数据存储方案分析

指出了企业数据存储的重要性和必要性，介绍了当前在数据存储领域里已经存在的几种存储模式，分析了DAS、SAN、NAS几种存储模式的特点，并对这几种模式的优、缺点进行了比较，最后针对不同企业对数据存储的不同需求，提出了企业数据存储方案的选择原则和基本方法。     

基于Java和XML的分布式数据存储架构

探讨了一种基于Java和XML技术的分布式存储结构，该结构主要用于解决异构的数据存储和数据交互问题，构造了一种Internet环境下的分布式数据存储模式。在对分布式存储结构进行概述的基础上提出了具体的结构模型，并且论述了实现该结构所需的技术和手段。     

河道健康管理本体模型构建与数据存储方法设计

河道的有效管理是维持河道健康生态状况的前提条件。针对河道健康数据存在的跨部门管理、存储效率低下、语义信息被忽略等问题，提出了一种基于本体的河道健康数据存储方法。构建了河道健康领域的本体模型，设计了基于Neo4j图数据库的河道健康数据存储方法。以上海市宝山区河道为例，开发了河道健康可视化原型系统，实现了河道健康本体数据在概念、关系、属性和实例的存储与查询。设计了2种不同本体存储方式查询效率的对比试验，验证了本文方法的有效性和可行性。     

浅谈数字化医院信息系统的存储策略

根据医院信息系统的数据特点和存储要求,本文在分析DAS、NAS、SAS信息存储方式的特点后,提出了将NAS、SAS融合于医院信息系统的存储策略。     

一种基于属性的对象访问方法

基于对象存储，吸取NAS和SAN的优点。成为下一代网络存储模式．Ext2作为对象存储的文件系统，数据访问至少需两次以上的磁盘操作，由此提出了一种基于属性的对象访问方法．将数据的块地址和长度链接在一起，作为对象的扩展属性，连同数据对象一起存储到磁盘中，无论数据对象大小。磁盘访问次数仅为两次。有效地提高了数据访问效率．     

XML数据存储方法的研究

分析了当前已有的XML数据存储方法，指出了这些方法存在的不足。对如何存储和查询XML数据等问题做了详细的探讨，提出了一种基于对象一关系数据库的XML数据存储方法。实验结果表明，与传统的方法相比，本方法生成的关系表较少且所需的存储空间小，基于本方法的查询所需的联结较少，因此能有效地存储XML数据并提高查询的效率。     

大数据环境中计算机网络安全存储研究

为解决大数据环境中计算机网络存储隐私问题,提出一种崭新的数据存储与加密方案.基于HDFS设计了大数据环境下计算机网络信息的分布式存储架构,基于文件指纹与元数据信息去除文件存储前的冗余数据;基于Lorenz超混沌系统生成随机性较强的序列,作为计算机网络大数据加密与解密密钥,在HDFS文件系统中完成大数据安全存储.最后,在实验中验证了该存储方案的安全性与高效性,人为攻击后数据受损度为0,数据存储效率远超AES安全存储算法、DES安全存储算法,为该方法在计算机网络大数据安全存储中的应用增添了有利证据.     

一种Java ME中基于RMS的记录遍历方法

RMS是JavaME中应用程序对数据进行持久性存储的唯一途径,为MIDP提供了一种数据永久储存的机制。在对RecordStore记录存储中的记录进行相关操作时,往往需要遍历记录存储中的所有记录。理论上可以按照记录存储的规律使用getNextRcordID或getNumRecords等方法对RecordStore记录存储中所有数据进行遍历。但由于记录存储中部分记录被删除后,RecordID会出现断号,从而导致RecordStore中的记录RecordID不连续,最终导致程序遍历失败。本文提出了一种利用RMS中RecordEnumeration接口解决RecordStore记录存储中记录RecordID断号后,实现遍历RecordStore记录存储中所有数据的方法。     

基于区块链的电力营销数据存储机制

随着电力的发展电力营销数据持续增长,传统的集中式数据存储模式已经不能满足电力业务数据存储的安全性和高效性需求.针对上述问题,提出了一种基于区块链的多级加密电力营销数据存储架构,该存储架构以区块链技术作为底层技术支撑,结合分布式存储提供稳定性高、安全可靠的电力数据存储方案.同时在区块链的基础上提出多级加密机制,该机制支持电力数据上链及电力数据传输等流程的逐级加密及验证,使得电力数据存储的安全性得到进一步的保证.通过创建分布式存储设施,对提出的存储机制与集中式存储机制进行对比实验,分析实验结果发现提出的存储机制在电力数据存储方面相比于传统的存储机制在系统延迟、响应时间和吞吐量上都更具有优势,表明了该存储机制合理可行,具有良好的应用前景.     

一个对象-关系型DBMS的数据存储组织策略

提出了一个对象关系DBMS的数据存储组织策略，给出了其底层存储的具体实现，其中包括类，对象的存储方案。给出并分析比较了类层次的3种存储策略，确定了将每个类映射成一张表（包含该类继承的属性）作为本系统实现的策略。论述了大对象等的分散存储策略。结果表明，本 系统在增强对象处理能力的同时，能满足对数据的快速高效检索。     

大数据云存储下海量数据传输完整度控制技术

为确保大数据云存储下海量数据传输的完整度,提出了一种基于属性特征匹配和关联规则的海量数据传 输完整度控制方法。构建海量数据的属性特征高维重组模型,得到关键信息的特征分布状况,据此设计海量数 据的关键信息存储分布结构模型,采用关联规则方法进行海量数据的关键信息特征挖掘提取,利用关键信息进 行海量数据的特征分析和数据聚类处理,采用属性特征匹配方法设计海量数据关键信息存储节点后,利用模糊 减法聚类对关键信息存储节点进行聚类处理,在海量数据传输中,以数据关键信息存储节点传输的完整度实现 海量数据的传输完整度控制。仿真结果表明,采用该方法进行海量数据传输完整度控制,能提高云存储下的空 间利用效率,数据传输完整度高。     

数据分级存储系统中数据分级算法研究

随着数据存储规模的海量增长,降低存储系统的总拥有成本,提高数据访问效率是海量数据分级存储系统的关键.在分析了两种典型的数据分级算法后,结合两种算法的优点对算法进行了改良,提出了基于数据访问频率和数据设备依赖度的自动分级算法,实验结果验证了算法的有效性和数据分级算法具有较高的准确率.     

基于面向对象的大数据存储模型研究

随着大数据存储需求的不断扩大,网络存储技术面临如何存储并管理海量数据的问题.通过对现有各种大数据存储模型进行了对比分析,针对现有存储模型存储的局限性和大数据存储的特点,提出了一种基于数据特征的面向对象存储思想.采用虚拟类技术设计并实现了一种基于面向对象的大数据存储模型.在仿真环境中,对该模型的分类关键模块与非结构化数据存储性能进行了测试与分析,实验结果表明该模型分类模块误差较小,读写效率较高,而且随着数据的增大,非结构化存储性能保持稳定.     

基于云计算的数据存储技术研究

以云计算环境下大数据存储技术为研究对象,首先介绍了云计算环境下主要的两种典型的分布式存储系统,即Googk的GFS和Hadoop的HDFS;对其中的数据存储技术进行了专门分析,从可扩展性和延迟性（如何支持海量小文件的存储）、容错性（在数据丢失时进行数据恢复）和海量数据存储的实时性这3个方面对现有技术进行了评价.在此基础上,提出了分布式文件系统的系统架构.最后给出了研究展望.     

数据仓库数据加载技术

数据仓库中的数据不是传统数据库中数据的简单堆积，其数据的组织必须方便基于数据仓库基础之上的数据挖掘和商业智能工作，为决策者提供访问、分析及共享信息的能力，从而发挥数据仓库的真正功效。成功构造一个数据仓库的关键在于自始至终理解用户需要，紧紧围绕用户目标这一主题进行数据的搜集和存储。首先分析数据仓库的特点及拥有的数据类别及组成，重点介绍如何从现有数据库中有效地将数据引导至数据仓库的方法和策略，具体给出了数据仓库中5种不同类别数据的加载方法。     

分布式存储系统中混合数据布局算法

数据布局算法是分布式存储系统的基础性算法,也是提高数据处理效率的关键。针对节点负载和通信延迟等存储节点状态,提出了一种衡量存储节点可用性的通用方法,并在分析了已有算法的基础上,综合各种算法的优点,提出了一种混合数据布局算法。该算法根据存储节点可用性不同而采取不同的数据冗余策略。通过对比分析,证实该算法在存储量与通信量方面具有较大的优越性。     

工业现场传感器实时数据存储系统设计与实现

针对工业现场中大量的传感器以连续高并发的方式所产生的海量实时数据难以高效可靠存储的问题,设计了基于 Hadoop 与 HBase 的工业现场传感器实时数据存储系统,并利用5台服务器和1个磁盘阵列构建了数据存储系统原型,最后通过仿真程序模拟工业现场传感器实时数据的高并发特性,对所提出的数据存储系统性能进行了验证。实验表明,所提出的工业现场传感器实时数据存储系统数据存储可靠、运行稳定、并发处理能力强。     

面向分布式存储的空间数据放置方法研究

目前,互联网中海量空间数据采用分布式存储,空间数据放置直接关系到数据访问效率.为了提高分布式存储中空间数据访问效率,提出了一种DHT-R数据放置策略,该策略将分布式哈希表（DHT）和R树相结合,按照分布式哈希表存储空间数据基本信息和索引地址,同时以R树型结构组织和存放空间数据,R树存储使得快速访问空间数据成为可能.实验发现,数据存取的可靠性较高,数据的吞吐时延也明显低于业界的阀值,DHT-R放置方法在大量访问压力下依然能良好的平衡和并发.     

基于扩展型数据仓库的EIS数据组织模式

在探讨ＥＩＳ数据要求与组织途径的基础上，给出了一个基于扩展型数据仓库的ＥＩＳ数据组织模式，提出了边界在逻辑形式上向外部延伸，由实际存置与虚拟存置相结合构成的扩展型数据仓库和表术共数据状况，用于引入，管理和引用数据的数值仓库明细帐等概念，以期为ＥＩＳ的开发与应用提供了一些新的思路。     

海量数据处理过程中数据挖掘算法的应用

信息时代的快速发展带来的是信息总量呈现几何级数的增加,而海量数据的存储和分析处理对计算机硬件能力和数据分析能力都是一个极大的挑战．数据挖掘算法是针对于大批量数据处理而提出并逐步发展起来的,基于完备的数据库技术,可以在云计算算法、矩阵压缩算法和并行关联算法的基础上,进行算法集成,能进一步提高数据挖掘的速度、精度和时效性,在实际海量数据的处理过程中有较好的适应性,为海量数据处理提供了新的技术分析方法．