paper1《MapReduce模型下基于SR树的Reverse Skyline查询算法研究》(2017)阅读笔记

核心思想

主要任务是选出reverse skyline查询点

• 初始状态下，候选集为全局点集
• 经过第一个MapReduce任务，得到了经过候选过滤集筛选过的候选集，这时候选集中的点已经得到了指数级的下降
• 经过第二个MapReduce任务，利用判断过滤集进一步筛选，得到最终的结果集

名词解释

• 候选集：有机会成为结果集中的点，一开始，全局点集均是候选集中的点；经过候选过滤集中的点的全局、局部两次筛选，又经历combine操作的筛选，砍掉很大一批；然后到第二个MapReduce，经过判断集的筛选，把不合适的都剔除掉了！最后幸存的就是结果集。
• 判断集：判断集用来在第二个MapReduce任务中判断候选集中的点是不是查询点的reverse skyline点，利用的性质是，查询点必须是结果集中点的dynamic skyline点；这个时候判断集中的点绝对不能很多，否则遍历太麻烦。那么怎么确定判断集呢，这时就需要判断过滤集了
• 判断过滤集：用来筛选得到判断集的集合，首先全局点集都是判断集，利用判断过滤集三次筛选（分区，细化分区，具体点）才能得到最终的判断集。它是由候选过滤集的长方形判断区域的右上角的点组成（第一象限时）
• 候选过滤集：用来筛选候选集中的点，它跟利用判断过滤集筛选判断集是一样的。是由离查询点最近的点组成的点集

算法实现的具体步骤：

1. 以全局点集为候选集
2. 根据skyline查询选出候选过滤集
3. 用候选过滤集过滤候选集，过滤掉一些分区
   
4. 再次细分，用候选过滤集进行局部过滤，过滤掉一些小分区
   
5. combine阶段，用候选过滤集过滤掉具体点
   
6. reduce阶段，判断候选集中的点是否合格
   

• 第二阶段

7. 用判断过滤集过滤全局的点，分为全局过滤和局部过滤，与第一阶段中用候选过滤集过滤全局中的点类似，得到判断集
8. combine操作：用判断集对候选集进行过滤 方法为判断查询点是否为候选集中的点的dynamic skyline点
   
9. reduce操作：合并，筛选出所有任务都未被过滤的点，得到结果集即为查询点的reverse skyline点集