Spatial Information Research

Korea Spatial Information Society (대한공간정보학회)
권호 표지

SQR-Tree : A Hybrid Index Structure for Efficient Spatial Query Processing

SQR-Tree : 효율적인 공간 질의 처리를 위한 하이브리드 인덱스 구조

  • 강홍구 (한국인터넷진흥원(KISA) 인터넷침해대응센터 침해예방단) ;
  • 신인수 (건국대학교 컴퓨터공학과) ;
  • 김정준 (건국대학교 컴퓨터공학과) ;
  • 한기준 (건국대학교 컴퓨터공학과)
  • Received : 2011.02.08
  • Accepted : 2011.03.20
  • Published : 2011.04.30
Download PDF
⟨ Previous Next ⟩

Abstract

Typical tree-based spatial index structures are divided into a data-partitioning index structure such as R-Tree and a space-partitioning index structure such as KD-Tree. In recent years, researches on hybrid index structures combining advantages of these index structures have been performed extensively. However, because the split boundary extension of the node to which a new spatial object is inserted may extend split boundaries of other neighbor nodes in existing researches, overlaps between nodes are increased and the query processing cost is raised. In this paper, we propose a hybrid index structure, called SQR-Tree that can support efficient processing of spatial queries to solve these problems. SQR-Tree is a combination of SQ-Tree(Spatial Quad- Tree) which is an extended Quad-Tree to process non-size spatial objects and R-Tree which actually stores spatial objects associated with each leaf node of SQ-Tree. Because each SQR-Tree node has an MBR containing sub-nodes, the split boundary of a node will be extended independently and overlaps between nodes can be reduced. In addition, a spatial object is inserted into R-Tree in each split data space and SQ-Tree is used to identify each split data space. Since only R-Trees of SQR-Tree in the query area are accessed to process a spatial query, query processing cost can be reduced. Finally, we proved superiority of SQR-Tree through experiments.

대표적인 트리 기반 공간 인덱스 구조는 크게 R-Tree와 같은 데이타 분할 기반 인덱스 구조와 KD-Tree와 같은 공간 분할 기반 인덱스 구조로 구분되며, 최근에는 이들의 장점을 결합한 하이브리드 인덱스 구조에 대한 연구가 활발히 진행되고 있다. 그러나, 기존 연구에서는 공간 객체가 삽입되는 노드의 분할 경계 확장이 다른 이웃 노드에 연쇄적으로 전파되어 노드간 겹침이 증가하고 질의 처리 비용이 높아지는 문제가 있다. 본 논문에서는 이러한 문제를 해결하기 위하여 효율적인 질의 처리를 위한 하이브리드 인덱스 구조인 SQR-Tree를 제시한다. SQR-Tree는 크기를 갖는 공간 객체 처리에 적합하도록 Quad-Tree를 확장한 SQ-Tree(Spatial Quad-Tree)와 SQ-Tree의 리프 노드마다 연계되어 실제로 공간 객체를 저장하는 R-Tree가 결합된 인덱스 구조이다. SQR-Tree는 노드마다 하위 노드를 포함하는 MBR을 가지고 있기 때문에 노드의 분할 경계 확장이 독립적으로 이루어지도록 하여 노드간 겹침을 줄였다. 그리고 SQR-Tree에서 공간 객체는 분할된 데이타 공간마다 존재하는 여러 R-Tree에 분산 저장되며 SQ-Tree가 분할된 데이타 공간을 식별하는 기능을 수행한다. 따라서 공간 질의 처리시 질의 영역에 해당하는 R-Tree만 접근하면 되기 때문에 질의 처리 비용을 줄일 수 있다. 마지막으로 실험을 통해 SQR-Tree의 우수성을 입증하였다.

Keywords

References

  1. H. K. Ahn, N. Mamoulis, and H. M. Wong, 2001, A Survey on Multidimensional Access Methods, Technical Report, UU-CS-2001-14.
  2. D. A. Beckley, M. W. Evens, and V. K. Raman, 1985, "Multikey Retrieval from K-d Trees and Quad-Trees," Proc. of the ACM SIGMOD Int. Conf. on Management of Data, pp. 291-301.
  3. N. Beckmann, H. P. Kriegel, R. Schneider, and B. Seeger, 1990, "The $R^{\ast}$-Tree: An Efficient and Robust Access Method for Points and Rectangles," Proc. of ACM SIGMOD Int. Conf. on Management of Data, pp. 322-331.
  4. J. L. Bentley, 1975, "Multidimensional Binary Search Trees Used for Associative Searching," Communications of the ACM, vol. 18, no. 9, pp. 509-517. https://doi.org/10.1145/361002.361007
  5. S. Berchtold, D. A. Keim, and H. Kriegel, 1996, "The X-Tree : An Index Structure for High- Dimensional Data," Proc. of 22th Int. Conf. on Very Large Data Bases, pp. 28-39.
  6. K. Chakrabarti, and S. Mehrotra, 1999, "The Hybrid Tree: An Index Structure for High Dimensional Feature Spaces," Proc. of the Int. Conf. on Data Engineering, pp. 440-447.
  7. A. Guttman, 1984, "R-Trees: A Dynamic Index Structure for Spatial Searching," Proc. of the ACM SIGMOD Int. Conf. on Management of Data, pp. 47-57.
  8. X. Huang, S. H. Baek, D. W. Lee, W. I. Chung, and H. Y. Bae, 2009, "UIL: A Novel Indexing Method for Spatial Objects and Moving Objects," Journal of Korea Spatial Information System Society, vol. 11, no. 2, pp. 19-26.
  9. Y. J. Jung, K. H. Ryu, M. S. Shin, and S. Nittel, 2010, "Historical Index Structure for Reducing Insertion and Search Cost in LBS," Journal of Systems and Software, vol 83, no 8. pp. 1500-1511. https://doi.org/10.1016/j.jss.2010.03.041
  10. H. Y. Lin, P. W. Huang, and K. H. Hsu, 2007, "A New Indexing Method with High Storage Utilization and Retrieval Efficiency for Large Spatial Databases," Information and Software Technology, vol. 49, no. 8, pp. 817-826. https://doi.org/10.1016/j.infsof.2006.09.005
  11. B. S. Nam, and A. Sussman, 2004, "A Comparative Study of Spatial Indexing Techniques for Multidimensional Scientific Datasets," Proc of Int. Conf. on Scientific and Statistical Database Management, pp. 171-180.
  12. B. C. Ooi, K. J. McDonell, and R. Sacks-Davis, 1987, "Spatial KD-Tree: An Indexing Mecha-nism for Spatial Databases," Proc. of Int. Conf. on Computer Software and Applications, pp. 433-438.
  13. C. G. Park, H. K. Kang, J. J. Kim, and K. J. Han, 2009, "A Hash-based R-Tree for Fast Search of Large Spatial Data," Proc. of the 1st Int. Conf. on Emerging Databases, pp. 45-50.
  14. J. T. Robinson, 1981, "The K-D-B-Tree: A Search Structure for Large Multi-dimensional Dynamic Indexes," Proc. of the ACM SIGMOD Int. Conf. on Management of Data, pp. 10-18.
  15. T. K. Sellis, N. Roussopoulos, and C. Faloutsos, 1987, "The R+-Tree: A Dynamic Index for Multi-dimensional Objects," Proc. of the 13th Int. Conf. on Very Large Data Bases, pp. 507-518.
  16. X. Wu, and C. Zang, 2009, "A New Spatial Index Structure for GIS Data," Proc. of the 3rd Int. Conf. on Multimedia and Ubiquitous Engineering, pp. 471-476.
  17. 강홍구, 김정준, 신인수, 한기준, 2008,"대용량 공간 데이타의 빠른 검색을 위한 해시 기반 R-Tree," 공동 추계학술대회 논문집, 한국지형공간정보학회, pp. 82-89.
  18. 김학철, 2010, "다차원 공간의 효율적인 그리드 분할을 통한 디클러스터링 알고리즘 성능향상 기법," 한국공간정보시스템학회 논문지, 제12권, 제1호, pp. 37-48.
  19. 이득우, 강홍구, 이기영, 한기준, 2009, "DGRTree : u-LBS에서 POI의 검색을 위한 효율적인 인덱스 구조," 한국공간정보시스템학회 논문지, 제11권, 제3호, pp. 55-62.