P2P环境下不确定数据查询处理关键技术研究

随着计算机应用技术的迅猛发展，Web服务、传感器网络、RFID等技术得到了广泛应用，使得不确定数据无处不在。不确定数据管理技术已成为当前数据库领域研究的热点，而查询处理技术是不确定数据管理技术的核心。现有不确定数据查询处理技术主要采用集中式处理方式，无法适应P2P网络等分布式环境下不确定数据的查询处理，为此本项目紧紧围绕P2P环境下不确定数据的查询处理问题，重点就P2P不确定数据网络拓扑结构、P2P不确定数据分布式索引、P2P不确定数据查询处理原型系统体系结构、P2P不确定数据复杂查询处理算法以及系统性能评价与分析方法等相关关键技术展开深入研究，力争在P2P环境下不确定数据查询处理相关关键技术方面取得原创性成果。相关研究成果将解决分布式环境下不确定数据的查询处理问题，进一步拓宽不确定数据的应用领域，具有重要的理论意义与实际应用价值。

随着传感器网络、Web 服务、RFID 等技术的广泛应用，不确定数据无处不在，不确定数据管理技术已成为数据库领域的研究热点。然而传统的不确定数据查询处理算法不能适应分布式处理环境，针对这个问题，本课题重点就P2P计算环境下的不确定数据查询处理问题展开了深入研究，主要研究内容包括P2P 环境下不确定数据查询处理系统网络拓扑结构、P2P不确定数据分布式索引技术、P2P不确定数据查询处理系统体系结构、P2P不确定数据复杂查询处理算法以及系统性能评价与分析方法、云计算技术等。三年来，课题组针对上述问题，开展了较广泛的研究工作，重点就P2P覆盖网络拓扑结构构建技术、P2P复杂查询处理算法、P2P环境下的不确定数据复杂查询处理算法方面进行了深入研究，提出了多种P2P网络结构构建方法及P2P复杂查询处理算法，包括TOP-K、KNN算法等。同时针对当前热门的云计算环境，结合P2P技术进行了较深入的研究，包括云计算环境下的多维数据查询处理算法、索引技术、MapReduce处理架构优化技术、图数据管理技术，云环境下的虚拟机动态迁移技术、资源调度及优化技术等。提出了云环境下的多维数据查询处理算法、comMapReduce并行处理框架、基于加权统计和基于ELM的虚拟机实时迁移算法、基于粒子群的资源调度算法等，这些研究成果对于解决P2P分布式环境下不确定数据的查询处理问题、云数据管理问题，具有重要的理论意义和参考价值。三年来先后在国际、国内学术会议和期刊发表学术论文26篇，申请专利2项，培养博士生2名，硕士生8名，资助20多人次参加国内外学术交流，取得了丰硕成果。