基于海量數據的實時查詢處理.pdf

1、過去幾年間，互聯網存儲的信息量增長了成千上萬倍，數據環(huán)境千變萬化，數據量爆炸式增長，用戶需求的個性化，交互的增加和實時性，導致傳統的數據庫和數據處理系統已經無法處理。傳統的數據庫系統側重于數據的一致性和可用性，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數據庫(如HDFS數據庫)，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、容錯性強的海量數據框架(如Hadoop)來處理日常海量業(yè)務

2、數據。
　　 數據流和數據框架組合在一起，形成數據流管理系統，在不存儲信息的情況下，能夠實時、持續(xù)不斷的處理海量數據，目前很多公司已經具備自己的數據流管理系統，如yahoo S4系統、facebook puma、twitter strom、阿里iprocess等等。一個成功的數據流系統必須能夠根據數據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，當系統崩潰后可以從安全檢查點進行恢復，最后一個特性是數據流系統的可用性，用

3、戶可以方便的使用該平臺。
　　 雅虎S4系統作為一個海量數據流處理系統，受到各個公司的熱捧，然而這個系統依然存在不足。本論文在S4系統的基礎上，探討通過引進查詢特征和處理數據節(jié)點的機制來進行java庫的開發(fā)，增加S4系統的可用性，論文中將改進后的系統稱為S4_S。S4_S代替原來系統的代碼擴展機制，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處理數據的能力，以及用網絡服務監(jiān)控器和預測新浪微博話題兩個應