网格环境下基于服务的分布式查询处理机制研究

OGSA-DQP是一种用于网格环境、基于服务的分布式查询处理系统,实现了运行在不同平台的分布式数据密集型应用的高级数据访问与集成服务方法,为用户提供一致的虚拟关系数据视图和分布式数据查询支持。文章描述了其体系结构、分析了其查询和优化机制,并在不同条件下测试了查询性能,为寻找系统查询性能瓶颈、提高系统查询响应时间提供依据。     

基于OGSA的分布式查询处理研究

探讨了在以服务为中心的网格环境中分布式查询的原理及其实现机制,介绍了传统的数据库技术在网格环境中部署和使用的方法,提出了分布式查询引擎需要处理的问题及目前的解决方案。     

DQP:网格上的一种分布式查询处理器

网格计算是近年来兴起的一个研究热点，它旨在使互联网上所有资源（计算资源、存储资源、通信资源、软件资源、信息资源、知识资源等）实现全面共享与协同工作，使整个因特网整合成一台巨大的超级计算机，为用户提供“即连即用”式的服务。文中介绍了网格计算的概念、特点，以及开放网格服务体系结构（OGSA），详细介绍了OGSA—DQP的功能、架构、实现方法以及执行流程。     

DQP:网格上的一种分布式查询处理器

网格计算是近年来兴起的一个研究热点,它旨在使互联网上所有资源(计算资源、存储资源、通信资源、软件资源、信息资源、知识资源等)实现全面共享与协同工作,使整个因特网整合成一台巨大的超级计算机,为用户提供“即连即用”式的服务。文中介绍了网格计算的概念、特点,以及开放网格服务体系结构(OGSA),详细介绍了OGSA-DQP的功能、架构、实现方法以及执行流程。     

基于数据网格的分布式查询优化模型

智能交通系统（ITS）中多个异构的、地理位置分散的数据源能使用像数据网格这样的分布式计算技术进行集成,这种集成所面临的真正挑战是分布式查询处理引擎的设计和开发。一般而言,分布式查询优化按照以下三个阶段进行：查询所涉及节点的确定,并行执行方案的生成,执行查询的最佳节点选择。由于这三个阶段的相互隔离可能会导致得到的查询方案并不是最佳的,提出了一个新的分布式查询优化模型,该模型集成了查询优化的三个阶段,综合考虑了查询优化各个阶段所涉及的参数,如节点的有效内存、处理速度、数据传输容错能力等。     

网格环境下的查询优化方法

针对网格环境下,资源有较强的分布性、异构性特征,提出了一种基于批处理的启发式MCT查询优化算法.该算法在平衡节点间的负载、缩短查询花费时间方面有较好的性能,非常适合多用户并发查询海量信息.     

网格环境下分布式元学习任务的设计

元学习方法是采用集成学习的方式来生成最终的全局预测模型。该方法的基本思想是从已经获得的知识中再进行学习，从而得到最终的数据模式。网格能有效地为元学习提供高性能和分布式的基础设施。文中根据知识网格的概念，在Globus Toolkit的基础上，分析了知识网格的体系结构和它的主要组件。根据分布式元学习的一般过程，设计了在知识网格体系结构下的元学习任务。     

网格环境下分布式元学习任务的设计

元学习方法是采用集成学习的方式来生成最终的全局预测模型。该方法的基本思想是从已经获得的知识中再进行学习,从而得到最终的数据模式。网格能有效地为元学习提供高性能和分布式的基础设施。文中根据知识网格的概念,在Globus Toolkit的基础上,分析了知识网格的体系结构和它的主要组件。根据分布式元学习的一般过程,设计了在知识网格体系结构下的元学习任务。     

基于网格服务的分布式数据挖掘

在分析传统分布式数据挖掘平台不足的基础上,结合网格服务的思想,提出了基于网格服务的分布式数据挖掘平台,同时在该平台上,实现了分布式BP网络分类算法（GBPC-GS）。仿真实验表明,与单机环境相比,随着网格节点数增加,算法的平均耗时明显下降,同时CPU的负载也下降了约40%。     

基于网格服务的网格环境下数据传输

网格环境下的数据访问需要一种能够跨异构平台进行数据传输的机制,但是,现有的GridFTP协议存在某些情况下无法跨防火墙进行数据传输的局限。为解决这一问题,论文提出了一种基于网格服务进行数据传输的方法,使用数据压缩、并行数据传输、缓冲区调整技术改善了该传输方法的性能;基于传输日志实现了故障恢复,提高了数据传输的可靠性。最后使用Globus工具集实现了这种数据传输方法,并进行了传输性能的分析。     

大规模分布式系统中的多属性查询处理

大规模分布式系统中的复杂查询处理是将对等计算技术运用于关键应用中的重要问题,是学术界与工业界所共同关注的研究问题.文中介绍了一种高效、可伸缩的通用的基于类Chord协议的多属性查询处理技术GChord.它既支持匹配查询也支持范围查询.和现有其它技术相比,对于任何数据元组,GChord只需要对其编码和索引一次,且能将查询处理的代价限制在一个很小的范围内.因此,它能在索引维护代价和查询效率之间达到平衡.GChord还提供优化技术以进一步提升性能.实验证实了GChord具有较高的查询处理效率以及较低的索引维护代价.     

基于分布式数据库系统查询优化策略的研究

在分布式数据库系统中,由于数据的物理分布使得分布式查询处理增加了许多新的复杂性,不同的查询处理策略,其查询处理代价和复杂度是大不一样的。分布式数据库系统的查询优化和集中式数据库系统相比,显得更为重要。文章在充分讨论查询优化和策略的基础上,着重论述了一种分布式数据库系统查询优化策略是如何影响查询性能的。     

基于Mobile Agent技术的分布式查询系统

Mobile Agent技术是一种新型Agent技术，具有移动性、智能性和异步计算等特点。文中针对Mobile Agent技术进行了系统的概述和探讨，提出了把Mobile Agent技术应用于分布式查询系统中的思想，并给出了基于Mobile Agent技术的分布式查询系统模型和体系结构，最后描述了Agent间的通讯方法。     

分布式数据库系统的查询优化策略

简要的介绍了分布式数据库系统的概念和特点,并在分析比较分布式数据库系统和集中式数据库系统查询优化目标不同特点的基础上,归纳出分布式数据库系统的查询优化目标和代价分析,进而提出查询优化的策略,并在举例中重点讨论了操作执行顺序的不同对查询性能的影响。     

分布式查询处理中的场地选择

在建立查询模型和代价模型的基础上，重点分析了分布式查询处理中场地选择的几种典型算法，并指出它们的特点和适用范围，最后提出一些有待进一步研究的问题。     

Query Decomposition for a Distributed Object-Oriented Mediator System

The mediator-wrapper approach to integrate data from heterogeneous data sources has usually been centralized in the sense that a single mediator system is placed between a number of data sources and applications. As the number of data sources increases, the centralized mediator architecture becomes an administrative and performance bottleneck. This paper presents a query decomposition algorithm for a distributed mediation architecture where the communication among the mediators is on a higher level than the communication between a mediator and a data source. Some of the salient features of the proposed approach are: (i) exploring query execution schedules that contain data flow to the sources, necessary when integrating object-oriented sources that provide services (programs) and not only data; (ii) handling of functions with multiple implementations at more than one mediator or source; (iii) multi-phase query decomposition using a combination of heuristics and cost-based strategies; (iv) query plan tree rebalancing by distributed query recompilation.     

基于半连接的分布式查询优化技术研究

在分析比较分布式数据库系统和集中式数据库系统结构以及查询优化目标不同特点的基础上,归纳出分布式数据库系统的查询处理和优化,介绍分布式查询优化技术中非常有效的半连接操作技术,并在此基础上重点讨论基于半连接的分布式查询优化方法——PERF连接技术。     

分布式数据库查询优化策略研究

分布式数据库系统由于数据的分布和冗余使得分布式查询处理增加了许多新的内容和复杂性,因此分布式查询处理的优化显得尤为重要。本文简要介绍分布式查询优化的目标、策略,并针对分布式数据库系统的查询优化,讲述三个典型的算法:INGRES算法、SystemR*算法、SDD-1算法,并进行对比、优化、总结,最后对SDD-1算法进行改进。     

Continuous Probabilistic Subspace Skyline Query Processing Using Grid Projections

As an important type of multidimensional preference query, the skyline query can find a superset of optimal results when there is no given linear function to combine values for all attributes of interest. Its processing has been extensively investigated in the past. While most skyline query processing algorithms are designed based on the assumption that query processing is done for all attributes in a static dataset with deterministic attribute values, some advanced work has been done recently to remove part of such a strong assumption in order to process skyline queries for real-life applications, namely, to deal with data with multi-valued attributes （known as data uncertainty）, to support skyline queries in a subspace which is a subset of attributes selected by the user, and to support continuous queries on streaming data. Naturally, there are many application scenarios where these three complex issues must be considered together. In this paper, we tackle the problem of probabilistic subspace skyline query processing over sliding windows on uncertain data streams. That is, to retrieve all objects from the most recent window of streaming data in a user-selected subspace with a skyline probability no smaller than a given threshold. Based on the subtle relationship between the full space and an arbitrary subspace, a novel approach using a regular grid indexing structure is developed for this problem. An extensive empirical study under various settings is conducted to show the effectiveness and efficiency of our PSS algorithm.