资源融合网格环境中数据访问关键技术研究

摘要

网格中存在各种类型的数据资源，这些数据资源物理上分布在异构环境中，有不同的数据格式、存储方式、访问控制策略，逻辑上则可能在数据模型、操纵语言和数据语义等方面存在着很大差异，导致不同应用系统之间、不同的信息拥有者之间无法相互理解对方的信息，形成了”信息异构”；信息异构主要包括结构、语法、系统以及语义层次的异构。在网格这种主要面向高级资源共享与协作的环境，信息异构的解决显得更为重要与困难；这中间，语义层面上的数据集成是首要问题。目前的异构信息集成方法已经能解决异构信息在结构、语法和系统层次上的异构，但对数据源在语义层次上的异构如何解决还存在问题和不足。本文旨在深入研究面向网格环境的语义数据集成问题，使应用程序能理解数据的语义以及数据与数据之间的关系，并提供具有语义支持、服务质量保障的数据访问，以实现资源融合网格中数据资源在语义层次上的融合。本文首先对网格环境中数据访问的研究现状和发展趋势进行了深入分析和探讨，之后提出了基于本体的语义数据集成模型ODSF，围绕ODSF中的几个关键问题如本体映射、具有OoS支持的数据访问、多连接查询优化等进行了研究，开发了基于ODSF的原型系统，该系统能够提供对网格环境中数据资源的透明访问。本文取得的主要创新点如下： (1)提出了基于本体的语义数据集成模型(ODSF)并引入了虚拟数据库的概念。ODSF中的基本元素是数据对象，使用嵌套关系来描述数据对象的数据模式，通过数据对象和领域本体之间的映射关系来表达数据对象的语义，通过语义标注来表达数据对象(元素)的上下文环境，通过定义虚拟数据库的QoS指标和业务规则来满足用户的QoS要求；可以提供网格环境下具有语义支持、QoS支持的数据访问服务，实现资源融合网格中自底向上、由粗到细的数据融合。 (2)提出了基于领域学习的本体映射方法，该方法利用多种策略(名称、结构、实例、元数据)计算元素之间的相似性，使用stacking算法来合并各种策略的计算结果，并利用领域知识来优化映射发现过程。实验结果证明了该算法的有效性。 (3)查询重写方面，提出了基于本体映射的查询重写算法，可有效改善查询重写过程。 (4)查询优化方面，提出了基于管道并行方式的分层管道树，利用遗传编程来确定分层管道树的形状，并在优化过程中考虑了用户的QoS要求，实验证明该方法是有效的。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究背景

1.2研究意义

1.3研究内容和主要创新点

1.4研究现状综述

1.4.1 WS-DAIS

1.4.2 myGrid

1.4.3VDG

1.4.4 DartGrid

1.4.5 OGSA-DAI和OGSA-DQP

1.5论文安排

第二章基于本体的语义数据集成模型

2.1语义WEB服务模型

2.1.1语义WEB的层次模型

2.1.2语义WEB的研究现状

2.1.3语义WEB服务模型

2.2基于本体的语义数据集成模型(0DSF)

2.2.1问题的提出

2.2.2数据对象及其语义描述

2.2.3 ODSF结构

2.2.4嵌套关系模型

2.2.5 ODSF中的数据对象-本体映射

2.2.6 ODSF的树林结构

2.2.7 ODSF中数据对象的语义分析

2.3 ODSF的数据模型

2.3.1数据模式

2.3.2查询

2.3.3 ODSF中查询的执行过程

2.4 ODSF的语义模型

2.4.1语义标注(SAnnotation)

2.4.2元数据(MetaData)

2.4.3本体映射(SBinding)

2.4.4服务质量(vdbQoS)

2.4.5业务规则(BusinessRule)

2.5 ODSF的服务模型

2.5.1发布服务

2.5.2服务发现

2.6 ODSF的访问接口

2.6.1语义提供服务

2.6.2数据访问服务

2.7业务规则描述语言SWRL-

2.7.1描述逻辑编程(DLP)介绍

2.7.2基于DLP的业务规则描述语言SWRL

2.7.3 SWRL-的语义

2.8 ODSF的特点

2.9本章小结

第三章本体映射

3.1本体映射的形式化描述

3.1.1直接映射

3.1.2一对多映射

3.1.3多对多映射

3.1.4例子

3.2本体映射概述

3.2.1本体映射方法

3.2.2本体映射工具(系统)介绍

3.2.3存在的问题

3.3基于领域学习的本体映射方法(Learned-based mapping method)

3.3.1本体映射发现过程

3.3.2基于名称的发现策略

3.3.3基于结构的发现策略

3.3.4基于实例的发现策略

3.3.5基于元属性的发现策略

3.3.6采用stacking算法的多策略合并

3.3.7基于领域学习的映射优化

3.3.8基于最小成本的映射选择

3.3.9一对多映射的发现

3.3.10概念映射过程

3.4基于领域学习的本体映射发现算法

3.4.1映射发现算法

3.4.2算法的复杂度分析

3.5实验

3.5.1实验结果

3.5.2实验结果分析

3.6本章小结

第四章具有QoS支持的数据访问服务

4.1查询重写

4.1.1关系模型下针对视图的查询重写

4.1.2 FuseGrid中的查询重写算法

4.1.3 FGMC算法详细描述

4.2查询优化框架

4.2.1查询优化框架

4.2.2多连接的并行执行方式

4.2.3目前的查询优化方案

4.3基于遗传编程(GP)的多连接优化

4.3.1多连接的混合并行方式

4.3.2遗传编程(GP)的基本思想

4.3.3多连接的表示方式

4.3.4初始种群的生成

4.3.5适应度函数

4.3.6选择算子

4.3.7交叉算子

4.3.8变异算子

4.3.9算法描述

4.3.10实验结果及分析

4.4 QoS支持的查询优化

4.4.1数据源QoS参数对查询优化的影响

4.4.2用户QoS参数及其对查询优化的影响

4.4.3 QoS支持的查询分解

4.4.4 QoS支持的多连接优化

4.4.5操作内并行方法

4.4.6实验结果及分析

4.5本章小结

第五章资源融合网格环境下的数据访问原型系统

5.1系统分层模型

5.2核心模块实现

5.2.1客户端

5.2.2虚拟数据库管理

5.2.3自动本体映射

5.2.4查询重写

5.2.5 QoS服务

5.2.6数据访问执行服务

5.3本章小结

结论和展望

参考文献

攻读学位期间发表的与学位论文内容相关的学术论文

致谢

评定意见