导读:本文包含了内存数据库论文开题报告文献综述、选题提纲参考文献，主要关键词:数据库,内存,股道,可用性,分布式,及时性,风险管理。
内存数据库论文文献综述写法
孙晓莹,宁传魁[1]（2019）在《内存数据库的架构设计与应用》一文中研究指出内存数据库是把外存全部或部分数据加载到内存中,在内存中维持数据的主拷贝。与传统的磁盘数据库相比,内存数据库中的所有事务,都是在内存中完成,它不与磁盘进行I/O交互。内存处理速度快,内存数据库适合于对信息及时性要求较高、信息并发量大的系统。基于此,笔者根据内存数据库的特性,设计出一个内存数据库架构并应用在项目中。(本文来源于《信息与电脑(理论版)》期刊2019年22期）
曾实梅[2]（2019）在《内存数据库在计费系统中的研究与应用》一文中研究指出随着通信技术和电子产业的快速发展,内存的价格不断降低,给直接将数据存储在内存中进行操作带来了更多的可行性。内存数据库的实质就是将所有数据都在内存中存储和管理,其有效解决了磁盘数据库I/O开销瓶颈的问题,大大提高了数据库的访问速度。本文通过对内存数据库和电信计费系统的研究,提出了一个将内存数据库应用于电信计费系统的思路,希望能以此提高电信计费系统效率。(本文来源于《中国新通信》期刊2019年22期）
叶符明,李雯婷[3]（2019）在《内存数据库中图论频繁模式挖掘方法仿真》一文中研究指出为解决当前内存数据库中图论频繁模式挖掘方法存在的运行时间较长、挖掘结果准确率较低及内存利用率较低的问题,提出基于次优树的内存数据库中图论频繁模式挖掘方法。给出频繁子图判定方法,结合FFSM算法,利用图顶点的邻接矩阵进行图论频繁模式候选子图生长,并将候选频繁子图的边与顶点标签存储到对应矩阵中,得到频繁子图次优树;分析图论频繁模式的性质,构建频繁子图削减规则,对所得次优树中的候选频繁子图进行遍历搜索与删减。根据图论频繁模式置信度下限计算结果与频繁项的序,按顺序排列删减优化后的频繁子图,结合频繁模式项目集与支持度对比,完成图论频繁模式挖掘。实验结果表明,相比于现有方法,所提方法挖掘准确率最低为97.22%,比现有方法更高;对于内存空间的利用率明显提高,且耗时更短,工作效率更高。综上所述,所提方法整体更具优势。(本文来源于《计算机仿真》期刊2019年10期）
李璋琪[4]（2019）在《内存数据库迁移方法改进研究》一文中研究指出采用传统方式迁移内存数据库需要耗费较长时间,给业务连续性带来挑战。本文针对上述问题,研究内存数据库组件特性,提出利用内存数据库组件Cache Group的刷新特性,通过以增加额外备用数据库进行中转的方式,逐步改进迁移方法、降低实施风险、减少迁移时长,解决内存数据库迁移过程对业务处理的影响。目前已在多个区域的工程实践过程中验证了该方法的可行性和有效性。(本文来源于《电子技术与软件工程》期刊2019年17期）
方祝和[5]（2019）在《内存数据库中多表连接的性能优化》一文中研究指出应用的需求和硬件的更新不断驱动数据库的发展。在当前的大数据时代,为了及时获取海量数据中蕴藏的价值,实时分析海量数据是一个典型的应用需求。这个需求不能被以磁盘为主要存储介质的系统满足,例如传统的磁盘数据库和Hadoop,因为这些系统中的查询性能主要被磁盘I/O限制。随着硬件工艺的发展,大内存集群为实时分析海量数据提供了可能性,不管是从价格因素还是潜在的性能提升的角度考虑,那么如何利用内存数据库来加速实时分析是一个值得探究的问题。在数据库中,数据分析通过SQL查询语言来操作,而其中的连接算子是一个被频繁使用的操作。连接算子非常耗时,在连接多张表时尤为严重,一直以来是数据库中研究的重点和难点问题。所以本文致力于在内存数据库中探索加速多表连接性能的方法。一条多表连接查询语句的物理计划包含多条查询流水线。本文从流水线之间并行以及流水线内部并行的两个角度展开研究,主要工作和贡献如下:(1)实时的任务调度器:从独立并行的角度出发,并行多条流水线为加快完成多表连接查询提供了可能。然而内存数据库中多流水线并行执行过程存在严重的资源浪费以及执行顺序不优的问题。本文针对这两个问题分别提出两项动态调度技术:自适应填充和基于优先级的抢占。这两项技术指导实现了一个面向内存集群的实时任务调度器。该调度器包括两个层次,全局层负责安排流水线的执行顺序并且额外调度一些流水线任务用于填充集群中动态出现的空闲资源;本地层负责在多个流水线任务间协调资源分配,以提高本地资源使用率。这两个层次互相配合,避免浪费资源以缩短整个查询语句中多个流水线的执行时间。(2)向量化的多表探测算子:多表连接查询生成的多条流水线中,包含多表探测的流水线非常耗时,最高可达整个连接过程的90%。另一方面,高位宽的SIMD向量化技术提供更高的数据级别并行,可以加速复杂操作。因此本文探索SIMD向量化多表探测过程的编码方式和实现。本文总结了现有SIMD向量化的编码方式,为了消除其中的标量尾部问题,提出了全程向量化的编码方式,以求充分利用向量化技术。基于这种新的编码方式,本文首先分析了星型连接中多表探测阶段耗时的原因,然后探讨了如何利用SIMD指令来加速多表探测阶段,最终设计并实现了垂直向量化和水平向量化的多表探测算子。实验表明垂直向量化的多表探测算子更加高效,能够大幅度减少多表探测过程的执行时间,从而提高所在流水线的性能。(3)多向量交错执行技术:多表连接查询中的每条流水线会频繁访问哈希表,面临内存访问的性能瓶颈。这个问题在向量化执行中更加严峻,因为一个向量需要的数据中只要有一个发生缓存缺失,那么整个向量的执行都被拖延。因而本文探索用数据预取的方式避免向量化连接遇到的缓存缺失问题,形成多向量交错执行技术。该技术交错地执行多个向量化代码的实例,当一个执行实例发生内存访问时,它只是发出数据预取指令,然后切换到其他的执行实例,以期望数据访问跟多个执行实例的运算相重迭。此外,针对向量化代码中的控制流分歧问题,本文提出残余向量状态来与分歧的向量状态整合,从而消除向量中的气泡。该技术可以突破向量化技术面临的内存访问瓶颈,充分发挥向量化执行的优势,所以能够显着地提升向量化连接的性能。综上所述,本文从多任务调度、向量化技术和内存访问叁个方面来加速内存数据库中的多表连接。通过在标准测试数据集上进行多项实验,本文证明了所提出方法的正确性和有效性。本文的工作为实现一个全程向量化的执行引擎奠定基础,以求避免现有执行方式中的缓存缺失、分支预测错误和计算等性能瓶颈,从而充分发挥内存数据库的优势。(本文来源于《华东师范大学》期刊2019-05-01）
滕旭华[6]（2019）在《面向列式内存数据库的代码生成技术》一文中研究指出在飞速发展的信息时代,对于各类信息的存储、查询需求越来越大,尤其是当现实社会的各类信息都被转化成电子信息存放和表示时。对于数据的存储、加工、查询的需求越来越高。数据库是数据处理的中坚力量,如何提高查询性能是数据库设计与实现的重要议题。数据库拥有复杂的类型体系和解释执行的计算方式,带来许多冗余计算,这导致其执行效率较低,无法充分利用硬件特性;而传统编译器又只能在执行前生成代码,无法消除数据库带来的不确定性。如果在执行时使用数据库的动态信息和用户查询请求中的信息,去掉不需要的冗余指令,优化代码逻辑,将进一步提高执行效率。本文讨论了在分布式列式内存数据库中,使用即时编译器作为工具,根据数据库中的算子逻辑和动态执行信息,生成更优执行代码的技术。本文没有采用将整个查询分析树转化成执行函数的做法,因为在分布式环境下,列式存储的引擎将打破这样转化带来的优势,而只在单个算子内部进行代码生成。本文采用Impala数据引擎封装的即时编译库作为底层支撑组件,在分布式内存数据库Goldfish中,实现了排序、分组两个算子和表达式计算部分的编译执行,并提出了基于元组数目进行自适应代码生成的方法。文章详细介绍了数据库中的排序、分组、聚合等算子如何在运行时,动态修改执行逻辑,以期获得更好的执行效率,并对使用代码生成技术的算子进行单元测试。根据测试结果,在一定范围内,代码生成技术在元组数目越大时效果越明显。排序和分组算子都在元组数目较大时获得了几倍的性能提升,聚合算子中的表达式计算模块也获得了一定的性能提升。使用相关工具测试之后发现,使用代码生成技术的新算子,其指令数低于未进行代码生成的算子,其内存占用峰值也较低,因此无论是从时间效率还是空间效率来看,代码生成技术都能够提高查询性能。当元组数目较小时,由于代码生成本身会有开销,反而会降低程序性能。因此实际运行过程中,需要根据输入元组的数目确定是否使用代码生成技术。(本文来源于《电子科技大学》期刊2019-03-29）
王凤琳[7]（2019）在《基于TimesTen内存数据库提升股道现车同步应用性能的研究与测试》一文中研究指出介绍铁路运输信息集成平台股道现车同步应用的现状和存在问题,针对目前Oracle数据库环境下应用处理的性能,使用TimesTen内存数据库进行了性能和高可用测试。测试结果表明,TimesTen可大幅提升应用处理效率,其高可用性保证了业务处理的连续性和数据的完整性,且运维人员仅需对既有应用进行部分适应性修改就可实现Oracle数据库到TimesTen内存数据库的迁移,为全面提升股道现车同步应用性能提供了科学依据和有力支撑。(本文来源于《铁路计算机应用》期刊2019年02期）
王莹,王艳[8]（2019）在《内存数据库索引研究》一文中研究指出内存数据库将数据存储在内存中进行操作,与基于磁盘的数据库相比在性能上得到提升,但是由于MMDB与DRDB的性能瓶颈的差异,用于DRDB的B+树索引算法已经不再适用于MMDB。为适应内存数据库的性能,T树,CSS树,CSB+树等索引算法相继被提出,但是这些算法没有考虑到TLB失效会影响索引的性能。本文通过对CSB+树进行改进,得到一种更适用于内存数据库的索引算法。实验证明,该索引结构可以降低TLB失配,提升处理器缓存的利用率,提高查询效率。(本文来源于《齐齐哈尔大学学报(自然科学版)》期刊2019年01期）
陆鑫,王艳蓉,孙超,史豪杰[9]（2019）在《一种高性能多模式的内存数据库系统》一文中研究指出随着智能电网和工业物联网的蓬勃发展,针对单一模式的数据库不能满足所有需求的问题,研发一种高性能多模式的内存数据库,以适应单应用、多应用、多节点、多现场等不同部署模式下的高性能数据访问要求。数据库以面向对象方式建模,提供面向对象接口、SQL接口和键值访问接口,适应不同的编程模式和使用场景。该数据库广泛应用于电力、冶金、交通等多个领域,通过数千个不同规模系统的稳定运行验证其多模式的灵活性。(本文来源于《计算机应用与软件》期刊2019年01期）
张光明[10]（2019）在《基于HANA内存数据库的统信报表平台》一文中研究指出HANA内存数据库,应用多维分析引擎技术,构建保险统信报表平台,对业务和财务数据中的40个维度和近万个指标建模,实现了多维统计报表秒级响应,提升了分析效率,更好地支持公司运营管理和分析,逐步推广成为精细化的管理平台。(本文来源于《科技创新与应用》期刊2019年01期）
内存数据库论文开题报告范文
（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：
随着通信技术和电子产业的快速发展,内存的价格不断降低,给直接将数据存储在内存中进行操作带来了更多的可行性。内存数据库的实质就是将所有数据都在内存中存储和管理,其有效解决了磁盘数据库I/O开销瓶颈的问题,大大提高了数据库的访问速度。本文通过对内存数据库和电信计费系统的研究,提出了一个将内存数据库应用于电信计费系统的思路,希望能以此提高电信计费系统效率。
（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。
内存数据库论文参考文献
[1].孙晓莹,宁传魁.内存数据库的架构设计与应用[J].信息与电脑(理论版).2019
[2].曾实梅.内存数据库在计费系统中的研究与应用[J].中国新通信.2019
[3].叶符明,李雯婷.内存数据库中图论频繁模式挖掘方法仿真[J].计算机仿真.2019
[4].李璋琪.内存数据库迁移方法改进研究[J].电子技术与软件工程.2019
[5].方祝和.内存数据库中多表连接的性能优化[D].华东师范大学.2019
[6].滕旭华.面向列式内存数据库的代码生成技术[D].电子科技大学.2019
[7].王凤琳.基于TimesTen内存数据库提升股道现车同步应用性能的研究与测试[J].铁路计算机应用.2019
[8].王莹,王艳.内存数据库索引研究[J].齐齐哈尔大学学报(自然科学版).2019
[9].陆鑫,王艳蓉,孙超,史豪杰.一种高性能多模式的内存数据库系统[J].计算机应用与软件.2019
[10].张光明.基于HANA内存数据库的统信报表平台[J].科技创新与应用.2019