计算机科学
計算機科學
계산궤과학
Computer Science
2015年
9期
183-190
,共8页
大数据%检索%过滤%索引结构%多维查询
大數據%檢索%過濾%索引結構%多維查詢
대수거%검색%과려%색인결구%다유사순
Big data%Retrieve%Filter%Index architecture%Multi-dimensional query
大数据作为新的战略资源,在信息领域发挥着重要作用.大数据的检索规模往往达到十亿甚至百亿级,导致传统的查询机制效率低下成为常态.因此,提高大数据的查询效率、降低查询负担成为大数据研究的重要方面.为此提出了一种面向批量处理的大数据检索过滤模型IMFM,介绍了其核心思想及工作原理,论证了IMFM对于多维查询的支持,并给出了IMFM的部署策略.在大数据索引结构中的适当位置部署该模型,在检索请求通过节点时对检索请求进行快速过滤,避免无关请求对节点下方索引结构的操作,从而降低检索对性能的消耗.实验证明,在大数据批量处理环境下,该模型可以有效缩短大数据一维和多维查询的路径长度,提高检索效率,大幅减轻大数据存储和处理平台的负担.
大數據作為新的戰略資源,在信息領域髮揮著重要作用.大數據的檢索規模往往達到十億甚至百億級,導緻傳統的查詢機製效率低下成為常態.因此,提高大數據的查詢效率、降低查詢負擔成為大數據研究的重要方麵.為此提齣瞭一種麵嚮批量處理的大數據檢索過濾模型IMFM,介紹瞭其覈心思想及工作原理,論證瞭IMFM對于多維查詢的支持,併給齣瞭IMFM的部署策略.在大數據索引結構中的適噹位置部署該模型,在檢索請求通過節點時對檢索請求進行快速過濾,避免無關請求對節點下方索引結構的操作,從而降低檢索對性能的消耗.實驗證明,在大數據批量處理環境下,該模型可以有效縮短大數據一維和多維查詢的路徑長度,提高檢索效率,大幅減輕大數據存儲和處理平檯的負擔.
대수거작위신적전략자원,재신식영역발휘착중요작용.대수거적검색규모왕왕체도십억심지백억급,도치전통적사순궤제효솔저하성위상태.인차,제고대수거적사순효솔、강저사순부담성위대수거연구적중요방면.위차제출료일충면향비량처리적대수거검색과려모형IMFM,개소료기핵심사상급공작원리,론증료IMFM대우다유사순적지지,병급출료IMFM적부서책략.재대수거색인결구중적괄당위치부서해모형,재검색청구통과절점시대검색청구진행쾌속과려,피면무관청구대절점하방색인결구적조작,종이강저검색대성능적소모.실험증명,재대수거비량처리배경하,해모형가이유효축단대수거일유화다유사순적로경장도,제고검색효솔,대폭감경대수거존저화처리평태적부담.
