基于内容的发布订阅系统匹配算法研究

来源 :河南大学 | 被引量 : 0次 | 上传用户:spcheng
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
计算机网络覆盖率的不断扩大与互联网技术的极速发展在很大程度上改变了分布式系统的规模与复杂程度,系统在规模与复杂程度方面的改变对通信模型的动态性和系统的松耦合性的提出了更高的要求。传统的同步通信模型具有一些特性,如紧耦合性、静态性等,这些特性使其在异步传输、多点通信、大规模传输等方面受到了一定的威胁。而发布/订阅系统是一种中间件系统,具有异步传输,多点通信和松耦合的特点,使通信双方能够在时间、空间与控制流上实现完全解耦。基于内容的发布/订阅系统,因为其具有以下特征:丰富的表达能力,较为灵活的订阅语言以及能够以较细的粒度对事件信息执行检索操作,逐渐成为许多学者研究的热点。虽然基于内容的发布/订阅系统灵活性和表达能力很强,但同时也带来了巨大的挑战:系统中存在较多的订阅数目,且系统根据订阅条件与事件进行匹配。因此,需要设计高效的匹配算法来提高匹配效率。本文针对匹配问题进行了深入的研究,主要研究成果如下:(1).提出了一种名为AVDDM的事件匹配算法,该算法基于多个属性链构造一个索引结构。AVDDM按属性值域将每条链划分成若干个单元,并将订阅分类存储在相应链的相应桶中。属性值域的划分可以有效的减少订阅中参与匹配的订阅个数。理论分析和实验数据表明,AVDDM在匹配时间、插入时间、删除时间和内存开销上具有一定的优势。(2).针对包含若干公共属性的订阅的匹配问题,设计了一种新的索引结构Dh-Tree。Dh-Tree选取多个公共属性作为索引属性,并将属性值域划分成若干个单元,将每个索引属性值域划分的单元链接在一块构成一个哈希树。Dh-Tree本质上是一个由多个链组成的哈希表,在事件匹配的时候可以过滤掉许多不匹配的订阅,只与那些具有较高匹配概率的订阅进行匹配。理论分析和实验数据表明,Dh-Tree的匹配速速平均是同类算法的5倍。
其他文献
创伤、神经退变、缺血缺氧等引起的周围神经损伤已成为临床常见疾病之一。神经一旦断裂损伤将导致神经信号传导途径中断,相应的靶器官功能受到影响,进而机体功能发生障碍,严
随着移动手机的普及和其功能的日益丰富,我们能够通过移动手机采集的数据,推断人们的日常行为。如何提高学业成绩,无疑是学生用户群体最关心的话题之一,学业成绩的影响因素、
股权激励作为解决公司委托代理问题的重要手段,已经逐渐被许多国内外的上市公司采用,同时也取得了很大的效果。而信息技术行业本身具有的高智能性、高成长性、高风险和高回报的特征,使得实行股权激励公司也越来越多。因此,对我国信息技术业股权激励设计的合理性及实施的有效性进行研究具有十分重要的意义。本文针对S公司在2013年和2016年实施的两次股权激励方案,从股权激励的对象、模式及业绩条件等方面对S公司股权激
近年来,针对精准肿瘤医学的创新型临床试验受到了越来越多的关注,肿瘤学的研究焦点也慢慢从肿瘤组织学类型转移到多肿瘤类型的相同基因变异,因此,越来越多关于篮子试验的研究与应用,以节约资源及让更多肿瘤患者获益。篮子试验通常纳入携带相同基因和分子变异的多组织学类型的肿瘤患者,能够同时评估某个靶点明确的靶向药物或组合对不同肿瘤类型患者的安全性和有效性。实现多个独立平行的II期临床试验的传统篮子试验设计往往会
随着技术的进步,微处理器与存储器之间的性能差距越来越大。为了减缓处理器与存储器之间的性能差距,片上缓存被广泛使用。缓存的工作基础是程序数据访问的局部性。然而,很多
传统因果推断主要关注平均处理效应(average treatment effect,ATE),然而这可能掩盖个体患者反应中重要的异质性。随着精准医学和个性化医疗时代的到来,人们已经从以疾病为中心推进到以个体为中心——提供基于个体的证据指导临床决策,以实现患者的最佳治疗。目前在推进精准医学的发展方面一个日益增长的兴趣是评估异质性处理效应(Heterogeneous treatment effect,
随着社会的发展,人们对于微型化大视场光学系统的需求与日俱增,传统的光学系统因为衍射效应的限制,在小型化的同时难以兼顾分辨率和视场角,因此需要研究新型光学系统。仿昆虫
在信息时代迅猛发展的大环境前提下,数据量也随之增长到海量级别,例如图像分类、病理检测、网页推荐等领域,其中标记数据特别稀少,无标记数据大量存在。基于该现实状况,迫切
燃油温度的升高和环境压力的降低均会使液体更容易达到过热状态,而当燃油温度和压力均高于其临界值时,便会进入到超临界态。这两种状态均有助于混合气的快速制备,从而实现高
主题模型是文本主题聚类的关键技术,被广泛应用于文本分析、新闻推荐、舆情监控等涉及到文本主题的领域。隐含狄利克雷分布(Latent Dirichlet Allocation,LDA)是一个成功的主