杨毅

摘要：通过对Web大数据库的访问，提高数据库的查询和信息调度能力。传统方法采用基于信息流减法聚类和模糊C均值调度的数据库访问算法，对数据库访问过程中的稀疏度均衡能力不好。提出一种基于稀疏度均衡调度的数据库优化访问算法，分析了数据库中海量数据存储结构模型，进行数据融合和冗余信息滤除处理。采用稀疏度均衡调度方法进行特征提取和数据库访问过程中的均衡调度，提高数据查准率。仿真结果表明，利用该算法进行数据库访问的均衡性能较好，数据的查准率和查全率较高。

关键词：数据库；稀疏度；均衡调度；数据库优化访问

DOIDOI：10.11907/rjdk.161065

中图分类号：TP392

文献标识码：A 文章编号：1672-7800（2016）005-0166-03

0 引言

随着信息技术和大数据技术的快速发展，大数据库作为存储数据信息的重要载体，对数据库的优化访问是提高数据查询和调度性能的关键。Web大型数据库广泛应用于大型的网络信息数据和云存储信息数据的存储和调度架构中。对Web大型数据库的频繁访问过程中，进行特征分区和数据文本的指向性索引，有利于提高数据库访问性能。研究大型Web数据库的优化访问技术，在数据库优化设计和数据传输存储等领域中具有重要的应用价值，相关算法研究也受到人们的重视。

传统方法中对Web大型数据库的访问方法主要有基于自适应波束形成的特征分区方法、基于粒子群滤波的遗传算法、基于相关度特征分析的数据库访问方法等，通过提取大型数据库的级联相关匹配语义信息特征，采用文本索引和关键字数据查询方法，进行相关度匹配来实现数据库的访问[1-3]。上述方法在数据库访问过程中，通过遗传散布执行算子进行特征分区，对数据库中的语义信息进行融合和滤波处理，以提高数据库访问过程中的分辨能力和查准率。但是上述方法需要在高维的子空间中进行特征重构，随着数据增多，对数据库访问的效能下降，计算开销较大。对此，相关文献进行了算法改进设计。其中，文献[4]提出一种基于信息流减法聚类和模糊C均值调度的数据库访问算法，通过粗糙集索引实现数据库访问，但是该方法对数据库访问过程中的稀疏度均衡能力不好；文献[5]提出一种基于关键字有向图模型的数据库访问算法，然而该算法对非线性MIMO级联数据库频繁访问特征分区性能不好。针对上述问题，本文提出一种基于稀疏度均衡调度的数据库优化访问算法，首先构建数据库的分布结构模型，然后进行数据库访问的信息流特征提取和数据信息融合处理，并以此为基础，采用稀疏度均衡调度方法实现数据库的词频信息指向性分析，提高数据库访问能力。仿真实验进行了性能测试，得出有效性结论，并展示了较好的应用价值。

1 数据库存储结构与数据特征分布

1.1 数据库存储结构模型

2 算法改进实现

在数据融合和存储机制分析的基础上，进行数据库访问优化，通过对Web大数据库的访问，提高数据库的查询和信息调度能力。传统方法采用基于信息流减法聚类和模糊C均值调度的数据库访问算法，对数据库访问过程中的稀疏度均衡能力不好。为了克服传统方法的弊端，本文提出一种基于稀疏度均衡调度的数据库优化访问算法，算法的改进实现过程描述如下：在数据库访问过程中，通过对语义波束指向性特征临界状态进行数学建模，得到稀疏度均衡调度指令为一个控制输入信号，稀疏度均衡调度的矢量特征为u*j （s；tk ）。对于Web分布式数据库系统，由于稀疏度均衡调度的控制函数J*（.）的收敛性是保证数据库优化访问的前提条件，在系统相邻状态之间进行迭代循环，得到稀疏度均衡调度矢量表示为J*i（.）。在有效的存储空间内，计算最佳的基函数，使x（T）∈Wp，稀疏度均衡调度的稳定性得以保证。通过数据库中海量数据的语义信息融合，从多状态数据结构中进行数据挖掘，得到数据挖掘的特征分解变换式R3表示为：

3 仿真实验与结果分析

为了测试本文算法在实现Web数据库访问中的性能，进行仿真实验。仿真环境为：Inter Pentium 4 3 000MHz内存，操作系统为Windows 7。数据访问中，数据存储节点分布带宽为1 024Kbps，语义信息流时间序采样的中心频率为f0=1 000Hz，离散采样率为fs=10*f0Hz=10KHz，数据传输延时20ms，数据库访问的采样点N=1 100。根据上述仿真环境和参数设定，进行数据库访问，首先进行稀疏度特征提取，基于稀疏度均衡调度实现数据库查询和索引，得到采用本文算法和传统算法的数据库访问的稀疏度调度均衡性能对比结果如图1所示。

由图可见，原始的数据库访问的稀疏度特征杂乱无章，具有较强的非线性特征，难以形成有效的访问结果，而采用本文方法进行稀疏度均衡调度处理后，数据库中的信息流分布均衡，提高了数据库访问的查准率，展示了较好的性能。

4 结语

本文提出一种基于稀疏度均衡调度的数据库优化访问算法，首先构建数据库的分布结构模型，进行数据库访问的信息流特征提取和数据信息融合处理，然后以此为基础，采用稀疏度均衡调度方法实现数据库的词频信息指向性分析，提高数据库访问能力。仿真结果表明，利用该算法进行数据库访问的均衡性能较好，查准率较高，性能优越。

参考文献：

[1]卫星，张建军，石雷，等.云计算数据中心服务器数量动态配置策略[J].电子与信息学报，2015，37（8）：2007-2013.

[2]侯森，罗兴国，宋克.基于信息源聚类的最大熵加权信任分析算法[J].电子学报，2015，43（5）：993-999.

[3]罗亮，吴文峻，张飞.面向云计算数据中心的能耗建模方法[J].软件学报，2014，25（7）：1371-1387.

[4]辛宇，杨静，汤楚蘅，等.基于局部语义聚类的语义重叠社区发现算法[J].计算机研究与发展，2015，52（7）：1510-1521.

[5]陆兴华，陈平华.基于定量递归联合熵特征重构的缓冲区流量预测算法[J].计算机科学，2015，42（4）：68-71.

[6]王小英，刘庆杰.关系型数据库中数值数据的密文检索模型研究[J].计算机仿真，2013，30（11）：409-411.

（责任编辑：黄 健）