基于加權(quán)V圖的異地多活數(shù)據(jù)中心接入劃分

曹衛(wèi)東，周 原，孫曉君，王 靜

(1.中國民航大學(xué) 天津市智能信號(hào)與圖像處理重點(diǎn)實(shí)驗(yàn)室，天津 300300；2.中國民航大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，天津 300300)

0 引 言

異地多活數(shù)據(jù)中心的建設(shè)模式是如今的發(fā)展趨勢，諸多企業(yè)機(jī)構(gòu)已經(jīng)建設(shè)了多數(shù)據(jù)中心。Amadeus全球旅游分銷公司已經(jīng)在艾爾丁建立了兩個(gè)數(shù)據(jù)中心，并規(guī)劃在美國邁阿密、澳大利亞悉尼建立數(shù)據(jù)中心[1]；阿里巴巴目前在全球建立了9個(gè)數(shù)據(jù)中心，其中上海、杭州、青島已經(jīng)達(dá)到異地多活模式[2]；鐵路12306售票系統(tǒng)日前建設(shè)成功同城雙數(shù)據(jù)中心[3]；國家稅務(wù)總局于北京建立主數(shù)據(jù)中心，并在廣東南海成功建立異地?cái)?shù)據(jù)中心[4]。異地多活數(shù)據(jù)中心的迅速發(fā)展，對(duì)平衡系統(tǒng)訪問壓力、在線交易快速響應(yīng)有著更高的要求[5]。如何合理有效地將用戶接入最佳的數(shù)據(jù)中心，從而使資源得以充分利用、平衡系統(tǒng)的訪問壓力、使用戶具有更為良好的用戶體驗(yàn)成為待為解決的問題[6]。

傳統(tǒng)的用戶接入的方法主要是基于DNS域名解析服務(wù)[7]，該方法考慮了用戶與數(shù)據(jù)中心的距離，但沒有考慮數(shù)據(jù)中心的最大負(fù)載情況。因此，提出一種基于常規(guī)Voronoi圖(簡稱V圖)的服務(wù)區(qū)域劃分方法[8]，該方法在考慮距離的基礎(chǔ)上考慮了數(shù)據(jù)中心的最大負(fù)載。然而，該方法并沒有考慮數(shù)據(jù)中心自身的性能條件和當(dāng)前負(fù)載情況，即數(shù)據(jù)中心的處理能力。為解決上述問題，本文提出了一種基于加權(quán)Voronoi圖(簡稱加權(quán)V圖)的用戶接入劃分方法，以確定在考慮數(shù)據(jù)中心性能條件和當(dāng)前負(fù)載的綜合條件下的用戶接入劃分。

1 V圖的概念

1.1 常規(guī)Voronoi圖

Voronoi圖是分割空間的一種方法，它將空間劃分為多個(gè)區(qū)域，使得每個(gè)區(qū)域內(nèi)的點(diǎn)距離其所在空間的生長點(diǎn)最近。設(shè)平面上的一個(gè)控制點(diǎn)集P=(p1,p2,…,pn),其中任意兩點(diǎn)都不共位，且任意4點(diǎn)都不共圓,則任意點(diǎn)pi的Voronoi圖(以下簡稱V圖)定義為[9]

(1)

V圖的空間劃分如圖1所示。

圖1 常規(guī)V圖

1.2 加權(quán)Voronoi圖

加權(quán)Voronoi圖同樣是空間分割的一種方法，它將空間劃分為多個(gè)區(qū)域，使得每個(gè)區(qū)域內(nèi)的點(diǎn)到其所在空間生長點(diǎn)的距離與該點(diǎn)到相鄰區(qū)域生長點(diǎn)的距離之比，小于兩個(gè)生長點(diǎn)的權(quán)重之比。因此，加權(quán)Voronoi圖適用于各生長點(diǎn)的權(quán)重不一樣的情況下的空間劃分[10]。可以認(rèn)為，在加權(quán)Voronoi圖所劃分出的每個(gè)區(qū)域內(nèi)的所有點(diǎn)受該區(qū)域生長點(diǎn)的影響最大。設(shè)pi(i=1,2,…,n)為二維歐氏空間上的n個(gè)點(diǎn)，λi(i=1,2,…,n)是給定的n個(gè)正實(shí)數(shù)。則任意點(diǎn)pi的加權(quán)Voronoi圖(以下簡稱加權(quán)V圖)定義為[11]

(2)

加權(quán)V圖的空間劃分如圖2所示。

圖2 加權(quán)V圖

2 異地多活用戶接入劃分算法

2.1 算法流程

異地多活數(shù)據(jù)中心旨在將業(yè)務(wù)分布到位于不同地方的多個(gè)數(shù)據(jù)中心，各個(gè)數(shù)據(jù)中心并行為用戶提供服務(wù)。多數(shù)據(jù)中心共同承擔(dān)業(yè)務(wù)，中心之間地位均等，協(xié)同工作。

為了科學(xué)合理地劃分服務(wù)區(qū)域，做了如下假設(shè)。第一，研究的空間區(qū)域是全國范圍，并且所有用戶的請(qǐng)求都是平等的。第二，所有數(shù)據(jù)中心的位置都已確定，總?cè)萘磕苋菁{所有的用戶。

本文主要討論由3個(gè)數(shù)據(jù)中心構(gòu)成的異地多活模型，僅生成3點(diǎn)的加權(quán)V圖。將生成點(diǎn)P構(gòu)成的集合P={P1,P2,P3}表示數(shù)據(jù)中心，形成的區(qū)域記為ε1、ε2和ε3，U={U1,U2,…,Un}是當(dāng)前存在的N個(gè)用戶，由于各區(qū)域內(nèi)的用戶受各自生成點(diǎn)P的影響是最大的，所以將區(qū)域ε1內(nèi)的用戶訪問分配給P1，ε2區(qū)域內(nèi)的用戶訪問分配給P2，ε3區(qū)域內(nèi)的用戶訪問分配給P3。算法流程如圖3所示。

圖3 基于加權(quán)V圖的用戶接入劃分流程

2.2 算法描述

算法的具體過程如下：

(1)收集各個(gè)服務(wù)器的性能參數(shù)：選用W(si)這個(gè)參量表示服務(wù)器si的性能條件。性能條件W(si)由CPU核心數(shù)n(si)、CPU主頻c(si)、磁盤容量d(si)、RAM大小r(si)、內(nèi)存速度e(si)、L1緩存m(si)、L2緩存o(si)這幾個(gè)因素決定

(3)

式中：αi表示各因素對(duì)數(shù)據(jù)中心性能條件的貢獻(xiàn)度,αi的值越大表示對(duì)數(shù)據(jù)中心的處理能力影響程度越大。

(4)

式中：βi表示各因素對(duì)負(fù)載量的貢獻(xiàn)度，βi的值越大表示該因素對(duì)數(shù)據(jù)中心的負(fù)載量影響越大。

(3)計(jì)算各個(gè)服務(wù)器處理能力得分值：選取影響服務(wù)器處理能力的14個(gè)指標(biāo)作為確定權(quán)重值的指標(biāo)體系，運(yùn)用主成分分析法，根據(jù)特征值、累計(jì)貢獻(xiàn)率選取主成分，得到系統(tǒng)中每個(gè)服務(wù)器的得分值。

首先根據(jù)特征值和累計(jì)貢獻(xiàn)率確定主成分，按照累計(jì)貢獻(xiàn)率大于80%，特征值大于1選取。其中，主成分Zi貢獻(xiàn)率ωZi的計(jì)算公式為

(5)

前k個(gè)主成分的累計(jì)貢獻(xiàn)率ω的計(jì)算公式為

(6)

然后，根據(jù)確定好的主成分得到因子得分系數(shù)，即可得到各個(gè)服務(wù)器處理能力得分值。

(4)數(shù)據(jù)變換得到各個(gè)服務(wù)器權(quán)重值：在計(jì)算各個(gè)服務(wù)器得分值的過程中，有些服務(wù)器的得分值可能為負(fù)值，這顯然不滿足加權(quán)V圖的定義。為此，必須對(duì)各個(gè)服務(wù)器的綜合得分值進(jìn)行數(shù)據(jù)變換。常用的數(shù)據(jù)變換的方法有多種，文獻(xiàn)[12]指出，最小-最大規(guī)范化方法是數(shù)據(jù)變換的一個(gè)重要方法，它可以對(duì)原始數(shù)據(jù)進(jìn)行線性變換，使之落入一個(gè)特定的區(qū)間，同時(shí)保持了原始數(shù)據(jù)之間的關(guān)系。本文選取在[1,10]閉區(qū)間上對(duì)各個(gè)服務(wù)器得分值進(jìn)行數(shù)據(jù)變化，使服務(wù)器得分值保持原始關(guān)系落入[1,10]這一特定區(qū)間。其公式為

(7)

其中，v′表示規(guī)范化處理后的數(shù)據(jù)；v表示原始數(shù)據(jù)；maxM和minM分別表示原始數(shù)據(jù)的最大值和最小值；new_maxM和new_minM分別表示新數(shù)列的最大值和最小值。

(5)計(jì)算數(shù)據(jù)中心權(quán)重：統(tǒng)計(jì)訂票系統(tǒng)各個(gè)服務(wù)器的性能條件和負(fù)載情況，得到各個(gè)服務(wù)器的權(quán)重值λsi，則基于訂票系統(tǒng)的數(shù)據(jù)中心的權(quán)重λj定義為

(8)

(6)得到用戶劃分結(jié)果：將得到的數(shù)據(jù)中心的權(quán)重值代入式(2)，即可得到基于加權(quán)V的用戶接入劃分方法。

3 實(shí) 驗(yàn)

3.1 實(shí)驗(yàn)介紹

旅客訂票系統(tǒng)在民航旅客服務(wù)系統(tǒng)異地多活數(shù)據(jù)中心中占有舉足輕重的地位，據(jù)統(tǒng)計(jì)，我國全年在線機(jī)票總出票量約為3.5億張。因此，本文所做對(duì)異地多活數(shù)據(jù)中心的用戶接入劃分是基于旅客訂票系統(tǒng)的用戶接入的劃分。民航旅客服務(wù)系統(tǒng)中3個(gè)數(shù)據(jù)中心的經(jīng)緯度位置分別為：數(shù)據(jù)中心1(116.46，39.92)、數(shù)據(jù)中心2(120.76，30.77)和數(shù)據(jù)中心3(103.16，31.23)。研究以這3個(gè)數(shù)據(jù)中心為生長點(diǎn)建立的加權(quán)V圖。

由于統(tǒng)計(jì)數(shù)據(jù)較多，僅列舉數(shù)據(jù)中心1的旅客訂票系統(tǒng)中各個(gè)服務(wù)器的指標(biāo)記錄值，也僅列舉其中一部分服務(wù)器的記錄值，其記錄情況見表1、表2。

3.2 實(shí)驗(yàn)場景

為更好地分析比較各個(gè)情況下的用戶接入劃分，本實(shí)驗(yàn)設(shè)計(jì)了4個(gè)場景。

場景1：不考慮不同數(shù)據(jù)中心旅客訂票系統(tǒng)的性能條件和負(fù)載情況，僅考慮用戶到數(shù)據(jù)中心距離的基于常規(guī)V圖的用戶接入劃分。

場景2：考慮用戶到數(shù)據(jù)中心距離的基礎(chǔ)上，又考慮到不同數(shù)據(jù)中心旅客訂票系統(tǒng)的性能條件的情況下,做出的基于加權(quán)V圖的用戶接入劃分,此種場景是考慮到資源的利用情況,盡量將用戶接入到性能條件較好的數(shù)據(jù)中心來處理。

表2 數(shù)據(jù)中心1旅客訂票系統(tǒng)部分服務(wù)器負(fù)載指標(biāo)記錄值

場景3：考慮用戶到數(shù)據(jù)中心距離的基礎(chǔ)上，又考慮到不同數(shù)據(jù)中心旅客訂票系統(tǒng)的負(fù)載情況的條件下，做出的基于加權(quán)V圖的用戶接入劃分，此種場景旨在平衡系統(tǒng)的訪問壓力，盡量將用戶接入到負(fù)載較低的數(shù)據(jù)中心來處理。

場景4：綜合考慮用戶到數(shù)據(jù)中心的距離、不同數(shù)據(jù)中心旅客訂票系統(tǒng)的性能條件、負(fù)載情況，做出的基于加權(quán)V圖的用戶接入劃分，此種場景旨在讓資源得以充分利用的同時(shí)，又能平衡系統(tǒng)的訪問壓力。

3.3 實(shí)驗(yàn)結(jié)果

權(quán)重計(jì)算實(shí)驗(yàn)由SPSS統(tǒng)計(jì)分析工具計(jì)算，根據(jù)數(shù)據(jù)計(jì)算得到各個(gè)場景中3個(gè)數(shù)據(jù)中心的權(quán)重值。計(jì)算結(jié)果見表3。

表3 不同場景3個(gè)數(shù)據(jù)中心權(quán)重值

接入劃分實(shí)驗(yàn)由ArcGIS開發(fā)工具編程繪制，編寫代碼生成常規(guī)V圖以及加權(quán)V圖。實(shí)驗(yàn)結(jié)果如下：

場景1：基于國內(nèi)某民航旅客服務(wù)信息提供商的數(shù)據(jù)中心1(116.46，39.92)、數(shù)據(jù)中心2(120.76，30.77)和數(shù)據(jù)中心3(103.16，31.23)這3個(gè)數(shù)據(jù)中心，編寫代碼生成常規(guī)V圖的用戶接入劃分。

圖4給出了用戶服務(wù)區(qū)域的劃分。如果不考慮數(shù)據(jù)中心訂票系統(tǒng)的處理能力，即系統(tǒng)的性能條件和負(fù)載情況，此中劃分方法能夠方便簡潔地給出用戶服務(wù)區(qū)域的劃分，確定用戶應(yīng)該接入哪個(gè)數(shù)據(jù)中心。但是由于旅客訂票系統(tǒng)在各個(gè)不同的數(shù)據(jù)中心有不同的處理能力，僅按用戶與數(shù)據(jù)中心的距離來確定用戶的接入顯得不夠合理。

圖4 考慮距離的常規(guī)用戶接入劃分

場景2：考慮數(shù)據(jù)中心旅客訂票系統(tǒng)的性能條件，由式(3)可知影響訂票系統(tǒng)性能調(diào)節(jié)的指標(biāo)有CPU核心數(shù)n(si)、CPU主頻c(si)、磁盤容量d(si)、RAM大小r(si)、內(nèi)存速度e(si)、L1緩存m(si)、L2緩存o(si)，結(jié)合表1中的數(shù)據(jù)，運(yùn)用權(quán)重值確定算法，得到考慮性能條件下的3個(gè)數(shù)據(jù)中心旅客訂票系統(tǒng)的權(quán)重，分別為λ1=6.9326，λ2=6.2543，λ3=2.5961。由此，得到考慮性能條件時(shí)的基于加權(quán)V圖的用戶接入劃分。

由表3可見，此場景中數(shù)據(jù)中心1的權(quán)重值最大，即數(shù)據(jù)中心1的性能條件最好，而數(shù)據(jù)中心3的權(quán)重值最小，即說明數(shù)據(jù)中心3的性能條件較差。因此，如圖5所示，數(shù)據(jù)中心1的用戶接入劃分范圍明顯較圖4有所擴(kuò)大，而數(shù)據(jù)中心3的用戶接入劃分范圍較圖4有所縮小。這是由于考慮了不同數(shù)據(jù)中心的旅客訂票系統(tǒng)的系統(tǒng)性能,性能越好,用戶接入范圍越大,這樣使資源得以充分利用，發(fā)揮其更大的作用。

圖5 考慮性能條件的加權(quán)用戶接入劃分

場景3：考慮數(shù)據(jù)中心旅客訂票系統(tǒng)的負(fù)載情況，由式(4)可知影響訂票系統(tǒng)負(fù)載情況的指標(biāo)有CPU利用率a(si)、磁盤I/O占用率b(si)、內(nèi)存利用率g(si)、文件系統(tǒng)空間的占用比h(si)、磁盤平均響應(yīng)時(shí)間k(si)、磁盤讀取速度l(si)、磁盤寫入速度q(si)，同樣結(jié)合表1給出的數(shù)據(jù)，運(yùn)用權(quán)重值確定算法，得到考慮負(fù)載情況下的3個(gè)數(shù)據(jù)中心旅客訂票系統(tǒng)的權(quán)重，分別為λ1=3.2689，λ2=4.1292，λ3=6.2189。由此，得到考慮負(fù)載情況時(shí)的基于加權(quán)V圖的用戶接入劃分。

由表3可見，此場景中數(shù)據(jù)中心3的權(quán)重值最大，即數(shù)據(jù)中心3的旅客訂票系統(tǒng)負(fù)載最小，而數(shù)據(jù)中心2的權(quán)重值最小，即說明數(shù)據(jù)中心2的旅客訂票系統(tǒng)負(fù)載最大。因此，如圖6所示，數(shù)據(jù)中心3的用戶接入劃分范圍較圖4與圖5明顯有所擴(kuò)大，而數(shù)據(jù)中心2的用戶接入劃分范圍較圖4和圖5有所縮小。這是由于考慮了不同數(shù)據(jù)中心的旅客訂票系統(tǒng)的負(fù)載情況，負(fù)載越小，用戶接入范圍越大，負(fù)載越大，用戶接入范圍越小，這樣能更好平衡系統(tǒng)的訪問壓力，將用戶接入到負(fù)載較小的數(shù)據(jù)中心的系統(tǒng)，使其有更為良好的用戶體驗(yàn)。

圖6 考慮負(fù)載情況的加權(quán)用戶接入劃分

場景4：綜合考慮用戶與數(shù)據(jù)中心的距離以及旅客訂票系統(tǒng)在不同數(shù)據(jù)中心的處理能力和負(fù)載情況，即系統(tǒng)的處理能力，結(jié)合表1所給的旅客訂票系統(tǒng)的服務(wù)器狀態(tài)數(shù)據(jù)，由第2章所論述的求解加權(quán)值的算法，得到3個(gè)數(shù)據(jù)中心旅客訂票系統(tǒng)的系統(tǒng)權(quán)重，分別為λ1=7.1685，λ2=4.1536，λ3=5.5985。由此，得到綜合考慮多種條件下的基于加權(quán)V圖的旅客訂票系統(tǒng)的用戶接入的劃分。

由表3可見，對(duì)比3種場景下各個(gè)數(shù)據(jù)中心的權(quán)重，可見在場景1僅考慮數(shù)據(jù)中心性能條件時(shí)，數(shù)據(jù)中心1、2的權(quán)重值最大，即性能條件最好。但場景2中考慮數(shù)據(jù)中心負(fù)載情況時(shí)，數(shù)據(jù)中心1、2的權(quán)重值較小，說明此時(shí)數(shù)據(jù)中心1、2的負(fù)載較大。若僅考慮數(shù)據(jù)中心性能條件將更多用戶接入到性能條件較好的數(shù)據(jù)中心1、2，則會(huì)造成數(shù)據(jù)中心1、2的負(fù)載越來越大，導(dǎo)致較差的用戶體驗(yàn)。同理，若僅考慮數(shù)據(jù)中心負(fù)載將更多用戶接入到負(fù)載較小的數(shù)據(jù)中心3，則不能充分利用性能條件較好的數(shù)據(jù)中心1、2，造成資源的浪費(fèi)。因此，綜合考慮用戶到數(shù)據(jù)中心的距離以及數(shù)據(jù)中心性能條件和負(fù)載情況，則會(huì)使劃分充分考慮各個(gè)因素，全面而合理。

由圖7可見，訂票用戶的接入劃分更為精確。僅考慮某一因素時(shí)被分配到某個(gè)數(shù)據(jù)中心的用戶，在綜合考慮到用戶到數(shù)據(jù)中心的距離以及旅客訂票系統(tǒng)的處理能力后，可能被分配到處理能力更好的系統(tǒng)。由此可以看到，在考慮了位于不同數(shù)據(jù)中心的訂票系統(tǒng)的處理能力之后，用戶接入的劃分顯得更為合理，在如今大并發(fā)在線交易形式下，能夠保證更好的用戶體驗(yàn)，同時(shí)對(duì)條件更好的資源予以了充分利用，避免了閑置資源的浪費(fèi)。

圖7 考慮綜合因素的加權(quán)用戶接入劃分

4 結(jié)束語

本文提出一種基于加權(quán)V圖的異地多活數(shù)據(jù)中心用戶接入劃分方法。該方法雖在地理、氣象領(lǐng)域有較成熟的研究，但鮮有將該方法用于用戶接入劃分。因此，本文以民航旅客服務(wù)系統(tǒng)為應(yīng)用背景，將加權(quán)V圖的方法應(yīng)用到用戶接入劃分。該方法能夠在距離的基礎(chǔ)上，同時(shí)考慮數(shù)據(jù)中心的性能條件和負(fù)載情況，給出更為合理的用戶接入劃分，避免了資源浪費(fèi)，同時(shí)能保障較好的用戶體驗(yàn)。

[1]TravelDaily.TheAmadeusdecidedtosetupadatacenterintheunitedstates[EB/OL].[2016-12-02].http://www.traveldaily.cn/article/44955(inChinese).[環(huán)球旅訊.Amadeus決定在美國設(shè)立數(shù)據(jù)中心[EB/OL].[2016-12-02].http://www.traveldaily.cn/article/44955.]

[2]Yuntoutiao.AninterviewwithAlibabaBiXuan:Thecauseandeffectoftheprojectoflongdistancemultidatacenters[EB/OL].[2016-12-02].http://www.yuntoutiao.com/dongtai/2646.html(inChinese).[云頭條.專訪阿里巴巴畢玄:異地多活數(shù)據(jù)中心項(xiàng)目的來龍去脈[EB/OL].[2016-12-02].http://www.yuntoutiao.com/dongtai/2646.html.]

[3]Ctiforum.Anewgenerationofrailwaydatacenterconstructionscheme[EB/OL].[2016-12-02].http://www.ctiforum.com/news/guandian/394319_3.html(inChinese).[CTI論壇.新一代鐵路數(shù)據(jù)中心建設(shè)方案[EB/OL].[2016-12-02].http://www.ctiforum.com/news/guandian/394319_3.html.]

[4]ZHAOWei.ThedesignandimplementationofthedisasterrecoverysystemofShaQnxitaxation[D].Xi’an:XidianUniversity,2013:17-29(inChinese).[趙瑋.陜西地稅容災(zāi)備份系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].西安:西安電子科技大學(xué),2013:17-29.]

[5]LYUHaiyan,CHEXiaowei,ZHANGJie.RealizationofCDNlocalbalancebasedonpseudoHTTPServer[J].ComputerTechnologyandDevelopment,2013,23(6):46-49(inChinese).[呂海燕,車曉偉,張杰.基于“偽HTTPServer”的CDN本地負(fù)載均衡實(shí)現(xiàn)方式[J].計(jì)算機(jī)技術(shù)與發(fā)展,2013,23(6):46-49.]

[6]SUNYang,HEJianzhong.Adaptiveload-balancingclusteringhierarchicalroutingprotocolforWSN[J].ComputerEngineeringandDesign,2013,34(2):423-427(inChinese).[孫揚(yáng),何建忠.WSN自適應(yīng)負(fù)載均衡集簇分層路由協(xié)議[J].計(jì)算機(jī)工程與設(shè)計(jì),2013,34(2):423-427.]

[7]LIUMei,ZHANGYongbin,RANChongshan,etal.ResearchonthemechanismofparkeddomainsrecognitionbasedonauthoritativeDNSservers[J].JournalofComputerApplications,2016,36(12):3311-3316(inChinese).[劉梅,張永斌,冉崇善,等.基于權(quán)威DNS服務(wù)器的停靠域名識(shí)別機(jī)制研究.計(jì)算機(jī)應(yīng)用,2016,36(12):3311-3316.]

[8]DINGJianli,WANGBinqiang,ZHANGChao.Aserviceregionsegmentationofdistantdoublelivedatacenter[J].ComputerApplicationsandSoftware,2016,33(2):30-32(inChinese).[丁建立,王斌強(qiáng),張超.異地雙活數(shù)據(jù)中心服務(wù)區(qū)域劃分優(yōu)化[J].計(jì)算機(jī)應(yīng)用與軟件,2016,33(2):30-32.]

[9]ChengR,XieX,ManLY,etal.AVoronoidiagramforuncertaindata[J].VldbJournal,2012,22(3):796-807.

[10]MENGQibin.Substationmulti-stageplanningbasedonimprovedweightedVoronoidiagram[D].Hebei:NorthChinaElectricPowerUniversity,2015:16-27(inChinese).[孟琦斌.基于改進(jìn)加權(quán)Voronoi圖的變電站多期規(guī)劃[D].河北:華北電力大學(xué),2015:16-27.]

[11]TANGDuoyu,CAOHan.ParallelalgorithmdesigningandapplicationofweightedVoronoidiagramusingMapReduceprogrammingmode[J].ApplicationResearchofComputers,2013,30(5):1410-1412(inChinese).[唐多余,曹菡.基于MapReduce的加權(quán)Voronoi圖并行算法設(shè)計(jì)及應(yīng)用[J].計(jì)算機(jī)應(yīng)用研究,2013,30(5):1410-1412.]

[12]ZHANGXiaoyan,MENGXiangfu,MAZongmin,etal.Attributeweightevaluationapproachbasedonapproximatefunctionaldependencies[J].ComputerScience,2013,40(2):172-176(inChinese).[張霄雁,孟祥福,馬宗民,等.基于近似函數(shù)依賴的關(guān)系數(shù)據(jù)屬性權(quán)重評(píng)估方法[J].計(jì)算機(jī)科學(xué),2013,40(2):172-176.]