CN114443767B - 确定分布式***一致性级别的方法、装置、设备及介质 - Google Patents
确定分布式***一致性级别的方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114443767B CN114443767B CN202210094402.7A CN202210094402A CN114443767B CN 114443767 B CN114443767 B CN 114443767B CN 202210094402 A CN202210094402 A CN 202210094402A CN 114443767 B CN114443767 B CN 114443767B
- Authority
- CN
- China
- Prior art keywords
- data
- nodes
- preset number
- cluster
- consistency level
- 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
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 abstract description 13
- 238000007405 data analysis Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
-
- 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
- G06F16/2365—Ensuring data consistency and integrity
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)
- Computer Security & Cryptography (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种确定分布式***一致性级别的方法、装置、设备及介质,通过获取集群中节点的个数、第一预设个数和第二预设个数,第一预设个数用于表征写入数据至节点的个数,第二预设个数用于表征读取节点数据的节点的个数,通过判断第一预设个数和第二预设个数的和值与节点个数的关系确定一致性级别。可见,通过判断第一预设个数和第二预设个数的和值与节点个数的关系,和值大于节点个数时,采用强一致性级别,和值小于节点个数时,采用最终一致性级别,因此需要强一致性级别时,可以将第一预设个数的数值设置大一点,需要最终一致性级别时,可以将第一预设个数的数值设置小一点,可以实现一致性级别的切换,提高了分布式***处理数据的效率。
Description
技术领域
本申请涉及互联网技术领域,特别是涉及一种确定分布式***一致性级别的方法、装置、设备及介质。
背景技术
互联网发展越发成熟,智能设备越来越多,数据量存储越来越大,传统的单机数据库不能满足海量数据存储和并发处理的需求。越来越多的企业选择使用分布式数据库集群,按照数据同步的方式分类,分布式***可以分为“强一致性”和“最终一致性”两种。其中,强一致性分布***为任何一次读都可以读到某个数据的最近一次写的数据,而最终一致性是不保证在任意时刻任意节点上的同一份数据都是相同的,但是随着时间的迁移,不同节点上的同一份数据总是在向趋同的方向变化。例如在消费了某商品后,要保证用户查看余额时显示正确的值,以及对应的积分显示正确的值,这就需要用到强一致性。在一些场景,数据对客户来说不太重要时,延迟的更新对客户影响不大时就会用到最终一致性,例如快递状态或库存数据等。
但是目前的技术只能存在强一致性或最终一致性的分布式***,在只存在最终一致性分布式***的情况下,如果临时需要对几个业务模块的数据进行实时分析,就无法实现,导致处理数据的效率低下。
鉴于上述技术问题,寻求一种提高分布式***处理数据的效率的方法,是本领域技术人员亟待解决的问题。
发明内容
本申请的目的是提供一种确定分布式***一致性级别的方法、装置及介质。
为解决上述技术问题,本申请提供一种确定分布式***一致性级别的方法,包括:
获取集群中的节点个数;
获取第一预设个数和第二预设个数的和值,其中,所述第一预设个数用于表征写入数据至节点的个数,所述第二预设个数用于表征读取节点数据的节点的个数;
判断所述和值是否大于所述节点个数;
若是,采用强一致性级别对数据进行分析;
若否,采用最终一致性级别对所述数据进行分析。
优选地,所述采用强一致性级别对数据进行分析包括:
判断所述集群中的节点是否写入数据完全;
若是,按照所述第二预设个数对所述集群中的节点数据进行读取,并显示新写入的数据。
优选地,若所述集群中的节点没有写入数据完全,则还包括:
按照所述第二预设个数对所述集群中的节点数据进行读取;
通过所读取的节点数据获取所述新写入的数据;
显示所述新写入的数据。
优选地,若确定所述分布式***的一致性级别为所述最终一致性级别或所述强一致性级别,则还包括:
判断所述集群中的节点是否写入数据完全;
若是,输出写入完全提示信息;
若否,按照所述第一预设个数对所述集群中的节点写入数据。
优选地,所述采用最终一致性级别对所述数据进行分析包括:
判断所述集群中的节点是否写入数据完全;
若是,按照所述第二预设个数对所述集群中的节点数据进行读取,并显示所述新写入的数据。
优选地,若所述集群中的节点未写入数据完全,则还包括:
按照所述第二预设个数对所述集群中的节点的数据进行获取;
判断所读取的节点中的所述节点数据是否包含所述新写入的数据;
若是,显示所述新写入的数据;
若否,显示旧的数据,并返回所述按照所述第二预设个数对所述集群中的节点的数据进行获取的步骤。
优选地,还包括:
判断所述第一预设个数和所述第二预设个数是否有数量的改变;
若是,进入所述获取第一预设个数和第二预设个数的和值的步骤;
若否,进入所述判断所述和值是否大于所述节点个数的步骤。
为解决上述技术问题,本申请还提供一种确定分布式***一致性级别的装置,包括:
第一获取模块,用于获取集群中的节点个数;
第二获取模块,用于获取第一预设个数和第二预设个数的和值,其中,所述第一预设个数用于表征写入数据至节点的个数,所述第二预设个数用于表征读取节点数据的节点个数;
判断模块,用于判断所述和值是否大于所述节点个数,若是,触发第一采用模块,若否,触发第二采用模块;
所述第一采用模块,用于采用强一致性级别对数据进行分析;
所述第二采用模块,用于采用最终一致性级别对所述数据进行分析。
为解决上述技术问题,本申请还提供一种确定分布式***一致性级别的设备,包括存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上述所述的确定分布式***一致性级别的方法的步骤。
为解决上述技术问题,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述所述的确定分布式***一致性级别的方法的步骤。
本申请所提供的一种确定分布式***一致性级别的方法,通过获取集群中节点的个数、第一预设个数和第二预设个数,再通过判断第一预设个数和第二预设个数的和值与节点个数的关系确定一致性级别,其中,第一预设个数用于表征写入数据至节点的个数,第二预设个数用于表征读取节点数据的节点的个数。可见,此方法通过判断第一预设个数和第二预设个数的和值与节点个数的关系,在和值大于节点个数时,采用强一致性级别,在和值小于节点个数时,采用最终一致性级别,因此在需要强一致性级别时,可以通过将第一预设个数的数值设置大一点,在需要最终一致性级别时,可以将第一预设个数的数值设置小一点,可以实现一致性级别的切换,提高了分布式***的效率。
在此基础上,本申请还提供一种确定分布式***一致性级别的装置、设备和介质,效果同上。
附图说明
为了更清楚地说明本申请实施例,下面将对实施例中所需要使用的附图做简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种确定分布式***一致性级别的方法的流程图;
图2为本申请实施例提供的一种采用强一致性级别对数据分析的方法的流程图;
图3为本申请实施例提供的一种采用最终一致性级别对数据分析的方法的流程图;
图4为本申请实施例提供的一种确定分布式***一致性级别的装置的结构图;
图5为本申请另一实施例提供的确定分布式***一致性级别的设备的结构图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下,所获得的所有其他实施例,都属于本申请保护范围。
本申请的核心是提供一种确定分布式***一致性级别的方法、装置、设备及介质。需要说明的是,本申请所提到的分布式***主要为MySQL数据库集群,也可以应用于其它分布式***,由于传统的单机数据库不能满足海量数据存储和并发处理的需求,目前多采用MySQL数据库集对数据进行存储和处理,所以本方法尤其使用与MySQL数据库集群。
为了使本技术领域的人员更好地理解本申请方案,下面结合附图和具体实施方式对本申请作进一步的详细说明。
图1为本申请实施例提供的一种确定分布式***一致性级别的方法的流程图,如图1所示,确定分布式***一致性级别的方法包括:
S10:获取集群中节点的个数。
S11:获取第一预设个数和第二预设个数的和值。
S12:判断和值是否大于节点的个数,若是,进入S13步骤,若否,进入S14步骤。
S13:采用强一致性级别对数据进行分析。
S14:采用最终一致性级别对数据进行分析。
目前的技术只能存在强一致性或最终一致性的分布式***,在只存在最终一致性分布式***的情况下,如果临时需要对几个业务模块的数据进行实时分析,就无法实现,导致处理数据的效率低下。因此突出一种确定分布式***一致性级别的方法,如步骤S10和步骤S11所说,获取集群中的节点的个数,获取第一预设个数和第二预设个数的和值,值得注意的是,第一预设个数用于表征写入数据至节点的个数,第二预设个数用于表征读取节点数据的个数。例如第一预设个数为1,而集群中存在3个节点,写将数据先写入一个节点中,并对客户端进行反馈,反馈过后继续将数据写入下一个节点,写入成功后对客户端反馈,直到每个节点都被写入数据为止。而第二预设个数是读取节点的个数,例如第二预设个数为1,集群中存在3个节点,则一次读取一个节点,随后根据读取的节点是否包含写入的数据和当前一致性的级别做出对应的处理。此外,第一预设个数和第二预设个数是根据客户的要求进行设置,本实施例对第一预设个数和第二预设个数的具体数值不作限定。
在此基础上,强一致性分布***为任何一次读都可以读到某个数据的最近一次写的数据,而最终一致性是不保证在任意时刻任意节点上的同一份数据都是相同的,但是随着时间的迁移,不同节点上的同一份数据总是在向趋同的方向变化。S12步骤中提到判断和值是否大于节点个数,若是进入S13步骤,若否,进入S14步骤。通过判断第一预设个数和第二预设个数的和值确定出分布***一致性级别,具体的为,例如节点个数为5个,第一预设个数为3个,第二预设个数也为3个。则第一预设个数和第二预设个数的和值大于节点个数,当对集群中节点的3个节点写入数据,那么只剩下两个节点未写入数据,第二预设个数为3个,代表读取3个节点的数据,而未包含新数据的节点只有两个,那么一定可以读取到新的数据,因此采用强一致性级别对数据进行分析。但是,若第二预设个数为2个,则第一预设个数和第二预设个数的和值不大于节点个数,根据第一预设个数对集群中的3个节点写入数据,根据第二预设个数对集群中的两个节点读取数据,就有可能处于读取节点的数据正好是未写入新的数据的两个节点,因此采用最终一致性级别对数据进行分析。
此外,在对第一预设个数节点写入数据后,需要对客户端进行反馈写入完全,在反馈完全后再返回节点继续写入数据,这个过程可能在选取一致性级别之后完成,也可能在选取一致性级别之前完成,主要看写入数据的大小,因此,在集群中的节点未完全写入之前很有必要对分布式***的一致性级别进行一个选择。
本实施例提供的一种确定分布式***一致性级别的方法,通过获取集群中节点的个数、第一预设个数和第二预设个数,再通过判断第一预设个数和第二预设个数的和值与节点个数的关系确定一致性级别,其中,第一预设个数用于表征写入数据至节点的个数,第二预设个数用于表征读取节点数据的节点个数。可见,此方法通过判断第一预设个数和第二预设个数的和值与节点个数的关系,在和值大于节点个数时,采用强一致性级别,在和值小于节点个数时,采用最终一致性级别,因此在需要强一致性级别时,可以通过将第一预设个数的数值设置大一点,在需要最终一致性级别时,可以将第一预设个数的数值设置小一点,可以实现一致性级别的切换,提高了分布式***的效率。
在上述实施例的基础上,对分布式***采用强一致性级别对数据分析的方法进行描述,图2为本申请实施例提供的一种采用强一致性级别对数据分析的方法的流程图,如图2所示,强一致性级别对数据分析主要包括如下步骤:
S20:判断集群中的节点是否写入数据完全,若是,进入S21步骤,若否,进入S22步骤。
S21:按照第二预设个数对集群中的节点数据进行读取,并显示新写入的数据。
S22:按照第二预设个数对集群中的节点数据进行读取。
S23:通过所读取的节点获取新写入的数据。
S24:显示新写入的数据。
对于步骤S20所说,判断集群中的节点是否写入完全,所设定的第一预设个数可能小于节点的个数,而按照第一预设个数对集群中的节点写入数据时,可能还未将数据写入集群中所有的节点,因此,需要对节点数据是否写入完全进行一个判断,若集群中的节点的数据写入完全,则按照第二预设个数对集群中的节点数据进行读取,并将读取到的数据显示到客户端上。因为集群中的节点的数据都被写入,因此随便读取一个节点就是最新的数据。
此外,对于S22步骤和S23步骤所说,当集群中的节点的数据未被写入完全时,因为采用强一致性级别,也就是第一预设个数和第二预设个数的和值大于集群中的节点个数,则,即使集群中节点的数据未被写入完全,所读取的节点中也会有一个或多个节点包含新写入的数据,因此需要通过所读取的节点获取新写入的数据,具体的为,集群中节点的个数为5个,第一预设个数为2个,第二预设个数为4个,则所获取的节点中一定有一个节点已经写入了数据,因此就需要从这四个节点中获取新写入的数据,而之前节点的数据都在数据库中,因此可以通过与数据库进行对比,与之前数据不同的数据就是新写入的数据。然后将新写入的数据显示在客户端上,方便用户查看。
本实施例提供的分布式***采用强一致性级别对数据分析的方法,通过判断集群中的节点是否写入数据完全,若是,按照第二预设个数对集群中的节点数据进行读取,并显示新写入的数据,若否,按照第二预设个数对集群中的节点数据进行读取,通过所读取的节点获取新写入的数据。显示新写入的数据。可以看出,此方法在未将新的数据都写入集群中的节点时,也可以获取新写入的数据并显示,在新的数据都写入集群中的节点时,可以更快的将新写入的数据显示出来,提高了用户的体验感。
在上述实施例的基础上,对分布式***采用最终一致性级别对数据分析的方法进行描述,图3为本申请实施例提供的一种采用最终一致性级别对数据分析的方法的流程图,如图3所示,最终一致性级别对数据分析主要包括如下步骤:
S30:判断集群中的节点是否写入完全,若是,进入S31步骤,若否,进入S32步骤。
S31:按照第二预设个数对集群中的节点数据进行读取,并显示新写入的数据。
S32:按照第二预设个数对集群中的节点数据进行获取。
S33:判断所读取的节点的节点数据是否包含新写入的数据,若是,进入S34步骤,若否,进入S35步骤。
S34:显示新写入的数据。
S35:显示旧的数据,并返回步骤S32。
对于步骤S30所说,判断集群中的节点是否写入完全,所设定的第一预设个数可能小于节点的个数,而按照第一预设个数对集群中的节点写入数据时,可能还未将数据写入集群中所有的节点,因此,需要对节点数据是否写入完全进行一个判断,若集群中的节点的数据写入完全,则按照第二预设个数对集群中的节点数据进行读取,并将读取到的数据显示到客户端上。因为集群中的节点的数据都被写入,因此随便读取一个节点就是最新的数据。
此外,对于步骤S32和步骤S33所说,当集群中的节点未写入完全时,也按照第二预设个数对集群中的节点数据进行获取,此时,第一预设个数与第二预设个数的和值不大于集群中的节点个数。因此,所读取的节点中可能未含有新写入的数据,需要对所读取的节点的节点数据是否包含新写入的数据,例如,集群中节点的个数为5个,第一预设个数为2个,第二预设个数为2个,那么未写入新的数据的节点为3个,则在读取的时候,可能读取的两个节点正好是未写入数据的3个节点中的两个。在这种情况下,需要对读取的节点数据进行一个判断,若读取的节点数据中包含新写入的数据,则将新写入的数据显示出来,并停止读取。若读取的节点数据中未包含新写入的数据,则将旧的数据显示出来,并返回到步骤S32,按照第二预设个数对集群中的节点数据进行获取,继续对节点进行读取,直到新写入的节点数据被读取为止。
值得注意的是,最终一致性级别,在读取节点数据的时候,可能读取的为之前的数据,但也会将读取到的数据显示出来,客户虽然拿到的不是新写入的数据,不过得到了较快的响应,这样保证了***的可用性,并且会继续读取节点,直到获取到新写入的数据为止。而强一致性级别,是通过读取节点数据,通过对读取到的节点数据进行分析哪个节点数据为最新的数据,然后将最新的数据显示出来,可以看出,强一致性保证了每次反馈的数据都是正确的,能够实现对数据的实时分析。
本实施例所提供的,最终一致性级别对数据分析的方法,通过判断集群中的节点是否写入完全,若是,按照第二预设个数对集群中的节点数据进行读取,并显示新写入的数据,若否,按照第二预设个数对集群中的节点数据进行获取。并断所读取的节点的节点数据是否包含新写入的数据,若是,显示新写入的数据,若否,显示旧的数据,并返回按照第二预设个数对集群中的节点数据进行获取的步骤。可以看出,此方法可以一次就将新写入的数据反馈出来,可以实现对数据的实时分析,在用户需要快速知道数据时,此方法可以更有效的满足用户的需求,提高了用户的体验感。
在上述实施例的基础上,确定出分布式***的一致性级别之后还需要判断集群中的节点是否写入数据完全,若是,输出写入完全提示信息,若否,还需要按照第一预设个数对集群中的节点写入数据。
可以理解的是,对集群中的节点写入数据,写入成功一次之后需要对客户端进行一个反馈,反馈后继续对集群中剩余的节点写入数据,但在具体实施例中,第一次写入和第二次写入的时间相差较大,因此需要进行一个判断,在未写入完全时,会继续根据第一预设个数对集群中的节点写入数据,直到所有节点数据都写入为止。
本实施例所提供的,在确认出分布式***的一致性级别后,对集群中的节点是否写入数据完全,在所有节点都写入新的数据时,输出写入完全提示信息,提高与用户的交互,在节点未写入数据完全时,继续对集群中的节点写入数据,直到所有节点数据同步为止,保证了集群中所有节点都被写入新的数据。
在上述实施例的基础上,在完成一次强一致性或最终一致性之后还需要判断第一预设个数和第二预设个数是否有数量的改变,若有,则代表需要进入新一轮的数据分析,因此进入获取第一预设个数和第二预设个数和值的步骤。若没有,可能进入新一轮的数据分析,也可能没有进入新一轮的数据分析,因此进入判断和值是否大于节点个数的步骤,若没有进入新一轮的数据分析,则写入新的数据至节点时,会没有数据可写,因此会自动停止。若进入新一轮的数据分析,则写入的数据会发生改变,会按照上述步骤完成数据分析。
在上述实施例中,对于确定分布式***一致性级别的方法进行了详细描述,本申请还提供确定分布式***一致性级别的装置对应的实施例。需要说明的是,本申请从两个角度对装置部分的实施例进行描述,一种是基于功能模块的角度,另一种是基于硬件的角度。
由于装置部分的实施例与方法部分的实施例相互对应,因此装置部分的实施例请参见方法部分的实施例的描述,这里暂不赘述。
图4为本申请实施例提供的一种确定分布式***一致性级别的装置的结构图,如图4所示,确定分布式***一致性级别的装置包括:
第一获取模块15,用于获取集群中的节点个数;
第二获取模块16,用于获取第一预设个数和第二预设个数的和值,其中,第一预设个数用于表征写入数据至节点的个数,第二预设个数用于表征读取节点数据的节点个数;
判断模块17,用于判断和值是否大于节点个数,若是,触发第一采用模块,若否,触发第二采用模块;
第一采用模块18,用于采用强一致性级别对数据进行分析;
第二采用模块29,用于采用最终一致性级别对数据进行分析。
图5为本申请另一实施例提供的确定分布式***一致性级别的设备的结构图,如图5所示,确定分布式***一致性级别的设备包括:存储器20,用于存储计算机程序;
处理器21,用于执行计算机程序时实现如上述实施例中所提到的确定分布式***一致性级别的方法的步骤。
本实施例提供的确定分布式***一致性级别的设备可以包括但不限于智能手机、平板电脑、笔记本电脑或台式电脑等。
其中,处理器21可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器21可以采用数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器21也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称中央处理器(CentralProcessing Unit,CPU);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器21可以在集成有图像处理器(Graphics Processing Unit,GPU),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器21还可以包括人工智能(Artificial Intelligence,AI)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器20可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器20还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。本实施例中,存储器20至少用于存储以下计算机程序201,其中,该计算机程序被处理器21加载并执行之后,能够实现前述任意一个实施例公开的确定分布式***一致性级别的方法的相关步骤。另外,存储器20所存储的资源还可以包括操作***202和数据203等,存储方式可以是短暂存储或者永久存储。其中,操作***202可以包括Windows、Unix、Linux等。数据203可以包括但不限于确定分布式***一致性级别的方法的数据等。
在一些实施例中,确定分布式***一致性级别的设备还可包括有显示屏22、输入输出接口23、通信接口24、电源25以及通信总线26。
本领域技术人员可以理解,图5中示出的结构并不构成对确定分布式***一致性级别的设备的限定,可以包括比图示更多或更少的组件。
最后,本申请还提供一种计算机可读存储介质对应的实施例。计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述方法实施例中记载的步骤。
可以理解的是,如果上述实施例中的方法以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上对本申请所提供的确定分布式***一致性级别的方法、装置、设备及介质进行了详细介绍。说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (8)
1.一种确定分布式***一致性级别的方法,其特征在于,包括:
获取集群中的节点个数;
获取第一预设个数和第二预设个数的和值,其中,所述第一预设个数用于表征写入数据至节点的个数,所述第二预设个数用于表征读取节点数据的节点的个数;
判断所述和值是否大于所述节点个数;
若是,采用强一致性级别对数据进行分析;其中,所述采用强一致性级别对数据进行分析包括:判断所述集群中的节点是否写入数据完全;若所述集群中的节点写入数据完全,则按照所述第二预设个数对所述集群中的节点数据进行读取,并显示新写入的数据;若所述集群中的节点未写入数据完全,则按照所述第二预设个数对所述集群中的节点数据进行读取;通过所读取的节点数据获取所述新写入的数据;显示所述新写入的数据;
若否,采用最终一致性级别对所述数据进行分析。
2.根据权利要求1所述的确定分布式***一致性级别的方法,其特征在于,若确定所述分布式***的一致性级别为所述最终一致性级别或所述强一致性级别,则还包括:
判断所述集群中的节点是否写入数据完全;
若是,输出写入完全提示信息;
若否,按照所述第一预设个数对所述集群中的节点写入数据。
3.根据权利要求2所述的确定分布式***一致性级别的方法,其特征在于,所述采用最终一致性级别对所述数据进行分析包括:
判断所述集群中的节点是否写入数据完全;
若是,按照所述第二预设个数对所述集群中的节点数据进行读取,并显示所述新写入的数据。
4.根据权利要求3所述的确定分布式***一致性级别的方法,其特征在于,若所述集群中的节点未写入数据完全,则还包括:
按照所述第二预设个数对所述集群中的节点的数据进行获取;
判断所读取的节点中的所述节点数据是否包含所述新写入的数据;
若是,显示所述新写入的数据;
若否,显示旧的数据,并返回所述按照所述第二预设个数对所述集群中的节点的数据进行获取的步骤。
5.根据权利要求1至4任意一项所述的确定分布式***一致性级别的方法,其特征在于,还包括:
判断所述第一预设个数和所述第二预设个数是否有数量的改变;
若是,进入所述获取第一预设个数和第二预设个数的和值的步骤;
若否,进入所述判断所述和值是否大于所述节点个数的步骤。
6.一种确定分布式***一致性级别的装置,其特征在于,包括:
第一获取模块,用于获取集群中的节点个数;
第二获取模块,用于获取第一预设个数和第二预设个数的和值,其中,所述第一预设个数用于表征写入数据至节点的个数,所述第二预设个数用于表征读取节点数据的节点个数;
判断模块,用于判断所述和值是否大于所述节点个数,若是,触发第一采用模块,若否,触发第二采用模块;
所述第一采用模块,用于采用强一致性级别对数据进行分析;其中,所述第一采用模块具体判断所述集群中的节点是否写入数据完全;若所述集群中的节点写入数据完全,则按照所述第二预设个数对所述集群中的节点数据进行读取,并显示新写入的数据;若所述集群中的节点未写入数据完全,则按照所述第二预设个数对所述集群中的节点数据进行读取;通过所读取的节点数据获取所述新写入的数据;显示所述新写入的数据;
所述第二采用模块,用于采用最终一致性级别对所述数据进行分析。
7.一种确定分布式***一致性级别的设备,其特征在于,包括存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至5任意一项所述的确定分布式***一致性级别的方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任意一项所述的确定分布式***一致性级别的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210094402.7A CN114443767B (zh) | 2022-01-26 | 2022-01-26 | 确定分布式***一致性级别的方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210094402.7A CN114443767B (zh) | 2022-01-26 | 2022-01-26 | 确定分布式***一致性级别的方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114443767A CN114443767A (zh) | 2022-05-06 |
CN114443767B true CN114443767B (zh) | 2024-02-09 |
Family
ID=81369899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210094402.7A Active CN114443767B (zh) | 2022-01-26 | 2022-01-26 | 确定分布式***一致性级别的方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114443767B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105208096A (zh) * | 2015-08-24 | 2015-12-30 | 用友网络科技股份有限公司 | 分布式缓存***和方法 |
WO2019127916A1 (zh) * | 2017-12-29 | 2019-07-04 | 北京奇虎科技有限公司 | 基于分布式一致性协议实现的数据读写方法及装置 |
CN111552701A (zh) * | 2020-04-30 | 2020-08-18 | 中国建设银行股份有限公司 | 确定分布式集群中数据一致性的方法及分布式数据*** |
CN112148798A (zh) * | 2020-10-10 | 2020-12-29 | 腾讯科技(深圳)有限公司 | 应用于分布式***的数据处理方法及装置 |
CN113220235A (zh) * | 2021-05-17 | 2021-08-06 | 北京青云科技股份有限公司 | 读写请求的处理方法、装置、设备及存储介质 |
CN113515531A (zh) * | 2021-05-08 | 2021-10-19 | 重庆紫光华山智安科技有限公司 | 数据访问方法、装置、客户端及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11003550B2 (en) * | 2017-11-04 | 2021-05-11 | Brian J. Bulkowski | Methods and systems of operating a database management system DBMS in a strong consistency mode |
-
2022
- 2022-01-26 CN CN202210094402.7A patent/CN114443767B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105208096A (zh) * | 2015-08-24 | 2015-12-30 | 用友网络科技股份有限公司 | 分布式缓存***和方法 |
WO2019127916A1 (zh) * | 2017-12-29 | 2019-07-04 | 北京奇虎科技有限公司 | 基于分布式一致性协议实现的数据读写方法及装置 |
CN111552701A (zh) * | 2020-04-30 | 2020-08-18 | 中国建设银行股份有限公司 | 确定分布式集群中数据一致性的方法及分布式数据*** |
CN112148798A (zh) * | 2020-10-10 | 2020-12-29 | 腾讯科技(深圳)有限公司 | 应用于分布式***的数据处理方法及装置 |
CN113515531A (zh) * | 2021-05-08 | 2021-10-19 | 重庆紫光华山智安科技有限公司 | 数据访问方法、装置、客户端及存储介质 |
CN113220235A (zh) * | 2021-05-17 | 2021-08-06 | 北京青云科技股份有限公司 | 读写请求的处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114443767A (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10346222B2 (en) | Adaptive tree structure for visualizing data | |
CN110688106A (zh) | 基于可视化配置的量化交易策略编写方法及装置 | |
CN116775183A (zh) | 基于大语言模型的任务生成方法、***、设备及存储介质 | |
US8725461B2 (en) | Inferring effects of configuration on performance | |
CN109740129A (zh) | 基于区块链的报表生成方法、装置、设备及可读存储介质 | |
CN114443767B (zh) | 确定分布式***一致性级别的方法、装置、设备及介质 | |
CN112783494A (zh) | 一种骨架屏自动生成方法、应用程序页面更新方法及装置 | |
CN110544166A (zh) | 样本生成方法、装置及存储介质 | |
CN116450483A (zh) | 一种确定软件分配的负载的方法、装置、服务器及介质 | |
CN115639966A (zh) | 一种数据写入方法、装置、终端设备及存储介质 | |
CN107103636B (zh) | 多表示相关图的***和方法 | |
CN115776568A (zh) | 一种视频压缩方法、***、装置及介质 | |
CN112905119B (zh) | 一种分布式存储***的数据写入控制方法、装置及设备 | |
CN111966301B (zh) | 分布式对象存储***的迁移速度控制方法、装置及介质 | |
CN114547116A (zh) | 一种数据推送方法、装置、设备和介质 | |
CN114020717A (zh) | 分布式存储***的性能数据获取方法、装置、设备及介质 | |
CN113128184A (zh) | 针对多人协同编辑文档的文档内容筛选方法及装置 | |
CN110021166B (zh) | 用于处理用户出行数据的方法、装置和计算设备 | |
CN116136813B (zh) | 适配多型号的航电信号仿真方法、装置及存储介质 | |
CN115016735B (zh) | 一种分布式缓存***的控制方法、装置及介质 | |
CN108959499A (zh) | 分布式文件***性能分析方法、装置、设备及存储介质 | |
CN113438428B (zh) | 用于视频自动化生成的方法、装置、设备和计算机可读存储介质 | |
CN114546534B (zh) | 一种应用页面启动方法、装置、设备及介质 | |
US20240143414A1 (en) | Load testing and performance benchmarking for large language models using a cloud computing platform | |
CN115421843A (zh) | 数据加载方法、装置、设备、存储介质及程序产品 |
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 |