采用结构相似度定位的数据库存储软件调度设计

宋小芹 王东亚

摘要：提出一种基于结构相似度定位的数据库存储软件调度算法，首先构建大规模集成软件的数据库存储空间结构模型，对存储软件调度信息进行矢量重构和信息流模型构建，采用结构相似度定位方法进行数据库存储资源的特征提取和融合处理，以提高调度效率。仿真结果表明，采用该方法进行大规模集成软件数据库存储资源调度，效率与收敛性较高，吞吐性能较好，展示了较高的应用价值。

关键词关键词：结构相似度定位；数据库存储；存储软件

DOIDOI：10.11907/rjdk.161331

中图分类号：TP391文献标识码：A文章编号文章编号：16727800（2016）007015203

0引言

随着计算机技术、信息技术的快速发展，产生了越来越多的数据信息资源。如何将这些大规模集成软件的数据库存储资源利用起来，放在一个公共访问区域，方便所有用户和科技工作者访问，从而提高大规模集成软件的使用率是下一代计算机信息技术发展需要解决的首要问题。现代集成软件调度和资源分布的弊端主要体现在资源分布地区差异大，不同地区资源持有程度严重不同，成为制约集成软件信息技术发展均衡的首要因素。另外，资源成本高、使用率低下、共享技术落后也是影响信息现代化发展的瓶颈。因此，需要研究一种高效的大规模集成软件的数据库存储资源优化调度算法，以提高集成软件的运行和开发效率＼[13＼]。

1大规模集成软件的数据库存储空间结构模型与信息流分析1.1大规模集成软件的数据库存储空间结构模型基础

为了实现对大规模集成软件的数据库存储资源优化调度，首先采用遗传算法构建大规模集成软件的数据库存储模型，进行数据存储结构编码。遗传算法通常用最简单的编码方式来表示一个相对复杂的问题，编码是变量集合，并对该编码集进行运算处理，最后再通过一组编码来表示遗传算法以及优胜劣汰的选择，同时对后面的搜索进行学习指导并确定一个搜索方向。

遗传算法在执行数据库大规模集成软件数据库存储空间结构的过程表述为：①首先随机产生一个任意种群，即所需求解问题一个解的集合；② 每个初始种群中的个体都应有一个解，每个个体携带基因的不同性质决定了每个个体特征不同，遗传算法通过一个适应度函数对每个个体特征进行辨别打分；③通过数据编码计算后，算法会根据每个个体的适应度配合不同的辨别选择方案，挑选出部分个体进入下一代，选择个体的策略应要让高适应度个体比低适应度个体更容易进入下一代，即高适应度个体进入下一代的概率要高于低适应度个体；④ 对选择出来的个体通过交叉和变异操作产生适应度更高个体，经过这样反复操作，种群多样性得到提高。通过上述分析，得到大规模集成软件的数据库存储空间结构模型如图1所示。

在大规模集成软件的数据库存储空间中，进行数据存储子空间的多维矢量特征重构。设在大规模集成软件的数据库存储空间进行软件分布式调度的概念格结点G1=（Mα1，Mβ1，Y1），G2=（Mα2，Mβ2，Y2），自适应网格分布的适应加权函数为：θ（t）=2π∫t/a-T/2（Kt0-t′）dt′=-2πKln（1-tat0）+θ0（1）其中，θ0=-2πKln（1+T2t0）为子代基因的中心矢量，用输入数据包传输和监测信息x（k）减去输出y（k），可以得到M个大规模集成软件数据库存储空间的节点采样，并得到大规模集成软件数据库存储空间的瞬时特征频率为：fia（t）=12πdθdt=Kat0-t=Kt0-t+（a-1）t0（2）其中，t0为初始采样时间检测，a为自然选择机制的软件特征信息的幅值，数据的聚类中心满足G1G2Y1Y2。将v插入有序集R1（u）中，由此实现数据库的结构分析和编码特征优化。

1.2数据库存储资源信息流模型构建

在上述数据结构和存储空间分析的基础上，构建数据库存储资源信息流，在C/S构架下的隐通道中进行数据采样，在数据库资源信息采样时刻t和t+τ进行信息特征提取，得到关联的初始化大数据资源子集为x（k-1），….，x（k-M）。假设信息流为数据序列{xn}，通过选择适当的相位θ1（k），在时间片Δ内令自适应权值（0）=0，通过子代基因逆转技术，对遗传算法进行变异处理，使得子代基因有更强的自适应能力。结合后续的子代基因逆转，设S为支配点u的环形区域，令A={a1，a2，...，an}为大规模集成软件数据库中特征矢量的模糊聚类中心，基于Internet的Web架构模式得到软件资源流数据库。简化用户操作数据库，扩展数据库应用范围，在软件调度子空间中的特征分解中心频率输出的矢量模型为：x1（t）

nM（t）（3）其中，根据方向矢量在时频域内的特征采样，以特征值降值排列，进行解析滤波处理，得到大规模集成软件数据库存储空间的指向性增益。采用波束形成方法进行冗余数据滤波，滤波函数为：x1（t）

nM（t）（4）若冗余数据的子空间均为窄带的，数据库存储软件调度的计算性能通过训练集进行特征分类，构建资源分类属性集。B={b1，b2，...，bm}为数据库存储软件调度特征挖掘的属性类别集，得到数据库存储软件调度的加权特征参量迭代式为：θ1（k+1）=θ1（k）-μRe[y（k）φ*（k）]（5）其中，μ是大数据分布的收敛步长，ia表示数据库存储软件映射与调度尺度a的有限数据集属性。通过在矢量空间中进行特征信息流分析，为进行调度算法优化设计提供准确的数据基础。

2算法改进设计与实现

在上述进行了存储空间结构分析和数据信息流模型构建的基础上，进行数据库存储调度算法改进设计。传统方法采用DctAF框架式云缓存调度方法，当软件集成深度和数据库的差异信息特征较大时，云缓存调度的计算开销过大，效率不高。为了克服传统方法的弊端，本文提出一种基于结构相似度定位的数据库存储软件调度算法，首先构建大规模集成软件的数据库存储空间结构模型，对存储软件调度信息进行矢量重构和信息流模型构建，采用结构相似度定位方法进行数据库存储资源的特征提取和融合处理，得到数据库中大数据采样的支配节点信息融合采样代价函数为：HB（z）=（1+sinθ2）cosθ2cosθ1（k）cosθ2z-11+sinθ1（k）（1+sinθ2）z-1+sinθ2z-2G（z）（6）其中：G（z）=1-sinθ221-z-21+sinθ1（k）（1+sinθ2）z-1+sinθ2z-2（7）输入的数据库存储软件大数据时间序列u（k）经过自适应平滑滤波和自适应子空间加权处理，把有限数据集合X分为c类，提取数据库存储软件大数据信息流的时间序列为{x（t0+iΔt）}，i=0，1，...，N-1。通过结构相似度特征提取，得到相似度定义为：fY（y；λ0）=2yλ0e-y2λ0（8）其中，λ0表示各数据库存储软件节点与资源整合聚类中心的目标函数值。此时，大数据系统中分布空间的聚类中心特征分量为CF，记为CF=[F，Q，n，RT1，RT2，RW]，对于数据库存储软件的实体AU，取αj=minΨj，相似性特征测度v（A）>0。当满足约束目标函数，数据库存储软件尺度整合信息的初始聚类中心矢量收敛值为V1j=（v1j1，v1j2，…，v1jn）。在ASP.NET中，由于数据库系统本身的多样性，为了使O/R Mapping能访问各种数据库系统，设X和Y为类判别属性集合，在软件嵌入式的网络系统中，设数据调度的资源方位时刻t内的有效性调度的检测阈值ε满足2-λt<ε，λ>0。基于Z变换，结合变换式xi=2εi-1，构造出特征分解的软件属性分类种类序列Χ=x1，x2，...，xn。

使用多个不同权限的用户频繁访问系统，得到数据库存储软件资源业务量，用参量X的二项式表示为Sn=x1+x2+...+xn。进一步采用尺度整合方法进行自适应尺度修正，得到稳态调度的收敛尺度满足正态分布函数，即满足limn→∞PSnn≤z=z=12π∫z-∞e-u2/2du，进行软件关联博弈线性规划。通过对数据库存储软件资源业务量的优化约束，得到可靠度统计量Sobs=Snn。根据正态分布特性，得到基于结构相似度定位的大规模集成软件的数据库存储调度博弈函数满足：limn→∞PSobs=Snn≤z

（9）根据上述描述，得到本文设计的数据库存储软件调度流程如图2所示。

为了测试本文算法在进行大规模集成软件数据库存储资源优化调度中的性能，进行仿真实验。实验建立在Matlab仿真软件基础上，试验平台为通用PC机，CPU为Intel CoreTM i7-2600，仿真模型包括：关系副本选择、网络站点选择、通信传输能力以及网络节点处理等。构建全局数据状态和动态数据状态，实现大规模集成软件的数据库存储调度。首先进行数据库中的资源信息特征采样，采样时间间隔为T=2.3s，采样频率为15Hz，得到数据库存储资源的时间序列波形如图3所示。

以上述采样数据为研究对象，进行数据库存储软件调度仿真实验，将数据调度的执行时间作为测试指标，得到仿真结果如图4所示。

可以看出，采用本文算法，通过数据库存储软件调度，数据查询特征相关匹配度达到97.3%，比传统算法提高了25.6%。大幅缩短了迭代时间。特别在查询关系数较大时，寻优时间较传统算法大幅缩短。采用该方法进行大规模集成软件数据库存储资源调度，效率与收敛性较高，吞吐性能较好，展示了较好的应用性能。

参考文献：

刘经南，方媛，郭迟，等.位置大数据的分析处理研究进展[J].武汉大学学报：信息科学版，2014，39（4）：379385.

吴鸿华，穆勇，屈忠锋，等.基于面板数据的接近性和相似性关联度模型[J].控制与决策，2016，31（3）：555558.

张博，郝杰，马刚，等.混合概率典型相关性分析[J].计算机研究与发展，2015，52（7）：14631476.

吴涛，陈黎飞，郭躬德.优化子空间的高维聚类算法[J].计算机应用，2014，34（8）：22792284.

余晓东，雷英杰，岳韶华，等.基于粒子群优化的直觉模糊核聚类算法研究[J].通信学报，2015（5）：7480.

孙超，杨春曦，范莎，等.能量高效的无线传感器网络分布式分簇一致性滤波算法[J].信息与控制，2015，44（3）：379384.

责任编辑（责任编辑：黄健）