支持事务的非结构化数据聚合存储系统GSL

文章提出了一种将非结构化数据集中存储,同时支持事务的存储方案,并依据此方案实现了一个高效、易用的数据存储系统GSL。GSL的数据存储接口与文件系统的接口风格一致,同时支持事务处理。文章将GSL与文件系统和Oracle数据库的BLOB存储效率进行了测试和比较,结果表明GSL的存储效率与文件系统相当,并优于BLOB。     

基于自然语言的云数据库非结构化数据提取

以非结构化数据高精度提取为目的，利用改进K-均值算法聚类云数据库非结构化数据，对分类后非结构化数据进行归一化预处理；通过基于自然语言语义的数据库目标检索模型，对预处理后的多种云数据库非结构化数据，按照用户需求实时提取。经测试：所提方法在不同数据集中，对多种类型的云数据库非结构化数据提取结果存在可信度，最大偏差为1个，偏差极小，在可接受范围内，可高精度提取云数据库非结构化数据。     

非结构化数据的ETL设计

为了实现非结构化数据的ETL处理,分析了数据整合的发展现状和业务需求,描述了目前国际流行的公共仓库元模型（CWM）以及在ETL实现中的作用,详细分析了结构化数据和非结构化数据的不同特点。针对两种数据的差异,提出了解决非结构化数据的属性提取和数据打包的方法,为非结构化数据形成元数据奠定了基础,从而实现了非结构化数据的ETL设计,设计完全满足标准的数据整合要求。     

基于模糊数据库的数据查询研究

在现实生活中查询对象既有确定性数据也有大量模糊性数据，现有传统查询技术已无法满足此要求。文章将模糊理论与数据库系统相结合，得到一种数据查询新技术。在介绍了模糊查询和模糊数据的表示之后，提出了建立基于可能性的模糊数据库。并应用于实例中，构筑了在模糊数据库中实现查询的理论和实践框架。     

多源异构数据融合与高性能图数据库查询引擎设计

随着信息时代的快速发展,多源异构数据的整合和利用变得日益重要。文中着眼于解决多源异构数据融合与高性能图数据库查询引擎设计的问题,提出了一种创新的方法。首先,探讨了数据融合的重要性以及在整合过程中面临的挑战,特别是在异构数据类型、格式和来源多样的情况下。接着,介绍了高性能图数据库的基本原理,并根据数据融合的需求设计了一种高效的查询引擎。文中设计了一个多层次的数据融合模型,并提出了相应的查询优化算法,以应对数据融合过程的复杂性和多样性。     

基于SQL的数据存储和查询

1999－2000年广东省电力试验研究所承担了广州海岸电台新业务系统（或称为Z系统）的开发项目,针对广州海岸电台业务系统开发中的数据库部分,介绍了基于SQL的分布式数据库的设计,着重论述了数据存储和查询的实现问题。     

智能电网海量非结构化数据分布式存储研究

为了加快非结构化电网数据存储的译码速率,从而促进电网主机分布式存储能力的提升,提出智能电网海量非结构化数据分布式存储方法。定义MongoDB数据格式的方法,对电网信息实施复制处理,联合分布式存储架构完成智能电网海量非结构化数据库搭建。在此基础上,分析电网数据的特性能力,通过信息增删排查的方式,确定最终的分布式查询语句,搭建智能电网海量非结构化数据分布式存储模型,实现数据的分布式存储。与局部修复型存储编码方法相比,在分布式存储模型作用下,电网主机的存储译码速率最大值能够达到54.5 MB/s,可在实现非结构化电网数据快速转码的同时,提升电网主机分布式存储能力。     

非结构化数据存储中面向访问任务的小文件合并策略

分析了非结构化数据储存方式下云存储层次结构,探讨了面向访问任务的小文件存储问题,提出了小文件合并的策略.     

大数据环境下的海量非结构化信息处理

文章针对大数据环境下的非结构化数据的特性和存储现状进行分析,运用分布式云存储理论,以及分布式技术和软硬件一体化原理,提出一个务实的高性能、可伸缩、易管理的分布式海量非结构化信息处理解决方案。     

一种非结构化元数据的分级存储设计

针对各种数据呈几何级数爆炸式增长促使数据存储容量面对巨大压力的问题,本研究致力于开发设计一种面向非结构化元数据的分布式分级存储管理系统。通过在Client端和Server端分别组织Java jar和逻辑节点实现非结构化元数据管理平台的功能调用,并采用Mongodb数据库构建了自研元数据管理组件的文档数据库。将策略配置存放在Client端的Zookeeper中,并在Server端中实现非结构化元数据的分级存储。通过性能测试结果显示:相比传统的LRU存储方式,采用高低层Server端服务器对非结构化元数据分级存储过程中,平均响应时间下降了45.2%和36.7%,字节命中率分别提升了3.0%和2.6%。因此,本研究提出的分布式分级存储原理可以提升非结构化元数据存储效率。     

结构化与非结构化网格融合技术研究

为了得到质量高、适用性强的有限元计算网格,将结构化网格与非结构化网格两种划分方法相融合,通过网格拓扑转化技术将交界面处的四面体网格转化成三角形网格来满足拓扑一致,实现网格无缝连接。通过算例与实验结果对比发现,该方法生成的网格数量少,计算精度高,适用范围广。     

基于时序数据库的海洋装备监控数据存储系统

目前在海洋装备上通常使用关系数据库存储海量监控数据,存在空间占用大、查询性能差的问题。文章提出了基于时序数据库的海洋装备监控数据存储解决方案,并基于国产数据库TDEngine完成了系统工程实现,实现了监控数据的自动建表、自动存储以及快速可视化。经测试表明,该系统的数据压缩和查询性能相比于传统关系型数据库具有明显优势,为解决海洋装备海量监控数据存储的难题提供了良好的解决方法。     

Oracle数据库中大型表查询优化的研究

对海量数据进行访问查询时，常常遇到系统响应时间过长，占用系统资源过多的问题．本文结合实例着重对Oracle数据库中的查询优化进行了研究，潮试结果表明采用的方法是很有效的，大大缩短了测试用例表的响应时间，最后对海量数据的优化方法提出了实用性的建议。     

无人机航行数据库中经纬度数据查询模型研究

无人机航行数据库中经纬度数据的高效查询,对无人机的飞行性能至关重要.提出基于人工免疫算法优化的无人机航行数据库经纬度数据优化查询模型.模型设置飞行数据的初始簇中心,对海量经纬度数据属性特征进行选取,计算不同的经纬度数据属性特征的相似性,并对上述特征进行实时聚类分析,每查询一次,完成数据属性特征的筛选,使得经纬度数据的特征永远是最新的,实现经纬度数据的高效查询.实验结果表明,利用该方法进行无人机航行数据库的经纬度数据查询,能够降低查询误差,对无人机性能的进一步提高有着重要的指导意义.     

基于递归神经网络的非结构化数据加密存储

为实现非结构化大数据的安全存储并提高其抗攻击能力，提出了基于递归神经网络的非结构化数据加密存储方法。通过分块处理医院非结构化大数据，获得输入、输出张量，构建基于LSTM的递归神经网络，生成医院大数据序列；通过向前反馈和向后反馈获得加密数据，将加密后数据包用加密后源数据包的线性组合代替；再设计基于列不满秩概率存储算法，通过加密存储子节点控制器分配加密存储任务。实验结果表明：该方法具有较强的抗攻击能力，存储效率优势更显著。     

数据库在数据融合系统中的应用

介绍了数据融合系统对数据库的要求。分析了常用的几种数据库模式．并通过对一个数据融合系统的介绍．具体阐述了融合数据库的设计．给出了合理的融合数据库设计建议。     

基于云计算的数据库智能存储系统设计

互联网已经在电子政务、金融证券、电力通信、电子商务等领域得到了广泛普及和使用,积累了海量的数据资源,这些数据信息均保存于数据库中。传统的数据库采用普通的关系模式或网状模式,读取、写入操作效率较低,不适用于当前大数据存储需求,因此可以引入先进的云计算技术,基于云计算构建一个数据库智能存储系统,该系统可以实现元数据管理、数据估值、数据动态迁移等功能,根据用户的访问频次将热点数据迁移到优先级较高的位置,能够提高数据库操作效率,具有重要的作用。     

面向Web服务的非结构化数据组织方法应用

传统的数据模型只能通过文本的形式来对非结构化数据进行存储和组织,同时该形式不仅不能在不同平台之间对数据进行利用,还难以实现更高层次的语义信息表达。因此,文章结合传统数据模型中存在的不足,从Web服务的非机构化数据组织方法与应用方面为切入点,对Web服务以及非结构化数据进行了简单阐述,并提出了面向Web服务的非结构化数据组织与存储的方法,利用数据库属性文件以及数据服务分发结构,AJAX方式完成Web服务中的非结构化数据的应用。