[发明专利]一种数据备份方法及装置和数据恢复方法及装置

说明书

技术领域

本申请涉及数据备份技术领域，特别是涉及一种数据备份方法及装置和数据恢复方法及装置。

背景技术

随着大数据时代的来临，数据规模越来越大，海量数据的存储管理带来了一定的风险，因灾难的发生所造成的数据丢失，将可能导致巨大经济的损失。

现有技术通常采用数据备份的方法进行防灾，以实现当灾难发生时，通过数据恢复的方式，保证数据的安全性。传统的数据备份方法通常是直接对数据进行完全的备份(如：直接通过复制待备份数据的方式得到备份数据)。

但是，该方法在灾难发生，利用备份数据进行数据恢复时，通常会因备份数据的数据量较大，导致数据恢复慢、恢复效率低的问题。

发明内容

有鉴于此，本申请提供一种数据备份方法及装置和数据恢复方法及装置，以解决现有技术因备份数据的数据量较大，而导致的数据恢复效率低的问题。

为了实现上述目的，本发明实施例提供的技术方案如下：

一种数据备份方法，包括：

对待备份数据进行序列分割，利用分割得到的各个子序列生成与所述待备份数据对应的子序列集；

对所述子序列集中的各个元素进行聚类，利用每个所述元素所属子序列类别对应的唯一的类别符号替换该元素，生成与所述子序列集对应的符号化序列；

计算分别与每个所述子序列类别对应的代表子序列；

获取所述符号化序列中的各个最大频繁连续子序列；

利用分别与每个所述最大频繁连续子序列对应的唯一的序列符号对所述符号化序列进行编码，生成与所述符号化序列对应的编码序列；

将子序列类别与代表子序列之间的对应关系、最大频繁连续子序列与序列符号之间的对应关系及编码序列作为备份数据。

优选的，所述对所述子序列集中的各个元素进行聚类，利用每个所述元素所属子序列类别对应的唯一的类别符号替换该元素，生成与所述子序列集对应的符号化序列，包括：

通过预先设置的动态时间弯曲算法计算所述子序列集中各个元素之间的距离矩阵；

利用所述距离矩阵及预先设置的层次聚类算法，对所述子序列集中的各个元素进行聚类；

利用每个所述元素所属子序列类别对应的唯一的类别符号替换该元素，生成与所述子序列集对应的符号化序列。

优选的，所述计算分别与每个所述子序列类别对应的代表子序列，包括针对每个所述子序列类别执行以下过程：

获取所述子序列类别中的各个子序列；

分别计算所述子序列类别中的每个子序列到该子序列类别中的各个其他子序列之间的距离和；

将到所述子序列类别中的各个其他子序列之间的距离和的值最小的子序列，确定为与所述子序列类别对应的代表子序列。

优选的，所述获取所述符号化序列中的各个最大频繁连续子序列，包括：

利用预先设置的基于投影数据库的频繁子序列挖掘算法计算所述符号化序列中的各个频繁连续子序列；

根据预先设置的最大频繁连续子序列获取规则，从各个所述频繁连续子序列中获取各个最大频繁连续子序列。

优选的，所述根据预先设置的最大频繁连续子序列获取规则，从各个所述频繁连续子序列中获取各个最大频繁连续子序列，包括：

A1、从各个所述频繁连续子序列中获取长度为i的各个频繁连续子序列；

B1、判断参考序列是否为某个长度为i的频繁连续子序列中的部分字符串；

C1、当否时，将该参考序列确定为目标值；

D1、判断各个所述频繁连续子序列中是否存在长度为i+1的频繁连续子序列；

E1、当存在时，将长度为i的各个所述频繁连续子序列更新为所述参考序列，且令i′＝i+1，将i′确定为新的i，返回执行A1；

F1、当不存在时，将每个所述目标值作为一个最大频繁连续子序列。

优选的，利用所述符号化序列中每个所述最大频繁连续子序列对应的唯一的序列符号替换该最大频繁连续子序列，生成与所述符号化序列对应的编码序列。

优选的，利用所述符号化序列中每个所述最大频繁连续子序列对应的唯一的序列符号，及某些最大频繁连续子序列中的部分字符串对应的唯一的序列符号，生成与所述符号化序列对应的编码序列。

优选的，所述利用所述符号化序列中每个所述最大频繁连续子序列对应的唯一的序列符号，及某些最大频繁连续子序列中的部分字符串对应的唯一的序列符号，生成与所述符号化序列对应的编码序列，包括：