CN114706850B - 一种分布式异构关系型数据库入库方法 - Google Patents
一种分布式异构关系型数据库入库方法 Download PDFInfo
- Publication number
- CN114706850B CN114706850B CN202210340650.5A CN202210340650A CN114706850B CN 114706850 B CN114706850 B CN 114706850B CN 202210340650 A CN202210340650 A CN 202210340650A CN 114706850 B CN114706850 B CN 114706850B
- Authority
- CN
- China
- Prior art keywords
- warehousing
- data
- data storage
- relational database
- key value
- 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 79
- 238000013500 data storage Methods 0.000 claims abstract description 64
- 238000005192 partition Methods 0.000 claims description 56
- 230000003068 static effect Effects 0.000 claims description 17
- 238000013507 mapping Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000011114 storage process operation Methods 0.000 claims 1
- 239000000969 carrier Substances 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2219—Large Object storage; Management thereof
-
- 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)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种分布式异构关系型数据库入库方法，应用服务器上的入库提交服务程序根据数据库节点列表中的数据库节点类型和数据库节点链接信息加载对应的关系型数据库驱动，并链接数据库节点列表中的数据库节点；应用服务器上的入库提交服务程序扫描为数据库节点缓存的归一化操作日志文件副本，解析操作日志文件副本中键值为rep的键值对，将键值对的值反向转换为数据库节点的一系列入库操作，对待操作的数据对象进行入库操作。本发明解决了关系型数据存储的横向扩展问题，适应于与无限海量数据的存储；通过对异构关系型数据库的支持，提升了数据的存储的安全性和经济性。
Description
技术领域
本发明涉及一种分布式异构关系型数据库入库方法，属于计算机数据存储技术领域。
背景技术
在5G悄然到来的时代，伴随着物联网和数据采集终端性能的提升，越来越多的数据被采集和存储，在这个过程中产生海量数据。而传统关系型数据库数据读写必须经过sql解析，大量数据、高并发下读写性能不足，大量数据集中到一台服务区处理，使服务器不堪重负。
目前，针对海量的关系型数据存储需求，对待存储数据对象进行分区处理才能有效提高存储能力，然而为了提高安全性和经济性现有的多种关系型数据库都采用并列运行。不同类型的关系型数据库其操作接口和支持的sql语言标准的不一致，当选择多种类型关系型数据库软件作为数据存储载体时，如何解决关系型数据存储问题，提高存储能力，就成了本领域技术人员急需要解决的技术问题。
发明内容
目的：为了克服现有技术中存在的不足，本发明提供一种分布式异构关系型数据库入库方法。
技术方案：为解决上述技术问题，本发明采用的技术方案为：
一种分布式异构关系型数据库入库方法，包括如下步骤：
应用服务器上的应用程序在进行数据对象入库操作时，根据待操作的数据对象对应的数据分区获得入库操作的数据存储分组。
根据入库操作的数据存储分组，获得数据存储分组中的数据库节点列表。
应用服务器上的入库提交服务程序根据数据库节点列表中的数据库节点类型和数据库节点链接信息加载对应的关系型数据库驱动，并链接数据库节点列表中的数据库节点。
应用服务器上的入库提交服务程序扫描为数据库节点缓存的归一化操作日志文件副本，解析操作日志文件副本中键值为rep的键值对，将键值对的值反向转换为数据库节点的一系列入库操作，对待操作的数据对象进行入库操作。
作为优选方案，还包括：对于不在线的数据库节点，进入延时重试模式，在访问恢复后继续进行入库操作。
作为优选方案，所述数据存储分组数量为多个，数据存储分组之间没有主从之分，不存在核心分组，多个数据存储分组组成数据存储集群；每个数据存储分组包括一主多备个异构关系型数据库节点。
作为优选方案，每个数据存储分组都有全局唯一的数据存储分组编码。
作为优选方案，异构关系型数据库节点至少包括Oracle、mysql、达梦和PostgreSQL其中之一。
作为优选方案，所述根据待操作的数据对象对应的数据分区获得入库操作的数据存储分组，包括：
根据待操作的数据对象的数据对象编码获得数据分区编码。
根据数据分区编码，获得数据分区和对应数据存储分组编码。
根据数据存储分组编码，获得数据存储分组。
作为优选方案，所述数据分区至少按照地理位置、行政区域、对象数量和数据重要程度其中之一进行划分。
作为优选方案，每个数据分区至少映射一个数据存储分组；每个数据存储分组可以映射多个数据分区。
作为优选方案，所述归一化操作日志文件副本获取方法，包括如下步骤：
将同一数据分区的数据对象的一系列入库操作缓存为归一化的JSON格式操作日志文件。
并在数据分区对应的数据存储分组的数据库节点列表中所有的数据库节点内保存一份归一化的JSON格式操作日志文件的副本。
所述JSON格式操作日志文件包括：操作日志文件生成的时间，JSON数组。
所述JSON数组包括：静态SQL语句操作归一化的SqlJson对象、动态SQL语句绑定变量操作归一化的BindJson对象和存储过程操作归一化的ProcedureJson对象。
所述静态SQL语句操作归一化的SqlJson对象，包括两组键值对，分别为：
1）"type"="directSql"表示SqlJson对象记录的是静态SQL语句操作。
2）"sql"="静态sql语句"表示静态SQL语句操作具体的sql语句，将该语句记录在该键值对的值中。
所述动态SQL语句绑定变量操作归一化的BindJson对象，包括三组键值对，分别为：
1）"type"="bindSql"表示BindJson对象记录的是动态SQL语句绑定变量操作。
2）"sql"="动态sql语句"表示动态SQL语句绑定变量操作的sql语句，将该语句记录在该键值对的值中。
3）"bind"=[]表示动态SQL语句绑定变量操作的待绑定的数据，该键值对的值是一个JSON数组类型，该数组的每一个元素也是一个数组，该数组中记录了一组绑定变量的值，多个元素组成的数组记录多组绑定变量值。
所述存储过程操作归一化的ProcedureJson对象，包括四组键值对，分别为：
1）"type"="procedure" 表示ProcedureJson对象记录的是存储过程操作。
2）"pack"="包名" 表示存储过程操作调用的存储过程的包名。
3）"proc"="过程名" 表示存储过程操作调用的存储过程的过程名。
4）"pram"="参数名" 表示存储过程操作调用的存储过程的参数，当该键值对的值为空时表示没有参数。
作为优选方案，所述解析操作日志文件副本中键值为rep的键值对，将键值对的值反向转换为数据库节点的一系列入库操作的方法，包括如下步骤：
获取键值为rep的键值对中的JSON数组。
遍历JSON数组中每一个入库操作JSON对象。
查找JSON对象键值对为type的值，
当type的值为directSql时，查找JSON对象中键值对为sql的值，调用加载的关系型数据库驱动中的直接sql执行接口，完成入库操作的执行。
当type的值为bindSql时，查找JSON对象中键值对为sql的值，调用加载的关系型数据库驱动中的sql语句预处理接口处理SQL语句，分析sql语句获得绑定参数的数量及类型，查找JSON对象中键值对为bind的值，得到绑定参数数组，调用加载的关系型数据库驱动中的绑定参数接口完成数据的绑定，完成入库操作的执行。
当type的值为procedure时，查找JSON对象中键值对为pack的值得到包名，查找JSON对象中键值对为proc的值，得到过程名，查找JSON对象中键值对为pram的值，得到参数名，调用加载的关系型数据库驱动中的存储过程接口，完成入库操作的执行。
有益效果：本发明提供的一种分布式异构关系型数据库入库方法，一方面，解决了关系型数据存储的横向扩展问题，从技术原理上讲，本发明的入库方法可以适应于无限海量数据的存储；另一方面，通过对异构关系型数据库的支持，提升了数据存储的安全性和经济性。
附图说明
图1为分布式异构关系型数据库网络架构示意图。
图2为数据分区与存储分组映射图。
图3为入库操作归一化缓存操作日志文件流程图。
具体实施方式
下面对本发明的优选实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
一种分布式异构关系型数据库入库方法，包括以下步骤：
1) 数据存储节点可运行不同类型的关系型数据库软件，数据存储节点分组运行，同一分组的存储节点完成数据的冗余存储，数据存储分组之间没有主从之分，不存在核心分组，多个数据存储分组组成数据存储集群；对每个数据存储分组都有全局唯一的数据存储分组编码。
2) 每个待存储的数据对象都有一个全局唯一的数据对象编码，数据对象编码中的一部分作为该数据对象的数据分区编码，同处一个分区的数据对象其分区编码相同。
3) 构建数据分区编码和数据存储分组编码映射表，存储在本地共享内存中。
在本地共享内存中存储的数据分区编码和数据存储分组编码映射表包括：数据存储分组数、数据存储分组编码、数据分区数、数据分区编码、数据分区编码与数据存储分组编码映射关系、数据存储分组包含的数据库节点列表，其中数据库节点列表包含了数据库节点、数据库节点类型和数据库节点链接信息。
4) 应用服务器上的应用程序在进行入库操作时，首先根据待操作的数据对象的数据对象编码获取其数据分区编码，再查询数据分区编码和数据存储分组编码映射表得到该数据对象对应的数据存储分组编码，再次的根据数据存储分组编码获取数据存储分组的数据库节点列表。
5) 根据入库操作的类型，将同一数据分区的数据对象的一系列入库操作缓存为归一化的JSON格式操作日志文件，并在该数据分区对应的数据库节点列表中所有的数据库节点内保存一份该操作日志文件副本。
入库操作的类型包括：静态SQL语句操作、动态SQL语句绑定变量操作和存储过程操作，特别需要说明的是如果静态SQL语句操作和动态SQL语句绑定变量操作对于不同类型的关系型数据库其SQL语句无法兼容时需在关系型数据库中创建存储过程操作来代替静态SQL语句操作和动态SQL语句绑定变量操作，以屏蔽不同类型关系型数据库的SQL语言标准的不一致。
一系列入库操作缓存为归一化缓存包括，将每一个入库操作转换为一个JSON对象，并将这些JSON对象合并为一个JSON数组。
其中静态SQL语句操作归一化为SqlJson对象，该对象包含两组键值对，分别为：
1）"type"="directSql"表示该对象记录的是静态SQL语句操作。
2）"sql"="静态sql语句"表示该静态SQL语句操作具体的sql语句，将该语句记录在该键值对的值中。
动态SQL语句绑定变量操作归一化为BindJson对象，该对象包含三组键值对，分别为：
1）"type"="bindSql"表示该对象记录的是动态SQL语句绑定变量操作。
2）"sql"="动态sql语句"表示该动态SQL语句绑定变量操作的sql语句，将该语句记录在该键值对的值中。
3）"bind"=[]表示该动态SQL语句绑定变量操作的待绑定的数据，该键值对的值是一个JSON数组类型，该数组的每一个元素也是一个数组，该数组中记录了一组绑定变量的值，多个元素组成的数组记录多组绑定变量值。
存储过程操作归一化为ProcedureJson对象，该对象包含四组键值对，分别为：
1）"type"="procedure" 表示该对象记录的是存储过程操作。
2）"pack"="包名" 表示该存储过程操作调用的存储过程的包名。
3）"proc"="过程名" 表示该存储过程操作调用的存储过程的过程名。
4）"pram"="参数名" 表示该存储过程操作调用的存储过程的参数，当该键值对的值为空时表示没有参数。
JSON格式操作日志文件记录了同一数据分区的数据对象的一系列入库操作，包含两个键值对，分别为：
1）"time"=""表示该文件生成的时间。
2）"rep"="[]"表示一系列入库操作转换的JSON数组。
6）每个应用服务器节点都部署入库提交服务程序，根据数据库节点列表中的数据库节点类型和数据库节点链接信息加载对应的关系型数据库驱动并尝试链接数据库节点。对于可以链接的数据库节点周期性扫描为该节点缓存的归一化操作日志文件副本，解析操作日志文件中键值为rep的键值对，将该键值对的值反向转换为对实际数据库的一系列入库操作，操作完成后提交入库；对于不在线的数据库节点，进入延时重试模式，在访问恢复后继续提交入库。
键值为rep的键值对的值为JSON数组，数组中的每一个元素为一个JSON对象，每一个JSON对象对应一次入库操作。
将该键值对的值反向转换为对实际数据库的一系列入库操作包括，遍历该值数组的每一个入库操作JSON对象，对于每一个入库操作JSON对象，首先查找该对象键为type的值，该值为directSql、bindSql和procedure中的一种分别表示静态SQL语句操作、动态SQL语句绑定变量操作和存储过程操作。
当键type的值为directSql时，查找该对象键为sql的值，然后调用加载的关系型数据库驱动中的直接sql执行接口，完成该操作的执行。
当键type的值为bindSql时，查找该JSON对象键为sql的值，然后调用加载的关系型数据库驱动中的sql语句预处理接口处理该SQL语句，紧接着分析该sql语句获得绑定参数的数量及类型，最后查找该JSON对象键为bind的值，得到绑定参数数组，调用加载的关系型数据库驱动中的绑定参数接口完成数据的绑定，完成该操作的执行。
当键type的值为procedure时，查找该JSON对象键为pack的值得到包名，查找该JSON对象键为proc的值得到过程名，查找该JSON对象键为pram的值得到参数名，调用加载的关系型数据库驱动中的存储过程接口完成该操作的执行。
进一步的，步骤1数据存储分组包括：
1）一主多备个N个异构关系型数据库节点。
2）异构关系型数据库包括Oracle、mysql、达梦和PostgreSQL。
进一步的，步骤2中分区设定的规则为：按照地理位置、行政区域、对象数量或数据重要程度进行划分。
进一步的，所述步骤3中数据对象分区与数据存储分组的映射关系包括：
1）每个数据分区至少映射一个存储分组。
2）每个存储分组可以映射多个数据分区。
实施例1：
如图1所示，分布式异构关系型数据库包括：3个存储分组，每个存储分组包含2台同类型关系型数据库节点，存储分组间安装不同类型的关系型数据库实例。3个存储分组分别与网络中的2台应用服务器相连接。
按照待存储数据对象的重要程度，设置3个数据分区分别为一般、普通和重要，分别用p1、p2和p3对数据分区进行编码，其中数据分区p1为一般，只需要选择一个存储分组作为其存储载体，而数据分区p3为重要，需要选择三个存储分组作为其存储载体，这三个存储载体互为冗余。
根据待存储数据对象所属的数据分区为每一个数据对象制定一个全局唯一的编码，并保证可以从该编码中获取数据分区编码。
在应用服务器上为每一个数据库节点建立一个入库操作日志缓存文件夹。当应用程序需要进行入库操作时，将归属同一数据分区的数据对象的操作转换统一归一化的操作日志文件，入库操作缓存为操作日志文件流程如图3所示。然后根据数据对象的编码获取其所属数据分区编码，如图2所示，根据数据分区编码和存储分组的映射关系，确定该入库操作的目标关系型数据库节点，最后按照归一化操作日志格式为每一个目标关系型数据库节点保存一份操作日志文件副本。入库提交服务程序扫描每一个数据库节点缓存的归一化操作日志文件副本，根据该数据库节点运行的关系型数据库类型加载对应的关系型数据库驱动，解析操作日志文件中的操作转换为对实际数据库的操作，把一份操作日志文件中的所有操作合并一个事务进行提交。
若应用程序需要对归属数据分区p1上的编码为p100000001数据对象进行删除操作，该数据对象存放在名为table1的表中，其主键名为id，值为p100000001，将该操作归一化为SQLJson对象{type:sql,sql:delete from table table1 where id = p100000001}；查询数据分区编码和数据存储分组编码映射表确认数据分区p1对应的存储分区为存储分区1，该存储分区有两个关系型数据库节点，其对应的缓存文件夹分别为folder1和folder2；在文件夹folder1和folder2分别缓存一份操作日志文件。入库提交服务程序扫描到文件夹folder1和folder2中的操作日志文件后，根据该数据库节点运行的关系型数据库类型加载对应的达梦数据库驱动，解析操作日志文件中的删除操作转换为对实际数据库的操作，将两台关系型数据库节点中的表table1中主键为p100000001的记录删除并提交，提交成功后删除缓存文件夹中的对应文件。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种分布式异构关系型数据库入库方法，其特征在于：包括如下步骤：
应用服务器上的应用程序在进行数据对象入库操作时，根据待操作的数据对象对应的数据分区获得入库操作的数据存储分组；
根据入库操作的数据存储分组，获得数据存储分组中的数据库节点列表；
应用服务器上的入库提交服务程序根据数据库节点列表中的数据库节点类型和数据库节点链接信息加载对应的关系型数据库驱动，并链接数据库节点列表中的数据库节点；
应用服务器上的入库提交服务程序扫描为数据库节点缓存的归一化操作日志文件副本，解析操作日志文件副本中键值为rep的键值对，将键值对的值反向转换为数据库节点的一系列入库操作，对待操作的数据对象进行入库操作。
2.根据权利要求1所述的一种分布式异构关系型数据库入库方法，其特征在于：还包括：对于不在线的数据库节点，进入延时重试模式，在访问恢复后继续进行入库操作。
3.根据权利要求1或2所述的一种分布式异构关系型数据库入库方法，其特征在于：所述数据存储分组数量为多个，数据存储分组之间没有主从之分，不存在核心分组，多个数据存储分组组成数据存储集群；每个数据存储分组包括一主多备个异构关系型数据库节点。
4.根据权利要求3所述的一种分布式异构关系型数据库入库方法，其特征在于：每个数据存储分组都有全局唯一的数据存储分组编码。
5.根据权利要求3所述的一种分布式异构关系型数据库入库方法，其特征在于：异构关系型数据库节点至少包括Oracle、mysql、达梦和PostgreSQL其中之一。
6.根据权利要求1或2所述的一种分布式异构关系型数据库入库方法，其特征在于：所述根据待操作的数据对象对应的数据分区获得入库操作的数据存储分组，包括：
根据待操作的数据对象的数据对象编码获得数据分区编码；
根据数据分区编码，获得数据分区和对应数据存储分组编码；
根据数据存储分组编码，获得数据存储分组。
7.根据权利要求6所述的一种分布式异构关系型数据库入库方法，其特征在于：所述数据分区至少按照地理位置、行政区域、对象数量和数据重要程度其中之一进行划分。
8.根据权利要求6所述的一种分布式异构关系型数据库入库方法，其特征在于：每个数据分区至少映射一个数据存储分组；每个数据存储分组可以映射多个数据分区。
9.根据权利要求1或2所述的一种分布式异构关系型数据库入库方法，其特征在于：所述归一化操作日志文件副本获取方法，包括如下步骤：
将同一数据分区的数据对象的一系列入库操作缓存为归一化的JSON格式操作日志文件；
并在数据分区对应的数据存储分组的数据库节点列表中所有的数据库节点内保存一份归一化的JSON格式操作日志文件的副本；
所述JSON格式操作日志文件包括：操作日志文件生成的时间，JSON数组；
所述JSON数组包括：静态SQL语句操作归一化的SqlJson对象、动态SQL语句绑定变量操作归一化的BindJson对象和存储过程操作归一化的ProcedureJson对象；
所述静态SQL语句操作归一化的SqlJson对象，包括两组键值对，分别为：
1）"type"="directSql"表示SqlJson对象记录的是静态SQL语句操作；
2）"sql"="静态sql语句"表示静态SQL语句操作具体的sql语句，将该语句记录在该键值对的值中；
所述动态SQL语句绑定变量操作归一化的BindJson对象，包括三组键值对，分别为：
1）"type"="bindSql"表示BindJson对象记录的是动态SQL语句绑定变量操作；
2）"sql"="动态sql语句"表示动态SQL语句绑定变量操作的sql语句，将该语句记录在该键值对的值中；
3）"bind"=[]表示动态SQL语句绑定变量操作的待绑定的数据，该键值对的值是一个JSON数组类型，该数组的每一个元素也是一个数组，该数组中记录了一组绑定变量的值，多个元素组成的数组记录多组绑定变量值；
所述存储过程操作归一化的ProcedureJson对象，包括四组键值对，分别为：
1）"type"="procedure" 表示ProcedureJson对象记录的是存储过程操作；
2）"pack"="包名" 表示存储过程操作调用的存储过程的包名；
3）"proc"="过程名" 表示存储过程操作调用的存储过程的过程名；
4）"pram"="参数名" 表示存储过程操作调用的存储过程的参数，当该键值对的值为空时表示没有参数。
10.根据权利要求9所述的一种分布式异构关系型数据库入库方法，其特征在于：所述解析操作日志文件副本中键值为rep的键值对，将键值对的值反向转换为数据库节点的一系列入库操作的方法，包括如下步骤：
获取键值为rep的键值对中的JSON数组；
遍历JSON数组中每一个入库操作JSON对象；
查找JSON对象键值对为type的值，
当type的值为directSql时，查找JSON对象中键值对为sql的值，调用加载的关系型数据库驱动中的直接sql执行接口，完成入库操作的执行；
当type的值为bindSql时，查找JSON对象中键值对为sql的值，调用加载的关系型数据库驱动中的sql语句预处理接口处理SQL语句，分析sql语句获得绑定参数的数量及类型，查找JSON对象中键值对为bind的值，得到绑定参数数组，调用加载的关系型数据库驱动中的绑定参数接口完成数据的绑定，完成入库操作的执行；
当type的值为procedure时，查找JSON对象中键值对为pack的值得到包名，查找JSON对象中键值对为proc的值，得到过程名，查找JSON对象中键值对为pram的值，得到参数名，调用加载的关系型数据库驱动中的存储过程接口，完成入库操作的执行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210340650.5A CN114706850B (zh) | 2022-04-02 | 2022-04-02 | 一种分布式异构关系型数据库入库方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210340650.5A CN114706850B (zh) | 2022-04-02 | 2022-04-02 | 一种分布式异构关系型数据库入库方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114706850A CN114706850A (zh) | 2022-07-05 |
| CN114706850B true CN114706850B (zh) | 2024-05-31 |
Family
ID=82172557
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210340650.5A Active CN114706850B (zh) | 2022-04-02 | 2022-04-02 | 一种分布式异构关系型数据库入库方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114706850B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102693324A (zh) * | 2012-01-09 | 2012-09-26 | 西安电子科技大学 | 一种分布式数据库同步***、同步方法和节点管理方法 |
| CN103761318A (zh) * | 2014-01-27 | 2014-04-30 | 中国工商银行股份有限公司 | 一种关系型异构数据库数据同步的方法及*** |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8229945B2 (en) * | 2008-03-20 | 2012-07-24 | Schooner Information Technology, Inc. | Scalable database management software on a cluster of nodes using a shared-distributed flash memory |
| US9146946B2 (en) * | 2013-05-09 | 2015-09-29 | International Business Machines Corporation | Comparing database performance without benchmark workloads |
-
2022
- 2022-04-02 CN CN202210340650.5A patent/CN114706850B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102693324A (zh) * | 2012-01-09 | 2012-09-26 | 西安电子科技大学 | 一种分布式数据库同步***、同步方法和节点管理方法 |
| CN103761318A (zh) * | 2014-01-27 | 2014-04-30 | 中国工商银行股份有限公司 | 一种关系型异构数据库数据同步的方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 异构数据库***数据转换方法设计与实现;陈旭飞;于凤芹;钦道理;;微型机与应用;20150425(08);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114706850A (zh) | 2022-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109213756B (zh) | 数据存储、检索方法、装置、服务器和存储介质 | |
| US7949687B1 (en) | Relational database system having overlapping partitions | |
| CN107491487B (zh) | 一种全文数据库架构及位图索引创建、数据查询方法、服务器及介质 | |
| CN109284293B (zh) | 用于水务公司营业收费***升级的数据迁移方法 | |
| US10970343B2 (en) | Adapting database queries for data virtualization over combined database stores | |
| CN102890678A (zh) | 一种基于格雷编码的分布式数据布局方法及查询方法 | |
| US20230103328A1 (en) | Data compression techniques | |
| CN114329096A (zh) | 一种原生图数据库处理方法及*** | |
| CN113886395A (zh) | 基于openGauss平台的高速数据导入导出方法 | |
| CN111309761A (zh) | 一种优化数据库中间件查询的方法、***、设备及介质 | |
| CN115114294A (zh) | 数据库存储模式的自适应方法、装置、计算机设备 | |
| CN114706850B (zh) | 一种分布式异构关系型数据库入库方法 | |
| CN111949673B (zh) | 基于Hbase存储的分布式悲观锁及其实现方法 | |
| CN1897629B (zh) | 基于内存的海量话单快速交叉排重方法 | |
| CN116821054A (zh) | 一种基于计算卸载机制的分布式键值存储*** | |
| CN116610694A (zh) | 一种基于列和访问语句关系的规则校验方法和*** | |
| CN116126973A (zh) | 气象格点数据管理方法和装置 | |
| CN109800233A (zh) | 一种大数据融合搜索方法 | |
| CN112015791B (zh) | 数据处理方法、装置、电子设备及计算机存储介质 | |
| CN114443625A (zh) | 数据库的处理方法、装置 | |
| CN112181994A (zh) | 运维大数据的分布式内存数据库的刷新方法、装置、介质 | |
| CN112650736B (zh) | 一种数据迁移方法及装置 | |
| CN116166671B (zh) | 一种内存数据库表格预关联的处理方法、***和介质 | |
| CN113177044B (zh) | 一种基于数据库b树快速对比数据的方法和装置 | |
| CN117573664A (zh) | 基于gpu加速的rdf数据存储和查询方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |