一、SQL Server查询优化技术（论文文献综述）
徐泽天[1]（2021）在《Elasticsearch在电网调度数据管理的应用研究》文中提出某市电网调度自动化系统运行维护过程中,发现如下问题:1.调度数据快速增长,存储体量急剧膨胀,现有数据库难以满足数据存储需求。2.随着调度数据量的增长,数据查询速度越来越慢。3.现有调度自动化系统未实现日志可视化管理。随着智能电网的发展,调度自动化系统采集的电网调度运行、输变电设备在线监测等实时数据与系统运行、操作记录等日志数据将越来越多、越来越密集,形成采样快、体量大、类型多的调度大数据。现调度自动化系统普遍采用的关系型数据库是建立在低核心、小内存和大硬盘的硬件背景之上,在呈爆发式增长的调度大数据前存在读写速率低、扩展性差、并发能力不足和难以组织管理日志数据等瓶颈,无法为调度自动化系统提供稳定可靠存储、便捷高效读取和日志可视的调度数据管理服务。针对上述电网调度数据管理问题,本文提出一种以Elasticsearch分布式搜索引擎为核心的电网调度数据可靠存储、快速查询和日志数据可视化方法,将Elasticsearch在数据快速检索与日志可视化管理的优点应用于电网调度数据管理中。本文主要研究工作如下:1.为解决电网调度数据的存储问题,提出以基于云计算的Hadoop生态体系为架构,用非关系型数据库HBase代替现电网调度使用的关系型数据库来存储调度数据的方法。测试表明,电网调度分布式数据库HBase具有高可靠性和良好的并发读写性能,能满足调度自动化系统的数据存储需求。2.为解决电网调度数据查询缓慢的问题,提出在数据库HBase的一级索引基础上,通过Elasticsearch的倒排索引建立第二级索引的方法,设计并实现电网调度监测数据的二级索引结构,代替现关系型数据库的查询。以某市电网调度监测数据为样本,进行并发查询响应的对比测试,测试结果表明,基于Elasticsearch的二级索引结构的查询时间远小于现关系型数据库的查询时间,能满足调度自动化系统高速并发的数据查询需求。3.为解决电网调度自动化系统未实现日志可视化管理的问题,提出运用以Elasticsearch为核心的ELK技术栈的方法,设计并实现调度自动化系统日志可视化管理,有助于把握调度自动化系统的运行状态和精益化管理。4.基于上述解决方案,开发电网调度数据管理系统软件。结合电网调度数据管理需求,软件采用微软.NET框架,基于RESTful API实现后端处理、基于WCF提供数据服务、基于B/S模式进行前端交互,设计并实现电网调度数据管理。电网调度数据管理系统在管理某市电网调度数据的运行效果表明,该系统能满足海量调度数据稳定可靠存储、高效并发读取和日志可视化管理的需求,有助于未来调度自动化系统向智能化、精益化发展。
马鹏淘[2]（2021）在《煤机装备科学数据共享服务平台开发》文中认为煤炭能源作为我国的主要能源之一,传统的发展模式已经不能够适应当前发展环境,需要进行产品的创新设计来改变传统的发展模式,推动煤炭产业数字化发展。采煤机、掘进机、提升机和刮板输送机作为煤机装备主要设备,从设备的设计到最终的维护全生命周期产生了海量有价值的数据,由于这些数据零散化分布在企业及主要设计人员手中,阻碍了数据流通,造成了数据孤岛和数据浪费等问题,难以发挥数据潜在的科学价值。因此,实现数据共享是煤机领域创新发展的主要趋势,有助于促进煤机企业智能化和数字化发展。煤机装备科学数据是指煤机装备在全生命周期中产生的多源异构数据,主要包括产品参数、CAD模型、CAE分析结果、虚拟装配模型、文献、专利等科学数据。针对煤机装备数据孤岛、数据封闭的现状,分析数据的输入-处理-输出的“数据循环”体系,运用ASP.NET技术、Ajax技术和元数据技术,以.NET为开发平台、SQL server 2008为存储数据库,构建集数据汇交、专题数据和应用服务功能为一体的煤机装备科学数据共享服务平台。共享服务平台包含四大主要煤机装备（采煤机、掘进机、提升机和刮板输送机）的科学数据共享服务系统,每个共享服务系统由数据汇交、专题数据和应用服务三大模块组成,将煤机装备科学数据进行深度挖掘和汇交整合,为煤机企业及领域专业人员提供数据基础,促进煤机装备科学数据规范汇交和高效共享。提出线上与线下相结合的汇交方式,采用数据传输和权限控制和配置文件加密技术,构建集汇交注册、汇交申请、汇交审核和汇交入库为一体的数据汇交模块,为用户提供元数据和实体数据汇交途径,丰富专题数据库内容,实现煤机装备科学数据的安全规范汇交。提出构建煤机装备特色专题数据库方案,通过对煤机装备科学数据的深度挖掘和整理,以分布式存储方式存储在数据库中,形成多样化的专题数据库,包含计算资源库、CAD模型库、虚拟装配库、监测运行库、可靠性信息库、企业产品信息库和文献库等,为用户提供在线浏览、查询和下载等服务,促进煤机领域数据的高效共享。构建煤机装备综合性应用服务模块,在原有参数化建模子系统、CAE分析子系统、优化设计子系统、虚拟装配子系统等基础上完善概念设计子系统和参数化建模子系统并集成到共享服务平台,使应用服务系统功能更加全面,为煤机装备产品数字化设计提供数据和技术支持。面向煤机装备产品的全生命周期设计过程,通过数据汇交、专题数据、应用服务三大模块可实现煤机领域数据安全规范汇交、专题数据分级分类共享和高效设计、分析与优化,为煤机装备企业及有需求的公众提供科研、设计、制造、运维等数据支撑与服务。经应用测试,共享服务平台运行稳定,安全可靠。
贾超[3]（2021）在《便携式ABI检测系统上位机设计与开发》文中研究表明动脉硬化是心血管疾病的一大诱因,踝臂指数（ABI）检测是动脉硬化临床上最常用的预警、筛查及术后疗效评估的检查手段,而ABI的测量准确度取决于人体实时血压测量的准确度。由于人体血压受诸多因素影响,是一个动态变化的过程,采用传统的袖带式血压测量方案可能无法准确监测人体血压的动态变化情况。本文基于实验室课题组研发的脉搏波（PPG）采量设备,通过Visual Studio开发平台和.Net Framework框架,采用C/S架构,设计和开发了一款便携式ABI检测系统上位机软件。软件实现的功能包括建立连接、数据通信、实时显示和存储等,此外为提高测量准确度,设计了一种基于BP神经网络的血压预测模型,作为软件数据处理算法。本文具体工作内容如下。首先,分析了软件总体设计需求,将软件设计任务分为低功耗蓝牙通信通道建立、传输协议制定、血压预测模型算法设计和数据存储与查询四部分,并对各部分的具体设计需求进行分析。然后,在调研ABI检测的技术现状以及分析现有血压预测模型的不足的基础上,提出了一种多参数优化的BP神经网络血压预测模型,并阐述了模型的预测原理和流程。对模型初步评估表明,所提出模型的稳定性和准确性表现良好,可应用于便携式ABI检测系统上位机以提高检测结果的可靠性。接下来,根据需求分析结果和血压预测模型原理,对便携式ABI检测系统上位机软件各功能的实现进行详细流程化设计,主要包括:利用Windows平台的BLE的通用属性接口建立了四路双向BLE数据传输通道;基于数据传输协议实现数据的收发、信息识别并制定显示策略;以提出的血压预测模型为蓝本对数据进行处理;在后台连接SQL Server并建立用户表、测量数据表进行实时数据存储,以实现历史记录多元条件查询及注册登录等功能;BLE的MAC地址和数据库库名等参数自定义功能等。开发完成后,对软件客户端以及检测系统整体进行了测试。经过软件客户端“黑盒测试”和系统测量准确度测试,所设计的软件在所有模拟场景下输出均符合预期,且血压测量误差满足医学仪器促进协会（AAMI）的标准,ABI的测量偏差小于6%,可满足一般自主测试要求。
余旭玲[4]（2021）在《基于内存式数据库的关系型标准查询算法研究与工程实践》文中研究说明在大数据、云计算、区块链等技术快速发展背景下,信息的存储与高效利用是各个领域和各大行业都面临的挑战与机遇。信息数据的汇集和业务数据的生产在高访问及高并发应用下呈指数式增长。这种情形下,目前仍然充当主力存储模式的传统关系型数据库在数据存储以及数据访问等方面逐渐显得力不从心,尤其是关系型数据库IO问题成为了诸多应用系统性能的瓶颈。近些年快速发展起来的内存式数据库越来越被重视和使用,成为满足高并发、低时延数据管理需求最有效的解决方案之一。但如何将数据从关系型数据中迁移到内存数据库中成为企业面临的一大问题。同时对于不支持标准SQL语言的内存式数据库,如何实现标准SQL查询访问成为普遍的业内期待和面临的突出问题。基于此现状,通过对当前流行的关系型数据和内存数据库进行调研与分析,结合当前国际形势,选取开源关系型数据库MySQL以及开源内存数据库Redis为研究对象,研究内存式数据库关系型标准查询算法,以开源Spring Cloud为基础搭建微服务架构,实现Redis的关系型标准查询。首先,对关系型MySQL和内存型Redis数据库的存储模型进行了深入研究与分析,提出了一种存储模型的转换器模式,实现关系型数据库存储模型到内存数据库（Redis）键值存储模型的转换,满足数据转换过程中的一致性要求。其次,基于上述研究成果,提出了一种内存式数据库的关系型标准查询算法MD-RSQA（自定义）,实现内存数据库Redis的标准SQL查询。并通过自定义MRSQL中间件（包含YM-SQL解析器、动态SQL模型中继器以及BZ-SQL适配器）来实现该算法。基于该算法,提出了关系型数据库内存化后的一体化标准访问模型,通过数据DB适配器,实现在包含关系数据库和内存数据库的混合数据存储体系结构下的数据一体化标准访问。最后,搭建了基于Redis和MySQL的混合存储应用平台。该平台基于微服务架构,整合了负载均衡（Nginx）、网关及路由（Gateway）、限流与熔断（Hystrix）、分布式处理单元等相关组件,并对平台的各组件做了实际开发与扩展,构建可实际运行的微服务应用框架。基于对MD-RSQA算法的研究,为了佐证算法的正确性,对本文搭建的微服务平台进行一致性访问与并发测试。实测结果表明,该方案能够提高数据库操作（新增、删除、查询、更新）效率约10倍,大幅提升应用系统对数据的访问效率。本文是基于某商业项目技术需求进行研究,研究的部分成果已集成在该项目中,且在项目平台中稳定运行。
王增洲[5]（2021）在《基于HBase查询优化的研究与应用》文中研究说明随着大数据时代的来临,对于海量数据的管理和检索,提出了更高的技术要求。HBase作为Hadoop框架下的分布式No SQL数据库,以其强拓展性,优秀的存储能力,良好的读写能力被众多企业选择作为大数据存储介质。目前HBase常用于互联网与物联网领域,如能源数据存储、车载信息收集、电子商务订单备份、工业传感器数据存储等。数据类型以时空、时序数据等流数据为主。在能源数据领域,风场风机监控数据作为标准的时间序列数据,是HBase的主要适用场景之一。针对HBase不提供非主键索引,面对非主键列查询,只能进行效率低下的全表扫描,聚合查询面对海量数据需要重复计算,实时性较低的问题,本文致力于基于HBase的查询优化技术的研究与应用,主要的工作内容如下:（1）为支持不同环境,不同性能要求的多条件非主键查询,为HBase设计了适应不同环境的二级索引方案,实现了索引的自动构建与更新,并通过解析器实现SQL语句调用HBase查询API接口的功能。（2）针对已有的二级索引方案中普遍存在的索引与元数据一致性问题,提出了基于延迟更新的索引一致性解决方案,实现索引与数据的最终一致性,避免了索引更新错误导致的索引失效问题,在保证正确性的前提下提高查询效率。（3）为提高HBase针对时间序列数据聚合查询的效率,提出一种基于时间分割树的索引结构,针对保存在磁盘上的树状索引查询开销大,查询时间受数据量影响的问题,对时间分割树结构进行改进,同时对查询算法进行优化,避免了索引树层层遍历的磁盘I/O开销,提高了查询效率。针对上述的优化方案,根据实际项目需求设计了采用HBase作为底层数据库的风机监控与管理系统,并在系统中对各个模块的功能进行了分析与实现。通过对数据库集群的设计,将优化方案在HBase中进行了应用,同时利用风机运行数据作为数据集,进行了功能测试和方案效率测试。
彭贝,刘黎志,杨敏,张晨跃[6]（2020）在《基于Hive的空气质量大数据查询优化方法》文中提出为了提高对环境空气质量监测系统中省级环境监测中心站里已汇集的海量监测数据的统计和分析效率,提出了一种基于Spark集群在Hive上进行多维数据分区的查询优化方法。以湖北省环境监测中心站中的空气质量监测数据为研究对象,将数据转移到Spark集群利用Spark SQL连接Hive并进行分区存储。设计了12种查询,查询4个数据集,通过与采用传统查询方法的实验对比得出结论。实验结果表明:基于Hive的分区优化方法对空气质量大数据的查询时间有47%到96%的优化,而随着查询的复杂程度和数据量的增加,该方法的优化效果越明显。
李来昱[7]（2020）在《水泥生产时序数据存取方法研究与实现》文中研究表明水泥工业作为传统的高耗能、高排放产业,水泥行业需要加快转型升级的步伐,推动企业信息化建设。水泥生产过程产生海量的时序数据,发掘这些数据的潜在价值,对于及时发现生产问题、优化工艺参数和追溯事故原因等意义重大。水泥生产时序数据存取方法研究是水泥企业综合数据管理系统项目的重要内容。本文针对生产时序数据体量大、种类繁多、结构简单的特点,为适应企业的不同需求,给出了两套生产时序数据的存取方案:非压缩模式和压缩模式。本文的工作主要包括以下几个方面:（1）在研究水泥工艺的基础上,对水泥企业生产数据的来源和特点进行分析和研究,结合典型水泥生产线,确定了时序数据监测点,完成了数据库整体设计。（2）水泥生产时序数据非压缩模式存取方法研究,结合具体水泥企业,完成了非压缩模式下的数据库与数据表详细设计,并设计了该模式下的数据访问接口。（3）水泥生产时序数据压缩模式存取方法研究。以熟料生产线时序数据为例,给出了水泥生产时序数据的压缩存储规则和存储流程,完成了压缩模式下的数据库与数据表的详细设计,并设计了压缩模式下的数据访问接口。（4）水泥生产时序数据存取性能优化方法研究。在数据库层面上,主要包括索引优化、SQL语句优化和表分区优化;在数据传输层面上,为了减轻网络传输压力和提高系统响应速度,研究设计了数据传输前的筛选与压缩方法,以及客户端数据的缓存功能。最后,采用SQL Server作为数据库,C#作为编程语言,实现了上述设计内容。研究成果已在多家水泥企业中投入应用。
樊敏[8]（2020）在《基于分布式关系型数据库的查询算法优化》文中研究表明随着数据量的增长和应用场景的不断变化,数据库系统的架构发生了巨大的改变,分布式关系型数据库（即NewSQL）的出现融合了SQL与NoSQL模式,对外同时提供了SQL接口、分布式事务和集群的高扩展性。NewSQL的基本功能包括分布式事务,SQL到NoSQL的映射等技术都基本完善后,由于存储的数据量增加,NewSQL数据库相比于传统关系型数据来说,应用场景也不再局限于在线事务分析,还要包含一些大型复杂分析查询和离线分析的场景。如何提升在大型复杂分析查询和OLAP场景下的查询性能,是NewSQL数据库的关键问题。在传统关系型数据库中,这一问题主要由查询优化器提供解决方案。优化器会根据查询的代价从数百个甚至数千个查询计划中选择出代价最低的查询计划来执行查询,但是在分布式环境下增加了代价估算的难度,通过查询优化技术选择出一个最佳的查询计划会更加困难,从而降低查询性能。在优化器选择出了一个次优查询计划后,如何降低它对性能的影响就显得十分重要。对于大型复杂分析查询,在优化器生成了次优的查询计划后,减少分布式下的网络开销更能够保证查询计划的健壮性,减小计划执行对数据库性能的影响。本文基于TiDB—一个开源的分布式关系型的NewSQL数据库,搭建了集群实验环境。基于Lookahead Information Passing（LIP）算法,设计和实现了分布式下的distLIP算法。通过将distLIP算子下推到存储层做计算,大大减小了数据的网络传输开销;并通过自适应排序算法,减小了中间计算结果占用内存的大小,提高了查询计划的健壮性;本文中也采用了布谷鸟过滤器用来代替原算法中的布隆过滤器,提高了数据的空间占用率和查询的计算效率。最后,本文使用了星型模式性能测试集测试了大型复杂分析查询下包含distLIP算法和不包含distLIP算法的查询执行时间。实验结果证明,在TiDB上使用distLIP算法是有效的,能够提升星型模型查询和类似查询场景下的查询性能。
未培[9]（2014）在《SQL SERVER查询优化实证研究》文中提出查询是数据库系统中应用非常广泛的操作,查询语句的执行效率直接会影响到整个数据库应用系统的性能。本文通过SQL SERVER PROFILER进行跟踪,结合SQL SERVER中数据库引擎优化顾问工具,对SQL SERVER查询语句优化技术进行了研究。通过实例验证说明,采取适当的优化技术对提高查询效率有很大的帮助。
刘维学[10]（2013）在《SQL Server查询优化器原理与优化实例分析》文中进行了进一步梳理查询是数据库的核心操作,随着数据库技术的发展以及数据量急剧增加,对查询性能的要求越来越高,查询优化成为数据库管理系统亟待解决的重要问题。文中针对应用最广泛的SQL Server数据库的查询优化器进行研究。通过图形研究查询优化器的工作原理,并深入分析提交SQL语句、解析、代数化、查询优化、编译、执行、结果等查询优化器的工作步骤;进行实例分析,运用图形表示了逻辑树和经过优化后得到的查询执行计划。结果表明,SQL语句是查询优化的基础,实际应用时需要写出符合查询优化器规则的SQL语句。
二、SQL Server查询优化技术（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、SQL Server查询优化技术（论文提纲范文）
（1）Elasticsearch在电网调度数据管理的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号对照表 |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景 |
| 1.2.1 电网智能化发展趋势 |
| 1.2.2 调度自动化系统的发展历程和趋势 |
| 1.2.3 现调度所用关系型数据库不能满足电网调度大数据的需要 |
| 1.3 国内外研究现状和趋势 |
| 1.4 主要研究内容及结构 |
| 第二章 基于云计算的电网调度数据存储 |
| 2.1 电网调度数据管理现状与发展趋势 |
| 2.1.1 电网调度数据管理现状 |
| 2.1.2 未来云调度数据管理 |
| 2.1.3 电网调度数据管理对比分析 |
| 2.2 电网调度分布式数据库HBase |
| 2.2.1 分布式云计算及其核心技术 |
| 2.2.2 基于云计算的Hadoop架构及其核心组件 |
| 2.2.3 基于Hadoop架构的数据库HBase |
| 2.3 基于云计算的电网调度数据库HBase的搭建、运行与测试 |
| 2.3.1 Hadoop集群的搭建 |
| 2.3.2 Hadoop分布式文件系统的调优 |
| 2.3.3 电网调度数据库HBase的搭建与运行 |
| 2.3.4 电网调度数据库HBase的测试 |
| 2.4 本章小结 |
| 第三章 Elasticsearch在电网调度监测数据查询的应用 |
| 3.1 电网调度监测数据查询现状 |
| 3.2 电网调度监测数据查询需求 |
| 3.2.1 电网调度运行数据查询需求 |
| 3.2.2 输变电设备在线监测数据查询需求 |
| 3.3 Elasticsearch在电网调度监测数据查询的应用 |
| 3.3.1 Elasticsearch分布式搜索引擎 |
| 3.3.2 电网调度监测数据的二级索引结构 |
| 3.3.3 电网调度监测数据的二级索引结构设计 |
| 3.3.4 电网调度监测数据的二级索引结构实现 |
| 3.3.5 电网调度监测数据读写流程 |
| 3.4 电网调度监测数据查询测试 |
| 3.4.1 Elasticsearch搭建与实验环境 |
| 3.4.2 电网调度运行数据查询测试 |
| 3.4.3 输变电设备在线监测数据查询测试 |
| 3.5 本章小结 |
| 第四章 Elasticsearch在电网调度日志管理的应用 |
| 4.1 电网调度日志管理现状 |
| 4.2 基于Elasticsearch的调度自动化系统日志管理架构 |
| 4.3 电网调度日志管理实现 |
| 4.3.1 日志实时采集模块 |
| 4.3.2 日志过滤解析模块 |
| 4.3.3 日志存储与查询模块 |
| 4.3.4 日志可视化模块 |
| 4.4 本章小结 |
| 第五章 电网调度数据管理系统开发与实现 |
| 5.1 需求分析 |
| 5.1.1 功能需求分析 |
| 5.1.2 非功能性需求分析 |
| 5.2 功能结构设计 |
| 5.2.1 结构设计 |
| 5.2.2 功能设计 |
| 5.3 开发实现 |
| 5.3.1 基于RESTful API的后端处理开发 |
| 5.3.2 基于WCF的数据服务开发 |
| 5.3.3 基于B/S模式的前端交互开发 |
| 5.4 性能测试 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 6.3 主要创新点 |
| 5 参考文献 |
| 附录 A |
| 致谢 |
| 攻读硕士学位期间取得的研究成果 |
（2）煤机装备科学数据共享服务平台开发（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究目的与意义 |
| 1.2 国内外研究动态 |
| 1.2.1 科学数据共享 |
| 1.2.2 数据共享技术研究 |
| 1.2.3 煤机装备数据库与应用系统 |
| 1.2.4 存在问题 |
| 1.3 研究内容 |
| 1.4 论文结构 |
| 第2章 煤机装备科学数据共享服务平台总体设计 |
| 2.1 引言 |
| 2.2 煤机装备科学数据资源 |
| 2.3 平台设计原则与需求分析 |
| 2.3.1 设计原则 |
| 2.3.2 功能模块 |
| 2.3.3 非功能性需求分析 |
| 2.3.4 可行性分析 |
| 2.4 体系架构与功能设计 |
| 2.4.1 体系架构 |
| 2.4.2 功能设计 |
| 2.4.3 数据共享模式 |
| 2.5 平台实现关键技术 |
| 2.5.1 ASP.NET技术 |
| 2.5.2 Ajax技术 |
| 2.5.3 元数据技术 |
| 2.6 平台开发环境 |
| 2.6.1 平台架构 |
| 2.6.2 平台硬件开发环境 |
| 2.6.3 平台软件开发环境 |
| 2.7 小结 |
| 第3章 平台数据汇交模块设计与实现 |
| 3.1 引言 |
| 3.2 数据汇交需求分析 |
| 3.2.1 汇交数据特征 |
| 3.2.2 存在的问题 |
| 3.3 功能设计 |
| 3.3.1 汇交注册 |
| 3.3.2 汇交申请 |
| 3.3.3 汇交审核 |
| 3.3.4 汇交入库 |
| 3.4 关键技术 |
| 3.4.1 权限控制与加密技术 |
| 3.4.2 数据传输 |
| 3.5 汇交实现 |
| 3.5.1 汇交流程 |
| 3.5.2 数据库设计 |
| 3.5.3 元数据注册界面设计 |
| 3.6 小结 |
| 第4章 平台专题数据模块设计与实现 |
| 4.1 引言 |
| 4.2 煤机装备专题数据资源 |
| 4.2.1 数据资源概述 |
| 4.2.2 数据库构建原则 |
| 4.2.3 专题数据子数据库 |
| 4.3 模块开发 |
| 4.3.1 界面设计 |
| 4.3.2 数据库设计 |
| 4.3.3 数据查询设计 |
| 4.4 小结 |
| 第5章 平台应用服务模块设计与实现 |
| 5.1 引言 |
| 5.2 应用服务功能模块 |
| 5.3 参数化建模子系统 |
| 5.3.1 系统功能框架与功能设计 |
| 5.3.2 参数化建模基本原理与方法 |
| 5.3.3 子系统实现 |
| 5.4 概念设计子系统 |
| 5.4.1 系统功能框架与功能设计 |
| 5.4.2 概念设计基本原理与方法 |
| 5.4.3 子系统实现 |
| 5.5 小结 |
| 第6章 平台测试与应用 |
| 6.1 引言 |
| 6.2 平台测试 |
| 6.2.1 测试目的与原则 |
| 6.2.2 测试内容 |
| 6.2.3 测试方法与步骤 |
| 6.2.4 测试环境 |
| 6.2.5 测试结果 |
| 6.3 应用实例 |
| 6.3.1 数据汇交模块 |
| 6.3.2 专题数据模块 |
| 6.3.3 应用服务模块 |
| 6.4 平台实际应用情况 |
| 6.5 小结 |
| 第7章 结论与展望 |
| 7.1 主要结论 |
| 7.2 工作展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（3）便携式ABI检测系统上位机设计与开发（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 便携式ABI检测仪 |
| 1.2.2 基于PPG的无创血压监测算法 |
| 1.3 本文研究内容 |
| 第2章 便携式ABI检测系统上位机软件需求分析 |
| 2.1 便携式ABI检测系统硬件 |
| 2.2 软件功能需求分析及设计方案 |
| 2.2.1 BLE通信 |
| 2.2.2 上下位机通信协议 |
| 2.2.3 基于神经网络的血压预测模型 |
| 2.2.4 基于SQL Server数据库的用户数据存储 |
| 2.3 开发环境简介 |
| 2.3.1 Visual C# |
| 2.3.2 SQL Server数据库 |
| 2.4 本章小结 |
| 第3章 多参数MIV优化BP神经网络血压预测模型 |
| 3.1 相关原理 |
| 3.1.1 脉搏波传导时间PWTT与血压 |
| 3.1.2 BP神经网络 |
| 3.2 PPG特征提取和神经网络训练与优化 |
| 3.2.1 原始信号采集 |
| 3.2.2 PPG特征和PWTT的提取 |
| 3.2.3 神经网络训练和MIV优化 |
| 3.2.4 预测效果评估 |
| 3.3 本章小结 |
| 第4章 便携式ABI检测系统上位机软件功能设计 |
| 4.1 系统总运行流程设计 |
| 4.2 上位机软件功能设计 |
| 4.2.1 基于GATT API的BLE通信通道 |
| 4.2.2 数据实时监测及显示策略 |
| 4.2.3 特征提取和血压预测 |
| 4.2.4 数据库存储和历史记录 |
| 4.3 本章小结 |
| 第5章 客户端功能介绍和系统测试 |
| 5.1 客户端功能介绍 |
| 5.1.1 软件UI界面 |
| 5.1.2 下位机状态监控 |
| 5.1.3 血压实时曲线和检测结果 |
| 5.1.4 数据库历史记录功能和条件查询 |
| 5.1.5 参数自定义设置 |
| 5.2 系统测量准确度和客户端功能测试 |
| 5.2.1 系统测量准确度测试 |
| 5.2.2 客户端功能测试 |
| 5.3 本章小结 |
| 第6章 工作总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（4）基于内存式数据库的关系型标准查询算法研究与工程实践（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要工作 |
| 1.4 本文组织结构 |
| 2 相关技术分析 |
| 2.1 关系型数据库 |
| 2.2 内存数据库 |
| 2.3 Redis数据库 |
| 2.4 微服务架构模型 |
| 2.5 本章小结 |
| 3 算法研究与设计 |
| 3.1 内存式数据库的关系型标准查询框架总体设计 |
| 3.2 关系型数据库内存化研究 |
| 3.3 MR-SQL中间件设计 |
| 3.4 MD-RSQA标准查询算法设计与实现 |
| 3.5 数据库一体化标准访问 |
| 3.6 内存数据库持久化备份 |
| 3.7 本章小结 |
| 4 微服务云平台搭建 |
| 4.1 云平台架构设计 |
| 4.2 Nginx反向代理 |
| 4.3 服务与注册发现 |
| 4.4 网关组件 |
| 4.5 MR-SQL中间件服务 |
| 4.6 数据库层实现 |
| 4.7 持久化备份 |
| 4.8 本章小结 |
| 5 系统测试与结果分析 |
| 5.1 系统平台配置 |
| 5.2 系统测试 |
| 5.3 测试结果与分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 在校期间的科研成果 |
| 在校期间的工程开发与实践 |
（5）基于HBase查询优化的研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究与发展现状 |
| 1.2.1 HBase二级索引解决方案与现状 |
| 1.2.2 时间序列数据聚合查询解决方案与现状 |
| 1.3 论文的主要工作 |
| 1.4 论文的组织结构安排 |
| 第二章 相关技术与理论基础 |
| 2.1 Hadoop平台 |
| 2.1.1 分布式文件系统HDFS |
| 2.1.2 分布式计算框架Map Reduce |
| 2.2 HBase |
| 2.2.1 HBase系统架构 |
| 2.2.2 HBase数据模型 |
| 2.2.3 HBase查询机制 |
| 2.2.4 Coprocessor原理 |
| 2.3 索引技术 |
| 2.4 Percolator分布式事务框架 |
| 2.5 本章小结 |
| 第三章 HBase索引查询优化研究 |
| 3.1 基于HBase二级索引查询优化研究 |
| 3.1.1 已有二级索引方案分析 |
| 3.1.2 二级索引方案需求分析 |
| 3.1.3 本地索引 |
| 3.1.4 全局索引 |
| 3.1.5 索引一致性维护 |
| 3.1.6 索引自动化更新 |
| 3.1.7 查询解析器与索引元数据管理 |
| 3.2 基于时间分割树索引的时序数据查询优化研究 |
| 3.2.1 时间序列数据 |
| 3.2.2 时间序列数据特征与需求分析 |
| 3.2.3 基于时间分割树的聚合索引实现 |
| 3.2.4 索引设计与存储 |
| 3.2.5 聚合索引查询优化算法 |
| 3.3 本章小结 |
| 第四章 基于HBase的风机监控管理系统设计 |
| 4.1 应用平台分析 |
| 4.2 系统架构设计 |
| 4.3 数据库架构设计与实现 |
| 4.4 系统实现 |
| 4.5 本章小结 |
| 第五章 系统部署与实验结果分析 |
| 5.1 环境部署 |
| 5.1.1 开发环境 |
| 5.1.2 部署环境 |
| 5.1.3 实验数据 |
| 5.2 二级索引实验结果与分析 |
| 5.2.1 实验方案 |
| 5.2.2 实验结果与分析 |
| 5.3 聚合索引实验结果与分析 |
| 5.3.1 方案方案 |
| 5.3.2 实验结果与分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（6）基于Hive的空气质量大数据查询优化方法（论文提纲范文）
| 1 大数据处理平台 |
| 1.1 Spark与Hive |
| 1.2 Spark SQL |
| 2 数据分区优化方法 |
| 2.1 SQL Server分区视图 |
| 2.2 Hive数据分区 |
| 3 空气质量大数据分区优化方法 |
| 3.1 空气质量监测数据 |
| 3.2 空气质量大数据分区策略 |
| 4 实验部分 |
| 4.1 实验环境 |
| 4.2 查询集 |
| 4.3 结果分析 |
| 5 结论 |
（7）水泥生产时序数据存取方法研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 课题研究现状 |
| 1.3 本文主要工作 |
| 1.4 本章小结 |
| 第二章 水泥企业生产数据分析与数据库整体设计 |
| 2.1 水泥企业综合数据管理系统概述 |
| 2.2 水泥生产工艺 |
| 2.3 生产数据来源与分类 |
| 2.3.1 生产数据来源 |
| 2.3.2 时序数据与非时序数据 |
| 2.4 生产时序数据监测点选取 |
| 2.4.1 能源与过程数据 |
| 2.4.2 设备、环保与质量数据 |
| 2.5 数据库整体设计 |
| 2.5.1 整体结构 |
| 2.5.2 数据库分类 |
| 2.5.3 分布式存储模式 |
| 2.5.4 数据存取流程设计 |
| 2.5.5 主要功能模块 |
| 2.6 本章小结 |
| 第三章 水泥生产时序数据非压缩存取方法研究与实现 |
| 3.1 能源数据库设计 |
| 3.1.1 总体结构设计 |
| 3.1.2 具体表结构设计 |
| 3.2 过程数据库设计 |
| 3.2.1 总体结构设计 |
| 3.2.2 具体表结构设计 |
| 3.3 环保数据库、质量数据库、设备数据库设计 |
| 3.3.1 总体结构设计 |
| 3.3.2 具体表结构设计 |
| 3.4 数据访问设计 |
| 3.4.1 数据访问接口 |
| 3.4.2 数据访问实现 |
| 3.5 本章小结 |
| 第四章 水泥生产时序数据压缩存取方法研究与实现 |
| 4.1 压缩存储规则 |
| 4.2 过程数据库设计 |
| 4.2.1 总体结构设计 |
| 4.2.2 具体表结构设计 |
| 4.3 存储规则配置 |
| 4.4 存储流程设计 |
| 4.4.1 开关量数据存储流程 |
| 4.4.2 模拟量数据存储流程 |
| 4.5 数据访问设计 |
| 4.5.1 数据访问实现 |
| 4.5.2 数据还原 |
| 4.6 本章小结 |
| 第五章 水泥生产时序数据存取性能优化方法研究 |
| 5.1 数据库层面优化措施 |
| 5.1.1 索引优化 |
| 5.1.2 SQL语句优化 |
| 5.1.3 表分区优化 |
| 5.2 数据传输层面优化措施 |
| 5.2.1 数据筛选处理 |
| 5.2.2 JSON格式数据压缩处理 |
| 5.2.3 数据本地化缓存处理 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（8）基于分布式关系型数据库的查询算法优化（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 NewSQL的发展 |
| 1.2.2 查询处理技术 |
| 1.3 本文的主要研究内容与贡献 |
| 1.4 本论文的结构安排 |
| 第二章 理论基础和关键技术 |
| 2.1 SQL的处理过程 |
| 2.2 查询优化与执行 |
| 2.2.1 逻辑优化与物理优化 |
| 2.2.2 执行引擎 |
| 2.3 TiDB的查询优化与执行 |
| 2.3.1 优化器框架 |
| 2.3.2 执行器框架 |
| 2.4 星型模式查询 |
| 2.5 本章小结 |
| 第三章 需求分析及方案设计 |
| 3.1 需求分析 |
| 3.2 设计目标 |
| 3.3 算法与优化 |
| 3.4 代价评估 |
| 3.5 过滤器选择 |
| 3.6 请求流程 |
| 3.7 本章小结 |
| 第四章 算法实现 |
| 4.1 distLIP算子实现 |
| 4.2 自适应排序算法实现 |
| 4.3 过滤器实现 |
| 4.4 网络模块实现 |
| 4.5 本章小结 |
| 第五章 实验与测试 |
| 5.1 实验环境 |
| 5.2 测试环境与过程 |
| 5.3 实验结果与结论 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
（9）SQL SERVER查询优化实证研究（论文提纲范文）
| 1、引言 |
| 2、优化查询策略 |
| 2.1 利用数据库引擎优化顾问及SQL SERVER PROFILER工具 |
| 2.2 其它优化建议 |
| (1) 优化where条件 |
| (2) 优化多表查询 |
| (3) 尽量避免使用子查询 |
| 3、小结 |
（10）SQL Server查询优化器原理与优化实例分析（论文提纲范文）
| 0 引言 |
| 1 查询优化器原理 |
| 2 查询优化实例分析 |
| 3 结束语 |
四、SQL Server查询优化技术（论文参考文献）
- [1]Elasticsearch在电网调度数据管理的应用研究[D]. 徐泽天. 广西大学, 2021(12)
- [2]煤机装备科学数据共享服务平台开发[D]. 马鹏淘. 太原理工大学, 2021
- [3]便携式ABI检测系统上位机设计与开发[D]. 贾超. 太原理工大学, 2021(01)
- [4]基于内存式数据库的关系型标准查询算法研究与工程实践[D]. 余旭玲. 四川师范大学, 2021(12)
- [5]基于HBase查询优化的研究与应用[D]. 王增洲. 电子科技大学, 2021(01)
- [6]基于Hive的空气质量大数据查询优化方法[J]. 彭贝,刘黎志,杨敏,张晨跃. 武汉工程大学学报, 2020(04)
- [7]水泥生产时序数据存取方法研究与实现[D]. 李来昱. 济南大学, 2020(01)
- [8]基于分布式关系型数据库的查询算法优化[D]. 樊敏. 电子科技大学, 2020(07)
- [9]SQL SERVER查询优化实证研究[J]. 未培. 山东农业工程学院学报, 2014(03)
- [10]SQL Server查询优化器原理与优化实例分析[J]. 刘维学. 计算机技术与发展, 2013(11)