基于群智仿生算法的大數據高效遷移策略研究

杜宇

摘 ?要： 為了提高大數據遷移的執行效率并降低存儲需求，提出采用群體仿生智能算法中的人工魚群算法完成大數據遷移過程。首先，根據魚群活動狀態對大數據遷移進行策略分析，并對數據記錄及存儲空間按照魚群算法進行建模。然后，采用存儲范圍和遷移步長動態變化的策略完成大數據自動遷移。經過實驗證明，相比LRU遷移算法，基于人工魚群算法的數據遷移策略在存儲空間及執行時間消耗方面優勢明顯，具有一定的推廣價值。

關鍵詞： 大數據遷移; 自動遷移; 執行效率; 存儲空間; 群體智能算法; 人工魚群算法

中圖分類號： TN915?34; TP393 ? ? ? ? ? ? ? ? ? ?文獻標識碼： A ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2019）19?0124?03

Abstract： In order to improve the execution efficiency of big data migration and reduce the storage demands， the artificial fish swarm algorithm in the swarm intelligence algorithm is proposed to complete the big data migration process. The strategy analysis of big data migration is carried out according to the fish population activity status， and the data record and storage space are modeled according to the fish swarm algorithm. The automatic migration of big data is completed by a strategy of dynamically changing the storage range and the migration step size. Experiment results show that， in comparison with the LRU migration algorithm， the data migration strategy based on artificial fish swarm algorithm has more obvious advantages in storage space and execution time consumption， and has a certain promotion value.

Keywords： big data migration; automatic migration; execution efficiency; storage space; swarm intelligence algorithm; artificial fish swarm algorithm

0 ?引 ?言

大數據平臺用戶眾多，服務器所承載的數據資源與日俱增，當數據量的不斷增多，隨之而來的數據存儲及服務器擴容等一系列問題也隨之產生，特別是數據遷移問題成為大數據平臺發展面臨的重要問題。

數據遷移并不是簡單的數據位置的變化，它涉及到數據遷移的平滑度，數據的完整度，還有遷移過程面臨的數據量變大，遷移時間等問題。當前對數據遷移的算法主要有LRU和LFU算法[1?3]，這兩種算法在數據遷移的效率方面優勢并不明顯，本文結合群體智能算法，將人工魚群算法作為大數據遷移策略，提高了大數據平臺數據的遷移效率。

4 ?結 ?語

本文采用基于人工魚群算法的大數據負載遷移方法較好地完成了數據遷移，相比傳統的LRU數據遷移算法，在執行效率和存儲消耗方面優勢明顯，綜上所述，人工魚群算法在大數據遷移方面有較強的適用性。……