大规模分布式系统中的多属性查询处理

大规模分布式系统中的复杂查询处理是将对等计算技术运用于关键应用中的重要问题,是学术界与工业界所共同关注的研究问题.文中介绍了一种高效、可伸缩的通用的基于类Chord协议的多属性查询处理技术GChord.它既支持匹配查询也支持范围查询.和现有其它技术相比,对于任何数据元组,GChord只需要对其编码和索引一次,且能将查询处理的代价限制在一个很小的范围内.因此,它能在索引维护代价和查询效率之间达到平衡.GChord还提供优化技术以进一步提升性能.实验证实了GChord具有较高的查询处理效率以及较低的索引维护代价.

科学数据网格中分布式查询处理体系结构的研究

数据网格是一种有效的分布式数据管理体系结构,该结构下的分布式查询处理和其他环境下的分布式查询处理有很多不同的地方,如结点的自治性等。根据科学数据网格分布式查询处理的特点,提出了该环境下分布式查询处理的体系结构,并给出其协商机制。

IVDQP—物联网内基于兴趣向量的分布式查询处理方法

物联网内资源按需检索是构建高效率物联网应用的必备功能。实现一种基于兴趣的数据单播查询处理方法IVDQP,采用一种单播的方式对任意物联网节点提出的数据检索请求进行节点间传递,并以一种累积的方式将中间节点上的检索结果按照查询单播传递路径返回给查询节点。与Flooding算法的对比实验表明,提出的这种物联网内单播查询处理方法不仅能够迅速定位尽可能多的符合查询要求的数据,而且能够保证引入尽可能少的节点间的消息交换,从而为高效物联网应用的实现提供技术支持。

分布式数据库查询优化处理在校园一卡通系统中的应用

校园一卡通系统的开发建设将进一步提高校园的信息化管理水平,实现由面向计算机管理向面向数据管理的转变。以校园一卡通系统的建设规划为背景,根据有多个独立校区的具体情况,详细介绍了分布式数据库在校园一卡通系统中的应用,并简要介绍了分布式查询优化的目标、策略及查询优化方法。

基于分布式内存计算的空间数据近似查询处理方法

地理数据交互式可视化与空间分析等是地理信息系统（Geographic Information System,GIS）应用的重要功能,而现有的地理空间数据库与地理数据服务标准难以满足实时数据可视化及空间分析的要求。根源在于空间数据库中地理要素的查询结果是精确、唯一的;查询时间和数据量只与要素本身相关;查询时地理要素无法根据条件动态生成。

分布式数据库查询处理和优化算法

分布式数据库系统是数据系统和计算机网络相互结合的产物,其主要目的就是实现计算机网络中数据分布和处理。如果查询过程处于分布式环境,因为查询涉及到的关系一般都被分片或者复制到多站点,所以计算代价的过程中不仅要全面考虑CPU和I/O的速度,还要全面考虑数据在站点之间通信过程中的网络传输代价。查询过程中的连接操作具有较高的通信代价,需要实现分布式数据库的有效处理连接,以便实现分布式查询处理的优化。

分布式数据库中查询处理的新方法研究

在分布式数据库系统中,由于数据的分布和冗余,使得分布式查询处理增加了许多新的内容和复杂性,通过分析现有分布式数据库查询处理技术,根据应用实际提出一种新的查询处理方法,该方法通过将常用查询结果存储在本地来减少查询时的数据传输量,从而缩短了响应时间。实验证明了该方法是有效的。

分布式查询处理中的场地选择

在建立查询模型和代价模型的基础上，重点分析了分布式查询处理中场地选择的几种典型算法，并指出它们的特点和适用范围，最后提出一些有待进一步研究的问题。

分布式数据库查询处理和优化算法

分布式数据库系统主要是结合了数据系统和计算机网络,主要目的是对计算机网络中的数据进行分布和处理。在数据库优化方面,实现高效的数据查询是其主要的研究方向,针对分布式数据库查询优化的算法有很多种,包括分片复制算法、Hash划分算法、基于查询图的优化算法等。如果在分布式环境中进行相关数据的查询,就需要计算相应的代价,要对CPU和I/O的速度以及不同站点之间通信过程中网络传输代价进行全面的考虑。本文对分布式数据库查询的概念特点进行了阐述,分析了分布式数据库进行查询优化的代价,以及相关处理模式,同时,探讨了分布式数据库查询的相应优化算法。

网格环境下基于服务的分布式查询处理机制研究

OGSA-DQP是一种用于网格环境、基于服务的分布式查询处理系统,实现了运行在不同平台的分布式数据密集型应用的高级数据访问与集成服务方法,为用户提供一致的虚拟关系数据视图和分布式数据查询支持。文章描述了其体系结构、分析了其查询和优化机制,并在不同条件下测试了查询性能,为寻找系统查询性能瓶颈、提高系统查询响应时间提供依据。

DQP:网格上的一种分布式查询处理器

网格计算是近年来兴起的一个研究热点,它旨在使互联网上所有资源(计算资源、存储资源、通信资源、软件资源、信息资源、知识资源等)实现全面共享与协同工作,使整个因特网整合成一台巨大的超级计算机,为用户提供“即连即用”式的服务。文中介绍了网格计算的概念、特点,以及开放网格服务体系结构(OGSA),详细介绍了OGSA-DQP的功能、架构、实现方法以及执行流程。

基于混合处理模型的乱序数据流分布式聚合查询处理技术

为了解决现有的乱序数据流聚合查询处理技术不能在降低查询处理延迟,同时保障聚合查询结果的最终正确性的局限性问题,本研究设计了混合嵌入分布式流处理模块和分布式批处理模块的乱序数据流分布式聚合查询处理技术。该技术一方面基于用户给定的结果质量,限制自适应地优化流处理模块所用的缓冲区大小,从而尽可能降低流处理的查询处理延迟;另一方面基于备份于分布式数据存储系统的历史流数据,并以批处理的方式实现对极其晚到流元组的查询处理,从而保障聚合查询结果的最终正确性。基于真实的乱序数据流数据集对该技术进行测试分析表明:该技术在平均查询处理时延、查询结果精度和系统可扩展性方面,比目前最好的基于缓存的乱序数据流处理技术均具有显著优势。

基于分布式数据库的查询处理和优化算法

分布式查询处理和优化是用户与分布式数据库的接口,也是分布式数据库研究的主要问题之一。分布式数据库中数据的数据分散存放和冗余使得查询处理和优化更加复杂,文章分析了分布式查询处理过程,重点阐述了优化的各种策略和算法,分析了优缺点并给出了算法选择的方法。

基于动态分布式聚类算法的大数据查询处理方法

针对现有大数据空间查询处理方法存在执行时间长和查询结果不够准确的问题,提出一种基于动态分布式聚类算法的大数据查询处理方法,该方法分为数据预处理、数据聚类和查询处理3个部分.首先将输入数据划分为多个子集,以RRD格式存储在一组机器节点中;其次采用划分和层次混合动态聚类算法,在Apache Spark平台上对数据进行分布式聚类;最后通过K近邻查询方式获得高精度和高效率查询结果.实验结果表明,本文提出的方法具有可扩展性,可为空间查询处理提供高质量的结果,比其他查询方法更具优势.

分布式数据库系统中基于半连接的查询处理

本文较全面地总结了分布式数据库系统的查询处理,并提出用HASHING 方法减少半连接通讯的开销是有利的。本文引进了带序号的半连接关系操作,用它总可以求得有回路查询的全缩减S。

一种分布式查询处理的数据划分策略

分布式数据库的查询处理速度一直是从事数据库研究的人们关注的热点之一，本文提出了在关系不分片而且有复本的多数据库环境中，分布式查询处理的一种数据划分策略，旨在减少数据库查询处理的响应时间。

分布式数据库中基于半连接的查询优化算法研究

首先阐述了分布式查询优化的主要目标,介绍了半连接算法和基于半连接的二分劈开缩减算法,分析了两者的特点和不足并在其基础上提出了一种新的优化算法——两次半连接对接算法。通过进行两次半连接减少了通信信息量,并且利用多结点的并行性处理提高了查询的响应时间和处理速度。通过对三种算法的比较对新算法的性能进行了分析,结果表明,该算法在某些特定的环境下确实具有较高的处理速度、节点利用率和实际可行性,适合大规模的数据库查询。

面向物联网的分布式上下文敏感复杂事件处理方法

物联网产生的数据具有大数据特征,而这些数据难以用现有数据处理技术进行有效处理.作为物联网中间件的核心技术,复杂事件处理技术具备大数据的海量、复杂性等特征和实时处理的需求.上下文敏感是复杂事件处理引擎的重要特征.提出一种高效的面向物联网的分布式上下文敏感复杂事件处理架构和方法.该方法使用模糊本体进行上下文建模,以支持事件的不确定性及模糊事件查询问题.以基于模糊本体的查询和基于相似性的分布式推理为基础,生成复杂事件查询规划,并通过查询重写,把上下文相关查询转换为上下文无关子查询.根据不同的事件模型和上下文划分数据,并通过优化和多级并行来提高性能.实验结果表明该方法能够处理模糊事件上下文,对于面向物联网的分布式上下文敏感复杂事件处理具有比一般方法更好的性能和可伸缩性.

基于不确定数据的分布式Top-k查询算法

目前基于不确定数据的Top-k查询算法仅考虑了集中式的环境,为了解决分布式系统中节省系统带宽的问题,在此基础上,提出了在分布式环境中基于不确定数据的Top-k查询算法UDTopk.该算法定义了一个候选集(candidate set),仅使用候选集中的数据,而不用访问数据集中所有数据,就可以得到正确的Top-k查询答案.算法通过动态维护候选集、仅传输少量数据,达到减少网络中数据传输的目的.实验结果表明,该算法可以有效地节省网络带宽.

基于分布式数据库系统的一种查询优化算法

分布式数据库系统由于数据的物理分布和冗余使得分布式查询处理增加了难度和复杂度,使得分布式数据库系统的查询优化较集中式数据库系统更为重要。介绍分布式数据库系统的特点和分布式查询优化及一种新的查询算法:基于语义信息的分布查询处理。