[发明专利]一种分布式环境下基于度量空间的top-k支配查询方法

摘要

本发明公开一种分布式环境下基于度量空间的top‑k支配查询方法，依次包括以下步骤：步骤1：给定查询输入集合Q以及度量空间中的距离公式d()，距离公式用来衡量整个数据对象与查询对象Q之间的距离；步骤2：根据步骤1提出基于集合ANN和k‑skyband并行算法。通过在分布式环境下充分利用各个节点之间的并行计算的特点，通过剪枝、排序极大的改善了在大数据集环境下基于度量空间的top‑k支配查询性能，加快查询速度，为用户的决策提供服务。

主权项

1.一种分布式环境下基于度量空间的top‑k支配查询方法，其特征在于：依次包括以下顺序执行的步骤：(1)给定查询输入数据对象集合Q以及度量空间中的距离公式d()，距离公式d()用来衡量整个数据对象O与查询输入数据对象集合Q之间的距离；(2)根据步骤(1)提出基于集合ANN和k‑skyband并行算法，该并行算法的具体内容为：(21)利用ANN(Q,k)剪枝：根据距离度量函数d()和查询输入Q计算所有数据对象与查询输入对象之间的距离Deal_Data_RDD并将其保存在各个分区中，然后每个分区单独并行求解各自分区的中ANN(Q,k)，最后将每个分区的ANN(Q,k)结果通过reduce接口进行筛选得到全局的ANN(Q,k)；将获取的全局ANN(Q,k)广播到各个节点上，利用ANN(Q,k)去过滤原始的数据集，最后得到候选集KANN(Q,k)_RDD，KANN(Q,k)_RDD中一定包含最后的top‑k支配结果集D；(22)利用k‑skyband剪枝：利用k‑skyband思想，找到KANN(Q,k)_RDD中的k‑skyband，然后进一步剪枝得到最终的候选集GlobalCandidate(k‑skyband)；(23)获取top‑k支配结果集：计算GlobalCandidate(k‑skyband)中所有对象的支配分数，然后找出top‑k个支配分数最高的，返回作为top‑k支配结果；其中，KNN(q,k)是指数据对象q的k‑NN，表示距离对象q最近的k的对象；ANN(Q,k)是指查询集合Q的k‑NN，表示距离Q最近的k个对象。