数据空间索引关键技术研究.pdfVIP

  摘 要   当下信息管理面临的挑战在于很多组织或个人依赖大量异质且相互关联的 数据，却缺乏有效的一致的管理方式。在这种情况下，数据库界的研究者们提 出了数据空间这一概念，以及数据空间平台的一些基本原则。在数据空间所面 对的环境中，结构化数据和非结构化数据常常是共存着的，对用户和系统来说 都是同等重要的。目前一些对这两种数据进行共同管理的系统中，采取的策略 是对其进行分别索引。如此的缺陷是会对用户的查询提交产生影响，因为用户 不知该针对如何的数据格式进行查询提交。因此需要有一种对结构化数据和非 结构化数据进行统一索引的策略。另外，数据空间系统应当适应的演进的集成 数据。在演进的集成中一个最关键性的挑战是如何将连续到来的匹配信息集成 到数据空间系统中，使得用户与数据空间系统的交互能够利用新到来的匹配。 为了有效集成连续到来的匹配信息，需要一种适应性的索引结构。本文中我们 讨论了一种基于简单且有效的数据结构的索引，以及如何对之进行扩展改进。 首先我们讨论了FAX索引结构，该结构是由改进的ATIL索引结构与SMS集 组成。FAX结构可以提供很好的查询处理效率，但是其索引更新效率可能会比较 差。因为在 FAX 中遇到的 SMS 信息每次都要进行处理，而每次 SMS 处理都要涉 及到代价昂贵的索引更新操作，所以严重影响着整体效率。因此我们需要针对 该问题进行改进。因此，我们提出了UFAX，来解决FAX 索引更新的代价较大的 问题。UFAX的思想是用查询来代替索引更新操作。FAX和UFAX具有明显的互补 优势。FAX具有更高的查询处理效率，这更适合于对查询处理频繁而更新相对不 频繁的应用场景；UFAX 则在索引更新方面具有更高的效率，适合用于更新频率 更高的场合。所以很自然会想到将这两者的优势结合起来，构造一种同时具有 这两种优势的结构，因此我们构造出了HybridFAX，一种将FAX和UFAX的优势 相结合的索引结构。HybridFAX的思想是将倒排索引的物理更新尽量推迟，直到 必须。 最后通过在多个数据集上丰富的实验，证明了本文提出的索引结构的有效 性。  关键词： 数据空间； 演化； FAX；UFAX；HybridFAX 1      Abstract Currently information management is facing the challenge that many organizations and individuals rely on a large number of heterogeneous data, but lacking efficient and integrated management tools. In this circumstance, researchers in database community propose the concept of dataspace, and some principles of dataspace platform. In dataspace, structured data and semi-structured data exist together. Both are important to users and system. Existing researches on data managements propose to index both respectively, which might bring bad influence on users query, since users dont know