基于LOP的分布式数据存储与查询技术

当今已经进入了云计算时代,其中,数据的分布式存储和查询也已成为大数据管理的关键技术之一.分布式数据管理在数据存储层面需要进行数据的分片和配置,在查询方面需要进行各节点查询子结果的配置与整合.对于结构化数据例如关系型数据已经具有了成熟有效的相关技术,但对于主要是半结构化、无结构化以及多种数据模式混杂的大数据而言,其分布式数据分片和配置还是一个具有需要深入研究的课题.本文针对具有广泛应用的具有时间标签的非结构化数据,提出了一种按照时间标签进行分片与配置的分布式存储与处理方案,相应的仿真实验表明本文的工作是可行的和有效的.

基于分布式数据库的查询优化模型的研究

分布式数据库系统中,由于数据具有分布性和冗余性等特点,使得数据的网络传输代价很高,查询处理的难度和复杂度增大。针对传统优化标准相对单一,灵活度不够,处理方案忽视了对常用查询语句的利用等问题,本文建立了一个新的查询处理模型。该模型新增了一个优化标准选择功能,用户可根据实际需求选择预先设定的优化标准。通过将利用率高的查询结果记录在数据查询表中的方法来提高常用语句的利用率,减少查询时可能进行的大规模数据的传送。

基于轨迹特征的最优宿舍分配系统设计与实现

时空位置和轨迹数据可以反映很多信息,如用户的作息时间、兴趣爱好等。将具有相似的作息时间和兴趣爱好的学生分配在一个宿舍对宿舍关系有较好的促进作用。模拟出了20位学生的20条轨迹,每条轨迹上有若干点。轨迹的属性包括时间、位置、转角个数、轨迹内序号等,然后为每个属性设置权值,从而计算轨迹间的相似度,进行最优宿舍分配规划。将轨迹数据写入xml文件中,用C#读取,实现了一个可以实现上述功能的系统。