CN102521299A - 资源描述框架数据的处理方法 - Google Patents
资源描述框架数据的处理方法 Download PDFInfo
- Publication number
- CN102521299A CN102521299A CN2011103915225A CN201110391522A CN102521299A CN 102521299 A CN102521299 A CN 102521299A CN 2011103915225 A CN2011103915225 A CN 2011103915225A CN 201110391522 A CN201110391522 A CN 201110391522A CN 102521299 A CN102521299 A CN 102521299A
- Authority
- CN
- China
- Prior art keywords
- array
- unit
- bit
- matrix
- compress
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明公开了一种资源描述框架数据的处理方法,包括以下步骤:(1)利用哈希算法对资源描述框架数据进行处理,以生成N*3的矩阵,其中N为大于1的整数,矩阵的三列分别代表主体数组、谓词数据和客体数组,(2)确定主体数组和客体数组中的最大值eidmax,以及谓词数组中的最大值pidmax,(3)建立资源描述框架数据的关联矩阵M,其中,关联矩阵的大小为(eidmax+1)*N,并将关联矩阵M所有位初始化为0,(4)根据矩阵设置关联矩阵中的位值,并对资源描述框架数据进行转换,(5)对关联矩阵M进行压缩。本发明能够对大规模的资源描述框架数据进行高效地存储。
Description
技术领域
本发明涉及数据存储领域,更具体地说,本发明涉及一种资源描述框架数据的处理方法。
背景技术
资源描述框架(Resource Description Framework,RDF)已经成为数据交换的标准格式之一。它描述了互联网上的一个资源的属性及其与其他资源的关系。在形式上,RDF可以用一个三元组来表示:主体(subject)、谓词(predicate)和客体(object)。
由于RDF数据中,实体通常是用统一资源标识符(Uniform ResourceIdentifier,URI)或者字面(Literal)表示的,并且有很多是重复的,所以在存储时,通常先把这些URI或者字面转换成ID(整数)再进行存储。这样即减少了存储的空间,并且在查询也方便进行处理。在这个基础之上,根据ID的分布特点,提出各种压缩方法来减少ID所占用的空间。此外,对ID进行压缩在数据查询能够减少CPU缓存的缺失率,进而提高查询速度。
目前,国内外提出了一些资源描述框架数据存储***。其中著名的有BitMat、RDF-3X等。BitMat采用了D-Gap的压缩方式,虽然有很好的压缩效果,但是其压缩的方式不利于快速地解压;RDF-3X采用了基于块的Delta压缩方式,但是其压缩方式不能快速地定位到某一特定的RDF三元组数据,并且其为了提高查询速度,存储的数据存在大量的冗余。总而言之,这些***中没有很好地平衡数据的压缩效率和数据解压之间的关系。
发明内容
本发明的目的是提供一种资源描述框架数据的处理方法。该方法通过将RDF三元组数据表达成一个稀疏矩阵,根据稀疏矩阵的特点将稀疏矩阵进行自适应地压缩。利用本发明,能够对大规模的资源描述框架数据进行高效地存储。
本发明是通过以下技术方案实现的:
一种资源描述框架数据的处理方法,包括以下步骤:(1)利用哈希算法对资源描述框架数据进行处理,以生成N*3的矩阵,其中N为大于1的整数,矩阵的三列分别代表主体数组、谓词数据和客体数组,(2)确定主体数组和客体数组中的最大值eidmax,以及谓词数组中的最大值pidmax,(3)建立资源描述框架数据的关联矩阵M,其中,关联矩阵的大小为(eidmax+1)*N,并将关联矩阵M所有位初始化为0,(4)根据矩阵设置关联矩阵中的位值,并对资源描述框架数据进行转换,(5)对关联矩阵M进行压缩。
步骤(4)具体包括:
(4-1)设置计数器k=1;
(4-2)读取矩阵的第k行数据,将数据的三个分量记为(SID,PID,OID);
(4-3)将关联矩阵第k列中的第SID和第OID行置1;
(4-4)判断SID是否大于OID,若是进入步骤(4-5),否则进入步骤(4-6);
(4-5)将矩阵第eidmax+1行的第k列置1,
(4-6)并设置计数器k=k+1;
(4-7)判断k是否大于N,若是,则进入步骤(5),否则返回到步骤(4-2)。
步骤(5)具体包括:
(5-1)创建数组compress_buffer[],并设置计数器i=1,n=0;
(5-2)读取关联矩阵中的第i行,并将其存储在变量bit_vector中;
(5-3)将变量bit_vector按每15位进行分组,以形成位单元数组bit_unit[],若最后一个位单元不足15位,则进行补0对齐;
(5-4)设置计数器j=1,并将位单元数组bit_unit[]的长度记为bit_unit_length;
(5-5)读取位单元数组bit_unit[]中的第j个位单元unitj;
(5-6)判断位单元unitj中的位值是否都相同,若是,则进入步骤(5-13),否则进入步骤(5-7);
(5-7)在数组compress_buffer[]中增加一个压缩存储单元,将压缩存储单元的最高标志位设置为0;
(5-8)设置计数器j=j+1;
(5-9)判断j是否小于bit_unit_length,若是,则返回步骤(5-5),若不是则进入步骤(5-10);
(5-10)设置计数器i=i+1;
(5-11)判断计数器i是否小于eidmax+1,若是,则返回步骤(5-2),否则进入步骤(5-12);
(5-12)保存数组compress_buffer[];
(5-13)判断所述位单元unitj中的位值是否全为“1”,若是,则进入步骤(5-14),否则进入步骤(5-17);
(5-14)判断数组compress_buffer[]的第n-1个压缩单元的第v位的值是否为“1”,并且其长度部分是否少于0x3FFF,若是,则进入步骤(5-15),否则进入步骤(5-16);
(5-15)将压缩单元的值增1,进入步骤(5-8);
(5-16)在数组compress_buffer[]中增加一个填充格式的压缩单元,将第v位设置为1,长度部分设置为1,设置计数器n=n+1,并进入步骤(5-8);
(5-17)根据数组compress_buffer[]的第n-1个压缩单元的第15、14、13位的位值来压缩当前位单元unitj,将第15位记为f,第14位记为v,第13位记为c。
步骤(5-17)具体包括:
(5-17-1)判断f是否为“0”,或者v是否为“1”,若是,则进入步骤(5-17-7),否则进入步骤(5-17-2);
(5-17-2)判断v是否为“0”且低14位值为0x3FFF,若是,进入步骤(5-17-7),若不是,进入步骤(5-17-3);
(5-17-3)判断c是否为“0”,并且长度部分少于0x1FFF,若是,则进入步骤(5-17-8),否则进入步骤(5-17-4)
(5-17-4)将该压缩单元的位c变为“1”,并将长度部分除以4后增1;
(5-17-5)判断compress_buffer[]中第n-2个压缩单元的f,v,c位的值是否分别为1,0,1,若是,则进入步骤(5-17-6),否则返回步骤(5-8);
(5-17-6)将compress_buffer[]中的第n-2个压缩单元的长度补充至0x1FFFF,并从该数组中的第n-1个压缩单元中减去相应的长度,并返回步骤(5-8);
(5-17-7)在数组compress_buffer[]中增加一个填充格式的压缩单元,并将其v设置为“0”,c设置为“0”,长度部分设置为“1”,设置计数器n=n+1,并返回步骤(5-8);
(5-17-8)将该压缩单元长度部分的值增1,并返回步骤(5-8)。
本发明具有以下优点:
(1)新颖性:本方法通过将资源描述框架数据表达成一个位关联矩阵,提供了后续操作的基础;
(2)压缩效率高:本方法根据位关联矩阵的特点,提出了一种高效的压缩方法;
(3)解压速度快:本方法采用的是局部压缩方法,在解压时可以根据局部的信息快速解压。
附图说明
图1为本发明资源描述框架数据的处理方法的流程图。
图2为本发明方法中步骤(4)的细化流程图。
图3为本发明方法中步骤(5)的细化流程图。
图4为本发明方法中子步骤(5-17)的细化流程图。
具体实施方式
下面结合附图和实例对本发明进行详细说明。
如图1-4所示,本发明资源描述框架数据的处理方法包括以下步骤:
(1)利用哈希算法对资源描述框架数据进行处理,以生成N*3的矩阵,其中N为大于1的整数,矩阵的三列分别代表主体数组、谓词数据和客体数组;
(2)确定主体数组和客体数组中的最大值eidmax,以及谓词数组中的最大值pidmax;
(3)建立资源描述框架数据的关联矩阵M,其中,关联矩阵的大小为(eidmax+1)*N,并将关联矩阵M所有位初始化为0;
(4)根据步骤(1)中矩阵设置关联矩阵中的位值,并对资源描述框架数据进行转换,具体步骤如下:
(4-1)设置计数器k=1;
(4-2)读取矩阵的第k行数据,将数据的三个分量记为(SID,PID,OID);
(4-3)将关联矩阵第k列中的第SID和第OID行置1;
(4-4)判断SID是否大于OID,若是进入步骤(4-5),否则进入步骤(4-6);
(4-5)将矩阵第eidmax+1行的第k列置1,
(4-6)并设置计数器k=k+1;
(4-7)判断k是否大于N,若是,则进入步骤(5),否则返回到步骤(4-2);
(5)对关联矩阵M进行压缩:存储的格式分为两种:填充(fill)格式和字面(literal)格式。为了描述方便,将每个压缩单元的第15、14、13位分别记为f,v,c。literal格式为f位置“0”,后15位直接存储位值;fill的存储格式为f位置“1”,次高位存储的是连续的位单元的位值v,低14位标识连续的位单元长度。在存储“0”的fill中,采用两种格式进行存储,分别用位c来标识。当c=0时,一个单位代表原始位向量中连续15个“0”;当c=1时,一个单位代表原始位向量中连续60个“0”,具体的步骤为:
(5-1)创建数组compress_buffer[],并设置计数器i=1,n=0;
(5-2)读取关联矩阵中的第i行,并将其存储在变量bit_vector中;
(5-3)将变量bit_vector按每15位进行分组,以形成位单元数组bit_unit[],若最后一个位单元不足15位,则进行补0对齐;
(5-4)设置计数器j=1,并将位单元数组bit_unit[]的长度记为bit_unit_length;
(5-5)读取位单元数组bit_unit[]中的第j个位单元unitj;
(5-6)判断位单元unitj中的位值是否都相同,若是,则进入步骤(5-13),否则进入步骤(5-7);
(5-7)在数组compress_buffer[]中增加一个压缩存储单元,将压缩存储单元的最高标志位设置为0;
(5-8)设置计数器j=j+1;
(5-9)判断j是否小于bit_unit_length,若是,则返回步骤(5-5),若不是则进入步骤(5-10);
(5-10)设置计数器i=i+1;
(5-11)判断计数器i是否小于eidmax+1,若是,则返回步骤(5-2),否则进入步骤(5-12);
(5-12)保存数组compress_buffer[];
(5-13)判断所述位单元unitj中的位值是否全为“1”,若是,则进入步骤(5-14),否则进入步骤(5-17);
(5-14)判断数组compress_buffer[]的第n-1个压缩单元的第v位的值是否为“1”,并且其长度部分是否少于0x3FFF,若是,则进入步骤(5-15),否则进入步骤(5-16);
(5-15)将压缩单元的值增1,进入步骤(5-8);
(5-16)在数组compress_buffer[]中增加一个填充格式的压缩单元,将第v位设置为1,长度部分设置为1,设置计数器n=n+1,并进入步骤(5-8);
(5-17)根据数组compress_buffer[]的第n-1个压缩单元的f、v、c的位值来压缩当前位单元unitj,具体步骤包括:
(5-17-1)判断f是否为“0”,或者v是否为“1”,若是,则进入步骤(5-17-7),否则进入步骤(5-17-2);
(5-17-2)判断v是否为“0”且低14位值为0x3FFF,若是,进入步骤(5-17-7),若不是,进入步骤(5-17-3);
(5-17-3)判断c是否为“0”,并且长度部分少于0x1FFF,若是,则进入步骤(5-17-8),否则进入步骤(5-17-4)
(5-17-4)将该压缩单元的位c变为“1”,并将长度部分除以4后增1;
(5-17-5)判断compress_buffer[]中第n-2个压缩单元的f,v,c位的值是否分别为1,0,1,若是,则进入步骤(5-17-6),否则返回步骤(5-8);
(5-17-6)将compress_buffer[]中的第n-2个压缩单元的长度补充至0x1FFFF,并从该数组中的第n-1个压缩单元中减去相应的长度,并返回步骤(5-8);
(5-17-7)在数组compress_buffer[]中增加一个填充格式的压缩单元,并将其v设置为“0”,c设置为“0”,长度部分设置为“1”,设置计数器n=n+1,并返回步骤(5-8);
(5-17-8)将该压缩单元长度部分的值增1,并返回步骤(5-8)。
Claims (4)
1.一种资源描述框架数据的处理方法,包括以下步骤:
(1)利用哈希算法对资源描述框架数据进行处理,以生成N*3的矩阵,其中N为大于1的整数,矩阵的三列分别代表主体数组、谓词数据和客体数组;
(2)确定主体数组和客体数组中的最大值eidmax,以及谓词数组中的最大值pidmax;
(3)建立资源描述框架数据的关联矩阵M,其中,关联矩阵的大小为(eidmax+1)*N,并将关联矩阵M所有位初始化为0;
(4)根据矩阵设置关联矩阵中的位值,并对资源描述框架数据进行转换;
(5)对关联矩阵M进行压缩。
2.根据权利要求1所述的处理方法,其特征在于,所述步骤(4)具体包括:
(4-1)设置计数器k=1;
(4-2)读取矩阵的第k行数据,将数据的三个分量记为(SID,PID,OID);
(4-3)将关联矩阵第k列中的第SID和第OID行置1;
(4-4)判断SID是否大于OID,若是进入步骤(4-5),否则进入步骤(4-6);
(4-5)将矩阵第eidmax+1行的第k列置1,
(4-6)并设置计数器k=k+1;
(4-7)判断k是否大于N,若是,则进入步骤(5),否则返回到步骤(4-2)。
3.根据权利要求1所述的处理方法,其特征在于,所述步骤(5)具体包括:
(5-1)创建数组compress_buffer[],并设置计数器i=1,n=0;
(5-2)读取关联矩阵中的第i行,并将其存储在变量bit_vector中;
(5-3)将变量bit_vector按每15位进行分组,以形成位单元数组bit_unit[],若最后一个位单元不足15位,则进行补0对齐;
(5-4)设置计数器j=1,并将位单元数组bit_unit[]的长度记为bit_unit_length;
(5-5)读取位单元数组bit_unit[]中的第j个位单元unitj;
(5-6)判断位单元unitj中的位值是否都相同,若是,则进入步骤(5-13),否则进入步骤(5-7);
(5-7)在数组compress_buffer[]中增加一个压缩存储单元,将压缩存储单元的最高标志位设置为0;
(5-8)设置计数器j=j+1;
(5-9)判断j是否小于bit_unit_length,若是,则返回步骤(5-5),若不是则进入步骤(5-10);
(5-10)设置计数器i=i+1;
(5-11)判断计数器i是否小于eidmax+1,若是,则返回步骤(5-2),否则进入步骤(5-12);
(5-12)保存数组compress_buffer[];
(5-13)判断所述位单元unitj中的位值是否全为“1”,若是,则进入步骤(5-14),否则进入步骤(5-17);
(5-14)判断数组compress_buffer[]的第n-1个压缩单元的第v位的值是否为“1”,并且其长度部分是否少于0x3FFF,若是,则进入步骤(5-15),否则进入步骤(5-16);
(5-15)将压缩单元的值增1,进入步骤(5-8);
(5-16)在数组compress_buffer[]中增加一个填充格式的压缩单元,将第v位设置为1,长度部分设置为1,设置计数器n=n+1,并进入步骤(5-8);
(5-17)根据数组compress_buffer[]的第n-1个压缩单元的第15、14、13位的位值来压缩当前位单元unitj,将第15位记为f,第14位记为v,第13位记为c。
4.根据权利要求3所述的处理方法,其特征在于,所述步骤(5-17)具体包括:
(5-17-1)判断f是否为“0”,或者v是否为“1”,若是,则进入步骤(5-17-7),否则进入步骤(5-17-2);
(5-17-2)判断v是否为“0”且低14位值为0x3FFF,若是,进入步骤(5-17-7),若不是,进入步骤(5-17-3);
(5-17-3)判断c是否为“0”,并且长度部分少于0x1FFF,若是,则进入步骤(5-17-8),否则进入步骤(5-17-4)
(5-17-4)将该压缩单元的位c变为“1”,并将长度部分除以4后增1;
(5-17-5)判断compress_buffer[]中第n-2个压缩单元的f,v,c位的值是否分别为1,0,1,若是,则进入步骤(5-17-6),否则返回步骤(5-8);
(5-17-6)将compress_buffer[]中的第n-2个压缩单元的长度补充至0x1FFFF,并从该数组中的第n-1个压缩单元中减去相应的长度,并返回步骤(5-8);
(5-17-7)在数组compress_buffer[]中增加一个填充格式的压缩单元,并将其v设置为“0”,c设置为“0”,长度部分设置为“1”,设置计数器n=n+1,并返回步骤(5-8);
(5-17-8)将该压缩单元长度部分的值增1,并返回步骤(5-8)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110391522.5A CN102521299B (zh) | 2011-11-30 | 2011-11-30 | 资源描述框架数据的处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110391522.5A CN102521299B (zh) | 2011-11-30 | 2011-11-30 | 资源描述框架数据的处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102521299A true CN102521299A (zh) | 2012-06-27 |
CN102521299B CN102521299B (zh) | 2014-03-26 |
Family
ID=46292220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110391522.5A Expired - Fee Related CN102521299B (zh) | 2011-11-30 | 2011-11-30 | 资源描述框架数据的处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102521299B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103701469A (zh) * | 2013-12-26 | 2014-04-02 | 华中科技大学 | 一种大规模图数据的压缩存储方法 |
CN104346340A (zh) * | 2013-07-24 | 2015-02-11 | 日电(中国)有限公司 | 一种存储资源描述框架数据的方法和装置 |
CN105608228A (zh) * | 2016-01-29 | 2016-05-25 | 中国科学院计算机网络信息中心 | 一种高效的分布式的rdf数据存储方法 |
CN105630881A (zh) * | 2015-12-18 | 2016-06-01 | 陕西师范大学 | 一种rdf的数据存储方法和查询方法 |
CN106709006A (zh) * | 2016-12-23 | 2017-05-24 | 武汉科技大学 | 一种对查询友好的关联数据压缩方法 |
CN109325029A (zh) * | 2018-08-30 | 2019-02-12 | 天津大学 | 基于稀疏矩阵的rdf数据存储和查询方法 |
CN109726314A (zh) * | 2019-01-03 | 2019-05-07 | 中国人民解放军国防科技大学 | 基于位图的稀疏矩阵压缩存储方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040210552A1 (en) * | 2003-04-16 | 2004-10-21 | Richard Friedman | Systems and methods for processing resource description framework data |
US20090292716A1 (en) * | 2008-05-23 | 2009-11-26 | Nokia Corporation | Apparatus, method and computer program product for processing resource description framework statements |
US20110225167A1 (en) * | 2010-03-15 | 2011-09-15 | International Business Machines Corporation | Method and system to store rdf data in a relational store |
CN102270232A (zh) * | 2011-07-21 | 2011-12-07 | 华中科技大学 | 一种存储优化的语义数据查询*** |
-
2011
- 2011-11-30 CN CN201110391522.5A patent/CN102521299B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040210552A1 (en) * | 2003-04-16 | 2004-10-21 | Richard Friedman | Systems and methods for processing resource description framework data |
US20090292716A1 (en) * | 2008-05-23 | 2009-11-26 | Nokia Corporation | Apparatus, method and computer program product for processing resource description framework statements |
US20110225167A1 (en) * | 2010-03-15 | 2011-09-15 | International Business Machines Corporation | Method and system to store rdf data in a relational store |
CN102270232A (zh) * | 2011-07-21 | 2011-12-07 | 华中科技大学 | 一种存储优化的语义数据查询*** |
Non-Patent Citations (2)
Title |
---|
易雅鑫 等: "RDF数据存储模式研究及实现", 《情报科学》, vol. 25, no. 8, 31 August 2007 (2007-08-31) * |
陈光仪 等: "RDF存储策略的研究与实现", 《现代计算机》, no. 281, 30 April 2008 (2008-04-30) * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104346340A (zh) * | 2013-07-24 | 2015-02-11 | 日电(中国)有限公司 | 一种存储资源描述框架数据的方法和装置 |
CN104346340B (zh) * | 2013-07-24 | 2018-10-16 | 日电(中国)有限公司 | 一种存储资源描述框架数据的方法和装置 |
CN103701469A (zh) * | 2013-12-26 | 2014-04-02 | 华中科技大学 | 一种大规模图数据的压缩存储方法 |
CN103701469B (zh) * | 2013-12-26 | 2016-08-31 | 华中科技大学 | 一种大规模图数据的压缩存储方法 |
CN105630881A (zh) * | 2015-12-18 | 2016-06-01 | 陕西师范大学 | 一种rdf的数据存储方法和查询方法 |
CN105630881B (zh) * | 2015-12-18 | 2019-04-09 | 陕西师范大学 | 一种rdf的数据存储方法和查询方法 |
CN105608228A (zh) * | 2016-01-29 | 2016-05-25 | 中国科学院计算机网络信息中心 | 一种高效的分布式的rdf数据存储方法 |
CN105608228B (zh) * | 2016-01-29 | 2019-05-17 | 中国科学院计算机网络信息中心 | 一种高效的分布式的rdf数据存储方法 |
CN106709006A (zh) * | 2016-12-23 | 2017-05-24 | 武汉科技大学 | 一种对查询友好的关联数据压缩方法 |
CN109325029A (zh) * | 2018-08-30 | 2019-02-12 | 天津大学 | 基于稀疏矩阵的rdf数据存储和查询方法 |
CN109726314A (zh) * | 2019-01-03 | 2019-05-07 | 中国人民解放军国防科技大学 | 基于位图的稀疏矩阵压缩存储方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102521299B (zh) | 2014-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102521299B (zh) | 资源描述框架数据的处理方法 | |
CN102479207B (zh) | 一种信息搜索的方法、***及信息搜索设备 | |
CN103678172A (zh) | 一种本地数据缓存管理方法及装置 | |
TW201539187A (zh) | 快閃記憶體之壓縮、讀取方法及應用其方法的裝置 | |
CN107766529B (zh) | 一种用于污水处理行业的海量数据存储方法 | |
CN102968390A (zh) | 基于预先解码分析的配置信息缓存管理方法及*** | |
US10817178B2 (en) | Compressing and compacting memory on a memory device wherein compressed memory pages are organized by size | |
CN103729429A (zh) | 一种基于HBase压缩方法 | |
US20190272099A1 (en) | Data Operating Method, Device, and System | |
CN101751440A (zh) | 一种数据压缩/解压缩方法及其装置 | |
CN102497450B (zh) | 一种基于两级体系的分布式数据压缩处理方法 | |
CN105574021A (zh) | 一种数据库的数据压缩方法和装置 | |
CN101236564A (zh) | 一种海量数据高性能读取显示方法 | |
CN103078646B (zh) | 字典查询压缩、解压缩方法及其装置 | |
US10110896B2 (en) | Adaptive motion JPEG encoding method and system | |
CN107423425B (zh) | 一种对k/v格式的数据快速存储和查询方法 | |
CN101895676B (zh) | 一种适用于bm3d实时处理的集合方法 | |
CN105357297A (zh) | 一种数据缓存的***及方法 | |
CN103200245B (zh) | 一种基于Device Mapper的分布式网络缓存方法 | |
CN105550979A (zh) | 一种高数据通量纹理Cache层次结构 | |
CN201804331U (zh) | 一种基于协处理器的重复数据删除*** | |
CN103593304B (zh) | 基于并行设备模型的高效使用缓存的量化方法 | |
CN108319604B (zh) | 一种hive中大小表关联的优化方法 | |
CN104461941A (zh) | 一种内存***架构及管理方法 | |
CN202995701U (zh) | 基于预先解码分析的数据信息缓存管理*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140326 Termination date: 20201130 |
|
CF01 | Termination of patent right due to non-payment of annual fee |