[发明专利]海量结构化数据中的重复数据检测方法和系统在审
| 申请号： | 201710623965.X | 申请日： | 2017-07-27 |
| 公开（公告）号： | CN107423402A | 公开（公告）日： | 2017-12-01 |
| 发明（设计）人： | 黄文琦;李鹏;许爱东;陈晓;陈华军;李果;蒋屹新;杨航;张福铮 | 申请（专利权）人： | 南方电网科学研究院有限责任公司;中国南方电网有限责任公司电网技术研究中心 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 广州华进联合专利商标代理有限公司44224 | 代理人： | 黄隶凡 |
| 地址： | 510663 广东省广州市萝岗区科*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种海量结构化数据中的重复数据检测方法和系统。上述海量结构化数据中的重复数据检测方法包括分别获取海量结构化数据中各个结构化数据的哈希码，根据所述哈希码识别海量结构数据中的重复数据和非重复数据，将所述重复数据保存在第一数据集合，将所述非重复数据保存在第二数据集合；将第一数据集合以及第二数据集合分别发送至分布式集群中不同的计算节点；在所述计算节点进行第二数据集合中各个结构化数据中与分布式集群的本地数据之间的重复性检查，若识别到第二数据集合中的结构化数据与本地数据相重复，则将该结构化数据从第二数据集合移动至第一数据集合；将所述第一数据集合内的结构化数据确定为海量结构化数据中的重复数据。 | ||
| 搜索关键词： | 海量 结构 数据 中的 重复 检测 方法 系统 | ||
【主权项】：
一种海量结构化数据中的重复数据检测方法，其特征在于，包括如下步骤：分别获取海量结构化数据中各个结构化数据的哈希码，根据所述哈希码识别海量结构数据中的重复数据和非重复数据，将所述重复数据保存在第一数据集合，将所述非重复数据保存在第二数据集合；将所述第一数据集合的结构化数据以及第二数据集合的结构化数据分别发送至分布式集群中不同的计算节点；在所述计算节点进行第二数据集合中各个结构化数据中与分布式集群的本地数据之间的重复性检查，若识别到第二数据集合中的结构化数据与本地数据相重复，则将该结构化数据从第二数据集合移动至第一数据集合；将所述第一数据集合内的结构化数据确定为海量结构化数据中的重复数据。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南方电网科学研究院有限责任公司;中国南方电网有限责任公司电网技术研究中心，未经南方电网科学研究院有限责任公司;中国南方电网有限责任公司电网技术研究中心许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710623965.X/，转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
