高性能网站中海量数据的处理方法
在实际的工作环境下,许多人会遇到海量数据这个复杂而艰巨的问题,它的主要难点
有以下几个方面:
一、数据量过大,数据中什么情况都可能存在。
如果说有
10 条数据,那么大不了每条去逐一检查,人为处理,如果有上百条数据,也
可以考虑,如果数据上到千万级别,甚至过亿,那不是手工能解决的了,必须通过工具或
者程序进行处理,尤其海量的数据中,什么情况都可能存在,例如,数据中某处格式出了
问题,尤其在程序处理时,前面还能正常处理,突然到了某个地方问题出现了,程序终止
了。
二、软硬件要求高,系统资源占用率高。
对海量的数据进行处理,除了好的方法,最重要的就是合理使用工具,合理分配系统
资源。一般情况,如果处理的数据过
TB 级,小型机是要考虑的,普通的机子如果有好的方
法可以考虑,不过也必须加大
CPU 和内存,就象面对着千军万马,光有勇气没有一兵一卒
是很难取胜的。
三、要求很高的处理方法和技巧。
这也是本文的写作目的所在,好的处理方法是一位工程师长期工作经验的积累,也是
个人的经验的总结。没有通用的处理方法,但有通用的原理和规则。
下面我们来详细介绍一下处理海量数据的经验和技巧:
一、选用优秀的数据库工具
现在的数据库工具厂家比较多,对海量数据的处理对所使用的数据库工具要求比较高,
一般使用
Oracle 或者 DB2,微软公司最近发布的 SQL Server 2005 性能也不错。另外在 BI 领
域:数据库,数据仓库,多维数据库,数据挖掘等相关工具也要进行选择,象好的
ETL 工
具和好的
OLAP 工具都十分必要,例如 Informatic,Eassbase 等。笔者在实际数据分析项目
中,对每天
6000 万条的日志数据进行处理,使用 SQL Server 2000 需要花费 6 小时,而使
用
SQL Server 2005 则只需要花费 3 小时。
二、编写优良的程序代码
处理数据离不开优秀的程序代码,尤其在进行复杂数据处理时,必须使用程序。好的程
序代码对数据的处理至关重要,这不仅仅是数据处理准确度的问题,更是数据处理效率的
问题。良好的程序代码应该包含好的算法,包含好的处理流程,包含好的效率,包含好的异
常处理机制等。
三、对海量数据进行分区操作
对海量数据进行分区操作十分必要,例如针对按年份存取的数据,我们可以按年进行
分区,不同的数据库有不同的分区方式,不过处理机制大体相同。例如
SQL Server 的数据
库分区是将不同的数据存于不同的文件组下,而不同的文件组存于不同的磁盘分区下,这
样将数据分散开,减小磁盘
I/O,减小了系统负荷,而且还可以将日志,索引等放于不同的