集合包含连接再探
数据库
2016-03-18 v1
摘要
给定两个集合对象集合 和 ，集合包含连接 返回所有满足 的对象对 。除了作为所有现代数据管理系统中具有广泛应用的基本算子外，该连接还可用于评估基于关系除法的复杂SQL查询，并作为数据挖掘算法的模块。用于集合包含连接的最先进算法（PRETTI）在右侧集合 上构建倒排索引，在左侧集合 上构建前缀树，该前缀树将具有公共前缀的集合对象分组，从而避免冗余处理。在本文中，我们提出了一个从两个方向改进PRETTI的框架。首先，我们通过提出一种基于代价模型的自适应方法来限制前缀树的构建；以此方式，我们可以大幅降低连接的空间和时间代价。其次，假设集合对象内部已排序，我们基于每个集合的第一个包含项对其对象进行划分。我们表明，我们可以在逐步构建前缀树和倒排索引的同时处理划分并评估连接。这使我们不仅能够显著降低连接代价，还能减少连接过程中的最大内存需求。使用真实和合成数据集的实验评估表明，我们的框架大幅优于PRETTI。
引用
@article{arxiv.1603.05422,
title = {Set Containment Join Revisited},
author = {Panagiotis Bouros and Nikos Mamoulis and Shen Ge and Manolis Terrovitis},
journal= {arXiv preprint arXiv:1603.05422},
year = {2016}
}
备注
To appear at the Knowledge and Information Systems journal (KAIS)