Speaker
Mr
点 刘
(Institute of High Energy Physics)
Description
随着高能同步辐射光源（HEPS）建设与运行过程中实验数据规模的持续增长，数据存储、传输与管理面临越来越大的挑战。如何在保证数据完整性和可用性的前提下提高存储效率、降低资源消耗，已成为科学数据管理领域的重要研究内容。数据压缩技术作为提升存储利用率和传输效率的重要手段，在科学装置数据管理中发挥着关键作用。然而，由于不同类型数据在结构特征和统计特性方面存在差异，不同压缩策略的适用性和性能表现也有所不同，传统依赖经验或人工测试的方法难以满足海量数据环境下的应用需求。
针对上述问题，本文围绕HEPS科学数据开展压缩算法自动推荐方法研究。通过构建数据压缩性能评测体系，对典型实验数据的压缩特性进行分析，研究数据特征与压缩性能之间的关联关系，探索建立面向科学数据的智能压缩决策机制，实现压缩策略的自动化选择与优化。在研究过程中，重点关注不同数据类型在压缩效率、存储收益以及计算开销等方面的差异，为压缩策略的合理制定提供依据。
目前已完成相关测试框架搭建以及典型数据集的初步分析工作，并对影响压缩效果的关键因素进行了研究。后续将进一步完善自动推荐模型，提高压缩策略选择的准确性和适应性。本研究有望为HEPS海量科学数据的高效存储与管理提供技术支撑，同时为大型科学装置数据基础设施建设和智能化数据管理提供参考。
Primary author
Mr
点 刘
(Institute of High Energy Physics)
