Βελτιστοποίηση ερωτημάτων με πολλαπλά κριτήρια σε βάσεις δεδομένων
Το πρόβλημα της βελτιστοποίησης ερωτημάτων πολλαπλών κριτηρίων σε βάσεις δεδομένων είναι ένα αρκετά δύσκολο και ενδιαφέρον ερευνητικά πρόβλημα, διότι χαρακτηρίζεται από αντικρουόμενες απαιτήσεις. Κάθε βήμα στην απάντηση ενός ερωτήματος μπορεί να εκτελεστεί με παραπάνω από έναν τρόπους. Για την επίλυ...
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Μορφή: | Thesis |
Γλώσσα: | Greek |
Έκδοση: |
2007
|
Θέματα: | |
Διαθέσιμο Online: | http://nemertes.lis.upatras.gr/jspui/handle/10889/531 |
id |
nemertes-10889-531 |
---|---|
record_format |
dspace |
spelling |
nemertes-10889-5312022-09-05T20:30:30Z Βελτιστοποίηση ερωτημάτων με πολλαπλά κριτήρια σε βάσεις δεδομένων Multiobjective query optimization under parametric aggregation constraints Ρήγα, Γεωργία Ζαρολιάγκης, Χρήστος Ζαρολιάγκης, Χρήστος Κακλαμάνης, Χρήστος Γαλλόπουλος, Ευστράτιος Riga, Georgia Βήματα Λειτουργία Πολυκριτηριακή Στιγμιότυπο Επικρατέστερος κατακερματιστής Συσσωρευτικός βελτιστοποιητής Ερώτημα Strides Operation Multiobjective Instance Dominated fragmenter Bid Aggregation Optimizer Query 025.524 Το πρόβλημα της βελτιστοποίησης ερωτημάτων πολλαπλών κριτηρίων σε βάσεις δεδομένων είναι ένα αρκετά δύσκολο και ενδιαφέρον ερευνητικά πρόβλημα, διότι χαρακτηρίζεται από αντικρουόμενες απαιτήσεις. Κάθε βήμα στην απάντηση ενός ερωτήματος μπορεί να εκτελεστεί με παραπάνω από έναν τρόπους. Για την επίλυση τέτοιου είδους ερωτημάτων έχουν προταθεί διάφοροι αλγόριθμοι, με πιο πρόσφατους τους: Mariposa, M' και Generate Partitions. Ο Mariposa και ο Μ' εφαρμόζονται στην βάση δεδομένων Mariposa, η οποία δίνει την δυνατότητα στον χρήστη να καθορίζει την επιθυμητή εξισορόπηση (tradeoff) καθυστέρησης/κόστους για κάθε ερώτημα που θέτει. Ο αλγόριθμος Mariposa ακολουθεί μία προσέγγιση απληστίας (greedy approach) προσπαθώντας σε κάθε βήμα να μεγιστοποιήσει το «κέρδος» ενώ ο Μ' χρησιμοποιεί σύνολα βέτιστων κατά Pareto λύσεων για την επιλογή του επόμενου βήματος στην θέση του κριτηρίου απληστίας. Τέλος, ο αλγόριθμος Generate Partition χρησιμοποιεί έναν διαχωρισμό του χώρου απαντήσεων χρησιμοποιώντας δομές R-trees πετυχαίνοντας πολύ καλή απόδοση. The optimization of queries in distributed database systems is known to be subject to delicate trade-offs. For example, the Mariposa database system allows users to specify a desired delay-cost tradeoff (that is to supply a decreasing function u(d) specifying how much the user is willing to pay in order to receive the query results within time d) Mariposa divides a query graph into orizontal strides analyzes each stride, and uses a greedy heuristic to find the best plan for all strides. 2007-09-24T08:15:05Z 2007-09-24T08:15:05Z 2006-11 2007-09-24T08:15:05Z Thesis http://nemertes.lis.upatras.gr/jspui/handle/10889/531 gr Η ΒΥΠ διαθέτει αντίτυπο της διατριβής σε έντυπη μορφή στο βιβλιοστάσιο διδακτορικών διατριβών που βρίσκεται στο ισόγειο του κτιρίου της. application/pdf |
institution |
UPatras |
collection |
Nemertes |
language |
Greek |
topic |
Βήματα Λειτουργία Πολυκριτηριακή Στιγμιότυπο Επικρατέστερος κατακερματιστής Συσσωρευτικός βελτιστοποιητής Ερώτημα Strides Operation Multiobjective Instance Dominated fragmenter Bid Aggregation Optimizer Query 025.524 |
spellingShingle |
Βήματα Λειτουργία Πολυκριτηριακή Στιγμιότυπο Επικρατέστερος κατακερματιστής Συσσωρευτικός βελτιστοποιητής Ερώτημα Strides Operation Multiobjective Instance Dominated fragmenter Bid Aggregation Optimizer Query 025.524 Ρήγα, Γεωργία Βελτιστοποίηση ερωτημάτων με πολλαπλά κριτήρια σε βάσεις δεδομένων |
description |
Το πρόβλημα της βελτιστοποίησης ερωτημάτων πολλαπλών κριτηρίων σε βάσεις δεδομένων είναι ένα αρκετά δύσκολο και ενδιαφέρον ερευνητικά πρόβλημα, διότι χαρακτηρίζεται από αντικρουόμενες απαιτήσεις. Κάθε βήμα στην απάντηση ενός ερωτήματος μπορεί να εκτελεστεί με παραπάνω από έναν τρόπους. Για την επίλυση τέτοιου είδους ερωτημάτων έχουν προταθεί διάφοροι αλγόριθμοι, με πιο πρόσφατους τους: Mariposa, M' και Generate Partitions. Ο Mariposa και ο Μ' εφαρμόζονται στην βάση δεδομένων Mariposa, η οποία δίνει την δυνατότητα στον χρήστη να καθορίζει την επιθυμητή εξισορόπηση (tradeoff) καθυστέρησης/κόστους για κάθε ερώτημα που θέτει. Ο αλγόριθμος Mariposa ακολουθεί μία προσέγγιση απληστίας (greedy approach) προσπαθώντας σε κάθε βήμα να μεγιστοποιήσει το «κέρδος» ενώ ο Μ' χρησιμοποιεί σύνολα βέτιστων κατά Pareto λύσεων για την επιλογή του επόμενου βήματος στην θέση του κριτηρίου απληστίας. Τέλος, ο αλγόριθμος Generate Partition χρησιμοποιεί έναν διαχωρισμό του χώρου απαντήσεων χρησιμοποιώντας δομές R-trees πετυχαίνοντας πολύ καλή απόδοση. |
author2 |
Ζαρολιάγκης, Χρήστος |
author_facet |
Ζαρολιάγκης, Χρήστος Ρήγα, Γεωργία |
format |
Thesis |
author |
Ρήγα, Γεωργία |
author_sort |
Ρήγα, Γεωργία |
title |
Βελτιστοποίηση ερωτημάτων με πολλαπλά κριτήρια σε βάσεις δεδομένων |
title_short |
Βελτιστοποίηση ερωτημάτων με πολλαπλά κριτήρια σε βάσεις δεδομένων |
title_full |
Βελτιστοποίηση ερωτημάτων με πολλαπλά κριτήρια σε βάσεις δεδομένων |
title_fullStr |
Βελτιστοποίηση ερωτημάτων με πολλαπλά κριτήρια σε βάσεις δεδομένων |
title_full_unstemmed |
Βελτιστοποίηση ερωτημάτων με πολλαπλά κριτήρια σε βάσεις δεδομένων |
title_sort |
βελτιστοποίηση ερωτημάτων με πολλαπλά κριτήρια σε βάσεις δεδομένων |
publishDate |
2007 |
url |
http://nemertes.lis.upatras.gr/jspui/handle/10889/531 |
work_keys_str_mv |
AT rēgageōrgia beltistopoiēsēerōtēmatōnmepollaplakritēriasebaseisdedomenōn AT rēgageōrgia multiobjectivequeryoptimizationunderparametricaggregationconstraints |
_version_ |
1771297287610302464 |