[发明专利]移动互联网和云计算环境下子空间Skyline查询的智能商店选址方法

说明书

技术领域

本发明属于Spark技术领域,是一种移动互联网和云计算环境下子空间Skyline查询的智能商店选址通信方法，其中涉及到网格剪枝策略、α-filtering过滤方法、β-filtering、γ-filtering过滤方法，以及智能移动终端应用的开发。

背景技术

随着现代科学技术特别是信息技术的不断发展，智能技术在各行各业得到了越来越多的应用。从智能商店选址通信系统、智能家居、智能交通、智能电网等到2009年由IBM提出“智慧地球”的概念，智能技术正在改变的生活。智能商店选址通信系统通过对商店内设备、环境和使用者信息的采集、监测、管理和控制，实现商店环境的组合优化，从而为使用者提供满足商店物设计功能需求和现代信息技术应用需求。例如上海新国际博览中心采用国际先进的CERBERCED的CS11消防智能报警系统，各火灾报警控制盘之间通过网络可以交换命令和信息，做到信息共享，工作人员只需在消防中心设置一台CS11主机，而在其它展厅的设备间里各设置一台多功能分机(UT)，日常则无需人管理。

然而，爆炸式增长的商店数据已远远超出人们所能承受的程度，对于海量的商店数据，如何能够快速有效地进行管理与检索，继而从中获取潜在的有价值的信息成为人们关注的问题。海量数据的增长，使得传统的数据分析处理技术已经越来越不适应当前密集型数据分析和处理的需求。为了节约成本，为大规模数据的存储和计算提供分布式处理框架，云计算、大数据、云存储、Spark、BigTable等相关技术被提出。云计算作为新兴的分布式共享计算平台，它可以建立在大规模廉价PC机的基础上，利用网络中的资源进行海量数据的存储和计算。由于云计算技术非常适合处理海量数据，许多公司研究并开发了云计算处理平台，其中包括Google的搜索引擎云平台、IBM的“蓝云”平台、Amazon的弹性计算云和Hadoop开源云平台等。Hadoop作为一种大规模数据分布式处理的软件框架，它的核心技术包含分布式文件系统HDFS和并行编程模型。思科公司预测，2016年全球将有79％的数据中心托管着云计算平台。海量数据存储在这些云计算平台中，由于数据量过大，使得这些海量数据处理技术对软硬件要求非常高、系统资源占用非常多，带来了算法效率低下的问题。海量数据处理是一个热点的研究方向，众多学者们依托云计算平台提出很多新的高效的海量数据处理算法，Skyline算法是其中的一种高效的数据查询和提取方法，可以快速地从海量数据中抽取出关键的信息，大大减少数据量，降低海量数据处理中对软硬件的要求，提高数据处理的效率。Skyline算法作为一种有效的数据提取与处理方法，主要考虑的是如何从庞大的数据集中找出人们最感兴趣或最关心的信息，在海量数据分析处理方面具有广泛的应用，如多目标决策、商店寻址、环境监控、图像检索、个性化推荐、数据挖掘等。Skyline查询可以为用户在决策过程中提供多属性的评判原则，评价函数也可以根据不同的应用采用不同的测量方法(例如欧几里德距离、空间距离等)以提升用户的体验质量；对海量商务交易数据记录，Skyline计算能帮助市场分析人员进行价格及市场策略的定位；在环境监控中，通过分析传感器网络积累起来的海量数据，可以分析评价出潜在的自然灾害与风险。此外，Skyline查询也被应用到图像检索，商店寻址等领域。传统的数据提取和分析方法已不能适用于如今爆炸性增长的数据。

发明内容

根据上述背景技术中存在的缺陷和不足，本发明提供了移动互联网和云计算环境下的子空间Skyline查询的智能商店选址通信方法，以改进现有的对大量商店数据提取和分析方法，大大减少数据量，降低海量数据处理中对软硬件的要求，提高数据处理的效率。

为了实现上述目的，本发明所采用的技术方案是：

一种移动互联网和云计算环境下子空间Skyline查询的智能商店选址方法，云中心服务系统主要是由多个计算节点组成的Spark云平台；云中心服务系统接收移动终端发送的商店选址查询请求，该查询请求包括对属性的偏好及各属性的阈值，且云中心服务系统执行网格剪枝策略及分布式映射过滤方法，承担空间Skyline查询流的主要计算，并向移动终端返回查询得到的商店选址。

进一步的，云中心服务系统接收移动终端发送的商店选址查询请求，从其存储的已有的商店信息中提取用户感兴趣数据，并且按照用户偏好对其进行排序得到一个有序的数据集，然后扫描比较数据点的支配关系得到子空间Skyline结果，云中心服务系统基于分布式映射过滤方法，利用用户提供的属性的阈值进行过滤，返回给移动终端以商店选址的候选结果集。