• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2004년도 GIS/RS 공동 춘계학술대회 논문집
• /
• pp.11-16
• /
• 2004

최근 PDA와 같은 모바일 장치와 무선 인터넷의 사용이 확대되고, GPS의 개발로 인하여 위치 기반 서비스가 활발히 연구되고 있다. 그러나, 위치 기반 서비스의 중요한 요소인 이동 객체는 이동에 따른 갱신 비용이 높기 때문에 이전의 디스크 기반의 GIS에서 사용되던 인덱스를 이용하는 것은 효과적 이 지 못하다. 본 논문에서는 위치 기반 서비스를 위한 효과적인 현재 위치 데이타 처리를 위해 공간 해쉬 인덱스와 R-tree 인덱스를 결합한 형태인 HB(Hash Based)R-tree 인덱스를 개발하였다. HBR-tree 인덱스는 위치 기반 서비스에서 이동 객체의 위치 데이타가 빈번하게 갱신된다는 특징을 이용하여 갱신 작업은 HBR-tree 인덱스의 공간 해쉬 테이블 내에서 처리하고, 생성된 공간 해쉬 테이블을 이용하여 R-tree 인덱스를 구성함으로써 빠른 검색 질의 처리가 가능하고 갱신 비용을 줄일 수 있다는 장점이 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 봄 학술발표논문집 Vol.30 No.1 (A)
• /
• pp.794-796
• /
• 2003

주기억 데이타베이스 시스템은 기존의 디스크 기반 데이타베이스 시스템과 달리 빠른 처리속도와 주기억 장치의 효율적인 사용이 주된 관심 사항이다. 본 논문에서는 주기억 데이타베이스에서 공간 데이터를 위한 효율적인 인덱스구조를 제시한다. 기존에 제시된 주기억 데이타베이스를 위한 인덱스 기법으로는 T-트리, Hash 계열 기법등이 제시되었으나, 이러한 모든 인덱스 기법은 1차원 데이타를 위한 인덱스 기법으로 공간 데이타에는 적용이 불가능하다. 이러한 제약을 극복하기 위해서 본 논문에서는 T-트리에 R-트리 개념을 추가 하였다.

• 한국공간정보시스템학회:학술대회논문집
• /
• 한국공간정보시스템학회 2004년도 국내 LBS 기술개발 및 표준화 동향세미나
• /
• pp.75-80
• /
• 2004

최근 공간 데이터를 사용하는 응용 프로그램이 증가하면서 대용량의 공간 데이터를 효율적으로 저장하고 관리하기 위한 공간 데이터베이스가 요구되고 있다. 이러한 공간 데이터베이스는 객체 관계형 데이터베이스의 사용자 정의 타입과 사용자 정의 함수를 이용하여 기존의 데이터베이스를 확장하는 형태로 개발될 수 있다. 하지만, 대부분의 객체 관계형 데이터베이스는 공간 인덱스와 같은 사용자 정의 인덱스를 확장하는 일반적인 방법을 제공하고 있지 않기 때문에 객체 관계형 데이터베이스를 확장한 공간 데이터베이스는 공간 영역 질의의 성능이 떨어지는 문제점이 있다. 본 연구에서는 객체 관계형 데이터베이스를 확장한 공간 데이터베이스에서 공간 인덱스를 개발하고 객체 관계형 데이터베이스에 통합시킬 수 있는 방법인 GiST와 Relational Indexing을 비교/분석하고 향후 이들 방법을 이용하여 공간 인덱스를 구현하고 공간 영역 질의에 대한 성능을 비교하여 보다 적합한 방법을 제시하고자 한다.

• 대한공간정보학회지
• /
• 제3권2호
• /
• pp.137-149
• /
• 1995

점차 중요성이 증가하고 있는 지리 정보 시스템의 효율적인 검색을 위해서는 공간 인덱스가 필요하다. 이를 위하여 본 논문에서는 기존에 개발한 지리 정보 시스템을 위한 데이타 관리기인GOOD 1.0에 공간 인덱스를 처리할 수 있는 공간 인덱스 처리 모듈을 추가하여 GOOD 2.0을 설계 및 구현한다. 즉, 공간 인덱스로는 R tree 및 R* tree를 지원하여 효율적인 검색이 가능하도록 한다. 그리고, 효율성의 향상 정도를 측정하기 위해 성능 평가를 길시하고 결과를 분석한다. 성능 평가 시에는 다양한 환경 요소들을 고려하여 지리 정보 시스템 관리자가 해당 도메인에 적합한 공간 인덱스를 선택하는데 기초 자료로서 사용될 수 있도록 한다.

• 한국공간정보시스템학회 논문지
• /
• 제11권2호
• /
• pp.133-142
• /
• 2009

최근 무선 인터넷이 발전하고 모바일 단말기 사용이 증가함에 따라 위치 기반 서비스(LBS: Location Based Service)에 대한 요구가 증가되고 있으며, 모바일 단말기 환경에서 효율적인 위치 기반 서비스를 제공하기 위해 공간 데이타를 저장 및 관리하는 공간 인덱스의 연구가 필수적으로 요구되고 있다. 플래시 메모리는 모바일 단말기에서 대용량의 공간 데이타를 효율적으로 저장하기 위한 보조 저장 장치로 많이 사용된다. 그러나 플래시 메모리에 기존 공간 인덱스를 그대로 적용할 경우 빈번한 노드 갱신에 의한 쓰기 연산 증가로 인덱스 성능이 저하된다. 이러한 문제점을 해결하고자 최근 플래시 메모리 기반 공간 인덱스가 연구되고 있지만 버퍼와 플래시 메모리의 공간 활용도가 낮아 효율성이 떨어지는 문제점이 있다. 따라서, 본 논문에서는 기존의 플래시 메모리 기반 공간 인덱스들의 문제점을 해결하기 위해 노드 압축 기법과 쓰기 연산 지연 기법을 적용한 FR-Tree(Flash-Memory based R-Tree)를 제안하였다. FR-Tree의 노드 압축 기법은 공간 데이타의 MBR(Minimum Bounding Rectangle)을 상대 좌표값과 MBR 크기 값을 이용해 압축함으로써 플래시 메모리의 공간 활용도를 높였다. 그리고 쓰기 연산 지연 기법은 공간 데이타의 삽입, 갱신, 삭제시 플래시 메모리에 저장된 공간 인덱스에 바로 반영하지 않고 버퍼에 임시적으로 저장한 후 일괄적으로 플래시 메모리에 반영하여 플래시 메모리의 쓰기 연산 횟수를 줄였다. 특히, 버퍼내 동일한 공간 데이타들의 중복 저장을 방지하여 버퍼의 공간 활용도를 높였다. 마지막으로, 본 논문에서는 다양한 성능 평가를 통해 FR-Tree가 플래시 메모리에서 기존 공간 인덱스들에 비해 성능이 우수함을 입증하였다.

• 한국컴퓨터정보학회논문지
• /
• 제11권1호
• /
• pp.97-105
• /
• 2006

수 년간 GIS가 발전하면서 위치 속성을 갖는 공간 데이터에 대한 인덱스 연구가 활발히 진행되어 왔다. 특히, R-tree기반의 인덱스들이 많이 연구되어 왔으며, 주된 이슈는 데이터 검색 성능의 향상이다. 본 논문에서는 공간 데이터에 대한 검색성능 향상을 위해 R-tree의 키 값을 압축하는 준근사(Semi-Approximation) 기법을 제안한다. 이 기법의 기본적인 아이디어는 위치 정보를 포함하는 2-차원 공간 데이터에 대한 인덱스를 압축하여 데이터 검색 성능을 향상시키는 것이다. 이 기법은 MBR의 시작 좌표를 상대좌표로 압축하고 끝 좌표는 전체 탐색영역에 대한 양자화(Quantization)를 통해 계산함으로써 MBR의 확장을 QMBR(quantization of MBR)의 반으로 줄임으로써 노드의 공간 이용률을 높이고 전체적인 탐색 성능을 향상시킨다. 기존에도 인덱스 크기를 줄임으로써 탐색 성능을 향상시키는 방법이 있었지만 본 논문과 같이 양자화의 확장공간을 반으로 축소시키는 연구는 처음이다. 성능평가는 실제 공간데이터를 기반으로 진행하였으며, 실험결과는 SA 기법이 MBR을 압축하는 기존의 연구보다 향상된 성능을 나타낸다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 추계학술발표대회
• /
• pp.771-772
• /
• 2009

최근 대표적인 공간 인덱스 구조인 R-tree를 기반으로 KD-tree나 Quad-tree와 같은 공간 분할 특성을 이용하여 인덱싱 성능을 향상시키기 위한 연구가 활발하다. 본 논문에서는 기존에 제시된 R-tree 기반 인덱스 구조인 SQR-tree와 PMR-tree의 특성을 결합하여 대용량 공간 데이타를 보다 효율적으로 처리하는 인덱스 구조인 MSQR-tree(Mapping-based SQR-tree)를 제시한다. SQR-tree는 Quad-tree를 확장한 SQ-tree와 각 SQ-tree 리프 노드마다 실제로 공간 객체를 저장하는 R-tree가 연계되어 있는 인덱스 구조이고, PMR-tree는 R-tree에 R-tree 리프 노드를 직접 접근할 수 있는 매핑 트리를 적용한 인덱스 구조이다. 본 논문에서 제시하는 MSQR-tree는 SQR-tree를 기본 구조로 가지고 R-tree마다 매핑 트리가 적용된 구조를 갖는다. 따라서, MSQR-tree에서는 SQR-tree와 같이 질의가 여러 R-tree에서 분산 처리되고, PMR-tree와 같이 매핑 트리를 통해 R-tree 리프 노드를 빠르게 접근할 수 있다. 마지막으로 성능 실험을 통해 MSQR-tree의 우수성을 입증하였다.

• 한국지리정보학회지
• /
• 제8권1호
• /
• pp.63-74
• /
• 2005

차량 및 교통 분야의 대표적인 임베디드 시스템인 텔레매틱스 단말기는 대용량의 공간 데이터를 실시간으로 처리하기 위해서 RTOS(Real Time Operating System) 기반의 공간 DBMS를 요구하고 있다. 이러한 공간 DBMS는 기존의 ORDBMS의 사용자 정의 타입과 사용자 정의 함수라는 표준적인 기능을 이용하여 쉽게 확장 개발할 수 있지만, 공간 인덱스의 경우 SQL3에서 표준적인 개발 방법을 제공하지 않기 때문에, 임베디드 시스템과 같은 환경에서 공간 인덱스를 개발하는 것은 어려운 실정이다. 본 연구에서는 현재 ORDBMS에서 사용자 정의 인덱스를 개발할 수 있는 방법으로 제안되고 있는 Generalized Search Tree 방법과 Relational Indexing 방법을 비교 분석하고 각 방법에 대해 R-트리의 구현 및 영역 질의에 대한 실험을 통해 임베디드 시스템 환경에 적합한 공간 인덱스 방법을 제안하였다.

• Spatial Information Research
• /
• 제19권2호
• /
• pp.47-56
• /
• 2011

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.

• 디지털콘텐츠학회 논문지
• /
• 제16권1호
• /
• pp.33-41
• /
• 2015

비트맵 인덱스는 낮은 카디널리티를 갖는 컬럼에 대한 OLAP 질의의 수행 속도에 있어서 매우 우수한 성능을 보이고 있기 때문에, 데이터 웨어하우스에서 많이 사용하고 있는 인덱스 기법 중에 하나이다. 일반적으로 데이터 웨어하우스에 기반을 둔 많은 응용 프로그램들은 컬럼 값들이 계층 구조를 형성하는 경우가 많이 있다. 만일, 컬럼 값들이 계층적으로 표현될 수 있는 경우 일반적인 비트맵 인덱스 보다 계층적 비트맵 인덱스를 이용하는 것이 질의 처리 수행 속도에 있어서 더 높은 성능을 보인다고 알려지고 있다. 그러나 계층적 비트맵 인덱스의 경우 사용하는 계층 구조의 크기가 큰 경우 저장 공간 오버헤드가 발생할 수 있다는 문제점을 가지고 있다. 그러므로 본 논문에서는 저장 공간이 제약된 환경에서 컬럼 값들이 거대 계층 구조를 형성하고 있을 때, 질의 워크로드에 기반하여 계층적 비트맵 인덱스를 효과적으로 생성하기 위한 방법을 제안한다. 특히, 본 논문에서는 주어진 계층 구조를 두 개의 배타적 역영으로 나누는 Cut 선택 방법 제안함으로써, 계층적 비트맵 인덱스의 저장 공간 오버헤드 문제를 해결한다.