ZB^(+)-tree:一种ZNS SSD感知的新型索引结构

ZNS SSD是近年来提出的一种新型固态硬盘(solid state drive,SSD),它以分区(Zone)的方式管理和存取SSD内的数据.相比于传统SSD,ZNS SSD可以有效提升SSD的读写吞吐,降低写放大,减少SSD的预留空间.但是,ZNS SSD要求Zone内必须采用顺序写模式,并且Zone上的空间分配、垃圾回收等任务都需要用户自行控制.ZNS SSD的这些特性对于传统数据库系统的存储管理、索引、缓存等技术均提出了新的挑战.针对如何使传统的B^(+)-tree索引结构适配ZNS SSD的问题,提出了一种ZNS SSD感知的新型索引结构——ZB^(+)-tree(ZNS-aware B^(+)-tree).ZB^(+)-tree是目前已知的首个ZNS SSD感知的索引,它以B^(+)-tree为基础,利用ZNS SSD内部支持少量随机写的常规Zone(conventional zone,Cov-Zone)和只支持顺序写的顺序Zone(sequential zone,Seq-Zone),通过常规Zone来吸收对ZNS SSD的随机写操作.ZB^(+)-tree将索引节点分散存储在常规Zone和顺序Zone中,并为2种Zone内的节点分别设计了节点结构,使ZB^(+)-tree不仅能够吸收对索引的随机写操作,而且又可以保证顺序Zone内的顺序写要求.在实验中利用null_blk和libzbd模拟ZNS SSD设备,并将现有的CoW B^(+)-tree修改后作为对比索引.结果表明,ZB^(+)-tree在运行时间、空间利用率等多个指标上均优于CoW B^(+)-tree.

基于3D^+-TPR-tree的点目标全时段移动索引设计

在经典3D R-tree基础上提出新的3D+R-tree索引,通过改变待索引数据项的结构并重新设计查询处理算法,减少包容矩形死区,提高查询效率;为了满足全时段查询要求,设计一种称为3D+-TPR-tree的联合索引结构,并对其中TPR-tree的参数包容矩形的调整算法进行优化。通过测试,证明3D+R-tree的查询效率明显高于普通3D R-tree;此外,测试结果也表明经过优化的参数包容矩形的调整算法也部分提升了TPR-tree的查询性能。

TPR^＊树索引构建及其动态维护方法

提出一种新的TPR*树索引构建方法,在根节点层利用速度矢量对移动对象集进行划分,根据速度矢量的大小将移动对象聚集到不同子节点中,并逐层构建TPR*树。在根节点层用溢出桶存储插入的移动对象记录,同时对TPR*树索引进行批量插入更新,以减少其插入更新维护的代价。实验结果表明,该方法是可行的。

采用R^＊-tree的三角网格曲面非均匀精简算法

提出了一种三角网格曲面非均匀精简算法。该算法采用R^＊-tree组织三角网格曲面的空间拓扑结构，实现了三角面片拓扑邻域的快速查询。结合三角网格曲面模型的曲率分布状况，对三角网格曲面进行聚类分簇处理，通过对分簇网格进行局部精简，实现了三角网格曲面模型的整体保形性精简。与同类精简算法的对比实验表明，该算法的数据适应性强，有效地保留了三角网格曲面的型面特征，精简后的网格模型与原网格模型的面片偏差降低了20％～45％，精简时间减少了10％～35％。

基于DPB^+-Tree的索引复制策略研究

索引复制是分布并行数据库提供并行性和提高可用性的一个重要手段。本文提出一种适合于索引复制的树结构——DPB^+-Tree,在此基础上研究了相关的索引复制策略,其中副本复制原则考虑了更新/检索比、节点机负载和可靠性需求;索引副本建立允许一个新的副本学习先前的副本;而索引副本更新基于搜索更新机制来完成。对DPB^+-Tree 索引复制策略的仿真实验结果表明,副本对查询的响应性能和负载均衡度有明显改善。

R-tree的查询代价模型分析及算法改进

提出一个R tree的查询代价模型 (CostModel) ,在对该模型分析的基础上 ,对R tree及其变种进行了改进 ,形成了CR tree 分别对CostModel和CR tree做了实验 ,结果显示该CostModel的平均误差为 12 6 %,而改进后的CR tree查询性能比R tree提高了 4 2 5 %

一种基于R*-tree的时空索引

时空数据是一种特殊的多维数据，其每一数据项的时间戳值是单调递增的。3D R-tree把时间看作为空间的另一维，然后利用R-tree进行空间索引，查询效率比较低而且只能处理离线数据。而HR-tree 将时间维孤立出来，同时保存每一时间戳的空间数据，查询效率较高但是空间开销大。该文提出了一种基于 R*-tree算法的时空索引方法。该方法比3D R-tree有更好的查询效率且支持在线数据模式,较之HR-tree在保证查询效率的同时使用更少的存储空间，最后给出了试验对比结果。

基于CB+-tree索引的XML时态查询技术

针对XML时态查询问题,使用CB+-tree索引,将时态信息作为索引关键字,采用实体地址和长度随机读取查询,在叶子节点处添加新的链表节点,对叶子节点中的关键字按照tend进行二次排序,减少了查询比较次数。实验结果表明,CB+-tree索引在实现实体轨迹、快照和时间段3类时态查询时,优于B+-tree索引,特别是对于大容量的XML文档,其时态查询效果更佳。

B^+-Tree的改进算法在可复用软构件库中的应用

文章通过对B+-Tree索引算法的改进,将其应用到可复用软构件库中。该改进算法继承了B+-Tree的优点,结合可复用软构件库的特点,将构件库多维数据索引转化为B+-Tree一维数据索引进行存储、查询。通过对比分析,证明了该构件库索引算法大大改进了构件库中构件的查找效率。

基于aTPRA-tree的移动对象预测范围聚集查询算法研究

基于aTPRA-tree索引结构,提出了aTPRA-tree剪枝定理和算法。该算法提高了预测范围聚集查询的性能,实验数据证明了该方法的有效性。

基于R^＊-tree的散乱点云截面数据获取算法

为快速准确地获取散乱点云的截面数据,以较少数据准确表达模型信息,提出一种截面数据获取算法.采用R*-tree建立点云的动态空间索引结构,基于该结构快速准确获取截面邻域数据,依据该数据与截平面的位置关系将邻域数据分为正负两个邻域,通过对两邻域数据点配对连线与截平面求交获取截面数据,并采用最小生成树算法对其排序,最终得到有序的截面数据.结果表明,该算法数据适应性强,截面数据获取精度高,运行速度快,且能够以较少数据准确表达模型型面特征.

一种新的分布式并行索引树——DPB^+-Tree

随着数据规模的增大,查询越来越复杂,分布式并行索引以其高性能而逐渐成为解决复杂查询问题的有效手段。本文提出一种适合于分布式并行的新索引树结构——DPB^+-Tree,该索引树以B^+树和 hash结构为基础,其叶子结点被组织为有n个散列表元的hash表链,从树的根结点到叶子结点,结点副本数量逐渐减少,并且其数量的变化是动态的。对DPB^+-Tree响应时间的仿真结果表明 DPB^+-Tree系统提高了系统的查询效率,与其它相关策略,如CPB方法比较具有较明显优势。

计算 3-Tree 网络全终端可靠度的线性时间算法

对于一般网络，计算全终端可靠度是ＮＰ难问题．３Ｔｒｅｅ网络是一类具有特殊结构和性质的网络．利用三角子图到Ｋ４的化简，给出了一个计算３Ｔｒｅｅ网络全终端可靠度的线性时间算法．

基于CB+-tree的时态XML索引动态更新方法

针对时态XML更新问题,使用了CB+-tree索引时态XML文档和文档添加冗余空间存储,借助时态信息索引、实体地址索引双重索引和文档冗余存储方式高效地实现文档的局部更新。实验结果表明,将实体时态信息和地址索引分离,并为文档添加冗余空间,减少了XML文档更新时间,其效率明显提高。

基于B^+-tree索引的多元时间序列相似查询

为提高多元时间序列相似查询执行效率,采用了基于距离索引结构的相似查询算法。利用主成分分析方法对多元时间序列数据降维并在此基础上进行聚类,以聚类质心为参考点,将各类变换到一维空间,利用B+-tree结构进行索引查询,找到与查询序列最相似的k个MTS序列。实验表明查询效率和准确性都有比较大的提高。

一种基于B^+-tree索引的有效相似查询算法

提出了一种多元时间序列相似查询算法.在距离索引结构相似查询算法的基础上,利用主成分分析方法对多元时间序列进行降维,并对主成分进行聚类,在聚类质心与各类之间的范数所构成的一维空间上,对聚类建立B+-tree索引结构,然后利用k近邻查询算法查找出与查询序列最相似的k个MTS序列.实验结果表明,文中算法的候选比率与查询时间明显低于Muse算法,且候选比率与查询时间受聚类个数影响不大,说明文中算法具有一定的优越性.

多核处理器支持的频繁访问B＋-Tree

传统B＋-Tree自顶向下访问模式不适应于频繁访问应用模式，面向多核处理器支持，提出了针对频繁访问的FAB＋-Tree（Frequent Access B＋-Tree）。在B＋-Tree的基础上增加了Hash辅助索引，使得访问B＋-Tree是可以直接定位到叶结点，并利用基于内存的直接访问表及位矢量列表提高更新性能。同时基于共享L2-Cache多核处理器，提出了基于流水线的FAB＋-Tree多线程访问模块，并优化了该模块的共享Cache访问性能。基于开源数据库Ingres实现了FAB＋-Tree和多线程访问模块，实验结果表明B＋-Tree的访问性能得到显著提高。

并行B^+-tree的存储结构及其操作

The techniques and methods for implementing parallel B+ -tree are firstpresented. Then, the parallel algorithms for data maintenance of B+ -tree, parallelalgorithms for maintaining schemes of the relations with parallel B+ - tree indices, and theparallel data operation algorithms based on the B+ -trees are propised. The proposedparallel B+ -trees and related parallel algorithms have been used in a parallel relationaldatabase system designed and implemented by the author. It is shown in practicethat the proposed parallel B+ -tree and algorithms are very efficient and very effective.

并行B^+-tree的存储结构及其操作

讨论了并行Ｂ＋－ｔｒｅｅ存储结构的设计与实现方法，并提出了并行Ｂ＋－ｔｒｅｅ的数据维护算法、具有并行Ｂ＋－ｔｒｅｅ索引的关系模式的维护算法和基于Ｂ＋－ｔｒｅｅ的并行数据操作算法。给出的并行Ｂ＋－ｔｒｅｅ存储结构和相关并行算法已经用于国家杰出青年基金资助的并行关系数据管理系统原型，实践证明，并行Ｂ＋－ｔｒｅｅ存储结构和这些并行算法十分有效。

基于GPU的HPGB+-Tree索引

索引作为加速数据库查询的一种成熟技术,始终受限于CPU的内存带宽与架构的发展,因此无法在性能上实现质的飞跃。所以使用GPU赋能索引技术来辅助数据库执行查询任务是势在必行的。因此,针对异构环境下索引结构的适应性以及现有GPU索引受限于显存容量导致扩展性不够等问题,提出了一种CPU与GPU协同处理的HPGB+-Tree索引算法。该算法以混合架构的方式重新构建索引结构,使其完全适应GPU的硬件特性,突破CPU内存带宽受限和GPU内存容量受限的双重难关。HPGB+-Tree索引不仅解决了索引异构问题,还充分利用两大硬件平台各自的优势加速基于索引的相关操作。在不同数据量与不同任务规模下对算法的性能进行了评估,实验结果表明,该算法在内核占用率与程序执行速度两个方面都极具优势,在性能上处于领先地位。