论文部分内容阅读
信息资源的曰益膨胀使得数据管理问题逐渐成为研究焦点。当前越来越多的数据库应用依赖于多个独立的数据源,对于给定的约束,这些数据源分别是一致的,但集成时就可能是不一致的。如何处理非一致性数据成为数据管理领域的一个挑战。本文总结了目前非一致性数据管理的研究现状,讨论了一致性查询应答的计算机制、一致性查询应答与聚集查询的计算复杂性以及其它可替代的候选数据库语义。
基于一阶逻辑和完整性约束,本文提出了非一致性数据管理框架,对多种合取查询类型对应的连接图及其连接的充分性进行了研究,分析了一致性查询应答的复杂性。针对大量实际的合取查询,给出了查询重写算法,重写查询是一致性识别语句与初始查询的合取。该算法首先判断是否为可重写查询,再基于连接图进行递归计算来构造一致性识别语句,然后与初始查询合取产生一个新的一阶重写查询,用于计算一致性结果。此外,本文分析了一阶查询应答在数据库的表达方式与三类空值中的存在型空值问题。
对于合取查询,本文基于非一致性数据管理框架提出了非一致性数据库的一致性查询应答策略。解决了基于三值逻辑的空值问题,给出了无聚集查询重写算法;基于一致性查询应答的范围语义,给出了无连接和有连接的聚集查询重写算法。在上述的查询重写算法中,改进了非一致性数据库原有的一致性查询应答算法,降低了查询重写负载。通过递归循环检测和非一致性检测,解决了自身连接查询的非一致性问题。此外,对符合完整性约束的元组添加约束标志,提高了重写查询的执行性能。
基于概率关系代数和聚类技术的相关理论与方法,对元组匹配技术所产生的聚类进行研究。提出了基于聚类的概率关系及其关系运算,扩展了以前关于概率数据库和一致性查询应答的语义,给出了元组概率计算方法。以此为基础,提出了基于聚类的概率关系的非一致性数据库查询重写算法。对于无聚集查询,提出了基本的查询重写方法;基于可信聚类的查询应答范围语义,给出了无连接和有连接的聚集查询重写算法。连接查询重写方法压缩了可信聚类中需要连接的中间结果集的元组数量,有效地提高了查询性能。
本文发展已有的数据生成方法,建立了一种海量数据生成框架,可灵活生成不同的数据模式以及多粒度非一致性数据。提供了自定义的函数和表达式,在数据序列的基础上进行迭代操作,并在数据序列迭代和RDBMS间建立联系,加入了数据非一致性程度控制机制,迭代模型解决了多个迭代节点有多个引用的问题。基于这种数据生成方法和给定的聚类数据生成方法,对CQA计算和基于聚类的查询策略进行了基于TPC-H数据模式的性能评价,实验显示尽管重写查询的负载比初始查询的负载更高,但性能仍然是可以接受的。