[发明专利]分布式节点优化方法及系统、电子设备及存储介质

说明书

本发明提供一种分布式节点优化方法及系统、电子设备及存储介质，包括：基于分布式节点的数据点在多个维度上的方差，得到所述数据点在多个维度上的分布情况；基于所述数据点在多个维度上的分布情况，将多个维度按照方差大小进行排序；S3:按照方差大小的顺序，对所述数据点在对应的维度上依次切分。本发明通过切分维度选择优化，降低频繁更新节点带来的时间消耗，提高查找效率，充分利用nf‑hipac方法的高性能匹配，可以保证当前防火墙系统运行的更加流畅。

技术领域

本发明涉及信息优化技术领域，特别涉及一种分布式节点优化方法及系统、电子设备及存储介质。

背景技术

k-d tree的每个节点均为k维数值点的二叉树，其上的每个节点代表一个超平面，该超平面垂直于当前划分维度的坐标轴，并在该维度上将空间切分为两部分，一部分在其左子树，另一部分在其右子树。即若当前节点的划分维度为d，其左子树上所有点在d维的坐标值均小于当前值，右子树上所有点在d维的坐标值均大于等于当前值，本定义对其任意子节点均成立，如何构建树，这是最关键的地方，因为不管是划分树、线段树、字典树、甚至是其他的数据结构或者方法(例如KMP之类的)，之所以能够高效的处理问题，主要就是预处理的好。K-D tree之所以高效，就是因为建树很高明，高明之处体现在“将点集E中的点按照某种规则建成一棵二叉树”的这种规则上，k-d tree的构建过程很大程度上决定了树的查找效率，因此如果在构建过程充分考虑数据特性，可实现优化查找的目的。

k-d tree适用于多维离散数据查找，当前防火墙系统中采用了nf-hipac方法，此方法适用于多维区间数据匹配，相比k-d tree的二叉树，nf-hipac采用了M叉树，每层代表了一个维度，将当前维度切分为M个区间，每个区间代表一个节点，每个节点又会在第二维度进行切分，以此类推。k-d tree方法可以达到log(n)(最坏是O(n))的时间复杂度，nf-hipac方法每一个维度采用二分查找方法，故时间复杂度为mlog(n)，m为维度数，n为规则数量，基于k-d tree树的构建及删除的过程中，有3点可以进行优化：

1、切分维度选择优化。

2、删除操作优化。

3、超过32位的固定长度规则采用nf-hipac方法。

发明内容

本发明提供一种降低频繁更新节点带来的时间消耗，提高查找效率的分布式节点优化方法及系统、电子设备及存储介质。

本发明提供一种分布式节点优化方法，包括：

S1:基于分布式节点的数据点在多个维度上的方差，得到所述数据点在多个维度上的分布情况；

S2:基于所述数据点在多个维度上的分布情况，将多个维度按照方差大小进行排序；

S3:按照方差大小的顺序，对所述数据点在对应的维度上依次切分。

优选的是，所述的分布式节点优化方法，其中，所述S1之前还包括：

将待删除的数据点进行标记；

当待删除的数据点的数量达到预设阈值，返回所述S1。

优选的是，所述的分布式节点优化方法，其中，还包括：

在每个分布式节点维护一个权重字段，记录所述分布式节点的子节点的NULL指针个数，当所述分布式节点的子节点的NULL指针个数左右相差2时，对该所述分布式节点执行重建。

优选的是，所述的分布式节点优化方法，其中，还包括：

当所述分布式节点超过32位的固定长度规则，对所述分布式节点进行拆分，转化为为当前维度下的高低维度。

优选的是，所述的分布式节点优化方法，其中，包括：当所述分布式节点处于区间内部时，对于处于区间内部的匹配，跳过低维度直接匹配。