[发明专利]面向概率数据流的Skyline查询方法

说明书

技术领域

本发明涉及一种不确定数据流的查询处理方法，具体涉及一种面向概率数据流的Skyline查询方法。 

背景技术

多维空间上的Skyline查询处理技术是近年来数据库领域的研究热点。Skyline在偏好查询、多标准决策支持以及数据挖掘与可视化等方面应用广泛。此前大量的工作都专注于在静态数据集上计算Skyline，近年来也出现了一些在滑动窗口中计算Skyline的研究成果，最近以来，一种被称为概率数据流的数据形态逐步引起了人们的关注。Skyline查询是指从给定的一个D维数据对象集合S中选择一个子集，该子集中的任意一个数据对象都不能被S中的任意一个其他数据对象所支配。所谓支配关系是指在D维空间的数据集合S中，如果数据对象p至少在某一幅度上由于另一个数据对象q，而且数据对象p在其他维度上都不比数据对象q差(p优于或者等于q)，那么数据对象p能够支配数据对象q。 

数据流管理与分析是近年来数据库领域的研究热点。最近两年以来，数据流的研究重心逐步转移到不确定的概率数据流。数据的不确定性分为两种：元组不确定性和属性不确定性。元组不确定性是指关系数据库中的一个元组关联着一个概率值，表明其存在的可能性，本发明的数据模型即是基于元组不确定性的；属性不确定性是指元组中的每个属性值是不精确的，精确程度以一定概率(或概率密度函数)表示。 

与传统确定性数据流上的Skyline计算不同，概率数据流上的计算难点是：(1)尽可能早地淘汰那些不再有机会加入Skyline的对象；(2)采用合适的策略高效地确定新到达对象的身份。 

现有的相关工作仅限于静态数据集或传统确定性数据流的Skyline查询处理，尚无人考虑概率数据流上的Skyline计算问题。 

发明内容

本发明所要解决的技术问题是提供一种面向概率数据流的Skyline查询方法，能够解决现有技术的问题。 

为了解决以上技术问题，本发明提供了一种面向概率数据流的Skyline查询方法，包括： 

(1)准备阶段：构建一个概率数据流环境下对象的状态模型：将概率数据流中的每个元组看作一个对象，数据流中观察到的对象在进入系统之前先保存在缓冲区中； 

(2)预备阶段：新对象到达后立即调用处理过期对象的方法，从系统中淘汰过期对象并增大被该过期对象支配的对象的Skyline概率； 

(3)处理阶段：接着调用确定新到达对象身份的方法，计算新到达对象的Skyline概率并将该新到达对象插入到其所属格中相应的队列中； 

(4)最后阶段：最后调用处理被新到达对象支配的方法，处理所有被新到达对象支配的对象，即降低被新到达对象支配的对象的Skyline概率。 

优选地，本发明的面向概率数据流的Skyline查询方法，步骤(1)所述概率数据流的每一个元祖被赋予的属性包括：其在数据流中的序列号，其存在的概率，及其在各属性上的取值。 

优选地，本发明的面向概率数据流的Skyline查询方法，位于所述缓冲区的概率数据流对象具有如下四种状态：到达态、候选Skyline态、处于Skyline态、和过期态；对象在其整个生命周期内呈现不同的状态，但在一个具体的时刻它只能处于一个确定的状态。 

进一步地，本发明的面向概率数据流的Skyline查询方法，采用网格作为索引结构，并且采用队列来保存活动对象，每个网格中关联2个指针列表，分别指向该网格中的Skyline态和候选Skyline态对象的指针。 

优选地，本发明的面向概率数据流的Skyline查询方法，步骤(3)将先到达的对象u的支配域和反向支配域划分为I、II、III、IV区域。 

进一步地，本发明的面向概率数据流的Skyline查询方法，步骤(3)所述的确定新到达对象身份的方法采用概率定界方法，将新到达的对象u，记为格c， 并称为格对象，所述格c的左下角和右上角分别记为C_min和C_max，可以得出任何支配C_min的对象必须支配u，而且任何支配u的对象也必须支配C_max。 

更近一步地，本发明的面向概率数据流的Skyline查询方法，步骤(3)在到达目的的前提下尽可能地减少访问对象树，以减少支配测试的次数，在对所述III区的遍历访问过程中，如果所述到达对象u的概率上界小于概率阈值p，则停止遍历。