數據提取技術(shù)可以顯著(zhù)提高數據訪(fǎng)問(wèn)速度

來(lái)源:投稿網(wǎng) 時(shí)間:2022-10-21 09:59:59

引言

在移動(dòng)計算環(huán)境下，網(wǎng)絡(luò )的弱連接和低帶寬使用戶(hù)無(wú)法及時(shí)獲取所需信息，尤其是查詢(xún)位置相關(guān)數據(Locationdendendata、LDD)時(shí)，由于用戶(hù)位置的變化，查詢(xún)結果容易過(guò)時(shí)或不正確。數據提取技術(shù)可以顯著(zhù)提高數據訪(fǎng)問(wèn)速度，充分利用廣播帶寬[1]。

1基于價(jià)值的數據提取策略。

1.1位置相關(guān)數據的模型位置相關(guān)數據(LDD)是指取決于具體地理位置的數據，LDD具有特定的適用范圍。

數據的有效范圍區域(ValidScopearea)是指數據實(shí)例有效范圍的幾何區域。每個(gè)LDD實(shí)例都有一個(gè)特定的有效范圍。只有在這個(gè)有效范圍內，這個(gè)例子才是正確的。

數據距離(Datadistance)是指MC當前位置與數據實(shí)例有效范圍之間的距離。

1.2CDP預取方法本文提出了CDP策略，預取時(shí)根據價(jià)值函數值進(jìn)行選擇。預取價(jià)值函數如下:Cost=Puseful×(benefit-penalty)(1)

(1)Puseful為MC訪(fǎng)問(wèn)LDD的概率，benefit為MC提取LDD的利益價(jià)值，penalty為提取LDD的懲罰代價(jià)。

1.2.1數據預取的獎懲代價(jià)數據提取到當地緩存后，并非所有數據都需要MC。用戶(hù)需要經(jīng)過(guò)計算和處理后能夠有效查詢(xún)的數據。只有這部分數據才能使MC的查詢(xún)和訪(fǎng)問(wèn)受益。本文用fbenefit（di）表示提取數據di的受益價(jià)值函數，即MC未提取數據時(shí)的訪(fǎng)問(wèn)時(shí)間與提取數據時(shí)的訪(fǎng)問(wèn)時(shí)間的比例。

1.2.2訪(fǎng)問(wèn)LDD的概率主要基于MC通過(guò)該數據的有效范圍和未來(lái)訪(fǎng)問(wèn)該數據的概率。因此，MC未來(lái)可能通過(guò)有效范圍內的數據被列為候選集C。主要考慮以下兩個(gè)因素：①從時(shí)間的角度的角度考慮。數據更新時(shí)間越長(cháng)，服務(wù)器端數據更新導致預提數據故障的可能性越??；未訪(fǎng)問(wèn)的數據越長(cháng)，再次訪(fǎng)問(wèn)的可能性越小。②從空間的角度來(lái)看。研究表明，在位置相關(guān)信息服務(wù)的數據訪(fǎng)問(wèn)中，MC沿移動(dòng)路徑通過(guò)的概率越高，數據越接近MC當前位置，數據有效范圍區域的面積越大，或者越接近MC當前移動(dòng)路徑或移動(dòng)方向的LDD越容易訪(fǎng)問(wèn)。

1.3選擇預選數據的目標是在MC有限資源的前提下，使預選數據盡可能需要MC，并提供盡可能多的有效查詢(xún)信息。

數據選擇過(guò)程中應考慮以下兩種情況：

①當S=0(緩存已滿(mǎn))時(shí)，無(wú)論C中是否有剩余未預取的LDD，都將停止預取。

②當0(緩存還有剩余空間)和size(i)>S時(shí)，應根據MC當前位置和緩存剩余空間計算應提取數據總量。

2.模擬實(shí)驗和性能分析。

測試比較緩存中預取數據的命中率。測試的工作負載是一組隨機生成的查詢(xún)序列，由100個(gè)查詢(xún)組成。每次查詢(xún)生成的條件字段、條件值和數據表都是按照一定的規則隨機生成的。MC緩存的大小分別設置為實(shí)驗數據總量的10%、15%、20%、25%和30%。

3.結論。

在移動(dòng)環(huán)境中，數據提取是有效提高訪(fǎng)問(wèn)速度和減少數據訪(fǎng)問(wèn)時(shí)間的可行方法。本文主要考慮了MC訪(fǎng)問(wèn)LDD的可能性概率以及每個(gè)數據能提供多少有效的查詢(xún)信息，設計了一個(gè)提取價(jià)值選擇函數，并在候選人中找到了提取數據。只要這些數據出現在廣播通道中，它就會(huì )被提取到本地緩存。通過(guò)實(shí)驗比較，CDP策略比DDP更有效地提高了緩存命中率。