作者:韩敬峰云计算海量数据存储特征压缩
摘要:云计算环境下海量数据存储系统中,大量的冗余数据通过高维特征量的形式集成在存储空间中,带来了高额的存储负荷开销,需要进行海量数据的低负荷存储方法设计。传统方法采用云计算数据存储分块解压算法实现对海量数据的低负荷存储,算法需要对数据进行前期分类处理,增大了计算的复杂度,对动态副本数据存储开销较大。提出一种Dopplerlet自适应匹配塔形分解和K—L特征压缩的云计算海量数据低负荷存储算法。结合Dopplerlet变换在寻找最佳基函数的全局优化性,进行云存储海量数据的信息特征提取和冗余信息过滤预处理,对海量数据进行Dopplerlet自适应匹配塔形分解,得到海量数据的离散样本频谱特征.采用K—L特征压缩进行云计算环境下的数据存储减负荷处理,实现算法改进。仿真结果表明,采用改进算法能有效提高云计算环境下海量数据存储的容量,降低了数据存储执行开销和负荷程度。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社