Temporal databases (TDBs) manage time-evolving data. They provide built-in supports for efficient recording and querying of temporal 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 The TDB can be applied to applications like trend analyses, version management and video data management.
The temporal aggregation in temporal databases is an extension of the conventional aggregation to include the time concept on the domain and the range of aggregation. The temporal aggregation is an important operation that is essential to many applications. There have been several proposals for the temporal aggregation processing.
However, for various analytical applications in the TDB, it is not sufficient to consider only time attribute with the time attribute. We call the temporal aggregation t hat i ncludes more than one range-condition attribute a s w ell a s the time attribute in the condition the Multidimensional Temporal Aggregation (MTA). The MTA is very useful especially for large historical data warehouses.
In this thesis, we propose a structure for the temporal aggregation, called the CTA-tree, and an aggregation processing method based on the CTA-tree. We perform experiments to show the effectiveness of the proposed method. The experimental results indicate that the CTA-tree works better than the other method.
We also propose structures for the MTA, called the ITA-tree and the PTA-tree. Through analyses and performance experiments, we also compare the proposed structures with an intuitive extension of the SB-tree that was previously proposed for the temporal aggregation. The results show that proposed structures are superior to the intuitive extension of the SB-tree.
집계 연산은 릴레이션 전체 혹은 그 일부를 구성하는 튜플들에 적용되어 전체 값을 계산하거나 대표 값을 선택하는 중요한 연산이다. 이러한 집계 연산은 다양한 응용 분야에서 많이 사용한다. 그러나, 시간 애트리뷰트를 포함하는 시간지원 데이터베이스에서의 시간지원 집계 연산은 시간 애트리뷰트를 고려하지 않은 기존의 집계 연산과는 큰 차이가 있다. 따라서 기존의 집게 연산 처리 기법은 시간 집계 연산에는 사용될 수 없다.
본 논문에서는 시간지원 집계를 위한 새로운 자료 구조인 CTA-tree와 이를 이용한 처리 기법을 제안하였다. CTA-tree에서는 공간 변환 기법을 이용하여 레코드의 시간 구간을 변환시킨 값으로 레코드를 인덱싱한다. 제안된 기법의 성능은 실험을 통하여 측정하였다. 실험 결과에서, 제안된 CTA-tree가 기존의 방법보다 우수한 성능을 보였다.
본 논문에서는 시간 구간과 하나 이상의 범위-조건 애트리뷰트를 포함하는 다차원 시간 집계 연산(Multidimensional Temporal Aggregation)을 제안하였다. 기존에 다차원 시간지원 집계 연산을 처리하는 기법은 제안되지 않았다. 본 논문에서는 먼저 일반 시간 집계 연산을 처리할 수 있게 SB-tree를 직관적으로 확장한 eSB-tree와 한계점을 기술하였다. 그리고 일반 시간 집계를 처리할 수 있는 새로운 구조로서 CTA-tree의 확장된 형태인 ITA-tree와 이를 이용한 처리 기법을 제안하였다. 또한, 많은 레코드가 동일한 키 값을 가지게 되는 환경을 위한 개선된 방법으로 eITA-tree를 제안하였다.
ITA-tree와 eITA-tree는 균형화된 트리로서 효율적으로 레코드를 삽입하고 시간 집계 연산을 처리할 수 있다. 본 논문에서는 분석과 실험을 통해 질의 처리 시간과 디스크 사용량을 측정하였다. 결과에서, ITA-tree가 eITA-tree가 ITA-tree보다 우수한 디스크 활용도를 보였다.
또한, 본 논문에서는 범위-조건 애트리뷰트를 변환하여 키로 사용하는 PTA-tree를 제안하였으며, 많은 레코드가 동일한 키 값을 가지게 되는 환경을 위한 개선된 ePTA-tree도 제안하였다. 실험 결과에서 PTA-tree와 ePTA-tree가 eSB-tree보다 우수한 성능을 보였다.
