检索结果-内蒙古大学图书馆

软件学报 2025年第1期36卷 446-468页

作者：刘海龙王硕侯舒峰徐海洋李战怀西北工业大学计算机学院陕西西安710072 大数据存储与管理工业和信息化部重点实验室(西北工业大学) 陕西西安710072

云多租数据库具有按需付费、按需扩展、免部署、高可用、自带运维能力、资源共享等诸多优势,可以大大降低用户使用数据库服务的成本.现在越来越多的企业和个人开始在数据库即服务(DaaS)平台托管他们的数据库服务.DaaS平台需要按照用户... 详细信息

云多租数据库具有按需付费、按需扩展、免部署、高可用、自带运维能力、资源共享等诸多优势,可以大大降低用户使用数据库服务的成本.现在越来越多的企业和个人开始在数据库即服务(DaaS)平台托管他们的数据库服务.DaaS平台需要按照用户服务水平协议(SLA)为诸多租户提供服务,同时也需要保障平台收益.但是,由于租户及其负载具有动态性、异构性和竞争性等特点,如何在遵循SLA的同时根据负载自适应规划调度资源同时兼顾平台收益对于DaaS平台来说是一件极具挑战性的工作.针对云多租数据库中比较常见的类型,如关系型数据库,详细分析了当前云多租数据库资源规划调度技术所面临的挑战,提炼了关键科学问题,给出了技术框架,然后从资源规划调度技术、资源预估技术、资源弹性伸缩技术以及数据库资源规划调度工具等4个方面对现有研究工作进行了总结和分析,并且展望了未来的研究方向.

关键词：多租户云数据库资源规划调度资源预估资源弹性伸缩关系数据库云原生多模数据库

来源：评论

学校读者我要写书评

暂无评论

基于组合负载预测模型的多租户数据库弹性伸缩方法

引用

软件学报 2025年第3期36卷 981-994页

作者：徐海洋刘海龙陈先王磊金轲侯舒峰李战怀西北工业大学计算机学院陕西西安710100 大数据存储与管理工业和信息化部重点实验室(西北工业大学) 陕西西安710100 西安中兴新软件有限责任公司陕西西安710100

云环境下的多租户数据库重要特性之一是可伸缩性,然而大部分的弹性伸缩技术难以针对复杂变化的负载进行有效的伸缩决策.若能提前预测负载变化,则能够准确地调整资源供给.鉴于此,提出了基于内存负载预测的多租户数据库弹性伸缩方法,包括... 详细信息

云环境下的多租户数据库重要特性之一是可伸缩性,然而大部分的弹性伸缩技术难以针对复杂变化的负载进行有效的伸缩决策.若能提前预测负载变化,则能够准确地调整资源供给.鉴于此,提出了基于内存负载预测的多租户数据库弹性伸缩方法,包括一种组合负载预测模型和一种弹性伸缩策略.组合负载预测模型融合了卷积神经网络、长短期记忆网络和门控循环单元的优势,可以比较精确地预测数据库集群内存负载需求;弹性伸缩策略基于需求预测结果,调整虚拟机数目,保证资源供应处于合理范围.与现有方法对比,所提出的模型预测误差降低了8.7%-21.8%,预测拟合度提高了4.6%.在此基础上,改进了贝叶斯优化算法,用于该模型超参数调优,解决了贝叶斯优化在离散解、连续解的组合域中效果较差的问题,误差指标值降低了20%以上,拟合度提高了1.04%.实验结果表明,与Kubernetes中应用最广泛的伸缩策略相比,所提出的弹性伸缩方法避免了弹性伸缩的滞后性与资源浪费,响应时间降低了8.12%,延迟降低了9.56%.

关键词：多租户数据库资源管理资源预测弹性伸缩

来源：评论

学校读者我要写书评

暂无评论

基于因子图的不一致记录对消歧方法

引用

计算机研究与发展 2020年第1期57卷 175-187页

作者：徐耀丽李战怀陈群王艳艳樊峰峰西北工业大学计算机学院西安710072 大数据存储与管理工业和信息化部重点实验室(西北工业大学) 西安710129

实体解析(entity resolution,ER)是数据集成和清洗系统的关键基础问题.尽管有大量实体解析方法提出,但这些方法依赖隐式或显式的假设或采用不同的解析策略.对相同的实体解析任务进行处理后,它们的结论存在冲突,产生了大量的不一致记录对... 详细信息

实体解析(entity resolution,ER)是数据集成和清洗系统的关键基础问题.尽管有大量实体解析方法提出,但这些方法依赖隐式或显式的假设或采用不同的解析策略.对相同的实体解析任务进行处理后,它们的结论存在冲突,产生了大量的不一致记录对.在没有给定标记数据的情况下,进行这类记录对的消歧处理具有很大的挑战:一方面当标签数据缺失时,评估现存方法的解析效果并选出最优的不可行,另一方面尽管可选的方法是协调这些冲突结果以得到一致的标记方案,但有效且融合所有提示信息的消歧策略还有待研究.为此,提出了一种基于因子图的不一致记录对消歧方法.该方法首先对某给定的实体解析任务使用现存的实体解析技术进行实体解析,得到一致或不一致的记录对;接着,用核密度估计、匹配信息传递等方法输出与不一致记录对是否匹配相关的特征,并把这些建模为因子图的因子函数,该因子图是一个带因子权重的联合概率分布;最后基于最大似然估计方法估计出各因子的权重,并基于该分布对不一致记录对进行消歧处理.实验结果表明:在真实的数据集合,该方法有效且优于现存最好的方法.

关键词：数据集成实体解析最大似然估计不一致记录对核密度估计因子图

来源：评论

学校读者我要写书评

暂无评论

一种基于LSM树的键值存储系统性能优化方法

引用

计算机研究与发展 2019年第8期56卷 1792-1802页

作者：王海涛李战怀张晓赵晓南西北工业大学计算机学院西安710129 大数据存储与管理工业和信息化部重点实验室(西北工业大学) 西安710129

目前,键值(key-value, KV)存储系统在众多数据密集型的应用系统中发挥着关键作用,例如页面索引、电子商务以及云存储系统等.在各种键值存储系统中,基于日志结构合并(log-structured merge, LSM)树的KV存储系统获得了广泛的应用.主要原... 详细信息

目前,键值(key-value, KV)存储系统在众多数据密集型的应用系统中发挥着关键作用,例如页面索引、电子商务以及云存储系统等.在各种键值存储系统中,基于日志结构合并(log-structured merge, LSM)树的KV存储系统获得了广泛的应用.主要原因是基于LSM树的KV存储系统能够将随机写操作转化为顺序写操作,从而提升数据写性能.然而,这些存储系统也存在一些严重的性能问题.一方面,KV存储系统利用预写日志机制来保证写入数据的原子性和安全性,以便在系统发生故障时进行恢复,造成了数据的写放大.同时,日志的频繁更新也引入了严重的元数据负载,导致了额外的性能开销.另一方面,KV存储系统通常利用通用文件系统存储数据,而通用文件系统中许多KV存储系统不需要的功能和属性也会造成一定的性能开销.为了减小这些开销、提升KV存储系统写入性能,提出了RocksFS,一个针对基于LSM树的KV存储系统优化的文件系统.针对KV存储系统的负载模式简化文件系统结构,去除通用文件系统引入的负载,同时优化预写日志的存储结构和更新流程以减小其更新负载,提升写入性能.最后在普通硬盘和固态硬盘上,基于流行的KV存储系统RocksDB验证了该方法的有效性,结果显示相对于通用文件系统,RocksFS能够将小块KV数据写入和更新性能提高约8倍.

关键词： LSM树键值存储文件系统预写日志写性能

来源：评论

学校读者我要写书评

暂无评论

基于增量局部加权学习的查询模板自适应基数估计

引用

计算机学报 2022年第1期45卷 17-34页

作者：冯杰明李战怀陈群陈肇强西北工业大学计算机学院西安710072 西北工业大学大数据存储与管理工业和信息化部重点实验室西安710072

基数估计是基于代价查询优化的关键步骤,已经被研究了近40年.传统方法如基于直方图的方法在一些假设如属性相互独立、相交的表满足包含原则等成立时能基本满足准确性要求.然而,在真实运行环境中这些假设往往不再成立,可能导致基数估计... 详细信息

基数估计是基于代价查询优化的关键步骤,已经被研究了近40年.传统方法如基于直方图的方法在一些假设如属性相互独立、相交的表满足包含原则等成立时能基本满足准确性要求.然而,在真实运行环境中这些假设往往不再成立,可能导致基数估计严重错误进而造成查询延迟.近年来,随着数据的增多和新硬件的发展,使用机器学习方法来提高基数估计的质量成为了可能.由于基于代价的查询优化主要根据查询中子执行计划的估计代价来选择最优的查询执行计划,因此,有一些最近的工作针对一些关键的子执行计划模板建立相应的局部学习模型,取得了不错的进展.但是,这些局部模型主要用于查询(查询空间)分布和数据(数据库数据)分布不变的场景,而在真实运行环境中,它们往往不断地发生变化,限制了这些估计技术的有效性.在本文中,我们针对子执行计划模板在查询分布和数据分布不断变化的环境下提出了一种使用增量的局部加权学习进行自适应基数估计的方法.具体地说,首先抽取子执行计划的语义和统计特征使之能代表当前查询和数据的特性,然后使用增量的局部加权学习模型根据查询分布和数据分布的变化进行自适应的学习,实现基数估计.最后,通过对比实验验证了本文方法的有效性.

关键词：基数估计查询优化执行计划自适应学习增量学习局部加权学习

来源：评论

学校读者我要写书评

暂无评论

一种基于近似因子的在线概率知识库推理方法

引用

软件学报 2018年第2期29卷 383-395页

作者：王艳艳陈群钟评李战怀西北工业大学计算机学院陕西西安710129 大数据存储与管理工业和信息化部重点实验室(西北工业大学) 陕西西安710129

概率知识库中的推理技术是近年来的研究热点.目前,大多数系统的推理主要基于批处理的方式实现,并不适用于在线查询场景.对此,提出了一种基于近似因子的在线概率知识库推理方法.它可以重复利用已推断结果计算查询变量的边缘概率.该算法... 详细信息

概率知识库中的推理技术是近年来的研究热点.目前,大多数系统的推理主要基于批处理的方式实现,并不适用于在线查询场景.对此,提出了一种基于近似因子的在线概率知识库推理方法.它可以重复利用已推断结果计算查询变量的边缘概率.该算法首先提取查询变量的子图(含已推断变量);然后,在此子图上添加近似因子,以模拟子图外其余变量的影响;最后,采用团树算法推断查询变量的边缘概率.实验结果表明:相对于已有算法,该算法可在时间和精度上取得较好的权衡.

关键词：概率知识库在线推理近似因子马尔可夫逻辑网

来源：评论

学校读者我要写书评

暂无评论

一种基于综合调优的数据库性能趋势预测方法

引用

西北工业大学学报 2020年第5期38卷 1030-1037页

作者：王小玲张小芳李宁韩承枫袁祝平高环宇西北工业大学计算机学院陕西西安710027 大数据存储与管理工业和信息化部重点实验室陕西西安710072 交通银行股份有限公司上海310115

云数据库智能运维中的重要应用场景之一是对监控采集的大量性能时序数据进行趋势预测。提出一种基于Prophet模型和ARIMA模型的综合调优智能趋势预测方法AutoPA4DB(auto prophet and ARIMA for database)。该方法根据数据库性能监控数据... 详细信息

云数据库智能运维中的重要应用场景之一是对监控采集的大量性能时序数据进行趋势预测。提出一种基于Prophet模型和ARIMA模型的综合调优智能趋势预测方法AutoPA4DB(auto prophet and ARIMA for database)。该方法根据数据库性能监控数据的特征,进行了原始监控数据的预处理、预测模型自动调参和模型优化。采用加权的时序预测准确性度量WMC(weighted MAPE coverage),基于多个企业级数据库实例(包含10种性能指标)进行了实验验证。实验对比了5种不同时序模型的预测效果,结果表明在单调变化模式(如磁盘使用量)的数据中,文中提出的AutoPA4DB方法时序预测准确性最高;然而在震荡模式的数据中,预测效果不太稳定,例如内存使用率趋势预测效果较好,但数据库连接数趋势预测效果不理想。

关键词：智能运维时序数据 Prophet模型 ARIMA模型数据库性能监控

来源：评论

学校读者我要写书评

暂无评论

基于注意力和双向LSTM的评价对象类别判定

引用

西北工业大学学报 2019年第3期37卷 558-564页

作者：周陈超陈群李战怀赵波胥勇军秦阳西北工业大学计算机学院陕西西安710072 西北工业大学大数据存储与管理工业和信息化部重点实验室陕西西安710072 中国人民解放军95806部队北京100076

在线评论在用户的购买决策中起到日益重要的作用,电商网站提供海量的用户评论,但是个体很难充分利用所有信息。因此,对这些评论进行分类、分析和汇总是很迫切的任务。首次提出一个基于注意力机制和双向LSTM(bi-directional long short-t... 详细信息

在线评论在用户的购买决策中起到日益重要的作用,电商网站提供海量的用户评论,但是个体很难充分利用所有信息。因此,对这些评论进行分类、分析和汇总是很迫切的任务。首次提出一个基于注意力机制和双向LSTM(bi-directional long short-term memory,BLSTM)的模型来判定评论对象的类别,用于评论的分类。模型首先使用BLSTM对词向量形式的评论进行训练;然后根据词性为BLSTM的输出向量赋予相应权重,权重作为先验知识能指导注意力机制的学习;最后使用注意力机制捕捉与类别相关的重要信息用于类别判定。在SemEval数据集上进行了实验,结果表明,模型能有效提高评论对象类别判定的效果,优于其他算法。

关键词：用户评论评论对象类别判定注意力机制 BLSTM

来源：评论

学校读者我要写书评

暂无评论

基于概率推断的质量控制智能体

引用

计算机科学 2019年第4期46卷 8-13页

作者：徐耀丽李战怀西北工业大学计算机学院西安710072 西北工业大学大数据存储与管理工业和信息化部重点实验室西安710129

实体解析(Entity Resolution,ER)是数据集成和清洗领域的基础问题,而不一致性消歧(Inconsistency Reconciliation,IR)通过对现存的不同ER算法产生的不一致记录对进行消歧,进一步提升解析效果。但是现有的IR方法有一个局限,即消歧结果没... 详细信息

实体解析(Entity Resolution,ER)是数据集成和清洗领域的基础问题,而不一致性消歧(Inconsistency Reconciliation,IR)通过对现存的不同ER算法产生的不一致记录对进行消歧,进一步提升解析效果。但是现有的IR方法有一个局限,即消歧结果没有质量保障。对此,首次提出了一个基于概率推断的质量控制智能体,记为QCAgent。该智能体不需要训练数据集,能够在满足给定查准率的约束条件下输出查全率最大的消歧结果。它的核心思想是:首先,使用异常点检测模型来估算不一致记录对匹配的概率,并依据这些概率估算查准率和查全率,再将计算出的查准率和查全率作为环境端的反馈;其次,使用二分搜索算法,选择满足查准率要求且查全率最大的翻转方案,作为QCAgent的下一次行动;然后,用更新后的一致结果训练异常点模型,并估算查准率和查全率。按此循环,当新估计的查准率满足约束条件时,该迭代过程停止。在真实的数据集上,实验结果表明:QCAgent能够有效解决消歧结果的质量控制问题。

关键词：质量控制实体解析不一致性消歧智能体查准率

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的函数名一致性检查及推荐方法

引用

软件学报 2024年第10期35卷 4604-4622页

作者：郑炜唐辉陈翔张永杰西北工业大学软件学院陕西西安710072 南通大学信息科学技术学院江苏南通226019 空天地海一体化大数据应用技术国家工程实验室(西北工业大学) 陕西西安710072 大数据存储与管理工业和信息化部重点实验室(西北工业大学) 陕西西安710072

函数是大多数传统编程语言中聚合行为的最小命名单元,函数名的可读性对于程序员理解程序功能及不同模块之间的交互有着至关重要的作用,低质量的函数名会使开发人员感到困惑,增加代码中的坏味道,进而引发由API误用而导致的软件缺陷.为此... 详细信息

函数是大多数传统编程语言中聚合行为的最小命名单元,函数名的可读性对于程序员理解程序功能及不同模块之间的交互有着至关重要的作用,低质量的函数名会使开发人员感到困惑,增加代码中的坏味道,进而引发由API误用而导致的软件缺陷.为此,提出一种基于深度学习的函数名一致性检查及推荐方法,该方法被命名为DMName.首先,对于给定的目标函数源码,分别构建其内部上下文、交互上下文、兄弟上下文和封闭上下文,合并后得到上下文信息标记序列,然后利用FastText词嵌入技术将标记序列转换为上下文表示向量序列,输入到seq2seq模型编码器中,引入Copy机制和Coverage机制分别解决OOV问题和重复解码问题,输出目标函数名预测结果的向量序列,借助双通道CNN分类器进行函数名的一致性判断,若不一致则根据向量空间相似度匹配直接映射获得推荐的函数名.实验结果表明,DMName方法在函数名一致性检查任务和函数名推荐任务中的F1值分别达到82.65%和73.31%,比目前最优的DeepName方法分别提高2.01%和2.96%.最后,在GitHub大规模开源项目lancia中对DMName方法进行验证,挖掘得到16个函数名不一致问题并进行合理的名称推荐,进一步证实DMName方法的有效性.

关键词：函数名一致性检查名称推荐深度学习 seq2seq模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：