[发明专利]面向类型化资源的投入驱动的存储与计算一体化的事务处理优化方法

摘要

本发明是面向类型化资源的投入驱动的存储与计算一体化的事务处理优化方法，并给出了资源形态包括数据、信息和知识等的解释和数据图谱、信息图谱和知识图谱的概念表示，属于分布式计算和软件工程学技术交叉领域。本发明提出的存储以计算协同调整方案，以计算决定存储，以存储服务搜索，根据用户投入找出花费最合理资源类型转移代价和计算代价的方案，合理确定资源对象处理机制和资源空间组织方案，优化事务资源处理的时空效率。

主权项

面向类型化资源的投入驱动的存储与计算一体化的事务处理优化方法，其特征在于以计算来决定存储，以存储来服务处理，将通过直接观察或传感器感知得到的资源实例(RINS)进行概念映射，识别RINS和资源集合所属资源类型，进而将以数据(DataDIK)、信息(InformationDIK)和知识(KnowledgeDIK)等概念类型形态存在的资源(ResourceDIK)根据在数据图谱(DataGraphDIK)、信息图谱(InformationGraphDIK)和知识图谱(KnowledgeGraphDIK)上存储和处理的代价的进行建模和组织，优化处理事务资源的时空效率；本发明对数据(DataDIK)、信息(InformationDIK)和知识(KnowledgeDIK)等类型概念的定义如下表所示：表1.资源类型的渐进形式 DataDIKInformationDIKKnowledgeDIK语义负载没有指定利益相关者/机器指定利益相关者/机器对已知信息进行抽象形式元素的概念集合数据的概念映射和相关关系组合对信息的进一步分类与抽象用法统计与传输交互、协作推理与预测子图DataGraphDIKInformationGraphDIKKnowledgeGraphDIK子图表达形式数组、链表、栈、树、图关系数据库语义网络本发明将事务资源集合定义为一个三元组TRC:={TRC1,TRC2,TRC3}，TRCi代表相同类型资源的集合，因为事务资源中会包含数据、信息和知识三种类型的资源；TRC的类型集合为TType={TType1,TType2,TType3},每种资源的规模为TSca={TSca1,TSca2,TSca3}；本发明定义图谱资源空间为RoG:= {RoG1,RoG2,RoG3}, RoG的类型集合RType={RType1,RType2,RType3}，每种资源的规模为RSca={RSca1,RSca2,RSca3}；本发明假定TRC中所有类型资源已在当前图谱资源空间中以任意一种存储方案存储完毕，通过计算资源在图谱上存储所需空间代价和处理资源所需的计算代价，协同调整事务处理方案，具体实现步骤为：步骤1）对TRC中每个资源实例集合的类型依次取TypeDIK中的值，形成组合情形TType’={ TType1’,TType2’,TType3’}；步骤2）对应类型赋值后的每种情形，根据公式1计算TRC中的资源从当前最初状态向赋值后的类型集合TType’转换的代价和转换后资源所占的空间代价之和(CostMT1)：CostMT1=∑i=13αTScai∗Cost+(1−α)TScai+TScai']]>    (1)其中α]]>表示进行类型转换的资源的规模占资源总规模的比重，TScai’表示类型转换后资源的规模,Cost表示单位资源类型转换的原子代价，Cost ∈]]>{CostD‑D, CostD‑I, CostD‑K, CostI‑D, CostI‑I, CostI‑K, CostK‑D, CostK‑I, CostK‑K},D、I和K分别是DataDIK,InformationDIK和KnowledgeDIK的缩写；步骤3）对RoG中每个资源实例集合的类型依次取TypeDIK中的值，形成组合情形RType’={ RType1’,RType2’,RType3’}；步骤4）对应类型赋值后的每种情形，根据公式2计算RoG中的资源从当前最初状态向赋值后的类型集合RType’转换的代价和转换后资源所占的空间代价之和(CostMT2)：CostMT1=∑i=13αRScai∗Cost+(1−α)RScai+RScai']]>     (2)其中α]]>表示进行类型转换的资源的规模占资源总规模的比重，RScai’表示类型转换后资源的规模；步骤5）对资源类型转换后的资源集合，根据公式3计算TRC中资源在RoG中处理的计算代价(Costc)，本发明中定义对资源的处理操作包含三部分，查询操作、修改操作和存储操作，Costc由资源查询代价(QCost)、资源修改代价(MCost)和存储资源的代价(SCost)组成，可根据公式3计算：Costc=∑D,I,K(QCost+MCost+SCost)∗TSca']]>   (3)其中TSca’表示资源类型转换后资源的规模集合；步骤6）根据步骤2、4、5得到的CostMT1、CostMT2和Costc，根据公式4计算不同存储与计算协同调整方案的总代价(Total_Cost)：Total_Cost=CostMT1+CostMT2+Costc]]>   (4)步骤7）根据步骤6得到的资源协同调整方案的总代价，根据公式5计算每种方案所需用户投入(Inves)：Inves=γ∗Total_Cost]]>     (5)其中γ]]>表示单位代价所需用户投入，可通过数据训练得出；步骤8）根据步骤7得到的资源协同调整方案的所需投入，根据公式6计算每种方案的效益比(Inve_cos)：Inve_Cos=InvesCostc]]>     (6)步骤9）获取用户预期投入(Inve0)和期望效益比(Inve_Cos0)；将不同协同调整方案的Inve_Cos和Inve_Cos0进行比较，同时将对应方案所需用户投入（Inves）和用户期望投入(Inve0)进行比较，找出Inves不超过Inve0的并且具有最大Inve_cos的方案；步骤10）根据步骤9得到的具有最大Inve_Cos的方案调整TRC和RoG中资源的类型。