导读:本文包含了多维索引结构论文开题报告文献综述及选题提纲参考文献,主要关键词:数据查询,云存储,分布式索引,多维数据索引
多维索引结构论文文献综述
胡玉涵[1](2018)在《面向气象领域的多维数据索引结构的研究与实现》一文中研究指出随着数据量的急剧增长,满足许多领域数据处理实时性和准确性的要求也变得越来越难,而数据查询是数据处理的基础,如何提高查询效率显得至关重要。以气象数据为主要研究对象,随着气象服务的发展,用户的查询需求增加,而气象数据具有大规模、多维度的特点,采用分布式的云存储方式,大多数云存储系统是基于键值对(Key-Value)来存储数据的,这种方式主要支持主键Key的高效查询,而无法支持非Key的高效查询,多维的复杂查询仍然需要对整个数据集进行扫描,查询效率低下。因此,在Key-Value的存储模式下,利用多维数据索引提高查询效率成为当前学术界和工业界的重点研究内容之一。本文针对气象领域典型的数据特征,为解决Key-Value存储模式下的多维数据查询问题,提出了一种高效的MOTree多维索引结构。MOTree的索引结构与传统索引不同,它是有序的平衡树,支持稳定的动态更新和多种查询操作(包括布尔查询、点查询、范围查询),它利用前缀规则来进行索引的构建和查询,提高了索引的空间利用率,减少了索引的多维查询时间。同时,本文设计并实现了MOTree的构建、查询和更新算法,构建算法是基础,主要包括直接插入路径、合并已有路径、去除冗余路径叁个步骤。本文还定义了多维气象数据查询语言,主要用于用户查询请求的预处理和分段解析,基于MOTree设计并实现了多维气象数据查询引擎,该引擎可以支持多个气象数据维度的在线索引构建和多种气象数据的高效查询。本文用多维气象数据集和随机数据集分别将MOTree与已有索引结构在数据维度、节点数量、查询时间等多个方面进行了对比实验,理论分析与实验结果表明,MOTree支持高效的点查询和范围查询,且索引构建和更新时间开销更小。该索引结构能够为多维气象数据提供高效的查询,满足更多用户的查询需求,对推动气象领域的发展具有重要意义。(本文来源于《湖南大学》期刊2018-05-16)
尹春雷[2](2016)在《基于KD树和R树的多维云数据索引结构研究》一文中研究指出传统的关系型数据库由于扩展性、容错性等方面的不足,无法完全满足云计算系统中海量数据处理的要求,云存储技术应运而生。然而,现有的云存储系统大多基于键值对模型存储数据,主要提供基于键值的高效查询,复杂的多维查询则需要对整个数据集进行完全扫描,查询效率较低。由于存储模型不相同,已有的数据索引结构不能直接移植到云存储系统上,因此,云存储系统中的多维数据索引研究成为当前工业界和研究领域的热点问题之一本文提出了一种基于KD树和R树的多维云数据索引结构(简称KD-R索引)。KD-R索引采用双层索引模式,在全局服务器建立基于KD树的多维全局索引,在局部数据节点构建R树多维本地索引,通过两者的结合,尽量避免对不可能包含查询结果的数据节点的扫描。针对局部索引与全局索引的衔接问题,提出了基于多层感知神经网络的索引结构动态优化策略,能够优化局部索引向全局索引发布的节点层次。同时,设计了基于KD-R索引的多维关键字查询算法和多维范围查询算法,并基于数据的局部性访问原理,对多维关键字查询算法进行了改进。最后,通过实验室小型集群上的实验测试了KD-R索引多维查询效率、维度适应性,以及双层索引结构动态调整的效果,实验结果表明,KD-R索引能够有效提高多维查询的效率,并具有较强的可扩展性。(本文来源于《云南大学》期刊2016-09-01)
胡杰,何新华,吕庆星[3](2016)在《一种支持快速相似检索的多维索引结构》一文中研究指出由于科技信息技术的不断发展,传统的信息检索方式已经不能满足人们的要求,基于内容的图像检索属于一种支持快速相似检索的多维索引结构,应用于信息发达的网络世界。本文对基于内容的图像检索技术的工作流程进行分析,同时根据其特征探讨了常用的关键技术,对基于内容的图像检索技术的发展趋势作了进一步研究。(本文来源于《通讯世界》期刊2016年07期)
黄维辉,熊翱[4](2013)在《RAKDB-Tree——一种基于近似区域的多维数据索引结构》一文中研究指出多维数据的处理已经成为影响很多领域发展的关键因素,特别是多维数据的相似性查询已经被用在很多领域中。当数据维度很大的时候,大多数索引结构处理的性能下降,这现象被称为"维度灾难"。针对多维度灾难,RAKDB-Tree是本文提出的一种高效处理多维数据的索引结构。该索引结构首先把数据空间划分为子空间,然后使用改进的KDB-Tree对子空间建立索引。RAKDB-Tree的查询、插入、删除等算法使得,索引结构一直保持较优状态。实验结果表明,RAKDB-Tree能够很好解决因为数据维度增加而带来的各种问题。(本文来源于《软件》期刊2013年11期)
刘芳妤[5](2013)在《云环境下多维数据索引结构的研究》一文中研究指出云计算平台作为一种新兴的计算基础设施还需要很多的后续工作,构建云的基础设施最重要的一步就是构建具有良好扩展性的数据存储系统,并且这些数据存储系统必须支持很大的工作量负载。现有比较主流的云存储系统主要包括Google的BigTable, Amazon的Dynamo等。而当前大部分的云存储系统中,多是采用DHT(分布式哈希表)方式来构建数据索引,是一种纯粹的Key-Value模型来组织数据,通过主键高效的获取数据。这类解决方案通常是采用特殊化处理后,基于语义的或者是局部性的映射机制来优化查询的性能,但在多维度查询方面不是很理想。因此本文尝试提出了一种新型的在云环境下的分布式多维数据索引结构SUB-index(skip-webs UB-tree),为解决此类问题提出一些参考。本文尝试提出一种在云环境下多维数据索引结构SUB-index。SUB-index采用UB树这种结构来作为多维数据索引的研究基础,尝试用一种类似线性结构skip-webs架构来构造分布式索引。这样使得SUB-index不仅结合了skip-webs架构中不需要进行平衡调整以代替平衡树中复杂的调整的特性,而且利用UB树考虑到存储结构和磁盘的结构相对应的优势。SUB-index为在云环境下的有效多维数据索引架构提出了新的参考。本文还设计了SUB-index多维数据索引结构的相关查询算法,包括点查询以及范围查询,还有插入和删除的算法。论文最后还对所提出的分布式多维数据索引结构SUB-index的点查询、范围查询、插入更新和可靠性设计了相关的测试和进行了仿真实验。从实验结果可以看出,SUB-index索引结构是高效的,并且在范围查询方面提供了良好的支持。(本文来源于《云南大学》期刊2013-03-01)
吕智涵,马瑞娜,房经宝,韩勇,陈戈[6](2010)在《WebGIS中多维空间数据多尺度表达索引结构》一文中研究指出针对现有数据结构无法支持WebGIS中多维空间数据的多尺度表达,提出了一种改进的数据结构:a)主树由金字塔层级结构规则分割的区域四叉树索引结构变形而来;b)具有支持多维数据的重迭子树结构;c)利用树的深度反映空间分辨率的变化;d)主树的所有节点均为空间对象载体,子树的节点为多维数据单元。分析了该索引产生的必要性,对该索引结构进行描述,并着重对该索引结构中的数据生成算法、多维数据支持和搜索过程进行了讨论。针对相同数据源,使用本结构与图层表达法进行对比实验,结果表明,该索引方法能对Web-GIS中海量多维空间数据进行有效的多尺度表达与检索。该结构已应用于上海市多维WebGIS系统中。(本文来源于《计算机应用研究》期刊2010年09期)
刘勇,杨新泉[7](2010)在《以B+树和KD树结构存储多维索引的数据检索性能分析》一文中研究指出提出了一种在传统KD树上改进的方法。并对比了以B+树和改进后的KD树为索引结构的数据集合在各种条件下所体现的数据检索性能。(本文来源于《科技信息》期刊2010年19期)
谭宁[8](2009)在《基于R-树多维索引结构的优化研究与应用》一文中研究指出随着计算机技术的研究和发展,空间数据库在计算机图形学,地理信息系统和多媒体数据库等各个领域都有广泛的应用,空间数据库的研究越来越受到人们的重视。传统的关系数据库虽然能够支持空间数据的存储,但却无法支持对其高效的访问,这是因为空间数据的多维特性与关系数据库中的一般索引不相适应。一般索引只适合对一维数据进行索引,因为其索引项是一维线性且严格有序的。空间数据的多维特性在任何方向上并不存在优先级问题,因此需要研究特殊的高效多维索引以适应多维特性的空间数据。多维索引由此应运而生,多维索引主要依靠空间对象之间的邻接性对数据进行组织,它的索引项通常是多维空间下的点或区域。由于空间数据本身的复杂性,以及目前对海量空间数据快速查询的要求日益提高,多维索引作为空间数据库中的重要组成部分,可以加快对空间对象的检索。因此,如何建立更有效的多维索引结构一直是空间数据库领域最现实、最紧迫、也是最前沿的研究课题之一。在论述了多维索引技术的相关概念以及多维索引技术的发展历程后,本文在研究R-树等有代表性且效率较高的多维索引技术的基础上,主要围绕两个问题进行了研究和取得的相应成果:第一:本文针对R*-树多维索引在强制重插算法上的不足,提出了一种新的强制重插算法用以改进R*-树多维索引结构。研究实验表明:改进后的R*-树与传统的R*-树相比在索引空间利用率,动态创建索引,索引检索等方面具有更高的性能。第二:R-树静态生成技术的Hilbert R-树算法在构建R-树的过程中容易造成结点之间的重迭。针对这一问题,本文提出了一种改进的静态生成算法。该算法具有存储利用率高,而且查询效率高的优点。(本文来源于《湘潭大学》期刊2009-05-08)
邱永红,曾永年,邹滨[9](2009)在《KDT树:一种多维空间数据索引结构》一文中研究指出通过扩展KD树索引结构,提出了一种新的多维空间数据索引结构——KDT树,给出了数据结构和算法描述,并通过与当前流行的空间数据索引结构——R树的对比,对其性能进行了测试与评估。实验表明,作为一种主存索引结构,KDT树在时间效率方面明显优于R树,并且此种优势随着索引记录数量的增多而越加明显。此外,KDT树亦能较好地解决常规KD树在索引占据一定空间范围的空间对象(如:线、面、体等)时存在的问题。(本文来源于《计算机工程与应用》期刊2009年08期)
刘胤田,刘应明,徐开阔,曾涛,唐常杰[10](2009)在《多维空间索引结构SHG-Tree(英文)》一文中研究指出R-Tree及其变种的多维索引结构在数据的操作过程中通过对空间的分隔和不断调整将整个空间划分为大小不等的子空间以容纳足够的空间对象,这种方法能有效地实现多维空间对象的索引,但不能避免频繁的节点分裂与重组操作所造成的计算开销,也不能避免对叶子节点中的候选对象进行空间匹配所带来的计算开销。提出了一种能有效解决上述问题的索引结构:SHG-Tree。基于SHG-Tree的索引方法将多维空间划分为不同粒度的格子单元并将这些格子单元通过SHG-Tree按空间包含关系组织为层次树结构,同一层的格子互不相交且空间范围固定。空间对象通过文中提出的线性化方法转换为一系列不同粒度的互不相交的空间格子,进而将对象在其覆盖的格子中注册以实现空间对象至SHG-Tree的映射。查询操作只需将查询条件映射为相应的格子并取出这些格子中的对象作为查询结果。这种索引结构能有效减少节点的分裂和组合带来的计算开销,也解决了传统R-Tree索引中对于叶子节点中的候选对象进行区域匹配的计算开销。基于SHG-Tree的索引结构支持包括相交查询、区域查询、包含查询、top-N查询、k-NN查询等常用的多维查询,实验表明SHG-Tree能在毫秒级实现各种空间查询。(本文来源于《计算机科学与探索》期刊2009年01期)
多维索引结构论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
传统的关系型数据库由于扩展性、容错性等方面的不足,无法完全满足云计算系统中海量数据处理的要求,云存储技术应运而生。然而,现有的云存储系统大多基于键值对模型存储数据,主要提供基于键值的高效查询,复杂的多维查询则需要对整个数据集进行完全扫描,查询效率较低。由于存储模型不相同,已有的数据索引结构不能直接移植到云存储系统上,因此,云存储系统中的多维数据索引研究成为当前工业界和研究领域的热点问题之一本文提出了一种基于KD树和R树的多维云数据索引结构(简称KD-R索引)。KD-R索引采用双层索引模式,在全局服务器建立基于KD树的多维全局索引,在局部数据节点构建R树多维本地索引,通过两者的结合,尽量避免对不可能包含查询结果的数据节点的扫描。针对局部索引与全局索引的衔接问题,提出了基于多层感知神经网络的索引结构动态优化策略,能够优化局部索引向全局索引发布的节点层次。同时,设计了基于KD-R索引的多维关键字查询算法和多维范围查询算法,并基于数据的局部性访问原理,对多维关键字查询算法进行了改进。最后,通过实验室小型集群上的实验测试了KD-R索引多维查询效率、维度适应性,以及双层索引结构动态调整的效果,实验结果表明,KD-R索引能够有效提高多维查询的效率,并具有较强的可扩展性。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多维索引结构论文参考文献
[1].胡玉涵.面向气象领域的多维数据索引结构的研究与实现[D].湖南大学.2018
[2].尹春雷.基于KD树和R树的多维云数据索引结构研究[D].云南大学.2016
[3].胡杰,何新华,吕庆星.一种支持快速相似检索的多维索引结构[J].通讯世界.2016
[4].黄维辉,熊翱.RAKDB-Tree——一种基于近似区域的多维数据索引结构[J].软件.2013
[5].刘芳妤.云环境下多维数据索引结构的研究[D].云南大学.2013
[6].吕智涵,马瑞娜,房经宝,韩勇,陈戈.WebGIS中多维空间数据多尺度表达索引结构[J].计算机应用研究.2010
[7].刘勇,杨新泉.以B+树和KD树结构存储多维索引的数据检索性能分析[J].科技信息.2010
[8].谭宁.基于R-树多维索引结构的优化研究与应用[D].湘潭大学.2009
[9].邱永红,曾永年,邹滨.KDT树:一种多维空间数据索引结构[J].计算机工程与应用.2009
[10].刘胤田,刘应明,徐开阔,曾涛,唐常杰.多维空间索引结构SHG-Tree(英文)[J].计算机科学与探索.2009