[发明专利]一种数据存储方法、装置及存储服务器

说明书

本发明公开了一种数据存储方法、装置及存储服务器，该方法中预先创建存储资源表，在所述存储资源表中保存有存储资源和所述存储资源能够提供的SLA服务质量之间的对应关系。在获取到数据存储请求时，确定所述数据存储请求的SLA服务需求，依据预先创建的存储资源表，在已有存储资源中匹配出满足所述SLA服务需求的存储资源，并利用所述匹配出的存储资源，进行数据存储，能够实现根据数据存储请求的SLA服务需求，适应性将数据存储到对应的存储资源上。

技术领域

本发明涉及存储技术领域，尤其涉及一种数据存储方法、装置及存储服务器。

背景技术

随着大数据存储和应用场景的发展，海量异构数据的存储和访问是大数据应用和产品常常面临的问题。例如，在视频推荐场景中通常需要存储所有电影的数据(包括导演、演员、类型、年代等信息)、用户对电影的评论数据、用户的实时画像(包括用户偏好的电影类型等数据)以及每个用户的推荐列表(为每个用户推荐的电影列表)等。

海量异构的数据通常有不同的数据类型，包括关系型数据、宽表(Wide-Column)数据、键值对(Key Value，KV)、文件等。例如，用户对电影的评论数据是长文本，电影的数据信息是半结构化的宽表或KV，用户的实时画像是宽表或KV。每一种数据类型根据业务或用户的需求，可能有多种存储方式和存储介质。例如，非结构化的文件可能存储在分布式计算(Hadoop)分布式文件系统(Hadoop Distributed File System，HDFS)、MongoDB(由C++语言编写的基于分布式文件存储的数据库)上，宽表或KV数据可能存储在HDFS、HBase(一种宽表数据存储工具)、Cassandra(一种宽表数据存储工具)、Redis(一种基于内存的KV数据存储工具)、Aerospike(一种KV数据存储工具)上等。HDFS文件存储通常以磁盘为主要的存储介质，能支持的访问性能较低。HBase通常使用磁盘存储宽表数据支持高并发的写操作并支持点查(根据行键查找数据)，并且借助Phoenix(一种HBase上的SQL查询工具)等工具可以支持结构化查询语言(Structured Query Language，SQL)查询。Redis是基于内存的KV存储，能够提供高性能的点查。不同存储介质的成本不一样，例如内存数据库需要大量内存且成本高，而SSD的成本中等，磁盘成本低。

然而，针对不同的业务以及用户，对每种数据类型会有不同的访问方式(点查、SQL查询等)和性能需求，这些需求决定了数据的存储方式。比如用户评论数据可能只需要支持低并发、小时级别的查询，只需要存储在HDFS上；电影数据只需要支持分钟或秒级别的点查，需要存储在HBase上；用户的实时画像需要支持高并发的点查，需要存储在Redis上等。因此，对于有不同访问方式和访问性能需求的数据应该按需存储到对应的存储工具和存储介质上，使得性能达标同时成本最优。

故，如何实现根据业务以及用户的所需的不同访问方式和访问性能需求，适应性将数据存储到对应的存储工具和存储介质上，是急需解决的问题。

发明内容

本发明实施例提供一种数据存储方法、装置及存储服务器，以实现根据数据存储请求的服务访问等级协议(Service-Level Agreement，SLA)服务需求，适应性将数据存储到对应的存储资源上。

第一方面，提供一种数据存储方法，该方法中预先创建存储资源表，在所述存储资源表中保存有存储资源和所述存储资源能够提供的SLA服务质量之间的对应关系。在获取到数据存储请求时，确定所述数据存储请求的SLA服务需求，依据预先创建的存储资源表，在已有存储资源中匹配出满足所述SLA服务需求的存储资源，并利用所述匹配出的存储资源，进行数据存储，能够实现根据数据存储请求的SLA服务需求，适应性将数据存储到对应的存储资源上。

其中，所述预先创建的存储资源表可依据存储资源的注册请求中包括的存储资源支持的数据类型、访问方式、访问性能以及存储资源位置所创建。