面向互联网应用的大规模数据实时查询优化方法研究

JSON通常被广泛应用于服务器与客户端浏览器之间的数据交互。某些场景下,由于客户端请求数据量过大,会导致服务器运算时间及网络传输时间加长,严重影响用户体验。针对此问题,提出了一种数据压缩、数据缓存及分页传输的优化处理策略,查询数据库的数据缓存至服务器内存中,在相同的查询条件下不再查询数据库而是通过读取内存数据库Redis直接调取数据,并通过Gzip将数据压缩之后再通过分页方法,每次仅传输数据量的一部分到客户端浏览器。通过真实金融大规模数据集进行方法验证,结果表明,该方法能提高了45%以上的查询效率,有效地改善用户体验。

非煤矿山企业在线培训考试系统的设计与实现

针对传统非煤矿山企业培训存在的企业地理位置分散、员工集中培训不便、培训效率不高等问题提出了面向非煤矿山企业的在线培训考试系统。该系统在管理服务端可组织培训活动及课程、编辑试卷内容、评阅试卷、数据统计与分析,参训者在浏览器端可通过微信扫码注册登录,认证学员身份后可进行课程点播、专业培训、在线考试等活动;该系统前端采用Vue.js渐进式框架,后端开发框架使用.NET Core3.1,开发语言选用C#,数据库使用MySQL 5.6。通过系统上线运营后采集真实的培训信息统计验证表明,该系统解决了非煤矿山企业员工培训和在线考试在组织管理方面存在的难题,提高了管理效率和培训质量。

基于数据仓库的论文推荐方法研究

为促进期刊融媒体发展,提高杂志社网站的知识服务能力,实现为读者提供论文在线推荐服务,提出了一种基于数据仓库的论文推荐方法。首先建立数据仓库,设立论文推荐主题库,抽取数据集中论文的标题、摘要、关键词等数据建立特征数据集;然后,再对这些特征数据集进行预处理,得到半结构化的分词特征数据集,存入数据仓库的ODS层,格式化和ETL化原始数据层中的数据,清洗维度缺项的数据,存入DWD层,构造维度-论文权重矩阵,存储在DWS层,ADS层存储汇总的推荐结果;最后,推荐时根据ADS层主题表中的分词特征数据集,计算待推荐论文的相似度,根据相似度值对目标论文推荐相似文献。结果表明,该推荐方法提高了论文推荐的实时性和准确率,应用效果良好。