基于区块链技术的多维大数据交互式查询方法分析
2021-01-21段平
段平
(西北工业大学计算机学院,陕西 西安 710072)
区块链是信息技术领域的专业术语,从数据本质角度来讲,它属于一种标准化共享数据库,能公开追溯存储信息或数据的具体来源,具有公开性、透明性、维护性、集体性等多项应用特征。在分布式数据存储空间内,区块链是属于比特币技术的重要物理概念,可在加密算法、共识机制等应用模式的支持下,去除位于数据库中间位置的特征信息,再联合底层比特处置技术,生成一连串与查询密码相关的数据块组织,从而使每一个区块单元都能获得一个独立的信息交互密码本[1-2]。
通常情况下,随着数据存储量水平的提升,既定信息之间调取与应用会受到查询密码条件的影响,从而导致数据传输准确性不断下降。为解决上述问题,传统MySQL数据库查询方法通过信息分级处理的方式,建立必要索引条件,再根据已存储文档的结构类型,生成符合大数据分析需求的查询语句。但该方法匹配的信息调取占用时间过长,针对此问题,设计基于区块链技术的多维大数据交互式查询方法。在NoSQL多维数据库、Limit FIFO交互调度器等硬件设备结构的支持下,配置必要的关联查询系数,达到增强既定信息调取精准性的目的。
1 基于区块链技术的多维大数据迁移调度
基于区块链技术的多维大数据迁移调度包含NoSQL数据库连接、迁移引擎设置和调度节点牵引3个必要步骤,具体操作及处理方法如下。
1.1 NoSQL多维数据库
NoSQL多维数据库是实现大数据交互式查询的重要应用元件,由上层主机、中层多维数据结构、下层处置设备共同组成。其中,NoSQL主机、区块链主机作为顶层查询指令生成设备,可按照多维大数据的实际传输需求,分布交互式节点所处位置,同时将区块链信息参量传输至多维数据层结构之中[3]。下层处置结构包含数据交互设备、数据查询设备、信息集成设备3类应用元件。在信息集成设备保持交互式传输行为的情况下,数据交互设备会自发建立与数据查询设备的物理连接,从而缩短相邻数据节点间的传输距离,缩短调取既定信息占用的时间[4-5]。
1.2 大数据迁移引擎
大数据迁移引擎是与NoSQL多维数据库相匹配的区块链应用元件,具有MyISAM、InnoDB、MEMORY、MERGE、NDB 5种常见型号。从常规存储权限的角度来看,InnoDB迁移引擎的信息承载能力最弱,仅能达到64 TB;MERGE迁移引擎的信息承载能力最强,在实际查询过程中有时可超过1 024 TB。NDB迁移引擎支持的多维大数据结构体类型相对较少,设置多个独立的交互式索引条件,仅允许区块链信息在个别NoSQL数据库空间内自由连接[6-7]。表1反映了必要的大数据迁移引擎设置条件。
图1 NoSQL多维数据库连接原理
表1 大数据迁移引擎设置条件
1.3 区块链调度节点牵引
在多维大数据环境下,区块链调度牵引是实现查询节点交互式协调的重要处理手段,能根据一个特定信息的基础查询效率,推断完成既定信息调取的理想占用时长,从而实现对交互数据结构的读取与调用。节点牵引组织是一个相对独立的区块链数据结构,可按照多维数据库中列表信息的排列顺序,建立与交互式查询行为相关的结构主体,再根据区块链存储位置处的数值注明条件,转存查询处置所必须的大数据结构信息,从而满足既定信息的精准调取应用条件[8-9]。在不考虑其他调度节点牵引因素的情况下,设y代表大数据参量的多维计数条件,β代表区块链组织所承载的大数据查询调度系数,联立上述物理量,可将区块链调度节点的牵引公式定义为:
2 多维大数据交互式查询方法
在区块链技术原理的支持下,设置Limit FIFO交互调度器,通过多维大数据流集成、关联查询系数配置的处理流程,完成基于区块链技术的多维大数据交互式查询方法的搭建。
2.1 Limit FIFO交互调度器
Limit FIFO交互调度器可根据区块链组织间的调度节点牵引关系,建立合理的大数据查询集合[10]。在n个多维大数据源同时向Limit FIFO设备输出待查询信息的情况下,交互节点与调度节点会自发建立与数据交互层结构和调度处理层结构的物理连接,存在于两个层级单元中的Job节点会根据信息参量的数量级水平,更改连接所处的具体位置条件,再通过协调相邻节点间位移权限的方式,来满足不同大数据信息的交互式查询需求。完成交互调度处理后,Limit FIFO设备会以区块链处置的方式,将多维信息转化成大数据脚本,以供其他设备元件的调取与应用[11-12]。
图2 Limit FIFO交互调度器结构图
2.2 多维大数据流集成
多维大数据流集成可按照区块链信息的连接方式,更改待查询参量的排列行为,从而满足交互式处置的基本应用需求。假设多维信息始终保持由起始位置指向结束位置的传输方向,则可将大数据流集成操作转化为Table节点、External节点、Partition节点间的查询关系已确定[13-14]。若区块链组织的交互传输关系始终保持稳定,Table节点可直接作为多维大数据的起始查询位置,且在External节点的促进下,交互式查询结构会变更至Partition节点所在位置,并释放暂存于其中的待处理参量信息,直至最终输出的多维大数据能够保持稳定的柱状流体状态。图3反映了完整的多维大数据流集成处理流程。
图3 多维大数据流集成处理流程图
2.3 关联查询系数配置
关联查询系数配置是多维大数据交互式查询方法的末尾处理环节,可在区块链调度节点牵引关系的促进下,计算多级维度条件的最大和最小限定系数[15]。在不考虑既定信息集成作用的前提下,关联查询系数配置结果只受到大数据存储总量及区块链交互系数的直接影响[16]。区块链交互系数常表示为f,在大数据查询处理过程中,该项物理量的数值水平始终保持稳定,且能够促进交互式处理信息出现明显的累积变化行为。联立式(1),可将关联查询系数的配置结果表示为:
式(2)中,i0代表多维大数据的下限极值条件,i1代表多维大数据的上限极值条件,u代表大数据流的平均集成系数,u′代表Limit FIFO交互调度器所承载的交互式查询系数,代表大数据迁移引擎的调度权限平均值。至此,完成基础执行环境建立及各项指标参数计算,在区块链组织结构的支持下,实现多维大数据交互式查询方法的顺利应用。
3 应用实效性检测
为验证基于区块链技术多维大数据交互式查询方法的实际应用价值,设计如下对比实验。在海量数据存储环境下,选取存储波长完全相同的多维大数据作为实验对象,分别以搭载交互式查询方法和传统MySQL数据库查询行为的检测计算机作为实验组、对照组数值记录元件,在相同实验环境下,根据实验指标的具体变化情况,分析信息传输的准确性、信息调取占用时间的实际表现行为。
3.1 实用环境搭建
以图4所示数据生成主机作为海量数据提供元件,再借助传输导线,将多维信息参量导入图5所示的查询控制设备中,更改支配主机的数据查询方法,分别获取实验组、对照组的实验数据指标。
图4 数据生成主机
图5 查询控制设备
3.2 信息传输准确性
以75 min作为实验时长,分别记录在该段时间内,实验组、对照组信息传输准确性的数值变化情况,实验详情如图6所示。
图6 信息传输准确性对比图
分析图6可知,实验组、对照组信息传输准确性均保持上升、下降交替出现的变化趋势,从极大值角度来看,实验组数值达到89%,而对照组数值仅达到58%,二者差值为31%;从平均值角度来看,实验组数值接近55%,而对照组数值仅为45%,二者差值为10%。综上可知,应用基于区块链技术多维大数据交互式查询方法,能够在一定程度上提升信息传输的准确性。
3.3 信息调取占用时间
分别记录大数据总量处于1×109~9×109T时,信息调取占用时间的具体变化情况,实验详情如表2所示。
表2 信息调取占用时间对比表
分析表2可知,随着大数据总量数值的增加,实验组信息调取占用时间先小幅度波动、再持续下降,全局最大值仅达到0.88 ms;对照组信息调取占用时间则始终保持不断上升的变化趋势,全局最大值达到1.63 ms,远高于实验组极值水平。综上可知,应用基于区块链技术多维大数据交互式查询方法,可有效降低信息调取所需的基础占用时间。
4 结束语
在区块链技术的支持下,多维大数据交互式查询方法在传统MySQL数据库查询行为的基础上,联合大数据迁移引擎、Limit FIFO调度器等执行设备,同时实现数据流量的集成与节点组织的牵引。从实用角度来看,信息传输准确性与信息调取占用时间均向着理想化方向发展,海量数据存储环境下,既定信息应用调取不精准的问题也得到了有效解决。