Меню
Публикации
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
Главный редактор

НИКИФОРОВ
Владимир Олегович
д.т.н., профессор
Партнеры
doi: 10.17586/2226-1494-2019-19-2-271-279
УДК 004.7
МОДЕЛЬ МНОГОУРОВНЕВОЙ СИСТЕМЫ ХРАНЕНИЯ ДАННЫХ
Читать статью полностью

Язык статьи - русский
Ссылка для цитирования:
Аннотация
Ссылка для цитирования:
Татарникова Т.М., Пойманова Е.Д. модель многоуровневой организации системы хранения данных // Научно-технический вестник информационных технологий, механики и оптики. 2019. Т. 19. № 2. С. 271–279. doi: 10.17586/2226-1494-2019-19-2-271-279
Аннотация
Исследована организация системы хранения данных, основанная на последовательном применении алгоритмов вертикального размещения файлов по уровням системы хранения данных, горизонтального – по секциям определенного уровня и динамического – при перемещении данных по уровням.Выбраны и нормализованы метаданные, задающие характеристики сохраняемых файлов. Модель позволяет организовать хранение файлов в соответствии с их характеристиками, в том числе требованиями ко времени гарантированного хранения. Представление системы хранения в виде матрицы позволяет использовать инструмент нейронной сети Кохонена для размещения файлов по уровням и по секциям определенного уровня. Использование нейронной сети Кохонена позволяет перейти от последовательного выполнения алгоритмов к размещению за один шаг. Предложена модель многоуровневого хранения данных. Разработаны алгоритмы размещения файлов в системе хранения данных с многоуровневой структурой. Приведены тестовые примеры, демонстрирующие возможности аппарата нейронной сети Кохонена при размещении файлов в соответствии с требуемыми параметрами. Совместное применение алгоритмов размещения файлов позволяет организовать многоуровневое хранение данных в соответствии с характеристиками файлов и обеспечением требований к времени гарантированного хранения.
Ключевые слова: многоуровневое хранение, система хранения данных, эффективное размещение данных, метаданные файла, миграция данных, кластеризация файлов, нейронная сеть Кохонена
Список литературы
Список литературы
-
Богатырев В.А., Богатырев С.В. Объединение резервированных серверов в кластеры высоконадежной компьютерной системы // Информационные технологии. 2009. № 6. С. 41–47.
-
Проскуряков Н.Е., Ануфриева А.Ю. Анализ и перспективы современных систем хранения цифровых данных // Известия ТулГУ: Технические науки. 2013. № 3. C. 368–377.
-
Бурмистров В.Д., Заковряшин Е.М. Создание хранилища данных для распределенной системы // Молодой ученый. 2016. № 12. C. 143–147.
-
Bogatyrev V.A., Parshutina S.A., Poptcova N.A., Bogatyrev A.V. Efficiency of redundant service with destruction of expired and irrelevant request copies in real-time clusters // Communications in Computer and Information Science. 2016. V. 678. P. 337–348. doi: 10.1007/978-3-319-51917-3_30
-
Farley M. Building Storage Networks. 2nd ed. Osborne: McGraw-Hall, 2001. 576 p.
-
Богатырев В.А., Богатырев С.В., Богатырев А.В. Надежность кластерных вычислительных систем с дублированными связями серверов и устройств хранения // Информационные технологии. 2013. № 2. С. 27–32.
-
Information Storage and Management. 2nd ed. New Jersey: John Wiley & Sons Inc., 2016. 544 p.
-
Landauer R. Information is physical // Physics Today. 1991. V. 44. N 5. P. 23–29.
-
Todman C. Designing a Data Warehouse: Supporting Customer Relationship Management. Prentice Hall Publ.,2001. 414 p.
-
Kish L.B., Granqvist C.G. Does information have mass? // Proceedings of the IEEE. 2013. V. 101. N 9. P. 1895–1899. doi: 10.1109/JPROC.2013.2273720
-
Mesnier M., Ganger G., Riedel E. Object-based storage // IEEE Communications Magazine. 2003. V. 41. N 8. P. 84–90.doi: 10.1109/MCOM.2003.1222722
-
Buyya R., Broberg J., Goscinski A. Cloud Computing. Principles and Paradigms. New Jersey: John Wiley & Sons Inc., 2011. 637 p.
-
Татарникова Т.М., Пойманова Е.Д. Технологии долговременного хранения данных // Материалы Международной научно-практической конференции «Наука и образование в XXIвеке». Тамбов, 2013. Ч. 31. С. 136–138.
-
Татарникова Т.М. Анализ данных. СПб: СПбГЭУ, 2018. 85 с.
-
Kish L.B. Moore’s law and the energy requirement of computing versus performance // IEEE Proceedings: Circuits, Devices and Systems. 2004. V. 151. N 2. P. 190–194. doi: 10.1049/ip-cds:20040434
-
Hastic T., Tibshirani R., Friedman J. The Elements of Statistical Learning. Springer, 2003. 552 p. doi: 10.1007/978-0-387-21606-5
-
Kohonen T.Self-Organizing Maps. NY, Springer, 1995. 362 p.
-
Stacey M., Salvatore J., Jorgensen A. Visual Intelligence: Microsoft Tools and Techniques for Visualizing Data. New Jersey: Wiley, 2013. 400 p.
-
Morville P., Callender J. Search Patterns: Design for Discovery. O'Reilly Media, 2010. 192 p.
-
Kutuzov O.I., Tatarnikova T.M. Model of a self-similar traffic generator and evaluation of buffer storage for classical and fractal queuing system // Proc. Moscow Workshop on Electronic and Networking Technologies, MWENT. Moscow, 2018. doi: 10.1109/mwent.2018.8337306
-
Кутузов О.И., Татарникова Т.М. Из практики применения метода Монте-Карло // Заводская лаборатория. Диагностикаматериалов. 2017. Т. 83. № 3. С. 65–70.