基于图数据库的大规模配置管理数据库关联查询

doi:10.3969/j.issn.1006-2475.2017.01.010

计算机与现代化

基于图数据库的大规模配置管理数据库关联查询

(中国移动通信集团广东有限公司，广东广州 510640)

收稿日期:2016-06-21 出版日期:2017-01-12 发布日期:2017-01-11
作者简介:戴声(1986-)，男，广东汕头人，中国移动通信集团广东有限公司工程师，硕士，研究方向：大规模公有云运维; 王波(1980-)，男，工程师，本科，研究方向：大规模公有云运维。

Relational Query in Large-scale Configuration Management Database Based on Graph Database

(China Mobile Group Guangdong Co., Ltd., Guangzhou 510640, China)

Received:2016-06-21 Online:2017-01-12 Published:2017-01-11

摘要/Abstract

摘要： 在基于关系型数据库构建的大规模配置管理数据库（CMDB）中，根据业务场景实现的关联查询功能，存在查询分析语句构造复杂、执行时间长的性能问题。为解决该问题，提出利用图数据库来实现关联查询的方法。利用配置项间的关系与图数据结构的一致性，构建基于图数据库的配置项关系表达，设计并实现一个基于图数据库的关联查询模块，以松耦合的方式集成到现有的配置管理数据库中，达到快速关联查询的目标。实验表明，本文的方法能有效解决大规模关系型数据库CMDB关联查询的性能问题。

关键词: 大规模, 配置管理数据库, 关联查询, 图数据库, 性能

Abstract: In a large-scale configuration management database (CMDB) which is built based on relationship databases, the function of relational query which is realized based on business scenes, turns out some disadvantages, it’s too complicated to construct a query and analysis statement, and it also needs a lot of time to execute. To solve these problems, the method to realize relational query function by using graph database is proposed. Making use of the consistency between the relationships of configuration items and graph data structure, the method constructs the configuration item relationships based on graph database. In order to realize the target of fast relational query, this paper designs and realizes a relational query module based on graph database, which is integrated into existing CMDB project with loose coupling. The experiment shows that the proposed method can solve the performance problem for relational query in CMDB.

Key words: large-scale, configuration management database, relational query, graph database, performance

中图分类号:

TP311.13

戴声，王波. 基于图数据库的大规模配置管理数据库关联查询[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2017.01.010.

DAI Sheng, WANG Bo. Relational Query in Large-scale Configuration Management Database Based on Graph Database[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2017.01.010.

参考文献

[1] 肖建明,戴声. 基于云计算运维服务的配置管理数据库模型[J]. 计算机与现代化, 2014(10):31-36.

[2] 毛正雄,李绍龙. 基于云计算运维服务探讨配置管理数据库模型[J]. 信息通信, 2016(4):106-107.

[3] Cartlidge A, Hanna A, Rudd C, et al. An Introductory Overview of ITIL V3[M]. IT Service Management Forum Limited, 2007.

[4] 于翔,陈宏峰. CMDB: ITSM的必需——配置管理数据库构建过程拆解[N]. 网络世界, 2007-10-22(34).

[5] 孙北宁,李兵. 配置管理数据库的创建[J]. 云南电力技术, 2012,40(1):47-48.

[6] 韩冰. ITIL V3配置管理的应用与实践[J]. 硅谷, 2012(12):129.

[7] 董济农. 配置管理数据库(CMDB)的关键技术研究与实现[C]// 科学数据库与信息技术论文集. 2012:292-298.

[8] Robinson I, Webber J, Eifrem E. Graph Databases[M]. O'Reilly Media, 2013.

[9] Angles R, Gutierrez C. Survey of graph database models[J]. ACM Computing Surveys, 2008,40(1): Article No. 1.

[10] 韩浩明. 图数据库系统研究综述[J]. 计算机光盘软件与应用, 2014(23):14-15.

[11] 邱胜海,王云霞,樊树海,等. 云环境下图数据库建模技术及其应用研究[J]. 计算机应用研究, 2016,33(3):794-797.

[12] Vicknair C, Macias M, Zhao Zhendong, et al. A comparison of a graph database and a relational database: A data provenance perspective[C]// Proceedings of the 48th Annual Southeast Regional Conference. 2010: Article No. 42.

[13] 王余蓝. 图形数据库NEO4J与关系据库的比较研究[J]. 现代电子技术, 2012,35(20):77-79.

[14] Neo Technology. Neo4j[EB/OL]. https://neo4j.com/, 2012-12-19.

[15] Eifrem E. Neo4j: The Benefits of Graph Databases[DB/OL]. https://www.infoq.com/presentations/emil-eifrem-neo4j, 2009-07-01.

[16] Neubauer P. Graph Databases, NOSQL and Neo4j[DB/OL]. https://www.infoq.com/articles/graph-nosql-neo4j/, 2010-05-12.

[17] 戴声,林湧双,朱坤元,等.一种基于图形数据库的配置管理数据库系统及实现方法:中国, CN201410356267.4[P]. 2014-10-29.

基于图数据库的大规模配置管理数据库关联查询

Relational Query in Large-scale Configuration Management Database Based on Graph Database

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	闫阳, 詹子俊, 曹绍华. 基于设备协同的大规模卸载：融合分治和贪心的双层优化算法[J]. 计算机与现代化, 2023, 0(11): 13-21.
[2]	史清林, 刘丽哲, 李行健. 基于大规模MIMO的散射信道估计技术[J]. 计算机与现代化, 2022, 0(12): 18-25.
[3]	吴志平, 刘波平, 王康, 李石滨, 胡毕炜, 胡必伟, 游杰. 基于高性能计算的离散介质冲击过程[J]. 计算机与现代化, 2022, 0(10): 41-46.
[4]	冼进. Android应用性能测试与监控技术[J]. 计算机与现代化, 2022, 0(07): 103-109.
[5]	赵春燕, 孙婧, 胡江凯, 周斌. 气象高性能计算环境中模式协同研发管理[J]. 计算机与现代化, 2022, 0(06): 49-55.
[6]	许贤慧, 王淑营, 曾文驱. 面向工程数据检索的ElasticSearch索引优化策略[J]. 计算机与现代化, 2022, 0(02): 79-84.
[7]	刘露, 申国伟, 郭春, 崔允贺, 蒋朝惠, 伍大勇. 一种基于深度强化学习的Spark Streaming参数优化方法[J]. 计算机与现代化, 2021, 0(10): 49-56.
[8]	王建华, 冉煜琨. 适用于便携式设备的深度神经网络眼动跟踪[J]. 计算机与现代化, 2021, 0(08): 58-63.
[9]	宋鑫, 樊志强, . 基于Laguerre 前向神经网络的信息服务性能建模方法 [J]. 计算机与现代化, 2021, 0(03): 1-6.
[10]	车佳丽, 任俊玲. 基于安全性能的单项竞价交易模式研究与实现[J]. 计算机与现代化, 2021, 0(03): 41-45.
[11]	孙广成, 李洪赭, 李赛飞, 张晓薇. 基于区块链的物联网访问控制系统[J]. 计算机与现代化, 2020, 0(11): 100-108.
[12]	叶家琪1，符强1，2，贺亦甲1，叶浩1 . 基于聚类集成的蚁群算法求解大规模TSP问题[J]. 计算机与现代化, 2020, 0(02): 31-.
[13]	杨双浩1，2 . 利用网格计算加速基因大数据分析的方法实现[J]. 计算机与现代化, 2019, 0(08): 85-.
[14]	屠雪真. 一种优化的内核态文件发送方法[J]. 计算机与现代化, 2019, 0(05): 13-.
[15]	吴凯1，徐利2，朱婧1，刘晓阳1，鲁娜1 . 基于HLA的火控信息融合仿真系统研究[J]. 计算机与现代化, 2019, 0(04): 42-.