[发明专利]一种基于CD直方图的空间查询选择性估计方法

说明书

技术领域

本发明属于空间数据查询与处理技术领域，涉及一种基于CD直方图的空间查询选择性 估计方法。

背景技术

在数据库中，查询处理可分为查询分析、查询检查、查询优化和查询执行4个阶段。每 个查询都会有许多可供选择的执行策略和操作算法，查询优化就是选择一个高效执行的查询 处理策略。查询代价估算(模型)是一种常用的查询优化方法。

目前，关系数据库中的查询代价估算研究已较为成熟；而空间数据库的空间查询代价估 算方法的研究尚处于研究阶段。空间查询的代价取决于两个因素。第一因素为具体使用的查 询处理算法的CUP代价和I/O代价；第二个因素为输出查询结果的I/O代价。前者可以通过 查询处理算法的时间复杂度和所用索引的性能来评价；后者则由查询结果集的大小(查询选 择性)来决定。因此，空间查询选择性估计结果的准确性将直接影响空间查询代价估算的结 果，间接影响到执行策略的选择，最终影响到空间查询的执行效率。因此，提高空间查询选 择性估计算结果的准确性对于提高空间查询的执行效率有很重要的意义。

空间直方图是一种有效的、估算查询结果集的大小的方法之一。其基本思想：采用某种 策略将数据空间划分为数个子空间，一个记录单元对应一个子空间；在记录单元中统计落在 其对应子空间内的对象数目；用某种方法对这些统计值进行估计，得到查询结果集的大小的 估计值。这些记录单元称为桶，桶的集合称为直方图。

目前，国内常见的空间直方图有MinSkew、CD、Euler、GH、PH等，其中，CD直方图 用LL、LR、UL、UR四张直方图记录了空间对象MBR左下、右下、左上、右上角点落入第 0行、第0列格子左下角点至第i行、第j列格子右上角点对应矩形区域内的总数，能较为精 确地反映空间对象MBR落入空间区域(桶)内数量的情况，是一种查询命中准确率相对较 高的空间直方图。然而，CD直方图仅给出了查询区域四条边与直方图网格的分界线重合情况 下的选择性估计方法。然而，在实际应用中，用户给定的空间查询区域的四边与直方图网格 分界线重合的概率及低。如果简单地将用户给定的查询区域映射到直方图的某些格子上，其 估计结果集的大小往往与实际值相差较远。“如何对空间查询区域和CD直方图查询结果集的 大小进行修正，并使之更接近实际值”是空间直方图在实际应用中面临的重要难题。

2004年，Kim等人针对查询区域的四边与分界线不重合的问题，提出了两种基于CD直 方图选择性估计的修正方法。其修正的方法之一是在原CD直方图选择性计算结果的基础上 乘以查询区域面积与查询区域所覆盖的直方图格子面积之比。此方法蕴涵着一个假设：查询 区域所覆盖的多个格子区域内的矢量数据分布是均匀的，即空间对象的大小基本相同、分布 密度相对均匀。因此，对于分布不均匀的矢量数据此方法估计值的误差较大。尤其当查询区 域较大时，更难满足上述假设，从而加大估计误差。

针对此问题，Kim等人在原有4张CD直方图的基础上增加了1个iArea(i，j)的直方图， iArea(i，j)用于反映第i行、第j列格子内空间对象所占面积与该格子面积之比；并在原CD 直方图选择性计算结果的基础上乘以一种经iArea(i，j)和Area_i，j(Q)(第i行、第j列格子内空 间查询区域所占面积与该格子面积之比)修正的概率值，如下面公式所示：