한국정보과학회논문지:데이타베이스 (Journal of KIISE:Databases)

한국정보과학회 (Korean Institute of Information Scientists and Engineers)
권호 표지

DOT 색인을 이용한 효율적인 공간 조인 기법

An Efficient Spatial Join Method Using DOT Index

  • 백현 (한림대학교 컴퓨터공학과) ;
  • 윤지희 (한림대학교 정보통신공학부) ;
  • 원정임 (한양대학교 정보통신학부) ;
  • 박상현 (연세대학교 컴퓨터과학과)
  • 발행 : 2007.10.15
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

지리정보시스템에서 빈번히 사용되는 공간 조인 연산자의 성능을 보장하기 위해서는 효율적인 색인 기법의 선택이 중요하며, 대표적인 색인 기법으로는 $R^*$-tree를 이용한 방법이 알려져 있다. 본 논문에서는 DOT(Double Transformation) 공간 색인을 이용한 효율적인 공간 조인 처리 기법을 제시하고 이를 $R^*$-tree를 이용한 공간 조인 처리 기법과 비교한다. DOT 공간 색인 기법은 공간 객체의 MBR 정보를 공간 순서화 곡선을 사용하여 하나의 1차원 값으로 변환한 후 그 값을 검색 키로 갖는 $B^+$-tree 색인 구조를 구성하는 방법으로서, 이를 이용하면 전통적인 데이타베이스의 주 색인을 적용할 수 있다는 중요한 특징을 가진다. 본 논문에서는 공간 객체의 MBR 정보를 하나의 1차원 값으로 변환하기 위해 사용되는 공간 순서화 곡선의 규칙성을 분석함으로써 공간 변환 연산의 횟수를 대폭 감소시킨 효율적인 DOT 색인기반의 공간 조인 알고리즘을 제안한다. 제안된 알고리즘에서는 반복적으로 수행되는 공간 변환 연산의 횟수를 줄이기 위하여 질의 영역을 공간 순서화 곡선이 연속 운행하는 가능한 최대 크기의 면적으로 분할하는 쿼터 분할 기법을 사용한다. 다양한 분포와 크기를 갖는 데이타 집합을 대상으로 $R^*$-tree를 이용한 공간 조인 처리 기법과의 비교 실험을 수행한 결과 최대 약 3배의 성능 이익을 얻을 수 있음을 확인할 수 있었다.

The choice of an effective indexing method is crucial to guarantee the performance of the spatial join operator which is heavily used in geographical information systems. The $R^*$-tree based method is renowned as one of the most representative indexing methods. In this paper, we propose an efficient spatial join technique based on the DOT(Double Transformation) index, and compare it with the spatial Join technique based on the $R^*$-tree index. The DOT index transforms the MBR of an spatial object into a single numeric value using a space filling curve, and builds the $B^+$-tree from a set of numeric values transformed as such. The DOT index is possible to be employed as a primary index for spatial objects. The proposed spatial join technique exploits the regularities in the moving patterns of space filling curves to divide a query region into a set of maximal sub-regions within which space filling curves traverse without interruption. Such division reduces the number of spatial transformations required to perform the spatial join and thus improves the performance of join processing. The experiments with the data sets of various distributions and sizes revealed that the proposed join technique is up to three times faster than the spatial join method based on the $R^*$-tree index.

키워드

참고문헌

  1. H. Kriegel, M. Schiwietz, R. Schneider, and B. Seeger, 'Performance Comparison of Point and Spatial Access Methods,' SSD89, Lecture Note, pp. 89-114, 1989
  2. C. Bohm, S. Beerchtold, and D. Keim, 'Searching in High Dimensional Spaces - Index Structures for Improving the Performance of Multimedia Databases,' ACM Computing Surveys, Vol. 33, No. 3, pp. 322-373, 2001 https://doi.org/10.1145/502807.502809
  3. A. Guttman, 'R-trees: A Dynamic Index Structures for Spatial Searching,' Proc. ACM SIGMOD, pp. 47-57, 1984
  4. N. Beckmann, H. Kriegel, and R. Schneider, 'The R*-tree : An Efficient and Robust Access Method for Points and Rectangles,' Proc. ACM SIGMOD, pp. 322-331, 1990
  5. K. Hinrichs, J. Nievergelt, 'The Grid File : A Data Structure Designed to Support Proximity Queries on Spatial Objects,' Proc. Workshop on Graph Theoretic Concepts in Computer Science, pp. 100-113, 1983
  6. T. Brinkhoff, H. P. Kriegel, and B. Seeger, 'Efficient Processing of Spatial Joins Using Rtrees,' Proc. ACM SIGMOD, pp. 237-246, 1993 https://doi.org/10.1145/170036.170075
  7. J. Song, K. Whang, Y. Lee, M. Lee, and S. Kim, 'Spatial Join Processing Using Corner Transformation,' IEEE Trans. Knowledge and Data Eng., vol. 11, no. 4, pp. 688-695, 1999 https://doi.org/10.1109/69.790844
  8. C. Faloutsos, and S. Roseman, 'Fractals for Secondary Key Retrieval,' Proc. PODS, pp. 247-252, 1989
  9. C. Faloutsos, and Y. Rong, 'DOT : A Spatial Access Method Using Fractals,' Proc. 7th Intl. Conf. on Data Engineering, pp. 152-159, 1991
  10. 최익수, 윤지희, 이건배, 'DOT 공간색인 기법을 이용한 공간조인 알고리즘', 한국정보과학회 데이타베이스 연구회, 동계 데이타베이스 학술대회논문집, 제14권 1 호, pp. 21-26, 1998
  11. J. T. Robinson, 'The K-D-B-tree: A Search Structure for Large Multidimensional Dynamic Indexes,' ACM SIGMOD Conf., pp. 10-18, 1981
  12. A. Henrich, H.-W. Six, and P. Widmayer, 'The LSD Tree: Spatial Access to Multidimensional Point and Non Point Objects,' Proc. 15th VLDB Conf., pp 45-53, 1989
  13. J. Orenstein, 'Spatial Query Processing in an Object-Oriented Database System,' Proc. ACM SIGMOD, pp. 326-336, 1986
  14. J. Orenstein, F. Manola, 'PROBE Spatial Data Modeling and Query Processing in an Image Database Applications,' IEEE Trans. on Software Engineering, Vol 14, No. 5, pp. 611-629, 1988 https://doi.org/10.1109/32.6139
  15. T. Sellis, N. Roussopoulos and C. Faloutsos, 'The $R^+-tree:$ A Dynamic Index for Multidimensional Objects,' Proc. 13th VLDB Conf., pp. 507-518, 1987
  16. O. Gunther, The Cell Tree: An Index for Geometric Data, Memorandum No. UCB/ERL M86/89, Univ. of California, Berkeley, December 1986
  17. Y. Theodoridis, M. Vazirgiannis, and T. K. Sellis, 'Spatio-Temporal Indexing for Large Multimedia Applications,' Proc. IEEE Intl. Conf. on Multimedia Computing and Systems, pp. 441-448, 1996
  18. D. Pfoser, Y. Theodoridis, and C. S. Jensen, 'Indexing Trajectories in Query Processing for Moving Objects,' Chorochronos Technical Report, CH-99-3, 1999
  19. D. Pfoser, C. S. Jensen, and Y. Theodoridis, 'Novel Approaches in Query Processing for Moving Objects', Proc. VLDB Conf., pp. 395-406, 2000
  20. Y. Tao and D. Papadias, 'MV3R-Tree: A Spatio-Temporal Access Method for Timestamp and Interval Queries', Proc. VLDB Conf., pp. 431-440, 2001
  21. D. Papadias, J. Zhang, N. Mamoulis, and Y. Tao, 'Query Processing in Spatial Network Databases,' Proc. VLDB Conf., pp. 802-813, 2003
  22. S. Gupta, S. Kopparty, and C. Ravishankar, 'Roads, Codes, and Spatiotemporal Queries,' Proc. ACM PODS, pp. 115-124, 2004
  23. H. W. Six and P. Widmayer, 'Spatial Searching in geometric Databases,' Proc. 4th Intl. Conf. on Data Engineering, pp. 496-503, 1988
  24. J. Lawder and P. King, 'Querying Multidimensional Data Indexed Using the Hilbert Space-Filling Curve,' ACM SIGMOD Record, Vol. 30, No. 1, pp. 19-24, 2001 https://doi.org/10.1145/373626.373678
  25. B. Moon, H. V. Jagadish, C. Faloutsos, and J. Saltz, 'Analysis of the Clustering Properties of Hilbert Space-Filling Curve,' IEEE Trans. on Knowledge and Data Eng., Vol. 13, No. 1, pp. 124-141, 2001 https://doi.org/10.1109/69.908985
  26. H. Dai and H. Su, Approximation and Analytical Studies of Inter-cluster Performances of Space-Filling Curves, Discrete Mathematics and Theoretical Computer Science, pp. 53-68, 2003
  27. http://www.rtreeportal.org (accessed 10 May 2007)