)已經(jīng)在實際應用中得到了廣泛的發(fā)展和進步，尤其是具有海量用戶和數(shù)據(jù)存儲訪問的互聯(lián)網(wǎng)企業(yè)中，比如Google提出了GFS文件管理系統(tǒng)，該系統(tǒng)集成數(shù)據(jù)文件地管理、存儲和應用，并且構建過程中服務器較為廉價，同時具有極強的可擴展性，數(shù)據(jù)被存儲于不同的服務器中，通過關聯(lián)鏈接、分塊存儲、追加更新等技術保障文件管理系統(tǒng)的正常運行和傳輸，同時引入了緩沖層、內存加載部分元數(shù)據(jù)等新理念，提升了文件管理系統(tǒng)存儲和讀取的效率，促進大數(shù)據(jù)文件管理步入集群管理階段，有效的提高了分布式文件管理系統(tǒng)的應用效能。

2.2 分布式數(shù)據(jù)處理技術

大數(shù)據(jù)應用系統(tǒng)中，信息處理方式包括兩種，分別是批處理方式和流處理方式。批處理方式是指將待處理的邏輯事務執(zhí)行存儲操作之后，再對其實施業(yè)務處理操作，因此批處理方式可以使用某種分割方式，將數(shù)據(jù)分割為不同的數(shù)據(jù)塊，這些數(shù)據(jù)庫邏輯獨立，其可以在不同的終端上操作執(zhí)行，增強了大數(shù)據(jù)系統(tǒng)中共享服務資源的優(yōu)勢，淡化了數(shù)據(jù)之間的關聯(lián)關系，有效的提升了數(shù)據(jù)的集群性、可調度性，目前，批處理方式應用的難點和關鍵是數(shù)據(jù)的分割、分發(fā)和實時處理。流處理方式將用戶需要的海量數(shù)據(jù)看做是一個不間斷的數(shù)據(jù)流，數(shù)據(jù)流可以實時的進入大數(shù)據(jù)應用系統(tǒng)中，并且能夠得到快速的響應和反饋，獲得數(shù)據(jù)處理的結果，該分布式數(shù)據(jù)處理方式極大的提高了系統(tǒng)的實時性，已經(jīng)在許多金融數(shù)據(jù)挖掘、電信數(shù)據(jù)挖掘過程中得到了廣泛的應用。

2.3 分布式數(shù)據(jù)庫技術

傳統(tǒng)的數(shù)據(jù)庫技術通常采用關系型數(shù)據(jù)庫管理系統(tǒng)，該數(shù)據(jù)庫在大數(shù)據(jù)處理過程中存在多樣性弱、規(guī)模性小、處理過程邏輯關聯(lián)性強等弱點，提出在大數(shù)據(jù)應用系統(tǒng)中采用分布式數(shù)據(jù)庫管理技術，實現(xiàn)大數(shù)據(jù)的易用性和易擴充性，同時增強分布式數(shù)據(jù)庫管理能力。目前，分布式數(shù)據(jù)庫管理技術已經(jīng)得到了廣泛的研究和應用，Bigtable技術在實施操作和管理過程中，將數(shù)據(jù)訪問信息作為字符串進行管理，并且其不直接解釋字符串的含義，使得分布式數(shù)據(jù)具有半結構化或者結構化特征，可以提高數(shù)據(jù)庫存儲類型，比如視頻數(shù)據(jù)、圖像數(shù)據(jù)、文本數(shù)據(jù)等，同樣大大地簡化了數(shù)據(jù)庫管理系統(tǒng)操作方法。

Dynamo技術在分布式數(shù)據(jù)庫應用過程中，采用分布式哈希表、鍵值存儲和向量時鐘等關鍵技術，實現(xiàn)大數(shù)據(jù)庫管理系統(tǒng)的高效運行和管理，推動了關系型數(shù)據(jù)庫的前進和發(fā)展。隨著智能技術的發(fā)展，分布式數(shù)據(jù)庫引入了模式識別、機器學習、神經(jīng)網(wǎng)絡等算法，有效的促進了數(shù)據(jù)一致性、業(yè)務處理快速化。

3 云存儲在大數(shù)據(jù)存儲中的應用

針對數(shù)據(jù)的飛速發(fā)展和數(shù)據(jù)安全要求的不斷提高，如何建立安全、性價比高的存儲成為業(yè)界的普遍需求。云存儲成為首要選擇，因為它能夠根據(jù)所需容量大小對用戶進行定制，用戶不需要進行硬件的管理維護，縮減了用戶成本和人力投入。而且云存儲具有易擴容、易管理、價格低、數(shù)據(jù)安全、服務不中斷等優(yōu)點。

3.1 大規(guī)模級別存儲系統(tǒng)的構建

大規(guī)模的存儲需要跨數(shù)據(jù)中心，跨城市、省、甚至國家進行存儲設備、存儲數(shù)據(jù)、存儲服務的組織和管理，并支持跨域的訪問、備份、容災等功能。同時大規(guī)模的存儲要求存儲提供不同等級的管理和服務權限，并按照區(qū)域、級別分配不同的權限。系統(tǒng)對資源的訪問必須經(jīng)過嚴格的權限控制。只有用戶確認共享的資源才能被其他用戶或業(yè)務進行訪問，即使是被授權的訪問也會根據(jù)不同的權限控制方式受到訪問權限控制。

云存儲就是將不同種類的存儲設備協(xié)調起來進行工作。這些存儲設備使用的存儲介質也是多種多樣的，而且隨著技術的發(fā)展，設備種類和存儲介質種類會越來越多，如何調度這些設備和存儲介質協(xié)調工作，需要在云存儲管理軟件上考慮和優(yōu)化，以保證組織好的資源被高效利用。

3.2 存儲設備在線擴展和收縮

在存儲設備的使用過程中，會遇到調整存儲資源池的需求，要求存儲資源池根據(jù)業(yè)務的需求增加或者減少存儲設備。在調整的過程中，業(yè)務不能被中斷，也不能使上層業(yè)務感受存儲資源池的變化，同時被裁剪設備的數(shù)據(jù)要在較短的時間內在其他設備上恢復、備份，并在較短的時間內完成增加存儲設備和原有存儲你設備的數(shù)據(jù)均衡。

云存儲系統(tǒng)要優(yōu)化和調整數(shù)據(jù)組織和管理方法，即使存儲規(guī)模增加后，性能要隨之線性增加。數(shù)據(jù)變得龐大后，元數(shù)據(jù)管理要考慮中心化或多節(jié)點方式，以降低元數(shù)據(jù)管理對整個系統(tǒng)讀寫性能的影響。對于熱點數(shù)據(jù)支持自動的多副本復制，則會在多個存儲節(jié)點提供讀能力，以降低硬盤、網(wǎng)口、處理器對性能能力的限制。采用多級緩存技術，熱點數(shù)據(jù)則會先讀入智能加速卡，并由智能加速卡對外提供讀服務，在寫數(shù)據(jù)時，也是先寫入到智能加速卡，由加速卡組織分發(fā)到存儲設備上。

4 結語

隨著互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)的發(fā)展，“大數(shù)據(jù)”逐漸成為發(fā)展的趨勢，數(shù)據(jù)產(chǎn)生的原因復雜多樣，在應用中也具有新的特點。隨著各種應用規(guī)模的擴大，數(shù)據(jù)量會呈現(xiàn)爆炸性增長的趨勢及海量數(shù)據(jù)存儲的特點。新業(yè)務環(huán)境和應用場景對海量云存儲需求越來越迫切，這需要海量存儲平臺打破原有的框架，改變組網(wǎng)和管理方式，滿足業(yè)務需求。

[參考文獻]

[1]王珊，王會舉，覃雄派，周烜.架構大數(shù)據(jù)：挑戰(zhàn)、現(xiàn)狀與展望[J].計算機學報.2011（10）.

[2]覃雄派，王會舉，杜小勇，王珊.大數(shù)據(jù)分析——RDBMS與MapReduce的競爭與共生[J].軟件學報.2012（01）.

[3]姜奇平.大數(shù)據(jù)與信息社會的意義結構[J].互聯(lián)網(wǎng)周刊.2012（12）.