基于kalman滤波器的数据流查询优化的研究

【摘要】： 近年来,随着网络,电信和传感器技术的发展,数据库技术得到了广泛的应用。以传统的数据库理论为基础,发展出现了多种多样的新型数据库管理系统。数据流管理系统是目前热门的分支之一,因为它能处理现存的大量问题,如网络点击流,股市数据流等。数据流查询的特点是瞬时的、连续的和长时间的。 正因为数据流模型在许多应用中扮演着重要的角色,基于数据流模型的查询处理技术也得到了广泛的研究。为了提高系统的查询速度,需要在中心节点优化调整过滤器的顺序,减少输入数据量。但目前过滤器的排序是依据过去的数据进行,并没考虑到现在及将来数据特点。 本文将kalman预测滤波器引入具有自调节功能的过滤器(adaptive filter)模块中,即中心节点提前参考预测数据的特点,合理地制定出查询优化策略,提高查询优化算法的效率。并且在源点也设置了带有预测功能的kalman滤波器,增强了源点和中心结点的智能性,减少了网络传输的数据。同时,我们用消息机制触发更新数据,有效地控制了源点和中心结点预测数据的同步,保证双方结点数据的一致性。