导读:本文包含了元数据引擎论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:数据,工作流,搜索引擎,引擎,租户,分布式,搜索结果。
元数据引擎论文文献综述
周文瑜[1](2019)在《基于元数据的搜索引擎的设计与实现》一文中研究指出针对物流元社区共享过程需要构建搜索引擎,对于普通用户来说,对物流元数据领域的相关认识还存在一定的缺陷,需要引入探索式访问技术,进一步表达检索请求,可实现元数据的检索功能,分面检索是一种探索检索方式,能够根据物体多维系最终完成检索结果聚类分析,因此用户可以选择分面值完成结果筛选。随着目前物流元数据增加以及异构化程度提升,分面数量逐渐增加,如果将所有分面均展示给用户则很容易导致用户出现选择困难。为将探索检索方式应用于物流元数据检索过程中,在本研究中针对物流元数据分面较多的问题,提出了基于保持率的分面推荐算法,并设计和实现物流元数据动态分面搜索引擎,通过研究结果发现所提出的算法能够显着提升最终的检索效率。(本文来源于《信息与电脑(理论版)》期刊2019年20期)
段翰聪,向小可,吕鹏程[2](2016)在《MUSE:一种面向云存储系统的高性能元数据存储引擎》一文中研究指出该文设计了一种高性能的面向云存储系统的元数据存储引擎(MUSE)。首先,其底层物理存储模块采用LSM-tree模型的高速key-value存储引擎Level DB方案,通过设计多缓存表和多线程紧凑机制对该方案进行优化,使其可以充分利用内存和多核CPU并行能力;其次,提出了基于多I/O通道的元数据存取调度机制。通道之间读写操作隔离,聚合多个通道为上层提供高并发随机I/O读写能力;此外,针对上层目录命名空间管理,提出路径分割映射和全路径映射策略两种策略,可基于不同的应用场景在性能与可用性间进行折中选择。系统测试结果表明,MUSE能够很好地适应海量小文件存储场景,相对于其他元数据存储系统在性能上有显着的提升。(本文来源于《电子科技大学学报》期刊2016年02期)
熊道德,焦永杰,吴东峰[3](2015)在《元数据驱动的工作流引擎技术》一文中研究指出工作流技术在现阶段的软件系统中发挥了巨大的作用,工作流引擎是工作流管理系统得以运行的核心,在流程的具体执行过程中起着至关重要的作用。提出了一种基于元数据驱动的工作流引擎技术,活动与活动之间不直接发生关系,而是通过相关的元数据改变而使得工作流在具体的执行过程中形成流程。这种方式实现了工作流的灵活建模,能够处理较为复杂的业务活动。(本文来源于《制造业自动化》期刊2015年13期)
蒋赞[4](2015)在《PaaS平台基于元数据的多租户核心引擎的研究与实现》一文中研究指出云计算主要包含Saa S(Software as a Service,软件即服务)、Paa S(Platform as a Service,平台即服务)和Iaa S(Infrastructure as a Service,基础设施即服务)叁层服务。Saa S是云计算环境下一种新兴的软件服务的托管模式和“按需组装,按需付费”的商业消费模式。而Paa S是把基础设施平台当作一种服务提供给用户的商业消费模式,在Paa S平台上可以直接开发、部署和运营Saa S应用。本文对CServer Paa S平台中能够支撑Saa S应用的开发、部署与运营的基于元数据的多租户核心引擎进行了研究与实现。首先,论文探讨了Saa S软件的4种成熟度模型,重点研究了多租户的数据处理机制和多租户数据存储技术,并对OSGi技术的运行原理和机制进行了深入探讨。其次,论文结合现有的多租户数据存储技术,提出了一种多租户数据存储模型:MBE(Multiple Basic Table And Extended Table)。MBE能够提高租户数据的整体存储空间利用率,降低租户数据发生模式演化的几率。再次,论文提出了多租户核心引擎的总体架构,并对引擎进行了详细设计,包括引擎的平台运营和资源管理等功能,实现了基于OSGi开发的模块的部署与运营以及租户系统的按需组装。最后,为了提高多租户核心引擎的性能,提出了负载均衡方案,使引擎具有高可用和高并发特性。本文研究的多租户核心引擎已应用在实际的Paa S平台上,能够稳定有效的支持多租户应用的运行。(本文来源于《西安工程大学》期刊2015-05-24)
范立衡[5](2014)在《基于键值存储引擎的元数据管理集群副本一致性的研究》一文中研究指出在现代存储系统中,为了提高数据访问效率,大多采用将文件数据与其元数据分开存储的组织方式进行管理。然而设计一个高性能、高可靠性的分布式文件系统元数据集群,需要解决的一个很重要的问题便是副本一致性。传统的一致性维护方法普遍用于保证副本间强一致性,但是强一致性容易对系统的读写性能造成较大影响。同时针对关系型数据库存在的负载均衡不足、数据可用性和查询性能欠缺等问题,引入键值存储系统,有效地满足了元数据信息的高并发、高性能访问需求。为此,本文提出了一种基于键值存储引擎的元数据集群副本一致性管理策略,并从副本的放置、读写、恢复以及同步这四个方面展开详细阐述了具体的维护副本方法,最终实现灵活的、用户可配置的副本一致性约束。本文首先介绍通过一致性哈希映射的方法快速地在复杂的集群网络中定位到元数据;接着利用键值存储系统的特点,提出实现了灵活可靠的副本读写策略;再针对集群中可能出现的故障或节点变动问题,介绍副本的恢复处理机制,提高集群的健壮性、鲁棒性;然后具体描述了副本的更新传播方式与副本的同步检测,保证系统副本数据的最终一致性;最后通过读写测试验证集群高效的读写性能,并进行高并发访问的压力测试,检测系统在高负载的情况下仍能提供可靠的服务。(本文来源于《杭州电子科技大学》期刊2014-03-01)
甘大广,苏学,张正峰[6](2013)在《科技文献搜索引擎元数据仓储建设实践》一文中研究指出文章分析了用户查询行为、行业资源出版模式等变化对数字资源整合的机遇与挑战,重点结合实际工作介绍了科技文献搜索引擎底层元数据仓储的建设过程,包括元数据采集、元数据规范、元数据整合等环节。(本文来源于《数字图书馆论坛》期刊2013年06期)
董薇[7](2011)在《基于元数据的面向高校学术数据库的搜索引擎设计》一文中研究指出为解决高校用户使用各个学术数据库时遇到的难题,提出了基于元数据的面向高校学术数据库的搜索引擎设计。(本文来源于《科技文献信息管理》期刊2011年01期)
殷志强,赫俊民[8](2011)在《基于元数据的数据查询引擎技术研究》一文中研究指出元数据技术是目前数据集成的主流技术,通过分析中石化科研管理系统,对元数据标准CWM、元模型和相关技术的研究,定义系统的元数据标准,设计并建立了中石化科研管理系统元数据库,实现了基于元数据的数据整合。通过基于元数据的科研项目定制查询引擎技术研究,建立了可定制的通用数据访问模型,实现了通用的数据查询引擎。(本文来源于《现代商贸工业》期刊2011年06期)
邢博[9](2010)在《元数据描述对搜索引擎排序结果影响研究》一文中研究指出基于元数据描述在搜索引擎排序算法中权重及对排序结果的影响越来越小这一问题,本文首先分析了元数据标签的存在价值及其对检索结果优化本应起到的作用,并对如何优化元数据标签,使其更好的揭示网页内容与特定主题的相关度这一问题进行了讨论。其次,在分析的基础上,通过实证研究的方法,利用不同主题范围的检索词在搜索引擎检索的结果,对元数据在搜索引擎当中的实际使用和优化情况进行了统计调查和建模分析,借此,考察元数据描述对搜索引擎排序结果的实际影响和意义,并提出了未来元数据描述在网页编写及搜索结果排序中应注意的问题。(本文来源于《现代情报》期刊2010年05期)
边小凡,魏磊,赵峰[10](2009)在《基于元数据引擎的IOC组件容器设计》一文中研究指出组件的多样性使得不同类型组件的集成及管理变得十分复杂。通过分析不同类型组件的特征,采用了一种新的方式对组件进行了重新设计及封装,使得应用程序能够以统一、高效的方式访问组件。同时,引入了一套支持IOC的轻量级元数据引擎对组件的生命周期进行管理,使组件的配置和应用相分离,从而使组件的添加、修改、删除更加简单。在设计过程中运用了多种设计模式,使整个容器更加合理。(本文来源于《计算机工程与设计》期刊2009年11期)
元数据引擎论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
该文设计了一种高性能的面向云存储系统的元数据存储引擎(MUSE)。首先,其底层物理存储模块采用LSM-tree模型的高速key-value存储引擎Level DB方案,通过设计多缓存表和多线程紧凑机制对该方案进行优化,使其可以充分利用内存和多核CPU并行能力;其次,提出了基于多I/O通道的元数据存取调度机制。通道之间读写操作隔离,聚合多个通道为上层提供高并发随机I/O读写能力;此外,针对上层目录命名空间管理,提出路径分割映射和全路径映射策略两种策略,可基于不同的应用场景在性能与可用性间进行折中选择。系统测试结果表明,MUSE能够很好地适应海量小文件存储场景,相对于其他元数据存储系统在性能上有显着的提升。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
元数据引擎论文参考文献
[1].周文瑜.基于元数据的搜索引擎的设计与实现[J].信息与电脑(理论版).2019
[2].段翰聪,向小可,吕鹏程.MUSE:一种面向云存储系统的高性能元数据存储引擎[J].电子科技大学学报.2016
[3].熊道德,焦永杰,吴东峰.元数据驱动的工作流引擎技术[J].制造业自动化.2015
[4].蒋赞.PaaS平台基于元数据的多租户核心引擎的研究与实现[D].西安工程大学.2015
[5].范立衡.基于键值存储引擎的元数据管理集群副本一致性的研究[D].杭州电子科技大学.2014
[6].甘大广,苏学,张正峰.科技文献搜索引擎元数据仓储建设实践[J].数字图书馆论坛.2013
[7].董薇.基于元数据的面向高校学术数据库的搜索引擎设计[J].科技文献信息管理.2011
[8].殷志强,赫俊民.基于元数据的数据查询引擎技术研究[J].现代商贸工业.2011
[9].邢博.元数据描述对搜索引擎排序结果影响研究[J].现代情报.2010
[10].边小凡,魏磊,赵峰.基于元数据引擎的IOC组件容器设计[J].计算机工程与设计.2009