NTFS目录下索引B+树结构动态解析

为开发直接操作新技术文件系统(NTFS)的程序,并解决NTFS方面开发的技术难题,对磁盘上的具体目录索引B+树结构进行了分析.由于NTFS大目录在磁盘上的存储结构与主文件表和索引缓冲区大小相关,提出了三级大目录的概念,并在此基础上总结了相关文件操作下目录结构的动态变化规律.程序运行结果表明,该分析有效可行,有利于深入了解NTFS文件系统的结构.     

基于NTFS大目录的文件创建方法

在已有文献中,由于不依赖Windows应用程序编程接口(API)调用的在新技术文件系统(NTFS)下的文件创建都是在小目录下实现的,因此将对在大目录下创建文件的方法进行研究。运用B+树遍历,找到索引缓冲区,通过判断所找的索引缓冲区是否存在索引节点,分别将创建好的索引项插入到指定的索引缓冲区位置,将插入索引项的索引缓冲区写入磁盘,完成在大目录下对文件的创建。通过实验,实现了在大目录下的文件创建,证明了方法在不依赖于Windows API而实现文件创建的正确性。     

基于NTFS大目录的文件创建方法

在已有文献中,由于不依赖Windows应用程序编程接口(API)调用的在新技术文件系统(NTFS)下的文件创建都是在小目录下实现的,因此将对在大目录下创建文件的方法进行研究。运用B+树遍历,找到索引缓冲区,通过判断所找的索引缓冲区是否存在索引节点,分别将创建好的索引项插入到指定的索引缓冲区位置,将插入索引项的索引缓冲区写入磁盘,完成在大目录下对文件的创建。通过实验,实现了在大目录下的文件创建,证明了方法在不依赖于Windows API而实现文件创建的正确性。     

NTFS索引目录B-树结构解析及其应用

针对一些有关NTFS文件系统的书籍和杂志中认为NTFS文件系统对索引目录的管理是采用B+树结构,通过对NTFS文件系统元文件$MFT文件夹记录的90H属性、A0H属性和B0H属性以及索引结点结构的分析,以实验的方式对索引文件进行查找、删除和插入运算来观察NTFS索引目录结构变化. 实验结果表明：NTFS文件系统对索引目录的管理是采用B-树结构,但并非是一棵标准的B-树.     

一种大数据流内存B+树构建方法

面向具有时间维度的大数据流,基于二级B+树索引结构,提出了一种高效的面向时间窗口、采用批量装载技术的内存B+树构建方法。该方法对时间窗口进行分片,通过分离出可以并行处理的操作来加速构建过程,将排序操作与数据流接收并行,B+树骨架的构建与排序并行;采用基于排序的批量装载技术以及优化 的构建顺序,能够避免多线程之间不必要的加锁、同步开销,有效提高构建效率。提出的多次微批量排序单次批量装载(MBSortSBLoad)B+树构建方法的构建速度快,能承载的最大流速大。实验验证了所提方法的有效性。     

基于B+树的闪存文件系统实现方案

随着闪存容量的快速增大,JFFS2文件系统暴露出了挂载时间长、可移植性差等缺点,JFFS3提出将文件索引信息保存在闪存上的设计方法,其中将整个文件系统组织成一个大的B+树是提高文件系统性能和可移植性的关键点。该文给出一种基于JFFS3的设计思想并引入区域管理方式的实现方案。     

M+树:一种新型、高效的动态哈希算法

通常哈希函数只支持等值查找,这给哈希函数的应用带来了很大的限制。该文提出了一种新型的哈希索引算法——M 树索引。该算法能够支持等值和范围查找,实验表明,该算法无论在查询效率还是可维护性方面都优于同类索引算法。     

基于B+树的分布式哈希表路由结构

在基于分布式哈希表构造的对等网络中,路由表的结构影响关键字的查询效率。B+树是一种有效查找的树型索引结构。考虑便于管理网络中众多的节点路由信息,提出一种基于B+树的路由结构,它通过为节点的路由信息建立索引,不仅提高了查询效率,将查找长度控制在树的高度内,而且使每个节点维护的路由信息尽可能少,减少了存储开销。     

一种基于B+树的混合索引结构

针对文件中存在字符属性和数值属性特点的数据,提出一种基于B+树的2层混合索引结构。在索引创建过程中,将文件中的数据根据其类型进行分类,第1层是为数据属性建立B+树索引结构,第2层是根据不同的数据类型建立不同的索引结构。实验结果表明,该索引结构能实现跨数据范围的检索,提高索引的创建速度和空间利用率。     

B+树索引机制的研究及优化

B+树索引是大型数据库系统中较为常用的一种索引技术。当数据庞杂时,B+树索引在查找效率和空间利用率方面还存在不足。针对该问题提出一种改进的B+树结构,首先通过调整叶子结点与非叶子结点的数量关系,以降低树的深度;然后优化原插入算法,在分裂结点前进行平衡处理(BP),以提高树的空间利用率。经试验,改进后的B+树与传统B+树相比,在查找效率和空间利用率上分别提高了10%和6%,证明对B+树的改进具有可行性。     

基于B+树的动态数据持有性证明方案

针对云存储环境下的数据持有性证明（PDP）方案效率较低、不能很好支持全动态更新的问题,设计了一种基于B⁺树的动态数据持有性证明方案。该方案引入双线性对技术和数据版本表,支持用户进行数据块级的细粒度动态操作并能保护用户的数据隐私。通过优化系统模型并设计节点索引值,使第三方检测机构能识别错误数据并进行精确定位。理论分析及实验结果表明,与基于Merkel哈希树（MHT）的方案相比,所提方案能够显著降低系统构造认证数据结构的时间开销,并且简化了动态更新过程,提高了第三方检测机构的验证效率。     

NTFS文件系统结构分析

详细分析了Windows NT操作系统使用的NTFS文件系统的基本结构,深入剖析了其主控文件表MFT、MFT记录、文件结构和目录结构等基本数据的结构。针对NTFS的卷结构,目录与文件结构、日志文件系统、故障时数据恢复等方面进行了研究。NTFS使用日志文件系统实现系统的数据故障恢复功能,对数据恢复过程及过程中日志文件系统的使用给出了详细的说明。     

Performance of B+ tree concurrency control algorithms

A number of algorithms have been proposed to access B⁺-trees concurrently, but they are not well understood. In this article, we study the performance of various B⁺-tree concurrency control algorithms using a detailed simulation model of B⁺-tree operations in a centralized DBMS. Our study covers a wide range of data contention situations and resource conditions. In addition, based on the performance of the set of B⁺-tree concurrency control algorithms, which includes one new algorithm, we make projections regarding the performance of other algorithms in the literature. Our results indicate that algorithms with updaters that lock-couple using exclusive locks perform poorly as compared to those that permit more optimistic index descents. In particular, the B-link algorithms are seen to provide the most concurrency and the best overall performance. Finally, we demonstrate the need for a highly concurrent long-term lock holding strategy to obtain the full benefits of a highly concurrent algorithm for index operations.     

基于事务处理的B+树存取路径的实现

为了提高关联存取路径的效率,选择B 树作为存取路径的数据结构,给出了存取路径的B 树描述;结合事务的ACID特性,论述了利用信号量、日志和相关技术的B 树存取路径的实现算法,特别是节点分裂的插入算法。     

层次结构数据在组合框中树形效果的动态实现

为了能使数据库中的层次结构数据在组合框中呈树形结构显示,通过实例分析了如何利用ADO.NET技术实现层次结构数据在TreeView上的动态加载技术,讨论了两种数据在组合框中以树形结构呈现的方法,特别是利用自定义用户控件实现在组合框中加载TreeView控件的方法.     

基于分簇的B+树数据库索引优化算法

在数据库中普遍采用的索引结构为适合随机查找的B+树结构,当关键字之间存在顺序关系时,该类索引方式效率较低。针对以上问题,提出了基于分簇的B+树--CB+树(CB+ Tree)结构。该树在B+树的基础上充分考虑了记录集关键字之间的顺序关系,通过降低索引树的高度来提高关键字的索引效率。仿真结果显示,在记录数为100万的情况下,CB+树和B+树效率相当。当记录数达到500万时,CB+树插入用时6.7s,比B+树插入用时7.6s减少了8%;CB+树查询用时9.9s,比B+树查询用时11.1s减少了10%;CB+树删除用时10.1s,比B+树删除用时11.2s减少了10%。由此说明,在记录集关键字有序且记录数大于100万时,提出的CB+树是更为高效的索引结构,且其效率随记录数的增大提升更为明显。