[发明专利]用于K最近近邻搜索的分布式内存空间数据存储

说明书

一种数据库系统，被配置为实现快速搜索距离位于地理空间中的可移动对象最近的近邻，该地理空间由多个空间上不同的子空间组成，每个子空间由多个单元组成。该数据库系统具有操作系统，该操作系统控制对象数据存储在该多个节点之间，以在这些存储节点中的相应的单个存储节点中代表一个或多个空间上不同的子空间。每个对象的位置数据用于相对于组成每个节点中的每个空间上不同的子空间的单元来索引该对象。

技术领域

本发明总体上涉及数据存储和检索。更具体地但非排他地，本发明涉及用于促进K最近近邻搜索的数据库系统。示例性实施例属于管理打车(ride-hailing)服务的领域。

背景技术

在典型的打车场景中，潜在用户通过智能手机app提出预订请求，然后主机通过派遣附近最合适的可用服务提供者来提供所需的服务，从而完成该请求。

实时定位最近的移动对象(例如，司机)是打车服务需要解决的基本问题之一。主机跟踪服务提供者的实时地理位置并为每个预订请求搜索用户位置附近的K个可用服务提供者，这是因为最近的服务提供者可能并不总是最佳选择。为了简化问题，可以使用直线距离而不是路由距离。

不同于现有的关于静态对象的K最近邻(kNN)查询(比如定位K个最近的餐馆)或者移动对象的连续K最近邻查询(比如查找距离移动的汽车最近的K个加油站)的研究，存在涉及执行动态K最近查询的移动对象的一个问题，这带来了挑战。

现有技术

静态对象的K最近近邻搜索(比如定位最近的餐馆)侧重于正确索引对象。有两种主要的索引方法：基于对象的索引和基于解的索引。

基于对象的索引是以对象的位置为目标。R树使用最小边界矩形来构建层次索引，其中，K最近邻可以通过空间连接来计算。基于解的方法侧重于(例如，基于沃罗诺伊图划分解空间)索引预先计算的解空间，并预先计算与沃罗诺伊单元相对应的任何最近邻搜索的结果。其他方法结合了前述两种方法，并提出了一个网格分区索引，其存储的对象为落入沃罗诺伊单元内的任何查询的潜在最近邻。

为了基于索引加速静态对象的kNN查询，人们提议开发一种基于R树的分支定界(branch-and-bound)算法，以在维持K最近对象的优先级列表的同时进行最佳优先搜索(best first search)。

另一种方法研究静态对象的移动kNN查询，其中，它返回多于K个结果项，以便新位置的K最近查询也将包含在先前的结果中。

然而，在移动对象上维持如此复杂的索引会受到频繁的位置更新的影响。

索引移动/可移动对象可以分为两类：(1)索引移动对象的当前位置和预期未来位置，以及(2)索引轨迹。

早期的一项工作侧重于索引移动对象的当前位置和预期未来位置并提出时间参数化的R树(即TPR树)索引。TPR树中的边界矩形是时间函数，并且随着它们的移动连续跟随封闭的数据点或其他矩形。

索引轨迹的方法提出了轨迹束树(TB树)，它保留了历史轨迹并允许R树典型的范围搜索。注意，尽管在我们的设置中，但对象的过去轨迹并不重要。

静态对象的连续K最近近邻搜索也引起了人们的注意，例如，在预先指定的路径上的任何一点上查找移动的汽车的三个最近的加油站。

与索引对象的传统方法相反，另一种方法在查询(即Q索引)和对象(即速度约束索引(VCI))两者上构建索引。又一种方法假设对象以当前速度不断移动，因此能够推断出在未来时间戳处的K最近对象。越来越多的关于连续查询监测的工作都关注索引查询。然而，这些方法要么对于查询如何移动(例如，沿着轨迹)进行假设，要么假设内存全局索引。

需要说明的是，在存在大量写操作的情况下扩展上述复杂索引技术并非易事。对于读操作和写操作两者均可以轻松扩展的一个简单的索引结构非常适合现实应用。