DBMS负载自适应体系中系统监测部件的研究

数据库系统负载自适应体系是一个性能管理过程,在这一过程中自主计算数据库系统能够自动地控制和过滤负载、并有效地使用数据库系统资源来满足网络应用的性能要求。在数据库系统负载自适应体系框架中,系统监测部件负责监控系统资源的使用情况,并将监控到的信息反馈给相关部件。提出了系统监测部件应该具备的功能,给出了实现的途径,并研究了监测部件的性能要求,分析了如何降低监测部件本身对数据库的影响。最后基于Oracle数据库进行了验证。     

基于NVRAM的内存数据库性能优化策略研究与设计

为了提高内存数据库系统的实时性与稳定性,研究并设计了基于小存贮量的NVRAM获得内存数据库最大性能优化的策略与方法.该方法主要包括:设计NVRAM存储策略,增加控制文件以提高NVRAM的空间利用率;设计日志提交方法以减小提交时间从而提高事务运行速度;设计了系统的检查点策略,及时删除系统无用日志;提出快速恢复方法,在提高了系统的稳定性与可靠性的同时,加快了系统的数据恢复速度.实验结果表明了该策略的可行性与有效性.     

缓存关联对数据库系统性能的影响及其优化策略

研究了缓存关联对数据库系统性能的影响,并提出了一种优化策略,大大降低了数据访问时对缓存的争用。该优化技术实现简单,对已有系统改动小,已经实现并应用于开放源代码数据库系统Postgres和MySQL,以及自主开发的CoreBase数据库系统中,测试结果表明：数据库的查询速度得到了极大的提高。     

基于轻量数据挖掘方法的数据库锁表优化

为了保证数据库系统在不同的负载情况下,始终提供强大的事务处理能力,必须对数据库系统进行性能优化。依赖于DBA,来分析性能数据,然后进行系统优化,在系统越来越复杂、负载持续波动的情况下是很困难的,数据库系统的自我优化,是很有前途的解决系统性能问题的技术。针对数据库锁表管理,使用基于轻量数据挖掘的优化方法,通过对性能数据的学习,建立一个能够根据锁表参数预测系统性能的神经网络预测器;在系统运行过程中,自我优化模块不断监控性能数据的变化,通过规则引擎选择需要优化的参数,利用预测器获得参数调整的幅度大小,完成参数设置,提高系统性能。实验证明,数据库系统性能获得近16%的提高。     

数据库系统交易型负载自适应管理

数据库系统的负载自适应是指数据库系统通过对负载的过滤和控制有效利用系统资源去满足负载性能要求的过程。自治数据库系统负载管理框架（Autonomic Workload Management Framework,AWMF）是一种负载自适应的总体框架,给出了负载自适应的基本组件和主要工作过程。研究AWMF对交易型负载（Transactional Workload）的有效性,提出了基于查询成本（Query Cost）的交易型负载的排队网络模型,以该模型作为性能预测部件实现了AWMF的原型实现——查询调度器,通过实验验证了AWMF对交易型负载的有效性。     

Oracle数据库系统优化的研究

随着网络应用的普及,系统数据的存放地——数据库的数据量也急剧膨胀。计算机应用系统被广泛应用在社会的各行业、各部门。如何提高海量数据库系统的性能变得尤为重要,本文通过理论和实验研究,对Oracle海量数据库的优化作了一些研究和探索,说明海量数据库系统性能优化的重要性及Oracle海量数据库系统优化可以通过应用系统本身的调整来提高系统的性能。     

基于概率的自适应学习预测策略

动态电源管理技术降低系统功耗的主要办法是根据工作负载的变化动态地切换目标设备工作模式。针对自适应学习树模型的缺陷,提出基于概率的自适应学习预测策略,通过概率描述设备行为,能够提高预测正确率,从而达到系统功耗与性能之间的优化平衡。基于概率的自适应学习预测策略是一种集预测、控制、反馈为一体的预测策略。实验结果表明,该预测策略具有较好的稳定性,与其他预测策略相比可以进一步降低系统的功耗。     

数据库系统模拟负载的探讨和实现

本文论述了事先构造数据库系统模拟负载对数据库设计和性能优化的重要性,并以医院为例,根据数据库记录表可能出现的数据分布情况,探讨了模拟负载的生成和实现。并在分析实际情况和应用系统实际需求的基础上,构造相应数据库的模拟负载,嵌入模拟随机数据,为实现对数据库和事务处理过程的性能测试提供数据负载。     

数据挖掘在Web缓存中的应用研究

Web缓存是规划Internet的重要技术之一,替换策略对Web缓存系统的性能起着举足轻重的作用。网络环境与CPU和虚拟内存比起来允许使用更复杂的替换策略,并且网络环境的复杂性也需要精致的替换策略。大部分替换策略都是基于特定工作负载模型的,灵活性差。将数据挖掘应用于Web缓存中,提出一种事件驱动的自适应替换策略。使得Web缓存系统在网络工作负载模型变化时,不必更改替换算法库就能较好地提供服务。     

SQL Server数据库性能优化探究

数据库的性能优化直接影响到整个数据库应用系统的有效运行,论述了基于SQLServer大型数据库应用系统的性能优化问题,从数据库设计优化、SQL语句优化等方面出发,阐述了提高数据库系统性能的方法.     

基于量子蚁群算法的数据库连接查询优化

连接查询优化是提高数据库性能的关键技术,针对数据库连接查询优化效率低的难题,提出一种量子蚁群算法的数据库连接查询优化方法（QACA）.首先,将数据库连接查询计划左深树看作一个蚂蚁,然后,利用量子旋转门更新各路径信息素,并利用混沌变异策略保持种群多样性,通过蚂蚁之间的信息交流找到数据库连接查询最优计划,最后,进行数据库连接查询优化实例分析.结果表明,QACA是解决数据库连接查询优化的有效途径,获得理想的数据库连接查询计划,具有实际意义.     

一种改进的数据库查询优化算法

数据库查询优化技术对提高数据库的查询效率,增强数据库性能有重要作用。针对大型数据库中多表连接查询效率低的问题,提出了一种基于粒子群算法的改进查询优化算法。针对多表连接查询的特征,对粒子采用树形编码的方式,并提出了一种计算数据库查询执行代价的模型。实验表明,使用粒子群算法优化后的查询策略比原始查询策略的查询执行代价低,有效提高了系统的查询效率。     

试论数据库系统的优化举措

文章主要针对数据库系统查询优化进行探讨,其目的为探查最小执行代价(时间和费用)的策略,最优化系统性能。优化方法的应用选择一定要适当,并且要科学的权衡便捷度与执行代价,从而确定最佳的优化方案,提高系统执行率。     

基于多子群萤火虫算法的数据库查询优化

查询优化是提高数据库性能的关键技术,针对数据库查询优化效率低的难题,提出一种多子群萤火虫算法的数据库查询优化方法（MG-FA）。首先将数据库查询计划左深树看作一个萤火虫,然后将萤火虫群分为多个子群,各子群最优萤火虫通过信息交流找到数据库查询最优计划,最后进行数据库查询优化实例分析。结果表明,MG-FA是解决数据库查询优化的有效途径,能够获得理想的数据库查询计划,具有实际意义。     

大型遗留系统的性能与安全优化

为了解决大型遗留系统日益凸显的性能与安全问题,保证系统的可靠平稳运行,分析和研究了遗留系统的性能及安全现状,并在此基础上提出了优化策略.分别从前端、数据库、服务器、系统架构、系统安全五个方面阐述了优化方案,最后结合实例进行了优化策略验证.验证结果表明,该方案可以有效提升遗留系统的性能和安全等级.     

基于双缓存机制的分布式WebGIS数据集成访问策略

随着因特网的迅猛发展，分布式webGIS的重要性日益增加。如何提高分布式WebGIS的查询效率是其中的重要课题。针对此问题，本文提出了一种基于双缓存机制的分布式空间数据集成访问策略，给出了双缓存机制的控制数据结构，讨论了空间数据集成访问策略和针对WebGIS数据特点的缓存替换策略。实验表明，双缓存机制能够有效地提高分布式式WebGIS的查询速度。     

关系数据库的查询优化技术

查询优化是数据库管理系统设计和实现所采用的一项重要技术,也是影响数据库性能的关键因素。以实例为基础,结合数据库理论知识,对关系数据库查询优化策略从数据库设计、程序设计方面进行分析,并说明查询优化策略的具体应用。     

多主体服务组合的优化策略

论文分析了目前多主体服务组合的研究现状和存在的问题,为了提高多主体服务组合的性能,研究了主体服务请求的分类方法。在服务请求分类的基础上,研究了多主体服务组合的优化策略,提出了等价优化策略、相似优化策略和互补优化策略等三种优化策略,从理论上分析这些优化策略的性能特点,并用仿真实验验证了这些优化策略的有效性。     

带拥塞控制的多种群二元蚁群算法

二元蚁群算法在函数优化中有着良好的表现, 但仍存在易陷入局部最优和在多峰函数求解中无法同时得到多个解的缺陷. 使用拥塞控制策略改善算法的全局寻优能力, 同时引入多种群的思想, 提出了带拥塞控制多种群二元蚁群算法. 通过对几个不同函数(包括单峰与多峰)的测试, 实验结果表明该改进算法在保证较好的全局搜索能力的基础上, 拥有很好的多目标求解能力.     

改进灰狼优化算法求解模糊车间调度问题

模糊车间调度问题是复杂调度的经典体现,针对此问题设计优秀的调度方案能提高生产效率。目前对于模糊车间调度问题的研究主要集中在单目标上,因此提出一种改进的灰狼优化算法（improved grey wolf optimization,IGWO）求解以最小化模糊完成时间和最小化模糊机器总负载的双目标模糊柔性作业车间调度问题。该算法首先采用双层编码将IGWO离散化,设计一种基于HV贡献度的策略提高种群多样性;然后使用强化学习方法确定全局和局部的搜索参数,改进两种交叉算子协助个体在不同更新模式下的进化;接着使用两级变邻域和四种替换策略提高局部搜索能力;最后在多个测例上进行多组实验分析验证改进策略的有效性。在多数测例上,IGWO的性能要优于对比算法,具有良好的收敛性和分布性。