一种面向工业互联网的云存储方法

工业互联网是工业信息化进程中最受关注的热点,海量异构数据管理是其中的重点之一。传统的关系数据库（RDB）对海量多源异构数据的读写和检索都存在性能瓶颈,而近年来兴起的云数据管理方法主要是针对“键-值”（K-V）模式,无法依靠主键以外的数据属性对数据进行快速查找。提出了一种面向工业互联网的云存储方法——StoreCDB,在异构采样数据统一表达数据模型基础上,实现非结构化存储管理,同时,利用两级索引实现海量数据的快速检索。通过实验,在分布式集群实验平台上,采用海量高铁列车运行模拟数据,验证了StoreCDB具有良好的异构数据存储和检索性能,为工业互联网提供了一种新的数据管理方法。      

分布式用户痕迹采集存储系统

在复杂网络的分布式环境中，精准全面地采集海量用户在浏览网站过程中的行为数据和网站过程数据并高效存储是用户行为分析的前提和基础。为了解决数据类型的多样性和存储的差异性问题，提高数据的检索效率，为企业的个性化需求做用户行为的分析提供支持，设计了白盒模式的用户痕迹采集存储系统。用户访问Web服务器过程中会产生交互/交易数据以及用户操作，浏览网站过程中会产生图片、视频、商品描述等多种类型的文件，这些界面和数据称为用户浏览痕迹，操作序列则作为用户行为的实际动作顺序记录。对用户数据和操作序列分析，能精确反映用户特征。采集模型通过界面窗口树来建模，提供统一数据存取接口，根据数据类型的不同，分别存储于不同的位置，完整采集用户痕迹，应用程序传递参数指定存储位置创建数据库文件，通过存取接口可以分类型、按要求存取用户数据，解决了面向互联网的用户交互痕迹捕获、存储和检索的问题，具有良好的精确性和完整性。