摘要：针对现有两层无线传感器网络范围查询中数据计算效率较低以及感知节点能耗消耗较高的问题,提出一种基于优化Paillier算法的两层无线传感器网络范围查询计算方法。首先,利用具有可验证性的优化Paillier方法加密感知数据,在保证数据安全隐私的前提下实现密文下的数据运算,将计算平台从查询节点转移到存储节点,提高数据运算效率。其次,提出一种基于最左0-1编码和HMAC数据摘要算法的低功耗数值比较方法,在保证数据稳定性的前提下,降低感知节点能耗。最后,给出该方法的具体设计与实现,并利用树莓派和温湿度、光照强度传感器构建感知节点,利用英伟达TX2边缘计算平台构建存储节点,以此构建实验平台,将范围查询计算方法在该平台进行移植与实现。与现有方法在感知节点能耗、数据计算效率方面进行对比分析,结果表明,本文方法能够在降低感知节点能耗的基础上提高数据计算效率。

摘要：近年来,MapReduce并行计算模型受到工业界和学术界广泛关注.基于该模型的系统实现已在谷歌、雅虎、Facebook等大公司内部成功应用.然而,基于MapReduce的系统实现最初用于解决海量无结构、半结构化数据的批处理问题,例如生成倒排索引、计算网页的pagerank、日志分析等,在设计上缺乏针对海量结构化数据进行交互式分析处理的优化考虑,例如:它总是采用全数据集强力扫描的数据处理模式,这有悖于结构化数据管理中常用的操作模式———选择性查询分析处理.针对该问题,引入传统数据库管理领域中常用的全局索引技术,将其应用在基于MapReduce模型的开源项目Hadoop上,以block为粒度对Hadoop分布式文件系统上的结构化数据构建全局索引结构,并给出一种面向范围查询分析的作业编译与调度执行优化算法,主要目标是基于应用语义及辅助索引结构减少不必要的map任务数,进而优化作业的调度开销和执行开销.在实验验证阶段,给出了80%,50%,30%,10%四种数据选择率在3种集群规模下的优化效果,发现作业响应时间最高可提升5倍,I?O开销最高提升10倍,任务调度开销最高提升11倍.

摘要：为支持连续数据按范围分段存放的 P2P 系统的动态负载平衡,使用了局部负载平衡算法和基于负载目录的负载平衡算法相结合的方法:局部负载平衡算法使负载交换只在邻居节点间进行,保证了相邻节点的负载始终处于平衡状态;基于负载目录的负载平衡算法使用负载目录克服了负载聚集时对节点进行均匀随机采样困难的问题,负载交换在负载目录中的所有节点中进行,使得系统能够以很高的概率满足全局负载平衡条件。算法分析和实验结果表明,这种方法可以取得较好的动态负载平衡效果。

摘要：如何有效地支持多维数据范围查询是传统数据管理领域的研究热点之一.但是,在大规模分布式系统中,这仍然是一个具有挑战性的研究工作.VBI-tree是一个对等计算环境下基于平衡树的索引架构,在该架构上可以实现集中式环境下的多种支持多维数据索引的层次化树结构,例如R-tree,X-tree和M-tree等.VBI-tree设计的查询算法保证查询可以从树的任意位置开始,而不是像集中式环境下层次化树结构那样采用从树的根节点开始查询的方法,从而成功地避免了根节点引起的系统性能瓶颈问题.对于有N个节点的网络,索引方法可以保证查询效率是O(log N).VBI-tree提出了基于AVL-tree旋转的网络重构负载均衡策略可以有效地均衡负载.另外,在数据操作频繁的情况下,为了提高索引的性能,在VBI-tree上建立特殊的祖先-子孙链接形成VBI*-tree的结构.通过使用祖先-子孙链接,可保证对于相关查询区域的探索尽量发生在同层节点之间,而不是一直往根节点方向发送,从而减轻上层节点的查询负担,并且显著地降低了更新代价.模拟实验验证了提出的方法的有效性.

摘要：面向成熟的关系-对象型空间数据库,利用Geohash编码的唯一性、一维性和递归性等特征,提出了一种基于Geohash编码的大规模轨迹数据组织方法及范围查询技术。该方法结合Geohash编码和B+树索引,设计了适应不同尺度范围查询的大规模轨迹数据的关系组织模式,并给出了相应的两阶段查询处理算法,同时提出了一种Z合并优化,以进一步提高范围查询的处理效率。实验结果表明,此方法适合于组织管理与查询分析大规模的轨迹数据,其范围查询性能高于内置的R树索引。

摘要：随着越来越多的数据以知识图谱的形式进行组织和发布,知识图谱的管理引起了大量的关注.现有知识图谱管理方法存在2个明显的缺陷:1)逻辑存储建模产生了大量的数据冗余,无法有效地支持连续属性的范围查询;2)语义存储建模代价昂贵,不能有效地适应查询的动态演化.提出了聚簇对象代理模型(cluster object deputy model, CODM)进行知识和元知识的建模管理.该模型具有2个特点,分别是模式化的逻辑存储建模和轻量级的语义存储建模.CODM设计了基于集合编辑距离的模式聚簇算法将知识图谱转化为模式数据,实现了数据的模式化存储,支持了面向属性数据类型的索引特化.此外,CODM构建类的层次系统建模实体之间的各种语义关联,采用对象指针实现了轻量级的泛化语义关联物化.实验结果证明:CODM不仅能够极大地减少数据冗余和有效地支持范围查询,而且加速了复杂查询的处理效率.

摘要：在写密集型工作环境中,日志结构合并树(LSM-Tree)已逐渐成为主流存储系统,LSM-Tree存在读操作速度慢、写操作成本高、范围查询操作效率低等问题;针对这些问题,为提升LSM-Tree的性能进行了研究,提出了一种基于LSM-Tree的键值存储系统的读写性能优化策略,通过键值分离策略设计vTree结构,并提出层内归并与消极的层间合并相结合的方法,以及范围查询优化合并的策略,从而优化系统的范围查询性能,在LSM-Tree和vTree采用不同的压缩结构,以实现系统读写性能的提升;实验结果表明,与RocksDB相比读性能提升30%,与RocksDB-vTree相比范围查询性能提升10%。

摘要：查询结果的完整性和数据隐私构成了外包空间数据库应用下的两大挑战.利用Hilbert曲线保护数据隐私,在曲线中掺入伪造的数据来保证用户完整性验证,该方法并不完全可靠.针对该问题,提出在Hilbert曲线的基础上构建数字签名,通过Hilbert曲线来确保数据的隐私,以Hilbert值的顺序构造数字签名链来保证返回范围查询结果的正确性和完整性.并且设计两种存储结构来帮助提高查询验证的可靠性,其中的一种结构用于验证范围查询所包含的曲线段上数据点的正确性和完整性,另一种结构用于防止第三方服务器或攻击者有意漏掉范围查询所包含的曲线段上所有的数据点.通过实验,我们验证了该算法的有效性.

摘要：范围查询是数据库支持的重要功能之一.在分布式数据库中,范围查询具有结果不唯一且数据量大的特点,因而中间结果的传输成本较高;同时,在以唯一主键散列存储的数据上查询非主键列上的范围条件,得到的命中数据较为分散,造成传输开销大和计算复杂度的问题.针对以上问题和基于高可用系统中数据存在多个备份的观察,本文设计了一种使用索引式备份的范围查询方法,通过将备份数据依据索引列重构实现范围查询友好的索引式备份,优化基于非主键列的范围查询任务.使用索引式备份的范围查询具有数据聚集的特点,能够有效减少数据传输成本、提高计算效率.实验结果显示,在TPC-H基准测试中,本方法相对于传统B+树索引方法具有8.4至16.7倍的性能提升,且具有较好的可扩展性.

摘要：针对目标对象与查询发出者皆为不确定移动对象的情况,提出了一种时间区间上的距离范围查询(DRqTI).此类查询搜索出数据集中在给定时间区间内,到查询发出者距离不超过阈值的目标对象,查询结果中包含对象满足查询条件的有效时间段和匹配度.提出了基于轨迹、基于时间区间和基于距离的三种剪枝策略,并给出了精炼和匹配度计算方法,在此基础上设计了查询处理算法.实验分析表明,三种剪枝策略中基于距离的方法性能最佳,提出的算法能有效处理DRqTI问题.