摘要：数据库管理系统根据应用场景分为事务型(OLTP)系统和分析型(OLAP)系统.随着实时数据分析需求增长,OLTP任务和OLAP任务混合的场景越来越普遍,业界开始重视支持混合事务和分析处理(HTAP)的数据库管理系统.这种HTAP数据库系统除了需要满足高性能的事务处理外,还需要满足实时分析对数据新鲜度的要求.因此,对数据库系统的设计与实现提出了新的挑战.近年来,在工业界和学术界涌现了一批架构多样、技术各异的原型和产品.综述HTAP数据库的背景和发展现状,并且从存储和计算的角度对现阶段的HTAP数据库进行分类.在此基础上,按照从下往上的顺序分别总结HTAP系统在存储和计算方面采用的关键技术.在此框架下介绍各类系统的设计思想、优劣势以及适用的场景.此外,结合HTAP数据库的评测基准和指标,分析各类HTAP数据库的设计与其呈现出的性能与数据新鲜度的关联.最后,结合云计算、人工智能和新硬件技术为HTAP数据库的未来研究和发展提供思路.

摘要：云边端协同架构中数据类型多样,各级存储资源与计算资源存在差异,给数据管理带来新的挑战.现有数据模型或者数据模型的简单叠加,都难以同时满足云边端中多模态数据管理和协同管理需求.因此,研究面向云边端协同的多模态数据建模技术成为重要问题.其核心在于,如何高效地从云边端三层架构中得到满足应用所需的查询结果.从云边端三层数据的数据类型出发,提出了面向云边端协同的多模态数据建模技术,给出了基于元组的多模态数据模型定义,设计了6种基类,解决多模态数据统一表征困难的问题;提出了云边端协同查询的基本数据操作体系,以满足云边端业务场景的查询需求;给出了多模态数据模型的完整性约束,为查询优化奠定了理论基础.最后,给出了面向云边端协同多模态数据模型的示范应用,并从数据存储时间、存储空间和查询时间这3个方面对所提出的数据模型存储方法进行了验证.实验结果表明,所提方案能够有效地表示云边端协同架构中的多模态数据.

摘要：对于大型无线传感器网络中要求同时支持大量的周期查询和ad hoc查询的软实时应用,提出了一种查询处理方法.设计网络存储结构,为查询处理设置合适的执行区域使其形成查询处理缓冲区,缓冲区内的节点映射了远程节点数据,并使查询和数据在缓冲区汇聚,及时得到处理.基于排队论建立缓冲区中查询任务管理模型,设计其优化策略,得到缓冲区的合适宽度和位置,并基于此设计查询处理算法.实验结果表明,该方法可以降低查询错失率并节约能量.

摘要：近几年，随着并行计算机系统的迅速发展，并行数据库系统已经成为一个新的数据库研究领域，引起了学术界和工业界的极大关注，很多研究成果已经出现．本文是综述并行数据库系统研究与进展情况的两篇文章之一，重点探讨目前并行数据库系统的研究方向和问题，综述有关并行数据库的物理设计方法和查询处理并行化技术的主要研究成果．

摘要：高速数据流处理是数据流管理系统的一个关键问题.目前已有系统一般采用查询优化、系统调度、降载等方法来提高速度,在高速数据流环境下存在明显的不足.为了最大程度地提高数据流连接操作的速度,提出专用硬件处理器WJSP及设计.针对千变万化连接条件所共同的基本操作,提出在WJSP可执行的指令系统WJSI,并提出多核处理器以提高WJSP的扩展性和并行性.实验结果显示WJSP原型比STREAM的速度提高10多倍,具有相当高的处理性能.WJSP可嵌入到路由器、交换机、传感器等设备中,提供高速数据流连接处理.

摘要：近年来,在多种领域中产生的大量数据都可以自然地建模为图结构,比如蛋白质交互网络、社会网络等.测量手段的不准确性以及数据本身的性质导致不确定性在很多图数据中普遍存在.文中研究不确定图数据库中的高效查询处理方法.首先给出一种数据模型来表示图的不确定性.鉴于对用户提交的查询图通常会产生大量匹配结果,高效得到概率最大的k个匹配常常更具有现实意义.因此文中形式化提出概率top-k子图匹配查询的问题.为了解决提出的查询问题,以附带概率信息的邻居子图为基础,设计了一种有效的索引结构.另外,提出一种高效的基于索引的查询处理方法.该查询处理方法的核心是一个基于搜索树的匹配算法,其中运用了一种概率剪枝技术来提高性能.实验结果表明,所提出方法具有良好的效率和可扩展性.

摘要：提出了一种顽健的K近邻查询处理算法ROC-KNN,根据网络拓扑动态地将查询区域划分成若干子区域。每个子区域中选择一个簇头节点收集其他节点的感知数据,并将其发送至下一个子区域的簇头节点,直至遍历所有子区域。给出了2种分布式的启发式算法,用于设置子区域大小和选择簇头节点,以减少能量消耗。设计了一种利用子区域中非簇头节点恢复查询处理过程的算法,降低了查询处理因簇头节点失效而中断的概率。实验结果表明,ROC-KNN在能量消耗、查询成功率方面均优于现有的算法。

摘要：现有无线传感器网络空间范围查询处理算法能量消耗大且当节点失效时查询处理过程易被中断,无法返回查询结果.文中提出了一种能量高效的算法ESA(Energy-efficient Spatial window query processing Algorithm).它将查询区域划分为若干个网格,每个网格中有一个簇头节点负责收集所在网格中其它节点的感知数据,对这些数据进行聚集运算得到部分查询结果,并将其发送至下一个网格的簇头节点,直至收集到查询区域内所有节点的感知数据,以生成最终的查询结果.ESA算法只需查询区域内的节点发送一次数据消息,减少了发送的数据消息数目.根据ESA的能耗公式给出了两种网格划分和簇头节点选择算法,以降低算法分发查询消息消耗的能量.设计了一种利用节点冗余保证查询处理过程鲁棒性的算法,避免了ESA因节点失效而中断.提出了两种感知数据收集算法,以减少簇头节点收集其邻居节点感知数据的能耗.最后,对ESA算法和现有的IWQE算法(Itinerary-based Window Query Execution)的性能进行了系统的理论和实验分析.分析结果表明:在绝大多数情况下,ESA算法在能量消耗、查询成功率和查询结果质量方面优于IWQE算法.

摘要：运动趋势的准确预测是实现移动对象数据库中各种预测性时空查询处理的基础.提出了一种基于概率模型的运动趋势查询及处理方法.该方法将移动对象未来可能出现的位置定义为一种随机变量.运动趋势查询的处理就是检索随机变量的概率密度函数集合并进行概率计算的过程.为了获得较为准确的概率密度函数集合,提出一种通过对大量历史轨迹随机抽样来估计概率密度函数的方法.还设计了一种能够有效存储概率密度函数和提高运动趋势查询处理效率的索引结构.实验结果表明,提出的方法能够有效支持运动趋势查询的处理并提高对移动对象运动趋势预测的准确性.

摘要：ＰＯＬＹＢＡＳＥ系统是一个集成的多数据库系统，本文主要讨论了ＰＯＬＹＢＡＳＥ系统的体系结构、集成数据模型，提出了一个基于架以查询树的查询表示模型，设计并实现了基于加权查询树查询表示模型的一个有效的导航查询处理算法。