CN108345684A - 基于多维度多指标体系的智能分析***及分析方法 - Google Patents

基于多维度多指标体系的智能分析***及分析方法 Download PDF

Info

Publication number
CN108345684A
CN108345684A CN201810182841.7A CN201810182841A CN108345684A CN 108345684 A CN108345684 A CN 108345684A CN 201810182841 A CN201810182841 A CN 201810182841A CN 108345684 A CN108345684 A CN 108345684A
Authority
CN
China
Prior art keywords
data
module
binlog
mysql
various dimensions
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810182841.7A
Other languages
English (en)
Inventor
王威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hongcheng Science And Technology Development Co Ltd
Original Assignee
Hongcheng Science And Technology Development Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hongcheng Science And Technology Development Co Ltd filed Critical Hongcheng Science And Technology Development Co Ltd
Priority to CN201810182841.7A priority Critical patent/CN108345684A/zh
Publication of CN108345684A publication Critical patent/CN108345684A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G06F16/275—Synchronous replication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/18—File system types
    • G06F16/1805—Append-only file systems, e.g. using logs or journals to store data
    • G06F16/1815—Journaling file systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G06F16/2358—Change logging, detection, and notification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Stored Programmes (AREA)

Abstract

本发明公开了一种基于多维度多指标体系的智能分析***及分析方法，所述***包括：数据抽取模块，用于从MySQL binlog日志中提取并生成可阅读的SQL语句来重建当前数据库以及时间点的恢复；数据存储模块，用于将从MySQL binlog日志中提取出来的数据利用主从库的方式进行数据存储；数据建模模块，用于将数据存储模块中存储的数据进行封装为多个model；前端展示模块，用于对数据建模模块封装的数据进行访问采用前端展示框架进行前端页面展示。本发明应用多种开源技术，减少了软件设计时采用商业方案时的成本昂贵问题，同时解决数据时间戳抽取、无法实时传递数据的问题，实现更高效的数据抽取。

Description

基于多维度多指标体系的智能分析***及分析方法
技术领域
本发明涉及智能分析技术，具体涉及一种基于多维度多指标体系的智能分析***及分析方法。
背景技术
智能报表***通过对原始数据的分析整合,将结果(表现形式为文字\表格\图形等)反馈给企业客户，客户可以通过***提供的多维度的指标实现多指标的分析查看，得到业务的具体行业指标的数据呈现。现有智能分析的报表设计***处理流程，是从数据源中抽取数据到目标数据库，通过数据建模代码程序处理再到前台页面展示，以及常规***由客户提出特定业务的统计诉求，开发人员编码开发，针对技术一般采用主从库分摊压力，添加索引，中间数据解决效率问题。
对于处理流程一般采取两种方案，第一是商业方案是采用Oracle 业务智能企业增强版BI 产品Oracle BIEE，该产品通过Oracle流复制实现数据抽取，Oracle RAC真正应用集群，是Oracle9i新版数据库中采用的一项新技术RAC聚簇表 TIMESTEN实现存储数据仓库，再由CUBE建模工具实现建模，最后前台仪表盘设计器展示。
上述方案的商业问题：前端展现组件定制困难，成本昂贵。
第二为一般的开源方案Kettle（开源的ETL工具，纯java编写，可以在Window、Linux、Unix上运行，数据抽取高效稳定）将数据抽取到三方数据库MySQL通过Mondrian建模工具最后采用Jpivot，Saiku前端技术实现页面。
开源方案的问题：时间戳抽取、无法实时传递数据，Mondrian bug修复不及时，JPivotSaiku展现单一，修改不易。
发明内容
本发明的目的在于提供一种基于多维度多指标体系的智能分析***及分析方法，解决目前的智能分析方案前端展现组件定制困难以及时间戳抽取、无法实时传递数据的问题。
为解决上述的技术问题，本发明采用以下技术方案：
一种基于多维度多指标体系的智能分析***，所述***包括：
数据抽取模块，用于从MySQL binlog日志中提取并生成可阅读的SQL语句来重建当前数据库以及时间点的恢复；
数据存储模块，用于将从MySQL binlog日志中提取出来的数据利用主从库的方式进行数据存储；
数据建模模块，用于将数据存储模块中存储的数据进行封装为多个model；
前端展示模块，用于对数据建模模块封装的数据进行访问采用前端展示框架进行前端页面展示。
一种基于多维度多指标体系的智能分析方法，包括以下步骤：
S1：数据抽取模块从MySQL binlog日志中提取并生成可阅读的SQL语句来重建当前数据库以及时间点的恢复；
S2：数据存储模块将从MySQL binlog日志中提取出来的数据利用主从库的方式进行数据存储；
S3：数据建模模块将数据存储模块中存储的数据进行封装为多个model；
S4：前端展示模块对数据建模模块封装的数据进行访问采用前端展示框架进行前端页面展示。
作为优选，所述S1步骤中数据抽取模块从MySQL binlog日志中提取并生成可阅读的SQL语句来重建当前数据库以及时间点的恢复的具体方法是：
S11：查看指定binlog文件的内容；
S12：查看当前正在写入的binlog文件的内容；
S13：获取指定位置binlog文件的内容。
作为优选，所述S2步骤中数据存储模块将从MySQL binlog日志中提取出来的数据利用主从库的方式进行数据存储的具体方法是：通过修改MySQL数据库安装目录下的my.ini配置文件，进行实时备份并开启主从库同步。
作为优选，所述S2步骤中开启主从库同步复制的方式是：
S21：master将数据变更记录到二进制日志binlog文件；
S22：slave将master的binary log events拷贝到它的中继日志relay log文件中；
S23：slave重做中继日志中的事件，更新数据。
作为优选，所述S3步骤中数据建模模块将数据存储模块中存储的数据进行封装为多个model的具体方法是：采用spring框架并结合Java多线程的异步调用机制将数据根据用户的请求封装为多个model，返回给springmvc框架的modelandview对象。
作为优选，所述S4步骤中前端展示模块采用ajax的异步调用机制。
与现有技术相比，本发明的有益效果是：
本发明应用多种开源技术，减少了软件设计时采用商业方案时的成本昂贵问题，相对于一般的开源方案，基于MySQL的Binlog方式抽取是一种基于数据本身的存储仓库的抽取，相对的开源的ETL工具java编写Kettle第三方工具更好的解决数据时间戳抽取、无法实时传递数据的问题，实现更高效的数据抽取。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对本发明的智能分析***的一个实施例是，一种基于多维度多指标体系的智能分析***，所述***包括：
数据抽取模块，用于从MySQL binlog日志中提取并生成可阅读的SQL语句来重建当前数据库以及时间点的恢复；
数据存储模块，用于将从MySQL binlog日志中提取出来的数据利用主从库的方式进行数据存储；
数据建模模块，用于将数据存储模块中存储的数据进行封装为多个model；
前端展示模块，用于对数据建模模块封装的数据进行访问采用前端展示框架进行前端页面展示。
MySQL binlog日志记录了MySQL数据库从启用日志以来所有对当前数据库的变更。
MySQL的二进制日志binlog是MySQL最重要的日志，它记录了所有的DDL和DML语句（除了数据查询语句select），以事件形式记录，还包含语句所执行的消耗的时间，对于获取数据库***的数据，用binlog是最快的方式 。
数据抽取是给予binglog的方式抽取，这是mysql自己的日志***，所以相对于Kettle工具更加快捷，抽取后得数据要有中间数据库作为存储仓库，访问数据是用jdbc或者时mycat访问的，对于抽取到数据仓库得数据要进行数据建模展示，而建模得方式事采用并行化得数据访问，并行化就是采用异步得方式，可以不用像队列似等待请求，用户访问数据会更快，而数据最终展示给用户，可以使用BashBoard这种前端专业框架进行展示也可以采用自己开发封装的前端框架进行展示。
数据存储模块中数据仓库的选择可以除了mysql之外其他的几种主流的数据库如Oracle，Sql Server DB2等，MyCat都可以很好的兼容，另外数据量比较大并发量大的情况下可以考虑非关系型数据库的应用。
采用Dashboard仪表盘前端框架或者自己封装的前端展示框架相对于OracleBIEE 更加经济。
针对本发明的智能分析方法的一个实施例是，一种基于多维度多指标体系的智能分析方法，包括以下步骤：
S1：数据抽取模块从MySQL binlog日志中提取并生成可阅读的SQL语句来重建当前数据库以及时间点的恢复；
S2：数据存储模块将从MySQL binlog日志中提取出来的数据利用主从库的方式进行数据存储；
S3：数据建模模块将数据存储模块中存储的数据进行封装为多个model；
S4：前端展示模块对数据建模模块封装的数据进行访问采用前端展示框架进行前端页面展示。
进一步地，针对本发明的智能分析方法的另一个实施例中，所述S1步骤中数据抽取模块从MySQL binlog日志中提取并生成可阅读的SQL语句来重建当前数据库以及时间点的恢复的具体方法是：
S11：查看指定binlog文件的内容；
S12：查看当前正在写入的binlog文件的内容；
S13：获取指定位置binlog文件的内容。
进一步地，针对本发明的智能分析方法的另一个实施例中，所述S2步骤中数据存储模块将从MySQL binlog日志中提取出来的数据利用主从库的方式进行数据存储的具体方法是：通过修改MySQL数据库安装目录下的my.ini配置文件，进行实时备份并开启主从库同步。
修改mysql安装目录下my.ini配置文件的方式如下：
#MySQL 磁盘写入策略以及数据安全性
#每次事务提交时MySQL都会把log buffer的数据写入log file，并且flush(刷到磁盘)中去
#当sync_binlog =N (N>0) ，MySQL 在每写 N次 二进制日志binary log时，会使用fdatasync()函数将它的写二进制日志binary log同步到磁盘中去。sync_binlog 的默认值是0，像操作***刷其他文件的机制一样，MySQL不会同步到磁盘中去而是依赖操作***来刷新binary log。
#mysql复制模式，三种：SBR（基于sql语句复制），RBR（基于行的复制），MBR（混合模式复制）
binlog_format=MIXED 此处采用混合模式复制
expire_logs_days=7 用以设置binlog过期清理时间
max_binlog_size=20M 用以设置binlog每个日志文件大小
从库要做相同操作，并且完成如上步骤之后：开启同步
开启主从同步
主库（master）上查看binlog日志文件，以及坐标。
从库配置访问信息，开启同步。
采用mysql数据库作为数据仓库，访问层采用 轻量级、可快速定位排查的jdbc，以及开源分布式数据库中间件MyCat，可以用JDBC协议与大多数主流数据库服务器通信，其核心功能是分表分库，即将一个大表水平分割为N个小表，存储在后端MySQL服务器里，更好的实现支持缓存、分布式数据库。
进一步地，针对本发明的智能分析方法的另一个实施例中，所述S2步骤中开启主从库同步复制的方式是：
S21：master将数据变更记录到二进制日志binlog文件；
S22：slave将master的binary log events拷贝到它的中继日志relay log文件中；
S23：slave重做中继日志中的事件，更新数据。
进一步地，针对本发明的智能分析方法的另一个实施例中，所述S3步骤中数据建模模块将数据存储模块中存储的数据进行封装为多个model的具体方法是：采用spring框架并结合Java多线程的异步调用机制将数据根据用户的请求封装为多个model，返回给springmvc框架的modelandview对象。
进一步地，针对本发明的智能分析方法的另一个实施例中，所述S4步骤中前端展示模块采用ajax的异步调用机制。
前端展示模块采用ajax异步调用机制同后端的spring框架和Java多线程结合实现并行化处理，能够提高处理效率。
前端页面展示要结合商业智能仪表盘Dashboard仪表盘（business intelligencedashboard，BI dashboard），它是一般商业智能都拥有的实现数据可视化的模块，是向企业展示度量信息和关键业务指标（KPI）现状的数据虚拟化工具。并在前端设计时候结合自定义布局器这样就可以根据客户的不同要求现实不同样式的图表以及最大限度的发挥维度、指标的组合的报表功能。
尽管这里参照本发明的多个解释性实施例对本发明进行了描述，但是，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说，在本申请公开和权利要求的范围内，可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变形和改进外，对于本领域技术人员来说，其他的用途也将是明显的。

Claims (7)

1.一种基于多维度多指标体系的智能分析***，其特征在于：所述***包括：
数据抽取模块，用于从MySQL binlog日志中提取并生成可阅读的SQL语句来重建当前数据库以及时间点的恢复；
数据存储模块，用于将从MySQL binlog日志中提取出来的数据利用主从库的方式进行数据存储；
数据建模模块，用于将数据存储模块中存储的数据进行封装为多个model；
前端展示模块，用于对数据建模模块封装的数据进行访问采用前端展示框架进行前端页面展示。
2.一种基于多维度多指标体系的智能分析方法，其特征在于：包括以下步骤：
S1：数据抽取模块从MySQL binlog日志中提取并生成可阅读的SQL语句来重建当前数据库以及时间点的恢复；
S2：数据存储模块将从MySQL binlog日志中提取出来的数据利用主从库的方式进行数据存储；
S3：数据建模模块将数据存储模块中存储的数据进行封装为多个model；
S4：前端展示模块对数据建模模块封装的数据进行访问采用前端展示框架进行前端页面展示。
3.根据权利要求2所述的基于多维度多指标体系的智能分析方法，其特征在于：所述S1步骤中数据抽取模块从MySQL binlog日志中提取并生成可阅读的SQL语句来重建当前数据库以及时间点的恢复的具体方法是：
S11：查看指定binlog文件的内容；
S12：查看当前正在写入的binlog文件的内容；
S13：获取指定位置binlog文件的内容。
4.根据权利要求2所述的基于多维度多指标体系的智能分析方法，其特征在于：所述S2步骤中数据存储模块将从MySQL binlog日志中提取出来的数据利用主从库的方式进行数据存储的具体方法是：通过修改MySQL数据库安装目录下的my.ini配置文件，进行实时备份并开启主从库同步。
5.根据权利要求2所述的基于多维度多指标体系的智能分析方法，其特征在于：所述S2步骤中开启主从库同步复制的方式是：
S21：master将数据变更记录到二进制日志binlog文件；
S22：slave将master的binary log events拷贝到它的中继日志relay log文件中；
S23：slave重做中继日志中的事件，更新数据。
6.根据权利要求2所述的基于多维度多指标体系的智能分析方法，其特征在于：所述S3步骤中数据建模模块将数据存储模块中存储的数据进行封装为多个model的具体方法是：采用spring框架并结合Java多线程的异步调用机制将数据根据用户的请求封装为多个model，返回给springmvc框架的modelandview对象。
7.根据权利要求2所述的基于多维度多指标体系的智能分析方法，其特征在于：所述S4步骤中前端展示模块采用ajax的异步调用机制。
CN201810182841.7A 2018-03-06 2018-03-06 基于多维度多指标体系的智能分析***及分析方法 Pending CN108345684A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810182841.7A CN108345684A (zh) 2018-03-06 2018-03-06 基于多维度多指标体系的智能分析***及分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810182841.7A CN108345684A (zh) 2018-03-06 2018-03-06 基于多维度多指标体系的智能分析***及分析方法

Publications (1)

Publication Number Publication Date
CN108345684A true CN108345684A (zh) 2018-07-31

Family

ID=62956952

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810182841.7A Pending CN108345684A (zh) 2018-03-06 2018-03-06 基于多维度多指标体系的智能分析***及分析方法

Country Status (1)

Country Link
CN (1) CN108345684A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109560965A (zh) * 2018-12-03 2019-04-02 郑州云海信息技术有限公司 一种分布式***的流量获取方法、装置及设备
CN111143123A (zh) * 2019-12-12 2020-05-12 广州兴森快捷电路科技有限公司 一种恢复未保存数据的方法及装置
CN111639113A (zh) * 2019-03-01 2020-09-08 千寻位置网络有限公司 收集MySQL数据库执行的SQL数据的***及其方法
CN111752901A (zh) * 2020-06-23 2020-10-09 网易（杭州）网络有限公司 索引创建方法及装置、电子设备、存储介质
CN112183379A (zh) * 2020-09-29 2021-01-05 国网天津市电力公司 一种面向报表的多维度管理分析方法及***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104951474A (zh) * 2014-03-31 2015-09-30 阿里巴巴集团控股有限公司 一种用于获取MySQL binlog增量日志的方法和装置
CN105447014A (zh) * 2014-08-15 2016-03-30 阿里巴巴集团控股有限公司 基于binlog的元数据管理方法和用于提供元数据的方法及装置
CN105512284A (zh) * 2015-12-07 2016-04-20 上海爱数信息技术股份有限公司 基于事务形态数据和binlog文件的MySQL数据保护方法
CN106446239A (zh) * 2016-10-11 2017-02-22 北京集奥聚合科技有限公司 一种基于binlog的数据实时处理方法及***
CN106547801A (zh) * 2015-09-23 2017-03-29 北京奇虎科技有限公司 数据库数据闪回方法和装置
CN107153636A (zh) * 2017-04-18 2017-09-12 北京思特奇信息技术股份有限公司 一种实现以pdf格式快速导出业务数据的方法及***
CN107705079A (zh) * 2017-11-08 2018-02-16 厦门旺集信息科技有限公司 物流仓储管理***处理方法以及跨境电商交易方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104951474A (zh) * 2014-03-31 2015-09-30 阿里巴巴集团控股有限公司 一种用于获取MySQL binlog增量日志的方法和装置
CN105447014A (zh) * 2014-08-15 2016-03-30 阿里巴巴集团控股有限公司 基于binlog的元数据管理方法和用于提供元数据的方法及装置
CN106547801A (zh) * 2015-09-23 2017-03-29 北京奇虎科技有限公司 数据库数据闪回方法和装置
CN105512284A (zh) * 2015-12-07 2016-04-20 上海爱数信息技术股份有限公司 基于事务形态数据和binlog文件的MySQL数据保护方法
CN106446239A (zh) * 2016-10-11 2017-02-22 北京集奥聚合科技有限公司 一种基于binlog的数据实时处理方法及***
CN107153636A (zh) * 2017-04-18 2017-09-12 北京思特奇信息技术股份有限公司 一种实现以pdf格式快速导出业务数据的方法及***
CN107705079A (zh) * 2017-11-08 2018-02-16 厦门旺集信息科技有限公司 物流仓储管理***处理方法以及跨境电商交易方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王雪梅 等: "在线图表更新技术的改进与应用", 《实验科学与技术》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109560965A (zh) * 2018-12-03 2019-04-02 郑州云海信息技术有限公司 一种分布式***的流量获取方法、装置及设备
CN111639113A (zh) * 2019-03-01 2020-09-08 千寻位置网络有限公司 收集MySQL数据库执行的SQL数据的***及其方法
CN111143123A (zh) * 2019-12-12 2020-05-12 广州兴森快捷电路科技有限公司 一种恢复未保存数据的方法及装置
CN111752901A (zh) * 2020-06-23 2020-10-09 网易（杭州）网络有限公司 索引创建方法及装置、电子设备、存储介质
CN111752901B (zh) * 2020-06-23 2024-04-05 网易（杭州）网络有限公司 索引创建方法及装置、电子设备、存储介质
CN112183379A (zh) * 2020-09-29 2021-01-05 国网天津市电力公司 一种面向报表的多维度管理分析方法及***

Similar Documents

Publication Publication Date Title
CN108345684A (zh) 基于多维度多指标体系的智能分析***及分析方法
US20230267131A1 (en) Managing database failover based on transaction request time
CA3121919C (en) System and method for augmenting database applications with blockchain technology
US10180946B2 (en) Consistent execution of partial queries in hybrid DBMS
CN109906448B (zh) 用于促进可插拔数据库上的操作的方法、设备和介质
US10055440B2 (en) Database table re-partitioning using trigger-based capture and replay
US9218405B2 (en) Batch processing and data synchronization in cloud-based systems
CN102508835B (zh) 基于日志管理包的增量数据实时同步装置和方法
CN109101627A (zh) 异构数据库同步方法及装置
US9418094B2 (en) Method and apparatus for performing multi-stage table updates
EP2746971A2 (en) Replication mechanisms for database environments
CN104899295B (zh) 一种异构数据源数据关联分析方法
CN103430144A (zh) 数据源分析
CN104317944B (zh) 一种基于公式的时间戳动态调整并发控制方法
US7624117B2 (en) Complex data assembly identifier thesaurus
CN104317957B (zh) 一种报表处理的开放平台、***及报表处理方法
CN109947801A (zh) 数据库数据同步***、方法及装置
Cha et al. P* TIME: Highly scalable OLTP DBMS for managing update-intensive stream workload
CN111367994A (zh) 数据库增量数据同步备份方法及***
CN105955989A (zh) 一种云平台数据库主从服务器的建立方法
CN108536833A (zh) 一种分布式、面向大数据的数据库及其构建方法
CN110895547A (zh) 基于db2联邦特性的多源异构数据库数据同步***及方法
CN100520781C (zh) 主内存数据中心数据处理方法
WO2010150750A1 (ja) 属性付きキーバリューストアによるデータベース管理装置及び、そのキーバリューストア構造キャッシュ装置
JP2941779B1 (ja) 複数計算機間のデータベースレプリケーション制御方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180731

RJ01 Rejection of invention patent application after publication