一种数据流查询共享模型的设计

为了提高查询效率,从数据流查询过程中查询操作单元和查询存储结构的共享两个方面展开研究.设计一种基于共享的二级索引队列,用于存储数据流中间结果.该结构使得中间查询结果可以再利用的同时也为数据共享情况下的迁移提供了一定的灵活性.对于多查询共享,通过抽取相同数据流中的相同谓词进行查询共享,实现一处计算多处使用的目的.最后对相关模型和算法进行了分析.     

数据流上Ad Hoc查询的自适应处理算法

对数据流上的Ad Hoc查询进行自适应处理,需要保证已有查询计划快速在线更新和迁移,但现有方法实现新旧查询计划的更新需要大量的滑动窗口状态转换。为此,提出一种Ad Hoc查询自适应处理算法。该算法基于数据流概要分布特性和自定义评分模型,快速计算出现有查询计划的最佳增量更新,以实现新到达的 Ad Hoc 查询处理,降低新旧查询计划切换时间。在数据流benchmark Linear Road提供的高速公路数据集上进行实验,结果表明,与MS、PT方法相比,该算法可较快完成新旧查询计划的切换。     

基于滑动窗口的在线数据流增量聚集查询

增量查询技术由于能有效处理大量、快速、源源不断到达的数据流，因此备受关注。滑动窗口是动态数据流环境下的一种典型的窗口类型。该文研究了基于滑动窗口的数据流聚集查询，提出了一种新的增量聚集查询算法，采用了多种增量计算方法和查询共享技术，实现了多窗口资源共享。实验验证了该方法的有效性。     

网内查询处理中的一种基于数据流共享的过滤查询算法

网内查询处理需要让网络中各个节点共同承担查询任务,其基本问题是如何采取合适的策略将各个查询映射到网络节点上,以使得网络传输数据量和网络延迟达到最小.基于在查询间共享数据流的思想,提出了基于查询包含和查询合并的数据流共享策略,并建立了相应的收益模型,最后通过实验分析对比了两种策略的运行效果.     

基于滑动窗口的数据流压缩技术及连续查询处理方法

基于滑动窗口的连续查询处理是数据流研究领域的一个热点问题．已有的研究工作均假设滑动窗口内的数据能够全部保存在主存中，若滑动窗口内的数据量超过了可用主存空间，已有的查询处理方法则无法正常工作．提出两种数据流上的滑动窗口压缩技术，有效地降低了滑动窗口的存储空间需求．同时，给出了基于压缩滑动窗口的连续查询处理算法，理论分析和实验结果表明，这些算法具有很好的性能，能够满足数据流连续查询处理的实时性要求．     

数据流多连续查询优化技术

根据数据流连续达到、大小无界和实时性强的特点,引出数据流多连续查询的基本概念.针对多连续查询的特点和用户的需求,将多连续查询优化技术分为单流多查询和多流多查询.详细论述了单流过滤型多连续查询优化技术和基于共享的多流多连续查询优化技术,通过全面系统地分析每种优化算法的基本思想,得出每种查询技术的优缺点及适用场合.     

空间文本数据流上连续查询评估技术综述

空间文本数据流上连续查询(CQST)在基于位置的服务中应用广泛,其在不断更新的数据流上,持续监控满足空间和文本约束的结果.为了将数据流中的对象尽快匹配给CQST,在CQST上构建高效的过滤技术是关键.CQST查询评估方法——为查询选取恰当的空间文本索引,构建高效的过滤策略提升索引的空间文本过滤性能,为数据流中到来的对象...     

一种适用于数据流梗概计算的小波变换算法

针对数据流上近似查询中的梗概计算，提出了一种新的基于最小误差的维压缩小波变换算法（MEDC）．MEDC算法通过映射流数据时间戳，快速无冗余地维护流数据的有序性；基于最小误差，高效压缩小波变换阵列，最大化MEDC算法时间效率及近似查询实时处理能力；引入小波系数与查询准确度之间的数值性关联规则，支持小波系数梗概上的查询多级共享，整体查询执行性能最佳．实验表明，与传统小波变换、直方图和采样等算法相比，MEDC算法在数据流近似查询处理的响应速度、查询结果质量等方面具有更为优越的性能．     

优化处理并行数据库查询的并行数据流方法

本文使用并行数据流技术优化和处理并行数据库查询的方法,提出了一整套相关算法,并给出了一个基于并行数据流方法的并行数据库查询优化处理器的完整设计.这些算法和相应的查询优化处理器已经用于作者自行设计的并行数据库管理系统原型.实践证明,并行数据流方法不仅能够快速有效地实现并行数据库管理系统,也能够有效地进行并行数据库查询的优化处理.     

基于最小生成树的数据流窗口连接优化算法

与传统关系数据库不同,数据流管理系统主要处理并发的连续查询.由于查询可能随时增删,所以其主要关注适合查询增删的并发连续查询优化,而不是单条查询优化.提出适合频繁增删查询环境下的数据流窗口连接优化算法.对于新注册的查询以类似最小生成树算法写出数据流的探测序列,然后在不更改其他查询探测序列顺序的情况下尽量合并,减少重复计算.注册或删除查询并不影响其他的查询计划,不需要执行繁琐的查询计划迁移.理论分析和实验证明,该算法简单,优化性能在可接受的范围内,尤其适合查询更新频率较高的系统.     

基于隐马尔可夫模型的查询扩展方法

对查询进行扩展的目的是找出查询中的潜在语义,确定用户意图,进而构造更适合于搜索引擎检索的查询语句,以提高检索的准确率。提出利用隐马尔可夫模型预测查询中的潜在语义的方法,该模型在大规模用户查询日志上进行训练。由该模型预测出的扩展语句查询的准确率较词共现扩展、同义词扩展等方案均有明显提升。     

OSCAR查询优化器的设计与实现*

查询优化是数据库管理系统的一个重要组成部分。首先介绍了查询优化在数据库设计中的重要作用,给出了OSCAR数据库系统的查询处理器工作步骤,然后主要讨论了OSCAR数据库系统查询优化器的设计和实现。在查询优化模块,介绍了查询优化预处理技术和子查询提升技术,接着详细讨论了存取路径的选择和路径代价的估算方法。最后对测试结果进行了分析,结果表明优化后的系统查询效率比原系统有了显著提高。     

查询表达式优化的研究与实现

查询是数据库应用系统中使用最频繁的操作,其执行效率很大程度上影响了整个系统的性能.介绍了查询表达式优化的一般过程,在查询重写阶段提出了一种面向对象的框架,设计和实现了"多字段间关系自动推理"等若干种优化算法.测试结果表明,查询取得了良好的优化效果.     

移动空间安全区域关键字查询算法

随着时代的飞速发展,人们对智能生活的追求不断提高,空间查询也被人们愈来愈重视。移动空间关键字查询,作为一种主要的连续空间查询类型,受到了广泛的研究。在最新的顶尖会议文刊中,提出了一种新的查询类型,称为移动集合空间关键字查询(MCSKQ)。这种类型的查询不断报告一组对象,这些对象在查询移动时共同覆盖查询关键字。同时,返回的对象也必须靠近查询对象并且彼此靠近。计算精确的结果集是一个NP-hard的问题。为了降低查询处理的成本,本文提出了基于安全区域技术的算法,在查询对象移动时,保持精确的结果集。在其基础上,本文基于MCKSQ的思想提出新的优化策略,以降低查询处理成本的方法。     

查询树的启发式优化研究

描述了查询树的启发式优化方法,优化了文献[1]中的查询树,并分析了查询树的执行代价。     

查询树的启发式优化研究

描述了查询树的启发式优化方法,优化了文献[1]中的查询树,并分析了查询树的执行代价.     

多查询之间的包含判断

以往的查询包含判断,并不是真正意义上的查询包含,而是一种被称为一致性包含的概念,一致性包含是查询包含的充分条件,而不是必要条件,而且一般的查询包含只考虑两个查询之间的包含关系,该文使用视图更新的方法判断多查询之间的包含关系,并且文章中涉及的视图更新是独立于具体方法的。在判断多查询之间的包含关系时,该文还用到了副的文字量。     

地理信息查询语言发展趋势

作者首先分析了空间数据库查询语言的特征,然后总结出当前的主流地理信息查询语言是SQL查询语言及其扩展,最后指出可视化查询语言将是未来地理信息查询语言发展的一大趋势。     

基于遗传算法的分布式异构数据库的查询优化

对于分布武异构数据库，查询优化问题是其核心问题。本文用基于位、值结构树型编码的遗传算法对分布武异构数据库进行查询优化，取得了很好的效果。     

Reverse engineering database queries from examples: State-of-the-art,challenges, and research opportunities

With the popularization of data access and usage, an increasing number of users without expert knowledge of databases is required to perform data interactions. Often, these users face the challenges of writing and reformulating database queries, which consume a considerable amount of time and frequently yield unsatisfactory results. To facilitate this human–database interaction, researchers have investigated the Query By Example (QBE) paradigm in which database queries are (semi) automatically discovered from data examples given by users. This paradigm allows non-database experts to formulate queries without relying on complex query languages. In this context, this work aims to present a systematic review of the recent developments, open challenges, and research opportunities of the QBE reported in the literature. This work also describes strategies employed to leverage efficient example acquisition and query reverse engineering. The obtained results show that recent research developments have focused on enhancing the expressiveness of produced queries, minimizing user interaction, and enabling efficient query learning in the context of data retrieval, exploration, integration, and analytics. Our findings indicate that future research should concentrate efforts to provide innovative solutions to the challenges of improving controllability and transparency, considering diverse user preferences in the processes of learning personalized queries, ensuring data quality, and improving the support of additional SQL features and operators.