首先,基于云计算应用模式,提出一种能有效利用云存储架构的双层缓存技术.通过在客户端和服务器端建立分布式缓存,能有效避免用户频繁访问远端数据,为用户构建轻量级的客户端,解决了目前地学数据可视化软件大量占用用户本地存储容量的问...首先,基于云计算应用模式,提出一种能有效利用云存储架构的双层缓存技术.通过在客户端和服务器端建立分布式缓存,能有效避免用户频繁访问远端数据,为用户构建轻量级的客户端,解决了目前地学数据可视化软件大量占用用户本地存储容量的问题.同时服务器端也避免了多次访问云存储文件系统,减少了大量的数据检索与加载时间.其次,提出一种ARLS(association rule last successor)访问预测算法,根据用户的历史访问记录,利用关联规则挖掘用户的访问模式,对其访问行为进行预测,进而提前加载数据,提高缓存命中率,解决了用户在可视化过程中不断移动兴趣区域,频繁更换渲染数据的问题,能有效应对用户具有多种访问模式的情况,提高了预测准确率.实验结果表明,该云存储架构显著减少了本地资源消耗,访问预测算法的准确率在最差情形下可达47.59%,平均准确率达91.3%,分布式缓存的平均缓存命中率达95.61%,可有效支持云端大规模地震数据的快速可视化.展开更多
文摘首先,基于云计算应用模式,提出一种能有效利用云存储架构的双层缓存技术.通过在客户端和服务器端建立分布式缓存,能有效避免用户频繁访问远端数据,为用户构建轻量级的客户端,解决了目前地学数据可视化软件大量占用用户本地存储容量的问题.同时服务器端也避免了多次访问云存储文件系统,减少了大量的数据检索与加载时间.其次,提出一种ARLS(association rule last successor)访问预测算法,根据用户的历史访问记录,利用关联规则挖掘用户的访问模式,对其访问行为进行预测,进而提前加载数据,提高缓存命中率,解决了用户在可视化过程中不断移动兴趣区域,频繁更换渲染数据的问题,能有效应对用户具有多种访问模式的情况,提高了预测准确率.实验结果表明,该云存储架构显著减少了本地资源消耗,访问预测算法的准确率在最差情形下可达47.59%,平均准确率达91.3%,分布式缓存的平均缓存命中率达95.61%,可有效支持云端大规模地震数据的快速可视化.
