數(shù)據(jù)空間數(shù)據(jù)源描述信息更新策略研究.pdf

1、互聯(lián)網(wǎng)的飛速發(fā)展使得我們被大量的信息所包圍。大數(shù)據(jù)是這個(gè)信息時(shí)代最鮮明的特征，如今全球的數(shù)據(jù)存儲(chǔ)已經(jīng)進(jìn)入了“澤它時(shí)代”。信息的爆炸式增長(zhǎng)給我們帶來的問題很多，不僅是存儲(chǔ)空間的問題，還有存儲(chǔ)模式的問題。多樣化的數(shù)據(jù)無法存儲(chǔ)在模式單一的數(shù)據(jù)庫(kù)中。近幾年，為了解決這種異類數(shù)據(jù)的存儲(chǔ)問題，提出數(shù)據(jù)空間(Data Space)的概念。數(shù)據(jù)空間能夠淡化數(shù)據(jù)模式，支持不同類型數(shù)據(jù)的分布式存儲(chǔ)，支持 pay-as-you-go的方式。數(shù)據(jù)空間作為一種新

2、的數(shù)據(jù)管理技術(shù)，以用戶為中心，為用戶提供數(shù)據(jù)管理服務(wù)。
　　數(shù)據(jù)空間是一個(gè)新的研究領(lǐng)域，在數(shù)據(jù)存儲(chǔ)、查詢、索引等方面已經(jīng)有一定的研究工作。但是目前學(xué)術(shù)研究界對(duì)其更新問題的研究還不成熟，并且數(shù)據(jù)空間中數(shù)據(jù)源的分布式存儲(chǔ)以及數(shù)據(jù)源的多源異質(zhì)異構(gòu)特性使數(shù)據(jù)空間的更新研究更加復(fù)雜。
　　本文研究了數(shù)據(jù)空間中數(shù)據(jù)源的更新策略，確切地說是數(shù)據(jù)源描述信息的更新策略。完成的主要工作包括：（1）采用模糊哈希的方式對(duì)文檔內(nèi)容的變化程度進(jìn)行分析，

3、確定是否達(dá)到需要更新其描述信息的標(biāo)準(zhǔn)。（2）對(duì)于文檔數(shù)據(jù)的更新，提出一種重要性與新鮮度相結(jié)合的方法，以用戶的要求為標(biāo)準(zhǔn)，給不同的文檔集合設(shè)置不同的更新頻率。（3）將數(shù)據(jù)空間文件夾單獨(dú)視為一類資源，設(shè)計(jì)了一種檢測(cè)其增刪改變化的算法。（4）采用時(shí)間序列預(yù)測(cè)的方法，構(gòu)建ARIMA模型來預(yù)測(cè)網(wǎng)頁(yè)的改變頻率。
　　本文重點(diǎn)研究了數(shù)據(jù)空間中的本地?cái)?shù)據(jù)源與在線數(shù)據(jù)源的更新策略?；贏RIMA模型，提出了預(yù)測(cè)數(shù)據(jù)源改變頻率的方法。針對(duì)不同數(shù)據(jù)源制