ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ ПРИМЕНЕНИЯ
КЛАСТЕРИЗОВАННЫХ И НЕКЛАССТЕРИЗОВАННЫХ ИНДЕКСОВ
ПРИ ВЫПОЛНЕНИИ SQL – ЗАПРОСОВ
В MICROSOFT SQL SERVER 2016
Объект исследования: эффективность применения кластеризованных и некласстеризованных индексов при выполнении SQL-запросов в Microsoft Server 2016.
Результаты, полученные лично автором: определены объемы данных, при которых применение кластеризованных и некласстеризованных индексов может существенно повысить производительность приложения.
Одним из важнейших путей достижения высокой производительности SQL Server является использование индексов. Индекс ускоряет процесс запроса, предоставляя быстрый доступ к строкам данных в таблице, аналогично тому, как указатель в книге помогает вам быстро найти необходимую информацию.
Нужно правильно их использовать, и понимать, в каком случае нужно использовать, тот или иной индекс. Целью работы является условие эффективного применения индексов для ускорения запросов.
Исследования проводились на трех таблицах размерами: 50000, 3000000, 5000000 записей. Для каждой из этих таблиц были выполнены три запроса и подсчитано время выполнения каждого из них. Затем на каждую из таблиц был навешан индекс, после снова подсчитано время выполнения тех же запросов. Результаты исследований приведены на Рис.1.
Рис. 1. Оценка скорости выполнения запросов на различных таблицах
Как видно из графиков, на таблицу с маленьким количеством записей использование индексов при выполнении запросов влияния не оказало. При работе со средней таблицей эффективность индексов хорошо заметна для второго и третьего запроса. Применение индексов существенно сократило время выполнения запросов для большой таблицы, особенно это хорошо видно на Рис.1.
|
|
|
На основании проведенных исследований можно сделать выводы о том, что: на маленьких таблицах использование индексов не эффективно, больше тратиться время для решения на какой/какие столбцы повесить индекс, при этом время работы не измениться, кроме того для средних и более таблиц индексы будут эффективны, но главное правильно подбирать для запроса тот или иной индекс.
Материал поступил в редколлегию 24.04.2017
УДК 004.93
Т.Д. Праздникова
Научный руководитель: доцент кафедры «Информатика и программное обеспечение», к.т.н., А.О. Трубаков
tanya.dmitrievna.2016@bk.ru
АНАЛИЗ МЕТОДОВ РЕКОНСТРУКЦИИ ИСКАЖЕННЫХ ПИКСЕЛЕЙ ИЗОБРАЖЕНИЙ
Объект исследования: методы восстановления потерянных и искаженных участков изображений.
Результаты, полученные лично автором: проведен анализ методов реконструкции искаженных пикселей изображений.
Задача реконструкции утраченных значений пикселей является наиболее важной и трудоемкой при восстановлении изображения. Существует немало методов реставрации отсутствующих участков изображения. Рассмотрим некоторые из них.
|
|
|
метод основанный на минимизации энтропии дискретного косинусного преобразования блока изображения;
метод на основе синтеза текстур;
метод на основе на основе изотропной диффузионной модели.
Метод, основанный на минимизации энтропии дискретного косинусного преобразования блока изображения (ДКП). Главной идеей данного метода является минимизация энтропии коэффициентов дискретно косинусных преобразований с помощью изменения значения заданного пикселя.
Достоинство ДКП, состоит в обеспечении значений локальных и интегральных показателей эффективности обработки, которые либо лучше, либо незначительно уступают показателям неадаптивных фильтров, являющихся наилучшими для конкретных ситуаций.
Наиболее существенными недостатками являются плохое сохранение границ и малоразмерных объектов, появление ореола вокруг резких границ на изображении, т.н. эффектов Гиббса, плохое сохранение текстуры, в случае выбора завышенного порога фильтрации.
|
|
|
Рис. 1. Результат восстановления методом ДКП.
Метод реконструкции изображений на основе синтеза текстуры. Метод заключается в модифицированном поиске самоподобных областей. Изменения дают возможность выбрать субоптимальные адаптивные параметры участка изображения, для которого ищутся схожие участки.
Предложенный метод имеет преимущество при реконструкции как границ, так и мелких деталей изображения. Особенно это преимущество проявляется для структуры, которая характеризуется перепадами яркости, границами и контурами. Анализ результатов обработки показывает, что предлагаемый метод позволяет синтезировать текстуру с одновременным восстановлением структуры изображения, при этом метод является робастным к размеру, форме, геометрическим особенностям области восстановления и имеет устойчивые характеристики (незначительную зависимость эффективности обработки от геометрической формы удаляемого объекта), а также наблюдается отсутствие артефактов, возникающих при замене блоков целиком.
Существенным недостатком предлагаемого подхода является нерекуррентность процедур и, как следствие – высокие требования к вычислительным ресурсам ЭВМ.
Рис. 2. Результат восстановления методом синтеза текстуры.
|
|
|
Метод на основе на основе изотропной диффузионной модели. Метод осуществляется с помощью изотропной диффузия внутри поврежденного участка на основе данных изображения и маски поврежденной области.
Результаты, полученные с помощью данного метода, сопоставимы с нелинейными моделями реконструкции, но гораздо быстрее, что делает метод практичным для интерактивных приложений. Таким образом, основными достоинствами данного метода являются высокая скорость и простота реализации. Представленный алгоритм предназначен для заполнения только относительно небольших областей. Так же недостатком является размытие зоны повреждения.
Рис. 3. Результат восстановления методом изотропной диффузионной модели.
Проведенный анализ позволил выявить все достоинства и недостатки описанных выше методов и их сильные и слабые стороны.
Материал поступил в редколлегию 28.04.2017
УДК 004.056, 004.62
Г.В. Праскура
Научный руководитель: доцент кафедры «Информатика и программное обеспечение», к.т.н., А.О. Трубаков
gregorypraskura@hotmail.com
Дата добавления: 2018-10-27; просмотров: 220; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!