劉春偉



摘要:當前的分布式文件數據并行訪問矩陣多為單結構,且訪問的識別范圍較小,導致訪問耗時延長。為此,本文對基于BS架構的分布式文件數據并行訪問方法進行設計與分析,根據實際的訪問需求和標準,進行基礎并行訪問數據預處理;采用多階的形式,擴大訪問的識別范圍,設計多階交叉并行訪問矩陣,構建BS架構分布式文件數據并行訪問模型;采用自適應轉換修正實現并訪問處理。測試結果表明,對比于傳統Spring分布式文件數據并行訪問測試組、傳統CP-ABE分布式文件數據并行訪問測試組,此次設計的BS架構分布式文件數據并行訪問測試組最終得出的分布式文件數據并行訪問耗時均被較好地控制在0.2s以下,說明此種訪問方法的針對性和穩定性更高,在BS架構的輔助下,可以加強對訪問誤差的控制,具有實際的應用價值。
關鍵詞:BS架構;分布式文件;文件數據處理;并行訪問;訪問方法;文件識別
一、引言
文件數據的并行訪問是一種多維訪問方式,具有一定的針對性,可以在不同的環境下對數據和信息進行協同處理整合,進而達到預期訪問目標。當前,較為常用的文件數據并行訪問方式一般為單程序,例如參考文獻[1]和文獻[2]設定傳統Spring分布式文件數據并行訪問方法、傳統CP-ABE分布式文件數據并行訪問方法。這類訪問方法雖然可以實現預期目標和任務,但是缺乏穩定性和轉換性,所述訪問目標也不明確,容易造成訪問失敗、文件數據丟失、文件丟失等情況,產生不可控的損失[3]。此外,單結構文件數據并行訪問形式執行效率較低,覆蓋的訪問范圍也受到限制,約束較多,容易影響最終的訪問結果[4]。為此,本文對基于BS架構的分布式文件數據并行訪問方法進行設計與驗證分析。BS架構指的是瀏覽器、服務器架構模式,在實際應用過程中隨目標變化作出對應的改進調整,形成三層邏輯結構,為日常生產生活提供了極大的便利條件[5]。將該項技術與分布式文件數據并行訪問方法相融合可以進一步擴大訪問范圍,形成更靈活、多變的訪問結構,同時,面對復雜的訪問環境,也可以逐步強化訪問程序,與初始數據庫搭接,形成更安全、穩定的文件數據訪問環境,便于交互的同時,為后續相關訪問技術和行業發展奠定基礎[6]。
二、設計分布式文件數據BS架構并行訪問方法
(一)基礎并行訪問數據預處理
通常情況下,分布式文件數據量十分龐大,因此在對其進行并行訪問之前,需要搭建多維訪問結構的支撐,并對基礎并行訪問數據進行預處理[7]。傳統的訪問格式是單向的,對數據、信息的采集效率較低,導致后續訪問指令執行出現阻礙[8]。因此,首先進行基礎數據的采集和設置,設置并行訪問數據指標,分別是并行柵格數量/個、獨立訪問次數/次、數據讀入比、吞吐力變動比、訪問映射點/個;接著,依據指標設置基礎參數標準值,分別為5、12、6.33、3.2、10;最后,依據指標設置實測參數標準值,分別為8、18、7.15、4.2、16。其次,在完成對并行訪問數據采集的設置與分析后,結合分布式文件數據的訪問需求及標準,在標定的范圍之內設置多個訪問節點。需要注意的是,節點在設置時互相獨立,需要建立對應的接入關系,以形成循環式的數據采集形式,提升后續的并行訪問效率。最后,以此為基礎,將獲取的并行訪問數據進行分類、篩選,消除采集的數據誤差及相關問題,確保數據的真實性和可靠性,實現對文件數據并行訪問的預處理。需要注意的是,采集數據一般是實時的,所以在進行預處理時,設置的標準也不固定,需要隨著實際訪問需求和標準作出定向調整,以此提升數據訪問處理的靈活度。
(二)設計多階交叉并行訪問矩陣
在完成基礎并行訪問數據預處理后,設計多階交叉并行訪問矩陣。當前應用的訪問矩陣多為單結構,雖然可以完成對分布式文件數據的并行訪問目標,但是訪問效率及速度均有待提升,且有不可控性。而多階交叉訪問矩陣在實際處理過程中可將訪問誤差降至最低,確保訪問結果的真實可靠。以下建立基礎的并行訪問測定結構,并計算出訪問互斥比,如公式1所示:
在上式中,M表示并行訪問互斥比,A表示轉換訪問定值差,θ表示訪問總范圍,C1和C2分別表示定向訪問單元值和實測訪問單元值,λ表示分離訪問節點數量,ε表示并行處理極限值。結合計算得出的并行訪問互斥比,調整矩陣的訪問基準值,并設定并行訪問約束條件,形成更完整、具體的訪問矩陣結構。
以此為基礎,結合BS架構,設計多維的并行訪問空間,以訪問目標為引導,設置多個文件訪問層級,每個層級均需設置對應訪問標準,目的是強化矩陣訪問精準度,消除過程中存在的并行訪問誤差。同時,采用交叉方式執行矩陣中的訪問目標,以此輸出模糊的訪問結果。
(三)構建BS架構分布式文件數據并行訪問模型
在完成多階交叉并行訪問矩陣設計后,結合BS架構,構建分布式文件數據并行訪問模型。首先,對所選分布式文件進行分類和篩選,保障數據信息的真實與穩定;隨即利用設置的矩陣進行數據格式轉換,重新調整并行訪問標準;最后,再結合BS架構,構建分布式文件數據并行訪問模型的執行結構。
通過BS架構來建立分支式并行訪問結構,可以輸出模糊的訪問處理結果。需要注意的是,每個訪問結果均為初始結果,在模型中構建分布式并行訪問邏輯需要利用BS架構進行多維限制,針對每個目標進行排序處理,獲取結構后,并對模糊結果做修正及整合處理,以提升并行訪問結果的精準度和可靠性。
(四)自適應轉換修正實現并訪問處理
在完成BS架構分布式文件數據并行訪問模型的設計后,采用自適應轉換修正方式實現并行訪問處理。為了更好解決分布式文件數據并行訪問的一致性問題,需要建立相對的訪問修正關系,采用自適應方式建立智能修正程序。具體流程是:首先,進行基礎數據采集,并根據基礎數據設定緩沖區域和基礎訪問目標;接著,進行日志修正處理和數值讀??;最后,輸出自適應修正結果。
依據上述流程對并行訪問獲取結果進行修正,接著進行并行訪問修正限值差的計算,具體如公式2所示:
在上式中,X表示訪問修正限值差,τ表示并行約束值, 表示單元修正比,μ表示單元修正次數,ρ表示堆疊值。結合訪問修正限值差,進行訪問結果比對,最大程度地降低并行訪問誤差,確保最終訪問結果的可靠性和穩定性。
三、方法測試
本次主要對基于BS架構的分布式文件數據并行訪問方法的應用效果進行分析驗證,考慮到測試結果的真實性和可靠性,采用對比方式展開分析,選定A企業平臺的分布式文件作為測試的主要目標對象,參考文件設定傳統Spring分布式文件數據并行訪問測試組、傳統CP-ABE分布式文件數據并行訪問測試組以及此次所設計的BS架構分布式文件數據并行訪問測試組,根據當前測試需求和標準的變化,對最終的并行訪問結果進行對比研究。
(一)測試準備
結合BS架構,對A企業平臺分布式文件數據并行訪問測試環境進行搭建與關聯。首先,在A企業平臺中隨機定位4個分布式,標定出所屬的分布式文件,匯總整合后以待后續使用。調整當前平臺的控制基礎數值,采用I5 CPU、12 GB 內存及 Linux 操作系統作為本次測試的主要支撐,調整E3-1230 處理器的運行頻率為 3.5 GHz,調用 MIRACL 庫與測試的訪問程序進行搭接,形成循環性的并行處理結構。設置主控節點和I/O雙向控制節點。為了確保訪問處理結果的真實性和可靠性,將設置的節點相關聯,構建并行訪問矩陣,同時計算基礎并行效率,具體如公式3所示:
在上式中,D表示訪問并行效率,θ表示覆蓋訪問范圍,m表示轉換并行比,n表示訪問次數, 表示網絡運行效率。結合當前測試需求,將計算得出的訪問并行效率設置為對應的并行訪問標準。
接下來基于BS架構,構建初始并行訪問結構:第一,設置訪問目標和訪問標準;第二,設置訪問矩陣并調整訪問需求;第三,使用bs架構進行訪問引導;第五,進行分布式文件標定和數據匯總整合;第六,輸出訪問結果。
在完成對BS架構文件數據并行訪問結構的設計后,在此基礎上,設置分布式數據并行訪問指標及參數,具體如表1所示:
根據表1,首先設置分布式數據并行訪問指標及參數;接著,以此為基礎,進行基礎測試環境的調整,確保測試過程中的穩定與安全;最后,綜合BS架構,對A企業平臺中的分布式文件數據的并行訪問方法進行測試研究。
(二)測試過程及結果分析
在上述搭建的測試環境中,結合BS架構,對A企業平臺中的分布式文件數據的并行訪問方法的實際應用效果進行分析和驗證研究。首先,利用設定的節點進行實時數據以及信息的采集,針對選定的4個區域,標定出一定數量的為分布式文件,分別為12份、16份、21份、25份,利用專業的軟件及設備進行分布式文件中基礎性數據以及信息的提取,匯總整合后,測算出單元文件數據訪問并行量,具體如下公式4所示:
在上式中,K表示單元文件數據訪問并行量,γ表示訪問基準值,α表示訪問次數, 表示運行時間,ψ表示并行效率,y表示并行加速比。結合當前的單元文件數據訪問并行量,針對選取的文件數據,進行并行訪問耗時,具體如下公式5所示:
在上式中,P代表訪問所耗時間,?代表覆蓋的范圍,π代表單次訪問的效率,w代表訪問的頻次, 代表讀取的次數,ω代表讀取訪問的單元值。結合當前的測試需求,對測試結果比照研究,如圖1所示。
分析上圖測試結果可知,對比于傳統Spring分布式文件數據并行訪問測試組、傳統CP-ABE分布式文件數據并行訪問測試組,此次所設計的BS架構分布式文件數據并行訪問測試組最終得出的分布式文件數據并行訪問耗時均被較好地控制在0.2s以下,說明此種訪問方法的針對性與穩定性更高,在BS架構的輔助下,可以加強訪問誤差控制,具有實際的應用價值。
四、結束語
本文基于BS架構的分布式文件數據并行訪問方法進行設計與驗證分析,與初始的訪問結構相對比,此次結合BS架構設計的針對文件數據的并行訪問方法具有更加靈活、更加多變的特性,同時具有更強的針對性。在復雜的環境背景下,當前的訪問程序可以精準定位到對應的訪問區域以及位置,存在多任務、綜合化、模塊化、統一網絡、高度集成等特點,結合分布式文件數據的訪問需求及標準,加強對文件數據并行訪問誤差的控制,推動數據并行訪問技術邁入新的發展臺階。
參考文獻
[1]張彤,嚴南.基于Spring的輕量級數據訪問框架擴展點研究[J].計算機仿真,2023,40(02):380-384.
[2]朱莉.基于CP-ABE的云存儲數據訪問控制方案研究[J].船舶職業教育,2023,11(01):74-77.
[3]趙慧.命名數據網絡中基于CP-ABE算法構建區塊鏈數據訪問控制系統[J].數字通信世界,2023(01):46-48.
[4]韓剛,王嘉乾,羅維,等.公共衛生事件中醫療數據訪問控制與安全共享研究[J].信息安全學報,2023,8(01):40-54.
[5]劉秋明,許澤峣,姚哲鑫,等.融合屬性基加密和信用度的水利數據訪問控制模型[J].科學技術與工程,2023,23(01):263-273.
[6]王洪亮,葉翔.數據訪問權的構造——數據流通實現路徑的再思考[J].社會科學研究,2023(01):71-84.
[7]李靜元,張珂,楊東裕.基于霧計算的工業互聯網安全數據訪問方法[J].計算機與現代化,2022(12):118-122.
[8]蔣偉進,羅田甜,楊瑩,等.物聯網環境下基于區塊鏈技術的私有數據訪問控制模型[J].物聯網學報,2022,6(04):169-182.