基于多維索引樹編碼的數(shù)據(jù)庫分層訪問技術(shù)研究

王艷 劉繼華

摘要：通過對數(shù)據(jù)庫分層訪問優(yōu)化算法的設(shè)計，提高大型數(shù)據(jù)庫的數(shù)據(jù)調(diào)度和信息索引能力。傳統(tǒng)方法對分層數(shù)據(jù)庫的訪問算法采用語義指向索引技術(shù)，隨著數(shù)據(jù)量的增大和干擾數(shù)據(jù)增多，對數(shù)據(jù)庫訪問的準(zhǔn)確度不高。提出一種基于多維索引樹編碼的數(shù)據(jù)庫分層訪問技術(shù)，對大型分層Web數(shù)據(jù)庫的數(shù)據(jù)結(jié)構(gòu)模型進(jìn)行系統(tǒng)分析，然后構(gòu)建數(shù)據(jù)庫中的數(shù)據(jù)信息流模型，以此為信息源進(jìn)行多維索引樹編碼設(shè)計與數(shù)據(jù)庫的語義信息特征模板匹配，實(shí)現(xiàn)對數(shù)據(jù)庫的分層訪問優(yōu)化設(shè)計。仿真結(jié)果表明，采用該方法進(jìn)行數(shù)據(jù)庫分層訪問，通過多維索引樹編碼，可提高數(shù)據(jù)庫訪問過程中的數(shù)據(jù)召回率和配準(zhǔn)率，數(shù)據(jù)庫訪問的收斂性和抗干擾性較好，訓(xùn)練時間較短。

關(guān)鍵詞：數(shù)據(jù)庫訪問；分層訪問；多維索引樹；編碼

DOIDOI：10.11907/rjdk.161243

中圖分類號：TP392

文獻(xiàn)標(biāo)識碼：A 文章編號：1672-7800（2016）005-0173-03

0 引言

隨著信息技術(shù)和大數(shù)據(jù)技術(shù)的快速發(fā)展，社會進(jìn)入大數(shù)據(jù)信息管理時代。對大數(shù)據(jù)的管理主要是通過分層網(wǎng)絡(luò)Web數(shù)據(jù)庫實(shí)現(xiàn)，在數(shù)據(jù)庫中采用云存儲和云調(diào)度方法，實(shí)現(xiàn)對大型信息數(shù)據(jù)的管理和調(diào)度，以提高數(shù)據(jù)庫的信息處理和信息加工能力。分層大數(shù)據(jù)庫作為存儲數(shù)據(jù)信息的重要載體，對數(shù)據(jù)庫的優(yōu)化訪問是提高數(shù)據(jù)查詢和調(diào)度性能的關(guān)鍵。因此，相關(guān)的算法研究受到人們的極大重視[1-3]。

分層Web大型數(shù)據(jù)庫廣泛應(yīng)用于大型的網(wǎng)絡(luò)信息數(shù)據(jù)和云存儲信息數(shù)據(jù)的存儲和調(diào)度架構(gòu)中。對分層Web大型數(shù)據(jù)庫頻繁訪問的過程中，進(jìn)行特征分區(qū)和數(shù)據(jù)文本的指向性索引，有利于提高數(shù)據(jù)庫訪問性能。傳統(tǒng)方法對分層數(shù)據(jù)庫的訪問算法采用語義指向索引技術(shù)，隨著數(shù)據(jù)量的增大和干擾數(shù)據(jù)增多，對數(shù)據(jù)庫訪問的準(zhǔn)確度不高。對此，相關(guān)文獻(xiàn)進(jìn)行了算法改進(jìn)設(shè)計。其中，文獻(xiàn)[4]提出一種基于信息流減法聚類和模糊C均值調(diào)度的數(shù)據(jù)庫訪問算法，通過粗糙集索引實(shí)現(xiàn)數(shù)據(jù)庫訪問，但是該方法對數(shù)據(jù)庫訪問過程中的稀疏度均衡能力不好；文獻(xiàn)[5]提出一種基于關(guān)鍵字有向圖模型的數(shù)據(jù)庫訪問算法，然而該算法對非線性MIMO級聯(lián)數(shù)據(jù)庫分層訪問特征分區(qū)性能不好。針對上述問題，本文提出一種基于多維索引樹編碼的數(shù)據(jù)庫分層訪問技術(shù)，首先對大型分層Web數(shù)據(jù)庫的數(shù)據(jù)結(jié)構(gòu)模型進(jìn)行系統(tǒng)分析，然后構(gòu)建數(shù)據(jù)庫中的數(shù)據(jù)信息流模型，以此為信息源進(jìn)行多維索引樹編碼設(shè)計，在此基礎(chǔ)上，實(shí)現(xiàn)對數(shù)據(jù)庫的分層訪問優(yōu)化設(shè)計。仿真實(shí)驗進(jìn)行了性能測試，得出有效性結(jié)論，并展示了較好的數(shù)據(jù)庫訪問性能。

1 大型分層數(shù)據(jù)庫的數(shù)據(jù)結(jié)構(gòu)模型與數(shù)據(jù)信息流特征分析

1.1 大型分層數(shù)據(jù)庫數(shù)據(jù)結(jié)構(gòu)模型

為了實(shí)現(xiàn)對大型Web分層數(shù)據(jù)庫的優(yōu)化訪問，需要首先進(jìn)行數(shù)據(jù)庫的數(shù)據(jù)結(jié)構(gòu)分析。首先分析數(shù)據(jù)庫的存儲結(jié)構(gòu)模型，假設(shè)在查詢接口模塊中進(jìn)行數(shù)據(jù)訪問的語義有向圖的特征矢量信息流表示為：

根據(jù)上述分析，進(jìn)行數(shù)據(jù)庫訪問信息的瞬時頻率估計，以此為基礎(chǔ)，通過對數(shù)據(jù)庫存儲節(jié)點(diǎn)的分布調(diào)度，實(shí)現(xiàn)對大型分層數(shù)據(jù)庫的數(shù)據(jù)結(jié)構(gòu)分析。

1.2 數(shù)據(jù)庫訪問分層信息特征模型構(gòu)建

根據(jù)上述數(shù)據(jù)庫的數(shù)據(jù)結(jié)構(gòu)分析原理，為了實(shí)現(xiàn)對數(shù)據(jù)庫的分層訪問，需要進(jìn)行數(shù)據(jù)庫的數(shù)據(jù)信息流訪問特征模型構(gòu)建，為實(shí)現(xiàn)數(shù)據(jù)庫優(yōu)化訪問提供準(zhǔn)確的數(shù)據(jù)基礎(chǔ)。本算法設(shè)計采用兩個空間層的正交特性進(jìn)行層迭代處理和特征量檢測和提取?；诙窟f歸分析的滑動窗口混合模型，估計數(shù)據(jù)庫的規(guī)模大小，得到分層數(shù)據(jù)庫的分層信息特征監(jiān)測混合模型。輸入控制參量采用自適應(yīng)線性相關(guān)方法進(jìn)行數(shù)據(jù)庫訪問的信道均衡設(shè)計，得到分布式緩存系統(tǒng)中的數(shù)據(jù)庫信息訪問信號模型為：

3 仿真實(shí)驗與結(jié)果分析

為了測試本文改進(jìn)算法在實(shí)現(xiàn)數(shù)據(jù)庫分層優(yōu)化訪問中的應(yīng)用性能，進(jìn)行仿真實(shí)驗。實(shí)驗建立在Matlab仿真軟件基礎(chǔ)上，實(shí)驗中首先進(jìn)行參數(shù)設(shè)定，根據(jù)樣本的屬性規(guī)模和數(shù)據(jù)集種類數(shù)目，在進(jìn)行數(shù)據(jù)庫的分層訪問控制中，數(shù)據(jù)集采樣的初始頻率為1 024 Hz，數(shù)據(jù)庫訪問接口數(shù)據(jù)AD采樣的截止頻率為50kHz，分層數(shù)據(jù)庫訪問的時頻特征載波間隔為1.2ms。在上述仿真環(huán)境和參數(shù)設(shè)計的基礎(chǔ)上，進(jìn)行數(shù)據(jù)庫分層訪問仿真實(shí)驗。在兩個數(shù)據(jù)庫訪問通道中進(jìn)行數(shù)據(jù)離散采樣，得到采樣波形如圖1所示。

以上述采樣樣本為研究對象，對數(shù)據(jù)庫的特征序列進(jìn)行多維索引樹編碼，以提高數(shù)據(jù)庫訪問過程中的語義配準(zhǔn)率。為了對比性能，以數(shù)據(jù)庫訪問的語義配準(zhǔn)譜分析結(jié)果為測試指標(biāo)，得到數(shù)據(jù)庫分層訪問的語義特征配準(zhǔn)結(jié)果如圖2所示。

由圖可見，采用本文算法進(jìn)行數(shù)據(jù)庫分層訪問，具有較好的配準(zhǔn)性能。

最后，采用不同算法進(jìn)行數(shù)據(jù)庫分層訪問的訓(xùn)練時間對比，得到結(jié)果如圖3所示。由圖可見，采用本文方法，通過多維索引樹編碼，提高了數(shù)據(jù)庫訪問過程中的數(shù)據(jù)召回率和配準(zhǔn)率，訓(xùn)練時間較短，訪問精度較高。

4 結(jié)語

通過數(shù)據(jù)庫的分層訪問優(yōu)化算法設(shè)計，提高大型數(shù)據(jù)庫的數(shù)據(jù)調(diào)度和信息索引能力。本文提出一種基于多維索引樹編碼的數(shù)據(jù)庫分層訪問技術(shù)，對大型分層Web數(shù)據(jù)庫的數(shù)據(jù)結(jié)構(gòu)模型進(jìn)行系統(tǒng)分析，然后構(gòu)建數(shù)據(jù)庫中的數(shù)據(jù)信息流模型，以此為信息源進(jìn)行多維索引樹編碼設(shè)計，在此基礎(chǔ)上實(shí)現(xiàn)對數(shù)據(jù)庫的分層訪問優(yōu)化設(shè)計。實(shí)驗結(jié)果表明，采用本文方法進(jìn)行數(shù)據(jù)庫優(yōu)化訪問，通過多維索引樹編碼，提高了數(shù)據(jù)庫訪問過程中的數(shù)據(jù)召回率和配準(zhǔn)率，數(shù)據(jù)庫訪問的收斂性和抗干擾性較好，訓(xùn)練時間較短，比傳統(tǒng)算法性能優(yōu)越。

參考文獻(xiàn)：

[1]LIU XIANGDONG.Data clustering algorithm and software design based on disturbance searching of logistic series[J].Bulletin of Science and Technology，2014，30（2）：161-163.

[2]孫健，劉鋒，郭文濤，等.一種改進(jìn)的近似動態(tài)規(guī)劃方法及其在SVC的應(yīng)用[J].電機(jī)與控制學(xué)報，2011，15（5）：95-102.

[3]雪剛，唐遠(yuǎn)炎.幾何布局和行為檢測相結(jié)合的遮擋目標(biāo)跟蹤[J].計算機(jī)工程與應(yīng)用，2015，51（13）：42-46.

[4]劉冬寧，湯庸，滕少華，等.基于時態(tài)數(shù)據(jù)庫的極小子結(jié)構(gòu)邏輯系統(tǒng)[J].計算機(jī)學(xué)報，2013，36（8）：1592-1601.

[5]譚鵬許，陳越，蘭巨龍，等.用于云存儲的安全容錯編碼[J].通信學(xué)報，2014，35（3）：109-114.

（責(zé)任編輯：黃 健）