蚁群算法在数据库存储过程中的应用

-精选财经经济类资料- -最新财经经济资料-感谢阅读- 1 蚁群算法在数据库存储过程中的应 用 摘要；通过分析数据库存储过程 的特点，作者提出了基于蚁群算法的分 布式数据库存储模型。此模型根据应用 中心的海量数据的分布特性，以蚁群算 法原理为基础，在充分考虑负载均衡的 前提下，完成了基于蚁群算法的数据库 存储模型的构建。同时，该文将存储容 量均衡程度、吞吐量及响应延时作为评 价指标。作者在 Matlab 仿真软件中进 行数据库存储过程的仿真验证，进而对 所设计的数据库存储模型进行性能验证。 验证结果表明该文设计的基于蚁群算法 的数据库存储模型较顺序数据库存储策 略使数据库在吞吐量方面增加了 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 2 19.1%，响应延时方面减少了 12.9%， 同时，能够实现各数据库的存储容量均 衡分布。 中国论文网 /8/view-12938006.htm 关键词：蚁群算法；数据库；存 储过程 中图分类号：TP311 文献标识码： A 文章编号； 1009-3044（2017）07- 0006-02 数据应用空间是通过互联网技术 和数据库技术系统构建的，其数据来源 是海量互联网应用及相关服务，涉及各 个领域，渗透到各个物品中。数据应用 空间可以划分为感知层、网络层以及数 据应用层三个层次，其中，数据应用层 负责对用户产生的海量数据进行传输和 处理，因此，需要性能优越的存储模型 对其性能进行提升。换言之，对数据库 存储过程的优化即实现其分布式存储。 目前，分布式数据库存储系统已 经逐渐被人们的所重视，其主要由各 PC 机及分布在云端的服务器资源系统 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 3 配合完成的，通过研究发现，分布式数 据库存储系统主要包含以下特点： （1）扩展性强。分布式数据存 储系统的容量范围较大，从几百台数据 库系统到几千台都可以，而且可以根据 具体的实际应用进行动态添加，表现出 的扩展性极强，而且随着数据库规模的 不断扩张，其性能也应该呈线性增加趋 势。 （2）成本低。分布式数据库存 储系统所具备的自动纠错和自动负载均 衡功能可以使其部署在性能不必很突出 的普通 PC 设备中。而且，且扩展性使 其能够实现设备的线性数量扩张，不仅 控制了硬件成本，而且控制了运行维护 成本。 （3）性能优越。无论是针对整 个分布式数据库系统集群还是单台数据 库服务器，数据库的存储过程通过多个 优化方法进行协同配合，使其性能较一 般的数据库系统要强。 （4）易用性强。分布数据库系 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 4 统提供了第三方应用的接口，方便管理 员进行功能扩展，而且在运行维护的过 程中，提供了可视化的运行维护、管理 工具。 在本文中，作者提出了基于蚁群 算法的分布式数据库存储模型。此模型 根据应用中心的海量数据的分布特性， 以蚁群算法原理为基础，在充分考虑负 载均衡的前提下，完成了基于蚁群算法 的稻菘獯娲 偷墓菇 时，本 文将存储容量均衡程度、吞吐量及响应 延时作为评价指标。作者在 Matlab 仿 真软件中进行数据库存储过程的仿真验 证，进而对所设计的数据库存储模型进 行性能验证。 1 蚁群算法模型的建立 1.1 基于蚁群算法的数据库存储 方法设计 1.1.1TSP 蚊群算法模型 （1） G= （C，L）表示某个有向图， TSP 主要负责从有向图 G 中找出距离最 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 5 小的 Hamilton 圈，此即一条对 C=c1，c2，cn ）中被 n 个元素同 时通过且仅通过一次的最短封闭了曲线。 为了更加准确模拟蚂蚁的实际运 动轨迹，在蚁群算法模型中定义如下记 号；bi（t）描述了 t 时刻位于元素 i 处 的蚂蚁的总体数量；n 描述了 TSP 蚁群 的规模，m 描述了蚁群中蚂蚁的总数， d 描述了节点 i，j 之间的距离，则以上 参数满足下式， （2） Lk 描述了蚂蚁 k 运动轨迹的总 体长度；本算法模型中通过禁忌表 tabuk（k=1 ， 2，m）对蚂蚁 k 当前 所走过的所有节点元素进行记录，蚂蚁 集合属性随着 tabuk 的进化更新过程进 行实时的动态调整。=ij（t）|ci，cj 属于 C）描述了 t 时刻蚂蚁集合 C 中任 意元素两两连接链路 lij 中包含的残留 信息素的集合；ij（t）描述了 t 时刻运 动路径（i，j）中残留信息素的总体数 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 6 量。在此模型中，假定在初始时刻所有 路径中包含的信息素浓度相等，且均匀 分布，设初始信息素浓度 ij（0）一 C（C 为随机正常数） ，而且需要说明的 是蚊群算法寻求最优解的过程主要是通 过有向图 g=（C，L，）完成的，有向 图对蚂蚁的运动路径进行规划，同时对 信息素进行调整。 1.1.2 路径选择机制 在蚁群算法模型中放置的人工蚂 蚁均处于离散状态，蚂蚁选择下一移动 节点的依据是此路径上的信息素浓度， 选取信息素浓度大的路径。蚂蚁在整个 移动的过程中通过随机策略实现游程的 遍历，而且在整个游程的遍历过程中总 能找到满足要求的可行解。 首先，将 m 只蚂蚁根据随机分布 原则将其分别安置在 n 个节点上，然后 通过系统设定的状态转移规则在每个节 点上循环实施。当蚂蚁处于节点 i 的位 置，其通过执行随机转移策略对另一个 尚未经过的节点 j 间的运动轨迹进行确 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 7 定，该策略的判断依据主要包含两方面 内容，一是节点 i，j 之间路径上分布信 息素的含量 ij（t） ，二是两个节点间的 距离。Pkij（ t）描述了在 t 时刻蚂蚁 k 从节点 i 向节点 j 移动的状态转移概率， 计算过程如下式所示： （3） 在公式中， allowdk=1， 2，n-tabuk）描述了 蚂蚁 k 在下一时刻能够选择的节点集合； ij 描述了系统的启发函数，而且对于 蚂蚁 k 来说，dij 的取值越小，k 则越大， 转移概率 Pkij（t）也就越大。 （4） 从数学的角度来看，启发函数能 够准确描述蚂蚁从节点 i 向节点 j 移动 的期望程度，即系统中路径（i，j）的 期望程度；， 分别负责描述 ， 因 子对此的作用程度。其中， 作为系统 的信息启发式因子，能够对轨迹的重要 性进行描述，等价于其值能够描述此路 径中包含的信息素的含量，信息素含量 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 8 越大， 值越大，意味着蚂蚁选择其他 蚂蚁已经运动过的路径的可能性就越大， 但 值过大会给系统带来陷入局部最优 解的困难之中； 是系统的期望启发式 因子，描述了能见度的相对重要性，其 取值的大小直接关系到启发式信息的重 要程度。如果 =0，蚁群算法越接近于 典型的贪婪算法。如果 =0，蚁群算法 越接近于正反馈启发式算法。综上所述， 算法的蚂蚁会选择路径相对较短、信息 素含量相对较高的路径作为下一时刻的 运行路径。 2 应用测试 本文在 Matlab 软件中构建仿真 实验场景，仿真场景主要由两台服务器 组成，同时，每台服务器与五个存储单 元连接，服务器之间以及存储单元之间 均使用有线网络实现信息交互，同时配 备了 10 个数据终端向服务器的存储单 元进行写操作，即实现了存储过程。写 操作的数据传输速率 10 M/ms，将蚁群 算法融入到该仿真场景中，使其能够根 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 9 据读写操作的内容合理地选择目标存储 器，仿真r 间设置为 20 分钟，实验完 成后，对未使用蚁群算法和使用过蚁群 算法的使用结果进行分析对比。 本实验的目的是实现数据存储的 均衡分布，图 1 对 10 台数据库存储单 元在完成了写操作后的存储容量结果， 通过实验结果可以看到，使用了蚁群算 法的数据库存储过程，各存储单元的容 量基本维持在 11 928 M 左右，说明本 文设计的基于蚁群算法的数据库存储方 法能够有效地分布数据的存储压力，真 正实现了分布式存储的思想，不会造成 数据的拥堵。 而且在吞吐量及响应延时方面， 与典型的顺序分布的存储器模型比较， 性能也有所提升，据统计，本文设计的 基于蚁群算法的数据库存储方法在吞吐 量方面增加了 19.1%，在响应延时方面， 减少了大约 12.9%。性能分析可能会很 复杂，因为不同情况下系统的瓶颈点不 同，有的时候是网络，有的时候是磁盘， -精选财经经济类资料- -最新财经经济资料-感谢阅读- 10 有的时候甚至是机房的交换机或者 CPU，另外，负载均衡以及其他因素的 干扰也会使得性能更加难以量化。 3 总结 在本文中，作者通过分析数据库 存储过程的特点，作者提出了基于蚁群 算法的分布式数据库存储模型。此模型 根据应用中心的海量数据的分布特性， 以蚊群算法原理为基础，在充分考虑负 载均衡的前提下，完成了基于蚁群算法 的数据库存储模型的构建。同时，本文 将存储容量均衡程度、吞