分布式关系数据库上的关键字查询-计算机科学与技术专业论文.docx

Classified Index: TP311.133 U.D.C: 004.9 Dissertation for the Master Degree in Engineering KEYWORD SEARCH ON DISTRIBUTED RELATIONAL DATABASES Candidate：Li Yi Candidate： Li Yigang Supervisor： Professor G Academic Degree Applied for： Master of E Speciality： Computer S Affiliation： School of Technology Date of Defence： June, 2009 Degree-Conferring-Institution： Harbin Insti cience and Technology Computer Science and tute of Technology 哈尔滨工业大学工学硕士学位论文 哈尔滨工业大学工学硕士学位论文 I I 摘 要 在信息飞速增长的时代，分布式数据库成为大型企业存储信息的首选方 式，方便快速的查询关系数据成为一个科研难题。随着网络技术和搜索技术的 兴起，关键字查询与传统的 SQL 查询相比，显示出巨大的优势。首先用户不 需要知道数据库的模式信息；其次用户不需要掌握复杂的数据库查询语言，如 SQL 等。如何将关键字查询技术运用到分布式数据库上就变得格外重要。本 文主要研究分布式数据库上的关键字查询问题。 本文首先提出单数据库上的关键字查询算法。该算法首先给出了一种新的 相关性评价函数，新的评价函数重新定义了元组对关键字的包含关系，通过分 析数据库模式与查询内容的语义信息来评价元组与查询关键字的相关性；接着 基于新的评价函数，提出基于数据块迭代的 TOP-K 查询算法，该算法通过对 未产生结果分值的估计有效的降低了算法的 IO 时间。 本文接着在单数据库查询算法的基础上，提出了分布式数据库上的关键字 查询算法。该算法首先给出了分布式数据库的数据模型，该模型之上关键字查 询的结果定义以及适应于分布式环境的结果评价函数；接着提出扩展的连接表 达式生成算法；为了降低分布式环境下查询的执行代价，设计了过滤无效查询 的可达性索引以及索引的更新策略；最后给出了分布式环境下的 TOP-K 查询 算法。 基于以上提出的算法，设计并实现了真实分布式数据库环境下的关键字查 询系统。该系统可以有效的支持单节点以及多节点上的查询。在该系统下，我 们从多个角度设计了实验内容，实验结果表明本文算法在精确性和高效性都有 所提高。 关键词： 分布式数据库；关键字；top-k II II Abstract For the information overload problem is acute day by day, distributed database become the first choice for large enterprises. How to query the relational data from it in a convenient and efficient way turns to be an important research problem in the database area. With the popularization of networking and searching technique, keyword search shows great advantage comparing with the traditional SQL query. By using keyword search, the users dont need to know the schema of the database, neither to learn the complex query language such as SQL. Therefore, it is an essential job to apply keyword search onto the distributed databases. This paper mainly focuses on the keyword search problem on distributed relational databases. This paper first gives the semantic keyword search algorithm on single relational database. The algo