收藏 分享(赏)

2023年信息服务的数据预取方法综述.docx

上传人:la****1 文档编号:1664853 上传时间:2023-04-22 格式:DOCX 页数:5 大小:17.51KB
下载 相关 举报
2023年信息服务的数据预取方法综述.docx_第1页
第1页 / 共5页
2023年信息服务的数据预取方法综述.docx_第2页
第2页 / 共5页
2023年信息服务的数据预取方法综述.docx_第3页
第3页 / 共5页
2023年信息服务的数据预取方法综述.docx_第4页
第4页 / 共5页
2023年信息服务的数据预取方法综述.docx_第5页
第5页 / 共5页
亲,该文档总共5页,全部预览完了,如果喜欢就下载吧!
资源描述

1、信息效劳的数据预取方法综述 。基于ldd的预取策略如ddp考虑了数据距离,但是没有考虑数据的访问概率和更新频率和数据大小,针对以上问题提出基于价值的数据预取(cdp)策略,一些重要的数据预取因素如访问概率、更新频率、数据项大小、数据距离和有效范围等都包含在价值函数里,根据价值函数值的大小来选择被预取的数据。通过实验比照,cdp比ddp策略更有效的提高缓存的命中率。 关键词:位置相关信息效劳;位置相关数据;数据预取;缓存命中率 0引言 移动计算环境下,网络的弱连接、低带宽使得用户而无法及时获取所需的信息,特别是查询位置相关数据(locationdependentdata,ldd)时,容易因用户位

2、置的改变而导致查询结果过时失效或者不正确。而数据预取技术能够显著提高数据访问速度和充分利用播送带宽1。 1基于价值的数据预取策略 1.1位置相关数据的模型位置相关数据(ldd),是指其值取决于具体地理位置的数据,ldd具有特定的适用范围。 数据的有效范围区域(validscopearea),是指数据实例有效范围的几何区域。每个ldd实例有一个特定的有效范围,只有在此有效范围之内,该实例才是正确的。 数据距离(datadistance),是指mc当前位置和数据实例有效范围之间的距离。 1.2cdp预取方法本文提出cdp策略,预取时根据价值函数的值进行选择,预取价值函数如下:cost=pusefu

3、l(benefit-penalty)(1) 式(1)中puseful为mc访问ldd的概率,benefit为mc预取ldd的获益价值,penalty为预取ldd的惩罚代价。 1.2.1数据预取的奖惩代价数据预取到本地缓存后,并非所有的数据都是mc需要的,经过运算处理后能成为有效查询的数据才是用户需要的,只有这局部数据才能给mc的查询访问带来获益。本文用fbenefit(di)表示预取数据di的获益价值函数,即mc未预取数据时的访问时间与预取数据时的访问时间减少的比例。 1.2.2访问ldd的概率对于mc访问某一种ldd可能性的概率,主要以mc经过该数据有效范围的概率和未来访问该数据的概率为依据

4、,因此把mc将来可能经过有效范围内数据列为预取的候选集c。主要考虑以下两点因素:从时间的角度来考虑。越久未被更新的数据,说明其因效劳器端的数据更新而导致预取数据失效的可能性越小;而越久未被访问的数据说明其比较陈旧,再次被访问的可能性就越小。从空间的角度来考虑。研究说明,在位置相关信息效劳的数据访问中,mc沿着某条移动路径通过的概率越高,数据距mc当前的位置越近,且数据有效范围区域的面积越大,或者越靠近mc当前移动路径或移动方向上的ldd越容易被访问。 1.3备选预取数据的择取数据预取的目标是希望在mc有限资源的前提下,使得所预取的数据尽可能都是mc需要的,并且尽可能多的提供有效查询信息。 在数

5、据择取过程中应考虑以下两种情况: 当s=0(缓存已满)时,不管c中是否有剩余的未被预取的ldd,都将停止预取。 当0s(缓存还有剩余空间)且size(i)s,那么根据mc当前位置和缓存的剩余空间来计算应预取数据总量的大小。 2模拟实验及性能分析 实验以预取数据在缓存中的命中率为指标进行测试比照。测试的工作负载为一组随机产生的查询序列,由20230个查询组成,每次查询生成的条件字段、条件值和数据表都是按照一定的规那么随机产生的。将mc的缓存的大小分别设置为实验数据总量的2023%、15%、20%、25%、30%时分别进行五组实验,实验结果如图1所示。 3结论 在移动环境中,数据预取是有效提高访问

6、速度和减少数据访问时间的一个可行方法。本文主要考虑mc访问ldd可能性概率以及每一种数据能提供多少有效查询信息,设计出一个预取价值选择函数,在候选集中找到预取数据,只要这些数据出现在播送信道,就预取到本地缓存。通过实验比较,cdp策略比ddp、dhp策略更有效的提高了缓存命中率。 参考文献: 1李国徽,杨兵,陈辉,等.移动环境下支持实时事务处理的数据预取j.计算机学报,202223,31(2023):1841-1847. 2yinl,caog.adaptivepower-awareprefetchinwirelesanetworksj.ieeetransactionswire1esscommu

7、nications,2022.3(5):1648-1658. 3jiangz,kleinrockl.webprefetchinginamobileenvironmentj.ieeepersonalcommunications,1998,5(5):25-34. 4personevdn,grassiv,morlupia.modelingandevaluationofprefetcad快速绘制电路图的方法与技巧探索chingpoliciesforcontext-awareinformationservices c.proceedingsofthe4thannualinternationalconferenceonmobilecomputingandnetworking,1998:55-65. 5zhengb,xuj,leedl.cacheinvalidationandreplacementstrategiesforlocation-dependentdatainmobileenvironmentsj.ieeetransactionsoncomputers,2022,51(2023):1141-1153. 第5页 共5页

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 资格与职业考试 > 其它

copyright@ 2008-2023 wnwk.com网站版权所有

经营许可证编号:浙ICP备2024059924号-2