混合架構(gòu)下ORACLE數(shù)據(jù)快速查找方法研究

戚 斌

(陜西國防工業(yè)職業(yè)技術(shù)學(xué)院，西安 710300)

混合架構(gòu)下ORACLE數(shù)據(jù)快速查找方法研究

戚 斌

(陜西國防工業(yè)職業(yè)技術(shù)學(xué)院，西安 710300)

為了提高對混合架構(gòu)下ORACLE數(shù)據(jù)的挖掘和查找速度，提出一種基于頻繁項目集關(guān)聯(lián)規(guī)則挖掘的數(shù)據(jù)快速查找方法;構(gòu)建ORACLE數(shù)據(jù)的內(nèi)部關(guān)聯(lián)屬性映射關(guān)系模型，在異質(zhì)網(wǎng)絡(luò)混合構(gòu)架模式下,采用Graph OLAP數(shù)據(jù)倉庫模型進行數(shù)據(jù)庫檢索的關(guān)系維度表，提取表達ORACLE數(shù)據(jù)屬性信息的特征參量，通過同態(tài)標(biāo)簽檢索方法,實現(xiàn)對目標(biāo)數(shù)據(jù)的快速查找定位;仿真結(jié)果表明，采用該方法進行ORACLE數(shù)據(jù)查找的查準(zhǔn)率和查全率較高，計算速度較快，性能優(yōu)于傳統(tǒng)方法。

混合架構(gòu)；ORACLE數(shù)據(jù)；查找；數(shù)據(jù)庫

0 引言

近年來，隨著流媒體網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，流媒體中攜帶的ORACLE數(shù)據(jù)呈爆炸式增長，人們對流媒體中攜帶的ORACLE海量數(shù)據(jù)的挖掘和查找研究日益盛行。ORACLE數(shù)據(jù)作為一種分布式的關(guān)聯(lián)性異構(gòu)數(shù)據(jù)，廣泛分布在異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)庫中，對ORACLE數(shù)據(jù)的查找是通過網(wǎng)絡(luò)搜索引擎實現(xiàn)的，ORACLE數(shù)據(jù)中對網(wǎng)絡(luò)搜索引擎的依賴程度較大，互聯(lián)網(wǎng)搜索引擎是萬維網(wǎng)中的特殊站點，通過網(wǎng)絡(luò)搜索引擎，結(jié)合數(shù)據(jù)挖掘算法實現(xiàn)對ORACLE數(shù)據(jù)準(zhǔn)確查找，研究數(shù)據(jù)快速查找方法在數(shù)據(jù)庫檢索和搜索方面具有重要應(yīng)用價值[1]。

傳統(tǒng)方法中，對混合架構(gòu)下ORACLE數(shù)據(jù)查找方法主要有數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘方法[2]、數(shù)據(jù)并行調(diào)度方法[3]、特征分解方法和多元線性回歸分析方法等[4]，隨著大數(shù)據(jù)信息處理技術(shù)研究的不斷深入，對混合架構(gòu)下ORACLE數(shù)據(jù)快速查找方法的處理研究受到了相關(guān)學(xué)者的重視，并取得了一定的研究成果，其中，文獻[5]中提出一種基于全域子空間分解挖掘的QoS預(yù)測方法實現(xiàn)ORACLE數(shù)據(jù)快速查找，采用全域分析方法構(gòu)建數(shù)據(jù)分布的特征子空間，提取數(shù)據(jù)的點分布特征，通過數(shù)據(jù)融合方法實現(xiàn)數(shù)據(jù)聚類，提高關(guān)聯(lián)數(shù)據(jù)的準(zhǔn)確查找能力，但是該方法計算開銷較低，在處理大批量的數(shù)據(jù)訪問問題時的實時性不好。文獻[6]采用海量散亂點云快速壓縮方法進行海量ORACLE數(shù)據(jù)的挖掘和檢索，采用支持向量機進行誤差修正，提高了數(shù)據(jù)查準(zhǔn)率，提高數(shù)據(jù)并行計算的性能，但是當(dāng)數(shù)據(jù)受到混合構(gòu)架下的不規(guī)則和不確定信息干擾時，數(shù)據(jù)挖掘的準(zhǔn)確性受到限制[7]。

針對上述問題，本文提出一種基于頻繁項目集關(guān)聯(lián)規(guī)則挖掘的數(shù)據(jù)快速查找方法。構(gòu)建ORACLE數(shù)據(jù)的內(nèi)部關(guān)聯(lián)屬性映射關(guān)系模型，在異質(zhì)網(wǎng)絡(luò)混合構(gòu)架模式下采用Graph OLAP數(shù)據(jù)倉庫模型進行數(shù)據(jù)庫檢索的關(guān)系維度表構(gòu)建，提取表達ORACLE數(shù)據(jù)屬性信息的特征參量，通過同態(tài)標(biāo)簽檢索方法實現(xiàn)對目標(biāo)數(shù)據(jù)的快速查找定位，最后進行了仿真實驗測試，得出有效性結(jié)論，展示了本文方法在提高數(shù)據(jù)查找的準(zhǔn)確度和速度方面的優(yōu)越性。

1 ORACLE數(shù)據(jù)關(guān)聯(lián)屬性映射關(guān)系模型構(gòu)建

1.1 混合架構(gòu)下ORACLE數(shù)據(jù)的分布屬性

為了實現(xiàn)對混合架構(gòu)下ORACLE數(shù)據(jù)快速查找設(shè)計，需要首先構(gòu)建ORACLE數(shù)據(jù)關(guān)聯(lián)屬性映射關(guān)系模型，在異質(zhì)網(wǎng)絡(luò)Graph OLAP中，ORACLE數(shù)據(jù)需要大量網(wǎng)頁信息界面提供接口，專門用來幫助人們查找存儲在其他站點上的信息。通過搜索引擎有告訴用戶ORACLE數(shù)據(jù)文件或文檔存儲在何處[8]?；诰W(wǎng)絡(luò)搜索引擎將散布于網(wǎng)絡(luò)上的各相關(guān)網(wǎng)頁文本集中起來，實現(xiàn)集中管理和調(diào)度。在云存儲系統(tǒng)中，對多數(shù)網(wǎng)絡(luò)搜索引擎來說，ORACLE數(shù)據(jù)以頁面數(shù)(Page count)和短文檔集(Snippets)等兩個最重要形式分布在信息資源數(shù)據(jù)庫中，本文以頁面數(shù)(Page count)和短文檔集(Snippets)為研究對策，通過對海量數(shù)據(jù)的語義信息主題表達設(shè)計，提取數(shù)據(jù)關(guān)聯(lián)性分布特征，實現(xiàn)語義信息主題特征匹配，為ORACLE數(shù)據(jù)庫訪問和信息檢索提供理論基礎(chǔ)。基于圖結(jié)構(gòu)的OLAP模型構(gòu)建海量數(shù)據(jù)優(yōu)化存儲和訪問算法[9]，在混合構(gòu)架下，采用有向圖表示海量ORACLE數(shù)據(jù)的非結(jié)構(gòu)性數(shù)據(jù)分布模型，為了增強數(shù)據(jù)分布和檢索的靈活性，在數(shù)據(jù)查找設(shè)計中，放棄了結(jié)構(gòu)化數(shù)據(jù)庫的部分特性，根據(jù)大數(shù)據(jù)的整體幾何關(guān)系，得到數(shù)據(jù)分布具有非連續(xù)層次性，在進行數(shù)據(jù)聚類處理中，需要進行面板數(shù)據(jù)的模板匹配，避免大數(shù)據(jù)的聚類中心出現(xiàn)偏移，根據(jù)上述設(shè)計原理，構(gòu)建混合架構(gòu)下ORACLE數(shù)據(jù)查找的總體構(gòu)架模型如圖1所示。

圖1 混合構(gòu)架下數(shù)據(jù)查找模型實現(xiàn)結(jié)構(gòu)

為了實現(xiàn)對ORACLE大數(shù)據(jù)快速查找，需要進行優(yōu)化自動聚類處理，采用非線性時間序列分析方法構(gòu)建大數(shù)據(jù)的信息流模型，進行大數(shù)據(jù)時間序列的特征分析和聚類，在大數(shù)據(jù)信息樣本庫中，存在映射Φ:X→Y，滿足：

Φ(x·y)=Φ(x)°Φ(y)

(1)

其中:·是X上的運算，°是Y上的運算。構(gòu)建一個狀態(tài)表(State Table,S-Table) 表示內(nèi)部屬性與屬性之間的一種約束關(guān)系，兩個數(shù)據(jù)塊的關(guān)系模式為mi和mj，mi+mj的數(shù)據(jù)依賴關(guān)系表示為T(mi+mj)，通過特征參量提取進行聚類特征屬性分析和聚類中心搜索，支持項目集的頻繁項目由T(mi)和T(mj)生成，即T(mi+mj)=T(mi)*T(mj)。

記關(guān)聯(lián)規(guī)則X→Y的置信度維Count(X→Y)/Count(X)，對于F中的任意數(shù)據(jù)，將文件F劃分成n個子塊，得到頻繁k-項目集mi(1≤i≤n)，然后將每個文件子塊分成k個基本塊，通過實體關(guān)系信息維度標(biāo)識，以實體類型為元素組成的一個有序排列mi,j(1≤i≤n,1≤j≤k)，對大數(shù)據(jù)信息流進行稀疏迭代協(xié)方差估計，每個基本塊mi,j在數(shù)據(jù)聚類中心的特征分量為Ti,j，基于類型的數(shù)據(jù)分塊方法得到ORACLE子塊的標(biāo)簽信息Ti由據(jù)塊指紋和數(shù)據(jù)類型Ti,j聚集得到。計算N=p*q和φ(N)=(p-1)(q-1)，服務(wù)器端根據(jù)數(shù)據(jù)類型生成隨機數(shù)e(e∈ZN)，使得gcd(e,Φ(N))=1。則數(shù)據(jù)塊的靜態(tài)分塊(Static Chunking，SC)表示為pk=(N,e)，存儲節(jié)點的最優(yōu)塊級為sk=(p,q)，通過上述對混合架構(gòu)下ORACLE數(shù)據(jù)的分布屬性分析，為進行數(shù)據(jù)快速查找提供可靠的數(shù)據(jù)屬性分析基礎(chǔ)。

1.2 關(guān)聯(lián)屬性映射關(guān)系模型

在混合構(gòu)架下建立ORACLE數(shù)據(jù)的內(nèi)部關(guān)聯(lián)屬性映射關(guān)系模型，在異質(zhì)網(wǎng)絡(luò)混合構(gòu)架模式下設(shè)計ORACLE數(shù)據(jù)庫分布式查詢方法，關(guān)聯(lián)屬性映射關(guān)系表示的是在單位時間內(nèi)數(shù)據(jù)源的訪問頻繁項集[10]，在此引入切分?jǐn)?shù)據(jù)塊的 Hash 值概念：

hot=AccessNum×ω1+(Ntime-Ctime)×ω2

(2)

式中，AccessNum為存儲節(jié)點發(fā)出數(shù)據(jù)查找請求的次數(shù)，也是數(shù)據(jù)庫的訪問次數(shù)，Ntime為每個存儲節(jié)點的反饋時間，Ctime為熱點數(shù)據(jù)索引的時間開銷，ω1和ω2為權(quán)重且ω1+ω2=1。

根據(jù)各節(jié)點的響應(yīng)時間，在每個存儲節(jié)點上發(fā)送一個 PutFileReq 請求，相同的數(shù)據(jù)塊通過普通索引表進行信息融合和數(shù)據(jù)分區(qū)聚類，在數(shù)據(jù)聚類中心中，采用差分進化方法進行信息檢索，對比索引表中的熱點數(shù)據(jù)，用來記錄熱點數(shù)據(jù)塊的最優(yōu)塊級，對比 Hash指紋值修正每個特征分布向量vi，選擇包含前m個最大特征值的量子數(shù)據(jù)，得到海量ORACLE數(shù)據(jù)云存儲的語義本體父概念。通過語義分析，進行ORACLE數(shù)據(jù)特征檢索和數(shù)據(jù)庫訪問[11]，其中檢索的查準(zhǔn)率和查全率是關(guān)鍵，提取大數(shù)據(jù)信息流的時延尺度特征參量，得到數(shù)據(jù)塊分布的時延尺度為：

Cov(X,Y)=E{[X-E(X)][Y-E(Y)]}

(3)

其中:E{[X-E(X)]表示ORACLE數(shù)據(jù)分布的自相關(guān)協(xié)方差矩陣，由此求得大數(shù)據(jù)信息流的時延尺度的自相關(guān)系數(shù)表示為：

(4)

式中,ρxy是一個無量綱的量。通過上述分析，構(gòu)建關(guān)聯(lián)屬性映射關(guān)系模型表示為：

(5)

(6)

(7)

其中:P(X)、P(Y)表示混合架構(gòu)下ORACLE數(shù)據(jù)關(guān)聯(lián)規(guī)則分布的概率密度函數(shù)，X、Y為數(shù)據(jù)存儲節(jié)點的負載量，P(X∩Y)是所有頻繁項目集互信息概率密度分布，X、Y為任意數(shù)據(jù)的時間采樣分布。

2 數(shù)據(jù)快速查找方法實現(xiàn)

2.1 數(shù)據(jù)庫檢索的關(guān)系維度表構(gòu)建

在上述進行了ORACLE數(shù)據(jù)關(guān)聯(lián)屬性映射關(guān)系模型構(gòu)建和特征分析的基礎(chǔ)上，進行數(shù)據(jù)快速查找方法設(shè)計，本文提出一種基于頻繁項目集關(guān)聯(lián)規(guī)則挖掘的數(shù)據(jù)快速查找方法。在異質(zhì)網(wǎng)絡(luò)混合構(gòu)架模式下,采用Graph OLAP數(shù)據(jù)倉庫模型進行數(shù)據(jù)庫檢索的關(guān)系維度表構(gòu)建，采用二叉樹模型進行前序遍歷[12]，從普通索引表中挑選出ORACLE數(shù)據(jù)。用二叉樹模型中包含關(guān)系權(quán)重(Weight)，節(jié)點標(biāo)號表示實體節(jié)點，采用 LRU 算法構(gòu)建全局優(yōu)先級序列，關(guān)系R中支持項目集區(qū)域分布函數(shù)為：

Ecv(c1,c2)=μ·Length(C)+ν·Area(inside(C))+

(8)

其中:c1和c2分別兩組ORACLE數(shù)據(jù)序列分布屬性的非頻繁項目集，Length(C)表示數(shù)據(jù)的長度，Area(inside(C))表示數(shù)據(jù)分布區(qū)域的非空真子集，μ、ν、λ1和λ2表示混合構(gòu)架下所有頻繁項目集的自相關(guān)系數(shù)，均為大于0的常數(shù)。根據(jù)ORACLE數(shù)據(jù)屬性間的依賴關(guān)系進行特征匹配和融合，得到數(shù)據(jù)庫檢索的關(guān)系維度計算為：

C=Min{max(Ci)}

(9)

(10)

2.2 特征參量提取及同態(tài)標(biāo)簽檢索

在數(shù)據(jù)庫檢索的關(guān)系維度表構(gòu)建的基礎(chǔ)上，提取表達ORACLE數(shù)據(jù)屬性信息的特征參量，通過同態(tài)標(biāo)簽檢索方法實現(xiàn)對目標(biāo)數(shù)據(jù)的快速查找定位，基于數(shù)據(jù)依賴關(guān)系得到數(shù)據(jù)查找的全局最優(yōu)向量vi=(vi1,vi2,…,viD)，在混合構(gòu)架下數(shù)據(jù)分布屬性的聚類權(quán)重迭代函數(shù)為：

(11)

(12)

xi=(xi1,xi2,…,xis)T

(13)

提取表達ORACLE數(shù)據(jù)屬性信息的特征參量，通過同態(tài)標(biāo)簽檢索方法實現(xiàn)對目標(biāo)數(shù)據(jù)的快速查找定位，數(shù)據(jù)快速查找的實現(xiàn)步驟描述如下：

1) 經(jīng)過仿射變換得到m個待查找ORACLE數(shù)據(jù)的關(guān)聯(lián)規(guī)則特征，將全部Graph OLAP數(shù)據(jù)倉庫中的待挖掘數(shù)據(jù)進行特征分布完整性檢測；

2)計算收到的數(shù)據(jù)塊mi的協(xié)方差矩陣R；

3)根據(jù)返回的數(shù)據(jù)完整性證據(jù)計算R的局部時間特性分布的向量值λ1,λ2,...,λn，以及相應(yīng)的特征向量值φ1,φ2,...,φn；

4)基于頻繁項目集關(guān)聯(lián)規(guī)則挖掘方法進行數(shù)據(jù)特征檢索，將數(shù)據(jù)分布的特征向量值從大到小進行排列，結(jié)果為λ1≥λ2≥...≥λn，構(gòu)建參數(shù)聯(lián)合優(yōu)化矩陣滿足A(φ1,φ2,...,φm)，m

5)利用y=ATx進行傅里葉反變換，在數(shù)據(jù)聚類中心進行全局優(yōu)化解搜索，生成一個len比特的壓縮數(shù)據(jù)序列，執(zhí)行模指運算，通過參數(shù)聯(lián)合優(yōu)化，實現(xiàn)數(shù)據(jù)快速查找。

3 仿真實驗與結(jié)果分析

為了測試本文算法在實現(xiàn)混合構(gòu)架下ORACLE數(shù)據(jù)快速查找中的應(yīng)用性能，進行仿真實驗分析，實驗中的硬件環(huán)境為：CPU Intel?CoreTMi7-2600@3.40 GHz，利用Eucalyputs軟件構(gòu)建混合構(gòu)架云平臺，配置了MIRACL數(shù)據(jù)庫進行ORACLE數(shù)據(jù)存儲，對3個100 MBit的ORACLE數(shù)據(jù)文件進行特征采樣，數(shù)據(jù)分布的時間窗口系數(shù)τ為0.26，特征尺度參數(shù)a0=1.03，數(shù)據(jù)查找的訪問帶寬B=20 dB, 實驗的持續(xù)時間T=100 s，根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，進行數(shù)據(jù)快速查找實驗，得到原始數(shù)據(jù)采樣如圖2所示。

圖2 原始數(shù)據(jù)采樣

以圖2所示的數(shù)據(jù)樣本為研究對象，進行數(shù)據(jù)分布特征分析，提取表達ORACLE數(shù)據(jù)屬性信息的特征參量，通過同態(tài)標(biāo)簽檢索方法實現(xiàn)對目標(biāo)數(shù)據(jù)的快速查找定位，得到特征定位結(jié)果如圖3所示。

圖3 ORACLE數(shù)據(jù)查找的特征定位結(jié)果

從圖3結(jié)果得知，采用本文方法進行數(shù)據(jù)分布特征定位查找，能準(zhǔn)確將需要查找的數(shù)據(jù)定位在所處空間中，實現(xiàn)數(shù)據(jù)準(zhǔn)確挖掘，圖4給出了采用本文方法和傳統(tǒng)方法進行數(shù)據(jù)查找的時間開銷。表1列出了不同方法進行100次實驗取均值的數(shù)據(jù)查找的查準(zhǔn)性和查全性對比。

圖4 數(shù)據(jù)查找時間開銷對比

數(shù)據(jù)規(guī)模/Mbit本文方法傳統(tǒng)方法查準(zhǔn)率/%查全率/%查準(zhǔn)率/%查全率/%10099.0992.0899.9492.4220098.8786.4498.7695.7730099.8989.0999.3396.3340099.9393.8210092.0950096.3495.4410099.35

分析圖4和表1結(jié)果得知，采用本文方法進行數(shù)據(jù)查找的時間開銷較小，實現(xiàn)數(shù)據(jù)快速查找，查準(zhǔn)率和查全率較高。

4 結(jié)束語

本文研究了ORACLE數(shù)據(jù)優(yōu)化查找和挖掘問題，提出一種基于頻繁項目集關(guān)聯(lián)規(guī)則挖掘的數(shù)據(jù)快速查找方法。構(gòu)建ORACLE數(shù)據(jù)的內(nèi)部關(guān)聯(lián)屬性映射關(guān)系模型，提取表達ORACLE數(shù)據(jù)屬性信息的特征參量，通過同態(tài)標(biāo)簽檢索方法實現(xiàn)對目標(biāo)數(shù)據(jù)的快速查找定位。研究得出，采用本文方法進行ORACLE數(shù)據(jù)查找的查準(zhǔn)率和查全率較高，計算速度較快，目標(biāo)數(shù)據(jù)定位準(zhǔn)確，具有較好的應(yīng)用性能。

[1] 邢淑凝,劉方愛,趙曉暉.基于聚類劃分的高效用模式并行挖掘算法[J].計算機應(yīng)用,2016,36(8):2202-2206.

[2] 林 楠,史葦杭.基于多層空間模糊減法聚類算法的Web數(shù)據(jù)庫安全索引[J].計算機科學(xué),2014,41(10):216-219.

[3] 陳志華,劉曉勇.云計算下大數(shù)據(jù)非結(jié)構(gòu)的穩(wěn)定性檢索方法[J].現(xiàn)代電子技術(shù),2016,39(6):58-61.

[4] 王躍飛,于 炯,魯 亮.面向內(nèi)存云的數(shù)據(jù)塊索引方法[J].計算機應(yīng)用,2016,36(5):1222-1227.

[5] 張博雅,胡曉輝.一種基于全域子空間分解挖掘的QoS準(zhǔn)確預(yù)測方法[J].計算機科學(xué),2014,41(1):217-224.

[6] 方 芳,程效軍.海量散亂點云快速壓縮算法[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2013,38(11):1353-1357.

[7] 張景祥,王士同,鄧趙紅,等.融合異構(gòu)特征的子空間遷移學(xué)習(xí)算法[J].自動化學(xué)報,2014,40(2):236-246.

[8] 張 濤,唐振民,呂建勇.一種基于低秩表示的子空間聚類改進算法[J].電子與信息學(xué)報,2016,38(11):2811-2818.

[9] 鄧志剛,曾國蓀,譚云蘭,等.云存儲內(nèi)容分發(fā)網(wǎng)絡(luò)中的能耗優(yōu)化方法[J].計算機應(yīng)用,2016,36(6):1515-1519.

[10] 張 盛,鄢 傲,向忠勝,等.基于全網(wǎng)能量均衡的WirelessHART圖路由算法[J].計算機應(yīng)用研究，2014,31(5):15201523.

[11] Mahboubi H,Moezzi K,Aghdam A G,et al.Distributed deployment algorithms for improved coverage in a network of wireless mobile sensors[J].IEEE Transactions on Industrial Informatics,2014,10(1):163-174.

[12] Mahboubi H.Distributed deployment algorithms for efficient coverage in a network of mobile sensors with nonidentical sensing Capabilities[J].IEEE Transactions on Vehicular Technology,2014,23(8):3998-4016.

Research on ORACLE Data Fast Search Method in Hybrid Architecture

Qi Bin

(Shaanxi Institute of Technology,Xi′an 710300,China)

In order to improve the speed of mining and searching ORACLE data in hybrid architecture, this paper proposes a new method based on frequent itemsets association rule mining. To construct the internal mapping associated attribute relationship model of ORACLE data in the heterogeneous network, hybrid structure Graph OLAP data warehouse model using the database relational dimension table construction, extracting the characteristic parameters of expression feature information of the ORACLE data cable through the method of homomorphic tags fast lookup to locate the target detection data. The simulation results show that using the method of ORACLE data to find the precision and recall of high calculation speed, it has better performance than the conventional method.

hybrid architecture; ORACLE data; search; database

2017-03-02；

2017-03-26。

戚 斌 (1983-)，男，陜西戶縣人，工程碩士，講師，主要從事軟件開發(fā)，數(shù)據(jù)庫設(shè)計，高等職業(yè)教育方向的研究。

1671-4598(2017)08-0218-03

10.16526/j.cnki.11-4762/tp.2017.08.056

TP391

A