CN116225967B - 基于集合枚举树和剪枝策略的分布式数据库测试方法 - Google Patents
基于集合枚举树和剪枝策略的分布式数据库测试方法 Download PDFInfo
- Publication number
- CN116225967B CN116225967B CN202310496512.0A CN202310496512A CN116225967B CN 116225967 B CN116225967 B CN 116225967B CN 202310496512 A CN202310496512 A CN 202310496512A CN 116225967 B CN116225967 B CN 116225967B
- Authority
- CN
- China
- Prior art keywords
- test
- enumeration tree
- subtree
- test scene
- set enumeration
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3664—Environments for testing or debugging software
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于集合枚举树和剪枝策略的分布式数据库测试方法,属一种高可用测试优化方法,方法包括S1.细化测试组件,根据分布式数据库的技术架构,列出并细化需要测试的数据库相关组件。S2.根据所述数据库相关组件生成树形的根测试场景,并由根测试场景开始生成子树节点,根据设定规则分别生成所有子树节点的测试场景。S3.通过述集合枚举树中的测试场景对测试场景进行测试验证。S4.统计测试测试结果。通过集合枚举树来结构化描述分布式数据库的高可用测试场景,将测试场景构建成一棵枚举树,通过不断生成子树测试场景,最后生成的整棵集合枚举树代表所有测试场景。
Description
技术领域
本发明涉及一种高可用测试优化方法,更具体的说,本发明主要涉及一种基于集合枚举树和剪枝策略的分布式数据库测试方法。
背景技术
高可用(High Availability,即HA)的主要是目的是为保障业务连续性,即在客户的眼中,即使系统出现了某些故障,系统在短暂的恢复后仍能正常提供服务。分布式数据库高可用测试,即在业务运行在数据库的过程中,通过模拟数据库相关组件故障,观察业务连续性或者说在故障的情况下数据库是否能继续提供服务。在分布式数据库领域,会有各种技术手段来保障业务连续性,那么针对高可用的测试验证对于每一家数据库服务提供厂商来说都至关重要。对比单机版数据库,分布式数据库产品架构复杂且涉及到数据库内核组件更多,针对高可用测试的故障场景是呈现爆炸性的增加。如果采用常规的测试步骤,由于分布式数据库高可用测试设计也很复杂,很容易出现设计出重复测试场景、丢失测试场景等情况。因而有必要针对此类测试方法的优化设计进行研究。
发明内容
本发明的目的之一在于针对上述不足,提供一种基于集合枚举树和剪枝策略的分布式数据库测试方法,以期望解决现有技术中同类测试方法容易出现重复测试场景、丢失测试场景等技术问题。
为解决上述的技术问题,本发明采用以下技术方案:
本发明所提供的一种基于集合枚举树和剪枝策略的分布式数据库高可用测试方法,其特征在于所述的方法包括如下步骤:
步骤A、细化测试组件,根据分布式数据库的技术架构,列出并细化需要测试的数据库相关组件。
步骤B、根据所述数据库相关组件,生成树形的根测试场景,并由根测试场景开始生成子树节点,根据设定规则分别生成所有子树节点的测试场景;然后判断当前的子树节点的测试场景中是否存在未生成测试场景的子树节点;如判断结果为是,则重复步骤B;如判断结果为否,则默认当前所有子树节点的测试场景为全部测试场景,得到集合枚举树;
步骤C、根据集合枚举树中的子树节点,依次生成对应的测试场景,然后判断当前生成的测试场景在集合枚举树中是否存在重复测试场景;如判断结果为是,则删除当前生成的测试场景;如判断结果为否,则进一步判断当前生成的测试场景是否违反数据约束;如判断结果为是,则删除当前生成的测试场景;如判断结果为否,则将当前生成的子树测试场景加入至所述集合枚举树中。
作为优选,进一步的技术方案是:所述的方法还包括步骤D、通过述集合枚举树中的测试场景对测试场景进行测试验证,并统计测试结果。
更进一步的技术方案是:所述步骤D中,在子树节点的测试场景生成后,与对应的子树节点一同存储在列表中,通过集合枚举树的层次遍历所述列表,即可得到子树节点以及与之对应测试场景。
更进一步的技术方案是:所述设定规则由测试策略得到。
更进一步的技术方案是:所述步骤B中,继续由根测试场景开始生成子树节点,根据设定规则分别生成所有子树节点的测试场景,为继续生成当前的子树节点的测试场景的下一层的所有子树节点的测试场景。
更进一步的技术方案是:所述将当前生成的子树测试场景加入至所述集合枚举树中后,还进一步判断集合枚举树中的子树节点中是否存在未生成的子树测试场景;如判断结果为否,则步骤结束,得到剪枝后的集合枚举树;如判断结果为是,则继续生成对应的测试场景,然后判断当前生成的测试场景在集合枚举树中是否存在重复测试场景。如判断结果为是,则删除当前生成的测试场景;如判断结果为否,则进一步判断当前生成的测试场景是否违反数据约束;如判断结果为是,则删除当前生成的测试场景。如判断结果为否,则将当前生成的测试场景加入至所述集合枚举树中。
与现有技术相比,本发明的有益效果是:
通过集合枚举树来结构化描述分布式数据库的高可用测试场景,将测试场景构建成一棵枚举树,通过不断生成子树测试场景,最后生成的整棵集合枚举树代表所有测试场景。
结合自身数据库组件特点,在构造整棵集合枚举树的过程中可以针对这棵集合枚举树中无效节点或者重复节点进行剪枝处理,从而达到优化测试场景目的。利用集合枚举树的树形结构来展示和构建分布式数据库高可用测试场景,不但能更加直观的统计测试场景,而且结合数据库产品自身架构可以对整个集合枚举树进行剪枝,更加方便优化无效测试场景和重复测试场景,同时基于集合枚举树的树形结构,测试场景自动化也更加直观和容易实现。
附图说明
图1为用于说明本发明一个实施例的测试方法流程图。
图2为用于说明本发明一个实施例中的测试场景生成流程图。
图3为用于说明本发明一个实施例中剪枝策略的流程图。
图4为用于说明本发明应用例的第一集合枚举树示意图。
图5为用于说明本发明应用例的第二集合枚举树示意图。
图6为用于说明本发明应用例的第三集合枚举树示意图。
实施方式
本发明如下的实施例中,针对现有技术的所存在的缺陷,提出了基于集合枚举树和剪枝策略的分布式数据库测试方法。利用集合枚举树来结构化展示和描述分布式数据库高可用测试场景,将测试场景构建成一棵枚举树,整棵枚举树代表所有测试场景。结合自身数据库组件特点,在构造集合枚举树的过程中针对这棵集合枚举树中无效节点或者重复节点进行剪枝处理,从而优化测试场景和去除重复测试场景。利用集合枚举树的树形结构来展示和构建分布式数据库高可用测试场景,不但能更加直观的统计测试场景,而且测试场景自动化实现也更加容易。
在本发明的一个实施例中,测试流程图如图1所示,即方法包括:
S1.细化测试组件,根据分布式数据库的技术架构,列出并细化需要测试的数据库相关组件。
S2.根据所述数据库相关组件,生成树形的根测试场景,并由根测试场景开始生成子树节点,根据设定规则分别生成所有子树节点的测试场景。
S3.通过集合枚举树中的测试场景对测试场景进行测试验证。
S4.统计测试结果。
在上述的方法中,本实施例主要优化方案在测试设计阶段,在测试设计阶段使用集合枚举树的方式进行测试用例设计,并在测试设计过程中,可以根据分布式数据库自身特点对集合枚举树的树形结构进行高效剪枝操作,剪掉无效或者重复的测试场景。即对比常规测试流程,本实施例优化地方主要在设计测试场景这一步,利用集合枚举树方案生成所有测试场景流程如图2所示。
在图2中,采用集合枚举树和剪枝策略的方法设计测试场景。其包含两个方面内容:第一,将构造测试场景的过程采用集合枚举树生成方式描述;第二,在集合枚举树不断生成节点或者子树过程中,根据数据库自身的特性采用剪枝策略去掉重复的测试场景或者不符合数据库约束的测试场景,从而达到在集合枚举树的节点生成过程中,不断优化不符合数据库的测试场景。当整棵集合枚举树生成,所有的节点也就是符合数据库的测试场景。
在图2所涉及的步骤中,首先根测试场景可以按照树形结构中的root来表示,即根测试场景,该节点在实际中不是真正的一个测试场景。然后由根节点开始生成子树节点,根据设定规则分别生成所有子树节点测试场景,其中规则跟测试策略相关。最后根据测试中设定的规则,判断当前是否存在子树测试场景未生成,如果存在,那么继续生成下一层所有子树测试场景;如果不存在,那么当前树上所有节点的测试场景就是所有测试场景,其中规则跟测试策略相关。
针对如上步骤应用集合枚举树的过程中,可以使用列表来存储,集合枚举树每生成一个节点经过剪枝策略判断通过后就可以追加到列表中,当整个集合枚举树生成完成,那么所有的测试场景也就都存储在了列表中。列表中每个元素对应集合枚举树的每个节点,列表每个元素包含信息有:父节点的信息字符串、当前元素的所有子节点信息字符串,存储当前元素信息的字符串(也就是测试场景信息)。整个过程如下:
1)处理集合枚举树生成的root节点,将root节点作为第一个元素添加到列表中,作为列表的第一个元素,root节点父节点信息为空,测试场景信息为空,子节点信息存储root节点的所有子节点。
2)处理集合枚举树生成root节点的所有子节点,也就是将集合枚举树中root节点的下一层节点按照从左至右的方式,将每个root节点的每个子节点都作为一个元素追加到列表中,root节点的子节点的父节点信息也就是root节点,测试场景信息为当前节点信息,子节点信息也就是当前节点的所有子节点信息。
3)重复步骤2)递归处理root节点子节点的子节点(也就是root节点的孙子节点),直到整棵集合枚举树没有新节点生成,也就是整棵集合枚举树生成完成。
如上步骤也就是在集合枚举树一层一层生成过程中,就将集合枚举树每个节点对应的测试场景也存储在列表中,按照树的层次遍历即可得到所有的节点。要想访问整棵集合枚举树或者说访问集合枚举树方式生成的所有测试场景,那么只需要从头到尾遍历整个列表就可以得到。
根据本发明的另一实施例,在上述的生成所有子树节点的测试场景中的每一棵子树,也就是在集合枚举树的生成过程中,本实施例提出的方法还会根据分布式数据库自身的特点采用剪枝策略删除重复的测试场景,其目的是在集合枚举树中的生成过程中优化去除掉重复的节点以及违反数据库特性的节点,剪枝策略的工作流程图如图3所示。
在图3中,在集合枚举树生成过程中,会不断的生成子树,生成子树也就是生成新的测试场景,所以这里用生成新的测试场景描述。针对集合枚举树不断生成的子树或者节点,处理流程都一致,如图3所示。剪枝策略删除重复测试场景的步骤说明如下:
1)生成新的测试场景。
2)判断新生成的测试场景是否已经在树中存在或者违反数据库约束,如果该测试场景已经生成过或者违反数据库约束,则删除该测试场景;如果该测试场景未生成过或者未违反数据库约束,则保留该测试场景。
3)继续判断是否存在新测试场景未生成,如果存在,则继续生成新的测试场景并按照剪枝策略判断是否需要剪枝;如果不存在新的测试场景需要生成,那么测试场景生成结束。
剪枝策略贯穿在整棵集合枚举树生成的过程中,集合枚举树每棵子树或者节点都会经过剪枝策略判断。剪枝策略包含两个方面,都依赖数据的特性。第一个是判断是否有重复测试场景,比如数据库中有三个进程都为P1且作用都一样,那么构造kill类的双故障测试场景,就只会有一个(kill p1, kill p1),重复的场景会被去掉;第二个是判断是否违反数据约束,例如数据库中有一个全局唯一进程P2,那么双故障场景就不存在构造两个P2进程被同时kill的场景。集合枚举树不断生成的过程中,会对集合枚举树新生成的节点,也就是新的测试场景,采用剪枝策略处理,从而达到优化测试场景目的。这样伴随着剪枝策略的不断处理,当集合枚举树生成之后,整棵集合枚举树中就不包含重复节点和违反数据库约束的节点,也就是完全符合数据库的测试场景。从技术上实现也比较容易,只需要构造一个违反数据库约束的队列,对于新生成的测试场景,经过剪枝策略判断只要不违反数据库约束队列中的任何一条约束,就可以作为一个新的元素追加到集合枚举树对应列表中。
基于上述实施例中描述的测试方法,发明人具体举例如下,以帮助本领域的技术人员理解本发明。
测试场景:分布式数据库节点中有如下进程:
a.ltm进程(主事务处理进程,全局唯一)。
b.tm进程(事务处理进程,每个节点一个)。
c.lmtr进程(主监控进程,全局唯一)。
d.mxo进程(数据处理进程,全局唯一)。
针对这些进程设计单故障和双故障测试场景(注意双故障测试场景不考虑故障顺序),故障方式为kill进程方式。
测试设计:
1.针对测试场景,得到测试规则(也叫测试策略)和数据库约束如下:
(1)采用故障类型为kill方式设计单故障和双故障测试场景,并且双故障场景不考虑故障顺序。
(2)数据库中ltm、lmtr、mxo三个进程在数据库架构中属于全局唯一进程,所以测试设计中约束有如下几点:
a.双故障中,不存在ltm与ltm同时故障场景。
b.双故障中,不存在lmtr和lmtr同时故障场景。
c.双故障中,不存在mxo和mxo同时故障场景。
2.针对如上进程故障,结合测试策略,不采用剪枝策略情况下,生成整棵集合枚举树如图4所示。
在图4中,整棵集合枚举树中,树的第0层上root节点不计入测试场景,树的第1层为单故障测试场景,共计4个。树的第2层为双故障测试场景,其是第1单故障场景的子树,由第1层上的单故障测试场景组合生成,共计16个测试场景。单故障和双故障测试场景共计20个。
此处值得注意的是,图4中只是将最后生成的集合枚举树描述了出来,其实生成过程中是按照树形结构中一层一层生成的。
3.根据当前测试设计中数据库约束,对步骤2中生成的整棵集合枚举树,采用剪枝策略如图5示。
在图5中,对整棵集合枚举树,结合数据库约束,在双故障测试场景设计中,剪枝策略共计剪掉3个枝叶,也就是3个测试场景,其分别是:ltm与ltm不可能同时故障、lmtr和lmtr不可能同时故障、mxo和mxo不可能同时故障。由上图也可以知道,假如还需生成第3层子树时,那么将剪枝策略将剪掉更多的测试场景。
此处值得注意的是,上图展示了最终的整棵枚举树上,都剪掉了那些节点。在实际的过程中是每当生成一个节点都会调用一次剪枝策略进行判断,这里没有逐张的画出来。
4.采用基于集合枚举树和剪枝策略的分布式数据库测试方法后,生成的测试场景便是图6所示的这棵集合枚举树。
在图6中,整棵集合枚举树中所有的节点(root节点除外)就是设计的所有单故障和双故障测试场景,单故障测试场景4个,双故障测试场景13个,共计17个测试场景。
基于上述的实施例可知,本发明实现了基于集合枚举树和剪枝策略的分布式数据库测试方法,在设计分布式数据库高可用测试时,构造整棵集合枚举树来描述所有的测试场景,在构造整棵集合枚举树过程中利用数据库自身的约束来剪枝重复测试场景和违反数据库约束的测试场景,从而使得分布式数据库高可用测试场景设计更加高效和完整,避免了设计出重复、丢失、无效的测试场景,最后生成的整棵集合枚举树就是符合数据库的测试场景。当然,在测试自动化系统实现过程中,基于集合枚举树和剪枝策略的分布式数据库测试方法也比较直观且容易实现。
除上述以外,还需要说明的是在本说明书中所谈到的“一个实施例”、“另一个实施例”、“实施例”等,指的是结合该实施例描述的具体特征、结构或者特点包括在本申请概括性描述的至少一个实施例中。在说明书中多个地方出现同种表述不是一定指的是同一个实施例。进一步来说,结合任一实施例描述一个具体特征、结构或者特点时,所要主张的是结合其他实施例来实现这种特征、结构或者特点也落在本发明的范围内。
尽管这里参照本发明的多个解释性实施例对本发明进行了描述,但是,应该理解,本领域技术人员可以设计出很多其他的修改和实施方式,这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说,在本申请公开、附图和权利要求的范围内,可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变型和改进外,对于本领域技术人员来说,其他的用途也将是明显的。
Claims (6)
1.一种基于集合枚举树和剪枝策略的分布式数据库测试方法,其特征在于所述的方法包括如下步骤:
细化测试组件,根据分布式数据库的技术架构,列出并细化需要测试的数据库相关组件;
根据所述数据库相关组件,生成树形的根测试场景,并由根测试场景开始生成子树节点,根据设定规则分别生成所有子树节点的测试场景;然后判断当前的子树节点的测试场景中是否存在未生成测试场景的子树节点;
如判断结果为是,则继续由根测试场景开始生成子树节点,根据设定规则分别生成所有子树节点的测试场景,然后再判断当前的子树节点的测试场景是否存在未生成测试场景的子树节点;
如判断结果为否,则默认当前所有子树节点的测试场景为全部测试场景,得到集合枚举树;
根据集合枚举树中的子树节点,依次生成对应的测试场景,然后判断当前生成的测试场景在集合枚举树中是否存在重复测试场景;
如判断结果为是,则删除当前生成的测试场景;
如判断结果为否,则进一步判断当前生成的测试场景是否违反数据约束;
如判断结果为是,则删除当前生成的测试场景;
如判断结果为否,则将当前生成的子树测试场景加入至所述集合枚举树中。
2.根据权利要求1所述的基于集合枚举树和剪枝策略的分布式数据库测试方法,其特征在于所述的方法还包括如下步骤:
通过所述集合枚举树中的测试场景对测试场景进行测试验证,并统计测试结果。
3.根据权利要求2所述的基于集合枚举树和剪枝策略的分布式数据库测试方法,其特征在于:所述子树节点的测试场景生成后,与对应的子树节点一同存储在列表中,通过集合枚举树的层次遍历所述列表,即可得到子树节点以及与之对应测试场景,从而进行测试验证。
4.根据权利要求1所述的基于集合枚举树和剪枝策略的分布式数据库测试方法,其特征在于:所述设定规则由测试策略得到。
5.根据权利要求1所述的基于集合枚举树和剪枝策略的分布式数据库测试方法,其特征在于:所述继续由根测试场景开始生成子树节点,根据设定规则分别生成所有子树节点的测试场景,为继续生成当前的子树节点的测试场景的下一层的所有子树节点的测试场景。
6.根据权利要求1所述的基于集合枚举树和剪枝策略的分布式数据库测试方法,其特征在于:所述将当前生成的子树测试场景加入至所述集合枚举树中后,还进一步判断集合枚举树中的子树节点中是否存在未生成的子树测试场景;
如判断结果为否,则步骤结束,得到剪枝后的集合枚举树;
如判断结果为是,则继续生成对应的测试场景,然后判断当前生成的测试场景在集合枚举树中是否存在重复测试场景;
如判断结果为是,则删除当前生成的测试场景;
如判断结果为否,则进一步判断当前生成的测试场景是否违反数据约束;
如判断结果为是,则删除当前生成的测试场景;
如判断结果为否,则将当前生成的测试场景加入至所述集合枚举树中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310496512.0A CN116225967B (zh) | 2023-05-05 | 2023-05-05 | 基于集合枚举树和剪枝策略的分布式数据库测试方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310496512.0A CN116225967B (zh) | 2023-05-05 | 2023-05-05 | 基于集合枚举树和剪枝策略的分布式数据库测试方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116225967A CN116225967A (zh) | 2023-06-06 |
CN116225967B true CN116225967B (zh) | 2023-07-07 |
Family
ID=86580871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310496512.0A Active CN116225967B (zh) | 2023-05-05 | 2023-05-05 | 基于集合枚举树和剪枝策略的分布式数据库测试方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116225967B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008073055A1 (en) * | 2006-12-14 | 2008-06-19 | Agency For Science, Technology And Research | Method and device of determining co-clusters from a dataset |
CN102214248A (zh) * | 2011-07-22 | 2011-10-12 | 浙江工商大学 | 一种挖掘海量数据的高空间可伸性和高时间效率的多层频繁模式发现算法 |
CN102637247A (zh) * | 2012-02-23 | 2012-08-15 | 浙江工商大学 | 一种集成概化与消隐的高维数据匿名处理方法 |
CN110597735A (zh) * | 2019-09-25 | 2019-12-20 | 北京航空航天大学 | 一种面向开源软件缺陷特征深度学习的软件缺陷预测方法 |
CN113469326A (zh) * | 2021-06-24 | 2021-10-01 | 上海寒武纪信息科技有限公司 | 在神经网络模型中执行剪枝优化的集成电路装置及板卡 |
US11222019B1 (en) * | 2020-10-30 | 2022-01-11 | Snowflake Inc. | Automatic pruning cutoff in a database system |
CN114428728A (zh) * | 2021-12-17 | 2022-05-03 | 沈阳理工大学 | 信息物理测试协议处理系统及方法 |
-
2023
- 2023-05-05 CN CN202310496512.0A patent/CN116225967B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008073055A1 (en) * | 2006-12-14 | 2008-06-19 | Agency For Science, Technology And Research | Method and device of determining co-clusters from a dataset |
CN102214248A (zh) * | 2011-07-22 | 2011-10-12 | 浙江工商大学 | 一种挖掘海量数据的高空间可伸性和高时间效率的多层频繁模式发现算法 |
CN102637247A (zh) * | 2012-02-23 | 2012-08-15 | 浙江工商大学 | 一种集成概化与消隐的高维数据匿名处理方法 |
CN110597735A (zh) * | 2019-09-25 | 2019-12-20 | 北京航空航天大学 | 一种面向开源软件缺陷特征深度学习的软件缺陷预测方法 |
US11222019B1 (en) * | 2020-10-30 | 2022-01-11 | Snowflake Inc. | Automatic pruning cutoff in a database system |
CN113469326A (zh) * | 2021-06-24 | 2021-10-01 | 上海寒武纪信息科技有限公司 | 在神经网络模型中执行剪枝优化的集成电路装置及板卡 |
CN114428728A (zh) * | 2021-12-17 | 2022-05-03 | 沈阳理工大学 | 信息物理测试协议处理系统及方法 |
Non-Patent Citations (1)
Title |
---|
基于FPMAX的最大频繁项目集挖掘改进算法;牛新征;《计算机科学》;第40卷(第12期);223-228 * |
Also Published As
Publication number | Publication date |
---|---|
CN116225967A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240070487A1 (en) | Systems and methods for enriching modeling tools and infrastructure with semantics | |
US5691925A (en) | Deriving tractable sub-system for model of larger system | |
CN102930023B (zh) | 基于知识的数据质量解决方案 | |
US7752179B1 (en) | Method and system for extracting consistent disjoint set membership from multiple inconsistent data sources | |
US10261967B2 (en) | Data extraction | |
US20060212477A1 (en) | Method and system for altering the configuration of a data warehouse | |
CN109376139A (zh) | 数据库集中监控方法、计算机装置及存储介质 | |
CN107463597B (zh) | 针对修改区块体数据的区块链的被动验证方法及系统 | |
CN113239365B (zh) | 一种基于知识图谱的漏洞修复方法 | |
WO2020098315A1 (zh) | 一种信息匹配方法及终端 | |
CN107766353A (zh) | 一种数据库统计信息迁移的方法和设备 | |
US20080189150A1 (en) | Supply chain multi-dimensional serial containment process | |
JP6419667B2 (ja) | テストdbデータ生成方法及び装置 | |
CN107579844A (zh) | 一种基于业务路径和频度矩阵的动态关联故障挖掘方法 | |
CN116225967B (zh) | 基于集合枚举树和剪枝策略的分布式数据库测试方法 | |
US20170235795A1 (en) | System and method for recursively iterating over a loosely associated data structure | |
CN113220578A (zh) | 一种功能测试用例的生成方法 | |
CN107451002B (zh) | 针对修改区块体数据的区块链的主动验证方法及系统 | |
CN113157904A (zh) | 基于dfa算法的敏感词过滤方法及系统 | |
Regainia et al. | A methodology of security pattern classification and of attack-defense tree generation | |
US11487586B2 (en) | Time-based element management in a computer system using temporal node trees | |
US7636720B2 (en) | Associating and using information in a metadirectory | |
KR102007126B1 (ko) | 결손된 운영 데이터의 복원 방법 및 복원 장치 | |
Albert et al. | Implementing UML association, aggregation, and composition. A particular interpretation based on a multidimensional framework | |
CN116777606B (zh) | 一种基于关系图谱的银行信贷智能反欺诈系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |