论文部分内容阅读
计算机网络的出现和发展为我们带来了一种新的、更快更方便的交流方式。社交网络作为在线交流的最新形式,目前已成为最受欢迎的服务之一。社交网络吸引了数以亿计的用户,如何管理如此众多用户的信息和交互已经成为了一个挑战。 本文在对社交网络数据的特点进行了大量研究的基础上,提出了一种用来描述社交网络中用户交互行为的交互关系有向图模型。本文将其与一些已有的模型进行了对比,并讨论如何使用这一模型来描述社交网络中的用户行为。 基于交互关系有向图,本文提出了一种对社交网络数据进行管理的模型。为了加速对“热点”记录的访问和延迟对新注册用户数据的持久化操作,管理模型使用两个子结构:一个用来管理持久化数据,另一个用来管理缓存数据。管理模型通过使用一些参数来量化数据迁移和增加副本的代价以及各分区的负载情况。 在管理模型之上,本文提出了一种基于增量式分区算法的社交网络数据管理策略,增量式分区算法可以高效地完成对社交网络应用中常见的用户请求的响应。在增量式分区方法之外,数据管理策略还涉及一些周期性的维护工作以及对一些特殊请求和紧急情况进行处理。 本文使用一些来自真实社交网站的数据来对工作进行检验,实验说明了本文提出的方法可以以较小的代价使数据具有较好的数据本地化特性。最后本文对实验结果与代价进行了分析,并对实验中使用的参数及其影响进行了讨论。