基于稀疏度均衡調(diào)度的數(shù)據(jù)庫(kù)優(yōu)化訪問(wèn)技術(shù)

楊毅

摘要：通過(guò)對(duì)Web大數(shù)據(jù)庫(kù)的訪問(wèn)，提高數(shù)據(jù)庫(kù)的查詢和信息調(diào)度能力。傳統(tǒng)方法采用基于信息流減法聚類和模糊C均值調(diào)度的數(shù)據(jù)庫(kù)訪問(wèn)算法，對(duì)數(shù)據(jù)庫(kù)訪問(wèn)過(guò)程中的稀疏度均衡能力不好。提出一種基于稀疏度均衡調(diào)度的數(shù)據(jù)庫(kù)優(yōu)化訪問(wèn)算法，分析了數(shù)據(jù)庫(kù)中海量數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)模型，進(jìn)行數(shù)據(jù)融合和冗余信息濾除處理。采用稀疏度均衡調(diào)度方法進(jìn)行特征提取和數(shù)據(jù)庫(kù)訪問(wèn)過(guò)程中的均衡調(diào)度，提高數(shù)據(jù)查準(zhǔn)率。仿真結(jié)果表明，利用該算法進(jìn)行數(shù)據(jù)庫(kù)訪問(wèn)的均衡性能較好，數(shù)據(jù)的查準(zhǔn)率和查全率較高。

關(guān)鍵詞：數(shù)據(jù)庫(kù)；稀疏度；均衡調(diào)度；數(shù)據(jù)庫(kù)優(yōu)化訪問(wèn)

DOIDOI：10.11907/rjdk.161065

中圖分類號(hào)：TP392

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2016）005-0166-03

0 引言

隨著信息技術(shù)和大數(shù)據(jù)技術(shù)的快速發(fā)展，大數(shù)據(jù)庫(kù)作為存儲(chǔ)數(shù)據(jù)信息的重要載體，對(duì)數(shù)據(jù)庫(kù)的優(yōu)化訪問(wèn)是提高數(shù)據(jù)查詢和調(diào)度性能的關(guān)鍵。Web大型數(shù)據(jù)庫(kù)廣泛應(yīng)用于大型的網(wǎng)絡(luò)信息數(shù)據(jù)和云存儲(chǔ)信息數(shù)據(jù)的存儲(chǔ)和調(diào)度架構(gòu)中。對(duì)Web大型數(shù)據(jù)庫(kù)的頻繁訪問(wèn)過(guò)程中，進(jìn)行特征分區(qū)和數(shù)據(jù)文本的指向性索引，有利于提高數(shù)據(jù)庫(kù)訪問(wèn)性能。研究大型Web數(shù)據(jù)庫(kù)的優(yōu)化訪問(wèn)技術(shù)，在數(shù)據(jù)庫(kù)優(yōu)化設(shè)計(jì)和數(shù)據(jù)傳輸存儲(chǔ)等領(lǐng)域中具有重要的應(yīng)用價(jià)值，相關(guān)算法研究也受到人們的重視。

傳統(tǒng)方法中對(duì)Web大型數(shù)據(jù)庫(kù)的訪問(wèn)方法主要有基于自適應(yīng)波束形成的特征分區(qū)方法、基于粒子群濾波的遺傳算法、基于相關(guān)度特征分析的數(shù)據(jù)庫(kù)訪問(wèn)方法等，通過(guò)提取大型數(shù)據(jù)庫(kù)的級(jí)聯(lián)相關(guān)匹配語(yǔ)義信息特征，采用文本索引和關(guān)鍵字?jǐn)?shù)據(jù)查詢方法，進(jìn)行相關(guān)度匹配來(lái)實(shí)現(xiàn)數(shù)據(jù)庫(kù)的訪問(wèn)[1-3]。上述方法在數(shù)據(jù)庫(kù)訪問(wèn)過(guò)程中，通過(guò)遺傳散布執(zhí)行算子進(jìn)行特征分區(qū)，對(duì)數(shù)據(jù)庫(kù)中的語(yǔ)義信息進(jìn)行融合和濾波處理，以提高數(shù)據(jù)庫(kù)訪問(wèn)過(guò)程中的分辨能力和查準(zhǔn)率。但是上述方法需要在高維的子空間中進(jìn)行特征重構(gòu)，隨著數(shù)據(jù)增多，對(duì)數(shù)據(jù)庫(kù)訪問(wèn)的效能下降，計(jì)算開(kāi)銷較大。對(duì)此，相關(guān)文獻(xiàn)進(jìn)行了算法改進(jìn)設(shè)計(jì)。其中，文獻(xiàn)[4]提出一種基于信息流減法聚類和模糊C均值調(diào)度的數(shù)據(jù)庫(kù)訪問(wèn)算法，通過(guò)粗糙集索引實(shí)現(xiàn)數(shù)據(jù)庫(kù)訪問(wèn)，但是該方法對(duì)數(shù)據(jù)庫(kù)訪問(wèn)過(guò)程中的稀疏度均衡能力不好；文獻(xiàn)[5]提出一種基于關(guān)鍵字有向圖模型的數(shù)據(jù)庫(kù)訪問(wèn)算法，然而該算法對(duì)非線性MIMO級(jí)聯(lián)數(shù)據(jù)庫(kù)頻繁訪問(wèn)特征分區(qū)性能不好。針對(duì)上述問(wèn)題，本文提出一種基于稀疏度均衡調(diào)度的數(shù)據(jù)庫(kù)優(yōu)化訪問(wèn)算法，首先構(gòu)建數(shù)據(jù)庫(kù)的分布結(jié)構(gòu)模型，然后進(jìn)行數(shù)據(jù)庫(kù)訪問(wèn)的信息流特征提取和數(shù)據(jù)信息融合處理，并以此為基礎(chǔ)，采用稀疏度均衡調(diào)度方法實(shí)現(xiàn)數(shù)據(jù)庫(kù)的詞頻信息指向性分析，提高數(shù)據(jù)庫(kù)訪問(wèn)能力。仿真實(shí)驗(yàn)進(jìn)行了性能測(cè)試，得出有效性結(jié)論，并展示了較好的應(yīng)用價(jià)值。

1 數(shù)據(jù)庫(kù)存儲(chǔ)結(jié)構(gòu)與數(shù)據(jù)特征分布

1.1 數(shù)據(jù)庫(kù)存儲(chǔ)結(jié)構(gòu)模型

2 算法改進(jìn)實(shí)現(xiàn)

在數(shù)據(jù)融合和存儲(chǔ)機(jī)制分析的基礎(chǔ)上，進(jìn)行數(shù)據(jù)庫(kù)訪問(wèn)優(yōu)化，通過(guò)對(duì)Web大數(shù)據(jù)庫(kù)的訪問(wèn)，提高數(shù)據(jù)庫(kù)的查詢和信息調(diào)度能力。傳統(tǒng)方法采用基于信息流減法聚類和模糊C均值調(diào)度的數(shù)據(jù)庫(kù)訪問(wèn)算法，對(duì)數(shù)據(jù)庫(kù)訪問(wèn)過(guò)程中的稀疏度均衡能力不好。為了克服傳統(tǒng)方法的弊端，本文提出一種基于稀疏度均衡調(diào)度的數(shù)據(jù)庫(kù)優(yōu)化訪問(wèn)算法，算法的改進(jìn)實(shí)現(xiàn)過(guò)程描述如下：在數(shù)據(jù)庫(kù)訪問(wèn)過(guò)程中，通過(guò)對(duì)語(yǔ)義波束指向性特征臨界狀態(tài)進(jìn)行數(shù)學(xué)建模，得到稀疏度均衡調(diào)度指令為一個(gè)控制輸入信號(hào)，稀疏度均衡調(diào)度的矢量特征為u*j （s；tk ）。對(duì)于Web分布式數(shù)據(jù)庫(kù)系統(tǒng)，由于稀疏度均衡調(diào)度的控制函數(shù)J*（.）的收斂性是保證數(shù)據(jù)庫(kù)優(yōu)化訪問(wèn)的前提條件，在系統(tǒng)相鄰狀態(tài)之間進(jìn)行迭代循環(huán)，得到稀疏度均衡調(diào)度矢量表示為J*i（.）。在有效的存儲(chǔ)空間內(nèi)，計(jì)算最佳的基函數(shù)，使x（T）∈Wp，稀疏度均衡調(diào)度的穩(wěn)定性得以保證。通過(guò)數(shù)據(jù)庫(kù)中海量數(shù)據(jù)的語(yǔ)義信息融合，從多狀態(tài)數(shù)據(jù)結(jié)構(gòu)中進(jìn)行數(shù)據(jù)挖掘，得到數(shù)據(jù)挖掘的特征分解變換式R3表示為：

3 仿真實(shí)驗(yàn)與結(jié)果分析

為了測(cè)試本文算法在實(shí)現(xiàn)Web數(shù)據(jù)庫(kù)訪問(wèn)中的性能，進(jìn)行仿真實(shí)驗(yàn)。仿真環(huán)境為：Inter Pentium 4 3 000MHz內(nèi)存，操作系統(tǒng)為Windows 7。數(shù)據(jù)訪問(wèn)中，數(shù)據(jù)存儲(chǔ)節(jié)點(diǎn)分布帶寬為1 024Kbps，語(yǔ)義信息流時(shí)間序采樣的中心頻率為f0=1 000Hz，離散采樣率為fs=10*f0Hz=10KHz，數(shù)據(jù)傳輸延時(shí)20ms，數(shù)據(jù)庫(kù)訪問(wèn)的采樣點(diǎn)N=1 100。根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，進(jìn)行數(shù)據(jù)庫(kù)訪問(wèn)，首先進(jìn)行稀疏度特征提取，基于稀疏度均衡調(diào)度實(shí)現(xiàn)數(shù)據(jù)庫(kù)查詢和索引，得到采用本文算法和傳統(tǒng)算法的數(shù)據(jù)庫(kù)訪問(wèn)的稀疏度調(diào)度均衡性能對(duì)比結(jié)果如圖1所示。

由圖可見(jiàn)，原始的數(shù)據(jù)庫(kù)訪問(wèn)的稀疏度特征雜亂無(wú)章，具有較強(qiáng)的非線性特征，難以形成有效的訪問(wèn)結(jié)果，而采用本文方法進(jìn)行稀疏度均衡調(diào)度處理后，數(shù)據(jù)庫(kù)中的信息流分布均衡，提高了數(shù)據(jù)庫(kù)訪問(wèn)的查準(zhǔn)率，展示了較好的性能。

4 結(jié)語(yǔ)

本文提出一種基于稀疏度均衡調(diào)度的數(shù)據(jù)庫(kù)優(yōu)化訪問(wèn)算法，首先構(gòu)建數(shù)據(jù)庫(kù)的分布結(jié)構(gòu)模型，進(jìn)行數(shù)據(jù)庫(kù)訪問(wèn)的信息流特征提取和數(shù)據(jù)信息融合處理，然后以此為基礎(chǔ)，采用稀疏度均衡調(diào)度方法實(shí)現(xiàn)數(shù)據(jù)庫(kù)的詞頻信息指向性分析，提高數(shù)據(jù)庫(kù)訪問(wèn)能力。仿真結(jié)果表明，利用該算法進(jìn)行數(shù)據(jù)庫(kù)訪問(wèn)的均衡性能較好，查準(zhǔn)率較高，性能優(yōu)越。

參考文獻(xiàn)：

[1]衛(wèi)星，張建軍，石雷，等.云計(jì)算數(shù)據(jù)中心服務(wù)器數(shù)量動(dòng)態(tài)配置策略[J].電子與信息學(xué)報(bào)，2015，37（8）：2007-2013.

[2]侯森，羅興國(guó)，宋克.基于信息源聚類的最大熵加權(quán)信任分析算法[J].電子學(xué)報(bào)，2015，43（5）：993-999.

[3]羅亮，吳文峻，張飛.面向云計(jì)算數(shù)據(jù)中心的能耗建模方法[J].軟件學(xué)報(bào)，2014，25（7）：1371-1387.

[4]辛宇，楊靜，湯楚蘅，等.基于局部語(yǔ)義聚類的語(yǔ)義重疊社區(qū)發(fā)現(xiàn)算法[J].計(jì)算機(jī)研究與發(fā)展，2015，52（7）：1510-1521.

[5]陸興華，陳平華.基于定量遞歸聯(lián)合熵特征重構(gòu)的緩沖區(qū)流量預(yù)測(cè)算法[J].計(jì)算機(jī)科學(xué)，2015，42（4）：68-71.

[6]王小英，劉慶杰.關(guān)系型數(shù)據(jù)庫(kù)中數(shù)值數(shù)據(jù)的密文檢索模型研究[J].計(jì)算機(jī)仿真，2013，30（11）：409-411.

（責(zé)任編輯：黃 健）