2）保持分布的一致性：數(shù)據(jù)被更新之后，使得數(shù)據(jù)的原有分片不再從邏輯上是一個整體。比如將全校學(xué)生按照系別進(jìn)行分片，數(shù)學(xué)系的張三因為轉(zhuǎn)系到計算機系，導(dǎo)致其系別屬性值變?yōu)椤坝嬎銠C”，而他的信息因為分片的原因，仍然存放在“數(shù)學(xué)系”的分片中。導(dǎo)致“數(shù)學(xué)系”的分片從邏輯上不在是一個整體。

　　3）分布事務(wù)管理：由于數(shù)據(jù)是分布在不同站點的，對數(shù)據(jù)的更新操作也應(yīng)該是分布的，這涉及到并發(fā)控制和恢復(fù)的問題。也 是保證對數(shù)據(jù)進(jìn)行更新時，要把所有的數(shù)據(jù)都更新。一旦有一個副本沒有更新，那么整個事務(wù)處理失敗。

     針對已知樣本數(shù)據(jù)建立非線性函數(shù)模型的問題，提出了分片合并模型樹光滑逼近算法。在區(qū)域線性模型樹算法的基礎(chǔ)上，采用區(qū)域分片和區(qū)域合并兩個算法將輸入空間劃分為若干子區(qū)域，對每個子區(qū)域使用線性函數(shù)進(jìn)行逼近，并構(gòu)建該子區(qū)域上的加權(quán)函數(shù)，生成基函數(shù)展開方式的全局表達(dá)，從而獲得光滑的任意精度逼近結(jié)果。分片合并算法使得相同的線性函數(shù)可以在非凸甚至非連通的區(qū)域上起作用。在參數(shù)數(shù)量相同的情況下，其逼近精度比區(qū)域線性模型樹算法有顯著提高。仿真結(jié)果表明：該算法是解決這類建模問題的有效方法。