GAPI:GPU加速的移动对象并行索引方法

发布时间：2018-11-26 13:44

【摘要】：为减少加锁操作对移动对象数据库并行性能的影响并提高其吞吐量,提出一种由GPU加速的网格结合四叉树的索引方法。采用由GPU对出入节点对象进行计数并持续计算节点拆分/合并条件的方式,在不影响CPU计算能力的前提下,将存在性能瓶颈的网格节点转化为四叉树,从而减少对象数据更新时加锁操作造成的其他线程等待时间。该方法结构简单且更适用于对象不均匀分布的场景,避免了现有索引方式或在热点区域存在性能瓶颈,或需花费大量计算资源进行结构平衡等缺点。实验结果表明,该方法与现有移动对象索引方式相比具有数据吞吐量大、响应速度快等特点,在移动对象空间分布不均匀的场景下其优势更为明显。
[Abstract]:In order to reduce the impact of locking operations on the parallel performance of moving object databases and improve their throughput, a GPU accelerated indexing method based on grid and quadtree is proposed. In the way of counting access node objects by GPU and continuously calculating the split / merge condition of nodes, the grid nodes with performance bottleneck are transformed into quadtree without affecting the computing power of CPU. This reduces the waiting time for other threads due to locking operations when updating object data. The method is simple in structure and more suitable for the scenario where objects are unevenly distributed, and avoids the shortcomings of existing indexing methods or performance bottlenecks in hot spots, or the need to spend a lot of computing resources on structural balance. The experimental results show that the proposed method has the advantages of large data throughput and fast response compared with the existing moving object indexing methods. It has more advantages in the scene of uneven spatial distribution of moving objects.
【作者单位】： 东北大学计算机科学与工程学院;东北大学中荷生命与信息学院;
【基金】：国家自然科学基金,No.61300021 中央高校基本科研业务费专项资金,Nos.N140404008,L1519003~~
【分类号】：TP311.13;TP332

【相似文献】

相关期刊论文 前10条

1 黄添强;卓飞豹;;移动对象查询研究进展[J];系统仿真技术;2007年04期

2 李伯权;;基于轨迹不确定的移动对象的预测处理[J];齐齐哈尔大学学报;2008年06期

3 王元芝;鄢来斌;;一种移动对象位置信息的处理方法[J];计算机工程与科学;2009年12期

4 李实吉;秦小麟;施竣严;;障碍空间中的移动对象位置预测[J];计算机科学;2014年07期

5 易善桢,张勇,周立柱;一种平面移动对象的时空数据模型[J];软件学报;2002年08期

6 吴劲;卢显良;;移动对象数据模型[J];计算机科学;2002年06期

7 董毅,Edward Chan,黄载禄;LDCQ的距离更新策略[J];华中科技大学学报(自然科学版);2003年12期

8 李国徽;钟细亚;;一种基于固定网络的移动对象运动轨迹索引模型[J];计算机研究与发展;2006年05期

9 卢炎生;查志勇;潘鹏;;一种改进的移动对象时空数据模型[J];华中科技大学学报(自然科学版);2006年08期

10 廖巍;唐桂芬;景宁;钟志农;;基于速度分布的移动对象混合索引方法[J];计算机学报;2007年04期

相关会议论文 前10条

1 翁敬农;;移动对象及其时空模型的研究[A];中国地理信息系统协会第九届年会论文集[C];2005年

2 张伟;皮德常;;挖掘移动对象的频繁运动模式[A];2009年中国智能自动化会议论文集（第三分册）[C];2009年

3 曹会萍;丁治明;王珊;孟小峰;;移动对象管理的自适应索引方法[A];第十八届全国数据库学术会议论文集（研究报告篇）[C];2001年

4 胡志智;孟小峰;郭研妍;李本钊;陈继东;;基于模拟预测的移动对象位置主动更新策略[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

5 陈滨;丁治明;纪鹏程;;基于动态交通网络的移动对象的索引[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年

6 王波涛;陈贺;马俊;喜连川优;王国仁;;基于区域覆盖的移动对象索引的设计与实现[A];第26届中国数据库学术会议论文集（A辑）[C];2009年

7 涂丹丹;向琳;左德承;杨孝宗;;移动对象数据库管理技术[A];黑龙江省计算机学会2007年学术交流年会论文集[C];2007年

8 白芸;孟小峰;丁锐;杨楠;胡志智;;基于移动对象流的道路索引[A];第二十届全国数据库学术会议论文集（研究报告篇）[C];2003年

9 刘小峰;陈传波;刘云生;;移动对象全局K最接近邻居查询研究[A];2007年全国开放式分布与并行计算机学术会议论文集(上册)[C];2007年

10 赵亮;陈荦;景宁;钟志农;;一种高效的移动对象连续多范围查询处理框架[A];第26届中国数据库学术会议论文集（B辑）[C];2009年

相关重要报纸文章 前4条

1 中国人民大学信息学院 孟小峰 丁治明;让数据跟随你移动[N];计算机世界;2001年

2 中国人民大学信息学院 郝兴;移动数据管理待补课[N];中国计算机报;2008年

3 ;Word中的“微调”技术[N];中国计算机报;2005年

4 四川 余文勇;课件特殊效果巧实现[N];中国电脑教育报;2001年

相关博士学位论文 前10条

1 吴佩莉;移动对象轨迹数据管理关键技术研究[D];北京理工大学;2015年

2 李雯;动态关系下的移动对象位置预测方法研究[D];中国矿业大学;2017年

3 杨彬;室内移动对象的数据管理[D];复旦大学;2010年

4 叶李;移动对象数据库查询及处理技术研究[D];电子科技大学;2011年

5 张恒飞;空间数据库中移动对象位置管理技术研究[D];华中科技大学;2012年

6 方颖;移动对象数据库中移动对象索引方法研究[D];武汉大学;2010年

7 廖巍;面向位置服务的移动对象索引与查询处理技术研究[D];国防科学技术大学;2007年

8 陈楠;时空数据库中移动对象的索引和查询技术研究[D];浙江大学;2010年

9 赵亮;面向位置服务的移动对象并发查询处理技术[D];国防科学技术大学;2010年

10 张凤荔;移动对象数据智能处理模型研究[D];电子科技大学;2007年

相关硕士学位论文 前10条

1 黄川林;室内移动对象轨迹分析研究[D];中国科学技术大学;2014年

2 王梦冉;蜂窝网中基于频繁轨迹的越区切换算法研究[D];西南交通大学;2015年

3 金琨;不确定环境下移动对象轨迹模式挖掘及路径规划研究[D];西南交通大学;2015年

4 易显天;面向位置服务的道路网络下的汽车索引技术研究[D];电子科技大学;2015年

5 毕彦博;优化的基于Voronoi图的移动对象K近邻查询算法的研究与实现[D];东北大学;2013年

6 孙清清;面向移动对象间状态查询优化算法的研究与实现[D];东北大学;2013年

7 杨雨;面向GPS的移动对象轨迹模式挖掘研究[D];东北大学;2014年

8 张盼盼;融合复合特征的移动轨迹预测方法的研究与实现[D];西安电子科技大学;2014年

9 吴昊;基于路网的移动对象位置管理关键技术研究[D];南京邮电大学;2015年

10 李岳昌;基于代价聚簇的城市路网移动对象索引技术[D];南京邮电大学;2015年

，

本文编号：2358727