空间聚合：数据模型及其实现

GeoBlocks: A Query-Cache Accelerated Data Structure for Spatial Aggregation over Polygons

As individual traffic and public transport in cities are changing, city authorities need to analyze urban geospatial data to improve transportation and infrastructure. To that end, they highly rely on spatial aggregation queries that extract summarized information from point data (e.g., Uber rides) contained in a given polygonal region (e.g., a city neighborhood). To support such queries, current analysis tools either allow only predefined aggregates on predefined regions and are thus unsuitable for exploratory analyses, or access the raw data to compute aggregate results on-the-fly, which sev…

空间数据的集成与可视化及其在土地利用/土地覆盖分类中的应用

Aggregation and visualization of spatial data with application to classification of land use and land cover

地理数据的聚合和可视化是环境数据采掘、环境建模和农业管理的重要组成部分。然而，很难汇总地图、人口普查和调查数据等各种格式的地理空间数据。本文提出了一个名为PlaniSphere的框架，它可以聚合各种地理空间数据集，并合成原始数据。我们在PlaniSphere中开发了一种算法，用于将遥感图像与人口普查数据相结合，以进行土地利用和土地覆盖（LULC）的分类和可视化。结果表明，该框架能够对多种格式的LULC地理空间数据集进行分类。国家普查数据集可用于校准遥感土地利用、土地利用变化分类。这为遥感数据的分类提供了一种新的方法。该方法对环境空间分析中的土地利用变化分类具有一定的参考价值。

重新审视数据密集型应用的聚合：性能研究

Revisiting Aggregation for Data Intensive Applications: A Performance Study

从关系数据库的早期开始，聚合就一直是一个重要的操作。当今的大数据应用程序在处理聚合查询时带来了进一步的挑战，需要自适应聚合算法，这些算法可以处理相对于潜在有限内存预算的大量数据（特别是在多用户设置中）。尽管它的重要性，聚合算法的设计和评估并没有得到同样的关注，其他基本运营商，如加入，在文献中收到。因此，当考虑在新的并行大数据处理平台（AsterixDB）中实现哪种聚合算法时，我们面临着缺乏“现成”的答案，我们可以简单地阅读，然后基于先前的性能研究实现。在本文中，我们重新审视了在大数据平台中使用的高效局部聚合算法的工程。我们讨论了几个候选算法的显着实现细节，并提出了深入的实验性能研究，以指导未来的大数据引擎开发人员。我们表明，大数据平台的聚合运算符的有效实现是不平凡的，应该考虑许多因素，包括内存使用，溢出策略，I/O和CPU成本。此外，我们引入精确的成本模型，可以帮助选择一个合适的算法的基础上输入参数，包括内存预算，分组键基数和数据倾斜。

空间离散化滑动窗口中Top-m聚集的监测

Monitoring the Top-m Aggregation in a Sliding Window of Spatial Queries

在本文中，我们提出并研究了流查询中空间对象的top-m秩聚合问题，其中，给定一组对象O，一个空间查询流（kNN或范围），目标是报告m个具有最高聚合秩的对象。对象的秩w.r.t.基于单个查询与查询位置的距离来计算单个查询，并且根据所有单个排名排序来计算聚合排名。这一基本问题的解决方案可用于监测空间对象的流行程度，这反过来又可为空间数据提供新的分析工具。我们的工作从三个不同的领域：排名聚合，连续查询和空间数据库的灵感。据我们所知，没有事先的工作，认为所有三个问题域在一个单一的上下文中。我们的问题是从经典的排名聚合问题的方式，空间对象的排名是依赖于流查询的位置是不知道的先验，是从连续的空间查询的问题，因为新的查询位置可以到达任何区域，但不移动不同。为了解决这个问题，我们展示了如何对任何看不见的查询的对象的秩进行上界和下界。然后，我们提出了一个近似的解决方案，以持续监测的top-m对象有效地，为此，我们设计了一个倒序文件（IRF）索引，以保证解决方案的误差界。特别是，我们提出了安全排名的概念，以确定当前的结果是否仍然有效或不当新的查询到达，并提出了验证对象的概念，以限制对象的数量来更新的前m个结果。我们还提出了一个精确的解决方案的应用程序中的近似解决方案是不够的。最后，我们进行了大量的实验来验证我们的解决方案的效率和有效性。

在GPU上高效处理连接与分组聚合

Efficiently Processing Joins and Grouped Aggregations on GPUs

针对GPU数据库算子受随机访问影响、分组算子加速不足及评估工作负载有限等问题，提出GFTR技术减少随机访问，优化分组实现并提出新分组算法，实现显著加速并提供查询优化启发式方法。

时态多集关系的快照语义（扩展版）

Snapshot Semantics for Temporal Multiset Relations (Extended Version)

快照语义被广泛用于评估时态数据上的查询：时态关系被视为快照关系的序列，并且查询在每个快照处被评估。在这项工作中，我们证明了目前的方法快照语义的时间戳的多集关系受到两个错误关于快照聚合和包的差异。我们介绍了一种新的时态数据模型的基础上K-关系，克服了这些缺陷，并证明它正确编码快照语义。此外，我们提出了一个有效的实现我们的模型作为一个数据库中间件，并通过实验证明，我们的方法是有竞争力的本地实现，并显着优于这样的实现查询，涉及聚合。