智能辦公自動(dòng)化系統(tǒng)中的辦公海量數(shù)據(jù)快速查詢方法研究摘要：由于現(xiàn)場(chǎng)數(shù)據(jù)快速查詢方法查詢速度較慢，查詢結(jié)果召回率較低，因此，提出智能辦公自動(dòng)化系統(tǒng)中的辦公海量數(shù)據(jù)快速查詢方法的研究。以經(jīng)度、緯度和時(shí)間的三維方式對(duì)辦公海量數(shù)據(jù)進(jìn)行存儲(chǔ)，以分區(qū)號(hào)、空間屬性、時(shí)間屬性等屬性為標(biāo)準(zhǔn)對(duì)特征數(shù)據(jù)進(jìn)行分區(qū)管理，通過(guò)關(guān)聯(lián)元數(shù)據(jù)模型進(jìn)行映射，從而完成目標(biāo)數(shù)據(jù)的查詢工作。實(shí)驗(yàn)結(jié)果顯示，數(shù)據(jù)數(shù)量在3000以下的情況，本文提出的方法查詢時(shí)間不超過(guò)240ms，且結(jié)果的召回率在97%以上。關(guān)鍵詞：智能辦公自動(dòng)化系統(tǒng)海量數(shù)據(jù)快速查詢索引分區(qū)ResearchonFastQueryMethodofMassiveOfficeDataintheIntelligentOfficeAutomationSystemZHANGXiaoqianComputerSimulation，Beijing，100048ChinaAbstract：Duetotheslowqueryspeedandlowrecallrateofon-sitedataretrievalmethods，thispaperproposesaresearchonafastquerymethodformassiveofficedatainintelligentofficeautomationsystems.Thestoremassiveofficedatainthethree-dimensionalmannerbasedonlongitude，latitudeandtime，andmanagefeaturedatabypartitioningbasedonareacodes，spaceattributeandtimeattribute，andotherattributes.Mappingiscarriedoutbyassociatingmetadatamodeltocompletethequeryoftargetdata.Theexperimentalresultsshowthatthequerytimeofthemethodproposedinthepaperhasaquerytimeofnomorethan240msandarecallrateoftheresultsisover97%whenthenumberofdataislessthan3000.KeyWords：Intelligentofficeautomationsystem;Massivedata;Fastquery;Indexpartition近年來(lái)，通過(guò)智能系統(tǒng)儲(chǔ)存信息已成為現(xiàn)今各行業(yè)最普遍的信息存儲(chǔ)手段[1]。但是，隨著信息儲(chǔ)存量的增加，對(duì)數(shù)據(jù)庫(kù)中數(shù)據(jù)的查找工作無(wú)法做到實(shí)時(shí)和準(zhǔn)確的查詢。智能辦公自動(dòng)化系統(tǒng)應(yīng)運(yùn)而生，其通過(guò)集成先進(jìn)的信息技術(shù)，為海量數(shù)據(jù)的快速查詢提供了強(qiáng)有力的支持。伴隨著可擴(kuò)展性非關(guān)系型數(shù)據(jù)庫(kù)的不斷發(fā)展和進(jìn)步，辦公系統(tǒng)中非結(jié)構(gòu)化的數(shù)據(jù)存儲(chǔ)數(shù)量不斷增加。研究智能辦公自動(dòng)化系統(tǒng)中的辦公海量數(shù)據(jù)快速查詢方法已成為當(dāng)下的關(guān)鍵[2]。為此，本文分析多種空間數(shù)據(jù)的存儲(chǔ)方式和分區(qū)管理方式，對(duì)數(shù)據(jù)快速查詢方法進(jìn)行更新優(yōu)化，從而得到一個(gè)更加優(yōu)良的查詢方法，旨在使各行業(yè)企業(yè)能夠?qū)崟r(shí)、準(zhǔn)確地做出數(shù)據(jù)分析，提高工作效率。1辦公海量數(shù)據(jù)快速查詢方法的設(shè)計(jì)1.1存儲(chǔ)空間數(shù)據(jù)利用智能辦公自動(dòng)化系統(tǒng)將辦公海量數(shù)據(jù)以經(jīng)度、緯度和時(shí)間的三維方式進(jìn)行分布，將需查詢的數(shù)據(jù)在三維中進(jìn)行分布并存儲(chǔ)[3]。經(jīng)度和緯度根據(jù)數(shù)據(jù)特征隨意變換，從而將各個(gè)數(shù)據(jù)以一定的特征進(jìn)行空間分布，數(shù)據(jù)分布虛擬圖如圖1所示。通過(guò)賦予數(shù)據(jù)空間特征，把空間數(shù)據(jù)的幾何信息和非幾何信息進(jìn)行列族存儲(chǔ)，以節(jié)省數(shù)據(jù)查找的時(shí)間。以“y+Layer”表示過(guò)濾列族的限定條件，對(duì)各數(shù)據(jù)的字符流信息進(jìn)行存儲(chǔ)。1.2分區(qū)管理特征數(shù)據(jù)數(shù)據(jù)存儲(chǔ)后，進(jìn)行分區(qū)管理，以提高查詢效率。按照索引分區(qū)方法，以某種特定的規(guī)則或標(biāo)準(zhǔn)劃分為多個(gè)較小的、相對(duì)獨(dú)立的部分進(jìn)行管理。使用Geohash編碼處理空間數(shù)據(jù)，生成索引。通過(guò)對(duì)數(shù)據(jù)空間信息的分析[4]，將二維的經(jīng)緯度降條件轉(zhuǎn)換為字符串，形成數(shù)據(jù)庫(kù)的矩形區(qū)域。以時(shí)間維度數(shù)值作為索引分區(qū)的時(shí)空軌跡條件，利用圖1模型，對(duì)數(shù)據(jù)庫(kù)的全部信息進(jìn)行覆蓋。（1）查詢數(shù)據(jù)問(wèn)題。向查詢圖1某一點(diǎn)坐標(biāo)進(jìn)行轉(zhuǎn)換，產(chǎn)生大量的子查詢?nèi)蝿?wù)。對(duì)于不均勻的數(shù)據(jù)分布情況，根據(jù)數(shù)據(jù)的相差懸殊進(jìn)行分區(qū)調(diào)整，利用范圍分區(qū)、哈希分區(qū)和列表分區(qū)等數(shù)據(jù)分區(qū)方式對(duì)數(shù)據(jù)進(jìn)行分區(qū)管理。（2）數(shù)據(jù)分區(qū)鍵的選擇。選擇均勻分布數(shù)據(jù)且查詢頻率較高的字段作為分區(qū)鍵。設(shè)置合理分區(qū)數(shù)量，在進(jìn)行跨分區(qū)查詢時(shí)[5]，協(xié)調(diào)多個(gè)分區(qū)的數(shù)據(jù)進(jìn)行操作。具體數(shù)據(jù)分區(qū)管理規(guī)則如下：利用空間屬性與數(shù)據(jù)軌跡分布生成的分區(qū)號(hào)，按照分區(qū)號(hào)對(duì)數(shù)據(jù)進(jìn)行分類，避免不同分區(qū)號(hào)的數(shù)據(jù)混合；根據(jù)數(shù)據(jù)的經(jīng)度、緯度特點(diǎn)，對(duì)數(shù)據(jù)進(jìn)行管理，使相應(yīng)數(shù)據(jù)在一定空間內(nèi)變化；根據(jù)數(shù)據(jù)軌跡點(diǎn)的產(chǎn)生時(shí)間進(jìn)行管理；以各行業(yè)所需要特別注意的事項(xiàng)屬性作為分區(qū)條件，對(duì)行業(yè)內(nèi)專業(yè)數(shù)據(jù)進(jìn)行管理。1.3查詢目標(biāo)數(shù)據(jù)數(shù)據(jù)分區(qū)管理后，進(jìn)行目標(biāo)數(shù)據(jù)的查詢。首先，將初始數(shù)據(jù)進(jìn)行保存，使用方法為分布式激振模型。構(gòu)建原始數(shù)據(jù)關(guān)聯(lián)模型，評(píng)估并判斷原始數(shù)據(jù)的關(guān)聯(lián)狀態(tài)，獲得數(shù)據(jù)庫(kù)輸出結(jié)果?，表達(dá)式為式（1）中：表示掃描次數(shù)；表示數(shù)據(jù)節(jié)點(diǎn)集合；表示掃描的數(shù)據(jù)序號(hào)；表示數(shù)據(jù)特征函數(shù)；表示關(guān)聯(lián)元數(shù)據(jù)。對(duì)于數(shù)據(jù)庫(kù)內(nèi)原始數(shù)據(jù)，使用空間重構(gòu)與非線性時(shí)間序列相結(jié)合的方式，根據(jù)其關(guān)聯(lián)性特征進(jìn)行分析[6]，以作為數(shù)據(jù)庫(kù)原始數(shù)據(jù)振動(dòng)信號(hào)的時(shí)間序列集合，計(jì)算元數(shù)據(jù)關(guān)聯(lián)后概率數(shù)值：式（2）中：表示數(shù)據(jù)編號(hào)；表示均衡概率；表示關(guān)聯(lián)概率。在智能辦公自動(dòng)化系統(tǒng)中的辦公海量數(shù)據(jù)快速查詢中，查詢數(shù)據(jù)軌跡對(duì)角線位置線段關(guān)聯(lián)近似點(diǎn)的確定性特征，公式為式（3）中：表示對(duì)角線長(zhǎng)度；表示查詢中的特征值；表示查詢追蹤軌跡對(duì)角線的關(guān)聯(lián)近似點(diǎn)數(shù)量；表示數(shù)據(jù)點(diǎn)之間關(guān)聯(lián)強(qiáng)度；表示數(shù)據(jù)點(diǎn)的平均半徑。經(jīng)過(guò)以上分析，獲得元數(shù)據(jù)關(guān)聯(lián)查詢查準(zhǔn)系數(shù)的表達(dá)式為式（4）中：表示調(diào)整系數(shù)；表示數(shù)據(jù)點(diǎn)的高度；表示樣本數(shù)量。根據(jù)上述計(jì)算，使用查詢條件向各個(gè)數(shù)據(jù)分區(qū)進(jìn)行映射，得到其映射范圍。在此范圍內(nèi)，劃分具體覆蓋區(qū)域，根據(jù)數(shù)據(jù)分布范圍進(jìn)行進(jìn)一步的分辨，得到分類后的數(shù)據(jù)庫(kù)數(shù)據(jù)。將上述計(jì)算結(jié)果傳送至下個(gè)環(huán)節(jié)，將接收的數(shù)據(jù)按照順序存儲(chǔ)在緩沖區(qū)域內(nèi)，將這些數(shù)據(jù)組成一個(gè)新的序列，并根據(jù)兩個(gè)序列的線性關(guān)系設(shè)置閾值。綜上所示，得到數(shù)據(jù)查詢結(jié)果如下。式（5）中：表示查詢器顯示內(nèi)容；表示查詢數(shù)據(jù)信息；表示查詢條件。根據(jù)上述計(jì)算數(shù)值，進(jìn)一步提升數(shù)據(jù)信息的召回率，從而完成智能辦公自動(dòng)化系統(tǒng)中的辦公海量數(shù)據(jù)快速查詢。2實(shí)驗(yàn)論證分析2.1實(shí)驗(yàn)設(shè)置為驗(yàn)證本文提出的方法的整體有效性，對(duì)其進(jìn)行了召回率和查詢時(shí)間的實(shí)驗(yàn)。實(shí)驗(yàn)環(huán)境設(shè)置如下：實(shí)驗(yàn)前端主機(jī)CPU為Pentium1.8GHz，前端和終端網(wǎng)絡(luò)協(xié)議為TCP/IP，前端操作體系為Windows2019，終端環(huán)境CPU為Pentium1.8GHz，終端操作體系為WindowsXP。實(shí)驗(yàn)在一個(gè)包含5個(gè)數(shù)據(jù)庫(kù)的辦公文件中進(jìn)行，5個(gè)數(shù)據(jù)庫(kù)的容量各不相同。將第5個(gè)數(shù)據(jù)庫(kù)的數(shù)據(jù)作為需要查詢的數(shù)據(jù)，將數(shù)據(jù)庫(kù)5中的300個(gè)數(shù)據(jù)以隨機(jī)原則分別分布在其他4個(gè)數(shù)據(jù)庫(kù)中，組成最新的4個(gè)數(shù)據(jù)庫(kù)進(jìn)行查詢實(shí)驗(yàn)。具體數(shù)據(jù)庫(kù)容量為：數(shù)據(jù)庫(kù)1容量3000個(gè)，數(shù)據(jù)庫(kù)2容量1800個(gè)，數(shù)據(jù)庫(kù)3容量2500個(gè)，數(shù)據(jù)庫(kù)4容量1000個(gè)。需要查詢的數(shù)據(jù)均為300個(gè)。2.2實(shí)驗(yàn)結(jié)果分析本文通過(guò)將上述數(shù)據(jù)庫(kù)用3種方法進(jìn)行查詢，并統(tǒng)計(jì)查詢所用時(shí)間。3種方法查詢所用時(shí)間如圖2所示。根據(jù)圖2對(duì)比結(jié)果可知，高官岳等人[1]提出的查詢方法受數(shù)據(jù)庫(kù)容量的影響，查詢時(shí)間變化較大，且查詢所用時(shí)間較多；易葉青等人[2]提出的查詢方法所需的查詢時(shí)間較多，所用時(shí)間在論文提出的查詢方法的2倍以上，且論文提出的查詢方法的查詢時(shí)間始終在240ms以下，受數(shù)據(jù)庫(kù)容量的影響較小。因此，論文提出的查詢方法可以在很大程度上節(jié)約辦公海量數(shù)據(jù)查詢時(shí)間。辦公海量數(shù)據(jù)快速查詢方法需要在時(shí)間和召回率上同時(shí)達(dá)到要求，因此，在上述實(shí)驗(yàn)基礎(chǔ)上，對(duì)辦公海量數(shù)據(jù)查詢的召回率進(jìn)行統(tǒng)計(jì)，作為信息檢索的重要評(píng)估指標(biāo)，用于衡量查詢方法在檢索過(guò)程中能夠找到所有數(shù)據(jù)的能力。召回率指標(biāo)越高，表明查詢方法查詢到的相關(guān)數(shù)據(jù)越準(zhǔn)確，其漏檢的可能性越小。3種方法查詢召回率數(shù)值如表1所示。表1數(shù)據(jù)顯示，隨數(shù)據(jù)庫(kù)容量和需查詢的工作量的變化，3種方法對(duì)辦公海量數(shù)據(jù)快速查詢的召回率數(shù)值不同，且論文提出的查詢方法明顯優(yōu)于另外兩種方法；在數(shù)據(jù)庫(kù)容量不超過(guò)3000情況下，論文提出的查詢方法的召回率始終在97%以上，且隨實(shí)驗(yàn)數(shù)據(jù)庫(kù)容量的增加，對(duì)其召回率的影響并不大；相比之下，高官岳等人[1]提出的查詢和易葉青等人[2]提出的查詢方法的數(shù)據(jù)查詢召回率較低。因此，使用論文提出的查詢方法可以相對(duì)準(zhǔn)確地查詢辦公海量數(shù)據(jù)中所需數(shù)據(jù)，減小漏檢的可能性。通過(guò)結(jié)合索引技術(shù)、數(shù)據(jù)分區(qū)、緩存技術(shù)、搜索引擎集成、并行處理與分布式計(jì)算、數(shù)據(jù)分析與挖掘等技術(shù)的優(yōu)點(diǎn)，本文提出的查詢方法實(shí)現(xiàn)了智能辦公自動(dòng)化系統(tǒng)中的辦公海量數(shù)據(jù)的快速查詢，實(shí)現(xiàn)了數(shù)據(jù)查詢工作的高效率目標(biāo)，從而提供高效、準(zhǔn)確的查詢體驗(yàn)。由于本文提出的查詢方法僅在數(shù)據(jù)查詢速度和召回率上進(jìn)行了優(yōu)化，因此，系統(tǒng)的可擴(kuò)展性和穩(wěn)定性還存在一定的優(yōu)化空間。隨著系統(tǒng)的不斷升級(jí)，在未來(lái)的研究中，需要對(duì)查詢系統(tǒng)的可擴(kuò)展性和穩(wěn)定性進(jìn)行進(jìn)一步的探究，使智能辦公自動(dòng)化系統(tǒng)中的辦公海量數(shù)據(jù)快速查詢方法可以更加全面地為用戶服務(wù)。[1]高官岳，孫傳恒，羅娜，等.基于區(qū)塊鏈的農(nóng)產(chǎn)品供應(yīng)鏈溯源數(shù)據(jù)多條件查詢優(yōu)化方法研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2024，55（3）：362-374.[2]易葉青，易穎杰，劉云如，等.面向電力物聯(lián)網(wǎng)流數(shù)據(jù)的一種具有隱私保護(hù)的KNN查詢方法[J].計(jì)算機(jī)應(yīng)用研究，2024，41（4）：1198-1207.[3]邱濤，王嶼涵，鄧國(guó)鵬，等.面向圖數(shù)據(jù)的結(jié)構(gòu)化正則路徑查詢方法[J].計(jì)算機(jī)應(yīng)用研究，2023，40（10）：30