学位论文 > 优秀研究生学位论文题录展示
海量数据的快速查询算法研究
作 者: 曾雪
导 师: 李玲娟
学 校: 南京邮电大学
专 业: 计算机软件与理论
关键词: 海量数据 Top-k Hadoop Hive
分类号: TP311.13
类 型: 硕士论文
年 份: 2012年
下 载: 391次
引 用: 1次
阅 读: 论文下载
内容摘要
随着博客、维基百科、共享空间、推特等新型应用的兴起,互联网已经进入了一个信息爆炸的时代,需要处理的数据也越来越多,对于数据的处理要求也越来越高。面对不断增长的数据,海量数据的快速查询算法成为了一个研究热点。本文以提高海量数据的查询效率为目标,对已有的海量数据的查询技术进行了研究,重点研究了Top-k查询算法。Top-k查询根据用户的要求对相应的属性计算分值,并用聚合函数聚集多个属性的分值作为整个元组的得分,返回得分最高的k个对象。Top-k查询在海量数据的环境中有很好的查询效率。论文首先介绍了索引、SQL语句优化、数据预取、近似匹配和分布式查询等已有的海量数据查询技术,并总结了各种技术的应用范围。接着对经典的Top-k查询算法进行了分析,基于对TA(Threshold Algorithm)算法和NRA(No Random Access)算法的研究以及近似匹配查询思想,提出了一种新的基于抽取的Top-k算法(Top-k Algorithm Based on Extraction,TABE),该算法首先抽取出最优的元组,再对这些元组运行查询算法。为了测试TABE算法的性能,设计了测试实验,实验中将之与经典的NRA算法进行了比较。测试结果表明TABE算法不仅时间复杂度低,而且有较高的精确度,能满足常规的查询要求。论文还顺应海量数据处理的并行化趋势,对TABE算法在Hadoop环境下进行了实现,并做了性能测试实验,实验结果表明,借助云计算可以进一步提高TABE算法的查询效率。论文对海量数据的快速查询做了有益的研究。
|
全文目录
摘要 4-5 ABSTRACT 5-8 第一章 引言 8-10 1.1 课题的背景与意义 8-9 1.2 论文的主要工作 9 1.3 论文的组织 9-10 第二章 海量数据快速查询技术概述 10-19 2.1 数据划分 10-11 2.2 索引 11-13 2.3 SQL语句优化 13-15 2.4 数据预取技术 15 2.5 近似匹配查询 15-16 2.6 哈希表查询 16 2.7 分布式查询优化 16-18 2.7.1 基于语义信息的分布式查询处理 17 2.7.2 基于收益代价比因子的贪心算法模型策略 17 2.7.3 带碎片的分布式查询处理 17-18 2.7.4 其他分布式查询优化算法 18 2.8 海量数据快速查询类型 18 2.9 本章小结 18-19 第三章 Top-k查询技术综述和分析 19-34 3.1 Top-k查询有关概念 19 3.2 经典的Top-k算法——TA算法 19-21 3.2.1 TA算法流程 20-21 3.2.2 TA算法的时间复杂度 21 3.3 无需系统随机读的Top-k算法 21-33 3.3.1 NRA算法 22-24 3.3.2 Stream-Combine算法 24-27 3.3.3 LAttice-based Rank Aggregation (LARA)算法 27-31 3.3.4 TKEP算法 31-33 3.4 利用索引和视图处理Top-k查询的方法 33 3.5 本章小结 33-34 第四章 基于抽取的快速Top-k查询算法研究 34-56 4.1 Top-k查询算法对数据的要求 34-35 4.2 TABE算法 35-38 4.2.1 算法产生的基础 35-36 4.2.2 算法描述 36-38 4.3 单机环境下的性能测试实验与结果分析 38-44 4.3.1 实验环境 38 4.3.2 查询精确度测试 38-39 4.3.3 TABE算法与NRA算法执行时间比较 39-44 4.4 基于云计算的性能测试实验与结果分析 44-54 4.4.1 Hadoop简介与环境搭建 44-49 4.4.2 Hive概述与安装 49-50 4.4.3 在Hadoop环境中实现TABE算法 50-51 4.4.4 实验结果分析 51-54 4.5 本章小结 54-56 第五章 总结与展望 56-58 5.1 论文工作总结 56-57 5.2 未来工作展望 57-58 图表清单 58-60 致谢 60-61 参考文献 61-65 攻读硕士学位期间的学术论文和科研情况 65 1. 已发表的学术论文 65 2. 参加的科研项目 65
|
相似论文
- 海量数据压缩、操作和处理方法的研究,TP311.13
- 基于BAP的数据压缩、操作与查询处理系统的实现,TP311.13
- 基于Map/Reduce框架的分布式日志分析系统的研究及应用,TP311.52
- 一种面向海量数据综合评价的树状数据结构的设计与研究,TP311.12
- 支持Top-k查询的银行记账查询系统的设计与实现,TP311.52
- 地理空间数据组织及调度的研究与实现,P208
- 基于Hadoop的在线购物原型系统的设计与实现,TP311.52
- 基于Hadoop的移动学习系统设计与实现,G434
- 基于P2P技术的网络虚拟地理环境原型系统设计与实现,TP393.09
- 海量数据下列式数据库研究,TP311.13
- 基于HADOOP架构的社保项目网络日志分析系统的研究,TP311.52
- 基于MapReduce模型的eMTM三维人体模型生成引擎,TP391.41
- 基于云计算的软件资源服务平台研究,TP311.52
- 高速网络环境下的入侵检测系统的研究,TP393.08
- 云计算平台上的增量学习研究,TP311.13
- 云队列:一个基于Hadoop的大规模消息基础平台,TP311.52
- 基于Hadoop的文本分类研究,TP391.1
- 基于Hadoop的分布式服务注册中心研究和实现,TP393.09
- 基于多核CPU的任务级数据处理研究及其在集群平台下的性能测试,TP274
- 基于Hadoop的视频转码系统设计与实现,TN919.81
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机软件 > 程序设计、软件工程 > 程序设计 > 数据库理论与系统
© 2012 www.xueweilunwen.com
|