海量数据上的近似连接聚集操作 approximate join aggregate on massive data.pdfVIP

第33卷第10期 计 算 机 学 报 v01．33No．10 2010年10月 CHINESE Oct．2010 JOURNALOFCOMPUTERS 海量数据上的近似连接聚集操作 韩希先” 杨东华∞ 李建中” ”(哈尔滨工业大学计算机科学与技术学院哈尔滨 150001) 2’(哈尔滨工业大学基础与交叉科学研究院高性能计算中心 哈尔滨 150001) 摘要连接聚集操作是一种常用并且非常耗时的数据库操作．相对于准确查询，满足用户给定置信区间的近似 结果由于其快得多的响应时间，更受用户的欢迎．作者分析发现现有的工作无法以既高效又满足给定的任意置信 区间方式来处理近似连接聚集，因此提出了一种新的算法——(P，￡)一近似连接聚集查询(pe—AJA)来有效地返回满 足任意置信区间的近似连接聚集结果．文章提出且预计算两个数据结构：连接随机样本(JRS)和连接位置索引对 信区间，pe—AJA利用JPIPT获得更多的随机连接元组．文中提出一种采样算法来获得JPIPT给定数量的样本，并 且利用获得的JPIPT样本，该文提出的算法可通过对连接表的一遍顺序扫描获得连接元组．该文还提供了JPlPT 和JRS有效的构建和维护算法．实验结果表明：pE—AJA可以获得相对于准确查询1～5个数量级的加速，并且可以 有效地完成JPIPT和jRS的构建和维护操作． 关键词加一近似连接聚集；连接位置索引对表；连接随机样本；海量数据 中图法分类号TP311 DOI号：10．3724／SP．J．1016．2010．01919 Join onMassiveData ApproximateAggregate Xi—Xianl’YANG HAN Dong—Hua∞LIJian—Zhon91’ ”(School Scienceand Institute Computer of 150001) of Technology，HarbinTechnology，Harbin 2’(Center Fundamentaland Sciences。 forHighPerformanceComputing，Academyof Interdisciplinary HarbinInstitute ofTechnology，Harbin150001) Abstract isa usedbut in Join commonly aggregate time—consumingoperationdatabase．Compa— toexact results confidenceintervalsaremore ring queries，approximatesatisfyinguser—specified attractivefortheirmuchfaster ofthe workcan responses．Noneprevious processapproximate withboth andan confidenceinter