基于多metadata-nodes的SaaS多租户数据动态迁移问题研究

来源 :山东大学 | 被引量 : 0次 | 上传用户:jessicazrz
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着云计算发展,软件开发作为一种服务已经受到越来越多的关注。为了让独立软件开发商(ISV)能够将精力集中在核心业务应用的开发上,更加方便、灵活、快捷地构建SaaS系统,平台即服务(PaaS)理念因此发展起来。SaaS最大的优点是将应用在同一时间提供给多个租户使用,并且一个租户下可能有1个或者多个用户,对租户来说感觉不到其他租户的存在。当云计算快速发展,SaaS应用交付平台的数据正从单一的节点到多节点,数据量和租户的数量呈指数增长,存储在多个节点上的用户数据均匀的分散在多个数据节点。面对海量的数据和频繁的并发访问,将会给SaaS平台带来以下问题:(1)元数据存在单一的元数据节点上,所有数据节点使用的是同一份元数据,元数据节点上硬件或者软件若发生故障,则该元数据节点就不能完成任何数据的查询工作了。用户使用SaaS应用时,无从获取租户定制信息,无法进行模式映射和SQL重写,SaaS平台将是不可用的。(2)租户的资源需求是动态变化的,当租户需要的资源空间是随着时间动态变化的且各个数据节点的负载不均衡下,就会出现热点数据,不仅元数据节点可能出现过载,数据节点也可能出现过载,那么租户的SLA(Service-Level-Agreement)将得不到保障。针对以上,本文基于SaaS应用的特性,提出了支持数据迁移的多租户数据存储模型,然后在此基础上,提出了能够识别租户特性的云中多节点的SaaS平台多租户数据动态数据迁移算法。本文的主要工作如下:(1)提出了基于共享数据库共享表模式下的云中SaaS应用的多元数据节点模型。在共享SaaS多租户数据存储模式以及云中多个数据节点的基础上,针对SaaS平台单一元数据节点问题,提出了多元数据节点模型。模型中选取一个元数据节点作为元数据管理节点。阐述了模型中元数据结构,提出了SaaS平台多元数据节点模型下,元数据分布策略,包括元数据划分策略和基于分割定义的放置策略。并提出了基于分割访问计数属性等动态负载调整算法。该模型能有效解决单一元数据节点的失效、性能瓶颈、扩展性问题。(2)提出了在云中多元数据节点模型基础上的SaaS数据动态迁移策略。首先该策略考虑到多租户的特征;其次,数据迁移是在线的,为了保证租户对迁移中的数据能够进行正常访问,特别是正在进行迁移的源数据节点和目标数据节点,本章提出了“单写双读”的访问模式,这样不仅不会造成租户访问的中断,还可以保证服务提供商许诺的SLA。最后,将传统的两阶段提交的策略进行了扩展,保证数据一致性。该策略能够将迁移成本降至最低,能够按照租户数据的优先级进行迁移,缩小每次迁移的数据量,节省网络带宽,防止SaaS平台性能降低。文章最后我们给出“单写双读”的多租户数据访问方式,保证迁移中数据的可用性和用户访问的不中断性。
其他文献
随着云计算的兴起,软件的交付与使用模式正在发生着变化。作为云计算的一部分,PaaS平台为SaaS应用提供完整的开发、部署及运行环境。租户通过PaaS平台租用自己所需的SaaS应用
随着互联网技术的高速发展,网络中积累了大量的数字图像和视频数据,这些数据为人们的使用带来了新的技术挑战。为此,许多专家学者对图像分类、图像检索、目标识别等领域进行
随着互联网技术与信息产业的发展,以及各种图片分享类网站的出现,如今我们已经步入图像时代。图像是一种直观的媒体资源,在日常生活中扮演着重要角色。图像分类是计算机视觉
随着嵌入式系统网络化、智能化应用的不断扩展,传统软件实时操作系统作为支撑软件已无法满足需求。基于硬件化、软硬件协同等手段,在FPGA、SOC等器件上实现硬件实时操作系统已
随着互联网的飞速发展,在线社群图像的规模呈爆炸式增长,面对日益庞大的图像数据,如何对图像库进行有效的组织、管理和检索成为亟待解决的问题。标签是当前标注这些网络图像
实值优化问题在工程和学术领域有广泛的应用背景,许多问题最后都可以被定义成实值优化问题来求解。随着系统越来越复杂,需要优化的参数越来越多,优化问题解空间的维度越来越
MapReduce作为一种有效的数据分析和处理解决方案已被广泛应用于大规模数据处理领域。随着MapReduce应用的扩大,越来越多的服务提供商对外提供MapReduce商业服务。服务提供商
我们生活在一个相互关联的世界。大多数数据或信息对象、组件等是内部关联或者相互作用的,形成了无数的、巨大的、相互关联的复杂网络。不失一般性,相互关联的网络称为信息网
随着电子商务的发展和社交平台的广泛应用,以社交网络平台为载体的社交电商成为人们购物的新渠道。社交平台的用户使用量逐年递增,社交电商的潜在用户数量也随之递增。由此,
排序学习是当前信息检索与机器学习领域研究的热点问题之一,它在诸如文档检索、协同过滤、自然语言解析等领域有广泛的应用。排序学习的目标就是应用机器学习技术自动地从训