基于Globus的网格信息归档服务

分析当前网格监控信息服务的不足,针对基于历史状态数据的应用需求,提出一种面向Globus的信息归档服务。在MDS聚合框架的基础上,设计2种状态信息获取方法,给出监控信息的数据存储结构。测试结果表明,该服务可以简化基于网格监控信息的系统开发。     

组合Web服务事务的补偿语义研究

Web服务组合需要可靠的事务处理机制,而目前仅依赖传统的ACID机制进行组合事务处理无法满足需要。为此提出一种基于配对Petri网的结构化补偿方法,该方法基于配对Petri网描述基本聚合结构的Web服务组合及其补偿行为。借助配对Petri网的动态执行推演技术分析了聚合结构补偿的执行语义,分析表明该方法可用于可靠业务流程组合、聚合补偿和组合流程优化等方面。     

基于Tuscany Das的数据网格访问模型

为给数据网格中分布、异构的数据源提供一个统一的访问服务,提出一种基于开源项目Tuscany Das的编程模型,为客户端提供的主要功能包括数据库的CRUD操作(增加、查询、更新和删除)、调用数据库的存储过程操作和记录集的分页。通过中国地震减灾网格试验床数据网格平台GIS应用验证了该模型的有效性。     

达梦数据库Web服务技术研究

本文提出了一种将数据库同Web服务技术相结合的方法,一方面使得数据库可以将其存储的数据以Web服务的形式提供给外部使用,另一方面也可以在数据库内部直接使用SQL语句或存储过程调用外部的Web服务对数据进行处理或取得数据,该方法具有使得数据库能够不依赖应用程序而直接同Web服务进行交互的特点。     

一种基于SaaS平台的轻量级多租户数据存储模式设计与实现

在基于软件运营服务(SaaS)的云计算服务模式中,软件以一种服务形式被多个租户共享。虽然租用同一个软件的租户们拥有相似的需求,但这些需求通常不是一模一样的。因此,面向多租户的SaaS软件需要根据租户的实际应用场景来提供定制化的服务,而定制化通常意味着复杂的存储结构或者高成本的独立数据库/表模型。为了控制这种服务于多租户的应用数据库模型的成本及复杂性,提出了一种在尽可能节约存储空间的基础上兼顾高效性、便捷性和安全性的轻量级存储策略。同时,基于该策略设计并实现了一个多租户数据存储模型,并将其应用于云溯源平台中。平台的运行数据表明该轻量级存储模式有效降低了数据模型的复杂性并降低了存储成本。     

基于Neo4j的海量石油领域本体数据存储研究

语义网技术的发展促进了石油领域中多学科本体之间的整合技术的发展。随着数据的规模的增大,传统的基于关系型数据库的数据存储和信息检索等存在较多问题。对此,提出了一个基于Neo4j数据库的领域本体构建过程,专注于改进数据存储和信息检索两个方面。首先,提出了一种基于图形数据库Neo4j的大规模本体数据存储问题的解决方案,通过设计一种基于Neo4j的存储模型配合分布式存储机制,实现存储空间的高效利用。其次,在Neo4j数据模型的基础上,设计了一种两层索引结构的检索算法。实验评估表明, 提出的方法与基于关系数据库的方法相比,在数据存储方面可以节省10％以上的存储空间,在信息检索方面将检索效率提高了30多倍。     

一种基于剖分的空间数据存储调度服务模型

随着空间数据应用领域深度和广度的扩展,空间数据在组织、存储、更新、应用等方面存在速度、效率等难题。针对上述问题,基于地球剖分组织理论,结合面向客户端聚合服务的G/S模式架构,研究并提出一种空间剖分数据存储调度服务模型。给出了该模型体系架构、数据访问流程,设计了模型的地址编码结构及地址解析过程,形成了一种有效的"数据分散存储,客户端信息汇聚"的空间剖分数据组织管理、按需整合、快捷调度的机制,实现并验证了服务原型系统,其具有一定的理论意义和应用价值。     

基于MCS的空间元数据目录服务

针对元数据目录服务MCS对多源空间数据管理困难的特点,该文提出一种新的分布式空间元数据目录服务SMCS的设计与实现方法。利用顾及空间关系的元数据分类与层级聚合方法,构建具有双向推理机制的层级目录结构,设计空间元数据的聚合操作和实现接口,并基于分布式目录索引方法进行数据查找和定位。SMCS的验证实验表明,该方法能有效管理地理分布、动态异构的海量空间数据,为网格环境下多源空间数据的高效集成应用服务提供技术支持。     

基于Wonderware平台的自定义历史数据库的设计与实现

针对Wonderware平台自带的历史数据服务无法满足大量历史数据同时存储的问题,对该平台的历史数据服务进行了研究和分析,在保证Wonderware平台存储历史数据的正确性、及时性和完整性的前提下,结合Wonderware平台与.NET能够兼容的特性,设计了一种新的历史数据存储方法,使用C#语言完成了基于.NET的自定义历史数据库的开发并投入实际使用,运行效果良好。     

一种基于网格服务的数据库元数据管理框架

该文主要针对数据网格的分布式异构数据库环境,提出一种基于网格服务来实现数据库元数据采集、存储、查询功能的参考框架。文章讨论了对于异构数据库的元数据,如何实现动/静态信息的管理。通过扩展GlobusToolkit中的MDS(MonitoringandDiscoverService)目录服务模块,使其支持后台关系型数据库,来存储静态元数据,而利用信息采集程序(InformationProvider)来生成动态元数据。整个系统框架建立在网格服务(GridService)基础之上,以网格服务方式提供元数据的访问功能。     

集成对象代理数据库的科学工作流服务框架中的数据跟踪

文中提出了一个集成数据库的科学工作流服务框架,它采用对象代理模型描述一系列科学任务的执行过程,使得工作流管理操作以类似于传统数据库管理操作的方式来完成.同时,基于对象代理数据库中的双向指针机制,文中提出了一种新的数据跟踪方法,该方法能提供比注释或反向方法更高的性能,不仅节省了大量的存储空间,而且减少了额外的计算代价,为了进一步提高数据跟踪的高效性,文中也提出了一种部分物化中间数据模式,实验显示它具有较好的系统性能.     

Using provenance to efficiently improve metadata searching performance in storage systems

In cloud storage systems, more than 50% of requests are metadata operations, and thus the file system metadata search performance has become increasingly important to different users. With the rapid growth of storage system scales in volume, traditional full-size index trees cannot offer high-performance metadata search due to hierarchical indexing bottleneck. In order to alleviate the long latency and improve the quality-of-service (QoS) in cloud storage service, we proposed a novel provenance based metadata-search system, called PROMES. The metadata search in PROMES is split into three phases: (i) leveraging correlation-aware metadata index tree to identify several files as seeds, most of which can satisfy the query requests, (ii) using the seeds to find the remaining query results via relationship graph search, (iii) continuing to refine and rerank the whole search results, and sending the final results to users. PROMES has the salient features of high query accuracy and low latency, due to files’ tight and lightweight indexing in relationship graph coming from provenance’s analysis. Compared with state-of-the-art metadata searching schemes, PROMES demonstrates its efficiency and efficacy in terms of query accuracy and response latency.     

基于Neo4j不确定性数据处理技术的研究

不确定性是数据的本质特征,对不确定性数据的研究得到了越来越多领域的关注。在总结当前处理历史数据不确定性方法的基础上,针对缺乏处理不确定性历史数据的语义框架问题,基于Neo4j图数据库建立用于处理不确定性历史数据的通用数学模型。该模型以双时态模型、概率模型等为依托,整合了历史数据的时间、不确定性与世系三个方面。并基于Python语言实现了具有CRUD基本操作的存储系统,可动态增加节点之间的关系、存储和检索历史数据、实现了不确定性数据的筛选查询和模糊查询。通过关系型数据库与图数据库中数据的存储方式及存储系统的查询效率对比实验表明,所提出的数学模型扩展性更强,实现系统查询效率更高,在处理大规模不确定性数据的存储和检索方面优势更加明显。     

追加型数据库外包中的查询结果验证

数据库外包是将数据库管理工作外包给专业第三方,而数据库外包中需要解决的关键问题之一是查询结果的验证.提出了外包追加型数据库的问题.根据外包追加型数据库的特点,在现有验证数据结构的基础上,提出了一种新型验证数据结构Min-Max Hash Tree,可以有效地解决客户对查询结果进行验证的问题.对于数据所有者端,给出了基本的数据发送算法;对于服务提供商端,分别给出了一次性查询和连续查询的查询算法和查询结果验证算法.最后,对数据所有者端的验证数据结构的存储、数据发送和服务提供商端的连续查询进行了优化处理,大大节省了数据所有者端的存储空间,提高了数据的整体处理效率.实验表明,Min-Max Hash Tree能够有效完成追加型数据库外包的查询结果验证,并且能够高效率处理大规模数据.     

基于逻辑Petri网的服务流程结构演化研究

流程结构演化是实现服务流程重构的一种有效手段,可以充分利用已有流程资源快速定制满足新业务需求的服务流程.然而,当前服务演化研究多关注于流程局部组成服务以及接口参数的兼容替换,对于流程结构演化所提供的操作过于简单,难以应对复杂流程演化场景.针对上述问题,提出一种基于逻辑Petri网的服务流程结构演化形式化描述方法.利用逻辑Petri网将服务流程建模为服务网,在服务网的基础上,针对不同的演化需求构建相应的结构演化运算;引入结构范式概念评价服务流程的结构健壮性,并借助逻辑Petri网的结构性质来分析与验证所建立的演化运算对流程结构范式的级别保持问题.给出了基于流程结构演化的服务流程定制框架,并基于所提出结构演化运算设计开发了仿真验证平台,验证了方法的有效性.     

面向海量非结构化数据的非关系型存储管理机制

针对传统的关系数据存储系统性能不足、容错性差,无法适应海量非结构化数据管理的问题,提出一种高性能、高可用非关系型存储管理机制。首先,设计了良好的用户访问服务接口,通过高效的一致性哈希算法支持数据分发到多个存储节点;其次,采用可配置的数据副本机制改善存储系统的可用性;最后,提出查询故障处理机制,用以提升存储系统的容错性,避免节点失效导致服务中断问题。实验结果表明,在不同规模用户负载下,新的存储系统的并发访问请求能力和传统的文件系统、关系数据库相比,分别提升了30%和50%;同时,在合理响应时间内,故障状态下的存储系统的可用性损失小于14%。因此,该机制适用于海量非结构化数据的高效存储管理。     

基于Agent的分布式组合服务的协调结构

传统的中心式服务组合模式不利于电子政务的实际应用.提出一种基于Agent的分布式组合服务的协调结构,该结构建立于局部本地规划的基础之上,在服务的组合运行中增加了两种运行状态以建立组合服务的协调关系,描述了在这种关系下服务的运行过程,并构架了系统原型.该结构可使政务服务对等参与组合过程,促进服务组合在电子政务中的实用化.     

支持起源回溯的最小化标识属性传播

数据起源主要描述数据的来源及随时间演化的过程。最小化查询数据表的标识属性传播是一个亟待解决的问题。通过构建等值传播链表EPL描述查询中的等值连接及其传递性,并基于EPL给出朴素标识属性传播方法实现高效溯源信息传播。然而标识属性通过等值连接可以识别非标识属性数值,简单地传播数据表的标识属性数值导致起源数据冗余传播。为避免溯源信息冗余,提出完全标识属性传播格及其剪枝策略,给出基于格剪枝的最优标识属性传播方法,实现溯源信息的最小代价传播。基于TPC-H Benchmark和人造数据集IAP-DB的实验结果验证了提出的基于标识属性传播的溯源方法可以高效实现数据起源信息传播。