基于查询优化器的分布式空间查询优化方法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (22): 161-165.

• 数据库、信号与信息处理 • 上一篇下一篇

基于查询优化器的分布式空间查询优化方法

林键，刘仁义，刘南，张丰

浙江大学浙江省资源与环境信息系统重点研究实验室，杭州 310028

出版日期:2012-08-01 发布日期:2012-08-06

New distributed spatial query optimization approach by using query analyzer

LIN Jian, LIU Renyi, LIU Nan, ZHANG Feng

Zhejiang Provincial Key Lab of GIS, Zhejiang University, Hangzhou 310028, China

Online:2012-08-01 Published:2012-08-06

摘要/Abstract

摘要： 为了实现分布式空间数据库之间的互操作，需要对分布式查询进行优化处理，这种查询处理指的是在任何一个数据处理语句中它访问的是各个节点的数据而不是仅仅对发起查询的节点。提出了一种查询优化器的体系结构，针对上述查询最优化做了详细的讨论，着重讨论包含空间选择和连接的复杂空间查询。建立了典型的空间数据库的案例程序，通过分析表明，带有过滤和修正的查询优化器在时间与空间上的效率优势比较明显，获得了具有参考价值的结果。

关键词: 空间数据库, 分布式空间数据库, 查询优化, 过滤器

Abstract: In order to achieve?interoperability?between?the?distributed spatial databases, the user?queries optimization of the distributed query processing is an important topic. This kind of distributed query?refers to?any?data processing?statement, which access?each?site?of the?database?rather?than the site initiated?query requests. Confronted with several kinds of queries optimization problems, a new architecture of query analyzer is presented in this paper. The?space?selection and connection in complex?spatial query?is also discussed. In order to demonstrate the effectiveness of this approach, two example experiments are done. The results obtained from performance analysis show that the filters and modification is pivotal factors in queries optimization. This approach has a good effect on time and space cost compared with the traditional solutions.

Key words: geospatial database, distributed spatial database, query optimization, filter

林键，刘仁义，刘南，张丰. 基于查询优化器的分布式空间查询优化方法[J]. 计算机工程与应用, 2012, 48(22): 161-165.

LIN Jian, LIU Renyi, LIU Nan, ZHANG Feng. New distributed spatial query optimization approach by using query analyzer[J]. Computer Engineering and Applications, 2012, 48(22): 161-165.

[1]	黄涛贻，李优，宋浩，林煜明. 大规模商品知识的组织和查询优化[J]. 计算机工程与应用, 2020, 56(21): 154-163.
[2]	王永贵，郭昕彤. SparkSql上自适应数据集的高效频繁集挖掘算法[J]. 计算机工程与应用, 2020, 56(21): 72-78.
[3]	张万桢，刘同来，邬满，匡振曦. 使用环形过滤器的[K]值自适应KNN算法[J]. 计算机工程与应用, 2019, 55(23): 45-52.
[4]	王泓机，戴炳荣，李超，张绍华. 针对区块链应用的查询优化模型[J]. 计算机工程与应用, 2019, 55(22): 34-39.
[5]	郭蕊，张雪锋. 基于Bloom过滤和分块的组合指纹模板保护算法[J]. 计算机工程与应用, 2018, 54(6): 75-80.
[6]	张曼1，咸鹤群1，2，张曙光1. 加密数据库快速关键词查询技术[J]. 计算机工程与应用, 2018, 54(13): 78-83.
[7]	尹勤勤. 基于Bloom Filter的混合云存储安全去重方案[J]. 计算机工程与应用, 2018, 54(10): 73-80.
[8]	李娟娟1，龚向阳2. 快速检测RFID复制标签的算法研究[J]. 计算机工程与应用, 2017, 53(8): 106-112.
[9]	刘骁，刘辉平，金澈清. 面向不确定数据流的近似ER-Topk查询处理[J]. 计算机工程与应用, 2017, 53(4): 98-105.
[10]	赵晓永1，陈晨2. 面向云平台的二代测序数据近似去重方法研究[J]. 计算机工程与应用, 2017, 53(23): 1-5.
[11]	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.
[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]	孟金凤，高仲合. 基于DCBF的流抽样测量算法[J]. 计算机工程与应用, 2015, 51(17): 92-95.
[14]	王春龙，刘渊，郑哲渊. 基于LRU和扩展CBF的网络大流检测[J]. 计算机工程与应用, 2015, 51(13): 66-71.
[15]	王磊. 基于BACS算法的数据库查询优化[J]. 计算机工程与应用, 2015, 51(13): 118-121.

基于查询优化器的分布式空间查询优化方法

New distributed spatial query optimization approach by using query analyzer

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics