分布式大数据不一致性检测?
关系数据库中可能存在数据不一致性现象，关系数据库数据质量的一个主要问题是存在违反函数依赖情况。为找出不一致数据，需要进行函数依赖冲突检测。集中式数据库中可以通过 SQL 技术检测不一致情况，尽管检测效率不高；而分布式环境下不一致性检测更富有挑战性，不仅需要考虑数据的迁移，检测任务如何分配也是一个难题。在大数据背景下，上述问题更加突出。提出了一种分布式环境单函数依赖不一致性检测方法，给出了不一致性检测响应时间代价模型。为减少数据迁移量和响应时间，基于等价类对待检测数据进行预处理。由于分布式环境不一致性检测问题为 NP-hard 问题，多项式时间内难以得到最优解，给出了代价模型的多项式时间3/2-近似最优解。提出了一种分布式环境多函数依赖不一致性检测方法，基于最小集合覆盖理论，通过一次数据遍历，对多个函数依赖进行并行批检测，同时考虑检测过程中的负载均衡等问题。在真实和人工数据集上的实验表明：相对于传统的检测方法以及基于Hadoop的Na?ve方法，所提出的检测方法检测效率有明显的提升，且扩展性能良好。
函数依赖、不一致性、冲突检测、分布式数据、大数据
27
TP311(计算技术、计算机技术)
国家重点基础研究发展计划9732012CB316203;国家自然科学基金61472321,61332006,61502390;国家高技术研究发展计划8632015AA015307;西北工业大学基础研究基金3102014JSJ0005,3102014JSJ0013@@@@National Program on Key Basic Research Project of China 9732012CB316203;National Natural Science Foundation of China61472321,61332006,61502390;National High-Tech R&D Program of China 8632015AA015307;Basic Research Fund of Northwestern Polytechnical University of China3102014JSJ0005,3102014JSJ0013
2016-10-14（万方平台首次上网日期，不代表论文的发表时间）
共18页
2068-2085
