[发明专利]一种基于ELP模型的事件型链接数据压缩方法

说明书

本发明涉及一种基于ELP模型的事件型链接数据压缩方法，包括构建数据模型，数据识别，数据压缩及数据输出等四个步骤。本发明数据压缩处理组作业效率高，通用性好，可有效的满足各类不同类型数据压缩作业的需要，同时可有效的提高压缩后数据的灵活性和拓展性，并极大简化数据结构，降低数据对存储空间的占用量和对数据运算时的资源消耗两，并可极大地减少底层数据索引体积，提升图库查询性能。

技术领域

本发明涉及一种基于ELP模型的事件型链接数据压缩方法，属计算机数据处理技术领域。

背景技术

随着互联网的高速发展和业务系统的长期积累，需要一种能够灵活建模和扩展的数据结构模型。图(Graph)是一种灵活的数据存储结构，它由顶点和顶点之间的边构成，能够直观地表达不同场景下实体以及实体之间地关系。其模型可通过实体链接模型进行描述。实体(Entity)对应图中的顶点，而链接(Link)对应图中的边，实体与链接都可以包含属性(Property)来描述实体与链接的内部结构。也有系统称这一模型为实体关系模型。进一步地，链接可以细分为描述实体间关系的链接与记录实体之间交互事件的链接。

目前，应用实体链接模型(ELP)的系统绝大部分都是以它为基础建模的描述语言，用于构建一个方便灵活扩展的基础图数据库。在大规模图数据存储中，实体的数据量通常远小于链接的据量，而链接数据中，事件型链接数据的数据量也会远超过关系型链接数据的数据量。事件型链接带来的图库中边数据会消耗大量的数据存储资源，但通常在数据统计分析过程中只有少数属性需要参与分析计算。

因此针对这一问题，迫切需要开发一种全新的数据压缩方法，以克服当前的不足，满足实际使用的需要。

发明内容

本发明目的就在于克服上述不足，提供一种基于ELP模型的事件型链接数据压缩方法。

为实现上述目的，本发明是通过以下技术方案来实现：

一种基于ELP模型的事件型链接数据压缩方法，包括以下步骤：

S1，构建数据模型，在数据处理服务器中建立以ARMA模型为基础的于ELP数据计算模型，并备用；

S2，数据识别，读取各与S1步骤中数据处理服务器连接的客户端处需进行压缩的链接类型的全部数据链接，并对各数据根据数据类型进行分类缓存，然后根据读取到的数据类型与S1步骤构建的ELP数据计算模型进行比对，对S1步骤构建的ELP数据计算模型的数据运算支持范围进行拓展，并满足S2步骤读取的全部数据的数据链接类型；

S3，数据压缩，遍历所有数据链接，将当前各客户端的每一条事件链接的数据通过S1步骤构建的ELP数据计算模型进行累加合并到对应客户端实体数据组合的压缩后链接中，完成数据压缩；

S4，数据输出，将进过S3步骤压缩后的数据直接通过数据处理服务器输出到S3步骤中各实体组合位置处即可。

进一步的，所述的实体数据包括客户端的身份ID、名字、源实体、目标实体、方向性、开始时间、结束时间、发生次数及其属性列表。

进一步的，所述的S3步骤中，实体数据包括客户端的身份ID、名字及其属性列表。

进一步的，所述的S3步骤中，累加事件链接数据时，对开始时间、结束时间与发生次数进行如下特殊处理：所有事件链接的最早开始时间作为合并后链接的开始时间；所有事件链接的最晚结束时间作为合并后链接的结束时间；累加的所有事件链接数量，作为合并后链接的发生次数。

进一步的，所述的S3步骤中，事件链接的属性列表中包含描述事件特征的属性值，可以对所有事件链接的该属性值进行累加处理，作为合并后链接的对应属性值。