非結(jié)構(gòu)化文檔數(shù)據(jù)一體化存儲檢索技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)及大數(shù)據(jù)時(shí)代的到來，新數(shù)據(jù)的產(chǎn)生速度幾乎在以指數(shù)級的形勢增長，而這大量的數(shù)據(jù)當(dāng)中，又以格式不確定的非結(jié)構(gòu)化數(shù)據(jù)為主。文檔數(shù)據(jù)作為非結(jié)構(gòu)化數(shù)據(jù)的重要組成部分，已有的關(guān)系型數(shù)據(jù)庫工具及技術(shù)對其則很難駕馭，必須尋找新的方法與技術(shù)應(yīng)對非結(jié)構(gòu)化文檔數(shù)據(jù)的存儲與檢索。
　　首先，通過理論分析與實(shí)驗(yàn)對比，確定了Hadoop結(jié)合ElasticSearch的架構(gòu)，前者用以解決非結(jié)構(gòu)化文檔數(shù)據(jù)的可靠性存儲，后者主要用以解決數(shù)據(jù)的實(shí)時(shí)檢索問題

2、。
　　接下來，在非結(jié)構(gòu)化文檔數(shù)據(jù)存儲技術(shù)改進(jìn)方面，針對Hadoop分布式文件系統(tǒng)針對大量小文件存儲的缺陷，提出了基于數(shù)據(jù)塊平衡的小文件合并算法，降低了系統(tǒng)負(fù)載，提高了系統(tǒng)處理效率；由于Hadoop不能提供實(shí)時(shí)檢索服務(wù)，必須將數(shù)據(jù)進(jìn)行同構(gòu)化處理，在ElasticSearch中進(jìn)行索引供檢索使用。為此提出支持插件化方便橫向擴(kuò)展的非結(jié)構(gòu)化文檔數(shù)據(jù)同構(gòu)化技術(shù)，利用Hadoop的并行計(jì)算框架MapReduce進(jìn)行數(shù)據(jù)同構(gòu)化處理；在非結(jié)構(gòu)化

3、文檔數(shù)據(jù)檢索優(yōu)化技術(shù)方面，利用ElasticSearch特有的過濾器機(jī)制結(jié)合互聯(lián)網(wǎng)身份信息數(shù)據(jù)特點(diǎn)，提出了基于過濾器的檢索過程優(yōu)化方法，大幅度提高部分?jǐn)?shù)據(jù)的檢索效率；另一方面，結(jié)合系統(tǒng)參數(shù)以及應(yīng)用參數(shù)等調(diào)優(yōu)，進(jìn)一步優(yōu)化了整體數(shù)據(jù)檢索的性能。在存儲與檢索的諸多優(yōu)化改進(jìn)研究之后，都配有詳盡的對比測試實(shí)驗(yàn)及結(jié)果分析，證實(shí)了方法的有效性。
　　最后，結(jié)合已改進(jìn)優(yōu)化的相關(guān)技術(shù)，進(jìn)一步完善了系統(tǒng)總體架構(gòu)，在設(shè)計(jì)并實(shí)現(xiàn)了用戶交互界面的基礎(chǔ)上，完