染雾存储系统综述范文大全 第一篇
Apache ORC 最初是为支持 Hive 上的 OLAP 查询开发的一种文件格式，如今在 Hadoop 生态系统中有广泛的应用。ORC 支持各种格式的字段，包括常见的 int、string 等，也包括 struct、list、map 等组合字段；字段的 meta 信息就放在 ORC 文件的尾部（这被称为自描述的）。
数据结构及索引
为分区构造索引是一种常见的优化方案，ORC 的数据结构分成以下 3 个层级，在每个层级上都有索引信息来加速查询。
ORC 里的 Stripe 就像传统数据库的页，它是 ORC 文件批量读写的基本单位。这是由于分布式储存系统的读写延迟较大，一次 IO 操作只有批量读取一定量的数据才划算。这和按页读写磁盘的思路也有共通之处。
ACID 支持
Apache ORC 提供有限的 ACID 事务支持。受限于分布式文件系统的特点，文件不能随机写，那如何把修改保存下来呢？
类似于 LSM-Tree 中的 MVCC 那样，writer 并不是直接修改数据，而是为每个事务生成一个 delta 文件，文件中的修改被叠加在原始数据之上。当 delta 文件越来越多时，通过 minor compaction 把连续多个 delta 文件合成一个；当 delta 变得很大时，再执行 major compaction 将 delta 和原始数据合并。
这种保持基线数据不变、分层叠加 delta 数据的优化方式在列式存储系统中十分常见，是一种通用的解决思路。
存储系统综述范文大全 第二篇
关键词：备份；存储；分布式；P2P；技术
1存储与备份技术的高效性
高性能多源下载过程
（1）服务器根据相关信息返回存储需要下载文件的Slave的具体信息；（2）根据文件大小和Slave的负载状态，选择合适的Slave建立socket连接对文件进行分块下载；（3）下载完成后把各个文件块合并成为原始文件。
静态下载
在静态下载中，不考虑备份文件的大小，服务器的负荷量，采取统一的模型进行下载。算法如下：（1）得到备份文件所在服务器的个数n，以及每个服务器的IP地址和端口号；（2）得到文件的总大小size，按照文件分割算法，把文件分割为n块；（3）与每个服务器建立连接，从每个服务器上下载一块文件；（4）下载完成后，把所有文件块合并成一个完整的文件，存储在备份介质上；（5）保存备份文件的相关元数据信息；（6）文件下载、备份完成。
动态下载
在动态下载模型中，要综合考虑各方面因素，动态决定文件是否分块进行多源下载，以及文件块的大小，提高系统资源利用率，进而提高备份效率。对于没有冗余的文件，只能从一个节点上下载。对于较小的文件，使用单线程下载；对于较大的文件，可以采用多线程下载。对于有多个冗余的文件，可以动态选取从负荷量较低的节点进行下载。伪算法表示如下：
首先定义如下变量：文件大小阀值Tl，当文件大小大于Tl时采用多源下载；节点标准负荷T2，若节点负荷大于T2，则节点处于重负荷状态；文件大小size文件冗余数n。
算法表示如下：
if（文件没有冗余）
无须分块下载，可以采用多线程从存储文件的节点上下载文件；
else{
if（文件大小size
无须多源下载，从存储文件的节点中选取负荷最小的节点，下载文件；
elsel
得到存储文件的n个节点的信息；
从n个节点上选择负荷小于阀值T2的节点，节点数目为m；
利用文件分割算法把文件分割为m块；
与选中的m个节点建立连接，从每个节点上下载一个文件块；
下载完成后，把m个文件块合并成为完整的文件；
把文件存储在备份介质；
2存储与备份技术的一致性
锁和快照技术
锁就是当进行数据备份时，对需要备份的数据加锁，此时禁止对数据进行修改。由于备份时禁止对数据的修改，锁技术对数据的可用性会造成一定的影响，会影响到系统的效率。快照就是在相当短的时间内生成原存储系统的瞬时映像，该映像生成之后，备份就可以根据该映像来进行，而不用担心数据的不一致性。快照技术的实现有两种方式：更新复制方式和Split-mirror方式。更新复制技术就是当进行快照时，并不立刻复制数据，只有当数据发生变化时才进行复制。Split-mirror是使用和主存储系统一样的快照存储系统，数据同时保存在主存储系统和快照系统，此时快照系统就可作为备份数据。
在线备份
在分布式文件访问平台中，存在着海量的文件，文件的信息较多，若把文件的信息逐个复制则要浪费大量的时间、空间，对系统的可访问性造成影响。WAFL文件系统使用了更新复制技术。当创建系统快照时，并不立刻复制所有文件信息，而是创建新的快照根节点，它与原文件系统根节点有相同的信息，文件系统中根节点的子节点也为快照根节点的子节点。此时以快照根节点为根节点生成了一棵快照树，它和原文件系统树除了根节点以外，其余部分相同。当文件信息需要修改时，创建新的节点，把文件信息赋给此节点，并把节点作为快照节点插入快照树中，同时修改原节点的信息，具体分为以下情况：
（1）修改文件信息：当对文件的基本信息进行修改时，如更改文件名称等，此种情况下比较简单，伪算法如下：if修改文件）
创建新的节点作为快照节点；
把原节点的信息复制到快照节点；
把快照树中指向原节点的指针指向快照节点；
快照节点儿子节点的指针指向原节点的儿子节点；
修改原节点的信息；
修改文件信息具体过程如图3：
（2）移动文件：当把文件或者目录从一个目录移动到另外一个目录下时，具体伪算法如下：
if移动文件）
创建新的快照节点；
把原节点的信息复制到快照节点；
复制原父目录的信息，添加到快照树中；
把快照树中指向原节点的指针指向快照节点；
快照节点儿子节点的指针指向原节点的儿子节点；
复制新父目录的信息，修改子节点，添加到快照树中；
修改原节点的信息，把原节点移动到新的目录下；
移动文件过程如图4所示：
（3）新建文件：当新建文件时，具体伪算法如下：
if（新建文件）
创建新的节点，并给节点赋予相应的文件信息；
在文件系统树中找到节点的父目录；
if（若父目录己经创建了副本），
把创建的节点插在文件系统树中父目录节点下；
else{
父目录创建副本；
副本赋予相应的信息；
父目录副本儿子节点即为父目录的儿子节点；
快照树中指向原来父目录的指针指向副本；
新建节点插在文件系统树中父目录节点下；
新建文件过程如图5所示：
备份的实现
在创建好快照树之后，就可以进行在线备份。快照树保存的信息就是开始备份瞬间所有文件的信息，进行在线备份时，首先从快照树的根节点开始，逐个访问节点，按顺序对快照树进行遍历、备份，保证了数据的一致性，并且可以在备份的同时允许对数据进行修改，不影响用户的访问。
3存储与备份的可靠性
在分布式系统中存储着海量的数据，数据量大，备份的时间较长，在备份的过程中可能会出现错误情况或者发生意外的中断。因此备份过程中需要随时记录备份的进度，这样在备份发生错误或者异常时，下次备份能够在上次备份的出错点继续进行，实行断点备份，而不用重新开始备份。断点备份过程中，使用日志表来记录备份过程，把每次备份的信息写入日志表。日志表如表1：
伪算法
if（日志表为空）
无须查找断点位置，直接开始备份，备份时把每一个文件的备份信息添加
到日志表；
else{
while（日志表尚未查找完毕）
对于表中每一项，查找此项对应文件在树中的具体位置；
if（此文件尚未备份完成）
记录此文件，即为断点位置；
当日志表查找完成后，即可得到未备份完成的文件；
从断点位置开始继续备份，并把文件备份信息添加到日志表；
本次备份完成后把日志表清空
名称定义
ID文件独一无二的ID
TYPE备份类型，可以是完全备份、增量备份、差量备份
STARY_TIME开始备份时间
FINISHED是否完成
ISFOLDER是否为文件夹
PARENTID文件父节点ID
算法复杂度
若日志表中的记录个数为K，文件总数为N。则对于每一个记录项，要查找其在文件树中的位置，当前一个记录项查找到时，由于遍历的顺序性，后一个记录项可以从前一个的位置继续向后查找，这样，可以保证K个记录项查找次数为K，也即为O（n）。当备份发生错误或者中断时，通过此算法，能够在相当少的时间内，找到断点位置，下一次备份时可以直接从断点位置继续进行，实现断点备份，保证了备份的可靠性。
参考文献
［1］牛云，徐庆.数据备份与灾难恢复［M］.北京：机械工业出版社，2007.
［2］张联峰，刘乃安，张玉清.P2P技术［J］.计算机工程与应用，2007，（12）.
［3］刘天时，赵正.一种通用数据库数据整理方法［J］.计算机工程，2007，（2）.
［4］韩德志，谢长生，李怀阳.存储备份技术探析［J］.计算机应用研究，2006，（5）.
［5］谢川.数据备份技术的初探［J］.中国科技信息，2006，（12）.
存储系统综述范文大全 第三篇
无论对于磁盘还是内存数据库，IO 相对于 CPU 通常都是系统的性能瓶颈，合理的压缩手段不仅能节省空间，也能减少 IO 提高读取性能。列式存储在数据编码和压缩上具有天然的优势。
以下介绍的是 C-Store 中的数据编码方式，具有一定的代表性。根据 1) 数据本身是否按顺序排列（self-order） 2) 数据有多少不同的取值（distinct values），分成以下 4 种情况讨论：
编码之后，还可以对数据进行压缩。由于一列的数据本身具有相似性，即使不做特殊编码，也能取得相对较好的压缩效果。通常采用 Snappy 等支持流式处理、吞吐量高的压缩算法。
最后，编码和压缩不仅是节约空间的手段，更多时候也是组织数据的手段。在 PowerDrill、Dremel 等系统中，我们会看到很多编码本身也兼具了索引的功能，例如在扫描中跳过不需要的分区，甚至完全改表查询执行的方式。
存储系统综述范文大全 第四篇
1云计算的特征
2云存储未来发展趋势
云存储已经成为存储将来发展的方向，目前多家供应商把不同类型的搜索、技术和云存储的应用程序相结合，提供一系列的企业数据服务，使得其更好、更安全。云存储的发展趋势，主要是未来发展的安全性、便携性和兼容性等。
2．1云存储的安全性
2．2云存储的便携性
便携式数据存储也是一些用户需要思考的事情。有很多大型ISP承诺提供的本地存储相媲美的优良传统数据便携性的解决方案。构建私有云，或VPN，是部分一些企业用户的云存储，尤其是对设计的要求，合资公司的分支机构的大型项目中，除了云存储作为云计算平台提供存储资源，可以使用数字资产的集中管理，而且还可以保护不同站点之间数据的一致性，促使更好地完成工作。便携的特点可以帮助用户转移为他所选择的任何媒体，甚至是专门的存储设备中的全部数据。
2．3云存储的兼容性
对于企业来说，一个主要的问题是如何能使现有业务系统转移到云平台，尤其是企业，一个小错误的发展，可能会导致无法承受的经济损失，因为他们有限的容忍错误能力。因为不同云服务提供商的接口是不同的，结构是不一样的，因此有兼容性问题。云和云之间的沟通问题，但还需要一个解决方案。将不能够将数据迁移到一个较低的水平，传统的ILM没有部署到市场上的云计算平台。这些都需要现在能够部署云计算平台，采取适当的存储产品。在实际使用中，用户的部署往往发现后续扩展，往往只需要最低的成本最低的扩展存储介质，它提供了传统的云计算平台的整体性能无法相比的优势。
3结语
存储系统综述范文大全 第五篇
我们知道，由于机械磁盘受限于磁头寻址过程，读写通常都以一块（block）为单位，故在操作系统中被抽象为块设备，与流设备相对。这能帮助上层应用是更好地管理储存空间、增加读写效率等。这一特性直接影响了数据库储存格式的设计：数据库的 Page 对应一个或几个物理扇区，让数据库的 Page 和扇区对齐，提升读写效率。
那如何将数据存放到页上呢？
大多数服务于在线查询的 DBMS
NSM 的缺点在于，如果每次查询只涉及很小的一部分列，那多余的列依然要占用掉宝贵的内存以及 CPU Cache，从而导致更多的 IO；为了避免这一问题，很多分析型数据库采用 DSM (Decomposition Storage Model) 即按列分页：将 relation 按列拆分成多个 sub-relation。类似的，页的尾部存放了一个索引。
顺便一提，2001 年 Ailamaki 等人提出 PAX (Partition Attributes Cross) 格式，尝试将 DSM 的一些优点引入 NSM，将两者的优点相结合。具体来说，NSM 能更快速的取出一行记录，这是因为一行的数据相邻保存在同一页；DSM 能更好的利用 CPU Cache 以及使用更紧凑的压缩。PAX 的做法是将一个页划分成多个 minipage，minipage 内按列存储，而一页中的各个 minipage 能组合成完整的若干 relation。
如今，随着分布式文件系统的普及和磁盘性能的提高，很多先进的 DBMS 已经抛弃了按页存储的模式，但是其中的某些思想，例如数据分区、分区内索引、行列混合等，仍然处处可见于这些现代的系统中。
存储系统综述范文大全 第六篇
传统 OLTP 数据库通常采用行式存储。以下图为例，所有的列依次排列构成一行，以行为单位存储，再配合以 B+ 树或 SS-Table 作为索引，就能快速通过主键找到相应的行数据。
行式存储对于 OLTP 场景是很自然的：大多数操作都以实体（entity）为单位，即大多为增删改查一整行记录，显然把一行数据存在物理上相邻的位置是个很好的选择。
然而，对于 OLAP 场景，一个典型的查询需要遍历整个表，进行分组、排序、聚合等操作，这样一来按行存储的优势就不复存在了。更糟糕的是，分析型 SQL 常常不会用到所有的列，而仅仅对其中某些感兴趣的列做运算，那一行中那些无关的列也不得不参与扫描。
列式存储就是为这样的需求设计的。如下图所示，同一列的数据被一个接一个紧挨着存放在一起，表的每列构成一个长数组。
显然，列式存储对于 OLTP 不友好，一行数据的写入需要同时修改多个列。但对 OLAP 场景有着很大的优势：
