基于海量數(shù)據(jù)的實時查詢處理.pdf

1、過去幾年間，互聯(lián)網存儲的信息量增長了成千上萬倍，數(shù)據(jù)環(huán)境千變萬化，數(shù)據(jù)量爆炸式增長，用戶需求的個性化，交互的增加和實時性，導致傳統(tǒng)的數(shù)據(jù)庫和數(shù)據(jù)處理系統(tǒng)已經無法處理。傳統(tǒng)的數(shù)據(jù)庫系統(tǒng)側重于數(shù)據(jù)的一致性和可用性，性能、可擴展性上都比較差，無法滿足可擴展性和實時性的要求。谷歌和雅虎等公司，采用NOSQL數(shù)據(jù)庫(如HDFS數(shù)據(jù)庫)，利用平常的計算機組成族群，開發(fā)了一些可擴展的、靈活的、容錯性強的海量數(shù)據(jù)框架(如Hadoop)來處理日常海量業(yè)務

2、數(shù)據(jù)。
　　 數(shù)據(jù)流和數(shù)據(jù)框架組合在一起，形成數(shù)據(jù)流管理系統(tǒng)，在不存儲信息的情況下，能夠實時、持續(xù)不斷的處理海量數(shù)據(jù)，目前很多公司已經具備自己的數(shù)據(jù)流管理系統(tǒng)，如yahoo S4系統(tǒng)、facebook puma、twitter strom、阿里iprocess等等。一個成功的數(shù)據(jù)流系統(tǒng)必須能夠根據(jù)數(shù)據(jù)流達到情況而彈性的分配節(jié)點任務量，而且具備安全檢查機制，當系統(tǒng)崩潰后可以從安全檢查點進行恢復，最后一個特性是數(shù)據(jù)流系統(tǒng)的可用性，用

3、戶可以方便的使用該平臺。
　　 雅虎S4系統(tǒng)作為一個海量數(shù)據(jù)流處理系統(tǒng)，受到各個公司的熱捧，然而這個系統(tǒng)依然存在不足。本論文在S4系統(tǒng)的基礎上，探討通過引進查詢特征和處理數(shù)據(jù)節(jié)點的機制來進行java庫的開發(fā)，增加S4系統(tǒng)的可用性，論文中將改進后的系統(tǒng)稱為S4_S。S4_S代替原來系統(tǒng)的代碼擴展機制，用戶通過書寫連續(xù)的聲明語句就可以創(chuàng)建新的流應用。在論文后面會證明改進系統(tǒng)處理數(shù)據(jù)的能力，以及用網絡服務監(jiān)控器和預測新浪微博話題兩個應