多層分布式數(shù)據(jù)庫(kù)傳輸路徑匹配方法范文

本站小編為你精心準(zhǔn)備了多層分布式數(shù)據(jù)庫(kù)傳輸路徑匹配方法參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫(xiě)作靈感。歡迎深入閱讀并收藏。

摘要:傳統(tǒng)多層分布式數(shù)據(jù)庫(kù)數(shù)據(jù)的傳輸路徑匹配準(zhǔn)確度較低，對(duì)此提出基于時(shí)間序列索引的多層分布式數(shù)據(jù)庫(kù)傳輸路徑自動(dòng)匹配方法。計(jì)算分布式數(shù)據(jù)庫(kù)資源信息、初始信息序列、主要信息集合、信息屬性權(quán)衡系數(shù)，整合數(shù)據(jù)庫(kù)信息，建立BTREE索引，采用雙向索引方式提取整合數(shù)據(jù)核心數(shù)據(jù)段，建立時(shí)間序列表，利用時(shí)間表對(duì)數(shù)據(jù)進(jìn)行二次約束，對(duì)數(shù)據(jù)初始傳輸路徑評(píng)估后與實(shí)際路徑參數(shù)進(jìn)行重合度對(duì)比，實(shí)現(xiàn)數(shù)據(jù)傳輸路徑的自動(dòng)匹配。實(shí)驗(yàn)數(shù)據(jù)表明，與傳統(tǒng)傳輸路徑匹配方式相比，設(shè)計(jì)的自動(dòng)匹配方法完整數(shù)據(jù)傳輸路徑匹配準(zhǔn)確率提高24%，破損數(shù)據(jù)傳輸路徑匹配準(zhǔn)確率提高19%，具有實(shí)用優(yōu)勢(shì)性。

關(guān)鍵詞:分布式數(shù)據(jù)庫(kù);傳輸路徑;信息序列;信息集合;異構(gòu)數(shù)據(jù)

引言

隨著現(xiàn)代科技的飛速發(fā)展，我國(guó)社會(huì)經(jīng)濟(jì)結(jié)構(gòu)、生產(chǎn)消費(fèi)結(jié)構(gòu)均發(fā)生了巨大變化。這些變化影響著我國(guó)國(guó)民生活的方方面面，尤其是近年來(lái)電子計(jì)算機(jī)技術(shù)的不斷發(fā)展，導(dǎo)致我國(guó)計(jì)算機(jī)數(shù)據(jù)量與日俱增，傳統(tǒng)的集中關(guān)系型數(shù)據(jù)庫(kù)已經(jīng)難以滿(mǎn)足數(shù)據(jù)存儲(chǔ)要求，多層分布式數(shù)據(jù)庫(kù)應(yīng)運(yùn)而生。多層分布式數(shù)據(jù)庫(kù)是現(xiàn)代市場(chǎng)上一款應(yīng)用范圍最廣，功能強(qiáng)大的大型管理型數(shù)據(jù)庫(kù)。該數(shù)據(jù)庫(kù)具有極強(qiáng)的分布性、邏輯整理性。可以實(shí)現(xiàn)分布式計(jì)算、數(shù)據(jù)庫(kù)透明訪問(wèn)，提高數(shù)據(jù)庫(kù)傳輸負(fù)載，保證數(shù)據(jù)傳輸可靠性。此外，分布式數(shù)據(jù)庫(kù)對(duì)于大型分布式數(shù)據(jù)和數(shù)據(jù)倉(cāng)庫(kù)具有較強(qiáng)的處理能力［1］。現(xiàn)階段，我國(guó)市場(chǎng)上各大型企業(yè)和相關(guān)應(yīng)用部門(mén)存儲(chǔ)的應(yīng)用數(shù)據(jù)多為異構(gòu)數(shù)據(jù)。這些數(shù)據(jù)在存儲(chǔ)和傳輸過(guò)程中，很容易出現(xiàn)較大的信息缺失，而缺損的部分會(huì)掩蓋數(shù)據(jù)的空間相關(guān)信息，使其在同一時(shí)間序列下的連續(xù)歷史數(shù)據(jù)，很難做到百分之百數(shù)據(jù)匹配，從而難以滿(mǎn)足數(shù)據(jù)使用要求。對(duì)于上述情況，必須設(shè)計(jì)更高精度的數(shù)據(jù)庫(kù)傳輸路徑自動(dòng)匹配方法，提高數(shù)據(jù)傳輸完整度。但是在進(jìn)行傳輸路徑自動(dòng)匹配方法的研究設(shè)計(jì)中，數(shù)據(jù)庫(kù)多變量信息和時(shí)間序列的整合問(wèn)題，成為制約其發(fā)展的重要因素，對(duì)此設(shè)計(jì)基于關(guān)聯(lián)數(shù)據(jù)聯(lián)合驅(qū)動(dòng)理念，首先對(duì)數(shù)據(jù)庫(kù)信息進(jìn)行整合，以此提取數(shù)據(jù)時(shí)間序列，最后根據(jù)整合信息對(duì)數(shù)據(jù)源信息進(jìn)行二次規(guī)劃，實(shí)現(xiàn)數(shù)據(jù)庫(kù)傳輸路徑自動(dòng)匹配［2］。

1多層分布式數(shù)據(jù)庫(kù)傳輸路徑自動(dòng)匹配方法設(shè)計(jì)

1.1數(shù)據(jù)庫(kù)信息整合

想要提高分布式數(shù)據(jù)庫(kù)信息傳輸路徑自動(dòng)匹配的精確度，首先需要對(duì)數(shù)據(jù)庫(kù)信息進(jìn)行整合。選取數(shù)據(jù)庫(kù)中數(shù)據(jù)源的原始數(shù)據(jù)及信息，提取主要特征集，獲取信息特征數(shù)據(jù)的屬性權(quán)重量，通過(guò)分布式數(shù)據(jù)庫(kù)的信息累積分布函數(shù)進(jìn)行數(shù)據(jù)信息整合，其詳細(xì)步驟如下:假設(shè)wf為預(yù)設(shè)函數(shù)f(t)的數(shù)據(jù)傳輸截止頻率，f(n)為函數(shù)f(t)的采樣序列，利用公式(1)，可以表示需要整合的多層分布式數(shù)據(jù)庫(kù)中的資源信息:式中，S0為公式的尺度函數(shù);Sk為代表數(shù)據(jù)源信息在數(shù)據(jù)庫(kù)高頻段產(chǎn)生的數(shù)據(jù)誤差項(xiàng)，d［k］為分布式數(shù)據(jù)代表采樣值的數(shù)據(jù)源信息［3］。假設(shè)derty代表分布式數(shù)據(jù)庫(kù)中采樣率較低的數(shù)據(jù)源，gkker為需要進(jìn)行數(shù)據(jù)整合的數(shù)據(jù)源的數(shù)據(jù)量。mgyu為需要整合的數(shù)據(jù)源信息必須滿(mǎn)足的數(shù)據(jù)整合約束條件。通過(guò)公式(2)可以獲取數(shù)據(jù)源的初始信息序列:式中，dghk為數(shù)據(jù)源信息內(nèi)在的相關(guān)性數(shù)據(jù);ffil為數(shù)據(jù)源的單一性特征。假設(shè)通過(guò)dgjo和drjo表示具有最高相同性的兩個(gè)同屬性消息源矩陣，kmert異構(gòu)數(shù)據(jù)信息源存儲(chǔ)區(qū)域，eety為采樣差錯(cuò)率。根據(jù)公式(3)可以直接求取分布式數(shù)據(jù)庫(kù)數(shù)據(jù)源的主要信息集合。式中，vfip為數(shù)據(jù)庫(kù)數(shù)據(jù)采樣位置判決機(jī)制系數(shù)，mkk為分布式數(shù)據(jù)庫(kù)數(shù)據(jù)源信息類(lèi)型數(shù)據(jù)量［4］。設(shè)dgik為數(shù)據(jù)源信息數(shù)據(jù)的屬性相關(guān)性，Rqwe為數(shù)據(jù)庫(kù)特殊Forbenius范數(shù)。根據(jù)公式(4)可以獲取分布式數(shù)據(jù)庫(kù)數(shù)據(jù)源信息屬性的權(quán)衡系數(shù):式中，sdfg為數(shù)據(jù)源信息聯(lián)合稀疏的分散性閾值;fegh為數(shù)據(jù)源信息數(shù)據(jù)屬性以及相關(guān)時(shí)空分布性。假設(shè)δfh為數(shù)據(jù)參數(shù)秩的近似值，rrhj代表分布式數(shù)據(jù)庫(kù)數(shù)據(jù)源信息屬性權(quán)重系數(shù)的對(duì)應(yīng)權(quán)的權(quán)重向量空間，提出數(shù)據(jù)庫(kù)異構(gòu)數(shù)據(jù)信息的累積分布函數(shù):式中，wdgj為異構(gòu)信息在進(jìn)行整合時(shí)的最大周期誤差，ser為數(shù)據(jù)源信息的采樣周期［5］。根據(jù)公式上述公式，即可通過(guò)分布式數(shù)據(jù)源的主成分變化規(guī)律，進(jìn)行分布式數(shù)據(jù)庫(kù)內(nèi)信息資源的整合，其整合表達(dá)式為:式中，ssfgh為分布式數(shù)據(jù)庫(kù)數(shù)據(jù)信息源主成分的變化規(guī)律。根據(jù)上述公式，即可對(duì)分布式數(shù)據(jù)庫(kù)進(jìn)行數(shù)據(jù)資源整合，為后續(xù)數(shù)據(jù)庫(kù)傳輸路徑匹配提供基礎(chǔ)。

1.2獲取信息時(shí)間序列

在完成多層分布式數(shù)據(jù)路數(shù)據(jù)資源整合后，為了提高后續(xù)數(shù)據(jù)傳輸匹配精度，設(shè)計(jì)采用數(shù)據(jù)核心成分重構(gòu)法，對(duì)數(shù)據(jù)庫(kù)整合數(shù)據(jù)資源信息時(shí)間序列的相空間，進(jìn)行數(shù)據(jù)重構(gòu)，建立時(shí)間索引表，獲取信息時(shí)間序列。因?yàn)槎鄬臃植际綌?shù)據(jù)庫(kù)只負(fù)責(zé)異構(gòu)數(shù)據(jù)的存儲(chǔ)和讀取，自身并沒(méi)有明確的復(fù)雜性匹配方式，其固有的數(shù)據(jù)搜索引擎為KEY－Value［6］。雖然通過(guò)上述設(shè)計(jì)實(shí)現(xiàn)了數(shù)據(jù)庫(kù)內(nèi)異構(gòu)數(shù)據(jù)的資源整合，但是KEY－Value搜索存儲(chǔ)方式只能提供數(shù)據(jù)基本表，這種基本表雖然可以在數(shù)據(jù)底層提供搜索，但是并不是建立在存儲(chǔ)引擎上的索引，而是存儲(chǔ)自身索引。所以需要使用重構(gòu)法，重新建立信息時(shí)間序列表。設(shè)計(jì)采用BTREE索引形式，通過(guò)數(shù)據(jù)庫(kù)內(nèi)的路徑索引方位節(jié)點(diǎn)即pathID存儲(chǔ)表獲取路徑映射，直接在數(shù)據(jù)路信息節(jié)點(diǎn)存儲(chǔ)表中獲取數(shù)據(jù)節(jié)點(diǎn)信息。BTREE索引是一種順序結(jié)構(gòu)，如表1所示［6］。表1記錄了BTREE索引pathID的存儲(chǔ)順序，根據(jù)表1信息，調(diào)用數(shù)據(jù)庫(kù)存儲(chǔ)引擎在pathID上的路徑KEY，并建立有圖形式的BTREE索引，如圖1所示［7］。建立BTREE索引形式后，即可建立信息時(shí)間序列表。具體步驟如下:首先重新利用BTREE索引對(duì)重組后的數(shù)據(jù)進(jìn)行分割，提取固有核心數(shù)據(jù)字段。因?yàn)槲覀冊(cè)跀?shù)據(jù)表如PathIDindex里建立的BTREE索引為唯一索引，且數(shù)據(jù)索引路徑的KEY不會(huì)重復(fù)，所以可以通過(guò)提前割除KEY的形式，比較是否具有重復(fù)節(jié)點(diǎn)［8］。BTREE索引采用雙向搜索方式進(jìn)行數(shù)據(jù)提取。所謂雙向搜索就算將數(shù)據(jù)搜索分解成為兩個(gè)不同的數(shù)據(jù)索引過(guò)程。利用BTREE搜索引擎沿正反兩個(gè)不同方向，對(duì)數(shù)據(jù)庫(kù)數(shù)據(jù)節(jié)點(diǎn)交替搜索和數(shù)據(jù)分割。直到兩個(gè)方向的搜索程序在某一個(gè)數(shù)據(jù)節(jié)點(diǎn)相遇為止。正向搜索就是沿著分布式數(shù)據(jù)庫(kù)上層數(shù)據(jù)節(jié)點(diǎn)向底層數(shù)據(jù)進(jìn)行搜索，反向搜索是從目的節(jié)點(diǎn)向上層搜索。正向搜索時(shí)，基于原目的數(shù)據(jù)庫(kù)數(shù)據(jù)節(jié)點(diǎn)搜索到某一節(jié)點(diǎn)T時(shí)，如果變更BTREE索引模式，轉(zhuǎn)化為反向搜索，則以正向搜索節(jié)點(diǎn)T為臨時(shí)終端節(jié)點(diǎn)，進(jìn)行數(shù)據(jù)索引，然后反復(fù)迭代［9］。直到正反兩個(gè)方向上的搜索節(jié)點(diǎn)重合為止。搜索過(guò)程中需要重新定義數(shù)據(jù)庫(kù)比較函數(shù)，用于數(shù)據(jù)庫(kù)Key的比較［10］。因?yàn)榉植际綌?shù)據(jù)庫(kù)數(shù)據(jù)信息包括數(shù)據(jù)類(lèi)的Key，也有純字符形式的Key，所以需要重新定義數(shù)據(jù)數(shù)值和字符串，預(yù)設(shè)字符為:匹配時(shí)數(shù)據(jù)字符返回量為0，大于返回量為1小于返回量為－1。雙向搜索完畢后，就可以調(diào)用數(shù)據(jù)庫(kù)存儲(chǔ)引擎預(yù)設(shè)的數(shù)據(jù)接口，創(chuàng)建信息時(shí)間序列。因?yàn)樾畔r(shí)間序列表是以數(shù)據(jù)路徑編號(hào)創(chuàng)建的，而節(jié)點(diǎn)條目TID值可以看做是路徑編號(hào)的Key值，所以路徑編號(hào)就算數(shù)據(jù)節(jié)點(diǎn)的數(shù)據(jù)存儲(chǔ)位置。只需要在創(chuàng)建時(shí)間序列表時(shí)，指定分布式數(shù)據(jù)庫(kù)的存儲(chǔ)引擎在路徑編號(hào)列中創(chuàng)建BTREE索引，就相當(dāng)于創(chuàng)建了數(shù)據(jù)路徑編號(hào)表，再根據(jù)路徑編號(hào)表，對(duì)應(yīng)指定存儲(chǔ)引擎中的Key，即可重組數(shù)據(jù)時(shí)間序列，獲取序列表［11］。

1.3實(shí)現(xiàn)數(shù)據(jù)庫(kù)傳輸路徑自動(dòng)匹配

以上述獲取的分布式數(shù)據(jù)庫(kù)數(shù)據(jù)信息時(shí)間序列表為核心依據(jù)，利用路徑傳輸時(shí)間序列，對(duì)分布式數(shù)據(jù)庫(kù)數(shù)據(jù)源信息的初始路徑信息進(jìn)行估計(jì)，提出分布式數(shù)據(jù)庫(kù)信息向量和原始數(shù)據(jù)向量之間的路徑比例關(guān)系，以此為依據(jù)進(jìn)行傳輸路徑的自動(dòng)匹配［12］。設(shè)x(b)為多層分布式數(shù)據(jù)庫(kù)數(shù)據(jù)源信息源中的第b個(gè)匹配信息，R(m)為每個(gè)匹配數(shù)據(jù)信息源進(jìn)行數(shù)據(jù)匹配時(shí)產(chǎn)生的一組不固定偽隨機(jī)數(shù)據(jù)號(hào)碼，利用上述過(guò)程求取的分布式數(shù)據(jù)庫(kù)信息時(shí)間序列表Rserty為核心依據(jù)，利用公式(7)對(duì)時(shí)間序列表上的整合數(shù)據(jù)源信息進(jìn)行二次約束:式中，kfrty為數(shù)據(jù)庫(kù)內(nèi)任意匹配數(shù)據(jù)的數(shù)據(jù)源信息Yser和數(shù)據(jù)流隨機(jī)序列sfh的乘積。根據(jù)公式(7)對(duì)數(shù)據(jù)庫(kù)數(shù)據(jù)進(jìn)行二次規(guī)劃后，設(shè)計(jì)以阿米霍步長(zhǎng)準(zhǔn)則，對(duì)匹配數(shù)據(jù)進(jìn)行初始路徑評(píng)估，其評(píng)估公式為:式中，xcbklp為分布式數(shù)據(jù)庫(kù)內(nèi)信息的欠定狀態(tài)系數(shù)，Qswert為數(shù)據(jù)庫(kù)數(shù)據(jù)信息的負(fù)方向有效梯度;mswep為數(shù)據(jù)源信息進(jìn)行路徑匹配時(shí)的相關(guān)性參數(shù)閾值。根據(jù)公式(8)獲取的評(píng)估參數(shù)，與實(shí)際路徑參數(shù)進(jìn)行重合匹配，如果匹配度超過(guò)閾值，則證明可以進(jìn)行多層分布式數(shù)據(jù)庫(kù)的數(shù)據(jù)路徑傳輸，否則不能進(jìn)行。其實(shí)際路徑參數(shù)計(jì)算公式為:式中，khui為低階數(shù)據(jù)庫(kù)數(shù)據(jù)矩陣;μswpp為數(shù)據(jù)源數(shù)據(jù)信息;mder為數(shù)據(jù)庫(kù)內(nèi)的數(shù)據(jù)源信息匹配奇異值的數(shù)據(jù)異常分布量;pgyu為數(shù)據(jù)源信息的匹配維度空間。hlpo為數(shù)據(jù)庫(kù)匹配信息元素的集合向。以公式(9)求取得計(jì)算結(jié)果為依據(jù)，即可實(shí)現(xiàn)路徑自行匹配。

2實(shí)驗(yàn)數(shù)據(jù)分析

多層分布式數(shù)據(jù)庫(kù)信息［13－15］傳輸路徑自動(dòng)匹配準(zhǔn)確率設(shè)計(jì)方法的有效性和操作價(jià)值需要通過(guò)實(shí)際數(shù)據(jù)信息傳輸效果進(jìn)行確定。對(duì)此，進(jìn)行實(shí)際數(shù)據(jù)傳輸路徑匹配實(shí)驗(yàn)，分析傳輸過(guò)程數(shù)據(jù)。在MAT-LAB7.5環(huán)境下，搭建數(shù)據(jù)庫(kù)傳輸路徑匹配平臺(tái)。數(shù)據(jù)樣本采用國(guó)內(nèi)某大型數(shù)據(jù)庫(kù)提供的2016年以來(lái)國(guó)內(nèi)衛(wèi)星觀測(cè)到的地質(zhì)數(shù)據(jù)信息資料，設(shè)定實(shí)驗(yàn)組和對(duì)比組，令實(shí)驗(yàn)組選擇傳統(tǒng)數(shù)據(jù)路徑匹配方法，令對(duì)比組選擇新設(shè)計(jì)的傳輸路徑自動(dòng)匹配方法，將數(shù)據(jù)信息分別提供給兩組，進(jìn)行傳輸路徑匹配。

2.1數(shù)據(jù)完整度計(jì)算

實(shí)驗(yàn)對(duì)比分析的第一階段為完整數(shù)據(jù)對(duì)比。在實(shí)驗(yàn)前需要對(duì)數(shù)據(jù)完整性進(jìn)行評(píng)價(jià)確認(rèn)。從分布式數(shù)據(jù)庫(kù)數(shù)據(jù)的信息丟失率和擬合度兩方面，進(jìn)行樣本比對(duì)分析。驗(yàn)證實(shí)驗(yàn)用數(shù)據(jù)是否為完整數(shù)據(jù)。設(shè)γjko為數(shù)據(jù)樣本類(lèi)型，jkio為實(shí)驗(yàn)數(shù)據(jù)內(nèi)個(gè)數(shù)據(jù)之間的關(guān)聯(lián)性，ljko為源數(shù)據(jù)信息結(jié)構(gòu)，則根據(jù)公式(10)可以計(jì)算實(shí)驗(yàn)數(shù)據(jù)的完整性。其fhui值越高，則證明信息數(shù)據(jù)完整度越高。實(shí)驗(yàn)用數(shù)據(jù)完整度必須達(dá)到98%以上。

2.2完整數(shù)據(jù)傳輸路徑匹配準(zhǔn)確率對(duì)比

將通過(guò)完整度計(jì)算的實(shí)驗(yàn)數(shù)據(jù)作為最終樣本，劃分為10個(gè)數(shù)據(jù)組。分別通過(guò)實(shí)驗(yàn)組和對(duì)比組進(jìn)行數(shù)據(jù)傳輸路徑匹配，并對(duì)比最終匹配度。其結(jié)果如圖2所示。根據(jù)圖2數(shù)據(jù)可以清晰地看出，實(shí)驗(yàn)樣本10組數(shù)據(jù)庫(kù)傳輸數(shù)據(jù)路徑匹配過(guò)程中，實(shí)驗(yàn)組匹配均在70%以上，對(duì)比組實(shí)傳輸路徑自動(dòng)匹配準(zhǔn)確率則處于50%到70%之間，實(shí)驗(yàn)組整體準(zhǔn)確率明顯高于對(duì)比組。經(jīng)過(guò)實(shí)際計(jì)算可以確定，實(shí)驗(yàn)組對(duì)于完成數(shù)據(jù)傳輸路徑匹配準(zhǔn)確率提高了24%，具有較強(qiáng)優(yōu)勢(shì)性。2.3破損數(shù)據(jù)傳輸路徑匹配準(zhǔn)確率對(duì)比因?yàn)楫悩?gòu)數(shù)據(jù)在存儲(chǔ)過(guò)程中很容易出現(xiàn)數(shù)據(jù)破損，對(duì)于破損數(shù)據(jù)傳輸路徑的自動(dòng)匹配同樣是其整體優(yōu)勢(shì)性的重要參照指標(biāo)。對(duì)此，重新提取實(shí)驗(yàn)樣本，所有數(shù)據(jù)均換為破損數(shù)據(jù)，進(jìn)行數(shù)據(jù)傳輸路徑自動(dòng)匹配，其整體數(shù)據(jù)對(duì)比結(jié)果如表2所示。根據(jù)表2數(shù)據(jù)可以看出，在7組實(shí)驗(yàn)?zāi)繕?biāo)數(shù)據(jù)傳輸路徑的自動(dòng)匹配中，實(shí)驗(yàn)組數(shù)據(jù)匹配量和對(duì)應(yīng)匹配精度同樣高于對(duì)比組。可以進(jìn)一步證明，設(shè)計(jì)的多層分布式數(shù)據(jù)庫(kù)傳輸路徑自動(dòng)匹配方法可以有效提高數(shù)據(jù)路徑匹配準(zhǔn)確度。

3結(jié)束語(yǔ)

分布式數(shù)據(jù)庫(kù)的整合和應(yīng)用是未來(lái)數(shù)據(jù)管理的趨勢(shì)，也是核心技術(shù)陣地。對(duì)于該領(lǐng)域的研究創(chuàng)新，符合當(dāng)前數(shù)據(jù)管理行業(yè)的大方向。對(duì)此，針對(duì)傳統(tǒng)分布式數(shù)據(jù)庫(kù)傳輸路徑自動(dòng)匹配方法信息匹配準(zhǔn)確率較低的問(wèn)題，基于數(shù)據(jù)時(shí)間序列，提出新型數(shù)據(jù)路徑自動(dòng)匹配方法。設(shè)計(jì)通過(guò)數(shù)據(jù)整合和建立獨(dú)立索引，提取核心字段，再進(jìn)行匹配，可以有效提高匹配的精確度。在未來(lái)研究中，可以從實(shí)驗(yàn)數(shù)據(jù)樣本入手，通過(guò)研究更復(fù)雜的數(shù)據(jù)情況，進(jìn)一步提高數(shù)據(jù)整合度，從而加強(qiáng)路徑自動(dòng)匹配精度。

參考文獻(xiàn)

［1］呂紅艷．分布式數(shù)據(jù)庫(kù)安全性在無(wú)線傳感網(wǎng)絡(luò)中的研究［J］．甘肅科技縱橫，2017，46(3):8－10．

［2］馬東波．分布式數(shù)據(jù)庫(kù)一致性方法研究［J］．科技尚品，2017，(2):160－160．

［3］蘇恒陽(yáng)．網(wǎng)絡(luò)通訊分布式數(shù)據(jù)庫(kù)信息檢索技術(shù)研究［J］．信息通信，2017，(9):211－213．

［4］孫喬，付蘭梅，裴旭斌，等．基于一致性哈希的分布式數(shù)據(jù)庫(kù)性能拓展［J］．計(jì)算機(jī)應(yīng)用，2016，36(s2):218－220．

［5］丁強(qiáng)龍，王津，張學(xué)杰．基于子模式的關(guān)系數(shù)據(jù)到圖數(shù)據(jù)ETL方法研究［J］．計(jì)算機(jī)工程與應(yīng)用，2017，53(12):76－84．

［6］肖凌，劉繼紅，姚建初．分布式數(shù)據(jù)庫(kù)系統(tǒng)的研究與應(yīng)用［J］．計(jì)算機(jī)工程，2001，27(1):33－35．

［7］張旭剛，李東輝，俞俊，等．基于zookeeper和強(qiáng)一致性復(fù)制實(shí)現(xiàn)MySQL分布式數(shù)據(jù)庫(kù)集群［J］．微型電腦應(yīng)用，2016，32(1):77－80．

［8］林基明，班文嬌，王俊義，等．基于并行遺傳－最大最小蟻群算法的分布式數(shù)據(jù)庫(kù)查詢(xún)優(yōu)化［J］．計(jì)算機(jī)應(yīng)用，2016，36(3):675－680．

［9］朱濤，郭進(jìn)偉，周歡，等．分布式數(shù)據(jù)庫(kù)中一致性與可用性的關(guān)系［J］．軟件學(xué)報(bào)，2018，(1):131－149．

［10］王欣，周曉梅．云計(jì)算環(huán)境下大數(shù)據(jù)合理分流技術(shù)研究與仿真［J］．計(jì)算機(jī)仿真，2016，33(3):292－295．

［11］王玨，孟曉蕊．分布式數(shù)據(jù)庫(kù)同步中間件系統(tǒng)的設(shè)計(jì)與研究［J］．現(xiàn)代電子技術(shù)，2016，39(9):31－36．

［12］孫喬，付蘭梅，裴旭斌，等．基于一致性哈希的分布式數(shù)據(jù)庫(kù)性能拓展［J］．計(jì)算機(jī)應(yīng)用，2016，36(s2):218－220．

［13］吳慶曦，彭暉，王瑾，等．電網(wǎng)調(diào)控集群分布式實(shí)時(shí)數(shù)據(jù)庫(kù)的設(shè)計(jì)與關(guān)鍵技術(shù)［J］．電力系統(tǒng)自動(dòng)化，2017，(22):89－95．

［14］周翔宇，程春玲，楊雁瑩．基于分布式內(nèi)存數(shù)據(jù)庫(kù)的移動(dòng)對(duì)象全時(shí)態(tài)索引［J］．計(jì)算機(jī)科學(xué)，2016，43(7):203－207．

［15］林基明，班文嬌，王俊義，等．基于并行遺傳－最大最小蟻群算法的分布式數(shù)據(jù)庫(kù)查詢(xún)優(yōu)化［J］．計(jì)算機(jī)應(yīng)用，2016，36(3):675－680．

作者：朱飛燕 楊榮 單位：西安航空職業(yè)技術(shù)學(xué)院