基于LSM Tree的分布式索引实现

近年来Log-Structured-Merge(LSM)Tree在NoSQL系统中得到了广泛地应用.主要是因为LSM Tree架构提出了延迟更新和批量写入的算法,将随机写转换为批量写,减少了磁盘臂的移动开销,从而大大地提升了数据库的写入性能.然而,读性能却也因此受到影响.LSM Tree和B Tree之间的本质区别使得NoSQL系统不适宜直接引用B Tree作为辅助索引结构.本文实现了LSM Tree下的一种分布式辅助索引结构,提出针对这种读写分离架构的索引批量加载策略,并对LSM Tree的查询计划树进行了缓冲优化,避免了重复的查询解析,使得索引读的性能得到了相应的提升.     

C-Tree:一种多维对象的动态索引方法

在X－Tree的基础上，提出了一种新的动态索引方法C－Tree。该方法继承了X－Tree超节点的观点，针对X－Tree分裂算法的不足，给出了新的分裂算法，并通过理论和实验数据，证明了C－Tree的整体性能优于X－Tree。     

一种改进的基于交通网络的移动对象索引方法

通过对基于交通网络(简称网络)移动对象索引方法FNR-Tree的分析，提出了一种改进的TNR-Tree方法。该方法充分利用网络信息，增大空间索引粒度，使用更合理的时间间隔，加强对轨迹的索引。性能分析说明了TNR-Tree方法较大程度地减少数据存储量和索引尺寸，提高了插入性能，并能有效地进行轨迹索引。     

日志结构合并树的查询优化技术

针对基于日志结构合并树(Log Structured Merge Tree, LSM-tree)的数据库查询性能较差的问题,目前的研究工作主要集中在利用索引和缓存技术提升LSM-tree的查询性能.本文主要从以下几个方面对LSM-tree的查询优化技术进行了综述.第一,介绍了LSM-tree的基础架构,分析了影响查询的因素.第二,分析了当前的LSM-tree查询优化技术,包括索引优化技术和缓存优化技术.第三,分析了索引和缓存技术是如何提升基于LSM-tree的数据库查询性能的,并总结了一些现有的研究工作.最后,总结并给出了未来可能的研究方法.     

体操运动员踏跳动作数据的空间轨迹检索方法

检索体操运动员踏跳动作数据空间轨迹,有利于帮助运动员改善动作标准性,使其不易受伤且得分率更高。当前空间轨迹检索方法因索引机制不佳,只能检索较短的体操运动员踏跳动作数据空间轨迹,检索过程复杂且结果不可靠。提出一种新型体操运动员踏跳动作数据空间轨迹检索方法,采用层次化运动模型对体操运动员踏跳动作进行描述,将倾斜角度、最小外界矩形MER与紧密度、运动速度、外接矩形长宽和变化率等作为踏跳动作特征,对踏跳动作特征进行提取;依据提取的特征构建一个空间轨迹数据库,通过反向表技术完成索引。通过精确命中指标对相似度进行衡量,从而实现踏跳动作数据空间轨迹的匹配,完成体操运动员踏跳动作数据的空间轨迹检索。实验结果表明,所提方法索引性能强;且检索速度快、精度高,检索结果全面、稳定。     

基于排序树索引的轨迹压缩方法

原始采集的GPS轨迹数据通常非常庞大,导致对其的传输、存储和处理变得越来越困难,需要对原始GPS轨迹数据进行压缩.现有的基于方向的轨迹压缩方法存在可容忍误差难以确定、计算代价大、压缩效果较差等问题.针对这些问题,提出了基于排序树索引的轨迹压缩方法,借助于排序树索引,在轨迹压缩的过程中进行有效的剪枝,提高了轨迹压缩的效率.同时,对压缩轨迹中轨迹点的去留起决定作用的指标——线段误差进行了重新定义,提高了轨迹压缩的效果.大量真实数据集上的实验验证了所提的轨迹压缩方法的有效性和高效性.     

基于神经网络的命名数据网学习型FIB研究

针对命名数据网转发信息库快速检索差异化名称数据、高效存储转发信息和有效支持最长名称前缀匹配机制的需求和挑战,提出了基于神经网络的命名数据网学习型FIB整体方案,称L-FIB.首先,介绍了L-FIB的索引结构LearningTree,通过使用塔式两级神经网络模型学习索引内容在存储器中的分布情况,实现更均匀的数据映射,降低映射冲突,提高存储效率.其次,研究了L-FIB的存储结构和名称数据检索算法,片内高速存储器部署多个与不同名称前缀组件数相对应的索引结构Learning Tree,片外低速存储器部署多个与索引结构Learning Tree对应的FIB存储池,并通过相应的名称数据检索算法实现对兴趣包的转发信息检索和转发信息更新操作,有效支持了命名数据网的最长名称前缀匹配机制,提高了名称数据检索速度.实验结果表明,L-FIB在误判概率、存储消耗和吞吐量方面的综合性能明显优于其他对比方案.在误判概率低于1%的条件下,L-FIB的索引结构存储消耗仅为58.258 MB,能够部署于高速存储器SRAM上.L-FIB的实际吞吐量约为11.64×106数据包/s,可以满足当前命名数据网对数据包快速处理的要求.     

Spark环境下基于网格索引的轨迹k近邻查询方法

移动对象轨迹的k近邻(k nearest neighbor trajectories,kNNT)查询是一种重要的空间信息服务,主要用于寻找与给定轨迹最近邻的k条轨迹,被广泛地应用于智能交通、信息推荐等领域。随着轨迹数据量的快速增长,由于单机计算资源的限制,传统集中式环境下的kNNT查询效率和可扩展性无法满足实际要求。为了解决这个问题,设计了轨迹数据的分布式网格索引结构,该索引在Spark环境下将轨迹切分并映射到网格中,并引入轨迹还原表以保留查询时候选子轨迹段间的连续性。基于此索引,提出了Spark环境下的轨迹k近邻查询方法kNNT-Grid。实验结果表明,kNNT-Grid方法在分布式环境下实现了良好的查询效率和可扩展性,能够应对海量轨迹数据的k近邻查询需求。     

一种动态紧缩的移动对象索引结构

DPTI(dynamic packing trajectory index)是R*-Tree和链表组合而成的移动对象索引结构.用链表来存储轨迹数据,做到了严格的轨迹保护.轨迹的分段处理对每条轨迹进行了逻辑划分,每个划分对应链表中的若干条线段.R*-Tree存取的最小单元不再是轨迹的线段,而是各个划分所对应的线段集.基于对轨迹更新的简单预测,在轨迹不断更新的过程中对存放历史信息的结点进行紧缩,使得叶子结点拥有更高的存储利用率.DPTI的两层索引结构做到了严格的轨迹保护,分段处理使得各段轨迹能够按照时空位置插入R*-Tree,动态紧缩提高了索引的存储利用率,这些改进都促使DPTI得到了较好的时空查询效率.     

新型不饱和聚酯树脂的合成及其性能的研究

以二聚环戊二烯和马来酸酐为原料,合成内亚甲基四氢邻苯二甲酸酐（ 简称ＮＡ） 。以ＮＡ、邻苯二甲酸酐、马来酸酐和乙二醇为原料,合成了新型不饱和聚酯树脂（ＮＡＵＰ树脂） 。研究了不同配方及合成方法对树脂性能的影响,通过对合成树脂的物化性能、力学性能及耐腐蚀性能的测试,选出了综合性能较好、工艺简单、原料成本较低的ＮＡＵＰ树脂配方和合成方法。合成的ＮＡＵＰ树脂不仅性能优于通用型商品树脂,而且原料成本较低,可以替代通用型商品不饱和聚酯树脂。     

Indexing large moving objects from past to future with PCFI

In moving object database, the moving objects' current position must be kept in memory, also to the trajectory, in some case, as same as the future. But the current existing indexes such as SEB-tree, SETI-tree, 2+3R-tree, 2-3RT-tree and etc. can only provide the capability for past and current query, and the TPR-Tree, TPR*-Tree and etc.can only provide the capability for current and future query. None of them can provide a strategy for indexing the past, current and also the future information of moving objects.In this paper, we propose the past-current-future Index (PCFI-Index) to index the past,current & future information of the moving objects. It is the combination of SETI-tree and TPR*-tree, the SETI liking index is used for indexing the historical trajectory segments except the front line structure, and the moving objects' current positions, velocities are indexed via the in-memory frontline structure which mainly implemented with TPR*-tree.Considering the large update operations on TPR-tree of large population, a hash table considering cache sensitivity is also introduced. It works with the frontline part, leading a bottom-up update of the tree. The performance analysis proves that the PCFI-index can handle most of the query efficiently and provides a uniform solution for the trajectory query, time-slice query, internal query and moving query.     

Indexing large moving objects from past to future with PCFI

In moving object database, the moving objects' current position must be kept in memory, also to the trajectory, in some case, as same as the future. But the current existing indexes such as SEB tree, SETI tree, 2+3R tree, 2 3RT tree and etc. can only provide the capability for past and current query, and the TPR Tree, TPR * Tree and etc. can only provide the capability for current and future query. None of them can provide a strategy for indexing the past, current and also the future information of moving objects. In this paper, we propose the past current future Index (PCFI Index) to index the past, current & future information of the moving objects. It is the combination of SETI tree and TPR * tree, the SETI liking index is used for indexing the historical trajectory segments except the front line structure, and the moving objects' current positions, velocities are indexed via the in memory frontline structure which mainly implemented with TPR * tree. Considering the large update operations on TPR tree of large population, a hash table considering cache sensitivity is also introduced. It works with the frontline part, leading a bottom up update of the tree. The performance analysis proves that the PCFI index can handle most of the query efficiently and provides a uniform solution for the trajectory query, time slice query, internal query and moving query.     

基于PLC—iDistance的结构化P2P相似性检索算法

针对传统iDistance索引方法的缺陷和不足,提出了近似位置编码索引方法PLC—iDistance（ProximityLocationCode—iDistance）,并在结构化P2P网络中实现了高维数据检索。在改进方法中,有效地缩小了需要搜索的范围,提高了检索性能;．实验表明,相比传统的iDistance索引方法．PLC—iDistance索引方法在时间性能上有较大的提高。     

变曲率飞机壁板钻铆执行机器人的设计与仿真

自动钻铆执行机器人设计结构由末端执行器和多关节旋转机械臂组成.末端执行器通过转台结构的分度摆动实现不同执行部件工位的转换.末端执行器通过与旋转关节机械臂的协同作用,实现柔性自动化加工装配.用MATLAB软件仿真得到该机械臂的运动空间轨迹,再通过ADAMS软件仿真检验旋转机械臂的运动空间特性,满足变曲率壁板生产的需要.     

一种基于DTD的不完全值索引结构

索引结构是影响查询性能的一个重要因素,目前出现的索引结构主要存在以下几个问题:1)不能有效支持带有谓词约束条件的分支查询;2)只能在小文档上进行测试或者建立的索引文件比较大.为了解决这些问题,提出了一种基于DTD结构的不完全值索引方法——DBPVI(DTD-based Partly-Value XML Indexing).实验证明,该索引方法能在不影响查询性能的前提下,很好地解决上述问题.     

图像数据库基于内容检索的索引方法研究

为了提高图像数据库的检索效率，必须提高高维索引的效率．通过对SR-tree和x-tree的结构和性能分析，引入X-tree中超级节点的思想，改进了分裂算法，设计了一种新的高维索引结构ESR-tree（Extended SR-tree）．ESR-tree采用超矩形和超球形相结合的包络方法，在节点结构中引入超级节点．通过改进插入和分裂算法，有效降低了重叠率，避免了不必要的分裂，更好地维持树的平衡．同时有效降低了CPU时间和I／O次数，提高了检索效率．实验表明，随着数据量和维数的增多，ESR-tree的性能明显优于SR-tree和X-tree．     

基于固定网络的移动对象轨迹查询

在基于固定网络的移动对象轨迹查询方面.现有的索引模型只能管理移动对象当前和过去或将来轨迹的查询,它们都不能同时实现移动对象的现在,过去和将来轨迹查询.本文在IMORS的索引结构基础上进行改进并提出了一种新的索引结构.它能实现基于固定网络的移动对象的全时态索引.     

一种海量文本的动态索引方法

研究海量文本动态索引的构造方法,通过对索引维护策略的研究和对比,设计了一个优化的索引模型,在保证检索效率的前提下,提供了实时索引的功能;提出了一种分代的动态索引构建方法,以减少索引合并代价,同时可以调节索引和检索的性能平衡,与以前方法相比,具有更高的性能和更好的规模可扩展性,并在理论和实践中验证了这种索引维护方法的高效性.