探究计算机云计算的SLIQ并行算法分析

贺俊

摘 要：在存留和解析多样数据时，云计算能供应实效凸显的解决路径。明晰数据挖掘用到的特有算法，带有侧重的价值。建构在SLIQ之上的算法，采用逐一遍历以及伸缩性指标的计算方法，寻找到精准的分裂点。建构出来的模型，能促动算法实效的升高。经由改进，SLIQ框架下的算法，增添了并行化情形下的挖掘效率。

关键词：计算机云计算；SLIQ；并行算法

数目偏多的数据，经由数据挖掘，被归整和处理。陈旧的挖掘算法，只可以输入那种规模偏小的数据量；若数据量递增，那么这样的算法会缩减速率，很难提升原有的运算成效。云计算框架下的运算，能处理这种规模偏大的数据。若能摸索出并行化情形下的数据挖掘，就可化解掉这样的疑难。SLIQ接纳了新颖的编程模型，在既有的环境之下，建构出决策规则情形中的数据挖掘。

1 新颖算法概述

建构在SLIQ框架下的新颖算法，归属于决策树分类这种算法，并凸显了代表性。这样的算法，可处理数目偏多的数据；而陈旧的分类器带有的处理容量，只能升至600KB左右。因此，建构在SLIQ框架下的新颖算法，打破了陈旧算法特有的瓶颈。经由改进的SLIQ，带有凸显的分布特性，能与现有的数据挖掘状态契合。

上世纪末这一时段内，学者经由摸索，创设出了新颖的SLIQ。这样的新算法，速率很高，且能被延展，它建构在特有的模型之上，即决策树这种模型。SLIQ可分出三个独特阶段，即预处理用到的阶段、构建树的独特阶段、修剪树的独特阶段。预处理用到的阶段以内，要排列出各类别数值带有的属性。在制备出来的类表以内，对叶的那些节点索引，朝向决策树搭配着的根节点。建构树用到的阶段以内，采纳新颖的、递归调用必备的路径。修剪树用到的阶段以内，特有的修剪算法，描述的是独特的最小长度。

2 经由改进的新算法

2.1 独特的属性分裂路径

SLIQ框架下的新颖算法，搭配着可伸缩的新指标。用这样的新指标，替换掉旧有的信息量。这样一来，就生成了最适宜的那种决策树。在计算体系带有的特征值时，索引只考量类值现有的分布情形。对数值型的、带有连续性的独特字段，在寻找出分裂点的路径中，可设定出如下几步：设定一个特有的字段a，经由排序，可获取到独特数列，含有m个数值。分裂这样的事件，会在带有邻近特性的那些节点中产出，因此，就运算出了m种这样的可能性。选取数列涵盖着的中点，当成备选情形下的分裂点。依循由小到大这样的次序，选取出能用到的分裂点。在这之中，最小点归属于最佳的备选数值。

对那些带有离散特性的独特字段，要经由分裂测试，选取出字段含有的所有子集。把原有的字段，分出两个独特成分，运算得来不同的索引。当选取到那个最小状态下的索引时，就寻找到了最好的那个分裂点。然而，要遍历字段涵盖着的一切子集，会耗费掉偏多的时间。

2.2 并行化路径

经由改进，SLIQ框架下的新颖算法，可以并行化路径。具体而言，要把体系搭配着的一切类表，存留在现有的处理机以内。在并行框架下，建构树用到的阶段，应被侧重探究，而剪枝时段，不会耗费掉偏多的时间。要创设出并行建树必备的路径，就应寻找出最好的那个分裂点，同时建构出能用到的新节点。

若要执行这样的分裂路径，则要更替样本涵盖着的类表，以及特有的直方图。直方图含有的独特字段，可借助运算得来索引。还应借助特有的哈希表，以便存留住分割点搭配着的两侧数值，并供应并行节点必备的分隔根据。经由改进，SLIQ框架下的算法，能存留偏多的内存，提升原有速率；同时，在很短时段内，可生成期待中的目标数。

3 可用的改进途径

借助特有的编程模型，改进了陈旧算法，获取到SLIQ框架下的新算法。编程模型搭配着的函数，会把各类别根节点既有的记录，予以水平方位内的划分。这样一来，就分出了N个等同规模之下的子集，并获取到特有的数据块。对N个这样的子集，增添现有的格式化特性。Map框架下的操作，会经由扫描，录入各类别的记录。在这以后，分出同种类别下的key，对应到精准的文件内。选取特有的模计算，把这些文件，搭配到既有的模型之上。

对那些带有连续属性的独特字段，要依循由小到大这样的次序，排列出字段涵盖着的属性值。与此同时，要生成精准的直方图。初始数值，被设定成零。要经由运算，得来分裂点搭配着的索引数值。随时去更替现有的直方图，对那些离散情形下的连续字段，可以不排出次序，也可以不去更替原有的直方图。初次扫描，可归结出特有的直方图，运算得来子集搭配着的索引数值。

SLIQ框架下的独特操作，会依循既有的分裂点，建构出可用的哈希表。这种表单内，第m条独特记录，就表征着源数据含有的第m个独特树节点。比对现有的输出数值，选取出最小的那种索引，关联起既有属性，以及既有的数据表。对各类别工作站含有的偏小的索引，比对它们搭配着的属性数值。这样一来，就获取到了最小情形下的指标值，它就归属于最好的那种分割点。经由年龄框架下的直方图，可运算得来Age表征着的属性。经由遍历，可获取到最好的那种分割点，这就增添了运算实效。

[参考文献]

[1]杨长春，沈晓玲.基于云计算的SLIQ并行算法研究[J].计算机工程与科学，2012（03）.

[2]王鄂，李铭.云计算下的海量数据挖掘研究[J].现代计算机（专业版），2009（11）.

[3]高勛.基于云计算的Web结构挖掘算法研究[D].北京交通大学，2010（06）.