doi: 10.17586/2226-1494-2019-19-2-271-279


УДК 004.7

МОДЕЛЬ МНОГОУРОВНЕВОЙ СИСТЕМЫ ХРАНЕНИЯ ДАННЫХ

Татарникова Т.М., Пойманова Е.Д.


Читать статью полностью 
Язык статьи - русский

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
  1. Богатырев В.А., Богатырев С.В. Объединение резервированных серверов в кластеры высоконадежной компьютерной системы // Информационные технологии. 2009. № 6. С. 41–47.
  2. Проскуряков Н.Е., Ануфриева А.Ю. Анализ и перспективы современных систем хранения цифровых данных // Известия ТулГУ: Технические науки. 2013. № 3. C. 368–377.
  3. Бурмистров В.Д., Заковряшин Е.М. Создание хранилища данных для распределенной системы // Молодой ученый. 2016. № 12. C. 143–147.
  4. 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
  5. Farley M. Building Storage Networks. 2nd ed. Osborne: McGraw-Hall, 2001. 576 p.
  6. 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.
  7. Information Storage and Management. 2nd ed. New Jersey: John Wiley & Sons Inc., 2016. 544 p.
  8. Landauer R. Information is physical // Physics Today. 1991. V. 44. N 5. P. 23–29.
  9. Todman C. Designing a Data Warehouse: Supporting Customer Relationship Management. Prentice Hall Publ.,2001. 414 p.
  10. 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
  11. 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
  12. Buyya R., Broberg J., Goscinski A. Cloud Computing. Principles and Paradigms. New Jersey: John Wiley & Sons Inc., 2011. 637 p.
  13. 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.
  14. Татарникова Т.М. Анализ данных. СПб: СПбГЭУ, 2018. 85 с.
  15. 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
  16. Hastic T., Tibshirani R., Friedman J. The Elements of Statistical Learning. Springer, 2003. 552 p. doi: 10.1007/978-0-387-21606-5
  17. Kohonen T.Self-Organizing Maps. NY, Springer, 1995. 362 p.
  18. Stacey M., Salvatore J., Jorgensen A. Visual Intelligence: Microsoft Tools and Techniques for Visualizing Data. New Jersey: Wiley, 2013. 400 p.
  19. Morville P., Callender J. Search Patterns: Design for Discovery. O'Reilly Media, 2010. 192 p.
  20. 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
  21. Кутузов О.И., Татарникова Т.М. Из практики применения метода Монте-Карло // Заводская лаборатория. Диагностикаматериалов. 2017. Т. 83. № 3. С. 65–70.


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2024 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика