Temporal databases provide built-in supports for efficient recording and querying of time-evolving data. Data in real world have temporal aspects and many applications, such as trend analysis, version management, and medical record management, handle temporal aspects of underlying data. So, DBMS should provide temporal support directly in these cases.
In this paper, we focus on efficient processing of temporal aggregates. Temporal aggregation is one of the important operations that can be used to support decision support system, trend analysis, and forecasting. However, aggregation processing techniques of conventional databases can't support temporal aggregates efficiently because they didn't consider temporal aspects.
In this thesis, we propose an efficient access method, called TA-tree, to process temporal aggregates. TA-tree, which is based on the balanced binary tree, use less memory and provide efficient time complexity to create tree, so processing time of temporal aggregates can be reduced. We perform experiments in order to evaluate the proposed TA-tree. The experimental results show that TA-tree works better than the existing aggregation tree.
시간지원 데이타베이스(temporal database)는 시간정보를 포함하는 데이타를 효율적으로 저장하고 질의할 수 있게 한다. 현실 세계의 자료는 시간 속성을 가지며, 경향 분석, 버전 관리, 그리고 의료 기록 관리와 같은 다양한 응용 분야에서 이러한 시간 속성을 관리한다. 따라서, 데이타베이스 시스템은 시간 속성을 지원해야 한다. 본 논문에서는 시간지원 집단화(temporal aggregate)의 효율적인 처리 방법을 다룬다. 시간지원 집단화는 중요한 연산의 하나로서 의사 결정 시스템, 경향 분석, 예측 시스템 등에서 다양하게 사용될 수 있다. 그러나, 보편적인 데이타베이스 시스템은 시간 속성을 고려하지 않았으므로 기존의 집단화 처리 방법은 시간지원 집단화를 효율적으로 처리할 수 없다. 본 논문에서는 시간지원 집단화를 처리하기 위한 효율적인 접근 방법으로서 TA-트리(Time-based Aggregation tree)를 제안한다. TA-트리는 이진 트리를 기반으로 하는 균형화된 트리이며, 기억장치를 효율적으로 사용한다. 또한, 트리 생성의 시간 복잡도가 효과적이므로, 시간지원 집단화의 처리 시간을 단축할 수 있다. TA-트리의 성능을 평가하기 위하여 실험을 통해 기존의 집단화 트리(aggregation tree)와 성능을 비교하였다. 실험 결과에서, TA-트리가 기존의 집단화 트리보다 더 나은 성능을 제공함을 알 수 있다.
