.png){kind=icon}
返回
Filtering and Accelerating: A Unified Framework for High-Performance Persistence Estimation
.png){kind=icon}
PRE
AI
DOI：10.1109/TKDE.2026.3695579.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高效数据流处理，特别是在持久性估计方面，对于处理具有项目频率分布偏斜特征的高速率数据流至关重要。与更直接的频率指标不同，持久性捕捉项目在多个时间窗口中的重复出现，对现有单一结构的草图方法构成重大挑战，其中高持久性和低持久性项目会发生冲突。为解决此问题，我们引入了Hypersistent草图，这是一个基于两个解耦机制（过滤和加速）构建的高性能估计统一框架。过滤组件（冷过滤）直接针对数据流的偏斜特性，将热项目与大多数冷项目分离，从而实现差异化处理。加速组件（突发过滤）随后优化热项目的处理，通过防止单窗口内的重复插入显著提高吞吐量。我们通过将其应用于各种最新草图（如On-Off、Waving、P-Sketch）来展示其通用性，表明它始终能增强其原始性能。我们还将我们的框架部署在Redis平台上，展示了该框架的广泛应用性和可扩展性。
Keyword:
Data stream
persistence estimation
sketch
期刊
IF:
10.4
论文数:
6.8K
被引数:
3.2W
机构
查看更多机构
引用论文
暂无论文信息