تخصیص قطعه در پایگاه داده توزیع شده با استفاده از الگوریتم SA-Qlearning

یکی از چالشهای مهم در پایگاه داده توزیع شده، مسیله تخصیص قطعه است. هدف از تخصیصقطع ، توزیع بهینه قطعات داده بر روی سایت های مختلف است، به نحوی که هزینه اجرای همه پرسو جوها کمین گردد. هزینه اجرای پرس و جوها شامل هزینه انتقال داده ها برروی مسیرهای شبکهاست که این هزینه متاثر از تعداد تراکنش های بازیابی و بروزرسانی می باشد. امکان تکرارسازیقطعات اثرگذاری دوگانه بر مساله تخصیص قطع خواهد داشت. زیرا تکرارسازی از سوی کاراییسیستم در اجرای تراکنش های بازیابی را افزایش می دهد و از سوی دیگر موجب کاهش کاراییسیستم در اجرای تراکنش های بهنگام سازی می گردد. در سالهای اخیر برای مسیله تخصیص قطعهراه حل های متفاوتی ارایه شده است که اغلب این روشها براساس روشهای صرفا ابتکاری یاتکاملی بوده که نتایج بدست آمده از نظر میزان هزینه با نقطه بهینه فاصله قابل توجه ای دارند . در اینپژوهش از مدل ارایه شده توسط هیونگ و چن استفاده شده است که براساس ماتریس های انتخاب،بازیابی و بروزرسانی رفتار تراکنش ها را در پایگاه داده توزیعی، مدل می نماید. بر اساس این مدل و اطلاعات تراکنش ها، الگوریتمی برای پیدا کردن تخصیص نزدیک به بهینه، براساس روش یادگیریتقویتی توسعه داده شده است که با روش های ابتکاری ترکیب گردیده و از ایده مطرح در شبیه سازیتبرید تدریجی بهره می گیرد. نتایج حاصل از الگوریتم پیشنهادی نشان می دهد که هزینه اجرایتراکنش ها، در مقایسه با الگوریتم های هیورستیک اول و دوم هیونگ و چن و الگوریتم کولونی موره ها به ترتیب 49%، 51% و 17% بهبود یافته است.

کلیدواژه ها:

پایگاه داده توزیع شده ، تخصی قطع ، یادگیری تقویتی ، شهی سازی تهرید تدریجی