CN112732487B - 一种数据恢复方法及装置 - Google Patents
一种数据恢复方法及装置 Download PDFInfo
- Publication number
- CN112732487B CN112732487B CN202110020343.4A CN202110020343A CN112732487B CN 112732487 B CN112732487 B CN 112732487B CN 202110020343 A CN202110020343 A CN 202110020343A CN 112732487 B CN112732487 B CN 112732487B
- Authority
- CN
- China
- Prior art keywords
- data
- recovered
- type
- preset
- sub
- 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.)
- Active
Links
- 238000011084 recovery Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000000605 extraction Methods 0.000 claims abstract description 48
- 238000012544 monitoring process Methods 0.000 claims abstract description 48
- 230000002159 abnormal effect Effects 0.000 claims abstract description 11
- 238000013507 mapping Methods 0.000 claims description 22
- 230000001360 synchronised effect Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 230000002085 persistent effect Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000002688 persistence Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000003139 buffering effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000013585 weight reducing agent Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/14—Error detection or correction of the data by redundancy in operation
- G06F11/1402—Saving, restoring, recovering or retrying
- G06F11/1446—Point-in-time backing up or restoration of persistent data
- G06F11/1448—Management of the data involved in backup or backup restore
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/14—Error detection or correction of the data by redundancy in operation
- G06F11/1402—Saving, restoring, recovering or retrying
- G06F11/1446—Point-in-time backing up or restoration of persistent data
- G06F11/1458—Management of the backup or restore process
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种数据恢复方法及装置,其中方法为:第一监控中心获取第一待恢复数据的特征数据;所述特征数据是按照至少一个预设特征提取算法对所述第一待恢复数据提取得到的;所述第一待恢复数据为第二监控中心发生异常之前在预设时段内的监控数据;所述第一监控中心根据所述特征数据,按照至少一个预设数据恢复算法,获得第二待恢复数据;所述至少一个预设数据恢复算法为与所述至少一个预设特征提取算法对应的预设数据恢复算法。
Description
技术领域
本发明涉及数据恢复技术领域,尤其涉及一种数据恢复方法及装置。
背景技术
数据中心每天都需要处理大量的数据,数据中心的运转状况尤为关键。目前通常由监控中心监控数据中心,从而能够及时反映数据中心的运转状况。但监控中心也可以出现异常,目前可以通过切换不同的监控中心继续监控,从而保障监控不中断。
然而,当一个监控中心异常时,由原监控节点切换到新的监控中心后,会存在原监控数据丢失的问题。目前的监控数据恢复方式是异地备份。但是,异地备份需要跨网络进行传输,监控数据的数据量较大,传输开销较大,从而导致原监控数据的恢复时间较久。
发明内容
本发明提供一种数据恢复方法及装置,解决了现有技术中原监控数据的恢复时间较久的问题。
第一方面,本发明提供一种数据恢复方法,包括:第一监控中心获取第一待恢复数据的特征数据;所述特征数据是按照至少一个预设特征提取算法对所述第一待恢复数据提取得到的;所述第一待恢复数据为第二监控中心发生异常之前在预设时段内的监控数据;
所述第一监控中心根据所述特征数据,按照至少一个预设数据恢复算法,获得第二待恢复数据;所述至少一个预设数据恢复算法为与所述至少一个预设特征提取算法对应的预设数据恢复算法。
上述方式下,所述特征数据是按照至少一个预设特征提取算法对所述第一待恢复数据提取得到的,所以所述特征数据表征了所述第一待恢复数据的特性,因此,所述第一监控中心根据所述特征数据,按照至少一个预设数据恢复算法,也能获得和第一待恢复数据相似的第二待恢复数据,而且特征数据相对于原数据所述第一待恢复数据而言,数据量较小,那么传输开销较小,所以能在保证一定准确性的基础上,大幅提升恢复时间。
可选的,所述第一待恢复数据包括多个第一类型的第一子待恢复数据;所述至少一个预设特征提取算法包括多个第二类型的预设特征提取算法组合;所述多个第一类型和所述多个第二类型存在第一预设映射关系;所述第一预设映射关系是根据所述多个第一类型的第一子待恢复数据的数据特性确定的;
所述特征数据具体按照以下方式得到:
针对所述多个第一类型中任一第一类型的第一子待恢复数据,根据所述第一类型的第一子待恢复数据,以及所述第一类型所对应的第二类型的预设特征提取算法组合,获得第三类型的子特征数据;
将所述多个第一类型的第一子待恢复数据得到的多个第三类型的子特征数据,作为所述特征数据。
上述方法中,根据不同子待恢复数据的数据特性,设置相应的特征提取算法,获得相应类型的特征数据,从而可以针对数据特性得到与原数据更相似的特征数据。
可选的,所述根据所述第一类型的第一子待恢复数据,以及所述第一类型所对应的第二类型的预设特征提取算法组合,获得第三类型的子特征数据,包括:
根据所述第一类型的第一子待恢复数据,以及所述第一类型所映射的第二类型的预设特征提取算法组合,确定所述第一类型的第一子待恢复数据的基线值和所述第一类型的第一子待恢复数据的特异值;
将所述第一类型的第一子待恢复数据的基线值和所述第一类型的第一子待恢复数据的特异值作为所述第三类型的子特征数据。
上述方法中,通过每种类型子数据的基线值和特异值,进一步精确地表征该类型的子数据的特性。
可选的,所述第二待恢复数据包括多个第一类型的第二子待恢复数据;所述至少一个预设数据恢复算法包括多个第四类型的预设数据恢复算法组合;所述多个第三类型和所述多个第四类型存在第二预设映射关系;所述第二预设映射关系是根据所述多个第三类型的子特征数据的数据特性确定的;
所述第一监控中心根据所述特征数据,按照至少一个预设数据恢复算法,获得第二待恢复数据,包括:
针对所述多个第三类型中任一第三类型的子特征数据,所述第一监控中心根据所述第三类型的子特征数据,以及所述第三类型所映射的第四类型的预设数据恢复算法组合,获得第一类型的第二子待恢复数据;
所述第一监控中心将所述多个第三类型的子特征数据得到的多个第一类型的第二子待恢复数据,作为所述第二待恢复数据。
上述方式下,根据所述第三类型的子特征数据,预设数据恢复算法组合,获得相应第一类型的第二子待恢复数据,从而可以针对数据特性得到与原数据更相似的所述第二待恢复数据。
可选的,所述第一待恢复数据由所述第二监控中心同步到缓存中心;所述第一监控中心获取第一待恢复数据的特征数据,包括:
所述第一监控中心从所述缓存中心获取所述第一待恢复数据。
上述方式下,所述第一待恢复数据由所述第二监控中心同步到缓存中心,再由所述第一监控中心从所述缓存中心获取,从而通过监控中心统一管理,不需要第一监控中心和第二监控中心协调,节约了数据传输效率。
可选的,所述第一待恢复数据包括多块待恢复数据;所述多块待恢复数据均由所述第二监控中心逐块同步到缓存中心;所述第一监控中心从所述缓存中心获取所述第一待恢复数据,包括:
针对所述多块待恢复数据中任一块待恢复数据,待所述缓存中心中的待恢复数据满足预设条件时,所述第一监控中心将所述缓存中心中的待恢复数据作为一块待恢复数据,所述第一监控中心将该块待恢复数据存储至所述第一监控中心的持久化内存空间;
所述预设条件为:所述缓存中心中的待恢复数据的数据量大于预设数据量阈值,或者,所述缓存中心中的待恢复数据为持续时长大于预设时长的待恢复数据。
上述方式下,待所述缓存中心中的待恢复数据满足预设条件时,所述第一监控中心将所述缓存中心中的待恢复数据作为一块待恢复数据,所述第一监控中心将该块待恢复数据存储至所述第一监控中心的持久化内存空间,从而逐块持久化待恢复数据,保证数据的可靠性。
第二方面,本发明提供一种数据恢复装置,包括:获取模块,用于获取第一待恢复数据的特征数据;所述特征数据是按照至少一个预设特征提取算法对所述第一待恢复数据提取得到的;所述第一待恢复数据为第二监控中心发生异常之前在预设时段内的监控数据;
处理模块,用于根据所述特征数据,按照至少一个预设数据恢复算法,获得第二待恢复数据;所述至少一个预设数据恢复算法为与所述至少一个预设特征提取算法对应的预设数据恢复算法。
可选的,所述第一待恢复数据包括多个第一类型的第一子待恢复数据;所述至少一个预设特征提取算法包括多个第二类型的预设特征提取算法组合;所述多个第一类型和所述多个第二类型存在第一预设映射关系;所述第一预设映射关系是根据所述多个第一类型的第一子待恢复数据的数据特性确定的;
所述获取模块还用于:
针对所述多个第一类型中任一第一类型的第一子待恢复数据,根据所述第一类型的第一子待恢复数据,以及所述第一类型所对应的第二类型的预设特征提取算法组合,获得第三类型的子特征数据;
将所述多个第一类型的第一子待恢复数据得到的多个第三类型的子特征数据,作为所述特征数据。
可选的,所述获取模块具体用于:根据所述第一类型的第一子待恢复数据,以及所述第一类型所映射的第二类型的预设特征提取算法组合,确定所述第一类型的第一子待恢复数据的基线值和所述第一类型的第一子待恢复数据的特异值;
将所述第一类型的第一子待恢复数据的基线值和所述第一类型的第一子待恢复数据的特异值作为所述第三类型的子特征数据。
可选的,所述获取模块具体用于:根据所述第一类型的第一子待恢复数据,以及所述第一类型所映射的第二类型的预设特征提取算法组合,确定所述第一类型的第一子待恢复数据的基线值和所述第一类型的第一子待恢复数据的特异值;
将所述第一类型的第一子待恢复数据的基线值和所述第一类型的第一子待恢复数据的特异值作为所述第三类型的子特征数据。
可选的,所述第二待恢复数据包括多个第一类型的第二子待恢复数据;所述至少一个预设数据恢复算法包括多个第四类型的预设数据恢复算法组合;所述多个第三类型和所述多个第四类型存在第二预设映射关系;所述第二预设映射关系是根据所述多个第三类型的子特征数据的数据特性确定的;所述处理模块具体用于:
针对所述多个第三类型中任一第三类型的子特征数据,根据所述第三类型的子特征数据,以及所述第三类型所映射的第四类型的预设数据恢复算法组合,获得第一类型的第二子待恢复数据;
将所述多个第三类型的子特征数据得到的多个第一类型的第二子待恢复数据,作为所述第二待恢复数据。
可选的,所述第一待恢复数据由所述第二监控中心同步到缓存中心;所述获取模块还用于:从所述缓存中心获取所述第一待恢复数据。
可选的,所述第一待恢复数据包括多块待恢复数据;所述多块待恢复数据均由所述第二监控中心逐块同步到缓存中心;所述获取模块具体用于:针对所述多块待恢复数据中任一块待恢复数据,待所述缓存中心中的待恢复数据满足预设条件时,将所述缓存中心中的待恢复数据作为一块待恢复数据,将该块待恢复数据存储至第一监控中心的持久化内存空间;
所述预设条件为:所述缓存中心中的待恢复数据的数据量大于预设数据量阈值,或者,所述缓存中心中的待恢复数据为持续时长大于预设时长的待恢复数据。
上述第二方面及第二方面各个可选装置的有益效果,可以参考上述第一方面及第一方面各个可选方法的有益效果,这里不再赘述。
第三方面,本发明提供一种计算机设备,包括程序或指令,当所述程序或指令被执行时,用以执行上述第一方面及第一方面各个可选的方法。
第四方面,本发明提供一种存储介质,包括程序或指令,当所述程序或指令被执行时,用以执行上述第一方面及第一方面各个可选的方法。
本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种数据恢复方法对应的流程示意图;
图2为本发明实施例提供的一种数据恢复方法对应的特征数据的提取过程示意图;
图3为本发明实施例提供的一种数据恢复方法对应的具体恢复过程示意图;
图4为本发明实施例提供的一种数据恢复***的***架构示意图;
图5为本发明实施例提供的一种数据恢复***中实现过程的示意图;
图6为本发明实施例提供的一种数据恢复方法对应的数据恢复的实现示意图;
图7为本发明实施例提供的一种数据恢复装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,本申请实施例提供一种数据恢复方法。
步骤101:第一监控中心获取第一待恢复数据的特征数据。
所述特征数据是按照至少一个预设特征提取算法对所述第一待恢复数据提取得到的;所述第一待恢复数据为第二监控中心发生异常之前在预设时段内的监控数据。
步骤102:所述第一监控中心根据所述特征数据,按照至少一个预设数据恢复算法,获得第二待恢复数据。
所述至少一个预设数据恢复算法为与所述至少一个预设特征提取算法对应的预设数据恢复算法。
一种可选实施方式中,所述第一待恢复数据由所述第二监控中心同步到缓存中心;步骤101具体可以为:
所述第一监控中心从所述缓存中心获取所述第一待恢复数据。
进一步地,在一种可能情形中,所述第一待恢复数据包括多块待恢复数据;所述多块待恢复数据均由所述第二监控中心逐块同步到缓存中心,上述步骤可以如下:
针对所述多块待恢复数据中任一块待恢复数据,待所述缓存中心中的待恢复数据满足预设条件时,所述第一监控中心将所述缓存中心中的待恢复数据作为一块待恢复数据,所述第一监控中心将该块待恢复数据存储至所述第一监控中心的持久化内存空间;
所述预设条件为:所述缓存中心中的待恢复数据的数据量大于预设数据量阈值,或者,所述缓存中心中的待恢复数据为持续时长大于预设时长的待恢复数据。
需要说明的是,步骤101~步骤102的方法中,具体过程可以为:
利用灵活组合的数据特征提取算法,对海量的时序型监控数据进行处理,生成少量的特征数据,通过集中的缓存将特征数据存放到其他监控中心。当原始数据(第一待恢复数据)出现异常时,利用基线还原算法、数据修复以及深度修复算法,对特征数据进行快速恢复,得到同原始数据具有相同效果的监控数据(第二待恢复数据)。如图2所示,详细过程如下:
Step1-1:灵活组合数据特征值算法。
Step1-2:对原始海量监控数据进行处理,生成特征数据。
Step1-3:特征数据存入缓存中。
Step1-4:缓存中的特征数据写入其他监控中心。
进一步地,数据快速恢复详细过程,可以如图3所示,在单个监控中心数据异常时,可以执行如下步骤:
Step2-1:对第一恢复数据的特征数据进行基线算法还原,得到中间数据1。
Step2-2:对中间数据1进行数据校准,得到中间数据2。
Step2-3:对中间数据3进行深度修复和校准,得到第二恢复数据。
Step2-4:通过第二恢复数据提供数据服务。
一种可选实施方式(以下称为基于类型的实施方式)中,所述第一待恢复数据包括多个第一类型的第一子待恢复数据;所述至少一个预设特征提取算法包括多个第二类型的预设特征提取算法组合;所述多个第一类型和所述多个第二类型存在第一预设映射关系;所述第一预设映射关系是根据所述多个第一类型的第一子待恢复数据的数据特性确定的。
所述特征数据具体按照以下方式得到:
步骤(1):针对所述多个第一类型中任一第一类型的第一子待恢复数据,根据所述第一类型的第一子待恢复数据,以及所述第一类型所对应的第二类型的预设特征提取算法组合,获得第三类型的子特征数据。
步骤(2):将所述多个第一类型的第一子待恢复数据得到的多个第三类型的子特征数据,作为所述特征数据。
基于类型的实施方式中,步骤(1)可能出现的情形如下:
根据所述第一类型的第一子待恢复数据,以及所述第一类型所映射的第二类型的预设特征提取算法组合,确定所述第一类型的第一子待恢复数据的基线值和所述第一类型的第一子待恢复数据的特异值;
将所述第一类型的第一子待恢复数据的基线值和所述第一类型的第一子待恢复数据的特异值作为所述第三类型的子特征数据。
需要说明的是,对于步骤(1)~步骤(2),对于原始监控数据,数据最明显的特点是时序并且详细的。
比如:
时间戳TimeStamp | 指标1 | 指标2 | 指标3 |
2020/10/18/12:00:00 | 32% | 20% | 65% |
2020/10/18/12:00:30 | 32% | 20% | 65% |
2020/10/18/12:01:00 | 42% | 20% | 65% |
… | … | … | … |
2020/10/19/12:00:00 | 32% | 20% | 65% |
根据原始数据的这一特点,通过特征提取算法算出指定时间长度的基线值和特异值构成的特征值,例如通过上述原始数据算出的特征值:
恢复数据时使用特征值通过数据基线还原算法、数据修复以及深度修复算法可以快速的恢复出原有监控样貌(即第二恢复数据)。
基于类型的实施方式中,一种可能的情形中,所述第二待恢复数据包括多个第一类型的第二子待恢复数据;所述至少一个预设数据恢复算法包括多个第四类型的预设数据恢复算法组合;所述多个第三类型和所述多个第四类型存在第二预设映射关系;所述第二预设映射关系是根据所述多个第三类型的子特征数据的数据特性确定的;步骤102可以如下:
针对所述多个第三类型中任一第三类型的子特征数据,所述第一监控中心根据所述第三类型的子特征数据,以及所述第三类型所映射的第四类型的预设数据恢复算法组合,获得第一类型的第二子待恢复数据。
所述第一监控中心将所述多个第三类型的子特征数据得到的多个第一类型的第二子待恢复数据,作为所述第二待恢复数据。
步骤101~步骤102的方法以监控数据自身的特性为基础,根据不同的监控指标的特征灵活选取不同的算法进行组合,计算出监控数据的最佳特征值。原始的海量监控数据不易于传输和存储,经过特征值算法计算后变为少量的、易于传输和存储的特征数据,将特征数据存储到其它监控中心,后续可以通过此特征数据快速的还原出监控数据。数据恢复准确率达到95%以上,24小时监控数据恢复时间在1min以内。
步骤101~步骤102的方法中将原始监控数据(第一恢复数据)转化为特征值标数据具有如下优点:
数据轻量化:经过特征提取算法转换后的特征数据可以缩小为原始监控数据(第一恢复数据)的千分之一、万分之一。
数据还原度高:使用特征提取算法转换后的特征数据至少可以达到原始数据95%的还原度。其中还原出来的监控曲线走势与原始监控曲线保持一致,只有个别细节上可能存在些许差异。监控数据一般关注的是整体的监控走势情况,所以还原出来的数据完全满足监控需求。
数据恢复快:通过特征数据恢复监控数据的处理时间在一分钟以内,不影响用户正常使用。
存储历史数据多:由于特征数据的数据量远小于原始数据,所以通过存储特征数据可以使得在现有监控资源的基础上存储更久的历史数据。
下面结合图4,详细描述本发明实施例提供的一种数据恢复方法。
如图4所示:统一管理中心由数据查询接口、路由模块、缓存中心构成:
每个本地监控中心,由两个存储单元和一个算法中心构成
进一步地,结合图5,具体实现过程如下:
监控数据持续可用参照上图由以下6个过程实现:
步骤(a),特征值计算:
以A中心(一个监控中心,如第一监控中心)性能类指标Cpu和容量类指标Filesystem进行说明:Cpu选取算法1,4,5,7进行组合,计算得到4类特征值;Filesystem选取算法2,3,5进行组合,计算得到3类特征值。特征值实时写入缓存中心。
步骤(b),数据持久化:
缓存中心的A中心特征值达到设定阈值(阈值可以从时间和数据量两个维度控制)后会将数据向本地B中心进行写入,做数据持久化。
假设A中心故障,数据还原过程示例如图6所示。
步骤(c),中心切换:
由路由模块控制原来指向A中心的数据流,全部指向B中心,新数据向B中心进行写入,同时触发B中心对A中心历史数据的进行还原。
步骤(d),基线还原:
在B中心通过算法中心的算法a,d,e使用Cpu特征值1,2,3还原Cpu基线监控数据,通过算法b,c使用Fs特征值1,2还原Filesystem基线监控数据。
步骤(e),数据修复:
在还原出的基线数据的基础上,通过算法g使用Cpu特征值4进一步还原Cpu监控数据,通过算法f使用Fs特征值3进一步还原Filesystem监控数据。
步骤(f),监控数据还原:
通过算法中心的深度修复算法,对上面两步恢复的监控曲线进行优化,最终恢复出与原始监控曲线相似度达到95%以上的监控曲线。
如图7所示,本发明提供一种数据恢复装置,包括:获取模块701,用于获取第一待恢复数据的特征数据;所述特征数据是按照至少一个预设特征提取算法对所述第一待恢复数据提取得到的;所述第一待恢复数据为第二监控中心发生异常之前在预设时段内的监控数据;
处理模块702,用于根据所述特征数据,按照至少一个预设数据恢复算法,获得第二待恢复数据;所述至少一个预设数据恢复算法为与所述至少一个预设特征提取算法对应的预设数据恢复算法。
可选的,所述第一待恢复数据包括多个第一类型的第一子待恢复数据;所述至少一个预设特征提取算法包括多个第二类型的预设特征提取算法组合;所述多个第一类型和所述多个第二类型存在第一预设映射关系;所述第一预设映射关系是根据所述多个第一类型的第一子待恢复数据的数据特性确定的;
所述获取模块701还用于:
针对所述多个第一类型中任一第一类型的第一子待恢复数据,根据所述第一类型的第一子待恢复数据,以及所述第一类型所对应的第二类型的预设特征提取算法组合,获得第三类型的子特征数据;
将所述多个第一类型的第一子待恢复数据得到的多个第三类型的子特征数据,作为所述特征数据。
可选的,所述获取模块701具体用于:根据所述第一类型的第一子待恢复数据,以及所述第一类型所映射的第二类型的预设特征提取算法组合,确定所述第一类型的第一子待恢复数据的基线值和所述第一类型的第一子待恢复数据的特异值;
将所述第一类型的第一子待恢复数据的基线值和所述第一类型的第一子待恢复数据的特异值作为所述第三类型的子特征数据。
可选的,所述获取模块701具体用于:根据所述第一类型的第一子待恢复数据,以及所述第一类型所映射的第二类型的预设特征提取算法组合,确定所述第一类型的第一子待恢复数据的基线值和所述第一类型的第一子待恢复数据的特异值;
将所述第一类型的第一子待恢复数据的基线值和所述第一类型的第一子待恢复数据的特异值作为所述第三类型的子特征数据。
可选的,所述第二待恢复数据包括多个第一类型的第二子待恢复数据;所述至少一个预设数据恢复算法包括多个第四类型的预设数据恢复算法组合;所述多个第三类型和所述多个第四类型存在第二预设映射关系;所述第二预设映射关系是根据所述多个第三类型的子特征数据的数据特性确定的;所述处理模块702具体用于:
针对所述多个第三类型中任一第三类型的子特征数据,根据所述第三类型的子特征数据,以及所述第三类型所映射的第四类型的预设数据恢复算法组合,获得第一类型的第二子待恢复数据;
将所述多个第三类型的子特征数据得到的多个第一类型的第二子待恢复数据,作为所述第二待恢复数据。
可选的,所述第一待恢复数据由所述第二监控中心同步到缓存中心;所述获取模块701还用于:从所述缓存中心获取所述第一待恢复数据。
可选的,所述第一待恢复数据包括多块待恢复数据;所述多块待恢复数据均由所述第二监控中心逐块同步到缓存中心;所述获取模块701具体用于:针对所述多块待恢复数据中任一块待恢复数据,待所述缓存中心中的待恢复数据满足预设条件时,将所述缓存中心中的待恢复数据作为一块待恢复数据,将该块待恢复数据存储至第一监控中心的持久化内存空间;
所述预设条件为:所述缓存中心中的待恢复数据的数据量大于预设数据量阈值,或者,所述缓存中心中的待恢复数据为持续时长大于预设时长的待恢复数据。
基于同一发明构思,本发明实施例还提供了一种计算机设备,包括程序或指令,当所述程序或指令被执行时,如本发明实施例提供的数据恢复方法及任一可选方法被执行。
基于同一发明构思,本发明实施例还提供了一种计算机可读存储介质,包括程序或指令,当所述程序或指令被执行时,如本发明实施例提供的数据恢复方法及任一可选方法被执行。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种数据恢复方法,其特征在于,包括:
第一监控中心获取第一待恢复数据的特征数据;所述特征数据是按照至少一个预设特征提取算法对所述第一待恢复数据提取得到的;所述第一待恢复数据为第二监控中心发生异常之前在预设时段内的监控数据;所述第一待恢复数据包括多个第一类型的第一子待恢复数据;所述至少一个预设特征提取算法包括多个第二类型的预设特征提取算法组合;所述多个第一类型和所述多个第二类型存在第一预设映射关系;所述第一预设映射关系是根据所述多个第一类型的第一子待恢复数据的数据特性确定的;
所述特征数据具体按照以下方式得到:
针对所述多个第一类型中任一第一类型的第一子待恢复数据,根据所述第一类型的第一子待恢复数据,以及所述第一类型所对应的第二类型的预设特征提取算法组合,获得第三类型的子特征数据;
将所述多个第一类型的第一子待恢复数据得到的多个第三类型的子特征数据,作为所述特征数据;
所述第一监控中心根据所述特征数据,按照至少一个预设数据恢复算法,获得第二待恢复数据;所述至少一个预设数据恢复算法为与所述至少一个预设特征提取算法对应的预设数据恢复算法。
2.如权利要求1所述的方法,其特征在于,所述根据所述第一类型的第一子待恢复数据,以及所述第一类型所对应的第二类型的预设特征提取算法组合,获得第三类型的子特征数据,包括:
根据所述第一类型的第一子待恢复数据,以及所述第一类型所映射的第二类型的预设特征提取算法组合,确定所述第一类型的第一子待恢复数据的基线值和所述第一类型的第一子待恢复数据的特异值;
将所述第一类型的第一子待恢复数据的基线值和所述第一类型的第一子待恢复数据的特异值作为所述第三类型的子特征数据。
3.如权利要求1所述的方法,其特征在于,所述第二待恢复数据包括多个第三类型的第二子待恢复数据;所述至少一个预设数据恢复算法包括多个第四类型的预设数据恢复算法组合;所述多个第三类型和所述多个第四类型存在第二预设映射关系;所述第二预设映射关系是根据所述多个第三类型的子特征数据的数据特性确定的;
所述第一监控中心根据所述特征数据,按照至少一个预设数据恢复算法,获得第二待恢复数据,包括:
针对所述多个第三类型中任一第三类型的子特征数据,所述第一监控中心根据所述第三类型的子特征数据,以及所述第三类型所映射的第四类型的预设数据恢复算法组合,获得第一类型的第二子待恢复数据;
所述第一监控中心将所述多个第三类型的子特征数据得到的多个第一类型的第二子待恢复数据,作为所述第二待恢复数据。
4.如权利要求1至3任一项所述的方法,其特征在于,所述第一待恢复数据由所述第二监控中心同步到缓存中心;所述第一监控中心获取第一待恢复数据的特征数据,包括:
所述第一监控中心从所述缓存中心获取所述第一待恢复数据。
5.如权利要求4所述的方法,其特征在于,所述第一待恢复数据包括多块待恢复数据;所述多块待恢复数据均由所述第二监控中心逐块同步到缓存中心;所述第一监控中心从所述缓存中心获取所述第一待恢复数据,包括:
针对所述多块待恢复数据中任一块待恢复数据,待所述缓存中心中的待恢复数据满足预设条件时,所述第一监控中心将所述缓存中心中的待恢复数据作为一块待恢复数据,所述第一监控中心将该块待恢复数据存储至所述第一监控中心的持久化内存空间;
所述预设条件为:所述缓存中心中的待恢复数据的数据量大于预设数据量阈值,或者,所述缓存中心中的待恢复数据为持续时长大于预设时长的待恢复数据。
6.一种数据恢复装置,其特征在于,包括:
获取模块,用于获取第一待恢复数据的特征数据;所述特征数据是按照至少一个预设特征提取算法对所述第一待恢复数据提取得到的;所述第一待恢复数据为第二监控中心发生异常之前在预设时段内的监控数据;所述第一待恢复数据包括多个第一类型的第一子待恢复数据;所述至少一个预设特征提取算法包括多个第二类型的预设特征提取算法组合;所述多个第一类型和所述多个第二类型存在第一预设映射关系;所述第一预设映射关系是根据所述多个第一类型的第一子待恢复数据的数据特性确定的;
所述特征数据具体按照以下方式得到:
针对所述多个第一类型中任一第一类型的第一子待恢复数据,根据所述第一类型的第一子待恢复数据,以及所述第一类型所对应的第二类型的预设特征提取算法组合,获得第三类型的子特征数据;
将所述多个第一类型的第一子待恢复数据得到的多个第三类型的子特征数据,作为所述特征数据;
处理模块,用于根据所述特征数据,按照至少一个预设数据恢复算法,获得第二待恢复数据;所述至少一个预设数据恢复算法为与所述至少一个预设特征提取算法对应的预设数据恢复算法。
7.一种计算机设备,其特征在于,包括程序或指令,当所述程序或指令被执行时,如权利要求1至5中任意一项所述的方法被执行。
8.一种计算机可读存储介质,其特征在于,包括程序或指令,当所述程序或指令被执行时,如权利要求1至5中任意一项所述的方法被执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110020343.4A CN112732487B (zh) | 2021-01-07 | 2021-01-07 | 一种数据恢复方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110020343.4A CN112732487B (zh) | 2021-01-07 | 2021-01-07 | 一种数据恢复方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112732487A CN112732487A (zh) | 2021-04-30 |
CN112732487B true CN112732487B (zh) | 2024-01-23 |
Family
ID=75589601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110020343.4A Active CN112732487B (zh) | 2021-01-07 | 2021-01-07 | 一种数据恢复方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112732487B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101645802A (zh) * | 2008-08-04 | 2010-02-10 | 华为技术有限公司 | 内容控制方法及装置 |
CN105068888A (zh) * | 2015-08-03 | 2015-11-18 | 四川效率源信息安全技术有限责任公司 | 一种基于Oracle数据库的数据恢复方法 |
CN105068887A (zh) * | 2015-08-03 | 2015-11-18 | 四川效率源信息安全技术有限责任公司 | 一种基于SQLServer数据库的数据恢复方法 |
CN109144787A (zh) * | 2018-09-03 | 2019-01-04 | 郑州云海信息技术有限公司 | 一种数据恢复方法、装置、设备及可读存储介质 |
CN110781036A (zh) * | 2019-10-31 | 2020-02-11 | 北京东软望海科技有限公司 | 数据恢复方法、装置、计算机设备及存储介质 |
CN110851301A (zh) * | 2019-10-22 | 2020-02-28 | 厦门市美亚柏科信息股份有限公司 | 一种用于mp4文件的恢复方法和*** |
CN111275333A (zh) * | 2020-01-20 | 2020-06-12 | 江苏神彩科技股份有限公司 | 污染数据处理方法和装置 |
US10853194B1 (en) * | 2017-11-14 | 2020-12-01 | Amazon Technologies, Inc. | Selective data restoration |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107977163B (zh) * | 2017-01-24 | 2019-09-10 | 腾讯科技(深圳)有限公司 | 共享数据回收方法及装置 |
KR101926257B1 (ko) * | 2017-05-15 | 2018-12-06 | 두산중공업 주식회사 | 이상 신호 복원 시스템 및 방법 |
-
2021
- 2021-01-07 CN CN202110020343.4A patent/CN112732487B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101645802A (zh) * | 2008-08-04 | 2010-02-10 | 华为技术有限公司 | 内容控制方法及装置 |
CN105068888A (zh) * | 2015-08-03 | 2015-11-18 | 四川效率源信息安全技术有限责任公司 | 一种基于Oracle数据库的数据恢复方法 |
CN105068887A (zh) * | 2015-08-03 | 2015-11-18 | 四川效率源信息安全技术有限责任公司 | 一种基于SQLServer数据库的数据恢复方法 |
US10853194B1 (en) * | 2017-11-14 | 2020-12-01 | Amazon Technologies, Inc. | Selective data restoration |
CN109144787A (zh) * | 2018-09-03 | 2019-01-04 | 郑州云海信息技术有限公司 | 一种数据恢复方法、装置、设备及可读存储介质 |
CN110851301A (zh) * | 2019-10-22 | 2020-02-28 | 厦门市美亚柏科信息股份有限公司 | 一种用于mp4文件的恢复方法和*** |
CN110781036A (zh) * | 2019-10-31 | 2020-02-11 | 北京东软望海科技有限公司 | 数据恢复方法、装置、计算机设备及存储介质 |
CN111275333A (zh) * | 2020-01-20 | 2020-06-12 | 江苏神彩科技股份有限公司 | 污染数据处理方法和装置 |
Non-Patent Citations (2)
Title |
---|
NAS设备卷管理模块中失效数据恢复问题研究;孔华锋, 余胜生, 鲁宏伟;小型微型计算机***(01);148-151 * |
无线传感器网络自适应预测加权数据融合算法;余修武;范飞生;周利兴;张枫;;传感技术学报(05);772-776 * |
Also Published As
Publication number | Publication date |
---|---|
CN112732487A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7620849B2 (en) | Fault recovery system and method for adaptively updating order of command executions according to past results | |
WO2021091489A1 (en) | Method and apparatus for storing time series data, and server and storage medium thereof | |
US11314830B2 (en) | Method and apparatus for automatically discovering gas station POI, storage medium and device | |
CN112415331B (zh) | 基于多源故障信息的电网二次***故障诊断方法 | |
CN104584524A (zh) | 聚合中介***中的数据 | |
CN116049146B (zh) | 一种数据库故障处理方法、装置、设备及存储介质 | |
CN110391840B (zh) | 太阳同步轨道卫星遥测参数异常判断方法和*** | |
CN107104820B (zh) | 基于f5服务器节点的动态扩容日常运维方法 | |
CN112380067B (zh) | 一种Hadoop环境下基于元数据的大数据备份***及方法 | |
CN109165112B (zh) | 一种元数据集群的故障恢复方法、***及相关组件 | |
CN102722584A (zh) | 数据存储***及方法 | |
CN113283502A (zh) | 基于聚类的设备状态阈值确定方法和装置 | |
CN116723206A (zh) | 车辆故障信息处理方法、装置、电子设备及存储介质 | |
CN111581056A (zh) | 基于人工智能的软件工程数据库维护与预警*** | |
CN114594398A (zh) | 储能锂离子电池数据预处理方法 | |
CN112732487B (zh) | 一种数据恢复方法及装置 | |
CN107122442B (zh) | 一种分布式数据库及其访问方法 | |
CN116302580B (zh) | 纳米继电器算力资源调度方法及装置 | |
CN112436962A (zh) | 区块链共识网络动态扩展方法、电子设备、***及介质 | |
CN116578646A (zh) | 一种时序数据同步方法、装置、设备及存储介质 | |
CN110838940A (zh) | 地下电缆巡检任务配置方法和装置 | |
CN115587147A (zh) | 一种数据处理方法及*** | |
CN109254880A (zh) | 一种处理数据库宕机的方法及装置 | |
CN110109960A (zh) | 一种数据采集扩展控制***及其数据采集方法 | |
CN117389692B (zh) | 虚拟机容灾保护方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |