TZM260工程起重机性能查询系统

针对TZM260工程起重机的性能查询存在的问题,通过软件编程技术实现了TZM260工程起重机性能参数查询,简化了设计人员的手工频繁操作Excel表格的工作,大大提升了工作效率。

提高数据仓库中查询性能的一种并行多表连接算法

星型模式是当前数据仓库设计中广泛采用的逻辑模式。针对星型模式数据仓库中潜在的查询性能问题，结合数据仓库中的ORV，利用面向对象中的消息机制，提出了基于对象关系视图（ORV）的多表连接并行查询算法，并对算法的磁盘I/O操作次数、算法的时间复杂度进行了分析。

查询语义图辅助的信息检索性能预测模型

查询性能预测技术试图在进行费时的实际信息检索之前对特定查询的性能进行预测,以便根据预测结果在不影响查询所代表的信息需求的基础上对查询进行调整,提高最终检索结果的精确度.针对传统查询性能预测模型没有考虑查询词间语义关系的问题,本文提出了一种查询语义图辅助的信息检索性能预测模型,该模型将表征查询词间语义关系的查询语义图引入性能预测的过程中,使查询性能预测模型避免了查询词独立性假设.实验结果表明,经过查询语义图加权的性能预测模型的预测精确度明显高于传统的性能预测模型,预测结果与实际检索结果的相关度最高提升了约46.32%.

基于查询性能预测的鲁棒检索排序研究

信息检索技术致力于从海量的信息资源中为用户获取所需的信息。相较于传统的简单模型,近些年来的大量研究工作在提升了检索结果平均质量的同时,往往忽略了鲁棒性的问题,即造成了很多查询的性能下降,导致用户满意度的显著下降。本文提出了一种基于排序学习的查询性能预测方法,针对每一个查询,对多种模型得到的检索结果列表进行预测,将其中预测性能最优的检索结果列表展示给用户。在LETOR的三个标准数据集OHSUMED、MQ2008和MSLR-WEB10K上的一系列对比实验表明,在以经典的BM25模型作为基准的情况下,与当前最好的检索模型之一LambdaMART相比,该方法在提升了检索结果平均质量的同时,显著地减少了性能下降的查询的数量,具备较好的鲁棒性。

基于Samba和LDAP的PDC查询性能研究

在Samba作为主域控制器(PDC)的异构网络环境中,PDC查询性能低下主要原因在于采用纯文本方式进行用户信息存储和基于纯文本存储介质的查询方式。LDAP技术的特点是基于目录服务,查询效率高,信息存储方式为后台数据库。LDAP的开源软件包实现(OpenLDAP)与Samba相结合能够显著提高在计算机网络域管理中的查询性能。

文本检索的查询性能预测

目前,查询性能预测(predicting query performance,简称PQP)已经被认为是检索系统最重要的功能之一.近几年的研究和实验表明,PQP技术在文本检索领域有着广阔的发展前景和拓展空间.对文本检索中的PQP进行综述,重点论述其主要方法和关键技术.首先介绍了常用的实验语料和评价体系;然后介绍了影响查询性能的各方面因素;之后,按照基于检索前和检索后的分类体系概述了目前主要的PQP方法;简介了PQP在几个方面的应用;最后讨论了PQP所面临的一些挑战.

基于聚类分析分库策略的社交网络数据库查询性能与数据迁移

社交网络数据具有一定的聚合性,即特征上相近的用户之间更容易产生某种行为。依照常规的水平切分方法,在执行这些事件的信息查询时,将会耗费大量的时间和连接损耗去依次访问多个数据库。针对此问题,提出了基于聚类分析的社交网络数据库分库策略。将社交网络主体的特征标量进行聚类,使得聚集程度高的主体尽量分割到一个或尽可能少的几个分库中去,从而提高事件的查询效率,并在此基础上兼顾负载均衡与大数据迁移等问题。实验结果表明,该策略在社交网络的主流事件查询上都表现出不同程度的性能提升,最高提升程度达到23.4%,并且实现了局部最优负载均衡和零数据迁移。总的来说,基于聚类分析的社交网络数据库分库策略在提高查询效率、平衡负载以及大数据迁移可行性上,比传统水平切割分库有了相当的优势。

基于K-means的SAMP系统数据库查询性能优化策略

中科院仪器设备共享管理平台(以下简称为SAMP)系统有效解决了各科研单位间仪器设备管理封闭、共享困难和运行效率低的棘手问题.同时,可以及时了解各类仪器的使用情况、共享情况,为各级业务主管部门展开科学高效的管理工作提供良好的决策依据.当SAMP系统应用数据库中存储的数据量达到百万级时,对数据库中预约表和用户表(或仪器表)进行连接查询时,将导致数据表查询性能的下降,从而影响整个SAMP系统的性能.目前主流的解决方案是采用Hash取模算法对数据表进行水平切分,但预约表中的主键为自动递增的整数,并没有实际意义,所以优化效果不理想.由于预约的用户和被预约的仪器在地理区域上呈现一定的聚集性,因此本文提出了一种基于K-means聚类算法的分表策略,采用该策略能够将预约表的查询性能提升至少70%.

查询性能预测方法的性能评测研究(英文)

目前的查询性能预测方法一般都是利用查询的特征、文档集合的特征以及结果列表的特征预测查询结果的平均精度(AP).一种性能预测方法与其他方法比较时,通常采用预测的AP和查询真实AP之间的皮尔森线性相关系数或是肯德尔等级相关系数来进行衡量.然而,这种简单比较方法往往不能准确评估预测方法的性能.深入探讨了查询性能预测方法性能评测中存在的问题,发现了影响比较公平性的4个因素:预测所基于的排序器、预测目标、评估指标以及实验的数据集合大小.并通过定量实验证明:1)排序器的检索性能越好,预测方法的预测性能也越好;2)不同的预测目标会影响预测性能,衡量搜索引擎质量指标(DCG)比AP更容易预测;3)相关性评估指标受数据分布影响严重,在相同的数据分布下,比较两种预测方法才公平;4)实验中查询集合过小会使得比较结果冲突,影响比较结果的可信度.本工作对查询性能预测方法的性能评测具有重要意义.

基于hibernate缓存机制的查询性能优化研究

良好的缓存管理机制以及合理的缓存应用模式往往是系统性能提升的关键。而查询性能是一个系统性能表现的重要方面。文章在深入研究Hibernate的缓存机制以及二级缓存的应用策略的同时,提出了两种基于该缓存机制的系统查询性能优化方法。应用结果表明,通过这两种方法系统性能得到了相应的提高。

文本检索的查询性能预测

在利用Baidu、Google等搜索引擎进行检索时,可以发现,对某些查询,搜索引擎能够准确快速地返回需要的答案,但对另一些查询,搜索引擎返回的结果却不尽如人意,需要反复修改所提交的查询.由此可以看出,查询本身的优劣和查询结果的好坏是直接相关的,如果能很好地预测查询性能,针对查询性能差的查询,有的放矢地改进检索系统,便能提高检索系统的性能了.那么,究竟什么是查询性能预测?影响查询性能的因素有哪些?怎样预测查询性能?查询性能预测的应用前景怎样?怎样评价预测查询性能方法的好坏?文章将一一回答这些问题.该文为2008年第七期本期话题<用户查询的理解>的文章之一.

Hive over Hbase框架查询性能研究

通过Hive与Hbase两者本身对外的API接口互相进行通信,搭建了一个Hive over Hbase的整合框架方案。实验证明,基于"Hbase存储入口+Hive查询入口"的Hive over Hbase框架比Hive或Hbase原生访问具有更高效的数据库查询速度,且随着数据量的增加,查询性能更加明显。

信息检索中支持结果多样化的查询性能预测

对支持检索结果多样化任务的查询性能预测进行了研究。分析了现有性能预测算法的不足,考虑利用不同方式衡量最终检索结果列表的多样性,并在此基础上提出同时考察查询结果的相关性性能与多样性性能的三种方法。采用TREC Clue Web09B数据集、Web Track任务的查询集及开源的Indri搜索引擎构建实验平台并进行实验。基于Spearman、Pearson和Kendall相关系数的评价结果表明,所提出的三种方法与传统方法相比更适用于预测多样化检索结果,且在不同条件下性能稳定。

基于查询性能预测的案例库维护策略

案例库维护是基于案例推理系统的重要组成部分。针对此将查询性能预测思想应用于基于案例推理系统的案例库维护中,设计了案例增加策略及案例删除策略,分析了基于异构案例的组织方式,重点论述了案例检索日志的构建方法。实验结果表明,该方法能够使案例库维护具有较好的自适应性。

SYBASE技术服务园地连载(73) Sybase 15.3横向扩展查询性能 使用PlexQ分布式查询平台、全共享的MPP架构(二)

2.3 Sybase IQ15中对Intra-Operator的增强 Sybase IQ 15.0版本显著的增强了Intra-operator并行化。许多查询操作现在可以使用多个线程并行执行。

技术服务园地连载(74) Sybase 15.3横向扩展查询性能使用PlexQ分布式查询平台、全共享的MPP架构(三)

（上接第9期）4.1 DQP的可扩展性一个查询可能只有全面并行化并充分利用单个节点的CPU资源,才能从DQP获益。另外,Sybase IQ主存储和共享临时存储必须不能受到I/O的限制。DQP使用逻辑服务器上所有节点的可用的内存和CPU资源。一般来讲,可用的节点和资源越多,查询性能越高。基于任务单元的数量,存在一个上限。如果没有足够的任务单元传送到Multiplex中所有可用的CPU上,则只有一部分CPU被使用。

Sybase 15.3横向扩展查询性能使用PlexQ分布式查询平台、全共享的MPP架构(一)

1序言 Sybase IQ 15.3引入了PlexQ分布式查询平台,一个大规模并行处理（MPP）架构,通过将工作分布到Mulitiplex配置中的众多计算机上而加速高度复杂查询的速度。不同于无共享（Share-nothing）MPP架构,

数据切分方案在提高大数据查询性能过程中的应用

在当今互联网技术广泛普及的今天,大数据已经不再是新的研究课题,在当今数据来源越来越繁杂,每天都有海量的数据进行储存、访问的形势下,过高的数据负载对系统的稳定性与扩展性造成不可忽视的影响。基于此,本文分析采用数据切分方案的特征,并对以数据切分方案提高大数据查询性能的应用进行了研究与设计。

拆分任务清单以提高查询性能——分而治理之

用5分钟而不是20分钟或更长的时间对一个包含2000个节点的清单执行Ping操作是不是更有效?忘记用剪切、粘贴的手工方法形成结果吧。自动化处理应该是你最好的选择。

基于TPC-H模型的大数据平台查询性能对比研究

大数据时代的来临预示着各行业新的机遇。目前大数据技术开始渗透到各个领域,哪里有数据挖掘与分析的需求哪里就有大数据平台。文章首先阐述了两种大数据查询工具Impala和Hive的查询效率对比,以及优化带来的性能改进。然后基于TPC-H模型对实际性能做了对比性测试,从而对实际应用过程中大数据分析查询工具的选择给出指导性意见。