[发明专利]基于审计数据的数据库表分类方法及系统

权利要求书

1.一种基于审计数据的数据库表分类方法，其特征在于，该方法是基于审计时产生的读写数据，采用TF-IDF的相似度模型，将数据库表与用户使用需求进行绑定，并进行分类；并将分类后的数据库表按照图标进行展示和输出供数据库管理人员进行数据库性能提升和审计；具体如下：

获取统计数据：统计数据包括统计表的读取数据、统计写入数据以及统计整个数据库大小；

获取分类图表：通过统计数据计算数据库表的读写特性，进而完成分类图表；

划分类别：根据用户的类别需求及分类图表，将数据库表划分为用户需求的类别；

优化存储：根据数据库表的类别，优化数据库表的存储结构，提升读写性能，进而适应对应的审计策略。

2.根据权利要求1所述的基于审计数据的数据库表分类方法，其特征在于，获取统计数据具体如下：

注册对于数据库表的表读写统计，得到数据库中每一个表的读写数据；

在数据库初始化时，注册整个数据库的数据读写统计，得到数据库的大小；

将数据库表基于读写特性及表大小分为四个象限，即基于数据库表的读写性能的象限分类。

3.根据权利要求1所述的基于审计数据的数据库表分类方法，其特征在于，数据库基于读写比和表大小划分数据库的标的特征，具体如下：

数据库系统的读取仅为SELECT的操作数据，写入包含INSERT、DELETE及UPDATE的操作数据；

注册时，将SELECT注册为读统计，将INSERT、DELETE及UPDATE注册为写统计，将表注册为大小统计，获取到分类所依赖的表读写数据。

4.根据权利要求1所述的基于审计数据的数据库表分类方法，其特征在于，计算数据库表的读写特性具体如下：

设数据库的任意一表的读比例为x，写比例为y，则：

y＝1-x；

对于数据库中的所有表，以x轴为读写比，y轴为表大小，生成一个离散图表用于表示数据库中表的分布。

5.根据权利要求1所述的基于审计数据的数据库表分类方法，其特征在于，划分类别时，根据用户输入需要划分的类别数量，在横轴上等距划分为用户所需类别；

当用户输入的类别数量为2时，划分原则具体如下：

以表大小的一半为横轴，读写比50％为纵轴，将读写比图划分为四个象限；

处于第一象限的表为读比例大于设定读比例阈值的大写比例表；第二象限为写比例大于设定写比例阈值的大写比例表；第三象限为写比例小于设定写比例阈值的的小写比例表，第四象限为读比例小于设定读比例阈值的小读比例表。

6.根据权利要求1-5中任一项所述的基于审计数据的数据库表分类方法，其特征在于，TF-IDF的相似度模型具体如下：

对于数据库中任意一张表t的操作(UPDATE_DOWN,UPDATE_UP，INSERT,DELETE)对应的数据大小分别用t_UPDATEDOWN，t_UPDATEUP，t_INSERT及t_DELETE表示，将任一个词在文档中出现总次数引申为表上对应操作在该数据表上的操作次数用词频表示，词频引申为在数据库表上该操作次数与操作总次数的占比用TF(t)表示，使用‘|’表示操作间或的关系，公式如下：

对于一张表的IDF来说，总样本数引申为数据库的总表数，包括该词的样本数引申为涉及该操作的总表数；审计的表的操作均由INSERT、UPDATE、DELETE及SELECT组成，对应操作为数据库数据来源的基础；当数据库不为空，所有数据库表均存在对应词；总样本数为数据库总大小(DB_SIZE)，包括该词的样本数为各个表由该操作影响的数据量大小之和，公式如下：

select的特征设为：

根据TF-IDF特征值和SELECT特征，获得对应数据库的一个特征向量，公式如下：

当选择数据库中的任意一个表，根据余弦相似度公式计算出其他表与当前表的亲疏关系，从而将相似表现的表划分为同一类别；余弦相似度公式如下：