2）保持分布的一致性：數據被更新之后，使得數據的原有分片不再從邏輯上是一個整體。比如將全校學生按照系別進行分片，數學系的張三因為轉系到計算機系，導致其系別屬性值變為“計算機”，而他的信息因為分片的原因，仍然存放在“數學系”的分片中。導致“數學系”的分片從邏輯上不在是一個整體。

　　3）分布事務管理：由于數據是分布在不同站點的，對數據的更新操作也應該是分布的，這涉及到并發控制和恢復的問題。也 是保證對數據進行更新時，要把所有的數據都更新。一旦有一個副本沒有更新，那么整個事務處理失敗。

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