[发明专利]用于高速搜索或过滤大数据集的系统和方法

说明书

一种内联树数据结构和一个或多个辅助数据结构编码数据集的多条数据记录；数据集的数据字段限定树分层结构。内联树包括用于每条数据记录的一个二进制字符串，这些二进制字符串具有相同的长度、按照对应于树分层结构的顺序布置；以及包括指示字符串，该指示符字符串指示每条数据记录相对于紧邻的数据记录在树分层结构中的位置。通过询问内联树数据结构中的每个指示符字符串来引导搜索程序通过数据集，以减少对数据字段值的不必要的询问。

优先权声明

本申请要求发明人Roy.W.Ward于2016年8月10日提交的名称为“用于高速搜索或过滤大数据集的系统、方法和数据结构(Systems,methods,and data structures forhigh-speed searching or filtering of large datasets)”的美国非临时申请No.15/233,047的优先权，所述非临时申请通过引用如在本文中完全阐明的那样并入本文中。

技术领域

本发明的领域涉及电子数据存储、搜索、过滤、列表、枚举或检索。具体地，本文中公开了用于高速搜索或过滤大数据集的系统、方法和数据结构。

背景技术

本申请涉及以下申请中所公开的主题：(i)由Roy W.Ward于2011年12月15日提交的美国非临时申请No.13/326,326(现在专利号为9,002,859)；(ii)由Roy W.Ward和DavidS.Alavi于2012年1月10日提交的美国非临时申请13/347,646(现在专利号为8,977,656，其被授予Ward)；(iii)由Roy W.Ward于2013年1月4日提交的美国非临时申请No.13/733,890(现在专利号为9,171,054)。所述申请和专利中的每一个通过引用如在本文中完全阐明的那样并入本文中，并且所述申请和专利在下文中统称为“内联树专利”。

存在着许多生成或采集大量数据(例如，10⁴、10⁶、10⁸或更多条数据记录，每条数据记录包括几个、数十个或数百个或更多的数据字段)的情况。对于数据集中有任何实际用途的数据，根据所排列的数据结构来存储表示数据集的标记，以使得可以搜索、过滤、列表、枚举、定位或检索数据集中的信息。在前数字时代，这种数据结构通常包括在合适的介质上打印的字母数字标记(通常包括附带的打印索引)，并且数据搜索和数据检索是由人执行的手动功能。在上个世纪中叶引入电子数据存储和搜索功能彻底改变了存储大数据集的能力，以及在所存储的数据集中搜索、过滤、列表、枚举、定位或检索信息的能力。

现如今，表示数据集的字母数字标记通常根据诸如电子表格或电子关系数据库之类的数字电子数据结构进行存储。电子表格(也称为平面文件数据库)可以被认为是具有行和列的单个表格，其中，每行对应于特定数据记录，每列对应于该数据记录的特定数据字段。在简单示例中(将在本说明书中重复使用的示例)，每条数据记录可以对应于在所有已登记选民的数据集中在特定州(例如俄勒冈州)的已登记选民。每条数据记录中的数据字段可以包括：例如，姓氏、名字、中间名或姓名、年龄、性别、婚姻状况、种族、种族划分、宗教、其他人口统计信息、街道地址(可能分为街道号码、街道名称等多个数据字段)、城市、州、邮政编码、党派、投票历史、县、美国住宅区、州参议院或住宅区、学区、其他行政区等。

关系数据库通常包括多个表，每个表包括：具有多个字段的多条记录；以及在不同表中的各个字段之间限定的关系。在上面给出的已登记选民示例中，“选民”表可以包括在相应字段中的具有姓名和人口统计信息的选民记录，并且“地址”表可以包括在相应字段中的包括街道地址和地区信息的地址记录。选民表中的字段可以包括指向地址表中相应地址的指针，该指针限定了每个地址与一个或多个相应选民之间的一对多关系。可以限定其他表和关系(包括多对多关系和限定这些关系的所谓的数据透视表)。