基于融合數據庫的快速查詢方法研究與應用

梁銘

摘要：本文詳細介紹了合并數據庫條件下數據庫查詢技術的特點，分析了數據關系復雜、數據管理困難的信息系統，提出了一種方便快捷的數據庫查詢方法，以提高數據庫信息管理系統的性能，提高數據庫應用系統的運行效率，并集中精力實現該方法的關鍵技術。

關鍵詞：融合數據庫;快速查詢

中圖分類號：TP311? ? ?文獻標識碼：A

文章編號：1009-3044（2020）35-0023-02

開放科學（資源服務）標識碼（OSID）：

1 引言

隨著院校系統的擴展和數據的不斷擴展，各種大型數據庫在院校以及數據庫查詢成功與否中扮演著非常重要的角色，起到了關鍵作用。近年來，關于如何提高數據庫性能的問題，提出了許多關于如何提高數據庫性能的方法和理論。但是，當今的傳統方法在很大程度上依賴于添加硬件或提高硬件質量來增強數據庫性能。這種優化措施不僅增加了院校的成本，而且效果較差。但是，從硬件角度來看，僅調整數據庫的性能是不夠的[1]。基于上述問題，本文提出了一種新的方法來優化數據庫查詢，主要是從軟件角度來最大化地提升數據庫性能。本文中的方法不會給院校增加負擔，它可以在院校原始硬件設施的基礎上完成數據庫的優化，它具有很強的效率和經濟效益。

2 基于融合數據庫的信息存儲架構

2.1融合數據庫

實時數據庫是將數據庫和實時系統結合在一起的新型數據庫，它負責管理數據和限時對象。整個系統的效率不僅取決于邏輯結果，還取決于產生邏輯結果所花費的時間。Talk-DB是Zhongke Qixin開發的實時數據庫系統，數據庫系統識別哪些傳感器是標簽，哪些標簽是最小的控制單元。將多個標記劃分為邏輯“設備站”組，以便于管理。系統引入了“數據注冊”的概念，通過主動單擊信息表，用戶可以獲取指定標簽的最新值，而無須索取。用戶可以通過“歷史查詢”查詢由指定標簽生成的歷史數據，考慮到感覺數據的特征，ThinkDB提出了一種ChinQuery自定義查詢語言，該語言具有特殊的查詢功能，例如查詢組件：一次查詢標簽數據[2-4]。其能夠統查詢計數、最小值、最大值、總數、平均值等特定時間段內的標簽數量。

HBase是基于HDFS分布式文件系統的分布式開源數據庫，Hadoop已被廣泛用于開源，透明的基本部件，低成本的硬件分發和易于擴展。HBase是用于面向列、分散和連續存儲的多維地圖輸入板。在HBase中，具有相同列族的數據存儲在一起，這使得可以在讀寫操作期間有效地刪除I / O磁盤，并且還能夠使數據更加壓縮[5]。數據僅約為原始數據的1/4，從而節省了大量物理空間。HBase旨在存儲從TB到PB的大規模數據，可以在數千臺常規計算機上使用，并且可以由大型用戶高速讀寫。HBase的上述功能使其在存儲大型傳感器的歷史數據方面具有強大的優勢。

2.2 數據庫快速查詢的標準

對于標準數據集，主要基于以下兩個因素來測試數據庫查詢的性能。

（1）程序性能：性能是程序在應用程序過程中完成任務的時間與完成的任務數之比，該比率反映了目標系統。以下公式用于解釋吞吐量的含義：性能=任務完成/任務完成時間。

（2）數據收集程序在收到用戶指令后運行所需的時間：通常，此處的時間是指用戶指示應用程序或使用的時間操作和應用在處理時間上均符合“關閉時間”的指示。從計劃的開始到計劃的結束的時間是在收到使用說明后處理數據收集程序所需的時間[6]。這與程序的性能有一定的關系。假設提高了效率，該過程所需的時間將減少。

2.3 數據存儲與查詢

如圖1所示，實時數據庫分布在不同的單元中，傳感器生成的數據在特定時間存儲在該單元中。存儲系統根據注冊信息向注冊的實時數據庫發送“數據注冊”請求，實時數據庫以主動推送形式將傳感器生成的實時數據發送到存儲系統，傳感器產品組合的差異使數據結構更加多樣化。首先，存儲系統將根據傳感器目錄對數據進行分類，然后將分類的數據存儲到緩沖區中。

數據存儲服務的精確設計將在將大量數據寫入HBase并將該區域分為兩部分的過程中實現站點分離。在轉換過程中，HBase將鎖定該區域，并且訪問該區域的請求將被鎖定。HBase在此區域中的旋轉將導致區域服務器上的區域分布不均勻，并觸發HBase區域操作。此過程將保留離線區域。客戶如若仍在離線網站上記錄大量數據，會引起異常。因此，HBase的寫入性能仍存在不穩定的問題。為了解決上述問題，本設計引入了多媒體數據緩沖區操作模塊。

RowKey設計的HBase索引基于RowKey序列鍵。用戶需要盡可能將信息或查詢大小放在序列鍵中。包含結構信息的所有單元格都稱為鍵值，并在存儲時通過按順序鍵從左到右順序存儲。例如，序列鍵為：0100、0070、1000、3310，序列為0070、0100、1000、3310。在HBase中，當數據量增加時，表將被分為多個區域。它的數據存儲區域從StarKey到EndKey，多區域服務器維護和管理這些區域。

如圖2所示，為了允許租戶將系統用作實時數據庫，添加了SinQuery查詢單元以用于特殊的查詢方法，例如“歷史查詢”和“統計查詢”。例如，在查詢“選擇ID，名稱，站點，值，CHINRTCMDHISTORYQWHEHREStart_Time = 1321243200，End_Time = 1321243220，VALUE> 28，TYPE ='temp'”中，查詢的不同含義始于開始時間28。首先，特定查詢單元驗證ChinQuery語法，在驗證后分析標簽，然后驗證用戶是否已注冊溫度傳感器數據集并發送查詢請求。驗證后轉到查詢界面。查詢控制器確定基本HBase數據庫和OraCle數據庫之間的差異。由于有關傳感器的元數據信息和歷史數據分別創建在Oracle和HBase中，因此Oracle會查詢用戶有權訪問的傳感器的元數據信息。同時從HBase群集請求這些傳感器，即歷史數據VALUE > 28，將根據查詢進行合并和打包，最后返回給用戶。

3 融合數據庫快速查詢方法

3.1調整實例內存參數提高數據庫性能

通常，在安裝了與數據收集相關的應用程序之后，所有相關變量均為默認值。大多數數據庫用戶不會更改這些導致數據庫性能的變量。您可以通過數據庫內存更改相關系數，從而在數據收集期間提高應用程序的處理能力，并提高數據收集的性能。對于DB2數據集，存在三個相關系數，包括實際使用的系數，數據集中使用的系數以及DB2注冊組件使用的系數。這三個因素是使用數據庫的基礎。在更改相關系數之前，首先確定DB2的構造方法。

在此數據集中，所有子組數據（包括子組數據）均以實用方式進行管理。可以使用一種實用的方法來管理大量數據項。因此，數據生成方法分為訓練過程中可以共享的存儲器和數據收集中可以共享的存儲器。用于每個練習的數據集是可以在練習期間共享的內存。此存儲器在數據管理器的開始處獲取，并且在數據獲取控制結束時將不再可用。這種類型的較小集合通常用于諸如監視和審計之類的練習。此內存也是可以提高性能的重要區域。在日志的內存和緩沖區中設置數據收集的緩沖區可以提高數據系統的性能。

3.2 合理設計索引提高數據庫查詢性能

在工作計劃中，索引也很重要，創建適當的索引也可以提高數據收集的性能。索引是連續數據項的序列。該索引可以方便、準確地獲得數據收集并確保所需信息的唯一性，從而提高了信息收集和索引的條件性效率。在上下文數據收集中可替換。根據實際條件構建索引可以提高數據收集的性能，尤其是在查詢功能方面。在DB2數據集中，B +樹用于存儲索引，DB2數據集和orory數據集都包含以集中形式構建的索引和以分散形式構建的索引。

通過以上分析，我們可以知道，以中央格式構建的索引在搜索數據時可以搜索某些頁面，然后根據以下內容從數據集中提取相關數據：頁數。索引以中央格式組織。搜索數據時，將按頁數在數據集中檢索要搜索的適當頁數和相關內容。因此，在構建用于數據收集的索引時，可以構建以中央形式構建的索引，并且許多索引以非中心形式構建。

3.3 創建集群索引以提高查詢性能

在數據集中按順序使用序列來創建中心索引。 DB2數據庫管理器根據該系列的內容存儲許多相關的頁面。集中索引可以在搜索數據時快速輕松地獲取位置信息。頁數或數據集中有新數據時，DBA的內部存儲核心將為同一數據類型存儲新添加的數據。這樣，用戶可以基于同一功能快速有效地找到新數據。因此，為數據集創建中央索引可以顯著提高系統性能，但是在插入相關數據時，內部存儲庫核心將使用集中式索引來驗證正確定位插入數據，從而降低了插入或更新行為的實用性。

3.4 創建未排序的索引以提高查詢性能

數據集可以對應于許多類型的非中心索引，但是索引的數量不一定與系統的性能成正比。換句話說，索引越多，系統的?相對性能就越高。非中心索引用于按順序復制數據集中的內容。創建非托管索引時，已排序的行可以同時包含已歸檔頁數和與數據相關的索引頁。表格的索引可以檢索編號以進行搜索。

數據的相關內容和索引的相關內容。因此，需要大量的存儲空間。添加新數據時，還需要在分布式表單索引中添加相關內容。假設數據集的順序已更新，則必須同時檢索更新內容的數據庫頁面和索引頁面。因此，如果分散索引超出合理數量，則將降低插入或更新數據的效率。

4 結論

隨著信息技術的飛速發展，人們希望通過計算機實現快速高效的數據信息管理。 當前，各行各業對數據庫管理系統都有很高的要求，因為好的管理系統將大大減少人員工作量并提高工作效率。此外，計算機數據庫的管理系統在管理大量數據方面具有無與倫比的優勢。 因此，尋求一種快速有效的查詢方法是提高數據庫管理系統性能的關鍵。

參考文獻：

[1] 王凡. 基于眾包的信息查詢處理方法研究與應用[D].西安：西安石油大學，2017.

[2] 程飛.基于云計算的圖書數據庫查詢方法研究[J].計算機光盤軟件與應用，2013，16（7）：36-36，38.

[3] 劉珂.基于Hadoop平臺的大數據遷移與查詢方法研究及應用[D].武漢：武漢理工大學，2014.

[4] 逯冰.基于詞計算的數據庫模糊查詢技術研究與應用[D].中南大學，2012.

[5] 張星云.基于多數據庫并行調度的復雜方法研究與仿真[J].計算機仿真，2015，32（6）：378-381.

[6] 宋宇峰.一種基于DB&IR的融合查詢機制的研究與實現[D].南京：南京農業大學，2010.

【通聯編輯：李雅琪】