基于XJoin的细粒度无阻塞连接算法

来源 :计算机科学 | 被引量 : 0次 | 上传用户:L530798540
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
连接拥塞、负载不均衡和临时性网络中断,使得传统查询处理技术难以处理广域网下的数据连接。无阻塞连接查询算法通过调用后台进程能够有效处理不稳定网络中的不确定性并隐藏数据到达的中断情况。因为逐渐增长的外存数据难以在较短的时间间隔内被一次性处理完,所以像XJoin这样的经典无阻塞连接算法不能很好地处理间隔时间较短的不稳定网络下的查询连接。提出一种新的无阻塞连接算法XJoin-FG,将一次粗粒度的事务根据间隔时间分解为多个部分,并且采用细粒度的时间戳来避免重复数据结果的产生。仿真实验采用Internet上的跟踪数据
其他文献
给出了一种新颖的多跳CDMA Ad hoe网络跨层性能分析模型。首先建立了随机网络拓扑的数学模型,进而分析了采用MFR路由策略时源节点到目的节点所需跳数的概率分布情况。然后结合
针对目前很少关注非致密非规则数据聚类的情况,利用蚁群算法具有的组合优化方面的优势,引入近邻函数准则,提出了基于蚁群算法和近邻函数准则的聚类算法,来求解非规则非致密数据聚
针对网格动态性引起副本数据一致性维护困难的问题,根据网格的动态特性建立了网格系统模型和副本一致性维护模型;提出了适用于低在线率情况的动态投票机制,并在此基础上给出了一
实现细粒度的取证副本完整性检验是计算机取证的新需求,但是为每个取证对象生成一个独立Hash数据的完整性检验方法会产生大量的Hash检验数据,给Hash检验数据的存储与网络传输带
针对在大规模数据集上进行聚类困难的问题,分析了抽样技术的优点,研究了数据挖掘领域中的随机抽样的特点,并在此基础上提出了一种基于密度的偏差抽样方法。利用密度偏差抽样所获
为了解决当前数字化校园中在教育资源的分类管理、资源使用、资源的注册/发布、资源搜索等方面存在的问题与不足,研究了基于Ontology的基础教育资源规划(BERP)。其主要工作是提出
多属性决策问题的复杂性、决策因素影响的不确定和传统评判方法的局限性,使不确定决策因素的属性测度常常难以精确量化,往往只能用区间数进行大致估量。为了精确量化表征属性决
针对认知无线电网络中出现的模仿主用户攻击问题,提出一种基于HASH匹配技术的解决方案。当主用户网络工作时,主用户基站在要传输的数据上附加用于HASH计算的原始数据,然后将它们
内存泄漏故障是程序中某处申请的内存空间,没有释放或没有完全释放或多次释放,是程序中常见的故障,极易导致系统崩溃。从面向具体错误的测试思想出发,采用静态测试的方法,给出了内
以数据包传输的通信量在不同网络条件下均表现出自相似性,自相似通信量在各时间尺度上均具有长程突发特性,其是以泊松过程为模型所描述的短程相关通信量所无法描述的。近来对自