2.3 Continuous Query ProcessingThe

2.3 Continuous Query Processing
The central idea of the SDH computation algorithm is a
conceptual data structure called density map. It is a 2D grid(cube in 3D) that divides the simulated space into squares
of equal size. The reciprocal of this size is called resolution
of the density map (DM). These density maps are used to
reduce the number of distance computations required for
SDH. Two cells mi and mj in a given resolution DM are
said to be resolvable if the minimum and maximum distance
between mi and mj fall into the same histogram bucket
k. The count of specified bucket k is incremented by ninj ,
where ni and nj are the number of particles in cells mi and
mj . Details of the basic SDH computation algorithm are
available in [22].
The SDH and other analytical queries discussed are defined
over a single frame. In practice, to study the dynamics
of the system, the complete data is analyzed by issuing
such query over all the frames. Under this situation, instead
of processing each frame one by one, more efficient
algorithms can be designed. The temporal locality of the
particles among consecutive frames can be utilized to speed
up the SDH computation. This is motivated by the strategies
used in MPEG video compression. Given two frames f0
and f1, if the result of an analytical query for f0 is known
(denoted as d0), the same query for f1 (i.e., d1) does not
have to be processed from scratch. Instead, it can be done
incrementally by working on the particles (or cells in a density
map) that show no temporal locality and modifying d0
accordingly. So, we can ignore the cells that show temporal
locality as their contributions are same in both d0 and d1.
The regular SDH algorithm can be used to process the new
frame while considering the inter-frame difference.
The potential of computing SDH continuously using this
approach is observed in extensive experiments on real simulation
data. Figure 2(a) shows that changes of particle
counts in two frames are small in most of the cells. It is
represented by the density ratio ri = nf0/nf1 , where nf0
and nf1 are the number of particles in the cell mi of the two
density maps f0 and f1. By studying the data we found that
many ratios are close to 1.0 due to the particles’ movement
to and from adjacent cells. To compute d1, one can start by
d0 and work on pairs of cells on the density function.
We can avoid the resolveability check if the density ratios
are ri = 1 and rk = 1. Also, if the product (say p) ri×rk = 1
we can avoid the resolveability check. The product p = 1
indicates that the value nink has not changed from f0 to f1,
where ni, nk are number of particles in cells mi,mk respectively.
Figure 2(b) shows the plot of distribution of cells with
the product of density ratios. A large number of cells are
found to have the product p = 1. If the cells do not resolve
but have density ratio product p = 1, one of the following
two actions can be taken. (1) A standard heuristic to distribute
the particle counts to different buckets can be used.
(2) The next higher resolution level of the density maps can
be used to perform the computation. However, the option
(2) might introduce a lot of computation, as the higher resolution
level will have to be processed. The amount of time
saved depends on how many pairs of ratios have products
1.0, or, if an error tolerance ǫ is allowed, those with product
in the range of [1 − ǫ, 1 + ǫ]. Figure 2(b) shows the great
potential for such time savings. Thus, we will be able to
build the histogram continuously without computing most
of the resolving operations. However, the major challenges
of this thesis work in achieving the desired objective are:
• A data structure is required to store the ratio and access
the cells with p ≈ 1 quickly. Otherwise, efficiency will be
compromised. A hash table or a sorted list of ratios would
help.
• The relationship between data locality and query processing
efficiency has to be analyzed.
• Extending the above strategies to higher order BCFs will
have to be explored.

ผลลัพธ์ (ไทย) 1:

2.3 การประมวลผลแบบสอบถามอย่างต่อเนื่องแนวความคิดสำคัญของอัลกอริทึมการคำนวณ SDH มีการโครงสร้างข้อมูลแนวคิดที่เรียกว่าแผนที่ความหนาแน่น เป็นตาราง 2 มิติ (cube 3D) ที่แบ่งพื้นที่จำลองสี่เหลี่ยมขนาดเท่ากัน ซึ่งกันและกันขนาดนี้เรียกว่าความละเอียดความหนาแน่นของแผนที่ (DM) แผนที่ความหนาแน่นเหล่านี้ถูกนำมาใช้ลดจำนวนระยะหนึ่งที่จำเป็นสำหรับSDH Mi เซลล์สองเซลล์และ mj ในความละเอียดที่กำหนด DMกล่าวได้ว่า เป็นที่แก้ไขได้ถ้าระยะห่างต่ำสุด และสูงสุดระหว่าง mi และ mj อยู่ในกลุ่มฮิสโตแกรมเดียวกันคุณเพิ่มขึ้นจาก ninj จำนวน k กลุ่มที่ระบุที่ ni และ nj คือ จำนวนอนุภาคใน mi เซลล์ และmj มีรายละเอียดของขั้นตอนวิธีคำนวณพื้นฐานของ SDHพร้อมใช้งานใน [22]กำหนด SDH และแบบสอบถามวิเคราะห์อื่น ๆ ที่กล่าวถึงบนเฟรมเดียวกัน ในทางปฏิบัติ การศึกษาการเปลี่ยนแปลงระบบ ข้อมูลสมบูรณ์จะวิเคราะห์โดยเช่นแบบสอบถามกว่าเฟรมทั้งหมด ภายใต้สถานการณ์นี้ แทนของแต่ละเฟรมหนึ่ง เพิ่มประสิทธิภาพการประมวลผลอัลกอริทึมได้รับ ท้องถิ่นชั่วคราวของการอนุภาคระหว่างเฟรมต่อเนื่องกันที่สามารถใช้ความเร็วค่าการคำนวณ SDH นี้เป็นแรงจูงใจ โดยกลยุทธ์ใช้ในการบีบอัดวิดีโอ MPEG กำหนดสองเฟรม f0และ f1 ถ้าผลลัพธ์ของแบบสอบถามวิเคราะห์สำหรับ f0(สามารถบุเป็น d0), แบบสอบถามเดียวกันสำหรับ f1 (เช่น ง 1) ไม่ได้ต้องสามารถประมวลผลจากรอยขีดข่วน แทน ก็สามารถทำได้แบบเพิ่มหน่วย โดยทำงานบนอนุภาค (หรือเซลล์มีความหนาแน่นแผนที่) ที่แสดงไม่ท้องถิ่นชั่วคราวและปรับเปลี่ยน d0ตาม ดังนั้น เราสามารถละเว้นเซลล์ที่แสดงชั่วคราวท้องถิ่นเป็นผลงานของพวกเขาเป็นเดียวกัน d0 และง 1อัลกอริทึม SDH ปกติที่สามารถใช้เพื่อดำเนินการใหม่กรอบโดยพิจารณาถึงความแตกต่างระหว่างเฟรมศักยภาพของคอมพิวเตอร์ SDH ที่ใช้อย่างต่อเนื่องวิธีเป็นสังเกตในการทดลองอย่างละเอียดในการจำลองสถานการณ์จริงข้อมูล รูปที่ 2(a) แสดงที่เปลี่ยนแปลงของอนุภาคนับในเฟรมที่สองมีขนาดเล็กส่วนใหญ่ของเซลล์ จึงแสดงอัตราความหนาแน่นโดย ri = nf0/nf1 ที่ nf0และ จำนวนอนุภาคใน mi เซลล์สอง nf1ความหนาแน่นแผนที่ f0 และ f1 โดยศึกษาข้อมูล เราพบว่าอัตราส่วนมากมัก 1.0 เนื่องจากความเคลื่อนไหวของอนุภาคเข้า และออก จากเซลล์ที่อยู่ติดกัน การคำนวณง 1 หนึ่งสามารถเริ่มต้นด้วยd0 และทำงานคู่เซลล์บนฟังก์ชันความหนาแน่นเราสามารถหลีกเลี่ยงการตรวจสอบ resolveability ถ้าอัตราความหนาแน่นมี ri = 1 และ rk = 1 ยัง ถ้าผลิตภัณฑ์ (พูด p) ri × rk = 1เราสามารถหลีกเลี่ยงการตรวจสอบ resolveability ผลิตภัณฑ์ p = 1บ่งชี้ว่า nink ค่ามีไม่เปลี่ยนจาก f0 f1ni, nk จำนวนอนุภาคในเซลล์ mi เอ็มเคตามลำดับ2(b) รูปแสดงแผนการกระจายของเซลล์ที่มีผลิตภัณฑ์ของอัตราส่วนความหนาแน่น มีเซลล์เป็นจำนวนมากตรวจพบผลิตภัณฑ์ p = 1 ถ้าไม่สามารถแก้ไขเซลล์แต่มีความหนาแน่นอัตราผลิตภัณฑ์ p = 1 ต่อไปนี้อย่างใดอย่างหนึ่งสามารถนำการดำเนินการที่สอง (1) แบบ heuristic มาตรฐานกระจายสามารถใช้อนุภาคนับกลุ่มแตกต่างกัน(2) ความละเอียดระดับของแผนที่ความหนาแน่นสามารถใช้เพื่อทำการคำนวณ อย่างไรก็ตาม ตัว(2) อาจแนะนำมากคำนวณ เป็นความละเอียดสูงระดับจะมีการประมวลผล จำนวนเวลาบันทึกขึ้นอยู่กับอัตราส่วนจำนวนคู่มีผลิตภัณฑ์1.0 หรือ ถ้าǫยอมรับข้อผิดพลาดได้รับ อนุญาต ผู้ที่ มีสินค้าในช่วงของ [1 −ǫ 1 + ǫ] รูปที่ 2(b) แสดงดีศักยภาพการประหยัดเวลาดังกล่าว ดังนั้น เราจะสามารถสร้างฮิสโตแกรมการอย่างต่อเนื่อง โดยไม่มีการใช้งานมากที่สุดการดำเนินงาน resolving อย่างไรก็ตาม ความท้าทายสำคัญงานวิทยานิพนธ์ในการบรรลุวัตถุประสงค์ที่ต้องมี:•โครงสร้างของข้อมูลจะต้องเก็บอัตราการเข้าถึงเซลล์กับ p ≈ 1 อย่างรวดเร็ว มิฉะนั้น ประสิทธิภาพจะโจมตี ตารางแฮชหรือเรียงลำดับรายการของอัตราส่วนจะวิธีใช้•ความสัมพันธ์ระหว่างข้อมูลท้องถิ่นและการประมวลผลแบบสอบถามประสิทธิภาพสามารถวิเคราะห์ได้•ขยายกลยุทธ์ข้างต้นจะสูงใบสั่ง BCFs จะมีไป

ผลลัพธ์ (ไทย) 3:

2.3 แบบสอบถามการประมวลผลอย่างต่อเนื่อง
ความคิดกลางของการมีการคำนวณขั้นตอนวิธีเป็น
ข้อมูลแนวคิดโครงสร้างที่เรียกว่าแผนที่ความหนาแน่น มันเป็นแบบ 2D ใน 3D Cube ) ที่แบ่งพื้นที่เป็นสี่เหลี่ยม
จำลองขนาดเท่า ส่วนกลับของขนาดนี้เรียกว่าความละเอียดของแผนที่ความหนาแน่น
( DM ) แผนที่ความหนาแน่น เหล่านี้จะถูกใช้เพื่อลดจำนวนของการคำนวณระยะทาง

สามารถใช้ .สองเซลล์มี MJ ใน DM และให้ความละเอียด
กล่าวจะ resolvable ถ้าต่ำสุดและสูงสุดและระยะทางระหว่างมิ
MJ ตกอยู่ในถังความถี่เดียวกัน
K . นับระบุถังเคสั่ง โดย ninj
ที่ไหน , ฮานี NJ เป็นจำนวนอนุภาคในเซลล์มิ
MJ รายละเอียดของขั้นตอนวิธีการคำนวณพื้นฐานที่ดีจะพร้อมใช้งานใน 22
[ ]
การเติบโตและแบบสอบถามวิเคราะห์อื่น ๆได้ถูกกำหนด
กว่าเฟรมเดียว ในการฝึกเพื่อศึกษาพลวัต
ของระบบข้อมูลที่สมบูรณ์เช่นแบบสอบถามวิเคราะห์โดยการออก
เหนือกรอบทั้งหมด ภายใต้สถานการณ์นี้ , แทน
ของการประมวลผลแต่ละเฟรมหนึ่งโดยหนึ่งขั้นตอนวิธีที่มีประสิทธิภาพ
เพิ่มเติมสามารถออกแบบ ส่วนขมับของ
อนุภาคของเฟรมติดต่อกันสามารถใช้ความเร็ว
ขึ้น SDH การคำนวณได้ นี้เป็นแรงจูงใจ โดยกลยุทธ์ที่ใช้ในการบีบอัดวิดีโอ MPEG
. ได้รับสองเฟรมและละ
F1 ถ้าผลของแบบสอบถามวิเคราะห์ละรู้จัก
( กล่าวคือ เป็นพลังงาน ) , แบบสอบถามเดียวกันสำหรับ F1 ( เช่น , D1 ) ไม่ได้
ต้องถูกแปรรูปจากรอยขีดข่วน แทน ก็ทำได้
แบบเพิ่มหน่วย โดยทำงานบนอนุภาค ( หรือเซลล์ในความหนาแน่น
แผนที่ ) ที่ไม่แสดงเวลาสถานที่และปรับเปลี่ยนพลังงาน
ตามนั้น ดังนั้นเราสามารถละเว้นเซลล์ที่แสดงผลงานของพวกเขาจะเป็นชั่วคราว
ท้องถิ่นเดียวกันทั้งพลังงานและ D1
วิธีบริษัทปกติสามารถใช้กระบวนการกรอบใหม่ในขณะที่การพิจารณาความแตกต่างระหว่าง

กรอบ .ศักยภาพของการมีคอมพิวเตอร์อย่างต่อเนื่องโดยใช้วิธีการนี้
เป็นที่สังเกตในการทดลองอย่างละเอียด ข้อมูลการจำลองจริง

รูปที่ 2 ( ก ) แสดงให้เห็นว่าการเปลี่ยนแปลงของนับอนุภาค
2 เฟรมมีขนาดเล็กที่สุดของเซลล์ มันคือ
แสดงโดยความหนาแน่นของอัตราส่วนริ = nf0 / nf1 ที่ nf0
nf1 และเป็นจำนวนของอนุภาคในเซลล์ มี ของ 2
ความหนาแน่นและแผนที่ละ F1 .จากการศึกษาข้อมูลพบว่า มีอัตราส่วน
ใกล้กับ 1.0 เนื่องจากอนุภาคเคลื่อนไหว
และจากเซลล์ที่อยู่ติดกัน . คำนวณ D1 , หนึ่งสามารถเริ่มต้นด้วย
+ ทำงานในคู่ของเซลล์ฟังก์ชันความหนาแน่น .
เราสามารถหลีกเลี่ยง resolveability ตรวจสอบถ้าอัตราส่วนความหนาแน่น
เป็นริ = 1 และ RK = 1 นอกจากนี้ หากผลิตภัณฑ์ ( พูด P ) ริ× RK = 1
เราสามารถหลีกเลี่ยง resolveability ตรวจสอบ ผลิตภัณฑ์ P = 1
พบว่าค่านิ้งไม่ได้เปลี่ยนจากละกับ F1
ที่ผม ฯลฯ มีจำนวนของอนุภาคในเซลล์ มี เค ตามลำดับ
รูปที่ 2 ( ข ) แสดงให้เห็นว่าแผนของการกระจายของเซลล์
ผลิตภัณฑ์ของอัตราส่วนความหนาแน่น จํานวนเซลล์
มีสินค้า P = 1 ถ้าเซลล์ไม่แก้
แต่ความหนาแน่นของอัตราส่วนผลิตภัณฑ์ P = 1 , หนึ่งต่อไปนี้
สองการกระทำที่สามารถถ่าย( 1 ) มาตรฐานสำหรับการกระจายอนุภาคนับถึงถัง
แตกต่างกันสามารถใช้ .
( 2 ) หน้าความละเอียดสูงระดับความหนาแน่นของแผนที่สามารถใช้แสดงการคำนวณ
. อย่างไรก็ตาม ตัวเลือก
( 2 ) อาจจะแนะนำมากของการคำนวณเช่นความละเอียดสูง
ระดับจะต้องประมวลผล จำนวนครั้งที่
บันทึกขึ้นอยู่กับ อัตราส่วนของวิธีการหลายคู่มีผลิตภัณฑ์
1.0 , หรือหากผิดพลาดǫความอดทนให้กับผลิตภัณฑ์
ในช่วงของ 1 −ǫǫ [ 1 ] รูปที่ 2 ( ข ) แสดงศักยภาพที่ดี
ออมเวลา เช่น เราจึงจะสามารถสร้างกราฟ

ส่วนใหญ่ของคอมพิวเตอร์อย่างต่อเนื่อง โดยไม่มีการแก้ไขงาน อย่างไรก็ตาม ความท้าทายที่สำคัญในการบรรลุเป้าหมายของงานวิทยานิพนธ์นี้

มีที่ต้องการ :- โครงสร้างของข้อมูลจะต้องจัดเก็บค่าและเข้าถึง
เซลล์กับ P ≈ 1 ได้อย่างรวดเร็ว มิฉะนั้น ประสิทธิภาพจะ
ละเมิด สับตารางหรือจัดเรียงรายชื่อจะช่วยต่อ
.
- ความสัมพันธ์ระหว่างท้องถิ่นและข้อมูลประสิทธิภาพการประมวลผลแบบสอบถามมีการวิเคราะห์
.
- ขยายกลยุทธ์ข้างต้นสั่งซื้อที่สูงขึ้นจะต้อง bcfs

สํารวจ