关系数据库支持的不确定时间序列存储与优化方法研究

关系数据库支持的不确定时间序列存储与优化方法研究

论文摘要

时间序列作为一种常见的数据表现形式,广泛存在于现实世界的许多应用领域。人类通过对观测和采集到的时间序列数据加以处理,可以解决决策和预测等诸多方面的问题,尤其对于国民经济宏观控制、气象预报、地震前兆预报等现实应用具有重要意义。由于不确定性数据的普遍存在,当前基于对确定性时间序列数据的存储和管理理论已经无法适用于实际需要。首先,传统时序数据库普遍采用在分布式环境下的列式存储,以这种形式存储不确定时间序列数据会造成存储资源的浪费。其次,相比于精确数据,不确定数据中一个时间点上对应多个数据,使用传统时序数据库存储容易造成数据的混乱。目前,针对不确定时间序列数据的存储少有研究成果发表。本文致力于对不确定时间序列在关系数据库中的存储方法进行研究,试图在克服传统数据库缺陷的基础上,寻找一种简单高效的数据存储方式,实现不确定时间序列数据的有效存储。论文的主要工作包括两点:1.提出一种基于关系数据库的不确定时间序列存储方法。首先,利用传统结构化表示语言对非结构化不确定时间序列进行描述,并分析其存储到关系数据库所带来的问题。其次,通过分析这些问题并结合传统时序数据库的存储特点,提出了针对不确定时序存储框架。然后,为了实现不确定时间序列有效存储,在关系数据库的逻辑层设计存储模型以及在物理层选择最佳数据组织方式。最后设计并开发一个用于存储不确定时间序列的原型系统,并对存储结构进行分析与对比,验证本文提出的存储方法的可行性。2.提出对不确定时间序列存储系统优化的方法。写入效率与查询效率是对于不确定时序存储的重要指标,为了提高存储的写入速率和查询效率,针对不确定时序特点建立了一个双缓存机制,将读写操作分离,并在达到一定操作量时,通过触发提交策略减少系统申请的I/O资源,进而提高写入效率。此外,运用热数据选取策略,将比较热的不确定时序数据放入查询缓存,用以提高查询效率。实验结果表明,相比于未添加缓存机制的存储系统,论文提出的添加缓存机制后的存储原型系统优化方法在写入和查询方面具有更高的效率。

论文目录

  • 摘要
  • abstract
  • 缩略词
  • 第一章 绪论
  •   1.1 研究背景和意义
  •     1.1.1 时间序列
  •     1.1.2 不确定时间序列的存储分析
  •   1.2 国内外研究现状
  •     1.2.1 时间序列存储的研究现状
  •     1.2.2 不确定时间序列研究现状
  •   1.3 论文研究内容与结构
  • 第二章 基础知识
  •   2.1 时间序列的相关定义
  •     2.1.1 确定时间序列
  •     2.1.2 不确定时间序列
  •   2.2 时序数据存储模型
  •     2.2.1 行存储模型
  •     2.2.2 列存储模型
  •   2.3 缓存技术
  •     2.3.1 缓存概念
  •     2.3.2 缓存性能指标
  •     2.3.3 缓存置换策略
  • 第三章 不确定时间序列存储设计与实现
  •   3.1 引言
  •   3.2 问题分析与解决方案
  •     3.2.1 问题提出
  •     3.2.2 存储需求
  •     3.2.3 存储框架原则
  •   3.3 存储模型
  •     3.3.1 不确定时间序列的数据模型
  •     3.3.2 存储模型结构
  •   3.4 存储规则
  •   3.5 存储算法
  •   3.6 数据组织方式
  •   3.7 原型系统设计与实验分析
  •     3.7.1 开发环境与数据集
  •     3.7.2 原型系统体系结构
  •     3.7.3 原型系统的实现
  •     3.7.4 实验分析
  •   3.8 本章小结
  • 第四章 不确定时序数据存储的优化
  •   4.1 引言
  •   4.2 双缓存系统整体结构
  •   4.3 写缓存设计
  •     4.3.1 提交策略
  •     4.3.2 写更新操作
  •   4.4 查询缓存设计
  •     4.4.1 热数据选取策略
  •     4.4.2 置换策略
  •     4.4.3 查询操作
  •   4.5 实验分析
  •     4.5.1 实验数据
  •     4.5.2 测试结果与分析
  •   4.6 本章小结
  • 第五章 总结
  •   5.1 论文总结
  •   5.2 未来工作展望
  • 参考文献
  • 致谢
  • 在学期间的研究成果及发布的学术论文
  • 文章来源

    类型: 硕士论文

    作者: 王玙

    导师: 马宗民

    关键词: 不确定时间序列,关系数据库,时序数据库,存储模型,缓存机制

    来源: 南京航空航天大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 数学,计算机软件及计算机应用

    单位: 南京航空航天大学

    分类号: TP311.13;O211.61

    DOI: 10.27239/d.cnki.gnhhu.2019.001929

    总页数: 79

    文件大小: 1528K

    下载量: 53

    相关论文文献

    • [1].基于非稳态时间序列的生理控制模型研究[J]. 系统工程理论与实践 2020(02)
    • [2].基于多样化top-k shapelets转换的时间序列分类方法[J]. 计算机应用 2017(02)
    • [3].时间序列趋势预测[J]. 现代计算机(专业版) 2017(02)
    • [4].基于分型转折点的证券时间序列分段表示法[J]. 商 2016(31)
    • [5].基于ARMA模型的股价预测及实证研究[J]. 智富时代 2017(02)
    • [6].《漫长的告别》(年度资助摄影图书)[J]. 中国摄影 2017(04)
    • [7].王嵬作品[J]. 当代油画 2017(07)
    • [8].基于模糊时间序列的计算机信息粒构建研究[J]. 粘接 2020(10)
    • [9].基于时间序列挖掘的合成旅装备维修保障能力预测[J]. 系统工程与电子技术 2020(04)
    • [10].风速时间序列混沌判定方法比较研究[J]. 热能动力工程 2018(07)
    • [11].土壤退化时间序列的构建及其在我国土壤退化研究中的意义[J]. 土壤 2015(06)
    • [12].基于信息颗粒和模糊聚类的时间序列分割[J]. 模糊系统与数学 2015(01)
    • [13].不确定时间序列的降维及相似性匹配[J]. 计算机科学与探索 2015(04)
    • [14].时间序列的异常点诊断方法[J]. 中国卫生统计 2011(04)
    • [15].基于独立成分分析的时间序列谱聚类方法[J]. 系统工程理论与实践 2011(10)
    • [16].面向不确定时间序列的分类方法[J]. 计算机研究与发展 2011(S3)
    • [17].一种基于频繁模式的时间序列分类框架[J]. 电子与信息学报 2010(02)
    • [18].超启发式组合时间序列预报模型[J]. 福建电脑 2020(08)
    • [19].基于深度学习的时间序列算法综述[J]. 信息技术与信息化 2019(01)
    • [20].基于时间序列符号化模式表征的有向加权复杂网络[J]. 物理学报 2017(21)
    • [21].基于互相关的二阶段时间序列聚类方法[J]. 计算机工程与应用 2016(19)
    • [22].基于期货市场行为的时间序列切分及表示方法研究[J]. 中国管理信息化 2015(19)
    • [23].基于形态特征的时间序列符号聚合近似方法[J]. 模式识别与人工智能 2011(05)
    • [24].基于模糊时间序列对我国对外贸易中的进口水平的预测[J]. 统计与决策 2010(23)
    • [25].模糊变量时间序列及其应用[J]. 辽宁工程技术大学学报(自然科学版) 2010(06)
    • [26].时间序列流的分层段模型[J]. 小型微型计算机系统 2009(04)
    • [27].发动机转速时间序列分形特征分析[J]. 机械科学与技术 2008(11)
    • [28].基于HDAD的异构航空数据异常检测的研究[J]. 计算机仿真 2020(03)
    • [29].重庆藕塘滑坡地下水位时间序列混沌性判别与预测[J]. 人民长江 2020(S1)
    • [30].基于能量过滤的不确定时间序列数据清洗方法[J]. 智能计算机与应用 2019(04)

    标签:;  ;  ;  ;  ;  

    关系数据库支持的不确定时间序列存储与优化方法研究
    下载Doc文档

    猜你喜欢