CN111159175B - 基于索引的非完整数据库Skyline查询方法 - Google Patents

Abstract

本发明公开了一种基于索引的非完整数据库Skyline查询方法，该方法为：判断针对用户输入的表R以及d个属性是否已经建立Skyline索引，如果有将Skyline索引中Skyline概率值排名前K的数据项作为搜索结果返回给用户；如果没有则根据用户的需求判断是否需要建立Skyline索引，如果不需要，则暴力索引；如果需要，则基于表R中的每个数据项的Skyline概率值以及输入的属性建立Skyline索引；并将Skyline索引中Skyline概率值排名前K的数据项作为搜索结果返回给用户。本发明充分考虑了非完整数据库的特殊性，增加查询的可用性，通过建立索引结构减少了不必要的Skyline概率计算，满足了用户的实时查询需求。

Description

基于索引的非完整数据库Skyline查询方法

技术领域

本发明属于数据库领域，尤其涉及一种基于索引的非完整数据库Skyline查询方法。

背景技术

近些年来，非完整数据库中的Skyline查询受到越来越多的关注。然而传统非完整数据库中的Skyline定义无法很好地为用户提供有效参考。概率Skyline有效地解决了非完整数据库中的Skyline查询问题，但由于牵涉大量的概率计算，传统概率Skyline查询效率低下，无法满足用户实时查询的需求。

发明内容

发明目的:为解决现有技术存在效率低等问题，本发明提供一种基于索引的非完整数据库Skyline查询方法。

技术方案：本发明提供一种基于索引的非完整数据库Skyline查询方法，该方法用于实现用户在数据库中的表R中基于d个属性进行Skyline查询，具体包括如下步骤：

步骤1：在数据库中定位到表R；

步骤2：判断针对表R以及d个属性是否已经建立Skyline索引，如果是则转步骤4；若果没有则转步骤3；

步骤3：根据用户自身需求，若用户不需要建立索引则进行暴力索引，如果用户需要建立索引，则基于表R中的每个数据项的Skyline概率值以及d个属性建立Skyline索引，并转步骤4；

步骤4：将Skyline索引中Skyline概率值排名前K的数据项作为搜索结果返回给用户。

进一步的，所述步骤3中，每个数据项的Skyline概率值的计算方法如下所示：

根据d个属性对应建立d维空间，第i维空间上的属性为第i个属性，针对表R中的任意两个数据项p和q，计算q支配p的概率为：

其中q(i),p(i)为数据项p、q的第i维空间上的属性的属性值，E(p)为与p完全相等的数据项的集合，所述完全相等为两个数据项之间未缺失属性值的相同属性的属性值相同，缺失属性值的相同属性所在的维度相同；

对于表R中的所有数据，其中的数据项p的Skyline概率值为：

P(p)＝Π_q∈R-p(1-P(q＞p))。

进一步的，所述步骤3中基于表R中的每个数据项的Skyline概率值以及d个属性建立Skyline索引，所述Skyline索引包括SL-map索引，建立SL-map索引的具体方法为：

步骤3.1：初始化map的table数组，数组的大小n为表R中数据项总数乘以4/3；

步骤3.2：针对每个数据项，基于其存储地址计算其hash值；

步骤3.3：将每个数据项的hash值对n取模，得到该数据项在数组中的位置，并将该数据项插入该数组的相应位置的链表中，并将存放该数据项的skyline概率值和存储地址的结点插入至链表中；

步骤3.4：将所有结点按照skyline概率值由大到小的顺序插入至跳表中，得到跳表A，并更新跳表A的指针。

进一步的，所述步骤4的具体方法为：根据跳表A中skyline概率值排名前K的结点，获取其中存放的K个存储地址，根据该K个存储地址在SL-map索引中找到K个相应的数据项，并将该K个数据项按照skyline概率值由大到小的顺序作为检索结果返回给用户。

进一步的，所述步骤3中建立的Skyline索引还包括SL跳表索引，该索引用于SL-map索引的更新，具体SL跳表索引的建立方法为：

步骤a，对应表R的M个属性，建立M个空SL跳表索引，每个空SL跳表索引均对应一个属性m，m＝1,2,…,M；

步骤b，针对第m个属性，建立SL跳表索引的方法是：基于表R中所有数据项的第m个属性的属性值，对应每个数据项分别建立结点，将对应属性m的属性值和存储地址存储在相应的结点中，并按照该属性m的属性值由大到小的顺序将结点插入至空SL跳表索引中，得到第m个SL跳表索引；

步骤c，重复步骤b，得到对应表R的M个属性的M个SL跳表索引。

进一步的，当有新的数据插入至表R中，需要对Skyline索引进行更新，具体方法为：

S1：针对新的数据项的每个未缺失的属性值j，在相应属性J的SL跳表索引中找到该新的数据项的位置T，在位置T上新增结点，将该新的数据项的该属性值j和存储地址插入新的结点中，从而更新SL跳表索引；

S2：在SL跳表索引中位于T之前的结点即索引项，将这些索引项记为Ei，位于T之后的索引项记为Ni；所有Ni的集合为N，所有Ei的集合为E；定义与该属性J相应的SL跳表索引中所有Skyline概率值会受到影响的索引项集合为S＝N-E；

S3：遍历集合S，根据每个索引项中的存储地址，在SL-map索引中查找其对应项，所述对应项为，在SL-map索引中存储着与索引项的存储地址相同的结点；并更新该对应项所对应的数据项的Skyline概率值，调整对应项在SL-map索引的跳表A中的位置；

S4：当所有Skyline概率值会受到影响的对应项均调整完毕后，根据新的数据项的存储地址，计算该数据项的hash值，并对hash取模后插入至SL-map索引的链表中相应的位置，更新链表的节点；计算该新的数据项的Skyline的概率值，将该新的数据项插入至调整好的跳表A中。

进一步的，当需要在表R中删除数据项时，需要对Skyline索引进行更新，具体方法为：

步骤A：针对删除的数据项的每个未缺失的属性值h，在相应属性H的SL跳表索引中找到该新的数据项的位置P，删除位置P上的结点；

步骤B：在SL跳表索引中位于P之前的结点即索引项，将这些索引项记为Ei1；将位于P之后的索引项为Ni1；所有Ni1的集合为N1，所有Ei1的集合为E1；则在与属性H相应的SL跳表索引中所有Skyline概率值会受到影响的索引项集合为S1＝N1-E1；

步骤C：遍历集合S1，根据每个索引项中的存储地址，在SL-map索引中查找其对应项，所述对应项为，在SL-map索引中存储着与索引项的存储地址相同的结点；并更新该对应项所对应的数据项的Skyline概率值，调整对应项在SL-map索引的跳表A中的位置；

步骤D：当所有Skyline概率值会受到影响的索引项均调整完毕后，在SL-map索引删除需要被删除的数据项。

有益效果：

(1)本发明提出了一种Skyline索引结构SL-Map索引，将数据项按照Skyline概率大小有序排列，且支持高效的调整更新，可以满足用户实时的Skyline查询请求。

(2)本发明提出了一种基于未缺失属性的SL索引，在数据集发生变动时可以高效定位数据项的Skyline概率是否被影响，从而提高更新Skyline索引效率。

附图说明

图1为本发明的流程图。

图2为SL-map索引图。

图3为更新Skyline索引的流程图。

具体实施方式

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

如图1所示，本发明提供一种基于索引的非完整数据库Skyline查询方法，该方法具体为：

步骤1：用户输入查询表的表名R，d个属性及阈值K；

步骤2：判断针对该表R以及d个属性是否已经建立Skyline索引，如果是则转步骤4；若果没有则转步3；

步骤3:根据用户自身需求，若用户不需要建立索引则进行暴力索引，如果用户需要建立索引，则基于表R中的每个数据项的Skyline概率值以及输入的属性建立Skyline索引，并转步骤4；

步骤4：将Skyline索引中Skyline概率值排名前K的数据项作为搜索结果返回给用户。

所述步骤3中Skyline索引的建立具体为：

步骤3.1：针对用户输入需要创建Skyline索引的表R，d个属性；计算表R中所有数据项的Skyline概率值；

步骤3.2:基于每个数据项的存储地址及Skyline概率建立SL-map索引；

步骤3.3:为数据项的所有属性各自建立SL跳表索引，具体为：

步骤3.3.1，对应表R的M个属性，建立M个空SL跳表索引，每个空SL跳表索引均对应一个属性m，m＝1,2,…,M；

步骤3.3.2，针对第m个属性，建立SL跳表索引的方法是：基于表R中所有数据项的第m个属性的属性值，对应每个数据项分别建立结点，将对应属性m的属性值和存储地址存储在相应的结点中，并按照该属性m的属性值由大到小的顺序将结点插入至空SL跳表索引中，得到第m个SL跳表索引；

步骤3.3.3，重复步骤b，得到对应表R的M个属性的M个SL跳表索引。

所述步骤3.1中计算所有数据项的Skyline概率值，具体为：根据d个属性对应建立d维空间，第i维空间上的属性为第i个属性，针对表R中的任意两个数据项p和q，计算q支配p的概率为：

其中q(i),p(i)为数据项p、q的第i维空间上的属性的属性值，E(p)为与p完全相等的数据项的集合，所述完全相等为两个数据项之间未缺失属性值的相同属性的属性值相同，缺失属性值的相同属性所在的维度相同；

对于表R中的所有数据，其中的数据项p的Skyline概率值为：

P(p)＝Π_q∈R-p(1-P(q＞p))。

如图2所示，所述步骤3.2中建立SL-map索引具体方法为：

步骤3.2.1：初始化map的table数组，数组大小n为数据项总数乘以4/3；

步骤3.2.2：利用数据项的存储地址计算相应hash值；

步骤3.2.3：将每个数据项的hash值对n取模，得到其在数组中的位置，将其插入数组相应位置的链表中以解决hash冲突；并将存放该数据项的skyline概率值和存储地址的结点插入至链表中；

步骤3.2.4：将结点插入跳表中，并更新相应指针：将所有结点按照skyline概率值由大到小顺序的插入至跳表中，得到跳表A，并更新跳表A的指针。

所述步骤4的具体为：针对用户输入查询表名R，属性名及阈值K，将表R的SL-Map索引头读入内存，并读出跳表头，从跳表A中按序得到skyline概率值排名前K的结点；获取其中存放的K个存储地址，根据该K个存储地址在SL-map索引中找到K个相应的数据项，并将该K个数据项按照skyline概率值由大到小的顺序作为检索结果读入内存，返回给用户。

Skyline索引的更新如图3所示：

新增数据项时Skyline索引更新:

步骤A:针对插入数据项的每个未缺失的属性值j，在相应属性J的SL跳表索引中找到该新的数据项的位置T，在位置T上新增结点，将该插入数据

项的该属性值j和存储地址插入新的结点中，从而更新SL跳表索引；

步骤B:在SL跳表索引中位于T之前的结点即索引项，其所对应的数据项的Skyline概率值都不会受到影响记为Ei.位于p之后的索引项，其所对应的Skyline概率值有可能会受到影响记为Ni；计算所有Ei合集E，即得到所有Skyline概率不会被影响的索引项集合；计算所有Ni合集N,则所有Skyline概率会受到影响的索引项集合为S＝N-E

步骤C:遍历集合S，根据每个索引项中的存储地址，在SL-map索引中查找其对应项，所述对应项为，在SL-map索引中存储着与索引项的存储地址相同的结点；并更新该对应项所对应的数据项的Skyline概率值，调整对应项在SL-map索引的跳表A中的位置；

步骤D：当所有Skyline概率值会受到影响的对应项均调整完毕后，根据插入数据项的存储地址，计算该数据项的hash值，并对hash取模后插入至SL-map索引的链表中相应的位置，更新链表的节点；计算该插入数据项的Skyline的概率值，将该插入数据项插入至调整好的跳表A中。

删除数据项索引更新

步骤S1：针对删除的数据项的每个未缺失的属性值h，在相应属性H的SL跳表索引中找到该新的数据项的位置P，删除位置P上的结点；

步骤S2：在SL跳表索引中位于P之前的索引项所对应的数据项的Skyline概率值都不会受到影响，将这些索引项记为Ei1；位于p之后的索引项所对应的数据项的Skyline概率值有可能会收到影响，将这些索引项记为Ni1；所有Ni1的集合为N1，所有Ei1的集合为E1；则在与属性H相应的SL跳表索引中所有Skyline概率值会受到影响的索引项集合为S1＝N1-E1；

步骤S3：遍历集合S1，根据每个索引项中的存储地址，在SL-map索引中查找其对应项，所述对应项为，在SL-map索引中存储着与索引项的存储地址相同的结点；并更新该对应项所对应的数据项的Skyline概率值，调整对应项在SL-map索引的跳表A中的位置；

步骤S4：当所有Skyline概率值会受到影响的索引项均调整完毕后，在SL-map索引删除需要被删除的数据项。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。

Claims (6)

1.基于索引的非完整数据库Skyline查询方法，其特征在于，用于实现用户在数据库中的表R中基于d个属性进行Skyline查询，所述方法具体包括如下步骤：

步骤1：在数据库中定位到表R；

步骤2：判断针对表R以及d个属性是否已经建立Skyline索引，如果是则转步骤4；若果没有则转步骤3；

步骤3：根据用户自身需求，若用户不需要建立索引则进行暴力索引，如果用户需要建立索引，则基于表R中的每个数据项的Skyline概率值以及d个属性建立Skyline索引，并转步骤4；

步骤4：将Skyline索引中Skyline概率值排名前K的数据项作为搜索结果返回给用户；

所述步骤3中基于表R中的每个数据项的Skyline概率值以及d个属性建立Skyline索引，所述Skyline索引包括SL-map索引，建立SL-map索引的具体方法为：

步骤3.1：初始化map的table数组，数组的大小n为表R中数据项总数乘以4/3；

步骤3.2：针对每个数据项，基于其存储地址计算其hash值；

步骤3.3：将每个数据项的hash值对n取模，得到该数据项在数组中的位置，并将该数据项插入该数组的相应位置的链表中，并将存放该数据项的skyline概率值和存储地址的结点插入至链表中；

步骤3.4：将所有结点按照skyline概率值由大到小的顺序插入至跳表中，得到跳表A，并更新跳表A的指针。

2.根据权利要求1所述的基于索引的非完整数据库Skyline查询方法，其特征在于，所述步骤3中，每个数据项的Skyline概率值的计算方法如下所示：

根据d个属性对应建立d维空间，第i维空间上的属性为第i个属性，针对表R中的任意两个数据项p和q，计算q支配p的概率为：

其中q(i),p(i)为数据项p、q的第i维空间上的属性的属性值，E(p)为与p完全相等的数据项的集合，所述完全相等为两个数据项之间未缺失属性值的相同属性的属性值相同，缺失属性值的相同属性所在的维度相同；

对于表R中的所有数据，其中的数据项p的Skyline概率值为：

P(p)＝Π_q∈R-p(l-P(q＞p))。

3.根据权利要求1所述的基于索引的非完整数据库Skyline查询方法，其特征在于，所述步骤4的具体方法为：根据跳表A中skyline概率值排名前K的结点，获取其中存放的K个存储地址，根据该K个存储地址在SL-map索引中找到K个相应的数据项，并将该K个数据项按照skyline概率值由大到小的顺序作为检索结果返回给用户。

4.根据权利要求1所述的基于索引的非完整数据库Skyline查询方法，其特征在于，所述步骤3中建立的Skyline索引还包括SL跳表索引，该索引用于SL-map索引的更新，具体SL跳表索引的建立方法为：

步骤a，对应表R的M个属性，建立M个空SL跳表索引，每个空SL跳表索引均对应一个属性m，m＝1,2,…,M；

步骤b，针对第m个属性，建立SL跳表索引的方法是：基于表R中所有数据项的第m个属性的属性值，对应每个数据项分别建立结点，将对应属性m的属性值和存储地址存储在相应的结点中，并按照该属性m的属性值由大到小的顺序将结点插入至空SL跳表索引中，得到第m个SL跳表索引；

步骤c，重复步骤b，得到对应表R的M个属性的M个SL跳表索引。

5.根据权利要求4所述的基于索引的非完整数据库Skyline查询方法，其特征在于，当有新的数据插入至表R中，需要对Skyline索引进行更新，具体方法为：

S1：针对新的数据项的每个未缺失的属性值j，在相应属性J的SL跳表索引中找到该新的数据项的位置T，在位置T上新增结点，将该新的数据项的该属性值j和存储地址插入新的结点中，从而更新SL跳表索引；

S2：在SL跳表索引中位于T之前的结点即索引项，将这些索引项记为Ei，位于T之后的索引项记为Ni；所有Ni的集合为N，所有Ei的集合为E；定义与该属性J相应的SL跳表索引中所有Skyline概率值会受到影响的索引项集合为S＝N-E；

S3：遍历集合S，根据每个索引项中的存储地址，在SL-map索引中查找其对应项，所述对应项为，在SL-map索引中存储着与索引项的存储地址相同的结点；并更新该对应项所对应的数据项的Skyline概率值，调整对应项在SL-map索引的跳表A中的位置；

S4：当所有Skyline概率值会受到影响的对应项均调整完毕后，根据新的数据项的存储地址，计算该数据项的hash值，并对hash取模后插入至SL-map索引的链表中相应的位置，更新链表的节点；计算该新的数据项的Skyline的概率值，将该新的数据项插入至调整好的跳表A中。

6.根据权利要求4所述的基于索引的非完整数据库Skyline查询方法，其特征在于，当需要在表R中删除数据项时，需要对Skyline索引进行更新，具体方法为：

步骤A：针对删除的数据项的每个未缺失的属性值h，在相应属性H的SL跳表索引中找到该新的数据项的位置P，删除位置P上的结点；

步骤B：在SL跳表索引中位于P之前的结点即索引项，将这些索引项记为Ei1；将位于P之后的索引项为Ni1；所有Ni1的集合为N1，所有Ei1的集合为E1；则在与属性H相应的SL跳表索引中所有Skyline概率值会受到影响的索引项集合为S1＝N1-E1；

步骤C：遍历集合S1，根据每个索引项中的存储地址，在SL-map索引中查找其对应项，所述对应项为，在SL-map索引中存储着与索引项的存储地址相同的结点；并更新该对应项所对应的数据项的Skyline概率值，调整对应项在SL-map索引的跳表A中的位置；

步骤D：当所有Skyline概率值会受到影响的索引项均调整完毕后，在SL-map索引删除需要被删除的数据项。