Visual Query Interfaces——文献翻译

可视化查询接口

 

引言

可视化查询系统（VQS）可以定义为对感兴趣的领域和与该域相关需求进行直观表达的系统。第一种图形查询语言，被称为按示例查询（QBE），引入于20世纪70年代中期（Zloof，1997）。有一种广泛的实现方式是使用QBE概念构建的，现在有好几个工具使用这种范式。

由于任何VQS的目的都是提供对数据库中包含的信息的访问，因此用户的主要任务是了解数据库内容、关注有意义的项目、查找查询模式以及对查询结果的理解。这些任务需要有效地完成特定的技术，以及这些技术涉及的，诸如指向、浏览、过滤和缩放——所有与可视表示和直接操作机制非常匹配的活动。例如，如果一个信息请求的结果可以被组织成一个视觉显示，或者一系列视觉显示，那么信息吞吐量将大大优于仅使用文本支持就可以实现的信息吞吐量，并且用户可以直接指向他们正在寻找的信息，而无需接受复杂的查询语言培训。或者，用户可以在信息空间中导航，遵循将引导他们到达目标项目的可见路径。同样，由于视觉支持，用户能够很容易地理解如何制定查询，并且他们很可能比传统的文本交互模式更快、更不容易出错。

在现代的VQS中，信息可视化（a.k.a.infovis）机制用于显示查询结果并使其具有意义。事实上，信息可视化依赖于人类感知系统固有的快速吸收的基本特征：颜色、大小、形状、距离和运动。这些特性可以被信息系统的设计者用来增加显示信息的数据密度。因为用户很容易察觉到这些特征，而且每个特征都可以用来表示数据的不同属性，良好的可视化使他们不仅能够更容易地感知信息，而且能够一次感知更多的信息。通过这种方式，可视化可以通过分组或可视化相关信息来减少对数据的搜索。虽然可视化将信息压缩到一个小空间中，但它们还可以通过使用概述来定位区域以进行更详细的搜索，从而实现分层搜索。事实上，它们还允许按需放大或弹出细节。通过聚合和抽象，信息可视化使用户能够立即识别数据中的差距，发现数据中的异常值或错误，精确定位最小值和最大值，识别集群，比较对象，直观地得出一些结论，并发现趋势和模式。

为了让VQS帮助用户执行他们心目中的任务，它必须是可用的。可用性是评估用户和整个系统之间交互质量的主要标准。VQS的可用性首先通过QBE (通过例子进行查询)和SQL（结构化查询语言）的比较进行研究（Reisner，1988，Ziegler&Fahnrich，1988）。Reisner（1988）在查询读取和查询写入测试中，展示了对SQL使用QBE时更好的用户性能。然而，Ziegler和Fahnrich（1988）的研究也比较了QBE和SQL，考虑了几个因素，例如使用相同的数据库管理系统以及是否存在类似的环境。有趣的是，查询语言类型只影响“纸笔”测试中的用户性能，在这种情况下，QBE用户的得分高于SQL用户。在在线测试中，用户的准确性不受所采用语言类型的影响，但用户对QBE的满意度更高，效率更高。

最近，通过实验再次比较了SQL和QBE（Hvoreck_a、Drlikb和Munk，2010）。作者发现，使用基于QBE的方法进行查询公式化所需的时间比使用SQL方法所需的时间短；参与者在创建过程中也更愿意使用QBE范式而不是传统的SQL方法。有趣的是，这两种方法在查询的准确性方面没有显著差异。即使考虑到实验的一些局限性（例如，参与者的选择可能有问题，QBE并不涵盖所有可能的可视化方法和可视化查询语言属性），同样很明显，在生成查询时使用可视化方法有一些优势。

在本章中，我们将首先回顾可视化查询的主要方法，然后考虑数据流处理领域的最新进展。

可视化查询系统分类

VQS的概述和分类可在Catarci、Costabile、Levaldi和Batini（1997）中找到。根据数据库和查询所采用的可视化表示，VQS分为基于表单、基于图表、基于图标和这些的组合。

表单是表的泛化，并且可以表示单元格、子集或整体集之间的关系，从而允许三级回答。在VQS中，可以同时操纵数据库的强度部分和扩展部分，重点关注数据库的不同部分。

在VQS中，图表经常被使用，它通常使用一些可视组件（例如形状、颜色、箭头），这些组件被统一映射到一个概念中。

在基于图标的系统中，真实概念或类比与隐藏数据模式的图标之间存在映射。根据空间概念，可以通过组合控件来查询数据库。设计一个标志性系统的主要问题是定义一个明确的映射。虽然人们试图找到一个通用的映射，但仍然没有通用的标准。

通过理解兴趣真实情况的策略，可以制定另一种可能的分类。感兴趣的信息的过滤可以使用自上而下的策略来完成。可以通过几种方式实现：迭代细化、选择性分层缩放或用户系统对话。另一种方法是浏览，它可以通过探索邻里概念获得更多的知识。浏览可以采取多种形式，包括扩展浏览、内涵浏览或混合浏览。另一种方法是模式简化，即“使模式接近查询”。这可以通过在用户视图中转换原始模式的概念来实现，而原始模式无法提取这些概念。为了得到更好的查询表示，进行了转换，并根据查询公式策略对可视化查询语言（VQLS）进行了分类。在模式导航策略中，用户从一个概念开始，可以到达其他感兴趣的概念。可以有不同的路径来导航图式。第一种可能性是使用任意路径来探索模式，达到感兴趣的概念，并对它们应用条件。也可以从数据库中选择一个概念，然后通过使用所选概念作为根构建的层次视图来导航模式。此外，用户还可以选择开始概念，然后建立自己的关系。查询公式化过程中的第二种可能策略是使用子查询。这可以通过以下两种方法来实现：通过组合概念，通常使用基于图标的语言，其中组合了几个图标来编写最终查询，或者使用以前在系统库中创建或存储的存储查询。查询公式的另一种策略是通过匹配，可以通过示例或模式。在一个逐示例匹配策略中，用户可以提供一个查询的示例，系统对该示例进行归纳并构建查询。在模式匹配策略中，系统在数据库中搜索用户指定的模式。查询公式的最后一个策略是使用范围选择。在这个策略中，可以通过图形化的小部件在不同的数据集上指定一个范围，下面我们将介绍一些突出的方法。表24.1通过根据先前引入的维度对它们进行分类，报告了它们的摘要视图。

在基于图标的系统中，真实概念或类比与隐藏数据模式的图标之间存在映射。根据空间概念，可以通过组合控件来查询数据库。设计一个标志性系统的主要问题是定义一个明确的映射。虽然人们试图找到一个通用的映射，但仍然没有通用的标准。

另一种可能的分类是通过考虑了解兴趣现实的策略。感兴趣的信息的过滤可以使用自上而下的策略来完成。实现可以通过几种方式实现：迭代细化、选择性分层缩放或用户系统对话。另一种方法是浏览，它可以通过探索邻里概念获得更多的知识。浏览可以采取多种形式，包括扩展浏览、内涵浏览或混合浏览。另一种方法是模式简化，即“使模式接近查询”。这可以通过在用户视图中转换原始模式的概念来实现，而原始模式无法提取这些概念。进行转换以产生更好的查询表示。

视觉查询语言（VQLs）也根据查询公式策略进行分类。在模式导航策略中，用户从一个概念开始，可以到达其他感兴趣的概念。可以有不同的路径来导航模式。第一种可能性是使用任意路径来探索模式，达到感兴趣的概念，并对它们应用条件。也可以从数据库中选择一个概念，然后通过使用所选概念作为根构建的层次视图来导航模式。此外，用户可以选择开始概念，然后建立自己的关系。

查询公式化过程中的第二个可能策略是使用子查询。这可以通过以下两种方法来实现：通过组合概念，通常使用基于图标的语言，其中几个图标组合在一起以编写最终查询，或者使用以前在系统库中创建或存储的存储查询。

查询公式的另一个策略是通过匹配，可以通过示例或模式来实现。在一个逐示例匹配策略中，用户可以提供一个查询的示例，系统对该示例进行归纳并构建查询。在模式匹配策略中，系统在数据库中搜索用户指定的模式。

查询公式的最后一个策略是使用范围选择。在这个策略中，可以通过图形部件在不同的数据集上指定一个范围。

下面我们将介绍一些重要的方法。表24.1通过根据先前引入的维度对它们进行分类，报告了它们的摘要视图。

按图表查询

QBD*QBD*（AngelAccio、Catarci和Santucci，1990）是基于图表的VQL的一个示例。这个系统是一个面向实体关系（E-R）的数据模型，它提供了一种相对完整的查询语言。图形界面在模式规范和查询公式中都是相同的，它依赖于一种也支持递归查询的语言。主要结构由图形接口、转换器和DBMS接口三个主要模块组成。用户可以通过四种不同的方式与图形界面交互：（a）通过使用“e-r模式库”，用户可以访问应用程序的模式，而（b）在“e-r模式用户库”中，模式库中存储了模式的用户视图。（c）对于Schemata库中的每个模式，在“e-r自顶向下模式库”中还存储了一组更高抽象级别的模式。（d）用户可以将图形查询存储在“用户查询库”中，并在需要时重用它们。

在转换模块中，有一个从图形查询到关系代数的转换，或者如果原始查询是递归查询，则转换到适当的程序中。然后，DBMS接口将关系代数转换为底层数据库语言中的查询。

在QBD*中，查询公式化过程有不同的可互换步骤。首先，用户可以通过自顶向下的浏览机制来探索概念模式。第二，使用称为“位置原语”的图形原语，可以将重点放在感兴趣的子模式上。这可以通过直接提取、对模式表示查询或使用库中存储的模式来完成。此外，可以通过图形替换原语来操作模式，从而使其“接近查询”。转换之后，模式可能会导致不同的模式，这与原始模式不同构。随后，通过在数据库模式上进行导航或选择等图形操作来完成查询。在QBD*中，只能在数据库模式上定义查询，这意味着在内涵级别。图24.1（a）显示了QBD*界面中的一个模式，其中显示了一个数据库的模式，该数据库处理与学生旅行相关的机票。图24.1（b）显示了QBD*界面中的一个条件的定义，在该条件中，通过绘制一条连接它们的线，波士顿用于“城市”字段的值。

MURAL在可视查询语言MURAL（Reiss，2002）中可以找到与QBE类似的方法，该语言用于集成不同类型数据的多个数据源。主要对象是实体和关系。这些实体都是不同的数据源，而这些关系表示关联数据源的方式。实体可以表示关系数据库中的元组、来自对象数据库的对象、或C++或Java对象。每个实体都在一组域上定义了多个字段，如原始数据类型（如字符串、整数）或对其他实体的引用。关系可以是将一个集合中的实体与另一个集合中的实体或更复杂的关系关联起来的简单方法。

MURAL引入了几个概念，以便于创建复杂的查询：将实体和关系组合到表示和、或条件、限制和字段的概念。还可以为子模型保存查询，以便用户可以根据需要实例化此类子模型以构建新的复杂查询。图24.2显示了MURAL中的分组操作，特别是将三个实体（两个类和一个方法）分组在一起，因为其中一个实体正在从一个方法调用另一个类。

图24.1 QBD*界面截图。（a）感兴趣的方案。矩形表示实体，方括号（“<”和“>”）表示实体之间的关系。（b）查询公式化过程中条件的定义。

按图标查询（QBI）

QBB查询-按浏览（QBB）是一个允许内涵和扩展查询的框架（Polyviou、Evripidou和Samaras，2004）。该框架采用了与大多数当前操作系统相同的隐喻，即桌面模式和相关概念，如文件夹、文档和应用程序。这些对象以树模式显示，从具有子文件夹的根文件夹开始。在QBB中，模式和查询都由文件夹层次结构表示。文件夹的概念与数据库表密切相关，子文件夹是与父文件夹相关的所有文件夹。文档和应用程序是对数据的视图。文档用于显示数据，而数据的操作（如插入或删除）则由应用程序执行。筛选是一种特殊的应用程序，它可以限制父文件夹中的记录。存在与SQL谓词密切相关的筛选器模板。但是，也可以为其他数据类型构建自定义筛选器。在QBB中，数据库导航和查询公式之间的区别是通过激活文件夹来表示的。具体地说，通过隐式或显式激活，必须清楚该文件夹是否与查询有关，或者是否只被浏览。图24.3显示了QBB中过滤器的激活，在该过滤器中，学生根据其水平等于研究生进行过滤。

图24.2 Mural分组操作：显示两个类和一个方法及其关系（调用、从）。

 

QBI按图标查询（Massari、Pavani、Saladini和Chryantis，1995年）是一个纯粹的标志性VQL，它为数据库的集中浏览提供了工具。用户可以制定查询，而不必知道数据库的底层结构和路径规范。单个图标隐藏由QBI自动生成的路径表达式。外部视图仅由两个概念组成，一类对象和一个类的属性。整个数据库由一组具有多个属性的类表示，这些属性称为广义属性（GAS）。GA表示一个或多个类的通用属性，可以封装隐式和显式关系。类和气体都由图标表示。为了避免歧义消除，系统生成的自然语言描述被添加到图标可视化中。数据库的模式是根据一个称为图形模型的语义数据模型而建立的。该模式由一个标记图组成，该图捕获结构信息（如类和关系）和一致性约束。对象类是语义模型中的节点，它们通过路径连接。这个概念与气体有关。然而，并非所有的路径都有同样的意义。因此，qbi定义了一个语义距离函数来估计路径的意义。这样做是为了只向用户提供有限数量的有用气体，否则将以无限数量显示。查询过程的形成遵循选择-项目范式。用户首先定义确定类子集的条件，然后指定将作为输出结果一部分的气体。图24.4显示了QBI界面，其中显示了不同的图标，特别是表示处理大学生的数据库实体的图标。读者可能会注意到浏览器窗口，其中显示了一些特定的预定义查询（GAS），以及查询空间窗口，详细介绍了为课堂教授定义给定条件的特定GA。

图24.3 QBB激活过滤器。学生有物业名称、年份、级别，并与顾问有关系。可能的值显示在弹出窗口中。

 

流动隐喻Morris、Abdelmoty和El-geresy（2002）为空间数据库设计了一个VQL。这些数据库的重点是表示和制定与空间中的对象相关的数据查询。该语言对空间数据库和非空间数据库都有效，并且所有操作都是一致表示的。在这个实现中可以找到一些见解，其中最重要的是用于定义查询的隐喻。查询由数据源到结果的信息流可视化。在这两者之间，有一个可以应用约束的过滤过程。流以表示对象的图标开始。可以应用表示约束的简单过滤器，只要满足约束集，流就会通过过滤器。布尔条件可以通过组合过滤器来创建。AND条件由一系列中的两个过滤器表示，而OR条件由两个并行的过滤器表示。如果一个过滤器有一个双边界，它意味着一个连接条件，并且这种图标与多个对象类型相关联。结合这些基本构造可以构建复杂的查询。图24.5显示了基于Morris et al的流隐喻的空间查询。（2002年），试图从高速公路或人口超过10000（人）的城镇选择大约0.5公里的超市。

图24.4 QBI接口。

 

图24.5空间查询。

 

KaleidoQuery流动隐喻也是KaleidoQuery（Murray、Paton和Goble，1998）的基本思想，它是对象数据库的可视化查询语言。像Morris等人（2002）的工作一样，类实例及其范围进入查询，在流动过程中有一个或多个过滤步骤，其中一些约束应用于类的属性。查询结果可以可视化，也可以进一步用作输入以启动新的查询流。类和范围由图标和文本描述的组合表示，以提供比纯图标或纯文本可视化更好的理解。随着用户对系统越来越熟悉，用户将快速地将图标与文本关联起来，而不必完全阅读它来理解查询的含义。扩展数据块可视化由一个椭圆框包围的扩展数据块名称组成。KaleidoQuery提供了不同的图标来描述布尔运算符，可以使用Morris 等人（2002）的作品中所示的并行或串行连接轻松地组合布尔运算符。可以表示基本约束，例如：等于、大于和小于运算符，将它们添加到流中，从而限制结果。图24.6显示了一个复杂的查询，在该查询中，读者可以轻松地识别操作员的标志性可视化。连接中涉及的两个扩展数据块用应用于连接属性的相等条件标识。聚合运算符（如sum、maximum、average）由围绕范围的椭圆可视化。成员资格测试和普遍存在和量化显示与一个椭圆形箭头周围的文字描述。

图24.6 KaleidoQuery中的图形查询，其中，在选择名为Smith的英国公司后，考虑到他们的工资（薪金），用户询问60岁以上或工资高于Smith最高工资（薪金）的员工的姓名。

KaleidoQuery依赖于OQL(对象查询语言)，这是一种用于处理查询数据库的对象查询语言。这种语言的一个限制是，在编写查询时，用户还必须关注结果的所需结构。为了方便结构化过程，系统允许用户将所有可视化条件直接应用于查询结果。这意味着，从流的最终范围开始，可以在可视化所需的输出之前应用分组、排序依据或其他条件。

可视化基于图标的面向对象查询语言的另一个例子是可视化（Balkir、Ozysyooglu和Ozysyooglu，2002），这是一个面向科学数据库的系统。系统设计旨在处理具有实时约束和空间属性的大量数据。查询部分作为对象实现。处理结果可以在不同的查询对象之间进行通信。在这种面向对象的方法中，安全、同步和时间约束问题得到了更好的管理。在视觉上，查询对象模型有一种ClientServer方法，在这种方法中，当从另一个查询对象请求服务时，查询对象充当客户机，而另一个查询对象成为服务器。每个查询对象都使用解释语义进行描述。虽然可以有不同的执行语义，但对象可以通过解释语义进行通信，并且可以在不同的框架。查询由窗口表示，如图24.7所示，分为查询头和查询体。在头部有一个查询、输入和输出参数的名称，以及一个输出规范。Visual是强类型的，并且每个输出参数必须指定为单个对象或对象集合。查询主体包含几个图标化对象、条件框和链接其他查询。每个图标化的对象都有一些属性，例如颜色或形状，这些属性可以清楚地识别它。有四类图标化对象：域对象、方法对象、范围对象和空间强制区域对象。视觉关注的是空间和层次概念，其中对象可以相互交叉，也可以包含在指定它们之间关系的另一个对象中。面向对象的体系结构允许轻松更改感兴趣的领域。域是系统体系结构的最底层。因此，只在体系结构的最底层编写就可以构建新的应用程序。

图24.7视觉表示。

比较VQLS

VQL应该提供不同类型的交互，因为没有一个独特的范例可以获得最佳的结果。一项关于两种不同查询语言的易用性的实验（Badre、Catarci、Massari和Santucci，1996年）表明，在基于图标和图表的方法中，既有优点，也有缺点。在对比qbi和qbd系统的实验中，不同的策略用于查询公式（导航与组合）以及一些不同的视觉形式（图表与图标），这是vql的基本方面。因此，结果可以扩展到更大的VQS类。实验的重点是发现查询语言类型与查询类和用户体验之间的关系。

特别是，根据查询中涉及的路径的语义距离和查询中的循环总数对查询进行分类，其中路径的概念源自qbi中描述的图形模型。主要结果是，准确性和响应时间似乎对查询路径的语义距离高度敏感，而qbd显示了这两个条件的独立性。此外，QBD的准确性较低，当查询中存在循环时需要更多的时间，而且QBI似乎不受循环存在的影响。

VQSs的最新应用

VQSs主要处理传统数据库，即包含字母数字数据的数据库。然而，近年来，数据库的应用领域在数据类型的数量和种类上都有了很大的增长。因此，人们提出了专门的系统来访问这类新的数据库，其中包含非常规数据，如图像、视频、时间序列、地图等。此外，网络时代的开始对信息仓库的概念产生了深刻的影响。提出了不同的视觉系统来处理提取驻留在网络上的信息的需要。特别是，为用户提供可视化表示和直观的用户界面可以显著帮助理解由本体和链接数据表示的域和知识。随着本体在规模和复杂性上的增长，对综合可视化和复杂交互的需求也在增加。本体可视化和本体可视化查询并不是一个新的话题，近年来已有许多方法（见Catarci et al.，2004；Soylu et_al.，2015），其中一些方法已经很好地建立起来，尽管需要更多的工作来为用户提供强大的查询和导航辅助以及全面的可视化技术。

数据流的可视化查询

在本章的其余部分中，我们将重点放在一类新的专门针对数据流处理的VQS上，尽管它的重要性越来越大，但文献中并未充分涵盖这类VQS。与经典VQLS一样，它提供了一种语言，由一组可视化结构组成，以可视格式表示对以连续和无边界方式（即数据流）传输的数据的查询。值得注意的是，这类语言可以看作是通用可视查询语言的扩展，因为它们可以使用数据流和经典关系数据库的相同标准以可视方式进行查询。它们面向广泛的用户，甚至那些对数据流相关概念有一定了解但不具备开发代码技能的用户。

数据流的重要性不断增加。同时，所有在经典数据库上工作的现有VQL都不再适合与这一巨大且可能无限量的数据进行交互。正在开发数据流的可视查询语言来解决这些挑战。基本上，它们使用与经典VQL相同的方法，用新的数据流操作符扩展它。但是，查询数据流通常需要不同于关系语言的构造。由于缺乏标准化的建议，大量的学术和商业数据流查询语言及其相应的数据流管理系统（DSMS）被开发出来。

这些语言的主要功能依赖于一些关系查询语言，通常是SQL，它被扩展以提供处理流中存在的特征的功能，主要是时间方面，即事件随时间变化的事实（例如，窗口和过滤操作符）。尽管有很多数据流查询语言，但也只有少数VQL能够与数据流交互。直到最近几年，第一个用于数据流的VQL才以研究原型（例如，Bauleo et al.，2014）或真实商业系统的形式出现。特别是，streamsql及其图形对应的eventflow在streambase复杂事件处理系统（http://www.streambase.com）中使用，这是Aurora项目的商业化（Abadi et al.，2003）。迄今为止，这是唯一现存的商业系统。

基本原理

在文献中，仍然有一些系统为数据流提供可视化查询语言。这样一个系统基本上应该做的是将已有的经典数据库VQLS概念应用到新的数据流操作符。一般来说，所有可视化查询系统都有一个图形化开发环境，通常由（a）一个画布组成，在画布中可以自由地排列可视化结构以组成最终查询；（b）包含可视化生成查询所需项目的不同选项卡。streambase studio是streambase的图形化开发环境。

在这里，用户可以使用名为EventFlow的可视查询语言以图形方式构建一个StreamBase应用程序。查询是通过连接语言的可视运算符并设置它们的属性来组成的。带有可视元素的调色板被组织成三个不同的选项卡，如图24.8所示：（a）运算符和适配器（如过滤器和通用流函数）；（b）数据构造（如JDBC表，用于存储相关的stream b as e运算符使用的信息）；（c）流（如输入和输出流以及error流）。

同样，SmartVortex可视化查询系统（Bauleo et al.，2014）具有强大的可视化查询编辑器（VQE），其中包含画布和四个选项卡，以及构建查询所需的所有可视化结构。VQE见图24.9。VQL构建在联邦数据流管理系统之上，并生成其对象关系和功能查询语言。因此，vqe的四个选项卡包含文本语言的所有类型和功能以及开发查询的指令。由于系统用于工业应用，最后一个选项卡是特定于此上下文的，包含由系统（即输入流）管理的所有机器/传感器。图24.9显示了四个选项卡以及可视化查询示例。欲了解更多详情，读者可咨询Bauleo等人。（2014）。

在介绍了这两个系统之后，最好注意一下查询构建过程中的原理是如何略有不同的。在SmartVortex可视查询系统中，可视查询完全建立在连接VQL不同项目的基础上，而在StreamBase中，最终用户被迫将图形语言与一些代码片段（例如，设置筛选器运算符的筛选器表达式、设置窗口运算符的属性等）混合在一起。在这两个系统中，创建可视化查询需要对数据库和数据流概念有一些基本的理解。稍后将介绍这两个系统之间的比较用户评估。

关键应用

数据流的VQL主要被提议允许非程序设计人员在不考虑语法和开发代码的情况下，表达对数据流的查询。

关键应用程序与涉及大量数据处理的每个应用程序领域相关。金融服务、空中交通管制系统、工业应用都是很好的例子。这些应用越来越重要，主要是因为这些活动越来越成为日常生活的一部分。

在Bauleo等人（2014）可以从工业领域中找到一些用例。特别是，给出了两个真实的工业场景，其中描述的VQ用于监控和分析来自工业设备的原始传感器读取数据，以确定它们的行为是否符合预期。通过开发特定的可视化查询，在生成的数据流上运行，工业工程师可以解决常见问题，如：（a）分析和预测系统/产品性能（包括系统/产品的维护、故障检测、故障预防、故障诊断）；（b）分析和预测系统/产品/服务的使用情况；以及（c）分析和预测客户服务/产品需求。

为了方便数据流处理操作并使此任务在许多不同类型的用户和需求可及范围内完成，必须开发许多其他应用程序（桌面和移动应用程序），同时考虑到新出现的多模式接口，如触摸、语音和手势。

评价

作为一个新的研究领域，只有少数研究将特定VQL对于数据流的有用性与等效的文本数据流查询语言进行比较。Bauleo等人报告了一项彻底的研究。（2014年），其中一组用户对系统的有效性、用户满意度和效率进行了评估。最终用户使用该系统，实现两个可视化查询，以解决与工业设备相关的问题。实现的查询从日志文件和从计算机生成的数据流中获取数据。

从（a）易于访问应用程序的主要功能，（b）易于使用，（c）易于正确理解/解释可视查询语言构造和查询结果的可视化，以及（d）系统提供的不同功能的实用性方面衡量了有效性。通过让参与者对问卷中的特定和相关问题作出回应，收集有效性和用户满意度（即用户使用系统的舒适度）指标。效率是根据一般用户感知和完成查询所花费的实际时间（更精确地说）来衡量的。结果总体呈阳性。具体来说，只有13%的用户发现很难正确理解/解释可视化查询结构的含义；12.5%的用户发现系统运行缓慢。其他实验指标均未出现明显的阴性结果。

本研究还需要对智能涡流视觉查询系统（Bauleo et al.，2014）和上述streambase应用程序之间的用户评估进行比较。结果表明，除效率指标外，智能涡流视觉查询系统总体上优于其他系统，两种系统的效果因视觉查询的类型而异。

 结束语

当前的形势正在推动信息和数据管理成为任何技术创新的中心，不仅在计算机科学领域，而且几乎在所有领域。大数据、流式数据、物联网等是最近的趋势，最终需要用户（没有编程技能，但数据管理方面的一些知识，如数据科学家所具备的）能够理解数据存储内容，专注于有意义的项目，查找查询模式，并对查询结果进行推理。在本章中，我们回顾了多年来视觉查询系统的研究和创新，即对感兴趣的领域和与该领域相关的请求使用视觉表示的系统，以提供对数据存储中包含的信息的访问。然后，我们将重点放在数据流处理领域，以展示以前的方法和技术如何能够产生灵感，以便以新颖的方式进行合并，以应对未来几年我们将面临的数据管理新挑战。