《使用通用GPU的非同質分散式數據流skyline查詢方法的研究》是依託蘇州大學，由趙雷擔任項目負責人的面上項目。
基本介紹
- 中文名：使用通用GPU的非同質分散式數據流skyline查詢方法的研究
- 項目類別：面上項目
- 項目負責人：趙雷
- 依託單位：蘇州大學
項目摘要,結題摘要,
項目摘要
近年來，對數據流管理和套用的研究一直是一個熱點，分散式數據流處理是其中一個重要的分支。非同質分散式數據流（HeDS）是數據流套用發展到一定階段的產物。.本課題的研究關注HeDS的結構特性、查詢特性和負載特性。主要研究內容是：HeDS的skyline連續查詢的性能評估模型；HeDS負載評估和降載策略；基於通用GPU計算體系結構的若干核心處理算法等。通過對本課題的研究，希望解決HeDS查詢處理中的若干關鍵問題，如：流量匹配、查詢的代數表示、DSQ模型及查詢性能評估、通用GPU體系結構特性對算法構造的影響等，並得到一個高性能HeDS處理系統的原型。本課題的主要特色是：使用代數方法表示複雜的數據流查詢；使用查詢分解模型進行性能評估；同時使用主動和被動兩種策略來保障查詢的效率和質量。本課題的研究成果可套用於複雜條件下的高密度數據流處理，如：網路數據分析、物聯網套用等。
結題摘要
分散式數據流Skyline查詢問題被普遍套用於感測器網路、物聯網、金融數據實時分析和電子商務等重要的套用領域。本課題主要研究了不確定分散式數據流上的高效子空間skyline查詢。本課題首先通過建立查詢性能的計算模型，分析並找出了影響分散式數據流的skyline查詢性能的關鍵因素是對並發查詢事務的加鎖調度機制。 本課題的第二項研究內容在此基礎上展開。在已經被廣泛使用的多核計算環境下，通過分析並發查詢事務對臨界資源需求的實時快照，建立了一種針對並發查詢事務的無鎖調度機制，從而極大地提高了查詢的性能。本課題的第三項重點內容是對分散式數據流的skyline查詢算法。本課題完成了skyline系列查詢中具有較高難度的分散式不確定數據流的子空間skyline實時查詢。該項研究內容在完成精確查詢的前提下，進一步提出了性能更優的近似查詢方法和使用通用GPU的查詢方法，從而使得具有較高難度的子空間上的skyline實時查詢獲得了令人滿意的性能。最新研究成果表面，skyline查詢已經不是一種單純的查詢方法，而是一類查詢方法的統稱。最新的skyline查詢方面的研究主要集中於針對數據形態的多樣性，如：不確定數據、分散式數據、數據流、子空間查詢等等。本課題的挑戰在於綜合了上述四種複雜情況。
