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。

并行数据库的查询处理并行化技术和物理设计方法

近几年，随着并行计算机系统的迅速发展，并行数据库系统已经成为一个新的数据库研究领域，引起了学术界和工业界的极大关注，很多研究成果已经出现．本文是综述并行数据库系统研究与进展情况的两篇文章之一，重点探讨目前并行数据库系统的研究方向和问题，综述有关并行数据库的物理设计方法和查询处理并行化技术的主要研究成果．

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.

SMDPA:基于访问频率的多维数据空间放置算法

针对一般数据访问模式，文中引入了“相似性”概念，提出了并行数据库中基于频率和相似性的多维数据空间放置的算法——ＳＭＤＰＡ算法．

一种新型多维数据空间放置算法(英文)

介绍了一种新型的多维数据空间放置算法—— SMDPA.该算法使用数据超方体的先验被访问概率以及访问之间的相似度放置超方体 .即使在数据超方体的被访问频率不满足均匀分布的情况下 ,该算法可以有效地放置超方体 .模拟结果证明 ,该算法较传统算法有更良好的性能 .

并行I/O中大型多维数据集合分配策略研究

在大型多维数据集合处理中,对多维数据集合的拆分及其在磁盘上的存储分配是重要的研究课题。由于磁盘的机械运动已形成了数据I/O时的速度瓶颈,因此通过采用并行I/O技术,将多维数据进行有效的拆分,并在多个磁盘间进行分布存储是克服瓶颈的有效办法。基于此,论文中提出了一种多维数据的循环拆分方法,它是对二维数据集合循环拆分分配方法的扩展,性能比较与分析表明了新算法的有效性。

一种有效的并行数据库数据分布方法RCMD

在并行数据库中,数据的分布方法是影响系统查询处理性能的主要因素。目前已有的几种数据分布方法都只适用于某一类查询,而处理其它类型的查询则效率较低。本文提出了一种新的数据分布方法RCMD,可以高效地支持多种查询类型。理论分析和试验结果表明本文提出的RCMD方法优于现有的数据分布方法,具有最好的查询处理性能。

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。

基于并行数据仓库的数据分布调整策略

并行数据仓库系统的性能与数据在多处理机之间的分布密切相关.本文根据并行数据仓库系统的体系框架,提出了全新的并行数据仓库数据三层模式结构,并在此模式基础上,根据用户查询的变化设计了动态多维数据分布和调整策略,通过改变数据分布模式和数据物理存放的方式来保证系统数据分布均匀和工作负载均衡.实验结果证明,此算法能有效地缩短OLAP平均查询响应时间,提升系统的整体性能.