[发明专利]一种基于后缀数组的自适应索引构建方法及系统

权利要求书

1.一种基于后缀数组的自适应索引构建方法，其特征在于，包括以下步骤：

S1、读取索引文档并获取该文档的字节数n，计算存储该文档每个字节地址所需的最小位数p并转换为存储索引地址的最小字节数t；

S2、计算存储索引地址的最小字节数t、所述索引文档的字节数n和构建工具的构建系数k三者的相乘值，从而得到构建该文档的最小所需内存a；

S3、筛选出所有a小于或等于m的索引文档集，选取对应符合所述内存要求的候选构建工具集，其中m为计算机可用内存；

S4、依次调用候选构建工具集中的构建工具进行所述索引文档集的后缀数组的训练构建，从而获取记录信息，其中，所述记录信息包括所有的训练构建数据以及每个构建工具所用的构建时间；

S5、读取所述的记录信息，从而选择并调用构建时间最少的构建工具构建后缀数组。

2.根据权利要求1所述的一种基于后缀数组的自适应索引构建方法，其特征在于，所述步骤S1中，计算存储该文档每个字节地址所需的最小位数p包括：若log₂ⁿ为整数，则p＝log₂ⁿ；若log₂ⁿ不为整数，则p＝[log₂ⁿ]+1。

3.根据权利要求2所述的一种基于后缀数组的自适应索引构建方法，其特征在于，所述步骤S1中，转换为存储索引地址的最小字节数t，包括：若log₂ⁿ为8的倍整数，则t＝log₂ⁿ/8；若log₂ⁿ不为8的倍整数，则t＝[log₂ⁿ/8]+1。

4.根据权利要求1所述的一种基于后缀数组的自适应索引构建方法，其特征在于：所述步骤S4和S5中的训练构建数据包括计算机CPU类型、硬盘类型和可用内存m，待索引文档的字节数n、数据类型和字符集以及构建时间最少的构建工具名称。

5.根据权利要求1所述的一种基于后缀数组的自适应索引构建方法，其特征在于：所述步骤S5中，采用kNN算法选择并调用构建时间最少的构建工具构建后缀数组。

6.一种基于后缀数组的自适应索引构建系统，其特征在于，包括:

索引模块，用于读取索引文档并获取该文档的字节数n，计算存储该文档每个字节地址所需的最小位数p并转换为存储索引地址的最小字节数t；

计算模块，用于计算存储索引地址的最小字节数t、所述索引文档的字节数n和构建工具的构建系数k三者的相乘值，从而得到构建该文档的最小所需内存a；

筛选模块，用于筛选出所有a小于或等于m的索引文档集，选取对应符合所述内存要求的候选构建工具集，其中m为计算机可用内存；

训练记录模块，用于依次调用候选构建工具集中的构建工具进行所述索引文档集的后缀数组的训练构建，从而获取记录信息，其中，所述记录信息包括所有的训练构建数据以及每个构建工具所用的构建时间；

构建模块，用于读取所述的记录信息，从而选择并调用构建时间最少的构建工具构建后缀数组。

7.根据权利要求6所述的一种基于后缀数组的自适应索引构建系统，其特征在于，所述索引模块计算存储该文档每个字节地址所需的最小位数p，包括：若log₂ⁿ为整数，则p＝log₂ⁿ；若log₂ⁿ不为整数，则p＝[log₂ⁿ]+1。