CN117591520A - 基于位图组的时空大数据计算方法 - Google Patents
基于位图组的时空大数据计算方法 Download PDFInfo
- Publication number
- CN117591520A CN117591520A CN202410078460.XA CN202410078460A CN117591520A CN 117591520 A CN117591520 A CN 117591520A CN 202410078460 A CN202410078460 A CN 202410078460A CN 117591520 A CN117591520 A CN 117591520A
- Authority
- CN
- China
- Prior art keywords
- bitmap
- binary
- group
- basic
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 57
- 235000019580 granularity Nutrition 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 16
- 239000000654 additive Substances 0.000 claims description 8
- 230000000996 additive effect Effects 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 6
- 238000013507 mapping Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2237—Vectors, bitmaps or matrices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种基于位图组的时空大数据计算方法,涉及数据处理技术领域,本申请将基于位图组工具集将原始时空数据以位图组的形式存储,位图组包括基础位图,各基础位图中相同相对位置上的基础位图值,组成相对位置对应记录对象的信息数据,所述信息数据为二进制信息数值。而位图组中不同基础位图上相同位置上基础位图值组成的信息数据为二进制信息数值,相比与传统位图法,本申请二进制信息数值可突破比特值域的限制,大大提升了数据的信息表达能力,可在有限的存储空间中存储更多的信息,从而达到节约存储空间的目的,也由于数据的信息表达能力得到提升,故可在保持位图原本节省计算资源的优势的情况下,丰富位图的应用场景。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种基于位图组的时空大数据计算方法。
背景技术
在大数据领域,通常会涉及到存储大量的基础数据,以供上述应用使用。如目前常用的存储数据的方法位图法,也即使用位图来存放信息。例如,设一个位图存放的数据为1、0、0、0、0、0,不同的位置表征不同的对象,而任意一位置上的数值则表征该位置对应对象的信息。但由于任意一个位置上的数值仅包括0和1两种类型。故传统的位图法存储数据时信息表达能力较弱,尤其是在面对存储大量数据的场景,需要占用较大的存储空间。
发明内容
本申请的主要目的在于提供一种基于位图组的时空大数据计算方法,旨在解决传统的位图法存储数据时信息表达能力较弱,需要占用较大存储空间的技术问题。
为实现上述目的,本申请提供一种基于位图组的时空大数据计算方法,所述位图组配置有位图组工具集,所述方法包括:
基于所述位图组工具集将原始时空数据以位图组的形式存储,其中,所述位图组包括基础位图,各基础位图中相同相对位置上的基础位图值,组成所述相对位置对应记录对象的信息数据,其中,所述信息数据为二进制信息数值。
为实现上述目的,本申请还提供一种基于位图组的时空大数据计算方法的设备,所述基于位图组的时空大数据计算方法的设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于位图组的时空大数据计算程序,所述基于位图组的时空大数据计算程序被所述处理器执行时实现如上述的基于位图组的时空大数据计算方法的工作方法的步骤。
为实现上述目的,本申请还提供一种可读存储介质,所述可读存储介质上存储有基于位图组的时空大数据计算程序,所述基于位图组的时空大数据计算程序被处理器执行时实现如上述的基于位图组的时空大数据计算方法的工作方法的步骤。
本申请实施例提出的一种基于位图组的时空大数据计算方法。本申请将基于位图组工具集将原始时空数据以位图组的形式存储,其中,所述位图组包括基础位图,各基础位图中相同相对位置上的基础位图值,组成所述相对位置对应记录对象的信息数据,其中,所述信息数据为二进制信息数值。可以理解的是,由于位图组中不同基础位图上相同位置上基础位图值组成的信息数据为二进制信息数值,相比与传统位图法中是否两种状态表达,本申请二进制信息数值可突破比特值域的限制,大大提升了数据的信息表达能力,可在有限的存储空间中存储更多的信息,从而达到节约存储空间的目的,同时由于位图组中数据的信息表达能力提升,故可在保持位图原本节省计算资源优势的情况下,实现位图应用场景的扩充。
附图说明
图1是本申请实施例方案涉及的硬件运行环境的设备结构示意图;
图2为本申请基于位图组的时空大数据计算方法中原始时空数据的原始位图示意图;
图3为本申请基于位图组的时空大数据计算方法的第一实施例的流程示意图;
图4为本申请基于位图组的时空大数据计算方法中位图组的示意图;
图5为本申请基于位图组的时空大数据计算方法的第二实施例的流程示意图;
图6为本申请基于位图组的时空大数据计算方法的第三实施例的流程示意图;
图7为本申请基于位图组的时空大数据计算方法中位图组加法工具应用场景图;
图8为本申请基于位图组的时空大数据计算方法的第四实施例的流程示意图;
图9为本申请基于位图组的时空大数据计算方法中位图组减法工具应用场景图;
图10为本申请基于位图组的时空大数据计算方法中二进制减法运算场景的映射表;
图11为本申请基于位图组的时空大数据计算方法的第五实施例的流程示意图;
图12为本申请基于位图组的时空大数据计算方法中人群驻留场景下位图组颗粒度示意图;
图13为本申请基于位图组的时空大数据计算方法中二进制指标数值的示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
如图1所示,图1是本申请实施例方案涉及的硬件运行环境的设备结构示意图。
本申请实施例设备可以是PC、智能手机、平板电脑、便携计算机等电子终端设备。
如图1所示,该设备可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,设备还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块等等。其中,传感器比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示屏的亮度,接近传感器可在移动终端移动到耳边时,关闭显示屏和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;当然,移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
本领域技术人员可以理解,图1中示出的设备结构并不构成对设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于位图组的时空大数据计算程序。
在图1所示的设备中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的基于位图组的时空大数据计算程序,所述位图组配置有位图组工具集,并执行以下操作:
基于所述位图组工具集将原始时空数据以位图组的形式存储,其中,所述位图组包括基础位图,各基础位图中相同相对位置上的基础位图值,组成所述相对位置对应记录对象的信息数据,其中,所述信息数据为二进制信息数值。
进一步地,所述位图组工具集至少包括位图组加法工具、位图组减法工具以及位图组分段获取工具中的一种或多种,其中,所述位图组加法工具用于位图与位图组、位图组与位图组之间的二进制加法运算,所述位图组减法工具用于位图组与位图组之间的二进制减法运算。
进一步地,处理器1001可以调用存储器1005中存储的基于位图组的时空大数据计算程序,还执行以下操作:
二进制信息数值中不同数位对应位图组中不同的基础位图,参与所述二进制加法的位图组包括第一位图组和第二位图组,所述第一位图组包括第一基础位图,所述第二位图组包括第二基础位图;
在基于所述位图组加法工具进行位图组与位图组之间的二进制加法运算的过程中,所述方法包括:
对于任意一个记录对象以及所述记录对象的二进制信息数值中的任意一个数位,将所述记录对象在表征所述数位的第一基础位图中对应相对位置上的目标第一基础位图值与第一相加对象进行异或运算,得到在所述数位上进行二进制加法运算的本位结果,其中,所述第一相加对象为所述记录对象在表征所述数位的第二基础位图中对应相对位置上的目标第二基础位图值,或,为所述二进制信息数值中所述数位相邻低位数位上进行二进制加法运算的进位结果和所述目标第二基础位图值;
将所述目标第一基础位图值与所述目标第二基础位图值进行与运算得到第一结果,将所述目标第一基础位图值与所述目标第二基础位图值进行或运算得到第二结果,将所述第二结果与所述相邻低位数位上进行二进制加法运算的进位结果进行与运算得到第三结果,将所述第一结果与所述第三结果进行或运算得到所述数位上进行二进制加法运算的进位结果。
进一步地,处理器1001可以调用存储器1005中存储的基于位图组的时空大数据计算程序,还执行以下操作:
二进制信息数值中不同数位对应位图组中不同的基础位图,参与所述二进制减法的位图组包括第三位图组和第四位图组,所述第三位图组包括第三基础位图,所述第四位图组包括第四基础位图;
在基于位图组减法工具进行位图组与位图组之间的二进制减法运算的过程中,所述方法包括:
对于任意一个记录对象以及所述记录对象的二进制信息数值中的任意一个数位,将所述记录对象在表征所述数位的第三基础位图中对应相对位置上的目标第三基础位图值与相减对象进行异或运算,得到所述数位上进行二进制减法运算的本位结果,其中,所述相减对象为所述记录对象在表征所述数位的第四基础位图中对应相对位置上的目标第四基础位图值,或,为所述二进制信息数值中所述数位相邻低位数位上进行减法运算的借位结果和所述目标第三基础位图值;
将所述目标第三基础位图值的非与所述相邻低位数位上进行减法运算的借位结果进行与运算得到第四结果,将所述目标第三基础位图值与所述相邻低位数位上进行减法运算的借位结果进行异或运算得到第五结果,将所述第五结果的非与所述目标第四基础位图值进行与运算得到第六结果,将所述第四结果与所述第六结果进行或运算得到所述数位上进行减法运算的借位结果。
进一步地,处理器1001可以调用存储器1005中存储的基于位图组的时空大数据计算程序,还执行以下操作:
所述原始时空数据为原始位图,所述原始位图中包括原始位图值;
所述基于所述位图组工具集将原始时空数据以位图组的形式存储的步骤包括:
对于所述位图组记录的任意一个记录对象,基于所述位图组工具集中的位图组加法工具,将所述原始时空数据中与所述记录对象对应的目标原始位图值进行二进制累加,得到所述位图组的基础位图中与所述记录对象对应的目标基础位图值,以将所述原始时空数据以位图组的形式存储。
进一步地,处理器1001可以调用存储器1005中存储的基于位图组的时空大数据计算程序,还执行以下操作:
二进制信息数值中不同数位对应位图组中不同的基础位图;
所述基于所述位图组工具集中的位图组加法工具,将所述原始时空数据中与所述记录对象对应的目标原始位图值进行二进制累加,得到所述位图组的基础位图中与所述记录对象对应的目标基础位图值的步骤包括:
对于累加过程中的任意一次二进制加法运算,以及在所述二进制加法中所述位图组的任意一个基础位图,将所述记录对象在所述基础位图中对应相对位置上的当前基础位图值与第二相加对象进行异或运算,得到所述记录对象在基础位图中所述相对位置上的目标基础位图值,其中,在所述基础位图表征所述二进制信息数值中最低数位的情况下,所述第二相加对象为所述目标原始位图值,在所述基础位图表征所述二进制信息数值中的非最低数位的情况下,所述第二相加对象为,所述基础位图的相邻低位基础位图中所述相对位置上相关位图值进行二进制加法得到的进位结果;
将所述当前基础位图值与所述第二相加对象进行与运算,得到所述基础位图中所述相对位置上相关位图值进行二进制加法的进位结果。
进一步地,处理器1001可以调用存储器1005中存储的基于位图组的时空大数据计算程序,还执行以下操作:
所述方法还包括:
在接收到获取指令后,基于所述获取指令中的目标指标范围确定子指标范围;
基于所述位图组工具集中的位图组分段获取工具,从数据库中分段获取所述子指标范围指向的基础数据,其中,所述数据库中的数据以所述位图组的形式储存;
基于所述位图组工具集中的位图组加法工具和/或位图组减法工具对所述基础数据进行运算,得到所述目标指标范围指向的目标数据。
进一步地,处理器1001可以调用存储器1005中存储的基于位图组的时空大数据计算程序,还执行以下操作:
所述从数据库中分段获取所述子指标范围指向的基础数据的步骤包括:
对于任意一个子指标范围,基于所述子指标范围中的二进制指标值的最高数位进行分段得到搜索段,其中,二进制指标值中初次确定的最高数位为所述二进制指标值中最高不为零的数位,且在初次分段时,将最高数位位置相同的二进制指标值归一个搜索段;
对于任意一个搜索段,若所述搜索段为完整搜索段,则基于所述完整搜索段中二进制指标值的数值特征从所述数据库搜索匹配,得到所述完整搜索段指向的子基础数据;
基于所述位图组工具集中的位图组加法工具将得到的子基础数据合并为所述基础数据。
进一步地,处理器1001可以调用存储器1005中存储的基于位图组的时空大数据计算程序,还执行以下操作:
所述搜索段的类型包括完整搜索段和非完整搜索段;
在所述基于所述子指标范围中的二进制指标值的最高数位进行分段得到搜索段的步骤之后,所述方法包括:
将所述搜索段的长度与所述搜索段中二进制指标值的最高数位对应的完整长度比较,其中,所述完整长度的计算公式为完整长度=2n-1,式中,n为所述最高数位的所在位;
若所述搜索段的长度小于所述最高数位对应的完整长度,则所述搜索段为非完整搜索段;
若所述搜索段的长度等于所述最高数位对应的完整长度,则所述搜索段为完整搜索段。
进一步地,处理器1001可以调用存储器1005中存储的基于位图组的时空大数据计算程序,还执行以下操作:
在所述则基于所述完整搜索段中二进制指标值的数值特征从所述数据库搜索匹配,得到所述完整搜索段指向的子基础数据的步骤之前,所述方法包括:
若搜索段为完整搜索段,对于所述完整搜索段的任意一个二进制指标值,将所述二进制指标值中被确定过为最高数位的数位以及各最高数位的位图值,和所述二进制指标值中位于初次确定的最高数位之后的高位位图值均为零作为所述数值特征;
若所述搜索段为非完整搜索段,则将所述最高数位在所述二进制指标值中的相邻低位数位作为新的最高数位;
基于所述新的最高数位的位图值对所述非完整搜索段进行分段得到新的搜索段,其中,新的最高位的位图值相同的二进制指标值被归为同一个新的搜索段;
基于所述新的最高位和所述新的搜索段,返回执行所述将所述搜索段的长度与所述搜索段中二进制指标值的最高数位对应的完整长度比较的步骤,直至分段得到的搜索段中不存在非完整搜索段。
进一步地,处理器1001可以调用存储器1005中存储的基于位图组的时空大数据计算程序,还执行以下操作:
所述基于所述完整搜索段中二进制指标值的数值特征从所述数据库搜索匹配,得到所述完整搜索段指向的子基础数据的步骤包括:
基于所述最高数位的位图值从数据库搜索匹配得到初步匹配结果;
对于所述初步匹配结果中的任意一个候选二进制指标值,将所述二进制指标值中位于初次确定的最高数位之后的高位位图值进行或运算得到第七结果;
若所述第七结果的非为一,则将所述候选二进制指标值作为目标二进制指标值;
将数据库中所述目标二进制指标值指向的位图组数据作为所述子基础数据。
进一步地,处理器1001可以调用存储器1005中存储的基于位图组的时空大数据计算程序,还执行以下操作:
所述数据库中包括不同颗粒度的位图组,所述颗粒度表征位图组中信息数据对应的区段单元大小;
所述基于所述获取指令中的目标指标范围确定子指标范围的步骤包括:
根据所述目标指标范围中所包括的区段单元,并以运算的次数最少为目标,确定所述目标指标范围的子指标范围以及与所述子指标范围关联的运算式,其中,对于任意一个子指标范围,所述子指标范围中各二进制指标值指向的位图组的颗粒度相同,所述运算式用于所述基础数据的运算。
为清楚的说明本申请方案,以一数据存储场景为例进行说明。
示例性的,在对某人群的时空数据进行存储的场景下,其中,时空数据为用户(人群中的某个人员)在某时段下在某个位置的基站是否驻留。例如,参照图2,为本申请原始时空数据中原始位图示意图,图中原始位图存储的原始位图值依次为1、0、0、1、1、...、N,设该原始位图为某基站针对某时刻的五分钟快照结果,且0表征未驻留,1表征驻留。如图所示,原始位图中第4位上为位图值1,第4位与用户4对应,而位图值1则表征在该原始位图对应的基站以及对应的五分钟下用户4为驻留状态,由此可见,原始位图相当于表征人群驻留状态的明细情况。若将每个五分钟明细数据进行存储,在实际应用中,则需要庞大的存储空间。故针对上述情况,本申请提出一种位图组工具集的时空大数据计算方法,也即以位图组的形式存储数据。相比于传统位图法,本申请的位图组可提高位图值的信息表达能力,从而使用有限的位图存储更多的数据,以达到节省存储空间的目的。
参照图3,为本申请基于位图组的时空大数据计算方法的第一实施例,所述位图组配置有位图组工具集,所述方法包括:
步骤S10,基于所述位图组工具集将原始时空数据以位图组的形式存储,其中,所述位图组包括基础位图,各基础位图中相同相对位置上的基础位图值,组成所述相对位置对应记录对象的信息数据,其中,所述信息数据为二进制信息数值。
需要说明的是,上述位图组工具集中包括有位图组工具,不同位图组工具可实现不同的功能,例如,位图组工具的种类包括位图组加法工具,位图组加法工具用于将原始时空数据中原始位图的原始位图值进行二进制累加,得到位图组中基础位图的基础位图值。示例性的,位图组包括有基础位图,通常情况下一个位图组中存在有多个基础位图(一个基础位图中也可仅有一个基础位图),各基础位图中相同相对位置上的基础位图值将组成该相对位置对应记录对象的信息数据。以上述驻留人群的场景为例进行说明,记录对象可以是用户,而位图(可以是基础位图,也可以是原始位图)中不同位置(即不同的相对位置,例如,某位图中的第n位)的位图值分别对应不同的用户,而不同位图中相同位置(即上述相同相对位置)对应于同一个用户,例如,在基础位图1中的第2位与基础位图2中的第2位对应同一个用户。但需要注意的是,本申请中各基础位图值组成的信息数据为二进制信息数值,例如,一个二进制信息数值可以为1101,同样基于上述例子,二进制信息数值可以表征该用户在一时间段下驻留次数,而不仅仅是表征是否驻留。参照图4,为本申请中位图组的示意图,如图所示,位图组中包括基数位图1至基础位图4。每个基础位图的第3位与用户3对应,相应的用户3的信息数据为1101(需要说明是,在实际应用中,各基础位图与信息数据中二进制信息数值的对应顺序可由技术人员根据实际需求设置,也即图4中用户3的信息数据为1101还是1011,可自由设置)。可以理解的是,由于二进制信息数值可以表征驻留次数,也即相当于对是否驻留数据的统计量,故位图组中存储的二进制信息数值可表征更多的信息,从而节省存储空间。例如,在实际应用中,需要了解某位置的人员驻留情况,通常以小时或天为单位进行统计(无需精细到分钟),设每个原始位图对应一个5分钟时段,在传统位图法中,若要确定一个小时的某人员驻留情况,则需要存储12个位图(原始位图),从而确定人员在一小时中各个五分钟的时间段下是否驻留。可以理解的是,若按照五分钟一次快照频率,在一个小时中该人员最多驻留12次,每次五分钟,若按照一个小时的最高驻留次数12次,并换算为二进制数值为1100,其中,1100中的每个数据分别保存在不同基础位图中,故需要4个基础位图,也即针对上述场景位图组需要由4个基础位图组成。故在上述信息表达场景中对于相同的人员驻留信息,传统位图法需要至少12个位图(原始位图)才能完成信息的储存,而本申请最多需要4个位图(基础位图)即就可完成信息的储存,由此可见本申请中通过位图组的形式存储数据在需要大量存储信息数据的场景下,可减少数据存储所需的空间。
在本实施例中,将基于位图组工具集将原始时空数据以位图组的形式存储,其中,所述位图组包括基础位图,各基础位图中相同相对位置上的基础位图值,组成所述相对位置对应记录对象的信息数据,其中,所述信息数据为二进制信息数值。可以理解的是,由于位图组中不同基础位图上相同位置上基础位图值组成的信息数据为二进制信息数值,相比与传统位图法中是否两种状态表达,本申请二进制信息数值可突破比特值域的限制,大大提升了数据的信息表达能力,在有限的存储空间中存储更多的信息,从而达到节约存储空间的目的,同时由于位图组中数据的信息表达能力提升,故可在保持位图原本节省计算资源优势的情况下,实现位图应用场景的扩充。
在一可行的实施方式中,所述位图组工具集至少包括位图组加法工具、位图组减法工具以及位图组分段获取工具中的一种或多种,其中,所述位图组加法工具用于位图与位图组、位图组与位图组之间的二进制加法运算,所述位图组减法工具用于位图组与位图组之间的二进制减法运算。
示例性的,位图组工具集至少包括位图组加法工具、位图组减法工具以及位图组分段获取工具中的一种或多种。对于任意一个位图组工具,可以是将底层位图技术和逻辑代数封装好的方法,可供上层应用调用。例如,位图组加法工具可用于位图与位图组、位图组与位图组之间的二进制加法运算,例如,将多个位图组合并,如设存在24个统计单位小时的位图组,且每个位图组对应某天中一小时下的人员驻留情况,可通过位图组加法工具将24个统计单位小时的位图组合并,从而得到一天的人员驻留情况。而位图组减法工具用于位图组与位图组之间的二进制减法。而位图组分段获取工具则可用于根据指定的匹配条件匹配数据(即匹配位图组)。
此外,位图组工具集还可以包括,位图组转数组工具、数组转位图组工具、位图组与工具、位图组单值获取工具、位图组目标值查询工具、位图组目标组值查询工具、位图组设置目标值工具、位图组设置目标组值工具等。若同样基于上述人群驻留情况(驻留时长)的例子,位图组转数组工具的输入为位图组,输出为用户位图索引值,使用场景为时长数据解码;数组转位图组工具的输入为用户位图索引值,输出为位图组,使用场景为时长数据编码;位图组与工具的输入为位图组、用户索引位图,输出为位图组,使用场景为筛选指定人群的时长;位图组单值获取工具的输入为位图组、查找值,输出为匹配用户的索引位图,使用场景为匹配指定时长区间的人群;位图组目标值查询工具的输入为位图组、用户位图索引列表,输出为用户位图索引值,使用场景为获取指定多个用户的时长;位图组设置目标值工具的输入为位图组、用户位图索引、值,使用场景更新指定用户的时长;位图组设置目标组值工具的输入位图组、用户位图索引值,使用场景为更新指定多个用户的时长。
参照图5,为基于本申请的第一实施例提出本申请的第二实施例,本实施例中与上述实施例相同或者相似内容可参考上文介绍,后续不再赘述。在本实施例中原始时空数据为原始位图,所述原始位图中包括原始位图值。
所述基于所述位图组工具集将原始时空数据以位图组的形式存储的步骤包括:
步骤S100,对于所述位图组记录的任意一个记录对象,基于所述位图组工具集中的位图组加法工具,将所述原始时空数据中与所述记录对象对应的目标原始位图值进行二进制累加,得到所述位图组的基础位图中与所述记录对象对应的目标基础位图值,以将所述原始时空数据以位图组的形式存储。
在本实施例中,同样以人群驻留情况(可以是驻留时长、驻留次数等)的场景为例进行说明。上述原始时空数据可以是由基站5分钟快照产生的原始位图,原始位图中的位图值为原始位图。可以理解的是,在原始位图中任意一个原始位图值可表征对应记录对象(例如,某个移动通信网络的用户)的驻留状态。而对于位图组中任意一个基础位图的基础位图值,该基础位图值则表征对应记录对象的信息数据(二进制信息值)中的某个数位上的值。故需要对原始时空数据进行处理,才能得到以位图组形式存储的数据。
示例性的,对于位图组记录的任意一个记录对象(例如,基础位图中的第n位),可通过位图组工具集中的位图组加法工具将原始时空数据中与该记录对象对应的目标原始位图值(例如,原始位图中第n位上的原始位图值)进行二进制累加,从而得到位图组的基础位图中与所述记录对象对应的目标基础位图值。例如,针对基站在一个小时下产生的5分钟快照数据场景,并以其中第1位为例进行说明,设初始的位图组中包括基础位图1,且基础位图1中第1位的基础位图值为0,设基站产生的第一个原始位图中第1位上的原始位图值为1(第一累加的目标原始位图值),将第一个原始位图中第1位上的原始位图值与基础位图1中第1位的基础位图值相加(按照二进制的加法原则),此时,基础位图1中第1位的基础位图值变更为1(即第一累加的目标基础位图值)。进一步的,基站产生第二个原始位图,且第二个原始位图中第1位上的原始位图值为1,将第二个原始位图中第1位上的原始位图值与当前基础位图1中第1位的基础位图值相加(按照二进制的加法原则),此时对应的二进制数值为10(其中,0为二进制数值中的第1个数位,由基础位图1表征,而1则为二进制数值中的第2个数位),故可在位图组新增基础位图2,用于表征二进制数值中的1,故此时位图组中基础位图1的第1位的基础位图值为0,基础位图2的第1位的基础位图值为1。进一步的,基站产生第三个原始位图,且第三个原始位图中第1位上的原始位图值为1,将第三个原始位图中第1位上的原始位图值与当前基础位图1中第1位的基础位图值相加,对应的二进制数值为11,故此时位图组中基础位图1的第1位的基础位图值则变更为1。此外,在实际用中也可累计一定数据的原始位图后,再将对应相同位置上的原始位图值二进制累加,得到二进制数值后,再将二进制数值中各个数位上的数值保存在位图组中的各基础位图中。而位图组中需要记录的记录对象均可通过上述方式完成存储,也即通过上述二进制累加的方式可将原始时空数据以位图组的形式存储。
此外,对于每个位图组数据保存的区段单元也可由技术人员根据需求设置,例如,区段单元可以小时、或者天等,且除时间维度外,也可从空间维度划分区段单元。
在一可行的实施方式中,二进制信息数值中不同数位对应位图组中不同的基础位图;所述基于所述位图组工具集中的位图组加法工具,将所述原始时空数据中与所述记录对象对应的目标原始位图值进行二进制累加,得到所述位图组的基础位图中与所述记录对象对应的目标基础位图值的步骤包括:
步骤S101,对于累加过程中的任意一次二进制加法运算,以及在所述二进制加法中所述位图组的任意一个基础位图,将所述记录对象在所述基础位图中对应相对位置上的当前基础位图值与第二相加对象进行异或运算,得到所述记录对象在基础位图中所述相对位置上的目标基础位图值,其中,在所述基础位图表征所述二进制信息数值中最低数位的情况下,所述第二相加对象为所述目标原始位图值,在所述基础位图表征所述二进制信息数值中的非最低数位的情况下,所述第二相加对象为,所述基础位图的相邻低位基础位图中所述相对位置上相关位图值进行二进制加法得到的进位结果;
步骤S102,将所述当前基础位图值与所述第二相加对象进行与运算,得到所述基础位图中所述相对位置上相关位图值进行二进制加法的进位结果。
需要说明的是,在二进制累加过程中,每次的二进制加法运算的方式基本相同,故在本实施例中将以一次二进制加法运算为例进行说明。
示例性的,对于任意一次二进制加法运算,以及对于所述二进制加法运算中所述位图组的任意一个基础位图。将上述记录对象在该基础位图中对应相对位置上(例如,记录对象对应的第n位)的当前基础位图值与第二相加对象进行异或运算,即可得到上述记录对象在该基础位图中相同相对位置上的目标基础位图值。值得注意的是,若该基础位图表征所述二进制信息数值中最低数位(例如,若一个二进制信息数值为110,则数值0所在的数位为最低数据),此时,第二相加对象为目标原始位图值。若该基础位图表征二进制信息数值中的非最低数位,则第二相加对象为该基础位图的相邻低位基础位图中相同相对位置上相关位图值进行二进制加法得到的进位结果,例如,若二进制信息数值为10,且相对位置为第1位,0所在的数位由基础位图1表征,1所在的数位由基础位图2表征,则基础位图2表征进制信息数值中的非最低数位,且基础位图1为基础位图2的相邻低位基础位图,若在基础位图1的第1位上相关位图值进行的二进制加法为1+1=10,则基础位图1的进位结果为1。
需说明的是,将当前基础位图值与第二相加对象进行异或运算的运算结果,为在该基础位图中该相对位置上本位的运算结果(其中,当前基础位图值存在1或0的取值可能,同样的,第二相加对象存在1或0的取值可能,且异或运算具体为0+0=0、0+1=1、1+0=1、1+1=0)。但实际上还存在有进位的可能性,例如,若当前基础位图值和第二相加对象均为1,按照二进制运算法则,1+1的二进制结果应当是10,本位的位图值应当为0(即异或运算的结果为1+1=0),进位的位图值应当为1。故进一步将当前基础位图值与第二相加对象进行与运算(其中,与运算具体可包括0+0=0、0+1=0、1+0=0、1+1=1),得到该基础位图中相同相对位置上相关位图值进行二进制加法的进位结果,例如,同样基于上述例子,当前基础位图值和第二相加对象均为1,进行与运算得到进位结果为1。
可以理解的是,在本实施例中,将针对本位和进位使用不同的逻辑代数进行计算,从而将单一的是否信息数据统计为二进制信息数据,也即将原始位图以位图组的形式保存,大大降低信息数据所需的存储空间。
参照图6,为基于本申请的第一实施例、第二实施例提出本申请的第三实施例,本实施例中与上述实施例相同或者相似内容可参考上文介绍,后续不再赘述。在本实施例中,二进制信息数值中不同数位对应位图组中不同的基础位图,参与所述二进制加法的位图组包括第一位图组和第二位图组,所述第一位图组包括第一基础位图,所述第二位图组包括第二基础位图;
在基于所述位图组加法工具进行位图组与位图组之间的二进制加法运算的过程中,所述方法包括:
步骤S111,对于任意一个记录对象以及所述记录对象的二进制信息数值中的任意一个数位,将所述记录对象在表征所述数位的第一基础位图中对应相对位置上的目标第一基础位图值与第一相加对象进行异或运算,得到在所述数位上进行二进制加法运算的本位结果,其中,所述第一相加对象为所述记录对象在表征所述数位的第二基础位图中对应相对位置上的目标第二基础位图值,或,为所述二进制信息数值中所述数位相邻低位数位上进行二进制加法运算的进位结果和所述目标第二基础位图值;
步骤S112,将所述目标第一基础位图值与所述目标第二基础位图值进行与运算得到第一结果,将所述目标第一基础位图值与所述目标第二基础位图值进行或运算得到第二结果,将所述第二结果与所述相邻低位数位上进行二进制加法运算的进位结果进行与运算得到第三结果,将所述第一结果与所述第三结果进行或运算得到所述数位上进行二进制加法运算的进位结果。
需要说明的是,位图组加法工具可用于位图组与位图组之间的二进制加法运算,例如,在涉及到位图组中统计(或者累计)数据合并时,则可采用位图组加法工具将两个位图组进行二进制加法运算。在基于图组加法工具进行位图组与位图组之间的二进制加法运算的过程中,若参与二进制加法的位图组包括第一位图组和第二位图组,且第一位图组的基础位图为第一基础位图,第二位图组的基础位图为第二基础位图。
示例性的,对于任意的一个记录对象,以及该记录对象的二进制信息数值中的任意一个数位,将记录对象在表征该数位的第一基础位图中对应相对位置上的目标第一基础位图值和第一相加对象进行异或运算,从而得到在该数位上进行二进制加法运算的本位结果。例如,参照图7为本申请中位图组加法工具应用场景图。如图所示,第一位图组包括第一基础位图1至第一基础位图4,第二位图组包括第二基础位图1至第二基础位图4。设记录对象为用户1(即基础位图的第一位),用户1在第一位图组和第二位图组中对应的二进制信息数据分别为1111和1011,若基于二进制运算法则,1111+1011=11010。以记录对象的二进制信息数值中的第二个数位为例进行说明,在第一位图组中表征第二个数位的为第一基础位图2,在第一基础位图2中第一位(也即记录对象用户1对应的相对位置)的目标第一基础位图值为1,在第二位图组中表征第二个数位的为第二基础位图2,在第二基础位图2中第一位的目标第二基础位图值为1(也即第一相加对象),将目标第一基础位图值与目标第二基础位图值进行异或运算,即1与1进行异或运算的结果为0,而由于第二个数位的相邻低位数位,即第一个数位上进行二进制加法运算存在进位(如1+1进行二进制运算需要进位,且进位结果为1),故0与1进行的异或运算的结果为1,与二进制信息数值11010中第二个数位上的值一致。需要说明的是,若相邻低位数位不存在进位,则可仅对目标第一基础位图值与目标第二基础位图值进行异或运算,也可将进位结果作为0参与到本位结果的异或运算中。
进一步的,得到二进制信息数值中上述数位的本位结果后,再确定该数位的进位结果。将上述过程得到目标第一基础位图值与目标第二基础位图值进行与运算得到第一结果,将该目标第一基础位图值与目标第二基础位图值进行或运算得到第二结果,将该第二结果与上述相邻低位数位上进行二进制加法运算的进位结果进行与运算得到第三结果,再将第一结果与第三结果进行或运算得到该数位上进行二进制加法运算的进位结果。例如,同样基于上述用户1在第一位图组和第二位图组中对应的二进制信息数据分别为1111和1011的例子。目标第一基础位图值和目标第二基础位图值均为1,1与1进行与运算的结果为1,即第一结果。1与1进行或运算的结果为1,即第二结果。第二结果(1)与上述相邻低位数位上进行二进制加法运算的进位结果(1)进行与运算的结果为1,即第三结果。第一结果(1)与第三结果(1)进行或运算即可得到该数位上进行二进制加法运算的进位结果为1。
此外,需要说明的是,在二进制加法运算的过程中对于计算得到的二进制信息数值中任意一个数位上本位和进位的计算公式如下:
在数位为二进制信息数值中第一个数位(最低数位):
本位k[1] = a[1]⊕ b[1]
进位m[1] = a[1]· b[1]
式中,本位k[1]为第一个数位的加法本位结果,a[1]为第一个数位的目标第一基础位图值,b[1]为第一个数位的目标第二基础位图值,进位m[1]为第一个数位的进位结果,⊕为异或运算,·为与运算。
在数位为二进制信息数值中第n个数位(n大于1):
本位k[n] = a[n]⊕ b[n] ⊕ m[n-1]
进位m[n] = (a[n]· b[n]) + ((a[n]+ b[n]) · m[n-1])
式中,本位k[n]为第n个数位的加法本位结果,a[n]为第n个数位的目标第一基础位图值,b[n]为第n个数位的目标第二基础位图值,进位m[n]为第n个数位的进位结果,⊕为异或运算,·为与运算,+为或运算。
参照图8,为基于本申请的第一实施例、第二实施例、第三实施例,提出本申请的第四实施例,本实施例中与上述实施例相同或者相似内容可参考上文介绍,后续不再赘述。在本实施例中,二进制信息数值中不同数位对应位图组中不同的基础位图,参与所述二进制减法的位图组包括第三位图组和第四位图组,所述第三位图组包括第三基础位图,所述第四位图组包括第四基础位图;
在基于位图组减法工具进行位图组与位图组之间的二进制减法运算的过程中,所述方法包括:
步骤S121,对于任意一个记录对象以及所述记录对象的二进制信息数值中的任意一个数位,将所述记录对象在表征所述数位的第三基础位图中对应相对位置上的目标第三基础位图值与相减对象进行异或运算,得到所述数位上进行二进制减法运算的本位结果,其中,所述相减对象为所述记录对象在表征所述数位的第四基础位图中对应相对位置上的目标第四基础位图值,或,为所述二进制信息数值中所述数位相邻低位数位上进行减法运算的借位结果和所述目标第三基础位图值;
步骤S122,将所述目标第三基础位图值的非与所述相邻低位数位上进行减法运算的借位结果进行与运算得到第四结果,将所述目标第三基础位图值与所述相邻低位数位上进行减法运算的借位结果进行异或运算得到第五结果,将所述第五结果的非与所述目标第四基础位图值进行与运算得到第六结果,将所述第四结果与所述第六结果进行或运算得到所述数位上进行减法运算的借位结果。
需要说明的是,位图组减法工具可用于位图组与位图组之间的二进制减法运算,例如,在涉及到位图组中统计(或者累计)数据的拆分法时,则可采用位图组减法工具将两个位图组进行二进制减法运算。在基于图组减法工具进行位图组与位图组之间的二进制减法运算的过程中,若参与所述二进制减法的位图组包括第三位图组和第四位图组,所述第三位图组包括第三基础位图,所述第四位图组包括第四基础位图。
示例性的,对于任意的一个记录对象,以及该记录对象的二进制信息数值中的任意一个数位,将该记录对象在表征所述数位的第三基础位图中对应相对位置上的目标第三基础位图值与相减对象进行异或运算,得到所述数位上进行二进制减法运算的本位结果。例如,参照图9,如图所示,第三位图组包括第三基础位图1至第三基础位图4,第四位图组包括第四基础位图1至第四基础位图4,设记录对象为用户1(即基础位图的第一位),用户1在第三位图组和第四位图组中对应的二进制信息数据分别为1110和1011,若基于二进制运算法则,1110-1011=0011。以记录对象的二进制信息数值中的第二个数位为例进行说明,在第三位图组中表征第二个数位的为第三基础位图2,在第三基础位图2中第一位(也即记录对象用户1对应的相对位置)的目标第三基础位图值为1,在第四位图组中表征第二个数位的为第四基础位图2,在第四基础位图2中第一位的目标第四基础位图值为1(也即相减对象),将目标第三基础位图值与目标第四基础位图值进行异或运算,即1与1进行异或运算的结果为0,而由于第二个数位的相邻低位数位,即第一个数位上进行二进制减法运算存在借位位(如,进行0-1的二进制运算时,0需要进行借位,且借位结果为1),故0与1进行的异或运算的结果为1,与二进制信息数值0011中第二个数位上的值一致。需要说明的是,若相邻低位数位不存在借位,则可仅对目标第三基础位图值与目标第四基础位图值进行异或运算,也可将借位结果作为0参与到本位结果的异或运算中。
进一步的,得到二进制信息数值中上述数位的本位结果后,再确定该数位的借位结果。将上述得到的目标第三基础位图值的非与相邻低位数位上进行减法运算的借位结果进行与运算得到第四结果,将该目标第三基础位图值与该相邻低位数位上进行减法运算的借位结果进行异或运算得到第五结果,将第五结果的非与目标第四基础位图值进行与运算得到第六结果,最后再将第四结果与第六结果进行或运算得到该数位上进行减法运算的借位结果。例如,同样基于上述用户1在第三位图组和第四位图组中对应的二进制信息数据分别为1110和1011的例子。第二个数位上的目标第三基础位图值和目标第四基础位图值均为1,第二个数位相邻低位数位(即第一个数位)上进行二进制减法运算的借位结果为1。目标第三基础位图值的非为0,0与1进行与运算得到的第四结果为0,1与1进行异或运算得到的第五结果为0,第五结果的非为1,1与1进行与运算得到的第六结果为1,第四结果(0)与第六结果(1)进行或运算得到上述数位上进行减法运算的借位结果,且该借位结果为1。值的注意的是,若上述数位之后的高位数位上的值均为0,即得到的上述数位的借位结果无法进行借位,则将本次二进制减法运算的结果标记为负数即可。
此外,需要说明的是,在二进制减法运算的过程中对于计算得到的二进制信息数值中任意一个数位上本位和借位的计算公式如下:
在数位为二进制信息数值中第一个数位(最低数位):
本位K[1] = A[1]⊕ B[1]
借位M[1] = A[1]′· B[1]
式中,本位K[1]为为第一个数位的减法本位结果,A[1]为第一个数位的目标第三基础位图值,B[1]为第一个数位的目标第四基础位图值,进位M[1]为第一个数位的借位结果,′表征非(0的非为1,1的非为0),⊕为异或运算,·为与运算。
在数位为二进制信息数值中第n个数位(n大于1):
本位K[n] = A[n]⊕ M[n-1] ⊕ B[n]
借位M[n] = (A[n]′·M[n-1]) + ((A[n]⊕ M[n-1])′·B[n])
式中,本位K[n]为第n个数位的减法本位结果,A[n]为第n个数位的目标第三基础位图值,B[n]为第n个数位的目标第四基础位图值,借位M[n]为第n个数位的借位结果,′表征非(0的非为1,1的非为0),⊕为异或运算,·为与运算,+为或运算。
还需要说明的是,在实际应用中,对于二进制加法运算和二进制加法运算,任意一个数位上的加法本位结果、加法进位结果、减法本位结果以及减法借位结果,均可通过映射的方式得到。以减法借位结果为例进行说明,参照图10,为本申请中二进制减法运算场景的映射表,在已知A[n]、M[n-1]以及B[n]的情况下,通过图10中映射表可直接得到M[n],也即在已知第n个数位的目标第三基础位图值、第n个数位的目标第四基础位图值以及第n-1个数位的借位结果的情况下,可直接通过查表的方式得到第n个数位的借位结果。
参照图11,为基于本申请的第一实施例、第二实施例、第三实施例、第四实施例,提出本申请的第五实施例,本实施例中与上述实施例相同或者相似内容可参考上文介绍,后续不再赘述。在本实施例中,所述方法还包括:
步骤S20,在接收到获取指令后,基于所述获取指令中的目标指标范围确定子指标范围;
步骤S30,基于所述位图组工具集中的位图组分段获取工具,从数据库中分段获取所述子指标范围指向的基础数据,其中,所述数据库中的数据以所述位图组的形式储存;
步骤S40,基于所述位图组工具集中的位图组加法工具和/或位图组减法工具对所述基础数据进行运算,得到所述目标指标范围指向的目标数据。
需要说明的是,在实际应用中,将数据以位图组的形式存储后,还存在有数据获取的需求,再根据数据获取需求,从数据库中获取对应的目标数据,且数据库中数据以位图组的形式存储。
示例性的,在接收到获取方发送的获取指令后,将根据获取指令中的目标指标范围确定子指标范围。其中,目标指标范围中的指标可以指查询的维度,例如,时间维度和空间维度等,若指标为时间维度,则目标指标范围可以是某个时间段,若指标为空间维度,则目标指标范围可以是某个区域。
在一可行的实施方式中,所述数据库中包括不同颗粒度的位图组,所述颗粒度表征位图组中信息数据对应的区段单元大小;
所述基于所述获取指令中的目标指标范围确定子指标范围的步骤包括:
步骤S210,根据所述目标指标范围中所包括的区段单元,并以运算的次数最少为目标,确定所述目标指标范围的子指标范围以及与所述子指标范围关联的运算式,其中,对于任意一个子指标范围,所述子指标范围中各二进制指标值指向的位图组的颗粒度相同,所述运算式用于所述基础数据的运算。
需要说明的是,数据库中包括不同颗粒度的位图组,而位图组的颗粒度表征位图组中保存的信息数据对应的区段单元大小。例如,参照图12,为本申请中人群驻留场景下位图组颗粒度示意图,如图所示,数据最小颗粒度为,一个基站产生的五分钟基站驻留位图,从时间维度,对12个五分钟基站驻留位图进行统计可得到一个小时基站驻留位图组,而对24个小时基站驻留位图组进行统计可得到一天基站驻留位图组。从空间维度,将一个自定区域中各基站产生的五分钟基站驻留位图进行统计,可得到五分钟自定义区域驻留位图组,以此类推从而形成不同颗粒度的位图组。
示例性的,同样基于上述人流驻留情况的场景,若获取指令为获取9月28日21点至9月29日21点期间某商圈的驻留人群及其时长,其中,目标指标范围可以是9月28日21点至9月29日21点,而在该范围中实际包括天和小时的颗粒度,也即跨越了不同的区段单元。此时,可将目标指标范围分解为子指标范围,需要说明的是,对于子指标范围的确定,可以以最少计算次数为目标进行对目标指标范围分解确定子指标范围,例如,遍历每种分解的可能,再选择计算次数最少的运算式对应的子指标范围。例如,9月28日21点至9月29日21点可分解为,9月29日当天、9月28日21至9月29日0点3个小时、9月29日21至9月30日0点3个小时。通过位图组工具集中的位图组分段获取工具,从数据库中分别获取各子指标范围指向的基础数据。例如,设9月29日当天指向的基础数据为位图组1,9月28日21至9月29日0点3个小时指向的基础数据为位图组2,9月29日21至9月30日0点3个小时的基础数据为位图组3。再通过位图组工具集中的位图组加法工具和/或位图组减法工具对各基础数据进行运算,例如,运算方式可以是位图组1+位图组2-位图组3,从而得到目标指标范围指向的目标数据。
在一可行的实施方式中,所述从数据库中分段获取所述子指标范围指向的基础数据的步骤包括:
步骤S310,对于任意一个子指标范围,基于所述子指标范围中的二进制指标值的最高数位进行分段得到搜索段,其中,二进制指标值中初次确定的最高数位为所述二进制指标值中最高不为零的数位,且在初次分段时,将最高数位位置相同的二进制指标值归一个搜索段;
步骤S320,对于任意一个搜索段,若所述搜索段为完整搜索段,则基于所述完整搜索段中二进制指标值的数值特征从所述数据库搜索匹配,得到所述完整搜索段指向的子基础数据;
步骤S330,基于所述位图组工具集中的位图组加法工具将得到的子基础数据合并为所述基础数据。
需要说明的是,获取每个子指标范围指向的基础数据方式相同,故在本实施例中,将以一个子指标范围为例进行说明。还值得注意的是,数据库中位图组表征的数据为二进制数值。而获取方发送的获取指令中相关范围值通常是十进制数值。在获取子指标范围指向的基础数据时,可通过位图组转数组工具将子指标范围的十进制数值转换为二进制数值。
示例性的,对于任意一个子指标范围,首先对子指标范围进行分段,通过子指标范围中的二进制指标值的最高数位进行分段得到搜索段,其中,二进制指标值中初次确定的最高数位为该二进制指标值中最高不为零的数位,且在初次分段时,将最高数位位置相同的二进制指标值归一个搜索段。例如,设该子指标范围的取值为7至27,将子指标范围转换为二进制指标数值则为111至11011。而该子指标范围的基础数据为二进制指标数值111至11011所指向的二进制信息数值,进一步,参照图13,为二进制指标数值的示意图。图中示出了数值0至31对应的二进制指标数值。在对子指标范围进行分段是,从数值7对应的二进制指标数值111开始分段,从图中可看出二进制指标数值111中最高不为零的数位为bit3(也即最高数位为bit3),进一步的,数值8对应的二进制指标数值1000的最高数位为bit4,故二进制指标数值111单独为一个搜索段,如此111至11011分段得到的搜索段包括,111为一个搜索段,1000至1111为一个搜索段,10000至11011为一个搜索段。
对于任意一个搜索段,若该搜索段为完整搜索段,则基于该完整搜索段中二进制指标值的数值特征从所述数据库搜索匹配,得到该完整搜索段指向的子基础数据。其中,完整搜索段的判断条件为,若该搜索段的长度等于2n-1式中,n为最高数位的所在位,则可确定该搜索段为完整搜索段。需要说明的是,对于完整搜索段,可根据该完整搜索段中二进制指标值的数值特征搜索匹配数据。其中,数据特征则为一个完整搜索段中各二进制指标值的共同有的独特特征。可以理解的是,通过数值特征进行匹配,可以忽略二进制指标值中的部分数据,从而避免基于每个具体二进制指标值进行数据匹配,提高数据匹配的速度,提升数据获取的性能。
在一可行的实施方式中,所述搜索段的类型包括完整搜索段和非完整搜索段;
在所述基于所述子指标范围中的二进制指标值的最高数位进行分段得到搜索段的步骤之后,所述方法包括:
步骤S311,将所述搜索段的长度与所述搜索段中二进制指标值的最高数位对应的完整长度比较,其中,所述完整长度的计算公式为完整长度=2n-1,式中,n为所述最高数位的所在位;
步骤S312,若所述搜索段的长度小于所述最高数位对应的完整长度,则所述搜索段为非完整搜索段;
步骤S313,若所述搜索段的长度等于所述最高数位对应的完整长度,则所述搜索段为完整搜索段。
示例性,在分段得到任意的搜索段后,将该搜索段的长度与该搜索段中二进制指标值的最高数位对应的完整长度比较。其中。搜索段的长度是指,该搜索段中所包括的二进制指标值的数量,而完整长度的计算公式为完整长度=2n-1,式中,n为最高数位的所在位。例如,参照图13,在首次分段时,二进制指标值1000至1111将被分为一个搜索段,在该搜索段中二进制指标值的数量为8也即该搜索段的长度为8,此时最高数位为bit5,也即第五个数位,将n=5代入2n-1得到该搜索段的完整长度为8,故该搜索段的长度都等于其最高数位对应的完整长度,故该搜索段为非完整搜索段。反之,若搜索段的长度小于其最高数位对应的完整长度,则表示该搜索段为非完整搜索段。
在一可行的实施方式中,在所述则基于所述完整搜索段中二进制指标值的数值特征从所述数据库搜索匹配,得到所述完整搜索段指向的子基础数据的步骤之前,所述方法包括:
步骤S321,若搜索段为完整搜索段,对于所述完整搜索段的任意一个二进制指标值,将所述二进制指标值中被确定过为最高数位的数位以及各最高数位的位图值,和所述二进制指标值中位于初次确定的最高数位之后的高位位图值均为零作为所述数值特征;
步骤S322,若所述搜索段为非完整搜索段,则将所述最高数位在所述二进制指标值中的相邻低位数位作为新的最高数位;
步骤S323,基于所述新的最高数位的位图值对所述非完整搜索段进行分段得到新的搜索段,其中,新的最高位的位图值相同的二进制指标值被归为同一个新的搜索段;
步骤S324,基于所述新的最高位和所述新的搜索段,返回执行所述将所述搜索段的长度与所述搜索段中二进制指标值的最高数位对应的完整长度比较的步骤,直至分段得到的搜索段中不存在非完整搜索段。
示例性的,确定搜索段为完整搜索段,对于该完整搜索段的任意一个二进制指标值,将该二进制指标值中被确定过为最高数位的位图值,以及该二进制指标值中位于初次确定的最高数位之后的高位位图值均为零作为该完整搜索段的数值特征。例如,参照图13,在首次分段时,二进制指标值1000至1111将被分为一个搜索段,其中,bit4为被确定过的最高数位,且位图值为1。同时bit4也为初次确定的最高数位,其之后的高位包括bit5至bit8,而bit5至bit8的位图值均为零。故对于二进制指标值为1000至1111的搜索段,其数值特征包括,bit4的值1,且bit5至bit8的均为0。在基于该数值特征进行搜索匹配时,可忽略bit1至bit3上的数值,从而减少每次匹配时需要匹配的特征,提升匹配速度。
反之,若搜索段为非完整搜索段,则将最高位在二进制指标值中的相邻低位数位作为新的最高数位。例如,参照图13,在初次分段时,二进制指标数值10000至11011共12个被划分为一个搜索段,其中,初次确定的最高数位为bit5,n=5代入2n-1得到该搜索段的完整长度为16,故10000至11011的搜索段为非完整搜索段,再将bit5相邻低位数位,即bit4作为新的最高数位。在通过新的最高数位对该非完整搜索段进行分段,值得注意的是,对非完整搜索段进行分段时,新的最高位的位图值相同的二进制指标值被归为同一个新的搜索段,例如,对于10000至11011的非完整搜索段,在基于新的最高位bit4进行分段,得到的新的搜索段为10000至10111,以及11000至11011。得到新的搜索段后,再基于新的搜索段和新的最高位返回执行将所述搜索段的长度与所述搜索段中二进制指标值的最高数位对应的完整长度比较的步骤。例如,对于新的搜索段10000至10111,此时新的最高数位为bit4,将n=4代入2n-1得到该搜索段的完整长度为8,而新的搜索段10000至10111的长度为8。故新的搜索段10000至10111又将被视为完整搜索段,值的注意的是,此时,该完整搜索段被确定过为最高数位包括有bit4和bit5,相应的数值特征包括有,bit5的值为1,bit4的值为0。如此循环,直至分段得到的搜索段中不存在非完整搜索段。
在一可行的实施方式中,所述基于所述完整搜索段中二进制指标值的数值特征从所述数据库搜索匹配,得到所述完整搜索段指向的子基础数据的步骤包括:
步骤S325,基于所述被确定过为最高数位的数位以及各最高数位的位图值从数据库搜索匹配得到初步匹配结果;
步骤S326,对于所述初步匹配结果中的任意一个候选二进制指标值,将所述二进制指标值中位于初次确定的最高数位之后的高位位图值进行或运算得到第七结果;
步骤S327,若所述第七结果的非为一,则将所述候选二进制指标值作为目标二进制指标值;
步骤S328,将数据库中所述目标二进制指标值指向的位图组数据作为所述子基础数据。
示例性的,将数据库中与数值特征相符的二进制指标值作为目标二进制指标值,例如,基于上述例子,二进制指标值1000至1111的数值特征包括,被确定过为最高数位的bit4上的位图值为1,故从数据库搜索匹配bit4上的位图值为1的二进制指标值,得到初步匹配结果。进一步的,再从初步匹配结果筛选出,bit5至bit8的均为0的二进制指标值作为目标二进制指标值。该筛选过程可通过逻辑代数的计算结果来确定,例如,设获取到的bit5至bit8上的值分别为A、B、C、D,也即二进制指标值中位于初次确定的最高数位之后的高位位图值,求解A’·B’·C’·D ’,式中,·为与运算,’为非。若求解结果为1,则表征bit5至bit8上的值均为0。
还需要说明的是,在计算机位图处理领域中,求非的过程相对困难,为减少运算次数和求非的次数,本申请将求解A’·B’·C’·D ’转换为(A + B + C + D)’,从而进一步提升匹配性能,式中,·为与运算,’为非,+为或运算。也即将二进制指标值中位于初次确定的最高数位之后的高位位图值进行或运算得到第七结果,再对第七结果求非,若第七结果的非为1,则可将初步匹配结果对应的候选二进制指标值作为目标二进制指标值。再将目标二进制指标值在数据库中指向的位图组数据作为所述子基础数据即可。
此外,本申请实施例还提出一种基于位图组的时空大数据计算设备,所述基于位图组的时空大数据计算设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于位图组的时空大数据计算程序,所述基于位图组的时空大数据计算程序被所述处理器执行时实现如上述的基于位图组的时空大数据计算方法的步骤。
本申请基于位图组的时空大数据计算设备的具体实施方式与上述基于位图组的时空大数据计算方法各实施例基本相同,在此不再赘述。
此外,本申请实施例还提出一种可读存储介质,所述可读存储介质上存储有基于位图组的时空大数据计算程序,所述基于位图组的时空大数据计算程序被处理器执行时实现如上述的基于位图组的时空大数据计算方法的步骤。
本申请介质具体实施方式与上述基于位图组的时空大数据计算方法各实施例基本相同,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (14)
1.一种基于位图组的时空大数据计算方法,其特征在于,所述位图组配置有位图组工具集,所述方法包括:
基于所述位图组工具集将原始时空数据以位图组的形式存储,其中,所述位图组包括基础位图,各基础位图中相同相对位置上的基础位图值,组成所述相对位置对应记录对象的信息数据,其中,所述信息数据为二进制信息数值。
2.如权利要求1所述的基于位图组的时空大数据计算方法,其特征在于,所述位图组工具集至少包括位图组加法工具、位图组减法工具以及位图组分段获取工具中的一种或多种,其中,所述位图组加法工具用于位图与位图组、位图组与位图组之间的二进制加法运算,所述位图组减法工具用于位图组与位图组之间的二进制减法运算。
3.如权利要求2所述的基于位图组的时空大数据计算方法,其特征在于,二进制信息数值中不同数位对应位图组中不同的基础位图,参与所述二进制加法的位图组包括第一位图组和第二位图组,所述第一位图组包括第一基础位图,所述第二位图组包括第二基础位图;
在基于所述位图组加法工具进行位图组与位图组之间的二进制加法运算的过程中,所述方法包括:
对于任意一个记录对象以及所述记录对象的二进制信息数值中的任意一个数位,将所述记录对象在表征所述数位的第一基础位图中对应相对位置上的目标第一基础位图值与第一相加对象进行异或运算,得到在所述数位上进行二进制加法运算的本位结果,其中,所述第一相加对象为所述记录对象在表征所述数位的第二基础位图中对应相对位置上的目标第二基础位图值,或,为所述二进制信息数值中所述数位相邻低位数位上进行二进制加法运算的进位结果和所述目标第二基础位图值;
将所述目标第一基础位图值与所述目标第二基础位图值进行与运算得到第一结果,将所述目标第一基础位图值与所述目标第二基础位图值进行或运算得到第二结果,将所述第二结果与所述相邻低位数位上进行二进制加法运算的进位结果进行与运算得到第三结果,将所述第一结果与所述第三结果进行或运算得到所述数位上进行二进制加法运算的进位结果。
4.如权利要求2所述的基于位图组的时空大数据计算方法,其特征在于,二进制信息数值中不同数位对应位图组中不同的基础位图,参与所述二进制减法的位图组包括第三位图组和第四位图组,所述第三位图组包括第三基础位图,所述第四位图组包括第四基础位图;
在基于位图组减法工具进行位图组与位图组之间的二进制减法运算的过程中,所述方法包括:
对于任意一个记录对象以及所述记录对象的二进制信息数值中的任意一个数位,将所述记录对象在表征所述数位的第三基础位图中对应相对位置上的目标第三基础位图值与相减对象进行异或运算,得到所述数位上进行二进制减法运算的本位结果,其中,所述相减对象为所述记录对象在表征所述数位的第四基础位图中对应相对位置上的目标第四基础位图值,或,为所述二进制信息数值中所述数位相邻低位数位上进行减法运算的借位结果和所述目标第三基础位图值;
将所述目标第三基础位图值的非与所述相邻低位数位上进行减法运算的借位结果进行与运算得到第四结果,将所述目标第三基础位图值与所述相邻低位数位上进行减法运算的借位结果进行异或运算得到第五结果,将所述第五结果的非与所述目标第四基础位图值进行与运算得到第六结果,将所述第四结果与所述第六结果进行或运算得到所述数位上进行减法运算的借位结果。
5.如权利要求1所述的基于位图组的时空大数据计算方法,其特征在于,所述原始时空数据为原始位图,所述原始位图中包括原始位图值;
所述基于所述位图组工具集将原始时空数据以位图组的形式存储的步骤包括:
对于所述位图组记录的任意一个记录对象,基于所述位图组工具集中的位图组加法工具,将所述原始时空数据中与所述记录对象对应的目标原始位图值进行二进制累加,得到所述位图组的基础位图中与所述记录对象对应的目标基础位图值,以将所述原始时空数据以位图组的形式存储。
6.如权利要求5所述的基于位图组的时空大数据计算方法,其特征在于,二进制信息数值中不同数位对应位图组中不同的基础位图;
所述基于所述位图组工具集中的位图组加法工具,将所述原始时空数据中与所述记录对象对应的目标原始位图值进行二进制累加,得到所述位图组的基础位图中与所述记录对象对应的目标基础位图值的步骤包括:
对于累加过程中的任意一次二进制加法运算,以及在所述二进制加法中所述位图组的任意一个基础位图,将所述记录对象在所述基础位图中对应相对位置上的当前基础位图值与第二相加对象进行异或运算,得到所述记录对象在基础位图中所述相对位置上的目标基础位图值,其中,在所述基础位图表征所述二进制信息数值中最低数位的情况下,所述第二相加对象为所述目标原始位图值,在所述基础位图表征所述二进制信息数值中的非最低数位的情况下,所述第二相加对象为,所述基础位图的相邻低位基础位图中所述相对位置上相关位图值进行二进制加法得到的进位结果;
将所述当前基础位图值与所述第二相加对象进行与运算,得到所述基础位图中所述相对位置上相关位图值进行二进制加法的进位结果。
7.如权利要求1所述的基于位图组的时空大数据计算方法,其特征在于,所述方法还包括:
在接收到获取指令后,基于所述获取指令中的目标指标范围确定子指标范围;
基于所述位图组工具集中的位图组分段获取工具,从数据库中分段获取所述子指标范围指向的基础数据,其中,所述数据库中的数据以所述位图组的形式储存;
基于所述位图组工具集中的位图组加法工具和/或位图组减法工具对所述基础数据进行运算,得到所述目标指标范围指向的目标数据。
8.如权利要求7所述的基于位图组的时空大数据计算方法,其特征在于,所述从数据库中分段获取所述子指标范围指向的基础数据的步骤包括:
对于任意一个子指标范围,基于所述子指标范围中的二进制指标值的最高数位进行分段得到搜索段,其中,二进制指标值中初次确定的最高数位为所述二进制指标值中最高不为零的数位,且在初次分段时,将最高数位位置相同的二进制指标值归一个搜索段;
对于任意一个搜索段,若所述搜索段为完整搜索段,则基于所述完整搜索段中二进制指标值的数值特征从所述数据库搜索匹配,得到所述完整搜索段指向的子基础数据;
基于所述位图组工具集中的位图组加法工具将得到的子基础数据合并为所述基础数据。
9.如权利要求8所述的基于位图组的时空大数据计算方法,其特征在于,所述搜索段的类型包括完整搜索段和非完整搜索段;
在所述基于所述子指标范围中的二进制指标值的最高数位进行分段得到搜索段的步骤之后,所述方法包括:
将所述搜索段的长度与所述搜索段中二进制指标值的最高数位对应的完整长度比较,其中,所述完整长度的计算公式为完整长度=2n-1,式中,n为所述最高数位的所在位;
若所述搜索段的长度小于所述最高数位对应的完整长度,则所述搜索段为非完整搜索段;
若所述搜索段的长度等于所述最高数位对应的完整长度,则所述搜索段为完整搜索段。
10.如权利要求9所述的基于位图组的时空大数据计算方法,其特征在于,在所述则基于所述完整搜索段中二进制指标值的数值特征从所述数据库搜索匹配,得到所述完整搜索段指向的子基础数据的步骤之前,所述方法包括:
若搜索段为完整搜索段,对于所述完整搜索段的任意一个二进制指标值,将所述二进制指标值中被确定过为最高数位的数位以及各最高数位的位图值,和所述二进制指标值中位于初次确定的最高数位之后的高位位图值均为零作为所述数值特征;
若所述搜索段为非完整搜索段,则将所述最高数位在所述二进制指标值中的相邻低位数位作为新的最高数位;
基于所述新的最高数位的位图值对所述非完整搜索段进行分段得到新的搜索段,其中,新的最高位的位图值相同的二进制指标值被归为同一个新的搜索段;
基于所述新的最高位和所述新的搜索段,返回执行所述将所述搜索段的长度与所述搜索段中二进制指标值的最高数位对应的完整长度比较的步骤,直至分段得到的搜索段中不存在非完整搜索段。
11.如权利要求10所述的基于位图组的时空大数据计算方法,其特征在于,所述基于所述完整搜索段中二进制指标值的数值特征从所述数据库搜索匹配,得到所述完整搜索段指向的子基础数据的步骤包括:
基于所述最高数位的位图值从数据库搜索匹配得到初步匹配结果;
对于所述初步匹配结果中的任意一个候选二进制指标值,将所述二进制指标值中位于初次确定的最高数位之后的高位位图值进行或运算得到第七结果;
若所述第七结果的非为一,则将所述候选二进制指标值作为目标二进制指标值;
将数据库中所述目标二进制指标值指向的位图组数据作为所述子基础数据。
12.如权利要求7所述的基于位图组的时空大数据计算方法,其特征在于,所述数据库中包括不同颗粒度的位图组,所述颗粒度表征位图组中信息数据对应的区段单元大小;
所述基于所述获取指令中的目标指标范围确定子指标范围的步骤包括:
根据所述目标指标范围中所包括的区段单元,并以运算的次数最少为目标,确定所述目标指标范围的子指标范围以及与所述子指标范围关联的运算式,其中,对于任意一个子指标范围,所述子指标范围中各二进制指标值指向的位图组的颗粒度相同,所述运算式用于所述基础数据的运算。
13.一种基于位图组的时空大数据计算设备,其特征在于,所述基于位图组的时空大数据计算设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于位图组的时空大数据计算程序,所述基于位图组的时空大数据计算程序被所述处理器执行时实现如权利要求1至12中任一项所述的基于位图组的时空大数据计算方法的步骤。
14.一种可读存储介质,其特征在于,所述可读存储介质为计算可读存储介质,所述可读存储介质上存储有基于位图组的时空大数据计算程序,所述基于位图组的时空大数据计算程序被处理器执行时实现如权利要求1至12中任一项所述的基于位图组的时空大数据计算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410078460.XA CN117591520A (zh) | 2024-01-19 | 2024-01-19 | 基于位图组的时空大数据计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410078460.XA CN117591520A (zh) | 2024-01-19 | 2024-01-19 | 基于位图组的时空大数据计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117591520A true CN117591520A (zh) | 2024-02-23 |
Family
ID=89920570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410078460.XA Pending CN117591520A (zh) | 2024-01-19 | 2024-01-19 | 基于位图组的时空大数据计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117591520A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050216518A1 (en) * | 2004-03-26 | 2005-09-29 | Oracle International Corporation | Database management system with persistent, user-accessible bitmap values |
US20070050381A1 (en) * | 2005-08-26 | 2007-03-01 | Oracle International Corporation | Indexes that are based on bitmap values and that use summary bitmap values |
CN103049324A (zh) * | 2013-01-08 | 2013-04-17 | 浙江大学 | 一种基于优先级位图的AUTOSAR NvM读写任务的管理方法 |
CN104346357A (zh) * | 2013-07-29 | 2015-02-11 | 中国科学院声学研究所 | 一种嵌入式终端的文件存取方法及系统 |
CN107273470A (zh) * | 2017-06-06 | 2017-10-20 | 武汉大学 | 基于变粒度快速GeoHash编码的时空模式挖掘方法 |
CN107704527A (zh) * | 2017-09-18 | 2018-02-16 | 华为技术有限公司 | 数据存储方法、装置及存储介质 |
CN114116787A (zh) * | 2021-12-03 | 2022-03-01 | 中国人民解放军国防科技大学 | 一种多粒度时空轨迹数据表示方法和查询方法 |
CN114265833A (zh) * | 2021-12-24 | 2022-04-01 | 刘心亮 | 车辆轨迹引导地理时空特征可视化分析平台 |
CN116010372A (zh) * | 2021-10-22 | 2023-04-25 | 腾讯科技(深圳)有限公司 | 一种时空数据处理系统、方法、装置、设备、介质及产品 |
-
2024
- 2024-01-19 CN CN202410078460.XA patent/CN117591520A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050216518A1 (en) * | 2004-03-26 | 2005-09-29 | Oracle International Corporation | Database management system with persistent, user-accessible bitmap values |
US20070050381A1 (en) * | 2005-08-26 | 2007-03-01 | Oracle International Corporation | Indexes that are based on bitmap values and that use summary bitmap values |
CN103049324A (zh) * | 2013-01-08 | 2013-04-17 | 浙江大学 | 一种基于优先级位图的AUTOSAR NvM读写任务的管理方法 |
CN104346357A (zh) * | 2013-07-29 | 2015-02-11 | 中国科学院声学研究所 | 一种嵌入式终端的文件存取方法及系统 |
CN107273470A (zh) * | 2017-06-06 | 2017-10-20 | 武汉大学 | 基于变粒度快速GeoHash编码的时空模式挖掘方法 |
CN107704527A (zh) * | 2017-09-18 | 2018-02-16 | 华为技术有限公司 | 数据存储方法、装置及存储介质 |
CN116010372A (zh) * | 2021-10-22 | 2023-04-25 | 腾讯科技(深圳)有限公司 | 一种时空数据处理系统、方法、装置、设备、介质及产品 |
CN114116787A (zh) * | 2021-12-03 | 2022-03-01 | 中国人民解放军国防科技大学 | 一种多粒度时空轨迹数据表示方法和查询方法 |
CN114265833A (zh) * | 2021-12-24 | 2022-04-01 | 刘心亮 | 车辆轨迹引导地理时空特征可视化分析平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3825861A2 (en) | Method and apparatus of user clustering, computer device | |
CN109993627B (zh) | 推荐方法、推荐模型的训练方法、装置和存储介质 | |
CN111914113A (zh) | 一种图像检索的方法以及相关装置 | |
CN114973351B (zh) | 人脸识别方法、装置、设备及存储介质 | |
CN112434188A (zh) | 一种异构数据库的数据集成方法、装置及存储介质 | |
CN114724643A (zh) | 一种多肽化合物的筛选方法以及相关装置 | |
CN111104426A (zh) | 一种数据查询方法及系统 | |
US10747783B2 (en) | Database access using a z-curve | |
Li et al. | ε-matching: Event processing over noisy sequences in real time | |
CN111314177B (zh) | 一种基于无线信号的作息时段识别方法以及相关装置 | |
CN111159515B (zh) | 数据处理方法、装置及电子设备 | |
CN117591520A (zh) | 基于位图组的时空大数据计算方法 | |
CN112100177A (zh) | 数据存储方法、装置、计算机设备及存储介质 | |
CN113407537B (zh) | 数据处理方法、装置及电子设备 | |
CN116244356A (zh) | 异常轨迹检测方法、装置、电子设备及存储介质 | |
CN113704374B (zh) | 空间飞行器轨迹拟合方法、装置及终端 | |
CN116071123A (zh) | 商品数据处理方法、系统、电子设备及存储介质 | |
CN114996369A (zh) | 一种数据仓库指标库的构建方法和装置 | |
CN113821514A (zh) | 数据拆分方法、装置、电子设备和可读存储介质 | |
CN113901165A (zh) | 轨迹数据的处理方法、装置、终端及存储介质 | |
Wandelt et al. | Column-wise compression of open relational data | |
CN111506730A (zh) | 一种数据聚类方法和相关装置 | |
CN112700277B (zh) | 用户行为数据的处理方法和多行为序列转化模型训练方法 | |
CN110059762B (zh) | 消防车辆调派方案的筛选方法及系统、终端设备 | |
CN117332153A (zh) | 一种基于区间矩阵的标签选择方法、系统、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |