第四章_空间数据库索引技术3.pptVIP

3.基于哈希的格网技术 基本思路是将索引空间划分为相等或不相等的一些小方格网，与每个格网相关连的空间目标则存在同一磁盘页，而格网的访问地址则可以直接通过求数组下标或某种算法得到。 4.空间目标排序法 将多维空间映射为一维空间，包括了Z序、Hilbert排序等。 （一）Kd树 1.定义 Kd树的每个节点表示K维空间的一个点，并且树的每一层都根据这层的分辨器（Discriminator）作出分枝决策。 Kd树的第i层的分辨器定义为：i MOD k（根节点为0层，下面依次加1）。 特征如下： （1）左子树的所有节点的d维数值，均小于根节点的d维数值。 （2）右子树的所有节点的d维数值，均大于根节点的d维数值。 （3）左右子树也分别为kd树。 d为根节点的分辨器。 四、二叉树检索 A点分辨器的值为0（x轴），左子树的所有结点的x值都比A的x值小；右子树反之。 分辨器的值是指对应空间中的哪一维。因此，k层之后就是新的循环。 首先是从第一维分成两个部分；然后是第二维分成两个部分；再次是第三维分成两个部分，直至第k维。然后重新按照第一维… Kd树查询：需要按照分辨器的值进行比较。 Kd树插入：与二叉树同。 Kd树删除：与二叉树类似，但是，对于结点的d维数值，存在相同情况，这就需要处理。 图中 H和I的横坐标相同。 （二）K-D-B树 KD树与B树结合，解决分页策略。 （三）HB树 hB树是一种有效的多维动态索引结构,其结点间搜索和增长过程模拟B树的处理方法,结点内采用k维树组织和进行高效搜索。 结点分裂要求k维树分裂,于是抽取一个大小介于1/3～2/3间并尽可能平衡的k维子树,并以此子树表示一个新结点。 因此hB树结点空间是有孔(holey)的k方体,即每个结点空间是被抽取若干个小k方体的k方体. (b)中结点W的k维树是从结点Z的k维树抽取的，如Z的k维树中的ext标识，它相当于(a)中粗线框内的矩形从整个大矩形中抽取.结点P是该hB树的根,其k维树表示下层hB结点W,Z的导向路径,意为满足x＜x1且y＜y1的记录应存于结点W,其它记录则存于结点Z。符合二叉树原理，左边小于右边 （a）二维空间的一个划分?? ?? （b）对应的hB树结构 y4 hB树能很好地支持精确匹配搜索和范围搜索。进行精确匹配搜索,要经过自hB树根到一叶子的单一路径，访问的结点数是hB树的高度。在hB树结点内通过比较k维树结点值与搜索的相应属性值，最终确定唯一的下层hB树结点。范围搜索可能涉及hB树每层的多个结点。范围的标界是在若干个属性上取值的上下界。结点内搜索时将k维树结点的比较值与搜索范围的相应属性上下界进行比较，以决定转向k维树结点的左子树、右子树或两者。 　　 尽管hB树对于大多数情况能取得较好效果,但它有两个问题:(1) 空间利用率不理想;(2) 可能出现多父结点,使hB树不再是严格的树结构。 五. 四叉树检索 点四叉树 区域四叉树 MX四叉树 PR四叉树 CIF四叉树 1.点四叉树 以空间点为划分点，将索引空间分为两两不相交的的2k个子空间，依次与它的2k个孩子结点相对应，对于位于某一子空间的点，则分配给对应的子树。 点四叉树的构造过程： （1）输入空间点A，以A为根节点并进行划分空间。 （2）输入空间点B，B落入A的NW象限，并且A的NW象限为空，则B直接放入A的NW象限孩子结点。同理，C是A的SW孩子结点。 （3）输入D，由于D落入A的NW象限，但是NW不为空，所以继续往下查找，得到B的NE象限为空，因此，D作为B的NE孩子结点。 （4）同理，空间点E、F，分别为A的SE、NE孩子节点。 缺点： （1）尽管点四叉树构造简单，但是删除一个节点时，该节点对应的所有子树节点必须重新插入四叉树中，效率很差。 （2）对于精确匹配的点查找，效率很高，但是对于区域查找，查找路径有多条，效率较差。 （3）树的动态性差，树的结构完全由点的插入顺序决定。树的平衡难以保证。 区域四叉树(Region-Based Quadtree)是以区域目标为循环分解对象的四叉树,分解过程既可以按照区域边界,也可以按照区域内部对二维空间进行划分。 如果区域四叉树中的结点覆盖的区域中所有数组元素的值都相同，则该结点是叶子结点。否则，该结点是内部结点，被进一步划分为四个等大小的子结点。 主要有MX四叉树与PR四叉树。 避免了点四叉树的动态性差、结构完全由点的插入顺序决定的功能缺点。 2.区域四叉树 MX四叉树 MX四叉树将每个空间点看成是区域四叉树中的一个黑象素，或当成一