在線社交網絡數據放置策略的研究與實現.pdf

1、隨著信息技術的飛速發(fā)展，參與到在線社交網絡的用戶越來越多數以億計的用戶通過在線社交網絡進行互動產生了規(guī)模龐大的數據，如何對這些數據進行放置直接影響著在線社交網絡的性能。由于在線社交網絡數據結構復雜，且其數據結構隨著社交應用的不斷發(fā)展具有了一些新的特征，除此以外其面向的存儲環(huán)境也處于不斷發(fā)展的階段，因此本文針對在不同數據存儲架構環(huán)境下在線社交網絡數據的放置策略進行研究，主要工作包括：
　　（1）分析了在線社交網絡的特點及其發(fā)展趨勢，

2、闡明了研究在線社交網絡數據放置策略的現實意義。分別介紹了集中式和分布式數據存儲架構下在線社交網絡數據放置策略需要解決的問題以及國內外研究現狀。
　　（2）面向集中式數據存儲架構環(huán)境，在線社交網絡數據放置策略需要解決數據劃分和復制的問題?，F有數據劃分和復制算法多從負載均衡、減少好友間訪問請求開銷、提高副本收益等某個角度進行考慮且并沒有考慮在線社交網絡數據位置聚集性等新特性。本文設計了一種雙層社交圖模型將在線社交網絡數據中的位置信息進

3、行提取，在此基礎上提出了一種基于位置信息的在線社交網絡數據動態(tài)劃分和復制算法MSDPR。該算法采用改進的K-Means算法對位置信息進行聚類，再根據聚類結果對數據進行劃分，最后利用社交關系進行數據的復制。仿真結果表明：MSDPR算法能夠提高在線社交網絡數據的本地訪問率，降低訪問延遲，并且在數據動態(tài)加入時具有較好的適應性。
　?。?）面向分布式數據存儲架構環(huán)境，在線社交網絡數據放置策略需要解決副本存儲節(jié)點選擇問題。目前分布式在線社交

4、網絡的P2P存儲節(jié)點選擇算法中每個用戶的副本存儲節(jié)點數為統(tǒng)一的數值，考慮到在社交網絡中數據的訪問熱度、用戶的行為極具差異性，本文設計了一種基于位置的雙層自我中心網絡模型對單個用戶信息進行提取，并在此基礎上提出一種基于雙層自我中心網絡的存儲節(jié)點選擇算法D_Ego，該算法首先根據社交網絡社團結構特征對用戶社交影響力進行衡量，然后基于社交影響力確定各用戶數據副本因子大小，最后根據用戶節(jié)點的可用性、節(jié)點位置信息和用戶間的關系強度選擇存儲節(jié)點。仿