数据流系统连接降载研究

doi:10.3778/j.issn.1002-8331.2008.25.005

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (25): 16-19.DOI: 10.3778/j.issn.1002-8331.2008.25.005

数据流系统连接降载研究

陈军¹,周明天¹,杨晓燕²

1.电子科技大学计算机科学与工程学院，成都 610054
2.西安工程大学管理学院，西安 710048

收稿日期:2008-03-14 修回日期:2008-05-21 出版日期:2008-09-01 发布日期:2008-09-01
通讯作者: 陈军

Survey of join load shedding in data stream system

CHEN Jun¹,ZHOU Ming-tian¹,YANG Xiao-yan²

1.School of Computer Science and Engineering，Electronic Science and Technology of China，Chengdu 610054，China
2.School of Management，Xi’an Polytechnic University，Xi’an 710048，China

Received:2008-03-14 Revised:2008-05-21 Online:2008-09-01 Published:2008-09-01
Contact: CHEN Jun

摘要/Abstract

摘要： 连接运算在数据流系统中扮演了关键角色，其执行方式与传统DBMS的连接运算不同，流连接降载策略与传统的网络降载也不相同，已开发许多连接降载策略。论文在介绍流连接运算、数据流及数据流系统的模型后，对连接降载时的系统约束、输出质量目标进行了正式阐述。提出连接降载策略的分类方法，并着重分析了目前一些较为重要的连接降载策略，指出其特征和应用范围。最后总结了好的连接降载策略应具有的特点及未来研究的发展趋势。

关键词: 数据流系统, 降载, 连接, 滑动窗口

Abstract: Join operation of data stream system plays an important role and whose executive method is dissimilar with the join operation of traditional DBMS.Join load shedding of data stream systems is different from traditional load shedding strategy for networks and highly dependent on applications.Therefore many join load shedding strategies for data stream systems are studied.After describing the models of data streams，data stream systems and the join operation，the system constraints of load shedding and the output goals are presented.The classification standards for join load shedding are presented，too.Then the key mechanisms of existing representative strategies are analyzed，their characteristic and application area are computed.Finally，the important features of good load shedding strategies are summarized，and the future trends are introduced.

Key words: data stream systems, load shedding, join, sliding window

陈军¹,周明天¹,杨晓燕². 数据流系统连接降载研究[J]. 计算机工程与应用, 2008, 44(25): 16-19.

CHEN Jun¹,ZHOU Ming-tian¹,YANG Xiao-yan². Survey of join load shedding in data stream system[J]. Computer Engineering and Applications, 2008, 44(25): 16-19.

[1]	李健，孙大松，张备伟. 结合双编码器与对抗训练的图像修复[J]. 计算机工程与应用, 2021, 57(7): 192-197.
[2]	肖瑞雪，冯英伟，屈建萍. 结合高效特征融合的可变尺寸图像隐写分析[J]. 计算机工程与应用, 2021, 57(24): 126-134.
[3]	邹建文，赵波，李想，刘一凡，黎佳玥. 基于tPUF的物联网设备安全接入方案[J]. 计算机工程与应用, 2021, 57(2): 119-126.
[4]	徐麒皓，李波. 改进双向LSTM的肺结节分割方法[J]. 计算机工程与应用, 2021, 57(15): 237-244.
[5]	黄英来，温馨，任洪娥，王佳琪. 深度迁移学习在古筝品质分级中的应用[J]. 计算机工程与应用, 2021, 57(10): 218-224.
[6]	薛家玥，姚蓉，牛焱，陈则慈，相洁. 脑网络中不同负连接处理方法的重测信度研究[J]. 计算机工程与应用, 2020, 56(8): 35-41.
[7]	刘颖，董占龙，卢津，王富平. 多注意力域的稠密连接人脸超分算法[J]. 计算机工程与应用, 2020, 56(20): 179-185.
[8]	徐家臻，李婷，杨巍. 多尺度局部特征选择的行人重识别算法[J]. 计算机工程与应用, 2020, 56(2): 141-145.
[9]	郑兴林，王月，刘伟. 毫米波MIMO系统中部分连接型混合预编码设计[J]. 计算机工程与应用, 2020, 56(18): 97-103.
[10]	胡章芳，徐轩，付亚芹，夏志广，马苏东. 基于ResNet-BLSTM的端到端语音识别[J]. 计算机工程与应用, 2020, 56(18): 124-130.
[11]	钟思华，郭兴明，郑伊能. 改进U-Net网络的肺结节分割方法[J]. 计算机工程与应用, 2020, 56(17): 203-209.
[12]	钱满，张向阳，李仁昌. 改进卷积神经网络SAR图像去噪算法[J]. 计算机工程与应用, 2020, 56(14): 176-182.
[13]	李森森，吴清. 改进Mask R-CNN的遥感图像多目标检测与分割[J]. 计算机工程与应用, 2020, 56(14): 183-190.
[14]	杨瑶，付克昌，蒋涛，张国良，刘甲甲，孟易. 启发式RRT算法的AGV路径规划[J]. 计算机工程与应用, 2020, 56(12): 125-133.
[15]	苏钰生，王亚飞，李学华. 基于改进密集连接型网络的光场深度估计[J]. 计算机工程与应用, 2020, 56(11): 142-148.

数据流系统连接降载研究

Survey of join load shedding in data stream system

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics