论文部分内容阅读
[摘 要]信息技术背景下，大型电气数据存储在云数据库中，其存储性能的高低，直接影响着数据的吞吐能力、资源的调度能力，因此必须加强研究力度。本文首先介绍了电气数据库云存储系统模型与特征，然后利用云资源尺度伸缩算法，阐述了云存储性能的优化方法，以供参考。
[关键词]云计算；电气数据库；存储性能；优化方法
中图分类号：S936 文献标识码：A 文章编号：1009-914X（2018）10-0173-01
引言
云计算是信息技术发展的产物，基于互联网技术下，可以实现服务的增加、使用、交付等，其中会用到虚拟化的网络资源。在电气数据管理上，大型电气和电力调度的管理系统，一般建立在云计算基础之上，实现信息的传输和处理，将形成的电气数据存储在大型电气数据库中。由此可见，提高数据库的存储性能，才能适应复杂多变的运行环境，促进电气系统安全稳定运行[1]。以往电气数据库云存储模型的构建，采用用户行为特征资源负载均衡法，实践证实会浪费存储资源、空间分配不均。对此，本文以网格空间资源信息流时间尺度分析入手，介绍了一种新型的电气数据库存储性能优化方法。
1.电气数据库云存储系统模型与特征
1.1 云存储模型
对于大型电气数据库而言，云存储技术的应用，是将数据分布到不同的服务节点上进行缓存，挖掘查询信息特征、调度数据资源。基于云计算环境下，用户利用云服务器可以连接网络，实现云资源服务、存储、信息调度等。对云存储模型具体分析，主要包括三层：一是I/O层，二是USB层，三是磁盘层。利用Cloud-P2P模型，服务商将信息资源放在代理上，服务器根据用户需求搜索服务信息，从而获得相应的服务项目，云存储模型如下图1所示。
该模型的执行采用分布式代码，这些代码分布在数据节点上，完成执行任务后再次回到客户端，避免缓存数据传输或移动[2]。另外，为了优化云存储资源的调度，根据每个节点感知性能的不同，在信息执行时也会产生差异。为了提高云存储的性能，云节点在网络中长期稳定运行，系统在访问资源、融合信息的过程中，就会构建形成电气数据库的云存储模型，为存储性能的优化创造条件。
1.2 电气数据库的特征
依据云存储模型分析电气数据库的特征，才能设计出空间电气数据资源调度模型，明确电气数据信息流的时间尺度特征。其中，从电气数据库的云网格空间分布模型出发，对应在网络模型中，将网格拓扑结构分为三层[3]：第1层是存储元件，用来连接存储数据，实现电气数据的集成和特征分析；第2层由局域网组成，数据存储期间要考虑到多源异构资源；第3层是会话层，可实现计算资源和数据集交互信息。由此可见，分析电气资源的数据特征，首先要明确数据信息流的时间尺度特征，云存储资源信息特征表示为公式1：
式中θ代表数据分类偏移角度，代表频率，t代表周期。
2.电气数据库云存储性能优化
2.1 云资源尺度伸缩算法
基于大型电气数据库的云存储模型和特征，对于存储模型的优化，采用网格空间资源信息流时间尺度分析法。优化设计关键点如下[4]：在电气数据库的云存储设计中，假设云存储资源为所有用户任务服务一轮所用时间为T，而每个时间段都可以处理用户的请求任务，那么云存储资源的负载表示为公式2，云网格进行电气数据调度的一个时间跨度表示为公式3：
假设网络结构模型是几何空间S，计算主机h1和h2之间的网格距离，可以采用尺度伸缩算法，得出资源调度的尺度特征为公式4：
2.2 云存储性能优化方法
依据资源尺度伸缩算法，假设电气数据库的云存储资源、服务匹配任务的有效率函数E（I，j）如下：
在云存储资源大数据信息集合中，给定两个数据轨迹A、B，那么A、B之间的分区方位协方差矩阵，计算正交加权约数均衡比可得到：
计算得出公式7中的最小值，将对应节点Hk作为输出结果，能保证云存储资源的均衡性，提高了云存储资源的调度性能，实现云存储性能优化的目标。
2.3 仿真实验分析
为了验证资源尺度伸缩算法的实际应用结果，选择10个计算节点组成云格环境，利用仿真平台扩充大型电气数据库中的云存储资源，形成100个任务组成的资源调度集。每个调度任务的执行时间为120s，将总任务分为10个队列。首先设计云存储任务调度系统网络模型，节点感知半径为20m，感知偏向角为p/4，将云存储任务调度系统分成16个虚拟检测单元。结果显示，第一，具有明显的频间谱峰值，时间-尺度建模分析结果准确，满足云存储资源均衡分配的要求；第二，云存储资源的数据分层融合度高，说明提高了数据资源的利用率，缩短了调度任务的执行时间，优化了数据库的云存储性能。
3.结语
综上所述，大型电气利用网络通信技术进行信息的传输和处理，在此期间会产生大量的电气数据，只有提高数据库存储性能，才能保证系统安全稳定运行。文中分析了云存儲模型的结构和数据特征，以云资源尺度伸缩算法为核心，介绍了云存储性能优化的方法。仿真实验结果证实，云存储资源分配均衡，数据资源利用率提高，调度任务执行时间缩短，可见具有较高的应用价值。
参考文献
[1] 王镜毓，石东源，陈金富.基于图数据库的继电保护整定计算数据存储与应用[J].电力自动化设备，2017，（09）：1-5.
[2] 余英瀚.面向对象视角的软件数据库[J].时代金融，2016，（24）：295-296.
[3] 金小明，吴鸿亮，周保荣，等.电网规划运行数据库与集成管理平台的设计与实现[J].电力系统保护与控制，2015，43（15）：126-131.
[4] 李进生，杨东陵.云计算环境下大型电气数据库存储性能分析与优化[J].电气应用，2015，34（06）：113-117.
[5] 李敬兆，任萍.嵌入式SQLite数据库在电气工程师PDA中的应用[J].安徽理工大学学报（自然科学版），2011，31（02）：26-30.
[关键词]云计算；电气数据库；存储性能；优化方法
中图分类号：S936 文献标识码：A 文章编号：1009-914X（2018）10-0173-01
引言
云计算是信息技术发展的产物，基于互联网技术下，可以实现服务的增加、使用、交付等，其中会用到虚拟化的网络资源。在电气数据管理上，大型电气和电力调度的管理系统，一般建立在云计算基础之上，实现信息的传输和处理，将形成的电气数据存储在大型电气数据库中。由此可见，提高数据库的存储性能，才能适应复杂多变的运行环境，促进电气系统安全稳定运行[1]。以往电气数据库云存储模型的构建，采用用户行为特征资源负载均衡法，实践证实会浪费存储资源、空间分配不均。对此，本文以网格空间资源信息流时间尺度分析入手，介绍了一种新型的电气数据库存储性能优化方法。
1.电气数据库云存储系统模型与特征
1.1 云存储模型
对于大型电气数据库而言，云存储技术的应用，是将数据分布到不同的服务节点上进行缓存，挖掘查询信息特征、调度数据资源。基于云计算环境下，用户利用云服务器可以连接网络，实现云资源服务、存储、信息调度等。对云存储模型具体分析，主要包括三层：一是I/O层，二是USB层，三是磁盘层。利用Cloud-P2P模型，服务商将信息资源放在代理上，服务器根据用户需求搜索服务信息，从而获得相应的服务项目，云存储模型如下图1所示。
该模型的执行采用分布式代码，这些代码分布在数据节点上，完成执行任务后再次回到客户端，避免缓存数据传输或移动[2]。另外，为了优化云存储资源的调度，根据每个节点感知性能的不同，在信息执行时也会产生差异。为了提高云存储的性能，云节点在网络中长期稳定运行，系统在访问资源、融合信息的过程中，就会构建形成电气数据库的云存储模型，为存储性能的优化创造条件。
1.2 电气数据库的特征
依据云存储模型分析电气数据库的特征，才能设计出空间电气数据资源调度模型，明确电气数据信息流的时间尺度特征。其中，从电气数据库的云网格空间分布模型出发，对应在网络模型中，将网格拓扑结构分为三层[3]：第1层是存储元件，用来连接存储数据，实现电气数据的集成和特征分析；第2层由局域网组成，数据存储期间要考虑到多源异构资源；第3层是会话层，可实现计算资源和数据集交互信息。由此可见，分析电气资源的数据特征，首先要明确数据信息流的时间尺度特征，云存储资源信息特征表示为公式1：
式中θ代表数据分类偏移角度，代表频率，t代表周期。
2.电气数据库云存储性能优化
2.1 云资源尺度伸缩算法
基于大型电气数据库的云存储模型和特征，对于存储模型的优化，采用网格空间资源信息流时间尺度分析法。优化设计关键点如下[4]：在电气数据库的云存储设计中，假设云存储资源为所有用户任务服务一轮所用时间为T，而每个时间段都可以处理用户的请求任务，那么云存储资源的负载表示为公式2，云网格进行电气数据调度的一个时间跨度表示为公式3：
假设网络结构模型是几何空间S，计算主机h1和h2之间的网格距离，可以采用尺度伸缩算法，得出资源调度的尺度特征为公式4：
2.2 云存储性能优化方法
依据资源尺度伸缩算法，假设电气数据库的云存储资源、服务匹配任务的有效率函数E（I，j）如下：
在云存储资源大数据信息集合中，给定两个数据轨迹A、B，那么A、B之间的分区方位协方差矩阵，计算正交加权约数均衡比可得到：
计算得出公式7中的最小值，将对应节点Hk作为输出结果，能保证云存储资源的均衡性，提高了云存储资源的调度性能，实现云存储性能优化的目标。
2.3 仿真实验分析
为了验证资源尺度伸缩算法的实际应用结果，选择10个计算节点组成云格环境，利用仿真平台扩充大型电气数据库中的云存储资源，形成100个任务组成的资源调度集。每个调度任务的执行时间为120s，将总任务分为10个队列。首先设计云存储任务调度系统网络模型，节点感知半径为20m，感知偏向角为p/4，将云存储任务调度系统分成16个虚拟检测单元。结果显示，第一，具有明显的频间谱峰值，时间-尺度建模分析结果准确，满足云存储资源均衡分配的要求；第二，云存储资源的数据分层融合度高，说明提高了数据资源的利用率，缩短了调度任务的执行时间，优化了数据库的云存储性能。
3.结语
综上所述，大型电气利用网络通信技术进行信息的传输和处理，在此期间会产生大量的电气数据，只有提高数据库存储性能，才能保证系统安全稳定运行。文中分析了云存儲模型的结构和数据特征，以云资源尺度伸缩算法为核心，介绍了云存储性能优化的方法。仿真实验结果证实，云存储资源分配均衡，数据资源利用率提高，调度任务执行时间缩短，可见具有较高的应用价值。
参考文献
[1] 王镜毓，石东源，陈金富.基于图数据库的继电保护整定计算数据存储与应用[J].电力自动化设备，2017，（09）：1-5.
[2] 余英瀚.面向对象视角的软件数据库[J].时代金融，2016，（24）：295-296.
[3] 金小明，吴鸿亮，周保荣，等.电网规划运行数据库与集成管理平台的设计与实现[J].电力系统保护与控制，2015，43（15）：126-131.
[4] 李进生，杨东陵.云计算环境下大型电气数据库存储性能分析与优化[J].电气应用，2015，34（06）：113-117.
[5] 李敬兆，任萍.嵌入式SQLite数据库在电气工程师PDA中的应用[J].安徽理工大学学报（自然科学版），2011，31（02）：26-30.