识别二维数据流中的相关重 hitter
数据库
2013-10-07 v1
摘要
我们考虑从数据流中在线挖掘相关的重 hitter（heavy-hitters）。给定一个二维数据流，相关聚合查询首先通过沿主维度应用谓词提取子流，然后沿次维度计算聚合值。先前关于识别流中重 hitter 的工作几乎完全集中在识别单维流中的重 hitter，而这些工作对于沿其他维度的重 hitter 属性提供的见解甚少。然而在典型应用中，分析人员不仅感兴趣于识别重 hitter，还希望理解进一步的属性，例如：哪些其他项与重 hitter 频繁一起出现，或者与重 hitter 一起出现的项的频率分布是什么。我们考虑如下形式的查询：在由 (x, y) 元组组成的流 S 中，针对所有为重 hitter 的 x 值构成的子流 H，维护那些在 H 中与 x 值频繁出现的 y 值。我们将此问题称为相关重 hitter（Correlated Heavy-Hitters, CHH）。我们制定了 CHH 识别的近似公式，并提出了一种在数据流上跟踪 CHH 的算法。该算法易于实现，且使用的空间比流本身小几个数量级。我们提供了关于最大误差的可证明保证，以及展示空间 - 精度权衡的详细实验结果。
引用
@article{arxiv.1310.1161,
title = {Identifying Correlated Heavy-Hitters in a Two-Dimensional Data Stream},
author = {Bibudh Lahiri and Arko Provo Mukherjee and Srikanta Tirthapura},
journal= {arXiv preprint arXiv:1310.1161},
year = {2013}
}