データ特徴指向メモリホップ最適化技術【JST・京大機械翻訳】

Li Liang; Wu Gang; Wang Guoren

文献

J-GLOBAL ID：202002246701600095 整理番号：20A1587221

データ特徴指向メモリホップ最適化技術【JST・京大機械翻訳】

In-memory Skiplist Optimization Technologies Based on Data Feature

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A1587221&COPY=1") }}
高度な検索・分析はJDreamⅢで

著者 (3件)： , ,
資料名：
号： 3 ページ： 663-679 発行年： 2020年
JST資料番号： C2542A ISSN： 1000-9825 CODEN： RUXUEW 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：中国 (CHN) 言語：中国語 (ZH)

ホップテーブルはデータベースで広く採用されているインデクシング技術であり、その利点は類似半値探索の複雑度O(log(n))を達成できることである。しかし,標準ホップテーブルアルゴリズムでは,ノードの層数はランダムアルゴリズムにより生成され,これはホップテーブルの性能が不安定である。極端な場合,探索複雑性はO(n)に縮退する。これは,古典的ホップテーブル構造が結合データの特徴を持たないからである。安定したジャンプ表構造は,データ分布特性を十分に考慮して,ノード層数を決定する。カーネル密度推定の方式に基づいて,データ累積分布関数を推定し,ホップテーブルにおけるデータ位置を予測し,次に,ノード層数を判定するためのホップテーブルアルゴリズムを設計した。また、ホップテーブルの探索過程において、ノード層の数が大きいノードがアクセスされる確率が高くなる。履歴データのアクセス頻度に対して、頻繁なアクセスを保証する「熱」データができるだけジャンプ表の上層にあり、少ない「冷」データがジャンプ表の下層にアクセスする跳躍アルゴリズムを設計する。最後に,合成データと実際のデータに基づいて,標準ジャンプテーブルと5つの改良ホップテーブルアルゴリズムに関する包括的実験評価とオープンソースコードを示した。実験結果は,最適ホップテーブルが60%の性能向上を達成することを示した。これは将来の科学研究従事者とシステム開発者に良い方向を指摘した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

, , , , , , ,
, , , 【Automatic Indexing@JST】

計算機網

前のページに戻る