由于空间数据库中的数据量很大 ,因此空间数据库查询的开销一般要比关系数据库 大 ,特别是查询语句的条件谓词中包含一些对空间数据操作的函数 ,计算这些函数的开销远比数值 或字符串的比较要大。如果用顺序扫描的方法查询 ,则效率非常低。因此 ,为了提高查询效率 ,采 用空间索引是十分必要的。目前人们的研究工作更多地集中在空间数据的多维索引的研究上。全 面地总结了当前空间数据库领域中空间索引的研究进展 ,然后介绍了目前空间数据库中广为采用 且比较新的 4种索引方法: ( 1) R 树 (2) K -

基于KDB树和数据聚合的RFID中间件事件过滤算法研究，理论性较强，过滤算法

越来越多的实时应用程序需要处理高密度流数据上的动态连续查询。 传统的数据和查询索引方法通常不会在维护或空间上花费过多的成本。 针对这些问题，本研究首先提出了一种通过将自适应单元和KDB树融合的新索引结构，即CKDB树。 在支持动态连续的CKDB树的基础上开发了一种单元树索引方法查询。 该方法显着降低了空间成本，并随着数据量的增加而很好地扩展。 力求提供一个过滤大量蒸汽数据的可扩展解决方案，本研究探索了利用现代通用方法的可行性在图形处理器（GPGPU）上进行计算。 基于CKDB树的方法已扩展为可操

闪存广泛用于存储系统中。 在闪存上直接使用多维索引结构会引入大量的冗余写入，因为此类索引结构需要密集的细粒度更新。 KDB树是经典的多维索引结构。 在本文中，提出了在闪存上实现KDB树的实现，即F-KDB，以处理细粒度的更新。 在F-KDB中，KDB树节点表示为日志的集合（称为日志条目），以有效地处理该节点的更新。 由于收集和解析所有相关日志条目以构建节点可能会降低查询性能，因此提出了一种工作负载自适应（WA）在线算法来提高查询性能。 进行了一系列实验，以证明F-KDB在闪存上的效率。 插入/删