针对物联网大规模信息处理的内存数据库负载均衡优化

《ACM Transactions on Asian and Low-Resource Language Information Processing》：In-memory database load balancing optimization for massive information processing of the Internet of Things

本文针对物联网海量数据处理中内存数据库运行效率问题，提出基于负载均衡信号处理算法的优化方法。通过设计自适应FSST算法并利用局部瑞利熵优化窗函数参数，实现信号能量最优聚集。实验表明，该方法在相同并发用户下，时间消耗、吞吐量和带宽均优于参考方法[10]，验证了其有效性。

　　

摘要

为了提高内存数据库在物联网大规模信息处理中的运行效果，本文结合了负载均衡信号处理算法，对内存数据库进行了负载均衡优化分析。针对非平稳多分量信号的局部变换特性，本文提出了一种自适应FSST算法。根据信号的可分离性条件，本文利用局部瑞利熵来估计自适应FSST和自适应FSST2的窗函数参数。此外，本文采用自适应窗函数来自动适应信号的局部变化，从而使信号在任何部分都具有最佳的能量聚集效果。实验结果表明，在并发用户数量相同的情况下，所提出方法的时间消耗、吞吐量和带宽始终优于参考文献[10]中提出的方法。当并发用户数量为97时，所提出方法的时间为45000毫秒，吞吐量最高为2.30 MB/s，带宽最高为11.9MB/s；而参考文献[10]中提出的方法的时间为40000毫秒，吞吐量最高为2.2 MB/s，带宽最高为11.8MB/s。因此，该内存数据库在物联网大规模信息处理中的负载均衡优化算法取得了良好的效果。