基于流动性感知机制的大数据资源稳定评估算法研究

• 作者: 范海峰
• 来源期刊: 重庆科技学院学报（自然科学版）
• 学科: 工学
• 关键词: 云计算 大数据 级别匹配 服务排序 稳定性
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 计算机与自动化技术
• 页码范围: 81-85
• 页数: 5页
• 分类号: TP393
• 语种: 中文

摘要

为了解决云计算条件下大数据资源评估效率低下、用户服务响应缓慢、稳定评估周期短等问题,提出一种基于流动性感知机制的大数据资源稳定评估算法.首先,考虑到大数据资源具有的高并发特性,设计了通过级别匹配的方式进行用户访问强度评估,过滤服务性能较低的用户访问请求,提升用户访问质量,缩短资源评估周期.然后,针对数据响应过程存在的服务资源受限问题,构建服务资源评估排序方案,划分用户服务级别,提高用户服务访问的适应性能.仿真实验结果显示:与当前大数据评估领域常用的遗传重构蜂群算法和大数据K-匿名微聚集算法相比,该算法能有效地缩短资源评估时间,提高评估过程中的计算收敛速度,单位用户服务能力卓越.