摘要：针对海量网络数据的存储问题,介绍了bigtable系统的数据模型和应用情况。对此系统的体系结构进行分析,阐述了系统的3个主要组件:客户端库、主服务器和数据服务器;重新设计主服务器工作流程,明确主服务器的主要功能,分别从总体设计、表的创建、表的删除和数据块合并4方面进行详细论述。从理论上分析设计了bigtable系统主服务器的工作流程,为具体实现奠定了良好的基础。

摘要：本文分析了bigtable系统的体系结构,重新设计了数据服务器的工作原理,在明确数据服务器主要功能的基础上,着重设计服务器的读写原理和数据块加载操作。

摘要：介绍了为兰州重离子加速器冷却储存环外靶实验设计实现的一套数据获取原型系统。系统借鉴流处理、Map-reduce和bigtable等技术或模型的思想,采用一套流处理节点构成的网络完成数据获取任务。系统支持对流处理网络拓扑结构自由调整,灵活地实现并行处理和负载均衡。同时通过为不同类型探测器定义接口标准以及支持用户自定义节点添加,实现大型物理实验调试和实验过程中的各种数据获取需求。目前系统已与探测器及前端电子学一起进行了一系列联合测试,验证了系统的可行性和稳定性。

摘要：bigtable作为Google云计算的一项关键技术,在需要海量的存储要求的Google地图、GoogleEarth、Gmail、Youtube等上面得到了成功的应用。bigtable是基于GFS和Chubby开发的分布式存储系统,能够处理Google中海量繁杂的数据类型,也能够将不同应用的数据分布地存储到数千台服务器上。文章介绍了bigtable的数据模型、设计和实现,并引入了随机Petri网对bigtable系统的可信性进行模拟和量化分析,提出了云计算环境下Key/value存储系统的发展趋势,并从理论上得出bigtable系统的高可用性和高可靠性。

摘要：[目的 /意义]建构云计算技术环境下的海量数据分析是一种需要预载大量数据集的数据计算处理。针对传统海量数据分析处理数据细节方式所导致的分析质量与效率问题,运用Google三大云计算技术对其进行改进。[方法 /过程]通过对Google三大云计算技术——GFS、MapReduce和bigtable进行文献调查、内容分析和技术分析,梳理出Google云计算技术在数据处理、技术架构和算法模型等方面的部署创新和设计改进。[结果/结论]将Google云计算技术与传统本地数据分析处理方式与细节进行比较分析,得出Google云计算技术在操作海量数据分析时所具备的处理优势。借助Google云计算三大技术,提出海量数据分析流程在存储和访问、组织与管理以及并行处理3个方面的技术优化与改进策略。

摘要：以Goole App Engine(GAE)云平台为切入点,对其中的数据存储技术(bigtable)做了深入的分析和研究.在此基础上利用GAE所提供的开发工具,基于面向对象的思想,采用Struts+Spring+Jsp的开发框架,使用了Google App Engine开发技术,设计并实现了人事管理的原型系统.通过对原型系统的开发和云端的部署及测试,分析了原型系统的性能.在此基础上,提出了在云平台上开发SaaS软件或进行数据迁移需要探索和解决的问题,认为在云计算发展的初期,在云端只适合开发部署基于请求-应答的高伸缩性的不涉及多表关联的简单互联网应用系统、简单存储系统及需要高效性计算的智能决策系统.

摘要：介绍了两个具有代表性的NoSQL数据库:bigtable和Dynamo系统。首先,描述了bigtable和Dynamo的适用范围及其产生原因。bigtable和Dynamo可以高效的处理web数据提供相应服务;然后,介绍了bigtable和Dynamo系统的架构、特性等,以及各自独特的设计方法。最后,将这两个数据库与传统的关系数据库进行比较分析,描述了它们之间的不同点,对比结果表明NoSQL数据库在处理web应用数据时是高效可用的,比传统关系数据库更占优势。

摘要：物联网平台存在海量数据的存储、管理、计算能力等问题,可通过云计算平台和bigtable存储技术解决。通过对云计算和bigtable存储技术研究,利用bigtable机制建立数据模型表,以时间戳建立与bigtable关联的索引分表,采用分片存储数据机制,设计一种融入云计算技术的物联网平台架构,解决物联网的数据存储、管理、计算等问题。经证明云计算技术能够为物联网提供更快存储和管理服务,能够满足未来跨行业、跨区域物联网发展。