基于訪問一體化算法的分布式實時數據庫研究

繆燕，王和平

（北京許繼電氣有限公司，北京 100000）

分布式數據庫由多個獨立的數據存儲單元相互連接而成，實時數據庫由實時數據模型構成，因此分布式實時數據庫是在分布式數據庫的基礎上建立起來的，是一種用來解決數據模型與數據存儲單元之間關系的數據庫[1]。分布式實時數據庫在數據檢索、存儲、采集、訪問等方面具有實時、可靠、穩定的特點，在對大容量數據進行分類時，首先需要對分布式實時數據庫進行分類。目前的分布式實時數據庫分類方法存在較多問題，如分類干擾多、數據處理不及時，以及在采用相關算法進行分類時，計算過程復雜、分類精度低、分類耗時長等。為了解決這些問題，國內的專家學者對此展開了研究。有學者提出基于改進粒子群算法的分布式數據庫分類方法，將分布式數據庫中的數據通過改進粒子群算法進行計算，計算完畢后將計算結果存儲在站點中，雖然該方法的計算過程較為簡單，但分類精度較低[2]。還有學者提出基于ISE 算法的分布式實時數據庫分類方法，建立分布式數據庫的自然模型，以數據庫自然模型為基礎，采用ISE 算法進行分類計算，該方法雖然能夠滿足分類精度的要求，但是整體計算過程耗時較長[3]。

為了解決以上問題，該文對基于訪問一體化算法的分布式實時數據庫進行了研究，最后通過實驗研究驗證了該文研究方法的性能。

1 基于訪問一體化算法的分布式實時數據庫模型

分布式實時數據庫中含有大量的實時數據存儲單元，這些實時數據存儲單元較為分散，在對分布式數據庫進行分類時，會導致實時數據存儲單元的分散程度下降，進而造成分布式實時數據庫分類耗時過長[4-6]。基于這樣的分類背景，在對分布式實時數據庫進行分類前，需要建立分布式數據庫模型，以提升實時數據存儲單元的分散程度。

分布式數據庫模型需要按照分布式實時數據庫的分類原理來構建，分類原理為將分布式實時數據庫中的工作站點設為變量，將實時數據存儲單元設定為潛在變量[7-10]。為了計算聯合分布概率，可以將數據庫的種類設定為N，工作站點的數量設定為K，分布式實時數據庫的分類參數設定為α，對于已知的分布式數據庫種類，可通過種類索引對其進行標記，而對于未知的數據庫種類，可將內部的實時數據存儲單元設定為θic，采用訪問一體化算法計算聯合分布概率為：

式中，θiyj表示分布式數據庫與工作站點的數量總和；Cik表示實時存儲單元分配至工作站點的估計量，p、E分別表示數據庫訪問工作站點的參數和分量。實時數據存儲單元中的數據流通過數據庫中的調度節點進行集合，在對數據流進行分發的過程中，需要對實時數據庫中的數據主節點和備份節點進行集中分類，通過分類結果獲得數據庫種類N的存儲單元分配估計量Cik，該值與數據流的調度集合值相同，根據式（1）可獲得分布式實時數據庫的模型為：

式中，yu表示分布式實時數據庫中數據流的調度數量。在實現分布式數據庫分類前，需將數據庫中的實時數據分配至工作站點的數據流中，圖1 為數據分配過程。

圖1 數據分配過程

實時數據分配至數據流的過程是實現分布式實時數據庫分類的基礎，在分配過程中，為實現實時數據的同步與轉發，數據主節點將根據數據庫中元數據的種類進行轉發，轉發完成后將數據存儲在備份節點中，這一轉發與存儲過程可實現未知數據庫的分類，并有效提升實時數據存儲單元的分散程度。分布式實時數據庫模型的建立，可縮短數據庫的分類耗時，根據以上建立分布式實時數據庫模型，結合數據流的轉發和存儲操作，可以實現分布式實時數據庫的分類，但當數據庫種類數量過多時，由于未考慮潛在變量，因此需要對分布式實時數據庫進行優化[11-13]。

2 分布式實時數據庫優化

基于以上建立的分布式實時數據庫模型中，設定分布式實時數據庫中數據流與數據主節點的訪問控制信息，根據訪問控制信息實現對分布式實時數據庫的優化，在優化之前，需要對分布式實時數據庫的分布進行設計[14-16]。

設計過程中需要全面考慮數據庫中標簽點的調度特性，根據標簽點的調度特性來處理數據庫中的數據主節點和備份節點，以提升分布式實時數據庫的分類效率。

由于標簽點中的實時數據分布在工作站點內，而工作站點通常位于分布式實時數據庫的邊緣，因此為了使標簽點更加集中，需要將數據庫中的數據分配至數據源文件中。隨著分布式數據庫中數據節點的增加，數據庫中的元數據將表現出較強的擴容或縮容，并且元數據將呈現數據重分布的狀態，這時元數據的數據均衡性會有所增強。而標簽點與元數據間存在一定的關聯性，需要通過增加數據節點的數量來控制元數據在數據庫中的分散程度。在極端情況下，數據節點中的所有實時數據將存放在備份名片中，并按照分布式實時數據庫的分類時間段來接入數據流，考慮到分布式實時數據庫的分類特點，元數據與數據節點的數量可能會發生波動，從而導致數據庫中的數據文件發生分布不均衡現象，所以需要把多余的數據節點和元數據分配至分布映射表內，這樣可以避免由于分類標準過高而出現標簽節點分配失敗的現象。圖2 為分布式實時數據庫中的數據節點分布圖。

圖2 數據節點分布圖

根據該數據節點分布結果對分布式實時數據庫進行優化。

在實際的分布式實時數據庫中，元數據和數據節點在數據區間的分布函數未知，可通過伯努利分布確定元數據是否退化為實數，如果成功退化為實數，則設定數據節點的分布區間為表示分布式實時數據庫的分類參數，分布式實時數據庫的優化表達式為：

式中，h表示分布式實時數據庫的分類數量，n表示分布式實時數據庫中數據節點數量，fxi表示分布式實時數據庫分類的目標函數，i=1,2,3,…,n。設定分布式數據庫優化信息，觀察數據庫中插值點的概率分布，確定數據庫分類原理的可行性。

根據以上建立的分布式實時數據庫模型、數據庫分布特點以及數據庫的優化模型，實現對分布式實時數據庫的優化。

3 實驗研究

為了驗證該文提出的基于訪問一體化算法的分布式實時數據庫研究方法的實際使用效果，將所提方法與文獻[2]基于改進粒子群算法的數據庫研究方法進行對比。實驗過程中，采用仿真分布式數據庫與互聯網中的標準分布式數據庫進行實驗。

貢獻率將影響分布式實時數據庫的穩定運行，通常情況下，貢獻率越低，對分布式實時數據庫運行穩定性的影響越小，采用該文研究方法與基于改進粒子群算法的分布式數據庫分類方法針對貢獻率進行實驗，統計分布式實時數據庫貢獻率的變化，貢獻率實驗結果如圖3 所示。

圖3 貢獻率對比結果

實驗結果中，包括實驗時間和實驗方法，實驗時間的單位為ms，A 表示該文提出的研究方法，B 表示基于改進粒子群算法的方法。一般情況下，當分布式實時數據庫的貢獻率低于40%時，該方法對分布式實時數據庫的穩定狀態不產生影響。由上述結果可知，該文提出的基于訪問一體化算法的分布式實時數據庫研究方法的貢獻率最高不超過36%，說明該文提出的基于訪問一體化算法的分布式實時數據庫研究方法不會對數據庫的穩定運行產生影響；而基于改進粒子群算法的分布式數據庫分類方法的貢獻率遠高于40%，說明基于改進粒子群算法的分布式數據庫分類方法對數據庫的穩定運行影響較大。

不同方法的分類耗時也會影響分布式實時數據庫的分類效率，因此，需要對該文提出的研究方法與基于改進粒子群算法的研究方法的分類耗時情況進行對比。對比實驗中，以8 次數據庫分布結果為1 組實驗，共統計6 組實驗結果，分類耗時實驗結果如圖4 所示。

圖4 分類耗時情況實驗結果

由實驗結果可知，S 表示該文提出的基于訪問一體化算法的分布式實時數據庫研究方法，R 表示基于改進粒子群算法的分布式數據庫分類方法。由實驗數據可知，該文提出的基于訪問一體化算法的分布式實時數據庫研究方法的分類耗時最短，說明該文提出的研究方法更容易實現數據庫的分類，訪問一體化算法的采用降低了數據庫分類的復雜度，從而降低了分類耗時。而基于改進粒子群算法的分布式數據庫的分類耗時較長，不能提高分布式實時數據庫分類的效率。

基于以上得出的貢獻率以及分類耗時結果，對文中提出的研究方法與基于改進粒子群算法的分布式數據庫分類方法的分類精度進行對比實驗。實驗中，需要采集20 個分布式實時數據庫，采用兩種方法對采集的分布式實時數據庫進行實驗，分類精度對比結果如圖5 所示。

圖5 分類精度實驗結果

由圖5 實驗結果可知，該文提出的基于訪問一體化算法的分布式實時數據庫研究方法的分類精度較高，最高可達90%以上，而基于改進粒子群算法的分布式數據庫分類方法的分類精度較低，最高只有70%，由此可知，該文方法的分類精度高于基于改進粒子群算法的分布式數據庫分類方法。

綜上所述，以上的對比實驗驗證了該文提出的基于訪問一體化算法的分布式實時數據庫研究方法優于基于改進粒子群算法的分布式數據庫分類方法，該文方法的貢獻率較低，不會對數據庫的穩定運行產生影響，并且該文方法的分類耗時較短、分類精度較高。

4 結束語

為了解決傳統分布式數據庫分類方法出現的數據庫貢獻率較高、分類耗時較長、分類精度較低等問題，該文提出基于訪問一體化算法的分布式實時數據庫研究方法。建立了分布式實時數據庫模型，并介紹了分布式實時數據庫分類原理以及數據流的分配過程，然后建立了優化模型對分布式實時數據庫進行優化。最后通過對比實驗，驗證了該文提出的基于訪問一體化算法的分布式實時數據庫研究方法優于傳統方法，該文提出的研究方法具有較低的貢獻率，且分類耗時較短、分類精度較高，實現分布式數據庫的分類較為容易，具有一定的應用價值。