It is observed from the study of th

It is observed from the study of the current state of art that during the execution of a query in a spatial
database management system (SDBMS), the query optimizer creates all possible query evaluation plans
and chooses the best possible plan. Once the data is retrieved the query and its plans are deleted from
memory to free the space for future usage. For the next query same technique is repeated even if the
query is already executed. This leads to increase storage overhead and execution time. In the following
section we discuss indexing to achieve the parallel processing concept for distributed spatial database
system and system architecture of the proposed Smart Query Handler. A buffer based technique is
introduced that can store previously executed plan. This helps in faster processing. We use spatial
indexing that makes the retrieval of data faster. Here every lead node has nth level of information of its
MBR. So we can search a node in multiple paths also. This problem can be solved by using intelligent
query optimizer and all lead node stores the least cost path.
2.1 Spatial data partitioning
In the data partitioning phase, we assume there are m sites and n spatial nodes. Let S = {s1, s2, sm} be a set
of sites. Let N= {N1, N2, .Nn} be a set of spatial nodes. We adopt the same strategy as the packing R-tree
method. The only difference is we store spatial nodes in different site according to special rule. It can be
specified as follow:
1. Sort N by x-coordinate ascending, we get a new set N= { 1, 2… n};
2. Sort N’ by y-coordinate, we get a new set N”= { 1, 2 …. n};
Here all nodes are GPS enabled, so distances can be found easily using their coordinates. Let coordinates
of N1 node (x1, y1) and N2(x2,y2) so their distances will be .
2.2 Spatial index building
The Basic thought of spatial index, which is also the fundamental thought of spatial query, is to carry out
the thought of approximation. By this means, it is possible for index structure to manage data according to
one or several conditions. The most popular index structure is R-tree. In this Section, the problem of 768 Parthasarathi Boyal and Rituparna Chaki / Procedia Technology 4 ( 2012 ) 766 – 771
constructing index building of 2-d nodes is being considered to eliminate multiple paths using GPS
enabled node .This algorithm is based on packing R-Tree indexing using GPS enabled nodes.
Algorithm for index building
Step 1: Store all nodes in an array DB[i] and sort the array in descending order.
Step2: Take the 1st node and calculate distances with other nodes.
Step3:
x Select the nearest node of the 1st node. /*using RNN algorithm for finding nearest node.*/
x Build the cluster using nearest node of the 1st node.
x Store 1st node and nearest node to cluster[ ]
x After building the cluster delete the nodes from the array DB[i]
Step5: Do step 1 to step 3 starting with the new database
Step6: Repeat step 3, step4 and step5 until DB[i] is empty.
Step 7: Build the index using these cluster.
x Construct the root node: Assign the cluster list as a root.
x Assign the internal node by using the member of individual cluster.
x Assigning leaf node: Spilt the individual cluster put the member of the cluster in different site.

ผลลัพธ์ (ไทย) 1:

จะสังเกตจากการศึกษาสถานะปัจจุบันของศิลปะที่ในระหว่างการดำเนินการแบบสอบถามในการปริภูมิ
ระบบจัดการฐานข้อมูล (SDBMS), เพิ่มประสิทธิภาพการสอบถามสร้างแผนการประเมินแบบสอบถามเป็นไปได้ทั้งหมด
และเลือกแผนได้ดีที่สุด ลบเมื่อดึงข้อมูล การสอบถามและแผนจาก
จำเนื้อที่สำหรับใช้งานในอนาคต สำหรับการสอบถามต่อไป ซ้ำเทคนิคเดียวกันแม้การ
แล้วสอบถาม นี้นำไปสู่เพิ่มค่าใช้จ่ายในการจัดเก็บและเวลาดำเนินการ ในต่อไปนี้
ส่วนเราหารือจัดทำดัชนีเพื่อให้ได้แนวคิดในการประมวลผลแบบขนานสำหรับฐานข้อมูลปริภูมิกระจาย
ระบบและสถาปัตยกรรมระบบจัดการสอบถามสมาร์ทเสนอ บัฟเฟอร์ที่ใช้เทคนิคเป็น
แนะนำว่า สามารถเก็บก่อนหน้านี้ดำเนินการวางแผน นี้ช่วยในการประมวลผลที่เร็วขึ้น เราใช้ปริภูมิ
ดัชนีที่ทำให้เรียกข้อมูลได้เร็วขึ้น ที่นี่ทุกโหนรอได้ระดับของข้อมูลของ
MBR ดังนั้น เราสามารถค้นหาโหนในหลายเส้นทางยัง ปัญหานี้สามารถแก้ไขได้โดยอัจฉริยะ
สอบถามโหนลูกค้าเป้าหมายทั้งหมดและเพิ่มประสิทธิภาพจัดเก็บเส้นทางต้นทุนน้อยที่สุด
2พาร์ทิชันข้อมูลปริภูมิ 1
ข้อมูลขั้นตอนการแบ่งพาร์ทิชัน เราสมมติว่า มีไซต์ m และโหนปริภูมิ n ให้ S = {s1, s2, sm } เป็นชุด
ของอเมริกา ให้ N = {N1, N2,Nn } เป็นชุดของโหนปริภูมิ เราใช้กลยุทธ์เดียวกันเป็นบันทึกแผนภูมิ R
วิธีการ ข้อแตกต่างคือ เราเก็บโหนปริภูมิในไซต์อื่นตามกฎพิเศษ สามารถ
ระบุดังต่อไปนี้:
1 เรียงลำดับ N จากพิกัด x เราได้รับชุดใหม่ N = { 1, 2... n };
2 เรียงลำดับ N' y-พิกัด เราได้ชุดใหม่ N " = { 1, 2... n };
ต่อโหนดทั้งหมดเป็น GPS ที่เปิดใช้งาน เพื่อระยะทางสามารถพบได้ง่ายโดยใช้พิกัดของพวกเขา ให้พิกัด
ของโหน N1 (x1, y1) และ N2(x2,y2) เพื่อระยะทางของพวกเขาจะ
2.2 ดัชนีพื้นที่อาคาร
คิดดัชนีปริภูมิ พื้นฐาน ซึ่งเป็นพื้นฐานที่คิดสอบถามพื้นที่ มีการ ดำเนินการ
คิดประมาณการ โดยวิธีนี้ ก็เป็นไปได้โครงสร้างดัชนีในการจัดการข้อมูลตาม
หนึ่ง หรือหลายเงื่อนไข โครงสร้างดัชนีนิยมมากที่สุดคือ แผนภูมิ R ในส่วนนี้ ปัญหาของ 768 Parthasarathi Boyal และ Rituparna เดิม / 4 เทคโนโลยี Procedia (2012) 766-771
สร้างอาคารดัชนีของโหนด 2 d จะถือว่าตัดออกหลายเส้นทางโดยใช้ GPS
เปิดโหนอัลกอริทึมนี้จะขึ้นอยู่กับการบันทึกแผนภูมิ R ดัชนีใช้โหน GPS เปิดใช้งาน
อัลกอริทึมสำหรับสร้างดัชนี
ขั้นตอนที่ 1: เก็บโหนทั้งหมดในอาร์เรย์ DB [i] และจัดเรียงแถวเรียงลำดับ
Step2: ใช้โหนด 1 และคำนวณระยะทางกับโหนอื่น ๆ
ขั้นตอนที่ 3:
x เลือกโหนดโหนด 1 / * ใช้ RNN อัลกอริทึมการค้นหาที่ใกล้ที่สุด node.* /
x รุ่นที่ใช้คลัสเตอร์ใกล้โหนด 1 โหนด
x เก็บโหนด 1 และ ใกล้โหนคลัสเตอร์ []
x หลังจากสร้างลบคลัสเตอร์โหนจากเรย์ DB [i]
Step5: ขั้นที่ 1 ไปขั้นตอนที่ 3 เริ่มต้นด้วยฐานข้อมูลใหม่
Step6: ทำซ้ำขั้นตอนที่ 3, step4 และ step5 จนกว่า DB [i] ว่างเปล่า
ขั้นตอนที่ 7: สร้างดัชนีคลัสเตอร์เหล่านี้
x สร้างโหนดราก: กำหนดรายชื่อคลัสเตอร์เป็นราก
x กำหนดโหนภายในโดยสมาชิกของแต่ละคลัสเตอร์
x กำหนดโหนดสาขา: รั่วไหลแต่ละคลัสเตอร์ย้ายสมาชิกของคลัสเตอร์ในไซต์อื่น

ผลลัพธ์ (ไทย) 2:

มันเป็นที่สังเกตจากการศึกษาสถานะปัจจุบันของศิลปะที่ระหว่างการทำงานของแบบสอบถามในพื้นที่
ระบบการจัดการฐานข้อมูล (SDBMS), เพิ่มประสิทธิภาพการค้นหาที่เป็นไปได้สร้างแผนการประเมินผลแบบสอบถามทั้งหมด
และเลือกแผนการที่ดีที่สุด เมื่อข้อมูลถูกดึงแบบสอบถามและแผนการที่จะถูกลบออกจาก
หน่วยความจำเพื่อเพิ่มพื้นที่ว่างสำหรับการใช้งานในอนาคต สำหรับการค้นหาต่อไปเทคนิคเดียวกันซ้ำแล้วซ้ำอีกแม้ว่า
จะถูกดำเนินการสอบถามแล้ว นี้นำไปสู่การเพิ่มขึ้นของค่าใช้จ่ายการจัดเก็บข้อมูลและการดำเนินการครั้งที่ ในต่อไปนี้
เราจะหารือในส่วนการจัดทำดัชนีเพื่อให้บรรลุแนวคิดการประมวลผลแบบขนานสำหรับการกระจายฐานข้อมูลเชิงพื้นที่
ของระบบและสถาปัตยกรรมระบบการทำงานของสมาร์ทเสนอคำที่จะจัดการ บัฟเฟอร์เทคนิคตามที่
แนะนำที่สามารถเก็บแผนดำเนินการก่อนหน้านี้ ซึ่งจะช่วยในการประมวลผลที่เร็วขึ้น เราใช้พื้นที่
การจัดทำดัชนีที่ทำให้ดึงข้อมูลได้เร็วขึ้น ที่นี่ทุกโหนดมีระดับตะกั่ว n ของข้อมูลของ
MBR เพื่อให้เราสามารถค้นหาโหนดในหลายเส้นทางยัง ปัญหานี้สามารถแก้ไขได้โดยการใช้ความคิดสร้างสรรค์
เพิ่มประสิทธิภาพการค้นหาและทุกร้านค้าโหนดนำค่าใช้จ่ายอย่างน้อยเส้นทาง
แบ่ง 2.1 ข้อมูลเชิงพื้นที่
ในระยะการแบ่งข้อมูลเราถือว่ามีเว็บไซต์เมตรและ n โหนดเชิงพื้นที่ ให้ S = {S1, S2, เอสเอ็ม} เป็นชุด
ของเว็บไซต์ ให้ยังไม่มี = {N1, N2, .Nn} เป็นชุดของโหนดอวกาศ เรานำมาใช้กลยุทธ์เดียวกับ R-ต้นไม้บรรจุ
วิธี ความแตกต่างเพียงอย่างเดียวคือเราเก็บโหนดอวกาศในเว็บไซต์ที่แตกต่างกันไปตามกฎพิเศษ มันสามารถ
ที่ระบุไว้ดังต่อไปนี้
1 ยังไม่มีการจัดเรียงโดย x-ประสานงานจากที่เราได้รับชุดใหม่ยังไม่มี = {1, 2 ... n};
2 เรียง N 'ด้วย y พิกัดที่เราได้รับชุดใหม่ N "= {1, 2 ... n};
ที่นี่ทุกโหนดมีจีพีเอสที่เปิดใช้งานเพื่อให้ระยะทางที่สามารถพบได้อย่างง่ายดายโดยใช้พิกัดของพวกเขา ขอพิกัด
ของโหนด N1 (x1, y1) และ N2 (x2, y2) เพื่อให้ระยะทางที่พวกเขาจะได้รับ
2.2 ดัชนีอวกาศสร้าง
ความคิดพื้นฐานของดัชนีพื้นที่ซึ่งยังเป็นความคิดพื้นฐานของแบบสอบถามอวกาศคือการดำเนินการ
ความคิด ของการประมาณ ด้วยวิธีนี้ก็เป็นไปได้สำหรับโครงสร้างดัชนีการจัดการข้อมูลตามที่
หนึ่งหรือหลายเงื่อนไข โครงสร้างดัชนีที่เป็นที่นิยมมากที่สุดคือ R-ต้นไม้ ในส่วนนี้ปัญหาของ 768 Parthasarathi Boyal และ Rituparna Chaki / Procedia เทคโนโลยี 4 (2012) 766-771
อาคารสร้างดัชนีของ 2-D โหนดจะถูกพิจารณาในการกำจัดหลายเส้นทางโดยใช้จีพีเอส
ที่เปิดใช้งานสิ่งอำนวยความโหนดอัลกอริทึมจะขึ้นอยู่กับการบรรจุ R การจัดทำดัชนี -tree ใช้ GPS เปิดใช้งานโหนด
อัลกอริทึมในการสร้างดัชนี
ขั้นตอนที่ 1: เก็บโหนดทั้งหมดในอาร์เรย์ DB [ผม] และจัดเรียงแถวตามลำดับ
ขั้นที่ 2: ใช้โหนด 1 และคำนวณระยะทางกับโหนดอื่น ๆ
ขั้นที่ 3:
x เลือก โหนดใกล้เคียงกับโหนดที่ 1 / * โดยใช้อัลกอริทึม RNN สำหรับการค้นหาโหนดที่ใกล้. /
x สร้างกลุ่มโดยใช้โหนดใกล้เคียงกับโหนด 1
โหนด x ร้านขายของที่ 1 และโหนดใกล้กับกลุ่ม []
x หลังจากที่การสร้างกลุ่มลบโหนดจากอาร์เรย์ DB [ผม]
ขั้นที่ 5: ทำขั้นตอนที่ 1 ถึงขั้นตอนที่ 3 เริ่มต้นด้วยฐานข้อมูลใหม่
Step6: ทำซ้ำขั้นตอนที่ 3 ขั้นตอน 4 และ Step5 จนกว่า DB [ผม] เป็นที่ว่างเปล่า
ขั้นที่ 7: สร้างดัชนีโดยใช้กลุ่มเหล่านี้
x สร้างโหนดราก: กำหนดรายชื่อกลุ่ม เป็นราก
x กำหนดโหนดภายในโดยใช้สมาชิกของกลุ่มแต่ละ
x กำหนดโหนดใบ: SPILT กลุ่มบุคคลที่นำสมาชิกของกลุ่มในเว็บไซต์ที่แตกต่างกัน

ผลลัพธ์ (ไทย) 3:

มันเป็นที่สังเกตจากการศึกษาสภาพปัจจุบันของศิลปะในการดำเนินการของแบบสอบถามในพื้นที่
ระบบการจัดการฐานข้อมูล ( sdbms ) , Quastr สร้างแผนการแบบสอบถามการประเมินทั้งหมดเป็นไปได้
และเลือกแผนการที่ดีที่สุด เมื่อข้อมูลถูกดึงแบบสอบถามและแผนการที่ถูกลบออกจากหน่วยความจำฟรี
พื้นที่สำหรับการใช้งานในอนาคตต่อสอบถามเทคนิคเดียวกันซ้ำแม้ว่า
สอบถามได้เสมอ นี้นำไปสู่การเพิ่มค่าใช้จ่ายในการจัดเก็บและเวลาในการดำเนินการ ในส่วนต่อไปนี้
เราหารือเกี่ยวกับดัชนีเพื่อให้บรรลุแนวคิดการประมวลผลแบบขนานสำหรับการกระจายเชิงพื้นที่ ฐานข้อมูล
สถาปัตยกรรมและระบบของระบบสมาร์ทการเสนอผู้ดูแล เทคนิคที่ใช้บัฟเฟอร์คือ
แนะนำว่า สามารถจัดเก็บก่อนหน้านี้ดำเนินการวางแผน นี้ช่วยในการประมวลผลได้เร็วขึ้น เราใช้พื้นที่
ดัชนีที่ทำให้การสืบค้นข้อมูลได้เร็วขึ้น ที่นี่ทุกโหนดมีข้อมูลแลกา ระดับของ MBR
. เพื่อให้เราสามารถค้นหาปมในหลายเส้นทางด้วย ปัญหานี้สามารถแก้ไขได้โดยการเพิ่มประสิทธิภาพแบบสอบถามฉลาด
และนำโหนดเก็บค่าใช้จ่ายอย่างน้อย เส้นทาง
2 .1 ด้านข้อมูลพาร์ทิชันข้อมูลพาร์ทิชัน
ในเฟส เราถือว่า มี m และ n โหนดเว็บไซต์เชิงพื้นที่ ให้ s = { S1 , S2 , SM }
เป็นชุดของเว็บไซต์ ให้ n = { N1 , N2 , nn } เป็นชุดของโหนดเชิงพื้นที่ เราใช้กลยุทธ์เดียวกันเช่นการบรรจุ r-tree
วิธี ความแตกต่างเพียงอย่างเดียวคือ เราเก็บโหนดเชิงพื้นที่ในที่แตกต่างกันเว็บไซต์ตามกฎพิเศษ ก็สามารถระบุได้ดังนี้

1เรียงจากน้อยไปมาก N โดยกลไกควบคุมควบคุมจากภายใน เราได้รับชุดใหม่ n = { 1 , 2 . . . . . . . N } ;
2 N ' โดยเรียง y-coordinate เราได้รับชุดใหม่ " = { 1 , 2 . . . . . . . n } ;
ที่นี่ทุกโหนดมี GPS เปิดใช้งาน ดังนั้นระยะทางที่สามารถพบได้อย่างง่ายดายโดยใช้พิกัดของ ขอพิกัด
ของโหนด ( x1 , y1 ) N1 และ N2 ( x2 , y2 ) ดังนั้นระยะทางของพวกเขาจะ 2.2 ดัชนีพื้นที่อาคาร

ความคิดพื้นฐานของดัชนีอวกาศซึ่งมีความคิดพื้นฐานของการค้นหาคือการดำเนิน
คิดประมาณ ด้วยวิธีนี้ , ก็เป็นไปได้ สำหรับดัชนีโครงสร้างการจัดการข้อมูลตาม
หนึ่งหรือหลายเงื่อนไข โครงสร้างดัชนีที่ได้รับความนิยมมากที่สุด คือ r-tree . ในส่วนนี้ ปัญหาของคุณและ parthasarathi boyal rituparna chaki / procedia เทคโนโลยี 4 ( 2012 ) ( 771
766การสร้างดัชนีของ 2-D โหนดจะถูกพิจารณาเพื่อขจัดหลายเส้นทาง ใช้ GPS
ใช้โหนด ขั้นตอนวิธีนี้จะขึ้นอยู่กับการใช้ GPS เปิดใช้งานบรรจุ r-tree โหนด

สร้างดัชนีโดยวิธีการขั้นตอนที่ 1 : เก็บทุกโหนดใน array DB [ I ] และเรียงลำดับอาร์เรย์ในน้อยสั่ง
Step 2 : ใช้ 1 โหนดและคำนวณระยะทางกับโหนดอื่น ๆ

ที่ :X เลือกโหนดที่ใกล้ที่สุดของ 1 โหนด / * ใช้ขั้นตอนวิธีการค้นหาที่ใกล้ที่สุด rnn โหนด * /
x การสร้างคลัสเตอร์ของโหนดที่ 1 โหนด
x ในร้านค้า 1 โหนดและโหนดที่ใกล้ที่สุดเพื่อกลุ่ม [ ]
x หลังจากที่สร้างกลุ่มลบโหนดจาก array DB [ ผม ]
step5 : ขั้นตอนที่ 1 ถึง 3 ขั้นตอน เริ่มต้นด้วย step6 ฐานข้อมูล
ใหม่ ให้ทำซ้ำขั้นตอนที่ 3 และ step4 step5 จนกว่า DB ผมว่างเปล่า
ขั้นตอนที่ 7 :สร้างดัชนีโดยใช้กลุ่ม
x สร้างปมราก : กำหนดรายการของกลุ่มเป็นหลัก
x กำหนดโหนดภายใน โดยใช้สมาชิกของกลุ่มบุคคล
x การกำหนดโหนดใบ ฉีกแต่ละกลุ่มให้สมาชิกของกลุ่มในแต่ละเว็บไซต์