基于信息流动分析的动态社区发现方法

随着社交网络和微博等互联网应用的逐渐流行,其用户规模在迅速膨胀.在这些大规模网络中,社区发现可以为个性化服务推荐和产品推广提供重要依据.不同于传统的网络,这些新型网络的节点之间除了拓扑结构外,还进行频繁的信息交互.信息流动使得这些网络具有方向性和动态性等特征.传统的社区发现方法由于没有考虑到这些新的特征,并不适用于这些新型网络.在传染病动力学理论的基础上,从节点间信息流动的角度,提出一种动态社区发现方法.该方法通过对信息流动的分析来发现联系紧密、兴趣相近的节点集合,以实现动态的社区发现.在真实数据集上的实验结果表明：相对于传统的社区发现方法,所提出的方法能够更准确地发现社区,并且更能体现网络中社区的动态变化.     

多平台数据容灾系统的研究与设计*

基于对Windows和Linux平台卷管理系统的特性分析,提出一种基于卷复制的数据容灾系统模型,并论述了其系统结构、工作原理以及关键技术.该系统的主要特点是采用模块嵌入技术实现系统与平台的有机结合,同时支持多种复制模式以保证数据的一致性,通过加密、压缩传输以提高数据安全性并降低带宽要求,另外提供灾难恢复机制,保证了主数据系统在遭受灾难的情况下可以方便地迁移和回迁.理论和实验均证明,本数据容灾系统较好地保证了数据可靠性和可用性.     

远程容灾系统核心技术研究

传统容灾技术与复制技术往往是两个独立的概念.从远程备份技术和容灾技术统一考虑的观点,深入研究了容灾系统的数据复制、一致性维护、溢出保护以及灾难后迁移和回迁等关键技术,阐述了其具体实现,并提出了一种高可用的容灾系统模型.分析表明,所提出的方案具有较高的有效性和实用性.     

基于数据差异的CDP邻近时间点恢复

块级CDP系统无法提供有明确语义信息的可恢复时间点,用户难免需执行多次恢复才能获得有效数据。若对每次恢复都使用传统算法,会耗费大量时间与开销。目标时间点相邻较近的两次恢复,其有效数据间存在少量差异。将部近时间点恢复划分为4种类型,给出一种用“位表”标记差异数据块、把多余数据剔除、缺少数据写入的“差异算法”。原型实验表明,该算法能够提供正确的邻近时间点恢复,其效率优于传统算法,且差异数据量更小,效率更高。     

基于自律计算的多数据点闭值检测方法

自律计算在实施过程中通常采用阂值来标记性能故障。阂值是系统的性能计数器的边界值,系统自动检测这些边界值。若某个设备的性能指标达到这些边界值,则表示系统的某台设备出现了性能故障,自律系统的自主管理器便会主动采取策略来修复性能故障,从而保证系统一直处于稳定的工作状态。目前,自律计算领域欠缺对于系统性能故障的研究。在研究自律计算自我监视的基础上,提出了一种多数据点的阂值检测方法,即通过多次检测阂值的越界和恢复来判断系统是否出现性能故障,以保证检测的有效性,为系统采取策略修复故障提供有利的依据。     

MXDR:一种基于关键字的XML多文档分布式检索方法

基于关键字的XMI、检索技术是近几年信息检索领域的研究热点。但是由于关键字缺少XMI、结构语义信 息,检索结果和用户需求偏差较大,检索质量难以提高;而XML结构检索由于用户难以提出准确描述查询意图的查 询表达式而难以普及。另一个更突出的问题是现有的XML检索研究绝大多数都集中在单文档上,缺乏实用性。因 此提出一种基于关键字的结构检索方法,即用分布式方式实现对多XMI文档的检索,简称为MXDR (Multi-XMI_ Distributed RetrievaD。MXDR首先用一种兼顾结构和内容的聚类方法对多文档进行分类,通过分析查询关键字和类 别结构信息,确定分布查找策略,再结合查询关键字和XMI的结构信息,构建结构查询语句,最后通过结构查询系统 实现关键字检索。在多组真实数据Sigmod数据集上的验证结果表明,与经典的S工CA方法比较,MXDR方法具有较 高的查全率和查准率,尤其在检索效率上MXDR方法有显著优势。     

一种高效准确的基于查询结果的基数估计策略

基数估计是查询优化的重要组成部分,其高效性、准确性直接影响查询优化效果。传统基数估计策略基于原表或原表样本进行统计信息收集,然后利用收集好的统计信息推导出基数。该策略在数据量大时,统计信息收集效率低;统计信息存在延迟,并且基数通过推导得到,准确度无法保证;一些策略通过子查询的反馈信息得到基数,但结果没有保存,基数获取效率低。为解决这些问题,提出了一种高效准确的基于查询结果的基数估计策略(cardinality estimation based on query result,CEQR),特点是统计信息来源为查询执行结果,不需要进行推导,保证基数的准确度,并且收集效率与原表数据量无关;建立一种基数表,保存基本表和中间结果在某种谓词下的统计信息,为后续查询提供服务,并建立基数维护规则,合理管理基数表;建立资源感知策略,将基数项映射到缓存,加快统计信息获取效率。给出了基于CEQR策略的适应性以及误差分析,并通过实验得出CEQR策略在效率上优于传统基数估计策略。     

一种适用于复杂对象管理的分布式并发控制算法

本文在多数一致法的基础上提出了一种新的并发控制算法,并给出了其正确性证明。该算法的最大特点是允许不同层次的颗粒同时作为并发控制单位存在,因而更适用于工程数据库中对复杂对象的管理。     

Ropeway:基于语义相关的XML关键字搜索引擎

XML数据包含丰富的语义信息,但现有的大多数XML搜索引擎并未利用这一信息.如何利用XML数据的语义信息提高检索质量已成为当前研究所关注的问题.设计并实现了一个基于语义相关的XML关键字搜索引擎:Ropeway. 对于用户给定的关键字,Ropeway分析了XML数据的语义和用户信息需求,推断用户的查询主题,然后从XML数据中搜索与该主题相关的结果,并根据主题相似度对结果进行排序.结果证明: Ropeway具有良好的检索性能.     

RCDP：基于冗余的连续数据保护架构

连续数据保护提供了数据存储领域其它任何技术如备份、快照、镜像等不具有的捕获每个写请求的能力,因而使得恢复点日标(RPO)降低到可能具有的最低限,但是其恢复时间日标(RTO)问题却远远没有解决.另外,连续数据保护系统对空间的需求也是一个亟待研究的议题.RCDP是针对上述问题提出的一系列连续数据保护的架构,它采用冗余与多映像恢复的策略,将恢复时间降低到可以接受的范围内.