异构空间数据系统查询分解算法研究.docVIP

异构空间数据系统查询分解算法研究 　　摘要：介绍了利用析取范式进行查询分解的算法，该分解方法在语义分析和规范化的基础上，对查询语句进行重组，可以大幅度地减少连接运算的时间，提高查询效率。 　　关键词：空间数据集成; 查询分解; 析取范式 　　中图分类号：TP391文献标志码：A 　　文章编号：1001-3695(2007)12-0097-02 　　 　　随着Internet技术的迅速崛起和在全球范围内应用的飞速发展，信息共享已经成为一种必然要求。在地理信息领域，集成分布式的、异构的信息一直是活跃的研究方向。对空间数据库，由于空间数据结构的复杂性，且在GIS发展初期没有确定的工业标准，这些GIS平台所采用的数据结构、数据组织方法和数据在系统中的存储与表现形式均各不相同，而且大量的空间数据被存储在不同的物理位置上。这使得GIS的数据共享问题变得尤为突出。 　　基于Mediator－Wrapper的信息集成系统是当前信息集成系统研究的主要对象，已经出现了许多基于Mediator－Wrapper结构的信息集成系统，如Intergraph公司的GeoMedia系列软件和中国科学院地理信息产业发展中心研制的SuperMap。 　　基于Mediator－Wrapper的方式集成空间和非空间数据，数据存储格式可以包括关系数据库（如Oracle、 SQL Server等）、专用空间数据库（如Oracle Spatial、ArcSDE等）、文件数据库（如Shapefile、MIF等）。空间数据集成系统查询需要从多个异构的数据源中获取数据，因此，Mediator应该具备查询语句分解和对中间结果进行组织的能力。 笔者在项目中研究并实现了对GSQL查询语言的分解算法，根据各个数据源的能力，将全局的针对多数据源的查询分解为多个针对单数据源的子查询，实现了多种数据源的无缝集成。 　　 　　1多数据源查询算法 　　 　　多数据源查询算法可以概括为以下五个步骤（本文重点讨论查询分解算法）： 　　a）获取查询语句中投影运算以及查询条件中使用的属性，构造查询属性集。 　　b）利用构造析取范式树的方法对查询条件进行分解，构造??n??个析取项；分离出只涉及单一图层的查询条件，以减少参与连接运算的元组数量。 　　c）按照a)提取的属性集和b)得到的查询条件析取范式的??n??个析取项，将查询语句改写为??n??个仅包含一个析取项的查询语句。 　　d)对于每个仅包含一个析取项的查询语句，进行以下处理： 　　(a)依次考虑查询中涉及到的每个图层及其查询属性（来自a)），各自构造一个仅涉及单一图层的查询语句。 　　(b)在析取项中提取出仅涉及单一图层的查询条件，添加到该图层的查询语句中。 　　(c)利用这些单一图层的查询语句对各图层进行查询，完成相应的选择计算，构造出一组单一图层的查询结果集。查询中将避免反复针对同一图层。 　　(d)按照析取项中剩余的、涉及多个图层的查询条件，针对多个图层的查询结果集，完成原始查询语句中指定的连接运算和集合运算，得到一个查询结果集。 　　e)合并步骤d）得到的所有查询结果集，消除重复项得到最终的查询结果集，实现了空间数据集成。 　　 　　2查询分解 　　 　　查询分解是查询处理的第一阶段。其目标是将用高级语言表示的查询转换成为关系代数树的形式，并从语法的角度验证查询的正确性。查询分解通常又可分为规范化、语义分析、简化和查询重组这几个过程[1]。本文给出的查询分解算法是在语义分析和规范化的基础上，对查询语句进行的重组。 　　2．1多数据源查询中的启发式优化策略 　　为了提高系统的执行效率，结合多数据源查询算法，设计了以下启发式策略对查询语句的执行过程进行优化。 　　1)尽早执行选择运算选择运算减少了关系中元组的数量，从而降低了后面关系处理的复杂度。因此，可以将只涉及到单个表的选择条件尽量在靠近数据源的层中完成。 　　2)尽早执行投影运算投影减少了关系属性的数目，从而减少了下面的关系处理和数据传输量。因此对于底层查询的投影要求尽量达到最少。 　　3)只计算一次公共表达式的值如果公共表达式在关系树中出现了多次，而且运算得到的结果又不是太复杂的话，当计算一次后，可以将结果存储起来，然后在后面需要它时直接使用。采用这种做法的前提是，必须确保表达式的计算结果要么存放在主存储器中，要么从辅助存储中读取结果的开销远低于重新计算表达式的开销。 　　2．2查询分解方法 　　对于涉及多数据源的空间数据查询，需要将查询请求分解为针对各个单数据源的查询。为了获得较高的查询效率，避免过多的数据传输，应采用适当的查询分解方法，尽可能将查询条件分解到单数据源查询中，以获得经过数据源筛选的查询结果，减少数据传