P2P环境中的空间数据索引模型和生成算法研究

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (2): 12-15.

P2P环境中的空间数据索引模型和生成算法研究

刘德刚^1,2,陈传波¹,曾文²

1.华中科技大学计算机学院，武汉 430074
2.中国地质大学信息工程学院，武汉 430074

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-11 发布日期:2008-01-11
通讯作者: 刘德刚

Study on spatial data index model and generation algorithm for Peer-to-Peer environments

LIU De-gang^1,2,CHEN Chuan-bo¹,ZENG Wen²

1.Department of Computer，Huazhong University of Science and Technology，Wuhan 430074，China
2.Department of Information Engineering，China University of Geosciences，Wuhan 430074，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-11 Published:2008-01-11
Contact: LIU De-gang

摘要/Abstract

摘要： 在Peer-to-Peer（P2P）环境中管理复杂的空间数据，首先需要建立空间数据索引。对相关研究进行了分析总结，设计出了一种分布式四叉树与本地R*树相结合的新索引模型P2PQR-tree。P2PQR-tree将四叉树技术应用于P2P环境，并利用复制策略实现了负载均衡。给出了索引生成算法，并对算法性能进行了分析。P2PQR-tree数据组织更加合理、能够更好地支持元数据管理、易于实现权限控制、减少了分布式索引变化，更好地适应了对等网络的动态特性。

关键词: 对等计算, 空间数据, 四叉树, R*树

Abstract: It is necessary to build spatial index in order to managing complex spatial data in Peer-to-Peer（P2P）environments.This paper analyzes and summarizes the related studies，designs a new index model named P2PQR-tree which uses distributed Quad-tree and local R*-tree.P2PQR-tree applies Quad-tree techniques into P2P environments and uses replication strategy to get the load balance purpose.This paper gives the constructing algorithm of the index and gives the performance analysis of the algorithm.P2PQR-tree has some advantages to the old methods，for example，its data management is more reasonable，it can support metadata management better，implement rights control easier，reduce changes of distributed index，and adapt to dynamic character of P2P network better.

Key words: Peer-to-Peer, spatial data, Quad-trees, R*-trees

刘德刚^1,2,陈传波¹,曾文². P2P环境中的空间数据索引模型和生成算法研究[J]. 计算机工程与应用, 2008, 44(2): 12-15.

LIU De-gang^1,2,CHEN Chuan-bo¹,ZENG Wen². Study on spatial data index model and generation algorithm for Peer-to-Peer environments[J]. Computer Engineering and Applications, 2008, 44(2): 12-15.

[1]	伍锡如，黄榆媛，王耀南. 改进ORB特征的机器人RGB-D SLAM算法[J]. 计算机工程与应用, 2020, 56(14): 35-44.
[2]	雷乐，王丽珍，肖清. 空间co-location模式挖掘中的模糊技术初探[J]. 计算机工程与应用, 2019, 55(21): 158-166.
[3]	季长清1，2，肖鹏3，刘畅4，汪祖民2，西方2，邵寅博1，李泽宇2. 基于空间近邻查询的移动医疗呼叫算法[J]. 计算机工程与应用, 2019, 55(2): 206-212.
[4]	马菁1，2，李力3. RDD上扩展索引层优化的分布式K-means算法[J]. 计算机工程与应用, 2019, 55(1): 161-167.
[5]	陈长华1，刘煜2，崔强3. 结合饱和度运算和暗通道理论的遥感图像去雾算法[J]. 计算机工程与应用, 2018, 54(5): 174-179.
[6]	覃宏超，李炎炎，龙伟，赵瑞朋，王倩. 改进的暗原色先验理论视频去雾算法研究[J]. 计算机工程与应用, 2018, 54(16): 176-181.
[7]	刘万军，赵庆国. 基于颜色饱和度的快速图像去雾研究[J]. 计算机工程与应用, 2017, 53(8): 209-215.
[8]	李建勋1，申静静1，李维乾2，王婉琳1. 基于趋势函数的空间数据聚类方法[J]. 计算机工程与应用, 2017, 53(6): 22-28.
[9]	杨泽雪. 空间数据库中的一种混合索引结构的研究[J]. 计算机工程与应用, 2017, 53(20): 20-23.
[10]	杨莹. 瓦片四叉树和填充曲线实现海量地形数据管理[J]. 计算机工程与应用, 2016, 52(14): 192-196.
[11]	张文俊，张雄. 目标跟踪中的四叉树分块模型[J]. 计算机工程与应用, 2015, 51(4): 76-82.
[12]	周屹1，杨泽雪1，2. 空间数据库中的线段k近邻查询研究[J]. 计算机工程与应用, 2015, 51(18): 131-134.
[13]	张丽平1，李松1，郝晓红2，郝忠孝1. 障碍物增减情况下的单纯型连续近邻链查询[J]. 计算机工程与应用, 2015, 51(11): 99-103.
[14]	徐红波1，2，姚念民2，韩启龙2，潘海为2. 支持线段查询索引结构CB树[J]. 计算机工程与应用, 2015, 51(11): 114-118.
[15]	汪璟玢. 一种结合空间聚类算法的R树优化算法[J]. 计算机工程与应用, 2014, 50(5): 112-115.