一种并行数据库的动态多维数据分布方法

并行数据库系统的性能与数据库在多处理机之间的分布密切相关．目前已经出现一些并行数据库的数据分布方法．但是，这些方法都不能有效地支持动态数据库．文章提出了一种并行数据库的动态多维数据分布方法．该方法不仅能够有效地支持动态数据库的分布，还具有多维数据分布的诸多优点．此方法由初始数据分布机构和启发式动态数据分布调整机构组成．初始分布机构完成给定数据库文件的初始分布．动态数据分布调整机构实现动态数据库数据分布的动态调整．理论分析和实验结果表明，这种方法十分有效。

基于K-D树的多维数据分布方法

系统地介绍了基于并行化k-d树的多维数据分布方法。给出了几种构造k-d树的策 略和相应算法，并从理论上分析和比较了各种策略的通信花费及其应用范围。

基于Cluster结构的多维动态数据分布方法

数据分布是数据库查询并行处理的基础,良好的数据分布方法对查询性能有着重要影响.本文提出了一种新的基于Cluster结构的多维动态数据分布方法,该方法能保证数据均匀分布在多个处理机上;能动态调整数据片段的大小,使关系始终保持最优并行度;并能有效地支持各属性上的查询操作.性能分析及实验结果表明,在大规模的并行系统中,本文方法的性能优于过去的数据分布方法.

面向多维混合型数据分布的混合多维直方图初探

现实世界中,多维数据分布常常不是单一一种类型,而是在不同的数据区域中呈现不同类型的数据分布。提出了一种面向多维混合型数据分布的混合多维直方图COCA*-Hist方法。这种方法在给定的空间预算下,根据数据分布空间不同的区域中的数据分布类型,可以包含多种不同类型的直方桶,从总体上提高直方图的准确性。由于需要对创建多维直方图的树结构进行二次遍历,以识别不同类型的数据分布区域并进行空间预算的重分配,COCA*-Hist时间效率略低于MHist算法,但对因此获得的准确性的提高和面对不同数据分布类型的通用性来说,是可以接受的。

一种有效支持并行数据仓库区域查询的方法

如何更有效地组织和存储Cube数据,是数据仓库中一个十分重要的研究问题。应用并行计算技术,提出了一种基于计算机机群并行计算环境的并行Cube存储结构CMD-Forest。它不但可以有效地支持数据仓库上的大数据量批量追加更新,而且具有很高的区域查询性能。尤其在批量追加方面,与已有的存储组织相对比具有明显的优势。