并行数据库上的并行CMD-Join算法

并行数据库在多处理机之间的分布方法（简称数据分布方法）对并行数据操作算法的性能影响很大．如果在设计并行数据操作算法时充分利用数据分布方法的特点，可以得到十分有效的并行算法．本文研究如何充分利用数据分布方法的特点，设计并行数据操作算法的问题，提出了基于ＣＭＤ多维数据分布方法的并行ＣＭＤ－Ｊｏｉｎ算法．理论分析和实验结果表明。

基于并行B^+-树的并行Join算法的设计、分析与实现

B＋-树是一种有效的数据库存储结构，被普遍应用于各种关系数据库系统．把B＋-树并行化，使之用于并行数据库系统显然是一项很有意义的重要工作．本文研究了适用于并行数据库的并行B＋-树存储结构，提出两类基于并行B＋-树的并行Join算法．理论和实验结果表明，这些算法效率高于其它并行Join算法．

一个基于Semijoin的并行join算法SBABJ

本文在并行ｊｏｉｎ算法ＡＢＪ＋的基础上提出了一个基于Ｓｅｍｉｊｏｉｎ的改进算法ＳＢＡＢＪ＋。我们在多台Ｓｕｎ工作站上实现了该算法，并对ＡＢＪ十和ＳＢＡＢＪ十进行了性能测试。算法分析和实验结果表明了并行ｊｏｉｎ算法ＳＢＡＢＪ＋优于ＡＢＪ＋算法。

并行数据库中JOIN运算的并行算法

JOIN运算的并行算法一直是并行数据库领域中研究的热点问题,先后出现了一系列并行JOIN算法或改进算法,但它们都存在着通信效率较低、负载调度频繁等问题。本文针对这些问题,在分析比较前人工作的基础上对SABJ+算法与ABJ+算法加以改进,得到了效率更高的并行JOIN算法ABJ++。

基于HRR划分的并行RDB^n树Join算法

文章首先介绍了PDBMS采用的Hash-Round-Robin(HRR)数据划分方法以及基于该划分方法的并行RDBn树,最后着重、详细地给出了基于该树的并行Join算法,分析了该算法的效率。

并行JOIN算法的优化子集合调整方法

子集合调整是克服数据偏斜影响的并行ＨＡＳＨ－ＪＯＩＮ算法的关键组成部分，现有的克服数据偏斜影响的ＨＡＳＨ－ＪＯＩＮ算法都没有很好地解决这个问题。作者深入地研究了子集合调整问题，提出了四种子集合调整算法。理论分析和实验结果都证明，这四种算法都能够很好地解决子集合调整问题，特别是启发式优化算法ＯＰ－ＡＤＪＵＳＴ在多数情况下都能给出优化解。

一种改进的并行连接算法Diag-Join及其性能分析

介绍了一种改进的并行连接算法:Diag-Join算法,并将它运用到并行环境中。实验表明,Diag-Join算法在内存足够时可以取得最好的性能,即使在内存较小的情况下,仍能得到令人满意的效果。

计算机机群并行环境下的并行非等值JOIN算法

研究在计算机机群环境下并行非等值ＪＯＩＮ算法的设计与实现问题，提出了两个相关的算法和实现的具体技术，实验结果表明，这些算法都是实用和有效的。

抗数据偏斜的高效并行join运算算法研究

通过分析ABJ＋算法和Hybrid hash join算法，并对两个算法进行了结合和改进，提出了一种能克服各种数据偏斜的并行二元连接运算算法，可在不同的数据偏斜情况下启动不同的模块，克服数据偏斜造成的负载不平衡现象。

基于Fork/Join框架的等值面快速生成并行算法

针对传统串行等值面提取算法在处理离散点数量多、网格点密度大的数据时生成效率差的问题,提出一种新的基于Fork/Join框架下的等值面快速生成并行算法。通过对传统串行算法中的关键步骤进行并行计算可行性分析,提出可以实施并行计算的四个单独步骤:离散点数据网格化处理、等值点计算、等值线追踪与光滑、等值面标记识别。通过将并行计算作用于等值面生成的这四个步骤中,减少了等值面计算的执行时间,加快了等值面的生成速度。实验结果表明,在数据计算量较大时,与传统串行算法相比,并行算法能在2秒内快速生成等值面,最大加速比高于5.0,提高了等值面的生成效率并取得了良好的绘制效果,满足了高实时性的业务需求。

基于DSVM和消息传递的并行哈希连接算法的性能分析

基于分布式共享虚拟存储器（ＤＳＶＭ） 的软件设计方法是运行在网络工作站（ＮＯＷ） 上的支持并行计算与分布处理的新途径，它与传统的消息传递的编程方法不同·描述了在面向对象的分布式数据库系统ＳｈｕｓｓｅＵｏ 上，用ＤＳＶＭ 和消息传递两种方式分别实现并行哈希连接操作的３种算法；设计了测试数据库和３ 种不同的负载；并分析了ＤＳＶＭ 和消息传递这两种设计方法的性能·大量的测试结果表明，基于ＤＳＶＭ 的算法的性能比传统的消息传递的算法稍差，但ＤＳＶＭ 具有易编程等优点，因此在并行处理上仍是一项很有研究和开发价值的技术·

基于遗传算法的多连接表达式并行查询优化

多连接表达式的并行查询优化是提高数据库性能的关键问题之一.提出了使用遗传算法来解决多连接表达式的并行查询优化问题.为了提高查询处理器的执行效率,采用启发式规则来搜索最优的多连接表达式并行调度执行计划.文中给出了详细的测试结果和性能分析.实验结果表明,结合启发式知识的遗传算法是解决多连并行查询优化的有效途径,对提高数据库的性能起到重要作用.

基于数据网格环境的连接操作算法

数据网格是一种分布式数据管理体系结构 ,能够为分布在网格中的资源提供协同的管理机制 数据库管理系统在数据网格中发挥着重要作用 ,在各种数据库操作中 ,连接操作是一种最常用也是最耗时的操作 ,到目前为止 ,尚未有文献提出数据网格环境下的连接操作算法 主要对数据网格环境下海量数据的连接操作算法进行了研究 ,针对网格中各结点之间网络带宽异构的特点 ,采取关系缩减算法、行分块传输技术和流水线并行机制来减少查询的响应时间 理论分析和实验结果证明 ,算法在减少网络通信开销、增加I/O和CPU并行。

内存OLAP多核并行查询优化技术研究

随着以大内存和多核为代表的计算机硬件技术的发展,以cache-conscious算法为中心的查询优化技术逐渐转向以multicore-conscious为中心的查询优化技术,来提高多核处理器的并行处理性能.该文的研究目标是具备复杂星型连接特点的联机分析处理OLAP技术,以查询执行代价最大的星型连接为研究对象,提出同时满足cache-conscious和multicore-conscious的多核并行连接算法DDTA-MPJ.该算法包括基于事实表水平分片和维属性列共享访问模式的查询内多核并行算法IntraDDTA-MPJ、基于QuerySlots的查询间多核并行算法InterDDTAMPJ以及中位数多核并行算法Median-MPJ.实验结果表明该算法具有良好且稳定的并行查询处理性能,线性查询处理模型能够更好地利用多核处理器的先进性能.

基于机群系统的并行多连接查询优化算法

多连接查询优化是并行数据库系统的核心问题。已有的研究工作多集中于连接个数较少的情况,不适用于机群系统中的多连接查询优化。在机群环境中,系统的通信带宽是一种瓶颈资源。提出了基于遗传算法的多连接查询优化算法,算法考虑了关系的存储信息和网络的通信代价,有效地利用了机群系统中的资源。实验结果表明,算法具有良好的性能,能够提高多连接查询的执行效率。

并行数据库系统PAROⅡ连接算法

提出了并行数据库系统的哈希轮转 (Hash Round Robin)数据划分方法以及基于该划分方法的并行记录分布Bn 树 ,给出了基于该树的并行连接算法 ,分析了该算法的效率 .这种连接算法充分利用了数据的已有分布及Bn 树的特性 ,还利用了哈希轮转划分的特性 ,提高了并行连接的效率 。

基于DSVM的并行Hash连接算法及其性能评价

提出了一个基于分布式共享虚拟存储器技术（ＤＳＶＭ）的并行Ｈａｓｈ 连接算法，然后设计了一个并行连接算法的测试评价基准，并评价和分析了该算法在均匀数据分布情况下３ 种不同负载的性能比较和Ｚｉｐｆ倾斜数据分布情况下两种调度策略的算法性能．

有选择条件的并行连接改进算法

针对有选择条件的连接易于造成选择率偏斜和重分布偏斜的问题 ,通过在各个处理结点中的A D(At tribute Distribute)临时关系以及主控结点中的A RD(Attribute Redistribute)临时关系 ,提出了并行连接改进算法 ,并且从理论上对该算法的空间复杂度进行了分析 .

抗数据偏斜的高效并行连接运算算法研究

本文提出了一种能克服各种数据偏斜、高效的、并行二元连接运算算法,可在不同的数据偏斜情况下启动不同的模块,克服数据偏斜造成的负载不平衡现象。

并行数据库系统PAROII连接算法

介绍PAROII采用的哈希轮转 (Hash -Round -Robin)数据划分方法以及基于该划分方法的并行RDBn树 ,着重、详细地讨论了基于该树的并行连接算法 ,该算法充分利用了数据的已有分布、Bn 树的特性、叶结合点有序连接、哈希轮转划分的特性 ,这些特性减少了系统的额外消耗 。