CUU：大规模时空数据区域查询更新策略

doi:10.3778/j.issn.1673-9418.1305049

计算机科学与探索 ›› 2013, Vol. 7 ›› Issue (10): 886-895.DOI: 10.3778/j.issn.1673-9418.1305049

CUU：大规模时空数据区域查询更新策略

高振龙1，李红燕2,3+，苗高杉2，雷凯1，王腾蛟1,2,4

1. 北京大学深圳研究生院深圳市云计算关键技术与应用重点实验室，广东深圳 518055
2. 北京大学信息科学技术学院，北京 100871
3. 北京大学机器感知与智能教育部重点实验室，北京 100871
4. 北京大学高可信软件技术教育部重点实验室，北京 100871

出版日期:2013-10-01 发布日期:2013-09-30

CUU: A Solution for Range Query and Update on Large-Scale Spatial-Temporal Data

GAO Zhenlong1, LI Hongyan2,3+, MIAO Gaoshan2, LEI Kai1 , WANG Tengjiao1,2,4

1. The Shenzhen Key Lab for Cloud Computing Technology and Applications, Shenzhen Graduate School, Peking University, Shenzhen, Guangdong 518055, China
2. School of Electronics Engineering and Computer Science, Peking University, Beijing 100871, China
3. Key Laboratory of Machine Perception, Ministry of Education, Peking University, Beijing 100871, China
4. Key Laboratory of High Confidence Software Technologies, Ministry of Education, Peking University, Beijing 100871, China

Online:2013-10-01 Published:2013-09-30

摘要/Abstract

摘要： 移动终端的普及催生了海量的时空数据。由于有了数据基础的支持，基于位置的服务应用也随之普及。传统的时空数据存储方案既难以适用于存储规模庞大、频繁更新的数据，又很难提供并发、高精度的区域查询服务。因此，参考大规模时空数据并发查询更新问题领域的最新研究成果，分析了该领域主流算法的特点及缺陷，设计了适用于海量高更新频率的时空数据（移动通信数据）的查询与更新算法CUU，讨论了区域查询精度问题及其解决方案。在真实移动通信数据上的实验结果表明，CUU算法可以高效处理并发的时空数据查询与更新。

关键词: 时空数据, 移动通信, 区域查询, 并发, 索引

Abstract: As the mobile terminals are more and more widely used, large-scale spatial-temporal data are being created. Large-scale spatial-temporal data have made location based service popular. Traditional spatial-temporal indexes are not capable of storing large-scale and frequently updated data and at the same time providing concurrent high resolution range query. This paper explores latest research productions on solving concurrent updating and queries on large-scale spatial-temporal data, and analyzes the characters and weaknesses of mainstream algorithms. Then this paper presents a new algorithm called CUU on solving storing, updating and queries on large-scale spatial-temporal data. It also talks about the accuracy of range query problem and its solution. The experimental results on real telecommunication data show that CUU is capable of offering efficient concurrent queries and update services.

Key words: spatial-temporal data, telecommunication, range query, concurrent, index

高振龙，李红燕，苗高杉，雷凯，王腾蛟. CUU：大规模时空数据区域查询更新策略[J]. 计算机科学与探索, 2013, 7(10): 886-895.

GAO Zhenlong, LI Hongyan, MIAO Gaoshan, LEI Kai,WANG Tengjiao. CUU: A Solution for Range Query and Update on Large-Scale Spatial-Temporal Data[J]. Journal of Frontiers of Computer Science and Technology, 2013, 7(10): 886-895.

[1]	王贝贝, 万怀宇, 郭晟楠, 林友芳. 融合局部和全局时空特征的交通事故风险预测[J]. 计算机科学与探索, 2021, 15(9): 1694-1702.
[2]	宋雨萌，陈默，于戈. 时序地理社交网络中基于动态偏好的组查询[J]. 计算机科学与探索, 2019, 13(11): 1813-1828.
[3]	李宇珺，彭智勇，吴瑕，兰海，彭煜玮. IPI：灵活高效的对象代理数据库索引结构[J]. 计算机科学与探索, 2018, 12(8): 1191-1201.
[4]	李兰英，孙建达，朱素霞. 线程交互不变量的原子性违例错误并发检测[J]. 计算机科学与探索, 2018, 12(7): 1087-1099.
[5]	王斌，郝鹏飞，吴加跃，胡义香. TVDSM:支持透明计算的虚拟磁盘存储模型[J]. 计算机科学与探索, 2018, 12(3): 350-359.
[6]	朱晔，袁红娟，钱俊彦，潘海玉. 模糊交互时态逻辑的一些标记[J]. 计算机科学与探索, 2018, 12(12): 2033-2040.
[7]	申金鑫，吴烨，陈荦，景宁. 面向空间在线分析的并行近似聚集查询[J]. 计算机科学与探索, 2018, 12(10): 1559-1570.
[8]	余寒. 并发加权μ-演算的若干性质[J]. 计算机科学与探索, 2018, 12(10): 1684-1690.
[9]	史太齐，刘亮，秦小麟 . DCST：主存空间高效的缓存敏感型T-树索引研究[J]. 计算机科学与探索, 2017, 11(2): 221-230.
[10]	车庆首，李传文，张轶，邓庆绪. GAPI：GPU加速的移动对象并行索引方法[J]. 计算机科学与探索, 2017, 11(11): 1713-1722.
[11]	王海翔，郑吉平，王永阁. 结合非空间属性的通用Skyline查询处理技术[J]. 计算机科学与探索, 2016, 10(7): 936-947.
[12]	胡昱璞，牛保宁. 动态确定K值聚类算法的R-树空间索引构建[J]. 计算机科学与探索, 2016, 10(2): 173-181.
[13]	张丽平，刘蕾，李松，于嘉希. 空间数据库中基于Voronoi图的组反k最近邻查询[J]. 计算机科学与探索, 2016, 10(10): 1365-1375.
[14]	金铮，刘梦赤，胡婕. 信息网数据库管理系统的查询优化[J]. 计算机科学与探索, 2015, 9(3): 300-309.
[15]	王胜，秦小麟，沈尧，李博涵，史文浩. 可持久化CSB+-树索引技术研究[J]. 计算机科学与探索, 2015, 9(2): 182-192.

CUU：大规模时空数据区域查询更新策略

CUU: A Solution for Range Query and Update on Large-Scale Spatial-Temporal Data

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