-
公开(公告)号：CN105447121A
公开(公告)日：2016-03-30
申请号：CN201510785757.0
申请日：2015-11-16
Applicant: 天津南大通用数据技术股份有限公司
IPC: G06F17/30
CPC classification number: G06F16/25
Abstract: 本发明提供一种数据库集群重建连接高可用的方法，包括：应用系统通过数据库集群中的一个集群节点与数据库集群建立连接，向数据库集群发送业务请求；数据库集群在会话保持实体中记录应用系统的业务请求；如果应用系统连接的集群节点停止服务，应用系统与集群节点间的连接中断；应用系统重新向数据库集群建立连接；数据库集群通过会话保持实体获取到该应用系统连接中断之前的业务请求，将其关联到应用系统当前的连接，本次重建连接完成。本发明提高了数据库集群高可用性，保证应用系统的业务连续性。
-
公开(公告)号：CN105446743A
公开(公告)日：2016-03-30
申请号：CN201510932830.2
申请日：2015-12-12
Applicant: 天津南大通用数据技术股份有限公司
Abstract: 本发明提供一种自动生成SQL语句的系统及方法，该系统包括分析树模块，用于接收以BNF范式表达的SQL语句文法，以便自动生成SQL语句，其支持系统默认与人工干预相结合的方式对SQL语句进行生成，系统默认是根据BNF范式，生成所有可以产生的SQL语句种类和算子，人工干预分为SQL语句类型配置、SQL算子配置和迭代次数配置；SQL集合模块，用于分析树模块解析完成的中间数据及BNF范式定义生成SQL语句，并对已生成的SQL语句进行检查，去除不符合要求的SQL语句；日志及监控模块，用于反馈监控分析树模块和SQL集合模块生成日志，防止出现异常影响正常的工作。该发明可以快速地大批量地自动生成SQL语句，可以有效地减少测试人员的工作量，提高工作效率。
-
公开(公告)号：CN105426466A
公开(公告)日：2016-03-23
申请号：CN201510782763.0
申请日：2015-11-16
Applicant: 天津南大通用数据技术股份有限公司
IPC: G06F17/30
CPC classification number: G06F16/22 , G06F16/24545
Abstract: 本发明旨在提供一种在列存数据库中使用布隆过滤器快速精确查询数据的方法。包括，在列存数据库的精确查询数据操作中使用数据包级的布隆过滤器对数据包进行筛选。布隆过滤器可以有效减少精确查询数据操作过程中对磁盘和文件系统的I/O访问，加快精确查询数据操作的速度。
-
公开(公告)号：CN105389371A
公开(公告)日：2016-03-09
申请号：CN201510786229.7
申请日：2015-11-16
Applicant: 天津南大通用数据技术股份有限公司
IPC: G06F17/30
Abstract: 本发明提供一种数据库集群建立连接高可用的方法和系统，包括：应用系统调用数据库接口驱动，向数据库集群发起建立连接请求；根据建立连接请求，数据库接口驱动获取数据库集群中一个集群节点的IP地址，并向该IP地址发起建立连接请求；如果建立连接成功，则本次应用系统和数据库集群的建立连接完成；如果建立连接不成功，则数据库接口驱动获取数据库集群中另一个集群节点的IP地址，并向该IP地址发起建立连接请求。本发明能够解决数据库集群中有集群节点不提供服务的情况下应用系统仍然可以通过其他集群节点访问集群的问题，确保数据库集群的高可用性。
-
公开(公告)号：CN105389368A
公开(公告)日：2016-03-09
申请号：CN201510778860.2
申请日：2015-11-16
Applicant: 天津南大通用数据技术股份有限公司
IPC: G06F17/30
CPC classification number: G06F16/273
Abstract: 本发明提供一种MPP架构数据库集群元数据管理方法，通过在数据库集群中增加内存数据库，实现集群元数据的统一管理。采用本发明中的方法，可以保证数据库集群中集群元数据的一致性，以及实现快速写入及读取集群元数据，解决集群失效节点重新加入集群时集群元数据不一致问题，进而提高数据库集群的高可用性。
-
Patent Agency Ranking
公开(公告)号：CN104572893A
公开(公告)日：2015-04-29
申请号：CN201410818000.2
申请日：2014-12-24
Applicant: 天津南大通用数据技术股份有限公司
IPC: G06F17/30
CPC classification number: G06F17/30339
Abstract: 本发明提供一种数据库中的数据混合存储方法，将采用列存储的原数据库表中的列数据分为列存储数据和行存储数据并存储在同一数据库表中；所述行存储数据的存储结构在内部融合列存储数据的数据存储特征；所述数据库表中的列存储数据是根据运行系统查询特征选择的数据列，用于进行列扫描多关联的条件列等数据查询定位操作。本发明具有的优点和积极效果是：为在复杂应用场景下的列存数据库提供了一种有效解决select*应用模型物化效率低下的方法，提高了列存数据库对于select*类型的查询效率，扩展了列存数据库的适用范围；减小了现有行列混合存储方式占用的空间，同时数据的压缩效率与列存储相差不多。
-
公开(公告)号：CN104537078A
公开(公告)日：2015-04-22
申请号：CN201410851219.2
申请日：2014-12-31
Applicant: 天津南大通用数据技术股份有限公司
IPC: G06F17/30
CPC classification number: G06F17/30952
Abstract: 本发明提供一种基于滑块的目录索引优化方法，包括以下步骤：(1)在目录索引中设置动态检索滑块，且在该检索滑块内增加可配置该检索滑块大小的参数；(2)在检索系统中输入查询条件，配置文件根据查询条件为目录索引属性设置参数；(3)目录索引启动时根据所启动目录索引的属性读取配置文件中的参数；(4)根据检索滑块内参数的设置，重新计算目录索引中的索引个数；(5)根据滑块参数及目录索引中的索引个数做循环，计算该目录索引当前属性当前类别匹配规则的索引值；(6)统计检索结果；采用上述技术方案，可以根据业务需要指定滑块大小，避免any类型的索引要进行的每字符错位计算，可以快速完成索引创建过程，又能保证查询的效率。
-
公开(公告)号：CN104484469A
公开(公告)日：2015-04-01
申请号：CN201410847870.2
申请日：2014-12-31
Applicant: 天津南大通用数据技术股份有限公司
IPC: G06F17/30
CPC classification number: G06F17/303 , G06F17/3033
Abstract: 本发明创造提供一种支持多hash map数据库集群系统不停机的扩容方法，包括以下步骤：S1.集群中的原表都绑定到现有的hash map上，现有的hash map命名为old hash map；S2.进行集群扩容时，执行产生新hash map的命令，集群产生新的hash map，并把该hash map设定为current hash map；S3.集群扩容后新创建的表自动绑定到current hash map上；S4.对原表和新表的任何操作将以current hash map为当前操作的hash map,基于old hash map的老表的原有的hash特性将丢失，需要按照current hash map进行数据动态重分布后参与和新表的运算。S5.迁移部分数据到新节点上，迁移完成后该表即可绑定到current hash map上。这种设计性能不衰减，数据过渡自然。
-
公开(公告)号：CN104462334A
公开(公告)日：2015-03-25
申请号：CN201410727736.9
申请日：2014-12-03
Applicant: 天津南大通用数据技术股份有限公司
CPC classification number: G06F16/215
Abstract: 本发明旨在提供一种在列存储数据库中自适应的智能压缩方法。包括，多种压缩算法构成的复合压缩引擎，对一列中的数据进行抽样分析特征，按照特征缩减压缩引擎中备选算法的范围，通过采样压缩的方式选定压缩算法，以及同一压缩方法的步长控制防止抽样异常造成整列压缩效果不佳。本发明可以在列存数据库中对存储数据进行有效的压缩，通过复合算法引擎适应不同的数据。而数据抽样以及采样可以有效的在相近算法中做出选择，避免了传统复合算法下追求压缩比而造成的过量计算，兼顾压缩速度与压缩比的综合结果。
-
公开(公告)号：CN108268611B
公开(公告)日：2021-03-26
申请号：CN201711473670.5
申请日：2017-12-29
Applicant: 天津南大通用数据技术股份有限公司
Abstract: 本发明提供一种基于MapReduce的k‑means文本聚类的方法及装置。包括，删除离群点，最大距离法选取初始簇中心，构造迭代中的簇中心计算公式和测度函数，设计基于MapReduce框架的大规模文本并行聚类模型。采用本发明的方法，可以有效解决传统K‑means聚类算法中的局部最优、迭代次数过多、聚类结果不稳定的问题，提高算法的并行能力和可扩展性。
-
-
-
-
-
-
-
-
-
Search Results
135
records
(took 0.036 seconds)
