位置相关信息服务中一种基于价值的数据预取方法.docVIP

位置相关信息服务中一种基于价值的数据预取方法 文档信息 属性： Doc-03VRF0，doc格式，正文4210字。质优实惠，欢迎下载！ 说明： 作为计算机资料、计算机应用资料的写作参考资料，提供解决怎么写及格式等相关问题。 适用： 作为文章写作的参考文献，解决如何写好实用应用文、正确编写文案格式、内容摘取等相关工作。 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 文1：位置相关信息服务中一种基于价值的数据预取方法 2 0 引言 2 1 基于价值的数据预取策略 2 2 模拟实验及性能分析 4 3 结论 4 文2：车载自组织网络中一种有效的安全机制 4 一、介绍 4 二、研究综述 5 三、加密和解密 6 参考文摘引言： 7 原创性声明（模板） 8 文章致谢（模板） 8 正文 位置相关信息服务中一种基于价值的数据预取方法 文1：位置相关信息服务中一种基于价值的数据预取方法 Key words: location-dependent information services；location dependent data；data prefetching；cache hit ratio 0 引言 移动计算环境下，网络的弱连接、低带宽使得用户而无法及时获取所需的信息，特别是查询位置相关数据（Location Dependent Data，LDD）时，容易因用户位置的改变而导致查询结果过时失效或者不正确。而数据预取技术能够显著提高数据访问速度和充分利用广播带宽[1] 1 基于价值的数据预取策略 位置相关数据的模型 位置相关数据（LDD），是指其值取决于具体地理位置的数据，LDD具有特定的适用范围。 数据的有效范围区域（Valid Scope Area），是指数据实例有效范围的几何区域。每个LDD实例有一个特定的有效范围，只有在此有效范围之内，该实例才是正确的。 数据距离（Data Distance），是指MC当前位置和数据实例有效范围之间的距离。 CDP预取方法 本文提出CDP策略，预取时根据价值函数的值进行选择，预取价值函数如下：Cost=Puseful×（benefit-penalty）（1） 式（1）中Puseful为MC访问LDD的概率，benefit为MC预取LDD的获益价值，penalty为预取LDD的惩罚代价。 数据预取的奖惩代价 数据预取到本地缓存后，并非所有的数据都是MC需要的，经过运算处理后能成为有效查询的数据才是用户需要的，只有这部分数据才能给MC的查询访问带来获益。本文用fbenefit（di）表示预取数据di的获益价值函数，即MC未预取数据时的访问时间与预取数据时的访问时间减少的比例。 访问LDD的概率 对于MC访问某一种LDD可能性的概率，主要以MC经过该数据有效范围的概率和未来访问该数据的概率为依据，因此把MC将来可能经过有效范围内数据列为预取的候选集C。主要考虑以下两点因素：①从时间的角度来考虑。越久未被更新的数据，说明其因服务器端的数据更新而导致预取数据失效的可能性越小；而越久未被访问的数据说明其比较陈旧，再次被访问的可能性就越小。②从空间的角度来考虑。研究表明，在位置相关信息服务的数据访问中，MC沿着某条移动路径通过的概率越高，数据距MC当前的位置越近，且数据有效范围区域的面积越大，或者越靠近MC当前移动路径或移动方向上的LDD越容易被访问。 备选预取数据的择取 数据预取的目标是希望在MC有限资源的前提下，使得所预取的数据尽可能都是MC需要的，并且尽可能多的提供有效查询信息。 在数据择取过程中应考虑以下两种情况： ①当S=0（缓存已满）时，不论C中是否有剩余的未被预取的LDD，都将停止预取。 ②当0＜S（缓存还有剩余空间）且size（i）S，则根据MC当前位置和缓存的剩余空间来计算应预取数据总量的大小。 2 模拟实验及性能分析 实验以预取数据在缓存中的命中率为指标进行测试对比。测试的工作负载为一组随机产生的查询序列，由100个查询组成，每次查询生成的条件字段、条件值和数据表都是按照一定的规则随机产生的。将MC的缓存的大小分别设置为实验数据总量的10%、15%、20%、25%、30%时分别进行五组实验，实验结果如图1所示。 3 结论 在移动环境中，数据预取是有效提高访问速度和减少数据访问时间的一个可行办法。本文主要考虑MC访问LDD可能性概率以及每一种数据能提供多少有效查询信息，设计出一个预取价值选择函数，在候选集中找到预取数据，只要这些数据出现在广播信道，就预取到本地缓存。通过实验比较，CDP策略比DDP、DHP策略更有效的提高了缓存命中率。 文2：车载自组织网络中一种有效的安