[发明专利]数据的分布式云存储方法

说明书

本发明公开了一种数据的分布式云存储方法，包括：分析数据；若为嵌套型数据，则将每层数据中的每个内嵌对象作为O，以及该内嵌对象紧邻着的上一层的属性A和属性A所在内嵌对象的关键分量C，由此将每层数据中的每个内嵌对象生成一个CAO数据；或若为关系型数据，则将数据表的每一行数据作为O，以及该行数据所在数据表的表名称A和与该行数据所在数据表中的外键所在列名及列值构成C，由此将每一行数据生成一个CAO数据；C+A+O中的主关键字作为键，O中除了主关键字之外的其余数据作为值，将各CAO数据转换成一个键值对，并对键值对集进行分布式云存储。本发明具有可以将嵌套型数据和关系型数据分散存储于多个分布式云存储电脑中有益效果。

技术领域

本发明涉及分布式云存储领域。更具体地说，本发明涉及一种数据的分布式云存储方法。

背景技术

现有云数据模型包括键-值模型和云关系模型。使用键-值模型的云数据库包括BigTable，SimpleDB，PNUTS，HBase， Amazon DynamoDB，HugeTable，MongoDB，CouchDB等。使用云关系模型的云数据库包括Amazon relational database service，GaianDB，SQLAzure等。云关系模型在逻辑上还是关系模型，但是其物理存储方法发生了变化。它使用行组和表组在云端存储数据以便并行地处理数据并提高连接效率。云关系模型的优点包括：数据结构简单，容易实现分布存；提供关系代数和查询语言，能够实现复杂查询；SQL语言简单易学，一般用户容易使用。缺点包括：在云端实现连接操作代价昂贵且难以实现；数据库难以扩展，容量受到限制；要连接的表需要放到同一数据节点，增加人工干预成本。键-值模型是一种存储模型，其中一条记录作为一个值，没有数据结构；一个键是该值的索引。使用键-值模型的数据库更像是一个文件系统。键-值模型的优点包括：数据无结构，容易实现分布式存储和并行处理；通过键作为索引访问作为值的记录，容易获得高访问性能和良好扩张性。缺点包括：不能表现结构化数据，应用领域受限；不提供查询代数和查询语言，无法实现复杂查询；数据解析需要通过编程序来处理，没有编程经验的用户难以使用。由于大量关系数据需要存储在云端以便在线读写、分析和挖掘，因此需要一种具有高数据访问性能、良好扩展性、良好易用性及查询能力强的云数据库来处理关系数据和其他结构化数据。

发明内容

本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。

本发明还有一个目的是提供一种数据的分布式云存储方法，可以实现将嵌套型数据和关系型数据分散存储于多个分布式云存储电脑中，避免同一个嵌套型数据或关系型数据只能存储在同一台支存储电脑中，提高数据的存储效率及查询效率。

为了实现根据本发明的这些目的和其它优点，提供了一种数据的分布式云存储方法，其特征在于，包括：

分析待存储的数据为嵌套型数据还是关系型数据；

若为嵌套型数据，则将包含上下层级关系的树形数据表中的每一层数据中的每一个内嵌对象O作为一个数据集，且该数据集中还包括该内嵌对象的紧邻着的上一层的属性A和属性A所在内嵌对象中的关键分量C，其中所述关键分量是指作为所在内嵌对象中的主关键字的数据分量，由此将每一层数据中的每一个内嵌对象生成一个CAO数据，最终所述嵌套型数据生成了包含多个CAO数据在内的CAO数据集；或

若为关系型数据，则将数据表中的每一行数据O作为一个数据集，且该数据集中还包括该行数据所在的数据表的表名称A和与该行数据所在的数据表中的外键所在列名及列值构成C，其中所述外键为该行数据所在的数据表紧邻着的上一级主表的主关键字，由此将每一行数据生成一个CAO数据，最终所述关系型数据生成了包含多个CAO数据在内的CAO数据集；

将各CAO数据按照C+A+O中的主关键字作为键，O中除了主关键字之外的其余数据作为值的规则，来将各CAO数据转换成一个键值对，由此将所述CAO数据集转换成包含多个键值对的键值对集；

对所述键值对集进行分布式云存储。