面向云存储的非结构化数据存储分析

云存储是分布式计算、网格以及并行等许多技术的衍生与发展,其保证了存储完全虚拟化目标的实现,在共享与存储的功能方面,较之于以往也更加强大,非结构化的数据主要包含电子表格、文本、PDF以及视频音频等等,通常情况下,我们对于分级结构化数据进行存储有两种方法,其中一种是通过以文件的方式通过文件系统对其进行存储,在关系型数据库表之中对文件的相关链接与路径进行存储,另一种方法则是在数据库表的大对象字段之中对此类数据进行存储。本文中主要结合MongoDB的数据存储特性、非结构化数据的实际特点以及云存储应用的优势对非结构化数据的存储方法进行研究,并指出云存储对于非结构化数据的必要性。

面向云存储的非结构化数据存储研究

云存储是多种技术的衍生及发展,主要包括并行、网格、分布式计算机等,其不仅为存储完全虚化的实现提供了保障,而且提升了存储及共享等方面的功能。基于此,主要结合MongoDB的数据模型、存储特性、文件系统存储、数据库存储以及将文件系统与数据库相结合存储等方面,研究了面向云存储的非结构化数据存储,以期为促进我国数据存储领域的发展提供参考。

面向云存储的非结构化数据存取

非结构化数据呈爆炸态势增长,现有存储技术在I/O吞吐能力、可扩展性及易管理性等方面亟待改进。存储系统以云存储和可靠性理论为基础,建立了非结构化数据的分布式存储模型,并设计了可靠度函数。采用分布式关系数据库管理系统(RDBMS)作为存储底层,将非结构化数据直接存储于数据表中,实现了非结构化数据和元数据的分离式存储和统一管理,进而提升了存储系统性能。相对于集中式存储,新系统具有较高的可用性。仿真结果显示,存储系统可靠度高且易于扩展。该分布式存储系统可应用于动态开放计算环境,提供效能较高的云存储服务。

基于JSON的电力企业业务系统非结构化数据抽取方法

随着电力企业信息化水平的提高,专门的非结构化存储和管理系统成为当务之需。为了将分布在遗留系统中的非结构化数据及表征其类别与属性信息的结构化数据提取至非结构化数据存储系统,传统的方式是在遗留系统与新建系统之间建立专门的数据读写模块,通过对双方数据库的读写操作完成抽取和导入,提出了一种使用JSON作为中间交换格式的数据抽取导入方法,通过设置JSON生成和解析装置,实现抽取和导入步骤的分离。此外,还基于实际工作实现了该方法的原型系统,对理论方法进行验证并提出改进计划。

基于云存储的三维数据组织管理

对云存储技术的发展和云存储的层次模型进行了介绍,基于云存储技术设计了三维场景数据存储架构,对三维场景数据的设计进行了详细描述,提出并实现了一种基于云存储架构的三维场景数据组织和存储的方式,在这种存储架构模型下,可以对三维场景所涉及的包括遥感影像、矢量地图在内的各类底图数据和三维模型数据进行快速存取,实现平滑展现。

基于云存储技术的存储架构模型

云计算是当前研究与应用的热点问题,云存储作为云计算的底层服务,对上层应用提供了重要的支持作用。针对当前传统存储技术所面临的问题,介绍了云存储技术的发展和云存储的层次模型,设计了基于云存储的数据存储架构模型,该模型能够提供高效的数据存储能力、管理能力和访问能力,并在容量可扩展性、数据可靠性、数据吞吐性能等方面对该模型进行了分析和讨论。

一种地质图件数据管理系统设计思路

随着信息技术的发展,油田地质研究过程中产生了许多有价值的地质图件。这些地质图件作为非结构化数据被存储在用户个人手中,地质图件数据较为分散,缺乏数据管理系统对其进行统一管理。文章根据对用户的走访调研,分析用户需求,提出一种集地质图件数据存储、管理、应用于一体的管理系统设计思路,旨在解决地质图件的集中管理和应用问题。

关于计算机中分布式存储应用技术探讨

随着互联网技术的迅猛发展,以及手机、平板、智能电视等各种输入终端的普及,让互联网数据呈现出爆炸性的增长.根据didyouknow （ht tp：//didyouknow.org/）的数据,目前互联网上可访问的信息数量已经超过1秭=1百万亿亿（1024）.这些海量的数据如何有效存储,是每个大型网站的架构师必须要解决的问题.分布式存储技术就是为了解决这个问题.