정보처리학회논문지D (The KIPS Transactions:PartD)

한국정보처리학회 (Korea Information Processing Society)
권호 표지
DOI QR코드

DOI QR Code

능동적 재조정: TPR*-트리의 검색 성능 개선 방안

Active Adjustment: An Approach for Improving the Search Performance of the TPR*-tree

  • 김상욱 (한양대학교 정보통신대학 정보통신학부) ;
  • 장민희 (한양대학교 정보통신학과) ;
  • 임성채 (동덕여자대학교 컴퓨터)
  • 발행 : 2008.08.29
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

최근 들어, 이동 객체의 위치 정보를 이용한 응용의 등장으로 시공간 데이터베이스를 위한 인덱스 기법의 중요성이 점차 커지고 있다. $TPR^*$-트리는 미래 시간 질의의 효율적인 처리를 위하여 가장 널리 사용되는 인덱스 구조이다. $TPR^*$-트리는 CBR(conservative bounding rectangle)의 개념을 이용하여 이동 객체들의 미래 위치의 범위를 추정하는 방식을 사용한다. 그러나 CBR은 시간이 지남에 따라 지나치게 확대 됨으로써 질의 처리 성능을 크게 저하시키는 문제를 야기시킨다. 본 논문에서는 능동적인 CBR 재조정을 통하여 이러한 CBR의 지나친 확대를 방지하고, 이 결과 $TPR^*$-트리의 질의 처리 성능을 개선할 수 있는 효과적인 기법을 제안한다. 제안한 기법은 질의 처리를 위하여 $TPR^*$-트리의 단말 노드를 액세스한 시점에 CBR 재조정의 필요여부를 점검하도록 함으로써 이러한 점검을 위한 추가적인 디스크 액세스 비용을 요구하지 않는다. 또한, CBR의 재조정이 필요한가의 여부를 판정하기 위하여 재조정을 위한 추가 비용과 향후의 질의 비용을 모두 고려하는 새로운 비용 모델을 정립한다. 제안된 기법을 통하여 갱신이 자주 발생하지 않는 경우에도 CBR의 비정상적인 확대를 방지할 수 있다. 제안된 기법의 성능 개선 효과를 정량적으로 검증하기 위하여 다양한 실험을 수행한다. 실험 결과에 의하면, 제안된 기법은 질의 처리 시 기존 기법과 비교하여 최대 40%이상의 성능 개선 효과를 보인다.

Recently, with the advent of applications using locations of moving objects, it becomes crucial to develop efficient index schemes for spatio-temporal databases. The $TPR^*$-tree is most popularly accepted as an index structure for processing future-time queries. In the $TPR^*$-tree, the future locations of moving objects are predicted based on the CBR(Conservative Bounding Rectangle). Since the areas predicted from CBRs tend to grow rapidly over time, CBRs thus enlarged lead to serious performance degradation in query processing. Against the problem, we propose a new method to adjust CBRs to be tight, thereby improving the performance of query processing. Our method examines whether the adjustment of a CBR is necessary when accessing a leaf node for processing a user query. Thus, it does not incur extra disk I/Os in this examination. Also, in order to make a correct decision, we devise a cost model that considers both the I/O overhead for the CBR adjustment and the performance gain in the future-time owing to the CBR adjustment. With the cost model, we can prevent unusual expansions of BRs even when updates on nodes are infrequent and also avoid unnecessary execution of the CBR adjustment. For performance evaluation, we conducted a variety of experiments. The results show that our method improves the performance of the original $TPR^*$-tree significantly.

키워드

참고문헌

  1. N. Beckmann, H. Kriegel, R. Schneider, and B. Seeger, “The R*-tree: An Efficient and Robust Access Method for Points and Rectangles,” In Proc. ACM Int'l. Conf. on Management of Data(ACM SIGMOD), pp.322-331, 1990 https://doi.org/10.1145/93605.98741
  2. D. Comer, “The Ubuquitous B-tree,” ACM Computing Surveys, Vol.11, pp.121-137 https://doi.org/10.1145/356770.356776
  3. D. L. Lee, J. Xu, B. Zheng, and W. C. Lee, “Data Management in Location-Dependent Information Services,” IEEE Pervasive Computing, Vol.1, No.3, pp.65-72, 2002 https://doi.org/10.1109/MPRV.2002.1037724
  4. B. Lin and J. Su, “On Bulk Loading TPR-Tree,” In Proc. IEEE Int'l. Conf. on Mobile Data Management, pp.395-406, 2004
  5. M. F. Mokbel, T. M. Ghanem, and W. G. Aref, “Spatio-Temporal Access Methods,” Bulletin of the IEEE Computer Society Technical Committee on Data Engineering, Vol. 26, No.2, pp.40-49, 2003
  6. S. Prabhakar, Y. Xia, D. V. Kalashnikov, W. G. Aref, and S. E. Hambrusch, “Query Indexing and Velocity Constrained Indexing: Scalable Techniques for Continuous Queries on Moving Objects,” IEEE Trans. on Computers, Vol.51, No.10, pp.1124-1140, 2002 https://doi.org/10.1109/TC.2002.1039840
  7. D. Pfoser, C. S. Jensen, and Y. Theodoridis, “Novel Approaches in Query Processing for Moving Objects,” In Proc. Int'l. Conf. on Very Large Data Bases(VLDB), pp. 395-406, 2000
  8. S. Saltenis, C. S. Jensen, S. T. Leutenegger, and M. A. Lopez, “Indexing the Positions of Continuously Moving Objects,” In Proc. ACM Int'l. Conf. on Management of Data (ACM SIGMOD), pp.331-342, 2000 https://doi.org/10.1145/335191.335427
  9. A. P. Sistla, O. Wolfson, S. Chamberlain, and S. Dao, “Modeling and Querying Moving Objects,” In Proc. IEEE Int'l. Conf. on Data Engineering(IEEE ICDE), pp.422-432, 1997 https://doi.org/10.1109/ICDE.1997.581973
  10. Y. Tao, D. Papadias, and J. Sun, “The TPR*-Tree: An Optimized Spatio-Temporal Access Method for Predictive Queries,” In Proc. Int'l. Conf. on Very Large Data Bases (VLDB), pp.790-801, 2003
  11. Y. Theodoridis, M. Vazirgiannis, and T. Sellis, “Spatio-Temporal Indexing for Large Multimedia Applications,” In Proc. IEEE Int'l. Conf. on Multimedia Computing and Systems(IEEE ICMCS), pp.441-448, 1996
  12. Y. Theodoridis, R. Silva, and M. Nascimento, “On the Generation of Spatiotemporal Datasets,” In Proc. Int'l. Symp. on Spatial Databases, pp.147-164, 1999 https://doi.org/10.1007/3-540-48482-5_11
  13. O. Wolfson, B. Xu, S. Chamberlain, and L. Jiang, “Moving Objects Databases: Issues and Solutions,” In Proc. Int'l. Conf. on Scientific and Statistical Database Management (SSDBM), pp.111-122, 1998 https://doi.org/10.1109/SSDM.1998.688116
  14. X. Xu, J. Han, and W. Lu, “RT-Tree: An Improved R-Tree Indexing Structure for Temporal Spatial Databases,” In Proc. Int'l. Symp. on Spatial Data Handling(SDH), pp.1040-1049, 1990