《基于并行计算的分布式数据库树查询全缩减计算方法》-工学论文，计算机论文-论文范文参考-科学狗论文网

标题

基于并行计算的分布式数据库树查询全缩减计算方法

范文

刘云萍

摘要：传统查询全缩减计算方法存在计算速度较慢的缺陷，以此开展了基于并行计算的分布式数据库树查询全缩减计算方法的设计。计算种群中整体数量与样本之间的正向射向关系，设计采样流程图，查询采样条件;设计分布式数据库树查询函数，计算查询数据值，提供计算适应度数值;计算参数数值，完成分布式数据库树查询全缩减计算。经过对比实验，证明所提出的分布式数据库树查询全缩减计算方法可降低查询计算时间，提高计算效率，因此更具有實际应用价值。

关键词：并行计算;分布式;数据库树;查询全缩减计算

中图分类号：TP311.133.1? ? ? 文献标识码：A

文章编号：1009-3044（2020）16-0050-03

并行计算又称平行计算，基于市场内涌现的大量的数据集合，并行计算已经广泛应用于大数据查询中，作为以此计算可同时执行多种计算指令的查询算法，具有提升计算效率、缩短计算时间的特点，可将问题延伸解决，延展计算规模。解决实际中大型且复杂的问题，并在实践中摆脱时间或空间上的约束[1]。时间层面是指大量数据的流水线技术可同时实施，空间层面是指计算中出现的多个数据处理器可并发运行。使用并行计算方法通常将较复杂的计算流程或计算步骤进行分散处理，有助于问题的同步解决，结合计算设备提出的多个计算指令，为后续计算提供实时帮助，大内存资源包下载的速度将明显低于逐个资源包下载的速度[2]。分布式数据库是数据在系统中以离散式方式存在，每台计算设备中均包含一份相对完整的文件拷贝副本，或副本的部分文件具备自身独立的数据库，且每个离散数据库之间由网络进行互连，共同构成一个相对完善且全局分布紧密的数据库数。为了更好地应用数据库树，数据库树查询全减缩计算方法成了有关部门的研究重点，检索查询指令中一个相对优化的策略成为数据库树在系统中可持续运行的基础。由于自身计算方法存在的计算速度慢的缺陷，导致查询计算结果通常为局部最优解而非全过程最优解[3]。以此有关研究人员将并行计算方法与数据库树查询全减缩计算两者实施动态化连接，提出一种新的函数计算方式，在计算中保持参数运行数值的稳定，使用提取的查询条件，完成数据库树查询全减缩计算方法的设计。

1基于并行计算的分布式数据库树查询全缩减计算方法

1.1基于并行计算采样查询条件

查询数据种群问题规模指数呈现正极增长趋势，浏览整体数据库数据集合历时较长，基于并行算法将收敛局部最优解，保持数据集合多样性的同时对查询数据有针对采样[4]。假定查询时间内数据个体最佳舒适程度未得到提升，数据种群样本中的函数比例数值高于原始数据种群数值。自定义[st]表示当前需检索的数据查询次数，[W]表示为查询数据库数样本值大小。基于并行计算理论依据，设计如下数据采样流程。如下图1：

根据上图可知，赋予数据库数查询样本数值空值，使用并行计算提供的优化查询方式，评估样本数据中最右束支，判断查询数据种群是否为初次采样，若分析结果表示为“[Y]”，持续向数据库数中插入[n]个随机种群定向向量;若输出结果为“[N]”，保留原始样本中最优查询数值，插入[x]个定向查询向量。计算种群中整体数量与样本之间的正向射向关系。制定操作区域中3个预设值，利用有图理论建立操作区域基础查询模型，依照查询不同定向标准划分正向度量标准数值。分析数据种群中是否包含交叉变异数据值[5]。判断查询数据种群中的差异变化数值，保持数据查询检索值不变，在提取的新数据值样本中保留最优种群。降低样本收敛速度，数据库数值种群随着摄入向量数量的增多，进化次数减小。自定义全减缩集合为[u=λu]，当[λ]数值为0～1之间任意一个常数时。采样条件中每次进化次数[t]会随着[λ]的降低而降低。当条件保持在一个相对稳定的数据采样范围内时，维持减缩集合的数据值，判断是否输出条件，识别采样数据集合。通过上述采样方式，可在保持原始数据集合的基础上，向分析样本中调入新的数据向量，基于并行计算对所有数据集合统一查询，维持数据集的稳定，避免出现数据库树过早收敛[6]。

1.2设计分布式数据库树查询函数

数据库在不同运行状态下的动态化表现形式是不同的，随机状态下某一概率将由其中一个概率转移至另一个概率值，下一时期查询计算状态仅取决于数据库当期的运行状态及数据计算出现转移的概率，不存在后期效率性[7]。全减缩计算是在数据不断转移、交叉、变异过程中，分析数据集合之间存在的某种动态化链接。以此基于并行计算实际操作依据，设计分布式数据库树查询函数，如下所示：

上述公式为分布式数据库查询函数，公式中：[p]表示为数据库查询种群;[p]表示为查询种群的权值数值;[F]表示为数据库树中的字符串;[F]表示为字符串的权值数值;[γ]表示为查询函数的短期变异参数，即可能出现数据交叉或重组等现象;[x]表示查询的数据组别;[i]表示组别的查询基础个数;[xi]表示查询组别表现出的数值特征;[j]表示为主句转移概率，计算单位为%。采用上述查询函数，将全减缩计算流程近似看作马尔科夫决策流程，将最有计算方法按照5元组的方式描述[8]。可表示为：

公式中：[S]表示为数据集合的特征有限数据集合，集合中数据值为1～k中任意自然整数，表示为[S=（S1，S2，S3…Sk）];[A]表示为查询数据库树中数值存在的交叉率，变异参数记为[η];P表示为在时间t的种群状态下，[s]的原始数值及其奖励数值，按照并行计算原理，数值个体适应程度越高，数值奖励程度越大;[R（s）]表示为特殊种群中数值个体的最近适应程度，定义[s']表示查询数值与计算数值两者之间的匹配程度，匹配程度越高，可为函数计算提供下一步适应度数值，为计算提供正确决策;[π]表示为数据库树第二次计算的决策函数，可表达其期望数值与查询减缩方向。根据上述查询函数及计算公式，结合数据进化值与数据期望值，求解Q值，提供后续计算方向[9]。

1.3查询全减缩计算

基于上述建立的数据库树查询函数及最优采样条件，定义计算中多个计算参数数值，评价初始化数据种群，记录最优查询计算方式，实施较差变异操作，计算查询参数数值[10]。如下公式：

公式中，[P]表示为查询全减缩计算的适应程度;[m]、[n]表示多种计算参数的变异概率，计算单位为%;[f]表示为最有计算算法;[λ]表示可调节误差。通过上述公式，计算最佳数值实用度，适应程度越高，计算结果精准化程度越高，标记计算数值种群，判断群体之间的参数关系，完成计算。

2对比实验

2.1实验准备

提出对比实验，选定某实验研究室为此次实验的实验对象，随机选取实验室某计算机，模拟此次实验的实验环境。为了提高实验结果的准确性，整体实验均在[Matlab]上进行，安装双端口万兆位的路由协调控制器，选型计算机运行系统及相关配置。遵循标准安装流程将互联网与PC设备连接，并允许地方区域互联网资源共享，在确保网络格局相同的条件下，搭建计算节点缓冲区域。相关准备设备参数如表1所示。

结合上述表中设定的参数数值，先用传统的数据库树查询全减缩计算方法对指定PC机上数据库树中数据，实施查询全减缩计算，收集10组实验数据，采用云平台处理数据的方式计算输出数据与输入数据之间的时间差，记该组为对照组。再用本文设计的基于并行计算的分布式数据库树查询全缩减计算方法，进行相同步骤的操作，记该组为实验组。

2.2实验结果分析

根据上述提出的实验环境及实验步骤，将数据查询全检索计算时间作为此次实验的关键对比指标，整理收集的数据，并将其绘制表格，如下表2所示。

根据上述表2及实验过程中产生的数据，可得出如下结论：本文设计的基于并行计算的分布式数据库树查询全缩减计算方法，在实际计算中，可缩短输入数据与输出数据之间的时间差，进而提升计算速度，起到提高查询全减缩计算效率的作用。

3結束语

基于并行计算的理论依据，本文提出了基于并行计算的分布式数据库树查询全减缩计算方法的研究。并通过设计仿真实验进一步证明，本文设计的计算方法在实际应用中，可起到缩短计算时间，缩短计算效率的作用。尽管本文研究已经趋近于完善，但在后期的发展中，仍需针对提高数据分辨率等问题，实施更加深化的研究，推动分布式数据库的发展。

参考文献：

[1]黄天恩，郭庆来，孙宏斌，等. 模型-数据混合驱动的电网安全特征选择和知识发现关键技术与工程应用[J]. 电力系统自动化，2019，43（1）：95-101，208，102-104.

[2]刘春成，顾汉明，陈宝书，等. 基于GPU和CPU协同并行的三维各向异性介质地震波场正演模拟[J]. 地质科技情报，2019，38（5）：240-246.

[3]闫华，汪贻生，王锐淇，等. 基于GPU的大规模多阶段任务系统可靠性并行计算方法[J]. 系统工程与电子技术，2019，41（1）：215-222.

[4]宋佩涛，张志俭，梁亮，等. 基于CPU-GPU异构并行的MOC中子输运计算并行效率优化研究[J]. 原子能科学技术，2019，53（11）：2209-2217.

[5]易俊，秦晓萌，岑颖珊，等. GPU并行计算在FD-OCT成像中加速插值计算的应用[J]. 仪器仪表用户，2019，26（9）：40-44.

[6]方睿，董树锋，唐坤杰，等. 基于最大测点正常率与GPU并行加速的不良数据辨识方法[J]. 电力系统自动化，2019，43（16）：86-094，115.

[7]李杨，李朝奎，方军，等. 基于数据级任务分解的大范围地质灾害预警并行计算架构设计与应用[J]. 地理信息世界，2018，25（2）：97-101.

[8]章立宗，张锋明，蒋正威，等. 基于并行概率潮流计算的含光伏配电网电压风险评估[J]. 浙江电力，2018，37（8）：7-14.

[9]张子兴，吴斌，吴心宇，等. 路径-维度GraphOLAP大规模多维网络并行分析框架[J]. 软件学报，2018，29（3）：545-568.

[10]曹礼群，陈志明，许志强，等. 科学与工程计算的方法和应用——基于国家自然科学基金创新研究群体项目研究成果的综述[J]. 中国科学基金，2018，32（2）：141-149.

【通联编辑：张薇】

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。