基于聚类分析分库策略的社交网络数据库查询性能与数据迁移
来源：计算机应用杂志2017年第3期北京时间：
作者：梁双, 周丽华, 杨培忠
单位：云南大学 信息学院, 昆明 650000
摘要：社交网络数据具有一定的聚合性，即特征上相近的用户之间更容易产生某种行为。依照常规的水平切分方法，在执行这些事件的信息查询时，将会耗费大量的时间和连接损耗去依次访问多个数据库。针对此问题，提出了基于聚类分析的社交网络数据库分库策略。将社交网络主体的特征标量进行聚类，使得聚集程度高的主体尽量分割到一个或尽可能少的几个分库中去，从而提高事件的查询效率，并在此基础上兼顾负载均衡与大数据迁移等问题。实验结果表明，该策略在社交网络的主流事件查询上都表现出不同程度的性能提升，最高提升程度达到23.4%，并且实现了局部最优负载均衡和零数据迁移。总的来说，基于聚类分析的社交网络数据库分库策略在提高查询效率、平衡负载以及大数据迁移可行性上，比传统水平切割分库有了相当的优势。
关键词：社交网络,数据库分库,聚类分析,查询性能,数据迁移
基金资助：国家自然科学基金资助项目（61262069，61472346）；云南省自然科学基金资助项目（2016FA026，2015FB114，2015FB149）；云南大学中青年骨干教师、创新研究团队发展计划（XT412011）。
