R*-Grove：面向大规模数据集的均衡空间划分

大空间数据的快速增长促使研究界开发了若干大空间数据系统。无论其架构如何，所有这些系统的一项基本需求是在机器间高效地空间划分数据。大空间划分的核心挑战在于构建高空间质量的划分，同时通过提供负载均衡的划分来利用分布式处理模型。以往关于大空间划分的工作是原样复用现有索引搜索树，例如 R 树族、STR、Kd 树和四叉树，通过对输入样本构建临时树并将其叶节点用作划分边界。然而，我们在本文中表明，这些技术均未能完全应对上述挑战。本文提出一种称为 R*-Grove 的新型划分方法，其能将非常大的空间数据集划分为具有高空间质量、优异负载均衡和块利用率的划分。这一良好特性使 R*-Grove 在空间查询处理中优于现有技术。R*-Grove 可轻松集成到任意大数据平台（如 Apache Spark 或 Apache Hadoop）中。我们的实验表明，R*-Grove 在大空间数据系统的现有划分技术中表现更优。随着所提工作均以开源形式公开可用，我们期望 R*-Grove 将被学界采纳以更好地服务于大空间数据研究。