.png){kind=icon}
返回
OmniSketch: Efficient Multi-Dimensional High-Velocity Stream Analytics with Arbitrary Predicates
.png){kind=icon}
PRE
AI
DOI：10.14778/3632093.3632098.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
不同学科的一个关键需求是对快速数据流进行数据分析，其性质类似于关系数据库中的传统OLAP分析——即使用过滤器和聚合。然而，由于高存储需求和存储海量数据时引入的延迟，存储无界数据流并非现实或理想的方法。因此，已提出许多概要/草图方法，可以在小内存（通常足够小以存储在RAM中）中汇总数据流，从而能够高效地近似聚合查询，而无需存储完整的数据流。然而，以往的概要方法主要关注于汇总单属性数据流，无法高效处理对多个属性任意子集的过滤器和约束。在本工作中，我们提出了OmniSketch，这是第一种可扩展至快速和复杂数据流（具有多属性）的草图方法，并支持在查询时动态选择的多个属性上的过滤计数聚合。该草图提供了概率性保证、有利的空间-精度权衡，以及更新和查询执行的最坏情况下对数复杂度。我们通过真实和合成数据的实验证明，该草图优于当前最先进的方法，并且能够在配置的精度保证范围内，以较小的内存需求近似复杂的即席查询。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息