非結構化文檔數(shù)據(jù)一體化存儲檢索技術研究.pdf

1、隨著互聯(lián)網(wǎng)及大數(shù)據(jù)時代的到來，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)當中，又以格式不確定的非結構化數(shù)據(jù)為主。文檔數(shù)據(jù)作為非結構化數(shù)據(jù)的重要組成部分，已有的關系型數(shù)據(jù)庫工具及技術對其則很難駕馭，必須尋找新的方法與技術應對非結構化文檔數(shù)據(jù)的存儲與檢索。
　　首先，通過理論分析與實驗對比，確定了Hadoop結合ElasticSearch的架構，前者用以解決非結構化文檔數(shù)據(jù)的可靠性存儲，后者主要用以解決數(shù)據(jù)的實時檢索問題

2、。
　　接下來，在非結構化文檔數(shù)據(jù)存儲技術改進方面，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)負載，提高了系統(tǒng)處理效率；由于Hadoop不能提供實時檢索服務，必須將數(shù)據(jù)進行同構化處理，在ElasticSearch中進行索引供檢索使用。為此提出支持插件化方便橫向擴展的非結構化文檔數(shù)據(jù)同構化技術，利用Hadoop的并行計算框架MapReduce進行數(shù)據(jù)同構化處理；在非結構化

3、文檔數(shù)據(jù)檢索優(yōu)化技術方面，利用ElasticSearch特有的過濾器機制結合互聯(lián)網(wǎng)身份信息數(shù)據(jù)特點，提出了基于過濾器的檢索過程優(yōu)化方法，大幅度提高部分數(shù)據(jù)的檢索效率；另一方面，結合系統(tǒng)參數(shù)以及應用參數(shù)等調優(yōu)，進一步優(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)化改進研究之后，都配有詳盡的對比測試實驗及結果分析，證實了方法的有效性。
　　最后，結合已改進優(yōu)化的相關技術，進一步完善了系統(tǒng)總體架構，在設計并實現(xiàn)了用戶交互界面的基礎上，完