基于聚類的重復(fù)數(shù)據(jù)去冗算法的研究

劉 賽，聶慶節(jié)，劉 軍，王 超，李 靜

(1.南瑞集團(tuán)公司，江蘇 南京 210003；2.南京航空航天大學(xué) 計(jì)算機(jī)學(xué)院，江蘇 南京 211106)

0 引 言

隨著物聯(lián)網(wǎng)時(shí)代的到來，從傳感器節(jié)點(diǎn)到企業(yè)日常業(yè)務(wù)中，收集到的數(shù)據(jù)越來越多[1]，收集大量數(shù)據(jù)組成的信息系統(tǒng)不僅方便了人們的生活，而且為未來決策提供了參考，但是人們也必須面對(duì)數(shù)據(jù)丟失的危險(xiǎn)。災(zāi)備系統(tǒng)[2]是數(shù)據(jù)保護(hù)最后的防護(hù)，用來提高數(shù)據(jù)的安全性。然而備份存儲(chǔ)中心中存在大量的冗余數(shù)據(jù)[3]，比如在多次備份時(shí)每次都存儲(chǔ)的全量備份中大部分都是重復(fù)數(shù)據(jù)，在各個(gè)版本的備份文件中也含有數(shù)目巨大的重復(fù)數(shù)據(jù)。備份系統(tǒng)中存在的重復(fù)數(shù)據(jù)導(dǎo)致了需要備份的數(shù)據(jù)量迅速增加。

備份海量的數(shù)據(jù)需要使用大量的磁帶，而大量的冗余數(shù)據(jù)浪費(fèi)了許多磁帶。傳統(tǒng)的數(shù)據(jù)壓縮[4]方法是采用文件編碼中冗余的信息進(jìn)行壓縮，沒有全局壓縮的思想，文件的壓縮效率很差，同時(shí)不能進(jìn)行不同文件間的重復(fù)數(shù)據(jù)壓縮。與傳統(tǒng)數(shù)據(jù)壓縮算法不同，DELTA壓縮算法[5]是全局壓縮技術(shù)，針對(duì)在不同備份系統(tǒng)中，不同備份文件間進(jìn)行重復(fù)數(shù)據(jù)檢測和消除，利用不同文件之間的重復(fù)信息進(jìn)行冗余數(shù)據(jù)消除，大大提高了文件的壓縮率。由香農(nóng)的信息論[6]原理可知，在任意非隨機(jī)生成的文件中都包含冗余信息，可以利用統(tǒng)計(jì)建模等方法，得到一個(gè)字符或者短語出現(xiàn)的頻率，用最短的字符表示出現(xiàn)頻率最高的數(shù)據(jù)。利用這種統(tǒng)計(jì)建模構(gòu)造壓縮算法的編碼方式包括游程編碼[7]、熵編碼[8]以及字典編碼[9]。利用這些編碼方式，較長的字符串可以用較短的字符串信息表示。另外，Zhang等[10]介紹了線性回歸原理的分段常數(shù)逼近算法(PMC-MR)[11]及其改進(jìn)算法(PMC-MENAN)[12]，其算法思想是利用時(shí)間相關(guān)性，在壓縮過程中確定數(shù)據(jù)差距限值，用分段函數(shù)的函數(shù)式擬合原始數(shù)據(jù)，同時(shí)記錄獲取最大、最小以及兩者差值。當(dāng)差值超過設(shè)定的最大誤差值時(shí)，用序列的持續(xù)時(shí)間和數(shù)值大小來替代。Wang等[13]提出了基于重復(fù)數(shù)據(jù)消除的備份數(shù)據(jù)加密方法，根據(jù)分塊內(nèi)容的哈希值生成分塊對(duì)稱密鑰，用于將明文分塊與密文分塊一一對(duì)應(yīng)，采用分塊對(duì)稱密鑰方法保證了用戶私鑰與身份識(shí)別口令不同時(shí)，數(shù)據(jù)庫中的備份數(shù)據(jù)無法被外界解密破解，同時(shí)也保證了文件的壓縮效率。Kang等[14]提出面向容災(zāi)的備份數(shù)據(jù)透明加密機(jī)制，著重解決備份數(shù)據(jù)的安全問題，采用一種層疊式文件系統(tǒng)來面向容災(zāi)的備份數(shù)據(jù)進(jìn)行透明加密，利用虛擬磁盤透明加密的方法，當(dāng)數(shù)據(jù)寫入時(shí)進(jìn)行加密，數(shù)據(jù)讀取時(shí)進(jìn)行解密，保護(hù)了備份數(shù)據(jù)的安全性和機(jī)密性。

DELTA壓縮通過保存一份參考文件，采用內(nèi)容無關(guān)的方法從文件中選取特征集，在系統(tǒng)中找出一份與新文件具有高度相似性的參考文件，再計(jì)算相似文件之間的DELTA壓縮編碼，在備份系統(tǒng)中直接存取DELTA壓縮編碼，不再存儲(chǔ)源文件。采用DELTA壓縮算法可節(jié)省存儲(chǔ)空間、減少需要傳輸?shù)臄?shù)據(jù)量，提高歸檔的效率。DELTA算法進(jìn)行重復(fù)數(shù)據(jù)刪除時(shí)有較高的壓縮率，但是隨著壓縮數(shù)據(jù)規(guī)模變大，所需存儲(chǔ)的指紋塊數(shù)也隨之增長。大量的指紋塊存儲(chǔ)在硬盤上，讀取磁盤數(shù)據(jù)所需時(shí)間遠(yuǎn)大于讀取內(nèi)存所需時(shí)間，導(dǎo)致查詢時(shí)間過久無法用于實(shí)際生產(chǎn)環(huán)境。采用K-medoids聚類[15]進(jìn)行預(yù)處理的DELTA壓縮算法可以提高壓縮率，同時(shí)減少了查找指紋的次數(shù)。

1 相關(guān)技術(shù)

1.1 重復(fù)數(shù)據(jù)刪除技術(shù)

重復(fù)數(shù)據(jù)刪除可以劃分成兩種類型，第一種是刪除相同數(shù)據(jù)，即僅僅保留一份相同的數(shù)據(jù)，然后用指針指向其他位置出現(xiàn)的相同數(shù)據(jù)。第二種是查找到相似度高的數(shù)據(jù)，采用DELTA壓縮算法對(duì)相似數(shù)據(jù)編碼存儲(chǔ)，節(jié)約存儲(chǔ)空間。DELTA壓縮的核心思想是將重復(fù)的數(shù)據(jù)標(biāo)記出來，并存儲(chǔ)一份，當(dāng)再次遇到這部分?jǐn)?shù)據(jù)之后，用指針指向其存儲(chǔ)位置，以減少需備份的文件。

把文件看作是由字符、數(shù)字、字節(jié)等按一定順序組成的字符串。DELTA壓縮算法可以視為對(duì)字符串從左至右進(jìn)行編碼，當(dāng)出現(xiàn)一個(gè)字典里面不存在的字符串時(shí)，向DELTA壓縮編碼中添加(ADD,L,S)命令字符串，表示在該位置添加長度為L的字符串S，如果發(fā)現(xiàn)該字符串已經(jīng)存儲(chǔ)過一份，則添加(COPY,L,O)命令字符串，表示從R中復(fù)制長度為L，偏移量為O的字符串到該位置。具體實(shí)現(xiàn)通過定義DELTA壓縮函數(shù)(記為D)，它的輸入為一個(gè)待壓縮文件V和一個(gè)參考文件R，輸出為一個(gè)DELTA文件Δ(R,V)。當(dāng)備份系統(tǒng)進(jìn)行DELTA壓縮時(shí)，首先從文件中選擇適當(dāng)字串，通過計(jì)算每個(gè)字串的指紋得到指紋集合，利用指紋集合中相同指紋的個(gè)數(shù)來確定兩個(gè)文件的相似度。

DELTA壓縮算法針對(duì)R和V之間的冗余數(shù)據(jù)，當(dāng)R中已存在該數(shù)據(jù)時(shí)，保存Δ(R,V)的復(fù)制命令，將其指向R中對(duì)應(yīng)數(shù)據(jù)的鏈接，針對(duì)R中不存在的數(shù)據(jù)，用添加命令顯式添加。R和V相似度較高時(shí)，Δ(R,V)比V小得多；R和V完全相同時(shí)，Δ(R,V)就是一個(gè)命令。因此，通過保存Δ(R,V)來替代V可大大節(jié)省存儲(chǔ)空間。

1.2 K-medoids聚類

K-medoids聚類是一種基于劃分的聚類算法。與K-means算法以簇內(nèi)所有樣本點(diǎn)的均值作為簇聚類中心不同，K-medoids聚類是以簇中實(shí)際樣本點(diǎn)作為簇的聚類中心，減少K-means算法對(duì)少數(shù)誤差點(diǎn)的敏感性。K-medoids聚類首先任意選擇K個(gè)不同的數(shù)據(jù)對(duì)象作為初始簇中心，其他數(shù)據(jù)對(duì)象根據(jù)其與簇中心的距離，將它們分配到距離最近的簇，然后在每個(gè)簇內(nèi)部順序選擇一個(gè)非簇中心點(diǎn)的數(shù)據(jù)代替簇中心點(diǎn)，選擇代價(jià)最小的點(diǎn)作為簇中心點(diǎn)，然后反復(fù)迭代，用非簇中心點(diǎn)來代替簇中心點(diǎn)，當(dāng)一個(gè)中心點(diǎn)被某個(gè)非中心點(diǎn)替代時(shí)，除了未被替換的中心點(diǎn)外，其余各點(diǎn)將被重新分配。當(dāng)聚類中心和各個(gè)點(diǎn)所屬聚類簇都不再變化時(shí)，算法結(jié)束。K-medoids聚類算法使用最接近聚類中心的對(duì)象作為簇中心，增強(qiáng)了算法的魯棒性，具有數(shù)據(jù)抗干擾性強(qiáng)、聚類結(jié)果與輸入順序無關(guān)以及對(duì)小數(shù)據(jù)集聚類效果明顯等特點(diǎn)。

2 基于K-medoids聚類的重復(fù)數(shù)據(jù)去冗算法

對(duì)于一個(gè)新的數(shù)據(jù)塊，根據(jù)其與其他數(shù)據(jù)塊之間的相似度，會(huì)出現(xiàn)兩種情況，分別如圖1中的S1和S2所示。圖中的每個(gè)點(diǎn)都表示一個(gè)對(duì)應(yīng)的數(shù)據(jù)塊，兩個(gè)點(diǎn)之間的距離表示二者之間的相似度。S1表示該數(shù)據(jù)塊屬于一號(hào)簇的情況，它到其他簇的距離遠(yuǎn)大于到一號(hào)簇的距離，并且與它相近距離的點(diǎn)也屬于一號(hào)簇。S2表示該數(shù)據(jù)塊不屬于任意簇，與其最相似的數(shù)據(jù)塊是屬于其他簇的數(shù)據(jù)塊，但是這些數(shù)據(jù)塊都在其他簇的邊界。即表示S2也可作為聚類中心，它周圍的數(shù)據(jù)塊與它都較相似，也可以達(dá)到高效壓縮，所以，通過設(shè)置閾值的方法無法考慮到各個(gè)文件之間的相似性。K-means算法是采用簇內(nèi)所有點(diǎn)的均值作為簇聚類中心，無法計(jì)算該中心到其他數(shù)據(jù)塊之間的距離(相似度)，故無法評(píng)價(jià)該聚類中心是否合理。K-medoids聚類算法可以通過不斷迭代的方式選擇簇內(nèi)的一個(gè)點(diǎn)作為聚類中心，使得每個(gè)數(shù)據(jù)塊可以歸屬到更加合適的聚類簇中，所以采用K-medoids聚類算法作為DELTA壓縮前的預(yù)處理。

圖1 相似數(shù)據(jù)聚類模型描述

針對(duì)DELTA壓縮大文件時(shí)所需數(shù)據(jù)指紋較多、查找速度慢等問題，且當(dāng)文件足夠大時(shí)，內(nèi)存將無法存儲(chǔ)，所以將大文件切割成小文件塊，然后將小文件塊兩兩合并，進(jìn)行DELTA壓縮，并把DELTA壓縮后的文件大小作為文件的相似度，根據(jù)得到的相似度進(jìn)行K-medoids聚類。最后，按照聚類結(jié)果合并小文件塊，再將合并后相似度高的文件進(jìn)行DELTA壓縮。基于K-medoids聚類的DELTA壓縮的框架圖如圖2所示。

2.1 K-medoids聚類處理

對(duì)需要壓縮的大文件進(jìn)行切分，采用1 M文件大小作為劃分單位，之后對(duì)劃分的文件塊兩兩之間進(jìn)行DELTA壓縮，DELTA壓縮后的文件大小存儲(chǔ)在臨時(shí)矩陣arr_delta[N][N]，將它作為文件塊之間的相似度。為方便敘述，現(xiàn)在統(tǒng)一規(guī)定本文所用符號(hào)。

圖2 基于K-medoids聚類的DELTA壓縮框架圖

兩個(gè)相似數(shù)據(jù)塊之間的相似度表示為二者的DELTA距離，即：

dist(Si,Sj)=delta(Si,Sj)

(1)

整個(gè)聚類的流程為：在S中任意選擇K個(gè)聚類中心點(diǎn)，分別用{m1,m2,…,mk}表示。將代表剩余數(shù)據(jù)塊的點(diǎn)分配給距它最近的簇中，獲得聚類簇C={C1,C2,…,Ck}。然后對(duì)每一個(gè)簇Ci,i∈{1,2,…,k}，遍歷簇中的第i個(gè)非中心點(diǎn)對(duì)象Sj，用式(2)計(jì)算當(dāng)Sj代替中心點(diǎn)mi的總代價(jià)。

(2)

2.2 聚類后DELTA壓縮

經(jīng)過以上步驟的預(yù)處理，得到了各個(gè)相似的數(shù)據(jù)塊的聚類集合，根據(jù)聚類結(jié)果將文件塊合并。合并之后的大文件內(nèi)部之間的相似度較高，即通過合并相似文件塊之后，|Δ(R,V)|小于甚至遠(yuǎn)小于|V|，考慮通過Δ(R,V)替代存儲(chǔ)V，可以達(dá)到壓縮文件大小的目的。根據(jù)聚類后的結(jié)果進(jìn)行去冗余，對(duì)文件整體進(jìn)行數(shù)據(jù)壓縮。在重復(fù)數(shù)據(jù)去冗階段再次使用DELTA壓縮算法消除重復(fù)數(shù)據(jù)。

對(duì)于聚類后的待壓縮文件，首先采用內(nèi)容無關(guān)的方法從文件中選取特征集，根據(jù)可分配內(nèi)存的大小，確定產(chǎn)生中間指紋數(shù)量與文件大小。設(shè)定一個(gè)滑動(dòng)窗口的大小，不斷向前移動(dòng)滑動(dòng)窗口，計(jì)算移動(dòng)窗口下的數(shù)據(jù)指紋，在特征數(shù)據(jù)庫中搜索一個(gè)與它高度相似的參考文件，找到該參考文件后，根據(jù)壓縮函數(shù)D進(jìn)行壓縮。為了提高檢索速度，降低查找時(shí)間，采用Hash函數(shù)映射成超級(jí)特征或超級(jí)指紋集。若超級(jí)指紋相匹配，則兩個(gè)文件的相似度較大。通過以上算法找到了與該文件具有極大相似性的文件，然后通過函數(shù)D對(duì)有序符號(hào)串進(jìn)行編碼，利用ADD編碼命令(其命令格式為(ADD,L,S))，表示在V中的指定位置添加長度為L的字符串S；COPY編碼命令(其命令格式為(COPY,L,O))，表示從R中復(fù)制長度為L，偏移量為O的字符串到V中的指定位置。獲得經(jīng)過DELTA壓縮后的文件Δ(R,V)，最后存儲(chǔ)壓縮文件。基于K-medoids聚類的重復(fù)數(shù)據(jù)去冗算法的整體流程如圖3所示。

Input:輸入大備份文件(待壓縮文件)Output:輸出已經(jīng)壓縮好的文件(1)輸入大備份文件;(2)按照文件大小=1M切割該文件;(3)fori=1:M{forj=1:M{第i個(gè)文件和第j個(gè)文件合并進(jìn)行DELTA壓縮將壓縮后的文件存儲(chǔ)到臨時(shí)數(shù)組arr_delta[N][N]}}(4)確定聚類個(gè)數(shù)K(5)while 聚類中心或者聚類中的點(diǎn)有變化do 根據(jù)arr_delta[N][N]確定各個(gè)點(diǎn)所屬類fori←1toKdo更新聚類中心endend輸出聚類情況(6)根據(jù)聚類情況,合并文件塊(7)將合并后的文件塊進(jìn)行DELTA壓縮

圖3 基于K-medoids聚類的重復(fù)數(shù)據(jù)去冗算法

3 實(shí)驗(yàn)驗(yàn)證

為了驗(yàn)證基于K-medoids聚類的DELTA壓縮算法的有效性，利用一臺(tái)配置為Intel Core i5-3470，2 GB內(nèi)存，SATA 5 600 轉(zhuǎn)磁盤的臺(tái)式計(jì)算機(jī)作為測試環(huán)境進(jìn)行測試。利用Oracle數(shù)據(jù)庫的測試數(shù)據(jù)作為待壓縮數(shù)據(jù)，測試基于K-medoids聚類的DELTA壓縮效果。通過在測試集上直接使用DELTA壓縮與先聚類再進(jìn)行DELTA壓縮兩種方式進(jìn)行對(duì)比，來驗(yàn)證該算法的有效性。

首先，定義壓縮率為DELTA壓縮文件與待壓縮文件大小的比率，即壓縮率為：

compress_rate=經(jīng)過壓縮之后的文件大小/總文件大小

(3)

式(3)表明壓縮率的值越小越好。DELTA壓縮的算法思想表明待壓縮文件與同一個(gè)參考文件之間的相似性越高，壓縮效果就越好，換言之，文件內(nèi)含有的相似數(shù)據(jù)越多，文件的壓縮率越高。接下來進(jìn)行實(shí)驗(yàn)驗(yàn)證。

3.1 壓縮性能測試

為了驗(yàn)證基于K-medoids聚類方法的DELTA壓縮方法的性能，對(duì)比源文件大小、經(jīng)過DELTA壓縮后的文件大小以及聚類之后再經(jīng)過DELTA壓縮后的文件大小。

首先將大文件切割為每個(gè)文件大小為1 M的小文件，作為初始的源文件。然后將切割后的每個(gè)文件直接進(jìn)行DELTA壓縮，作為另一組對(duì)比實(shí)驗(yàn)。將切割后的文件塊兩兩合并，然后對(duì)合并后的文件進(jìn)行DELTA壓縮，將DELTA壓縮后的文件大小作為文件間的相似度。再根據(jù)文件間的相似度利用K-medoids對(duì)文件塊進(jìn)行聚類，根據(jù)聚類結(jié)果進(jìn)行文件塊合并，然后再進(jìn)行DELTA壓縮，作為最后一組對(duì)比實(shí)驗(yàn)。

針對(duì)Oracle數(shù)據(jù)庫測試數(shù)據(jù)進(jìn)行測試，選取測試數(shù)據(jù)的前30個(gè)文件塊進(jìn)行描述。

由式(3)可得，直接通過DELTA壓縮的壓縮率約為50%；經(jīng)過K-medoids聚類預(yù)處理之后再經(jīng)過DELTA壓縮的壓縮率約為25%。

結(jié)果如圖4所示。

直接經(jīng)過DELTA壓縮，壓縮率在50%，經(jīng)過DELTA壓縮算法可以使得文件壓縮率降低40%以上，在此基礎(chǔ)上，經(jīng)過K-medoids聚類預(yù)處理之后再進(jìn)行DELTA壓縮的方式，即在DELTA壓縮之前依據(jù)相似度進(jìn)行聚類，又可提高50%左右的壓縮率。

由此可證，通過聚類后的文件有很大程度上的相似，可大大提高文件內(nèi)的相似度。對(duì)于相似度越高的文件，DELTA壓縮的效率越高。

在第2節(jié)中，分析得出重復(fù)文件刪除的效率瓶頸在于當(dāng)檢測重復(fù)指紋時(shí)需要大量的讀磁盤操作，尤其當(dāng)指紋數(shù)量超過內(nèi)存大小時(shí)，檢索算法需要大量的I/O操作將指紋從磁盤中讀入到內(nèi)存，使得程序效率大大降低。將大文件切割成小文件，再按照相似度相近的原則進(jìn)行聚類，然后以數(shù)據(jù)指紋可以在內(nèi)存上可接受為原則進(jìn)行合并。再對(duì)合并之后的文件進(jìn)行DELTA壓縮，通過對(duì)數(shù)據(jù)DELTA壓縮前的預(yù)處理步驟來提高數(shù)據(jù)的壓縮率。經(jīng)實(shí)驗(yàn)驗(yàn)證，效果有明顯提高。

圖4 部分文件塊壓縮對(duì)比

3.2 聚類合并性能測試

在數(shù)據(jù)壓縮中，可以采取對(duì)小文件直接壓縮、隨機(jī)合并文件壓縮(一般采取直接按照序號(hào)合并)、聚類合并后壓縮三種方式，對(duì)比這三種方式的壓縮情況，如圖5所示。

圖5 部分?jǐn)?shù)據(jù)集在不同方式下的壓縮對(duì)比

經(jīng)過實(shí)驗(yàn)證明，直接對(duì)小文件進(jìn)行壓縮時(shí)，得到的壓縮率最小；對(duì)小文件合并之后再進(jìn)行壓縮，可以提高壓縮率；根據(jù)文件塊相似度差異的大小先聚類再進(jìn)行合并，可以大大提高文件壓縮率。通過聚類將小文件進(jìn)行合并，提高了合并后文件的相似度，之后再進(jìn)行DELTA壓縮，減少了查找相似文件塊的時(shí)間，并且提高了文件的壓縮率。采用文件切分、聚類、合并、再壓縮的方式，可以保證數(shù)據(jù)指紋的數(shù)量在一定的限度內(nèi)(保證數(shù)據(jù)指紋存儲(chǔ)在內(nèi)存中)，減少磁盤的I/O操作，有助于大文件的壓縮。從測試結(jié)果來看，聚類后壓縮可以很好地達(dá)到壓縮效果。這也證明了聚類后壓縮去冗的有效性。

4 結(jié)束語

針對(duì)大文件在進(jìn)行DELTA壓縮時(shí)數(shù)據(jù)指紋過多的問題，提出了一種基于K-medoids聚類算法的DELTA壓縮方法。測試結(jié)果表明，該算法可有效地減少數(shù)據(jù)指紋數(shù)量、提高壓縮率，使重復(fù)數(shù)據(jù)刪除的效果更加明顯。下一步將研究如何設(shè)置最優(yōu)的聚類中心個(gè)數(shù)，以進(jìn)一步提高壓縮率，降低壓縮時(shí)間。

[1] 蔣 鵬,吳建峰,吳 斌,等.基于自適應(yīng)最優(yōu)消零的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)壓縮算法研究[J].通信學(xué)報(bào),2013,34(2):1-7.

[2] 毛 波,葉閣焰,藍(lán)琰佳,等.一種基于重復(fù)數(shù)據(jù)刪除技術(shù)的云中云存儲(chǔ)系統(tǒng)[J].計(jì)算機(jī)研究與發(fā)展,2015,52(6):1278-1287.

[3] 馬發(fā)勇,厲啟鵬,馬志斌,等.電力調(diào)度SCADA系統(tǒng)中歷史數(shù)據(jù)壓縮及存儲(chǔ)策略[J].電網(wǎng)技術(shù),2014,38(4):1109-1114.

[4] QUAN W，XU C，GUAN J，et al.Scalable name lookup with adaptive prefix bloom filter for named data networking[J].IEEE Communications Letters,2014,18(1):102-105.

[5] 付印金,肖 儂,劉 芳.重復(fù)數(shù)據(jù)刪除關(guān)鍵技術(shù)研究進(jìn)展[J].計(jì)算機(jī)研究與發(fā)展,2012,49(1):12-20.

[6] 劉厚貴,邢 晶,霍志剛,等.一種支持海量數(shù)據(jù)備份的可擴(kuò)展分布式重復(fù)數(shù)據(jù)刪除系統(tǒng)[J].計(jì)算機(jī)研究與發(fā)展,2013,50:64-70.

[7] MEISTER D,BRINKMANN A.Multi-level comparison of data deduplication in a backup scenario[C]//SYSTOR 2009:the Israeli experimental systems conference.New York,NY,USA:ACM,2009.

[8] 張滬寅,周景才,陳毅波,等.用戶感知的重復(fù)數(shù)據(jù)刪除算法[J].軟件學(xué)報(bào),2015,26(10):2581-2595.

[9] BILIMOVIC A.Boundary value problems for nonlinear fractional differential equations[J].Acta Mathematica Scientia,2015,31(4):1337-1346.

[10] 屈志偉.無線傳感器網(wǎng)絡(luò)數(shù)據(jù)壓縮算法綜述[J].科技創(chuàng)新與應(yīng)用,2015(32):90.

[11] AHMAD B,NTOUYAS S.Existence of solutions for fractional differential inclusions with nonlocal Riemann-Liouville integral boundary conditions[J].Boundary Value Problems,2014,139(3):451-465.

[12] MIN J,YOON D,WON Y.Efficient deduplication techniques for modern backup operation[J].IEEE Transactions on Computers,2011,60(6):824-840.

[13] 王 燦,秦志光,馮朝勝,等.面向重復(fù)數(shù)據(jù)消除的備份數(shù)據(jù)加密方法[J].計(jì)算機(jī)應(yīng)用,2010,30(7):1763-1766.

[14] 康瀟文,楊英杰,杜 鑫.面向容災(zāi)的備份數(shù)據(jù)透明加密機(jī)制[J].計(jì)算機(jī)工程,2009,35(20):131-133.

[15] 祁 蘭,毛燕琴,沈蘇彬.一種傳感數(shù)據(jù)的壓縮和高效存儲(chǔ)方案[J].計(jì)算機(jī)技術(shù)與發(fā)展,2016,26(11):177-181.