一种基于超图分割的社交用户数据优化放置方法技术

本发明专利技术涉及一种基于超图分割的社交用户数据优化放置方法，包括三个步骤：构建基于超图的社交网络模型、超图划分和子图到服务器映射。本发明专利技术利用超图中超边能够准确描述社交网络中多用户交互行为，根据用户交互行为放置用户数据，可以极大地降低用户交互过程中产生的通信量，优化的数据放置同时能够保持服务器间负载均衡。本发明专利技术能够根据社交网络用户交互行为优化用户数据在各服务器上的放置，保持服务器间负载均衡，降低数据中心内通信量。

An optimized placement method for social user data based on Hypergraph partitioning

The present invention relates to a social user data optimization placement method based on Hypergraph partitioning, which includes three steps: constructing hypergraph based social network model, hypergraph partitioning and subgraph mapping to server. The invention uses the super edge hypergraph can accurately describe the social network multi user interaction behavior, placing user data according to user interaction behavior, can greatly reduce the communication amount of user interaction in the process of optimization, the data can be placed at the same time the server load balance to maintain. The invention can optimize the placement of the user data on each server according to the interactive behavior of the social network users, keep the load balance among the servers, and reduce the communication amount in the data center.

【技术实现步骤摘要】
一种基于超图分割的社交用户数据优化放置方法
本专利技术涉及社交网络、大数据和分布式存储领域，尤其涉及一种社交网络存储系统中基于超图分割的社交用户数据优化放置方法。
技术介绍
如今在线社交网络(OnlineSocialNetworks，简称OSNs)如Facebook，Twitter和微信等已经成为最热门的互联网应用之一。以Facebook为例，2016年初其月度活跃用户数已达到15.9亿，相当于近四分之一的世界人口都在用Facebook作为社交工具在互联网上进行交流。在线社交网络之所以如此受欢迎，除了互联网的普及之外，更为重要的是它能够将人们的社交关系和社交活动投射到网络空间，从而让交流变得更加方便、快捷和高效，尤其对于那些地域上相距较远的用户。伴随在线社交网络的蓬勃发展，用户数目不断增加，用户的数据量也在急剧增长。面对PB甚至EB级的大数据(BigData)，任何集中存储技术都无法满足如此大规模数据的存储需求，必须采用分布式存储技术将用户数据分散地存储在众多的存储服务器之上。近年来，分布式键值存储(Key-valuestores)应运而生，它正是分布式存储技术在大数据时代延续和发展本文档来自技高网...

【技术保护点】
一种基于超图分割的社交用户数据优化放置方法，其特征在于：用于社交网络存储系统中，包括步骤：步骤1、将社交网络模型化为一副超图G＝(V,E)，其中顶点集V表示所有社交用户集合，边集E表示社交用户间交互关系集合；步骤2、用多层方法对所述步骤1中生成的超图进行划分，划分成n个子图，其中n为用于存储社交网络用户数据的服务器的数量；步骤3、将所述步骤2中获得的n个子图与数据中心内n个服务器进行一对一映射。

【技术特征摘要】
1.一种基于超图分割的社交用户数据优化放置方法，其特征在于：用于社交网络存储系统中，包括步骤：步骤1、将社交网络模型化为一副超图G＝(V,E)，其中顶点集V表示所有社交用户集合，边集E表示社交用户间交互关系集合；步骤2、用多层方法对所述步骤1中生成的超图进行划分，划分成n个子图，其中n为用于存储社交网络用户数据的服务器的数量；步骤3、将所述步骤2中获得的n个子图与数据中心内n个服务器进行一对一映射。2.根据权利要求1所述的基于超图分割的社交用户数据优化放置方法，其特征在于：所述步骤1中社交网络模型构建方法为：将社交网络中每个用户作为超图G的一个顶点，超图G的每条边e由两个以上顶点表示，称为超边，每次交互中所有参与交互的用户共同构成一条超边，每条超边ei附带一个权值ri，权值ri表示超边ei对应交互所产生的通信量。3.根据权利要求1所述的基于超图分割的社交用户数据优化放置方法，其特征在于：所述步骤2中，用cut表示割值，计算超图划分割值的方法为：首先，计算超边割值，当一个超边ei被分割成ti个部分，则ei的割值为：cut(ei)＝(ti-1)ri(1)表示分割后的通信量为分割前的(ti-1)倍；然后，对所有被分割的超边的割值求和作为超图划分的割值，即4.根据权利要求3所述的基于超图分割的社交用户数据优化放置方法，其特征在于：所述步骤2中多层划分过程为：步骤201、对原超图G逐步粗化，粗化方法是从原超图中每次找出最大独立超边集，将属于超边集的一组顶点合并在一起，每个合并后的顶点集都将作为第一层粗化图中的一个新的顶点，从而得到一个规模较原超图更小的超图G1；再利用同样的方法对超图G1粗化，依次粗化下去直到得到超图Gm，其顶点数量为n的整数倍；步骤202、对步骤201中得到的超图Gm进行划分，先划分成2个部分，找出所有划分中割值最小的，且保证划分后的负载均衡小于预先设定的阈值LB*，再按照同样的方法依次对上一轮划分的子图进一步划分，直到最终超图Gm被划分成n个子超图为止；步骤203、对步骤202中得到的划分结果去粗化，根据步骤201中粗化过程逐层超图顶点间的映射关系，做反向的映射，将步骤202中得到的n个子超图逐层反向映射为原超图G的n个子超图。5.根据权利要求4所述的基于超图分...

【专利技术属性】
技术研发人员：周经亚，樊建席，王进，贾俊铖，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏,32