本發(fā)明涉及計(jì)算機(jī)
技術(shù)領(lǐng)域：
，特別是涉及一種分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)方法及裝置。
背景技術(shù)：
：最近幾年，GPU已經(jīng)成為一種非常流行的并行計(jì)算解決方案，可編程的GPU作為一種高度并行化、多線程、多核心的處理器，具備很高的內(nèi)存帶寬和處理執(zhí)行單元，非常適合于處理一些計(jì)算密集型、可高度并行化的計(jì)算任務(wù)。近些年來(lái)，nVidia公司提出了一套統(tǒng)一計(jì)算設(shè)備架構(gòu)(CUDA)，使得GPU進(jìn)行通用計(jì)算成為了一種可能。CUDA專(zhuān)為并行計(jì)算設(shè)計(jì)，數(shù)據(jù)并行處理會(huì)將數(shù)據(jù)元素映射到并行處理線程進(jìn)行加速計(jì)算，它給用戶(hù)使用的編程語(yǔ)法和導(dǎo)出API同C語(yǔ)言類(lèi)似。從其出現(xiàn)到現(xiàn)在，便已經(jīng)廣泛地應(yīng)用到石油和天然氣開(kāi)采、金融分析、醫(yī)學(xué)成像處理、生物基因分析、地理信息系統(tǒng)等領(lǐng)域。傳統(tǒng)的存儲(chǔ)需要購(gòu)買(mǎi)大型昂貴的存儲(chǔ)設(shè)備存儲(chǔ)本地?cái)?shù)據(jù)，而分布式云存儲(chǔ)的出現(xiàn)使得運(yùn)行在普通服務(wù)器上廉價(jià)存儲(chǔ)單元成為可能。云計(jì)算三大件之一的存儲(chǔ)是云計(jì)算的一個(gè)重點(diǎn)，而其中的分布式存儲(chǔ)是存儲(chǔ)未來(lái)的發(fā)展方向。Ceph作為一種高性能、高擴(kuò)展性、高可靠性的分布式存儲(chǔ)系統(tǒng)，能夠?qū)ν馓峁?duì)象存儲(chǔ)、塊存儲(chǔ)和文件系統(tǒng)存儲(chǔ)三種功能，而對(duì)象存儲(chǔ)和塊存儲(chǔ)主要用于云計(jì)算領(lǐng)域。在實(shí)踐中，Ceph可被部署到上千臺(tái)服務(wù)器上，能夠?qū)ν馓峁㏄B級(jí)別的存儲(chǔ)。然而當(dāng)集群規(guī)模較大的時(shí)候，節(jié)點(diǎn)的CPU的計(jì)算效率便會(huì)隨即下降。根據(jù)對(duì)Ceph的Giant版本測(cè)試可知，隨著OSD數(shù)量線性增加，節(jié)點(diǎn)之間的連接數(shù)將會(huì)呈現(xiàn)井噴式增長(zhǎng)的態(tài)勢(shì)。舉例來(lái)講，Ceph中OSD每一次連接需要分配一個(gè)讀線程和一個(gè)寫(xiě)線程來(lái)處理網(wǎng)絡(luò)的請(qǐng)求，此外后端的數(shù)據(jù)處理也需要分配多個(gè)線程來(lái)處理相關(guān)的邏輯。以一個(gè)基于Giant版本搭建的單節(jié)點(diǎn)集群為例，該節(jié)點(diǎn)上配置了6個(gè)osd。當(dāng)集群空閑的時(shí)候，6個(gè)osd進(jìn)程大概生成700多個(gè)線程，而系統(tǒng)出現(xiàn)讀寫(xiě)等操作的時(shí)候，線程數(shù)量將會(huì)急劇增長(zhǎng)。在實(shí)際應(yīng)用場(chǎng)景中，這將會(huì)對(duì)CPU的計(jì)算性能提出更為苛刻的要求。鑒于此，提供一種分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)方法，以對(duì)ceph系統(tǒng)進(jìn)行加速是本領(lǐng)域技術(shù)人員亟待解決的技術(shù)問(wèn)題。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的是提供一種分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)方法及裝置，解決現(xiàn)有技術(shù)中CPU計(jì)算任務(wù)重、影響計(jì)算速度的問(wèn)題。為解決上述技術(shù)問(wèn)題，本發(fā)明提供一種分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)方法，包括：接收用戶(hù)發(fā)送的讀寫(xiě)請(qǐng)求；生成對(duì)應(yīng)的寫(xiě)線程以及讀線程，分別用來(lái)執(zhí)行讀網(wǎng)絡(luò)數(shù)據(jù)和寫(xiě)網(wǎng)絡(luò)數(shù)據(jù)；采用統(tǒng)一計(jì)算設(shè)備架構(gòu)將數(shù)據(jù)元素映射到并行處理線程進(jìn)行加速計(jì)算；通過(guò)圖形處理器執(zhí)行所述寫(xiě)線程以及所述讀線程，以實(shí)現(xiàn)并行化處理?？蛇x地，在所述通過(guò)圖形處理器執(zhí)行所述寫(xiě)線程以及所述讀線程，以實(shí)現(xiàn)并行化處理之后還包括：將處理的結(jié)果存放到全局內(nèi)存中，供后續(xù)模塊函數(shù)執(zhí)行?？蛇x地，所述采用統(tǒng)一計(jì)算設(shè)備架構(gòu)將數(shù)據(jù)元素映射到并行處理線程進(jìn)行加速計(jì)算包括：采用所述統(tǒng)一計(jì)算設(shè)備架構(gòu)對(duì)應(yīng)的kernel函數(shù)并發(fā)執(zhí)行節(jié)點(diǎn)的讀請(qǐng)求和寫(xiě)請(qǐng)求?？蛇x地，所述通過(guò)圖形處理器執(zhí)行所述寫(xiě)線程以及所述讀線程包括：通過(guò)所述圖形處理器在同一時(shí)刻并發(fā)處理多個(gè)線程。本發(fā)明還提供了一種分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)裝置，包括：讀寫(xiě)請(qǐng)求接收模塊，用于接收用戶(hù)發(fā)送的讀寫(xiě)請(qǐng)求；生成模塊，用于生成對(duì)應(yīng)的寫(xiě)線程以及讀線程，分別用來(lái)執(zhí)行讀網(wǎng)絡(luò)數(shù)據(jù)和寫(xiě)網(wǎng)絡(luò)數(shù)據(jù)；映射模塊，用于采用統(tǒng)一計(jì)算設(shè)備架構(gòu)將數(shù)據(jù)元素映射到并行處理線程進(jìn)行加速計(jì)算；處理模塊，用于通過(guò)圖形處理器執(zhí)行所述寫(xiě)線程以及所述讀線程，以實(shí)現(xiàn)并行化處理?？蛇x地，還包括：存放模塊，用于在通過(guò)圖形處理器執(zhí)行所述寫(xiě)線程以及所述讀線程，以實(shí)現(xiàn)并行化處理之后，將處理的結(jié)果存放到全局內(nèi)存中，供后續(xù)模塊函數(shù)執(zhí)行。可選地，映射模塊具體用于：采用所述統(tǒng)一計(jì)算設(shè)備架構(gòu)對(duì)應(yīng)的kernel函數(shù)并發(fā)執(zhí)行節(jié)點(diǎn)的讀請(qǐng)求和寫(xiě)請(qǐng)求?？蛇x地，所述處理模塊具體用于：通過(guò)所述圖形處理器在同一時(shí)刻并發(fā)處理多個(gè)線程。本發(fā)明所提供的分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)方法及裝置，通過(guò)接收用戶(hù)發(fā)送的讀寫(xiě)請(qǐng)求；生成對(duì)應(yīng)的寫(xiě)線程以及讀線程，分別用來(lái)執(zhí)行讀網(wǎng)絡(luò)數(shù)據(jù)和寫(xiě)網(wǎng)絡(luò)數(shù)據(jù)；采用統(tǒng)一計(jì)算設(shè)備架構(gòu)將數(shù)據(jù)元素映射到并行處理線程進(jìn)行加速計(jì)算；通過(guò)圖形處理器執(zhí)行寫(xiě)線程以及讀線程，以實(shí)現(xiàn)并行化處理。Ceph分布式系統(tǒng)的實(shí)現(xiàn)模塊具備很高的并行度，本發(fā)明所提供的分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)方法及裝置，基于GPU優(yōu)化Ceph系統(tǒng)，能夠分擔(dān)CPU計(jì)算任務(wù)，使節(jié)點(diǎn)達(dá)到更高的計(jì)算速度。此外，GPU相對(duì)于CPU有價(jià)格上的優(yōu)勢(shì)，能夠降低分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)成本。附圖說(shuō)明為了更清楚的說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單的介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明所提供的分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)方法的一種具體實(shí)施方式的流程圖；圖2為本發(fā)明實(shí)施例提供的分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)裝置的結(jié)構(gòu)框圖。具體實(shí)施方式為了使本
技術(shù)領(lǐng)域：
的人員更好地理解本發(fā)明方案，下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說(shuō)明。顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。本發(fā)明所提供的分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)方法的一種具體實(shí)施方式的流程圖如圖1所示，該方法包括：步驟S101：接收用戶(hù)發(fā)送的讀寫(xiě)請(qǐng)求；步驟S102：生成對(duì)應(yīng)的寫(xiě)線程以及讀線程，分別用來(lái)執(zhí)行讀網(wǎng)絡(luò)數(shù)據(jù)和寫(xiě)網(wǎng)絡(luò)數(shù)據(jù)；步驟S103：采用統(tǒng)一計(jì)算設(shè)備架構(gòu)將數(shù)據(jù)元素映射到并行處理線程進(jìn)行加速計(jì)算；步驟S104：通過(guò)圖形處理器執(zhí)行所述寫(xiě)線程以及所述讀線程，以實(shí)現(xiàn)并行化處理。具體地，通過(guò)所述圖形處理器在同一時(shí)刻并發(fā)處理多個(gè)線程。本發(fā)明所提供的分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)方法，通過(guò)接收用戶(hù)發(fā)送的讀寫(xiě)請(qǐng)求；生成對(duì)應(yīng)的寫(xiě)線程以及讀線程，分別用來(lái)執(zhí)行讀網(wǎng)絡(luò)數(shù)據(jù)和寫(xiě)網(wǎng)絡(luò)數(shù)據(jù)；采用統(tǒng)一計(jì)算設(shè)備架構(gòu)將數(shù)據(jù)元素映射到并行處理線程進(jìn)行加速計(jì)算；通過(guò)圖形處理器執(zhí)行寫(xiě)線程以及讀線程，以實(shí)現(xiàn)并行化處理。Ceph分布式系統(tǒng)的實(shí)現(xiàn)模塊具備很高的并行度，本發(fā)明所提供的分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)方法，基于GPU優(yōu)化Ceph系統(tǒng)，能夠分擔(dān)CPU計(jì)算任務(wù)，使節(jié)點(diǎn)達(dá)到更高的計(jì)算速度。此外，GPU相對(duì)于CPU有價(jià)格上的優(yōu)勢(shì)，能夠降低分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)成本。本方案基于CUDA技術(shù)來(lái)優(yōu)化Ceph系統(tǒng)的實(shí)現(xiàn)，對(duì)Ceph原生系統(tǒng)可并行化處理的模塊利用CUDA提供的API進(jìn)行重新實(shí)現(xiàn)。當(dāng)Ceph的OSD端接收到用戶(hù)請(qǐng)求的時(shí)候，就是對(duì)于接收的每一個(gè)Connection，Ceph原來(lái)的設(shè)計(jì)是生成對(duì)應(yīng)的一個(gè)read線程和write線程，分別用來(lái)執(zhí)行相關(guān)的讀網(wǎng)絡(luò)數(shù)據(jù)和寫(xiě)網(wǎng)絡(luò)數(shù)據(jù)，這些線程在CPU上執(zhí)行，并且在集群運(yùn)行的過(guò)程中，這些連接保持相對(duì)穩(wěn)定。對(duì)于集群內(nèi)部來(lái)說(shuō)，利用CUDA優(yōu)化后，生成的每一個(gè)read線程和write線程將會(huì)在GPU中執(zhí)行相關(guān)的操作，這樣就分流了CPU上的讀寫(xiě)操作負(fù)擔(dān)。采用統(tǒng)一計(jì)算設(shè)備架構(gòu)將數(shù)據(jù)元素映射到并行處理線程進(jìn)行加速計(jì)算包括：采用所述統(tǒng)一計(jì)算設(shè)備架構(gòu)對(duì)應(yīng)的kernel函數(shù)并發(fā)執(zhí)行節(jié)點(diǎn)的讀請(qǐng)求和寫(xiě)請(qǐng)求。在CUDA編程模型中，成千上萬(wàn)的線程將會(huì)執(zhí)行同一個(gè)函數(shù)，該函數(shù)的名稱(chēng)為Kernel函數(shù)。CUDA中兩個(gè)重要編程就是線程和內(nèi)存模型，kernel函數(shù)是由一系列線程并行執(zhí)行計(jì)算任務(wù)的單元，這些線程被組織成線程Grid。線程Grid同樣包含了數(shù)百個(gè)線程block。在同一線程block中的線程彼此之間緊密協(xié)作，而不同線程block之間的線程必須是獨(dú)立的。對(duì)于低端GPU，程序可能在同一個(gè)時(shí)刻僅僅只能允許執(zhí)行一個(gè)線程block中的線程，而對(duì)于高端GPU，能夠允許同一個(gè)時(shí)刻多個(gè)線程block中線程被同時(shí)調(diào)度。CUDA系統(tǒng)中，存在幾種不同類(lèi)型的內(nèi)存，這些內(nèi)存之間的對(duì)比如表1所示。對(duì)于這些內(nèi)存的容量來(lái)講，紋理內(nèi)存和全局內(nèi)存要比其他類(lèi)型的內(nèi)存大。受限于容量小的約束，共享內(nèi)存和寄存器一般用來(lái)做緩存。紋理內(nèi)存之所以快的原因是因?yàn)槠浯嬖谙鄳?yīng)的緩存。這些可讀的內(nèi)存一般用來(lái)存儲(chǔ)程序中的不變的數(shù)據(jù)。表1內(nèi)存位置讀寫(xiě)操作速度訪問(wèn)性GPU寄存器GPU芯片上可讀可寫(xiě)◎◎◎◎◎線程內(nèi)部局部?jī)?nèi)存板上內(nèi)存可讀可寫(xiě)◎◎線程內(nèi)部常量?jī)?nèi)存板上內(nèi)存只讀◎◎◎線程Grid紋理內(nèi)存板上內(nèi)存只讀◎◎◎線程Grid全局內(nèi)存板上內(nèi)存可讀可寫(xiě)◎◎線程Grid共享內(nèi)存GPU芯片上可讀可寫(xiě)◎◎◎◎線程block對(duì)于上面所述的利用CUDA來(lái)優(yōu)化Ceph連接的這一塊，對(duì)于節(jié)點(diǎn)的讀請(qǐng)求和寫(xiě)請(qǐng)求，分別實(shí)現(xiàn)對(duì)應(yīng)的kernel函數(shù)。這些kernel函數(shù)執(zhí)行是并發(fā)執(zhí)行的，之間不存在過(guò)多的同步操作。在上述實(shí)施例的基礎(chǔ)上，本發(fā)明所提供的分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)方法，在通過(guò)圖形處理器執(zhí)行所述寫(xiě)線程以及所述讀線程，以實(shí)現(xiàn)并行化處理之后還包括：將處理的結(jié)果存放到全局內(nèi)存中，供后續(xù)模塊函數(shù)執(zhí)行。下面對(duì)本發(fā)明實(shí)施例提供的分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)裝置進(jìn)行介紹，下文描述的分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)裝置與上文描述的分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)方法可相互對(duì)應(yīng)參照。圖2為本發(fā)明實(shí)施例提供的分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)裝置的結(jié)構(gòu)框圖，參照?qǐng)D2分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)裝置可以包括：讀寫(xiě)請(qǐng)求接收模塊100，用于接收用戶(hù)發(fā)送的讀寫(xiě)請(qǐng)求；生成模塊200，用于生成對(duì)應(yīng)的寫(xiě)線程以及讀線程，分別用來(lái)執(zhí)行讀網(wǎng)絡(luò)數(shù)據(jù)和寫(xiě)網(wǎng)絡(luò)數(shù)據(jù)；映射模塊300，用于采用統(tǒng)一計(jì)算設(shè)備架構(gòu)將數(shù)據(jù)元素映射到并行處理線程進(jìn)行加速計(jì)算；處理模塊400，用于通過(guò)圖形處理器執(zhí)行所述寫(xiě)線程以及所述讀線程，以實(shí)現(xiàn)并行化處理。作為一種具體實(shí)施方式，本發(fā)明所提供的分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)裝置還可以進(jìn)一步包括：存放模塊，用于在通過(guò)圖形處理器執(zhí)行所述寫(xiě)線程以及所述讀線程，以實(shí)現(xiàn)并行化處理之后，將處理的結(jié)果存放到全局內(nèi)存中，供后續(xù)模塊函數(shù)執(zhí)行。進(jìn)一步地，映射模塊可以具體用于：采用所述統(tǒng)一計(jì)算設(shè)備架構(gòu)對(duì)應(yīng)的kernel函數(shù)并發(fā)執(zhí)行節(jié)點(diǎn)的讀請(qǐng)求和寫(xiě)請(qǐng)求。在上述實(shí)施例的基礎(chǔ)上，所述處理模塊具體用于：通過(guò)所述圖形處理器在同一時(shí)刻并發(fā)處理多個(gè)線程。本實(shí)施例的分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)裝置用于實(shí)現(xiàn)前述的分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)方法，因此分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)裝置中的具體實(shí)施方式可見(jiàn)前文中的分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)方法的實(shí)施例部分，例如，讀寫(xiě)請(qǐng)求接收模塊100，生成模塊200，映射模塊300，處理模塊400，分別用于實(shí)現(xiàn)上述分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)方法中步驟101，102，103和104，所以，其具體實(shí)施方式可以參照相應(yīng)的各個(gè)部分實(shí)施例的描述，在此不再贅述。本發(fā)明所提供的分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)裝置，通過(guò)接收用戶(hù)發(fā)送的讀寫(xiě)請(qǐng)求；生成對(duì)應(yīng)的寫(xiě)線程以及讀線程，分別用來(lái)執(zhí)行讀網(wǎng)絡(luò)數(shù)據(jù)和寫(xiě)網(wǎng)絡(luò)數(shù)據(jù)；采用統(tǒng)一計(jì)算設(shè)備架構(gòu)將數(shù)據(jù)元素映射到并行處理線程進(jìn)行加速計(jì)算；通過(guò)圖形處理器執(zhí)行寫(xiě)線程以及讀線程，以實(shí)現(xiàn)并行化處理。Ceph分布式系統(tǒng)的實(shí)現(xiàn)模塊具備很高的并行度，本發(fā)明所提供的分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)裝置，基于GPU優(yōu)化Ceph系統(tǒng)，能夠分擔(dān)CPU計(jì)算任務(wù)，使節(jié)點(diǎn)達(dá)到更高的計(jì)算速度。此外，GPU相對(duì)于CPU有價(jià)格上的優(yōu)勢(shì)，能夠降低分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)成本。基于CUDA對(duì)ceph系統(tǒng)進(jìn)行加速，這是基于CUDA和ceph特性而決定的。使用CUDA來(lái)進(jìn)行計(jì)算工作，相比于CPU來(lái)講，主要優(yōu)點(diǎn)有：1.CUDA具備更大的緩存和更多的執(zhí)行單元，而對(duì)應(yīng)的成本確低廉的多。舉例來(lái)講，GTX550具備1G的顯存，具備192個(gè)流處理器，Inteli56500是4核。然而價(jià)格上來(lái)講，GTX550的價(jià)格是149元，而后者的價(jià)格卻是1200元。做為一種分布式存儲(chǔ)系統(tǒng)，Ceph內(nèi)部實(shí)現(xiàn)具備很高的并行度，使用CUDA提供的編程接口，對(duì)系統(tǒng)進(jìn)行并行化處理。以GTX550加速上述所說(shuō)的實(shí)驗(yàn)平臺(tái)為例，理論上來(lái)講，最優(yōu)的情況下，能夠加速192倍，實(shí)際場(chǎng)景下一般能夠達(dá)到最優(yōu)效果的10％-20％，也就是計(jì)算能力提升了20多倍，而花費(fèi)的硬件采購(gòu)成本僅僅是采用上述所說(shuō)CPU的價(jià)格的13％。由上可知，基于CUDA對(duì)現(xiàn)有的ceph系統(tǒng)進(jìn)行加速，具備十分誘人的市場(chǎng)前景。本說(shuō)明書(shū)中各個(gè)實(shí)施例采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說(shuō)明的都是與其它實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同或相似部分互相參見(jiàn)即可。對(duì)于實(shí)施例公開(kāi)的裝置而言，由于其與實(shí)施例公開(kāi)的方法相對(duì)應(yīng)，所以描述的比較簡(jiǎn)單，相關(guān)之處參見(jiàn)方法部分說(shuō)明即可。專(zhuān)業(yè)人員還可以進(jìn)一步意識(shí)到，結(jié)合本文中所公開(kāi)的實(shí)施例描述的各示例的單元及算法步驟，能夠以電子硬件、計(jì)算機(jī)軟件或者二者的結(jié)合來(lái)實(shí)現(xiàn)，為了清楚地說(shuō)明硬件和軟件的可互換性，在上述說(shuō)明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來(lái)執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。專(zhuān)業(yè)技術(shù)人員可以對(duì)每個(gè)特定的應(yīng)用來(lái)使用不同方法來(lái)實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。結(jié)合本文中所公開(kāi)的實(shí)施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí)行的軟件模塊，或者二者的結(jié)合來(lái)實(shí)施。軟件模塊可以置于隨機(jī)存儲(chǔ)器(RAM)、內(nèi)存、只讀存儲(chǔ)器(ROM)、電可編程ROM、電可擦除可編程ROM、寄存器、硬盤(pán)、可移動(dòng)磁盤(pán)、CD-ROM、或
技術(shù)領(lǐng)域：
內(nèi)所公知的任意其它形式的存儲(chǔ)介質(zhì)中。以上對(duì)本發(fā)明所提供的分布式存儲(chǔ)系統(tǒng)的實(shí)現(xiàn)方法以及裝置進(jìn)行了詳細(xì)介紹。本文中應(yīng)用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說(shuō)明只是用于幫助理解本發(fā)明的方法及其核心思想。應(yīng)當(dāng)指出，對(duì)于本
技術(shù)領(lǐng)域：
的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以對(duì)本發(fā)明進(jìn)行若干改進(jìn)和修飾，這些改進(jìn)和修飾也落入本發(fā)明權(quán)利要求的保護(hù)范圍內(nèi)。當(dāng)前第1頁(yè)1 2 3