空间文本数据发布/订阅研究

摘要

随着互联网的高速发展与移动智能设备的普及，各种社交软件中产生了大量的空间文本数据。空间文本数据具有空间属性与文本属性，如何分析大规模的空间文本数据，从中获取最大的经济效益，成为了人们的关注热点。发布/订阅作为处理空间文本数据有效的方式之一，受到了学术界与工业界的关注。
　　然而，现存的发布/订阅无法实现订阅与消息的高效匹配，不具备良好的表达能力。本文针对空间文本数据发布/订阅进行了研究，做了两方面的探索，以使得发布/订阅适应于大规模订阅环境中。
　　第一，研究了布尔表达式发布/订阅。针对布尔表达式发布/订阅设计了高效的本地索引结构TR-tree与匹配算法。TR-tree包括文本索引与空间索引，存储在主要用于执行订阅与消息匹配的匹配节点。文本索引根据谓词数量与关键属性对订阅分组。为了减少重复存储谓词值对的次数，文本索引还使用了操作符列表。空间索引根据谓词数量与关键属性构建R-tree，以达到修剪空间的目的。实验对比结果展现了TR-tree索引结构的高效性。
　　第二，研究了分布式发布/订阅。针对分布式发布/订阅提出了空间文本数据划分方法，设计了全局索引结构Gindex与框架DSTSP。鉴于查询的偏斜性导致系统负载不均衡，提出了负载均衡策略。全局索引Gindex存储在分布式系统中的分派节点中，根据空间属性与文本属性实现空间文本数据的划分。DSTSP由分派节点、匹配节点与结果整合节点组成。其中，分派节点主要负责将消息或者订阅分发到相应的匹配节点;匹配节点负责订阅与消息的匹配;结果整合节点负责整合匹配结果以得到最终结果，并将消息发送给订阅者。此外，分派节点还能根据收集到的信息，判断系统的负载。如果匹配节点超载，则使用成本模型计算分区划分成本，然后执行分区再划分。

目录

声明

摘要

1．1 研究背景

1．2 发布订阅概述

1．3 面临的挑战

1．4 本文工作

1．5 论文的组织结构

第二章 相关研究技术介绍

2．1 空间关键词发布／订阅索引

2．2 Top-k发布／订阅

2．3 多谓词发布／订阅

2．4 分布式发布／订阅

2．5 本章小结

第三章 布尔表达式

3．1 相关概念

3．1．1 谓词

3．1．2 布尔匹配

3．1．3 订阅与消息

3．1．4 订阅与消息的匹配

3．2 关键属性的选择方法

3．3 文本索引

3．4 索引结构

3．5 实验

3．5．1 实验环境

3．5．2 实验结果分析

3．6 本章小结

第四章 分布式发布／订阅

4．1 系统的整体结构

4．2 空间文本数据划分

4．3 偏斜点与负载处理

4．4 订阅分发与结果整合

4．5 实验结果对比

4．6 本章小结

5．1 总结

5．2 展望

参考文献

攻读硕士期间发表的论文

致谢