楊陽

摘 要 在當今互聯(lián)網(wǎng)技術(shù)廣泛普及的今天，大數(shù)據(jù)已經(jīng)不再是新的研究課題，在當今數(shù)據(jù)來源越來越繁雜，每天都有海量的數(shù)據(jù)進行儲存、訪問的形勢下，過高的數(shù)據(jù)負載對系統(tǒng)的穩(wěn)定性與擴展性造成不可忽視的影響?；诖?，本文分析采用數(shù)據(jù)切分方案的特征，并對以數(shù)據(jù)切分方案提高大數(shù)據(jù)查詢性能的應(yīng)用進行了研究與設(shè)計。

【關(guān)鍵詞】數(shù)據(jù)切分 方案 大數(shù)據(jù) 查詢性能 設(shè)計

1 數(shù)據(jù)切分概述

數(shù)據(jù)切分方法是按照某種切分規(guī)則將數(shù)據(jù)分布到指定的范圍內(nèi)，達到數(shù)據(jù)查詢時提高系統(tǒng)并行處理能力的目的。數(shù)據(jù)切分后規(guī)模會進一步的減小，而且通常分布在多個數(shù)據(jù)庫中，當對數(shù)據(jù)進行查詢時，查詢的響應(yīng)時間會大大降低，也可以減少通信開銷，平衡系統(tǒng)負載和減少計算量，從而提高系統(tǒng)性能。

2 數(shù)據(jù)切分模式及特征

數(shù)據(jù)切分按照不同的切分規(guī)則類型，可以分為垂直切分、水平切分兩種切分模式。

垂直切分是根據(jù)業(yè)務(wù)的特性，將不同的數(shù)據(jù)表按照某種切分規(guī)則切分到不同的數(shù)據(jù)庫上。垂直切分的最大特點是切分規(guī)則比較簡單，實施起來也比較方便，適合各個模塊耦合度低、相互影響小、業(yè)務(wù)邏輯簡單清晰的系統(tǒng)。這種系統(tǒng)很容易將不同模塊所使用的表拆分到不同的數(shù)據(jù)庫中。

水平切分則是根據(jù)表中數(shù)據(jù)的邏輯關(guān)系，按照某種切分規(guī)則將同一個表中的數(shù)據(jù)拆分到多個數(shù)據(jù)庫上，相對于垂直切分來說切分規(guī)則復(fù)雜一些。當一張表中的數(shù)據(jù)量巨大而且増長速度比較快時，為了提高查詢的效率就需要對其進行水平切分，按照指定的規(guī)則將表中的數(shù)據(jù)拆分到不同的數(shù)據(jù)庫中。水平切分通常需要根據(jù)指定字段進行數(shù)據(jù)切分，常用的切分規(guī)則如下：

2.1 枚舉法

比如數(shù)據(jù)是按照地區(qū)省份來保存的，用戶通過多級別劃分的，本規(guī)則適用于這些特定的場景。

2.2 求模

如果分片字段為數(shù)字，對分片字段進行十進制/百進制求模運算，數(shù)據(jù)可以均勻落在各分片內(nèi)，也可以對字符串hash取模，支持存在符號字母的字段的分片。

2.3 范圍約定

對分片字段約定一個范圍，比如ID0-100000為一個分片，ID100001-200000為一個分片。

2.4 按日期

可以按月，按日，按小時分片。

2.5 一致性hash

對指定字段進行hash取值，然后根據(jù)hash值將數(shù)據(jù)進行分片。

當某個表或者某些表的數(shù)據(jù)量比較大而且訪問頻繁時，通過垂直切分仍然無法滿足系統(tǒng)的讀寫要求時，就需要將垂直切分和水平切分結(jié)合起來使用，先對數(shù)據(jù)進行垂直切分，然后進行水平切分，通過這兩種方式的組合來解決超大型表的讀寫性能問題。

3 以數(shù)據(jù)切分提高大數(shù)據(jù)查詢性能的設(shè)計方案

當前的大部分企業(yè)都擁有自己的數(shù)據(jù)存儲系統(tǒng)，利用數(shù)據(jù)存儲系統(tǒng)可以方便快捷的對企業(yè)信息數(shù)據(jù)進行查詢。但當這些信息數(shù)據(jù)的數(shù)據(jù)量達到一定級別時，從數(shù)據(jù)中查詢某一數(shù)據(jù)通常需要花費大量的時間，影響到整體工作效率，因此需要對數(shù)據(jù)查詢進行優(yōu)化。以下以垂直切分與水平切分方案設(shè)計為例，通過對數(shù)據(jù)的劃分來提高海量數(shù)據(jù)的查詢性能。

3.1 垂直切分方案設(shè)計

本應(yīng)用數(shù)據(jù)包括設(shè)備基本信息、內(nèi)容推送序列信息、用戶行為信息及相關(guān)統(tǒng)計信息。分析數(shù)據(jù)的特性可以發(fā)現(xiàn)設(shè)備基本信息主要是用于查詢，數(shù)據(jù)更新的操作并不是很多。內(nèi)容推送序列由管理員提前進行編輯，然后推送給各個用戶。因此內(nèi)容序列也是主要用于用戶查詢操作。用戶行為信息是用戶使用移動端時產(chǎn)生的日志信息，主要記錄用戶使用設(shè)備瀏覽廣告的次數(shù)以及時長等，因此用戶行為信息主要進行數(shù)據(jù)庫的寫操作。統(tǒng)計信息主要是用戶瀏覽信息的次數(shù)，用戶的積分等信息，這些信息主要是由定時統(tǒng)計任務(wù)用戶活動較少的時段對相關(guān)信息統(tǒng)計后寫入到表中，也主要用于用戶查詢。

由于應(yīng)用存在著大量的讀寫操作，為了保證數(shù)據(jù)庫系統(tǒng)的能夠較好的處理用戶的讀寫需求，獲得良好的用戶體驗，應(yīng)該對數(shù)據(jù)進行讀寫分離，將大并發(fā)讀的數(shù)據(jù)和大并發(fā)寫的數(shù)據(jù)進行垂直切分存入不同的數(shù)據(jù)庫中。

另外，由于用戶量巨大，將所有的查詢密集的信息存入一個數(shù)據(jù)庫中，并不能滿足系統(tǒng)查詢性能的需求。同樣，將所有的寫密集型的數(shù)據(jù)寫到單臺數(shù)據(jù)庫，也不能滿足系統(tǒng)快速存儲數(shù)據(jù)的需求。因此，需要對數(shù)據(jù)進行進一步的切分。內(nèi)容序列信息和統(tǒng)計信息并發(fā)查詢量都超出了單個數(shù)據(jù)庫的承受能力，所以將這兩個信息相關(guān)表放在不同的數(shù)據(jù)庫中，以更好的滿足用戶查詢的需求。

3.2 水平切分方案設(shè)計

以用戶行為信息表為例，由于應(yīng)用將來會有大量的用戶，每天將會有海量記錄信息寫入數(shù)據(jù)庫。單臺數(shù)據(jù)庫己經(jīng)不能滿足如此巨大數(shù)據(jù)的處理需求，因此，需要對用戶行為信息表進行水平切分。

對用戶行為信息表進行水平切分需要選取一個字段作為切分依據(jù)和標記。本文選取手機號字段進行數(shù)據(jù)切分，并且按照手機號的地域（省或者直轄市）作為切分標準。在用戶不斷增加的情況下可以更細粒度的按地域?qū)?shù)據(jù)進行劃分，系統(tǒng)的擴展性會比較好。

分析用戶行為信息的特性發(fā)現(xiàn)，用戶行為信息的數(shù)量隨著時間不斷的增長。隨著用戶的不斷增多，將會產(chǎn)生大量的數(shù)據(jù)，而且増長速度也會變快。如此巨大的數(shù)據(jù)保存在一個表里顯然是不合適的。因此，需要對數(shù)據(jù)表進行進一步拆分。分析發(fā)現(xiàn)數(shù)據(jù)是隨著時間線性增加的，因此可以對同一數(shù)據(jù)庫的按照月份對數(shù)據(jù)進行再次切分，每個月份的數(shù)據(jù)保存在單獨的表中。

4 結(jié)語

通過使用垂直切分與水平切分的方法，不僅能夠很好的應(yīng)對信息數(shù)據(jù)不斷增長的形勢，還能通過增加維度來降低數(shù)據(jù)的規(guī)模，提高對大數(shù)據(jù)的并發(fā)讀寫查詢性能，有效的解決了海量數(shù)據(jù)的存儲問題和快速查詢問題。

參考文獻

[1]駱濤.面向大數(shù)據(jù)處理的并行計算模型及性能優(yōu)化[D].合肥：中國科學(xué)技術(shù)大學(xué)，2015.

[2]劉義.大規(guī)模空間數(shù)據(jù)的高性能查詢處理關(guān)鍵技術(shù)研究[D].北京：國防科學(xué)技術(shù)大學(xué)，2013.

[3]王覓.基于虛擬班級的教師遠程培訓(xùn)系統(tǒng)設(shè)計與實現(xiàn)[D].長沙：湖南大學(xué)，2012.

作者單位

國網(wǎng)陜西省電力公司信息通信公司 陜西省西安市 710048