基于分布式B树编译的高效并发访问控制算法

在云计算环境中,根据数据的海量性和分布性特点,需要对云存储数据库进行访问控制。传统的访问控制算法采用散点信任评估的访问控制算法,融合云存储安全评估图进行均匀分布,当云存储节点分裂时导致数据访问性能不好。提出一种基于分布式B树编译的高效并发访问控制算法,根据访问服务器的数量,计算B树的高度和精度边界,查找缓冲的内部节点构成的B树,具有相同属性个数的边缘概念处于同一层,由此进行并发控制数据分类,对于包含有多个属性的类别,将其中的多个属性合并成一个属性,实现对云存储系统的高效并发访问控制。仿真实验表明,采用该算法,具有较小的CPU负载,明显提高了分布式B树的访问效率,并发访问控制精度较高,减轻服务器开销,提高数据访问能力,优化存储性能。     

多信息融合迭代恢复匹配的访问路径偏移修正

在CStor云数据库访问中,细粒度云存储数据的信息特征存在个体较大差异,访问路径产生多频偏移,数据访问调度性能受限。传统方法中采用PSO局部搜索方法进行访问路径修正,搜索效率低,个体更新较慢。提出一种基于细粒度云存储数据迭代恢复匹配的云数据库访问路径偏移修正算法,以PSO多信息融合Pareto支配集为指导,构建多信息融合细粒度数据的主特征模型,采用迭代恢复匹配方法增加了局部搜索提高搜索到全局最优解的几率,实现路径偏移修正。仿真实验采用3组测试集对CStor云数据库进行访问调度和路径偏移修正,结果表明采用该算法,实现对访问路径的动态实时修正,收敛距离较小,提高了CStor云数据库访问和数据挖掘性能。     

云计算下的一种改进的聚类算法的研究

伴随着数据库技术以及海量数据不断产生,如何最大限度的挖掘数据成为了目前云计算下环境下的研究热点,本文首先分析了云计算下的聚类算法存在的不足,其次,将模拟退火算法和遗传算法运用到聚类分析中,依靠模拟退火算法的良好局部搜索能力和遗传算法的全局搜索能力,构造矢量量化器,提高聚类的效果。通过仿真实验说明,本文算法在标准效率,加速比和扩展效率方面都具有明显的提高。     

海量信息存储中数据库性能优化方法

研究海量信息存储过程中的数据库性能优化问题.假设数据库中存在海量信息,则数据库信息查询需要耗费大量的时间,无法满足当今社会的信息需求.因此,需要对数据库性能进行优化处理,提高数据库查询的效率.为此,提出了一种基于云计算的数据库性能优化方法.建立云计算数据关系模型,描述数据库中相关数据之间的联系,从而为数据查询提供依据.计算数据节点的负载状态,从而实现数据库中信息的快速查询.实验结果表明,这种算法能够有效提高数据库查询效率,取得了令人满意的效果.     

Asp下使用文本和数据库方式进行网站访问日志记录的实现与比较

文本文件和数据库是当前存储网站访问记录的两种常见方式,本文介绍在ASP下使用这两种方式实现网站访问日志记录的实现方式,并进行相应的比较,从中可以看到使用文本和数据库方式进行数据存储处理的特点。     

改进的Apriori算法在云计算挖掘下的研究

云计算下的数据挖掘一直都是研究的重点,本文以基本的Apriori算法为基础,提出了构建适合云计算下的数据集分解方式,减少扫描数据库次数和减少频繁项集自连接比较次数的三个策略,并从挖掘频繁1项集,2项集和多项集进行描述。仿真实验中将本文算法与基本Apriori算法、改进的Apriori算法进行比较,取得了比较好的效果。     

基于Monte Carlo熵权决策的云计算数据预取算法

云计算数据预取算法设计是实现云平台环境下通信链路优化和任务调度均衡分配的基础技术。在传统的云计算据查询模式下,当由于缓存空间不足而导致新的缓存数据无法进入缓存时,导致数据预取拥堵,性能不好。提出一种基于Monte Carlo熵权决策的云计算数据预取算法,构建云计算数据查询模板模型,进行Hybrid缓存置换数据预取前置处理,采用Monte Carlo熵权决策方法,把云计算预取信号从缓存域变换到波束域,构建置换函数,实现了对算法的改进。仿真实验研究得出,该算法通过熵权特征提取,进行云计算数据预取决策,提高了云计算数据预取性能,大数据访问延迟率降低,云计算数据存取和调度效率提高,保真率较好。     

云计算环境下存储虚拟化文档加密研究

随着网络技术的不断发展,特别是云计算的出现,数据文档更多地将从传统的本地数据保存转为云环境中的虚拟化存储。该过程中,传统的数据文档加密方式将不再适用于云计算环境下的文档存储加密。因此,提出一种适用于虚拟存储环境的全新数据加密方式尤为必要。针对云计算环境下存储虚拟化的特点,提出智能动态化的加解密将成为云计算环境下虚拟存储中数据文档的加解密方法,该方法有助于加强数据泄露防护,且对文档实现透明存储和加解密,从而使得用户有更好的虚拟存储体验。     

云计算环境下的数据安全存储研究

数据安全问题是制约云计算服务推广的瓶颈之一。为了提高云计算应用中用户数据存储传输的安全性,在确保数据读写速度与传输效率的前提下,采用对称与非对称加密算法混合的双重加密、解密模式,发挥两种算法各自的优点。相对于现有模型,其在数据安全性与算法效率上有大幅提升,是一种安全、高速的云计算数据高效存储策略。     

基于云计算环境下的数据存储调度算法分析

介绍了云计算对于数据的存储作用与云计算技术存储调度算法,分析了"云计算"在数据存储调度上的区别。     

使用多线程实现存储过程执行进度显示

随着各种管理信息系统应用的深化,大量数据不断地涌入数据库中,使数据库中的数据量飞速增长。数据量的增加伴随着数据查询效率的降低和数据统计的负载增加。本文论述了一种利用多线程技术实现的存储过程执行进度的显示方法,可以动态通知用户存储过程的执行进度,不仅优化了用户体验,而且在B/S架构中可有效避免过长的执行时间所造成的页面访问超时问题。     

云计算数据中心虚拟化资源的访问权限控制方法

面对云计算环境中海量数据资源,文中提出基于分类分级数据的属性访问权限控制改进方法。根据分类分级特性描述数据从属类别,将大类别划分为多个子类别集合,形成层层分类的树形拓扑分类关系结构,依据数据分类范畴集和安全级别确定数据资源访问模式。基于分类分层访问控制方式,在数据属主提供隐私数据时,将数据资源进行加密并设定密文长度上传至云端存储,在域权威提供给用户授权私钥中含有属性集符合上述访问模式时可解密文件,从而实现数据访问权限控制过程。实验表明,运用文中方法可实现云环境下数据资源安全访问目的。     

Petri网下基于结构进化的电商虚拟机数据访问

在Petri网下构建电商虚拟机离散并行系统,海量的电子商务信息数据以云存储方式寄存在虚拟机离散并行系统中,需要对数据进行准确访问,提高电商数据调度能力。提出一种基于结构进化的Petri网下电商虚拟机数据访问方法,构建Petri网下电商虚拟机数据库模型,进行电商虚拟机数据的信号模型构建的特征信息分析,设计基于结构进化的改进的遗传算法,采用多窗谱特征提取分析电商虚拟机数据访问过程中的数据偏移,通过结构进化控制数据访问过程中的指向性分布差异,实现对电商虚拟机数据访问算法改进。仿真结果表明,采用该算法能有效实现电商虚拟机数据访问幅度特征提取,在不同虚警干扰下对Petri网下的电商虚拟机数据进行访问的数据准确检测概率较高,数据访问抗干扰能力强。     

存储过程在论文管理系统中的应用

程序设计语言一般都不适合做复杂的数据运算,而是通过OLD DB访问数据库.但数据在两者之间传递,相当消耗系统资源.而使用存储过程对数据库进行访问就可以封装复杂的数据逻辑,并充分发挥大型数据库本身的优势.本文主要介绍了存储过程在论文管理系统中的运用.     

现代云数据库探究

科学技术不断进步,并已渗透到社会生活的各个层面,尤其是云计算的发展正在改变着互联网及整个产业格局。其对与之相关的模型架构、数据存储以及其它一些数据相关技术的要求也越来越高。在数据存储方面占有优势的是传统的关系型数据库,这种数据库在数据存储中占有重要位置,但已无法满足当前社会需求。而能够对数据进行扩充、能够快速读写、具有大的容量并且还要降低运营成本,正是对云计算时代的要求。通过查阅相关资料,对云计算的基础性知识及优势做了概述,并对云计算时代的数据库进行了研究。     

非对称补偿粒子滤波可逆隐藏数据访问算法

针对级联数据库中可逆隐藏数据定位不准,访问恢复困难的问题,提出一种基于非对称补偿粒子滤波的可逆隐藏数据访问算法,实现对数据库中可逆隐藏数据准确访问。算法使用非对称粒子滤波对数据库中可逆隐藏数据的目标位置和访问信道衰减参数进行同时估计,提高可逆隐藏数据定位精度。设计非对称补偿滤波器,抑制数据访问中相干数据干扰,采用迭代方式对隐藏数据访问进程进行更新。最后采用取对数能量求倒谱的方法对数据进行恢复处理,实现对可逆隐藏数据的精准定位访问。仿真实验表明,采用该算法对大型级联数据库进行访问,能准确定位可逆隐藏数据,抗干扰能力强,无损可逆性好,数据库访问识别率和鲁棒性均有明显提高。     

数据库集群技术在电信增值领域的应用

本文介绍一个Oracle数据库集群在电信增值领域的应用案例。通过数据切分和集群部署,解决海量用户信息数据的存储和访问的瓶颈问题。核心问题将围绕数据库分库分表的路由规则和集群负载均衡策略展开。     

一种基于新型存储的数字图书馆分布式大数据存储架构

图书馆数据是一种典型的大数据,大数据管理是目前图书馆面临的一个复杂问题.为了解决传统关系型数据库在海量数据存储和访问效率中存在的瓶颈问题,本文提出了一种基于新型存储的数字图书馆大数据分布式存储架构.该存储架构具有良好的可扩展性、容错性和存储性能.     

改进的蚁群引导电网系统云数据聚类故障检测

传统的蚁群算法在迭代过程中产生逆转变异,新的结点与链路也可能在任意时刻加入到云中,给电网系统云数据的云计算和故障数据预测检测带来很大难度,出现拥塞控制,导致聚类效果不好。结合云计算处理数据的特点,对传统的蚁群算法进行改进,提出一种改进的蚁群引导电网系统云数据聚类和故障检测算法,根据基因位随机数大小决定输出概率的精度,更新状态类别充分统计量,得到故障特征观测概率和初始概率,执行聚类中心更新规则。搭建的Hadoop集群云计算原型系统,在开源的云计算平台框架和HBase电网系统数据库下进行数据采集和算法实现。仿真结果表明,算法在数据聚类和故障检测中具有较好的应用性能。     

一种基于Hive数据仓库的调度优化研究

如何能够更好的通过数据仓库进行决策分析是云计算下的数据挖掘研究的重要组成部分,基于Hive的数据仓库是为了能够快速的查询数据,通过ETL任务资源与调度可以使得查询的消耗达到最小,但ETL是一种类似的NP问题,本文将萤火虫算法引入到ETL任务资源调度中,将萤火虫个体的最优与ETL最优任务调度进行对应。实验平台采用某地区的面料交易平台进行研究,实验说明本文算法能够有效的提高ETL访问效率,从而加快了Hive的访问速度。