一种弹性可扩展的并行n-of-N Skyline查询处理算法
n-of-N Skyline查询关注于大小为N的滑动窗口上最近任意n(n≤N)个数据对象的Skyline查询结果,为用户的Skyline查询提供了高度的灵活性.在当前大数据的新环境下,数据流呈现出以下2个特征:1)数据流实时大规模高速到达;2)数据流工作负载的急剧变化性.这对n-of-N Skyline查询的实时性以及自适应扩展提出了更高的要求.而目前针对n-of-N Skyline查询相关的研究都是关注于单机环境下的集中式查询算法,难以同时满足当前新环境下查询的实时性与自适应扩展需求.为此,提出了一种弹性并行查询模型EPM,并且基于EPM模型提出了一种弹性可扩展的并行n-of-N Skyline查询算法(elastic parallel n-of N Skylline,EPnNS).实验证明,该算法在并行节点数增加1倍时,查询效率提升接近70％,而且在应对不同程度的负载变化时,该算法具有较好的自适应调整性能.
n-of-N Skyline查询 数据流处理 弹性特性 可扩展性
魏炜 王意洁 王媛 马行空
并行与分布处理国家重点实验室(国防科学技术大学) 长沙410073 国防科学技术大学计算机学院 长沙410073
国内会议
长沙
中文
184-190
2015-09-17（万方平台首次上网日期，不代表论文的发表时间）