面向信息网模型的动态数据划分算法

摘要：

针对分布式信息网数据库管理系统中因跨节点的复杂查询带来的昂贵通信开销,提出一种基于信息网模型和查询的数据动态划分算法.该算法根据信息网模型的关系特性和历史关系信息得到数据之间的初始关联,并结合历史查询信息挖掘数据之间的潜在关联,将关联性较强的数据动态调整到同一个处理节点上,使复杂查询跨节点的数量减少.最后,在标准合成数据集WatDiv上进行大量的实验评估.实验结果表明:在保证节点之间的对象个数和关系对占比负载均衡的情况下,该算法在周期内的查询时间与一致性哈希算法相比缩短了35%~55%,并将多个周期相同查询的时间波动控制在5%~10%,保证了复杂查询的稳定性.

关键词：信息网模型、动态数据划分、关联性、负载均衡、分布式系统

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;广州市大数据智能教育重点实验室项目

在线出版日期：2022-10-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：100-105