9-2所示為數(shù)據(jù)分布式存儲與并行處理框架。

分布式存儲引擎采用MapReduce模型，并基于Hadoop的HBase和HDFS實(shí)現(xiàn)。它的主要功能是基于四面體數(shù)據(jù)模型提取非結(jié)構(gòu)化數(shù)據(jù)的基本屬性、語義特征和底層特征信息，并將這些信息連同原始數(shù)據(jù)存儲在HDFS和HBase中。

存儲引擎由Namenode和Datanode構(gòu)成。Namenode通過Map操作將存儲數(shù)據(jù)分成若干子塊，并將這些子塊分配給各個Datanode進(jìn)行特征提取和數(shù)據(jù)永久保存的操作。同時，Namenode會開啟一項任務(wù)來追蹤處理過程，并在各子塊存儲完成后執(zhí)行Reduce操作對結(jié)果進(jìn)行合并。Namenode和Datanode的這種協(xié)同工作方式，實(shí)現(xiàn)了大量數(shù)據(jù)的并行與分布式存儲。

并行化檢索引擎主要負(fù)責(zé)數(shù)據(jù)的快速查詢，是基于.MapReduce模型建立的Master-Slave并行化框架。Master負(fù)責(zé)管理所有Slave可分解和分配具體檢索任務(wù)，并對檢索結(jié)果進(jìn)行有效整合；Slave模塊負(fù)責(zé)對本地數(shù)據(jù)實(shí)行具體的檢索任務(wù)并將結(jié)果返回給Master。通過Master的有效調(diào)度，多個Slave可并行化執(zhí)行檢索任務(wù)，從而實(shí)現(xiàn)檢索并行化的處理架構(gòu)。

由于Master可以實(shí)現(xiàn)任務(wù)的靈活分發(fā)和結(jié)果的有效整合，多個Slave可以并行化執(zhí)行任務(wù)且可靈活擴(kuò)展，因此該引擎具有很好的可擴(kuò)展性和高效性。