|
|
1.
基于聚类分析分库策略的社交网络数据库查询性能与数据迁移
梁双, 周丽华, 杨培忠
计算机应用
2017, 37 (3):
673-679.
DOI: 10.11772/j.issn.1001-9081.2017.03.673
社交网络数据具有一定的聚合性，即特征上相近的用户之间更容易产生某种行为。依照常规的水平切分方法，在执行这些事件的信息查询时，将会耗费大量的时间和连接损耗去依次访问多个数据库。针对此问题，提出了基于聚类分析的社交网络数据库分库策略。将社交网络主体的特征标量进行聚类，使得聚集程度高的主体尽量分割到一个或尽可能少的几个分库中去，从而提高事件的查询效率，并在此基础上兼顾负载均衡与大数据迁移等问题。实验结果表明，该策略在社交网络的主流事件查询上都表现出不同程度的性能提升，最高提升程度达到23.4%，并且实现了局部最优负载均衡和零数据迁移。总的来说，基于聚类分析的社交网络数据库分库策略在提高查询效率、平衡负载以及大数据迁移可行性上，比传统水平切割分库有了相当的优势。
参考文献 |
相关文章 |
多维度评价
|
|
