ਡਾਟਾਬੇਸ ਵਿੱਚ ਕਾਰਜਸ਼ੀਲ ਨਿਰਭਰਤਾਵਾਂ ਨੂੰ ਕੁਸ਼ਲਤਾ ਨਾਲ ਲੱਭੋ

ਡੇਟਾ ਵਿੱਚ ਕਾਰਜਸ਼ੀਲ ਨਿਰਭਰਤਾ ਲੱਭਣ ਦੀ ਵਰਤੋਂ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਵਿੱਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ: ਡੇਟਾਬੇਸ ਪ੍ਰਬੰਧਨ, ਡੇਟਾ ਸਫਾਈ, ਡੇਟਾਬੇਸ ਰਿਵਰਸ ਇੰਜੀਨੀਅਰਿੰਗ, ਅਤੇ ਡੇਟਾ ਖੋਜ। ਅਸੀਂ ਪਹਿਲਾਂ ਹੀ ਨਿਰਭਰਤਾਵਾਂ ਬਾਰੇ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰ ਚੁੱਕੇ ਹਾਂ। ਲੇਖ ਅਨਾਸਤਾਸੀਆ ਬਿਰਿਲੋ ਅਤੇ ਨਿਕਿਤਾ ਬੋਬਰੋਵ। ਇਸ ਵਾਰ, ਅਨਾਸਤਾਸੀਆ, ਜੋ ਇਸ ਸਾਲ ਕੰਪਿਊਟਰ ਸਾਇੰਸ ਸੈਂਟਰ ਤੋਂ ਗ੍ਰੈਜੂਏਟ ਹੈ, ਇਸ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਦੇ ਵਿਕਾਸ ਨੂੰ ਸਾਂਝਾ ਕਰਦੀ ਹੈ, ਜਿਸਦਾ ਉਸਨੇ ਕੇਂਦਰ ਵਿੱਚ ਬਚਾਅ ਕੀਤਾ ਸੀ।

ਕਾਰਜ ਚੋਣ

ਸੀਐਸ ਸੈਂਟਰ ਵਿੱਚ ਪੜ੍ਹਦੇ ਸਮੇਂ, ਮੈਂ ਡੇਟਾਬੇਸ ਦਾ ਡੂੰਘਾਈ ਨਾਲ ਅਧਿਐਨ ਕਰਨਾ ਸ਼ੁਰੂ ਕੀਤਾ, ਖਾਸ ਤੌਰ 'ਤੇ, ਕਾਰਜਸ਼ੀਲ ਅਤੇ ਵਿਭਿੰਨ ਨਿਰਭਰਤਾਵਾਂ ਨੂੰ ਲੱਭਣਾ। ਇਹ ਵਿਸ਼ਾ ਮੇਰੇ ਯੂਨੀਵਰਸਿਟੀ ਕੋਰਸਵਰਕ ਨਾਲ ਸਬੰਧਤ ਸੀ, ਇਸ ਲਈ ਇਸ 'ਤੇ ਕੰਮ ਕਰਦੇ ਸਮੇਂ, ਮੈਂ ਡੇਟਾਬੇਸ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਨਿਰਭਰਤਾਵਾਂ ਬਾਰੇ ਲੇਖ ਪੜ੍ਹਨੇ ਸ਼ੁਰੂ ਕੀਤੇ। ਮੈਂ ਇਸ ਖੇਤਰ ਦੀ ਇੱਕ ਸਮੀਖਿਆ ਲਿਖੀ - ਮੇਰੇ ਪਹਿਲੇ ਵਿੱਚੋਂ ਇੱਕ ਲੇਖ ਅੰਗਰੇਜ਼ੀ ਵਿੱਚ ਅਤੇ ਇਸਨੂੰ SEIM-2017 ਕਾਨਫਰੰਸ ਵਿੱਚ ਜਮ੍ਹਾ ਕਰਵਾਇਆ। ਜਦੋਂ ਇਸਨੂੰ ਸਵੀਕਾਰ ਕਰ ਲਿਆ ਗਿਆ ਤਾਂ ਮੈਂ ਬਹੁਤ ਖੁਸ਼ ਹੋਇਆ ਅਤੇ ਇਸ ਵਿਸ਼ੇ ਵਿੱਚ ਡੂੰਘਾਈ ਨਾਲ ਜਾਣ ਦਾ ਫੈਸਲਾ ਕੀਤਾ। ਇਹ ਸੰਕਲਪ ਆਪਣੇ ਆਪ ਵਿੱਚ ਨਵਾਂ ਨਹੀਂ ਹੈ - ਇਹ 90 ਦੇ ਦਹਾਕੇ ਤੋਂ ਚੱਲ ਰਿਹਾ ਹੈ - ਪਰ ਇਹ ਅੱਜ ਵੀ ਬਹੁਤ ਸਾਰੇ ਖੇਤਰਾਂ ਵਿੱਚ ਲਾਗੂ ਹੋ ਰਿਹਾ ਹੈ।

ਸੈਂਟਰ ਵਿੱਚ ਆਪਣੇ ਦੂਜੇ ਸਮੈਸਟਰ ਵਿੱਚ, ਮੈਂ ਫੰਕਸ਼ਨਲ ਨਿਰਭਰਤਾਵਾਂ ਲੱਭਣ ਲਈ ਐਲਗੋਰਿਦਮ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਇੱਕ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਸ਼ੁਰੂ ਕੀਤਾ। ਮੈਂ ਇਸ 'ਤੇ ਸੇਂਟ ਪੀਟਰਸਬਰਗ ਸਟੇਟ ਯੂਨੀਵਰਸਿਟੀ ਦੀ ਇੱਕ ਗ੍ਰੈਜੂਏਟ ਵਿਦਿਆਰਥੀ, ਨਿਕਿਤਾ ਬੋਬਰੋਵ ਨਾਲ, ਜੈੱਟਬ੍ਰੇਨਜ਼ ਰਿਸਰਚ ਵਿਖੇ ਕੰਮ ਕੀਤਾ।

ਫੰਕਸ਼ਨਲ ਨਿਰਭਰਤਾਵਾਂ ਦੀ ਖੋਜ ਦੀ ਕੰਪਿਊਟੇਸ਼ਨਲ ਜਟਿਲਤਾ

ਮੁੱਖ ਸਮੱਸਿਆ ਕੰਪਿਊਟੇਸ਼ਨਲ ਜਟਿਲਤਾ ਹੈ। ਸੰਭਵ ਘੱਟੋ-ਘੱਟ ਅਤੇ ਗੈਰ-ਮਾਮੂਲੀ ਨਿਰਭਰਤਾਵਾਂ ਦੀ ਗਿਣਤੀ ਉੱਪਰੋਂ ਸੀਮਤ ਹੈ ਕਿੱਥੇ — ਟੇਬਲ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਗਿਣਤੀ। ਐਲਗੋਰਿਦਮ ਦਾ ਚੱਲਣ ਦਾ ਸਮਾਂ ਨਾ ਸਿਰਫ਼ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਗਿਣਤੀ 'ਤੇ, ਸਗੋਂ ਕਤਾਰਾਂ ਦੀ ਗਿਣਤੀ 'ਤੇ ਵੀ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। 90 ਦੇ ਦਹਾਕੇ ਵਿੱਚ, ਇੱਕ ਆਮ ਡੈਸਕਟੌਪ ਪੀਸੀ 'ਤੇ ਸੰਘੀ ਕਾਨੂੰਨ ਦਾ ਪਤਾ ਲਗਾਉਣ ਲਈ ਐਲਗੋਰਿਦਮ 20 ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਅਤੇ ਹਜ਼ਾਰਾਂ ਕਤਾਰਾਂ ਵਾਲੇ ਡੇਟਾਸੈੱਟਾਂ ਨੂੰ ਕਈ ਘੰਟਿਆਂ ਤੱਕ ਪ੍ਰਕਿਰਿਆ ਕਰ ਸਕਦੇ ਸਨ। ਮਲਟੀ-ਕੋਰ ਪ੍ਰੋਸੈਸਰਾਂ 'ਤੇ ਚੱਲ ਰਹੇ ਆਧੁਨਿਕ ਐਲਗੋਰਿਦਮ ਲਗਭਗ ਇੱਕੋ ਸਮੇਂ ਵਿੱਚ ਸੈਂਕੜੇ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ (200 ਤੱਕ) ਅਤੇ ਸੈਂਕੜੇ ਹਜ਼ਾਰਾਂ ਕਤਾਰਾਂ ਵਾਲੇ ਡੇਟਾਸੈੱਟਾਂ ਲਈ ਨਿਰਭਰਤਾਵਾਂ ਦਾ ਪਤਾ ਲਗਾਉਂਦੇ ਹਨ। ਹਾਲਾਂਕਿ, ਇਹ ਨਾਕਾਫ਼ੀ ਹੈ: ਅਜਿਹਾ ਸਮਾਂ ਜ਼ਿਆਦਾਤਰ ਅਸਲ-ਸੰਸਾਰ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਅਸਵੀਕਾਰਨਯੋਗ ਹੈ। ਇਸ ਲਈ, ਅਸੀਂ ਮੌਜੂਦਾ ਐਲਗੋਰਿਦਮ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਲਈ ਪਹੁੰਚ ਵਿਕਸਤ ਕੀਤੇ ਹਨ।

ਪਾਰਟੀਸ਼ਨ ਇੰਟਰਸੈਕਸ਼ਨ ਲਈ ਕੈਸ਼ਿੰਗ ਸਕੀਮਾਂ

ਪੇਪਰ ਦੇ ਪਹਿਲੇ ਹਿੱਸੇ ਵਿੱਚ, ਅਸੀਂ ਪਾਰਟੀਸ਼ਨ ਇੰਟਰਸੈਕਸ਼ਨ ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਐਲਗੋਰਿਦਮ ਦੀ ਇੱਕ ਸ਼੍ਰੇਣੀ ਲਈ ਕੈਚਿੰਗ ਸਕੀਮਾਂ ਵਿਕਸਤ ਕੀਤੀਆਂ ਹਨ। ਇੱਕ ਐਟਰੀਬਿਊਟ ਲਈ ਇੱਕ ਪਾਰਟੀਸ਼ਨ ਸੂਚੀਆਂ ਦਾ ਇੱਕ ਸੈੱਟ ਹੁੰਦਾ ਹੈ, ਜਿੱਥੇ ਹਰੇਕ ਸੂਚੀ ਵਿੱਚ ਦਿੱਤੇ ਗਏ ਐਟਰੀਬਿਊਟ ਲਈ ਇੱਕੋ ਜਿਹੇ ਮੁੱਲਾਂ ਵਾਲੇ ਕਤਾਰ ਨੰਬਰ ਹੁੰਦੇ ਹਨ। ਅਜਿਹੀ ਹਰੇਕ ਸੂਚੀ ਨੂੰ ਕਲੱਸਟਰ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਬਹੁਤ ਸਾਰੇ ਆਧੁਨਿਕ ਐਲਗੋਰਿਦਮ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਪਾਰਟੀਸ਼ਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ ਕਿ ਕੀ ਇੱਕ ਨਿਰਭਰਤਾ ਰੱਖਦਾ ਹੈ, ਅਰਥਾਤ, ਉਹ ਹੇਠ ਲਿਖੇ ਲੇਮਾ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹਨ: ਡਿਪੈਂਡੈਂਸੀ ਰੱਖਿਆ ਜਾਂਦਾ ਹੈ ਜੇਕਰ . ਇਥੇ ਇੱਕ ਭਾਗ ਨੂੰ ਦੁਆਰਾ ਦਰਸਾਇਆ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਭਾਗ ਦੇ ਆਕਾਰ ਦੀ ਧਾਰਨਾ - ਇਸਦੇ ਅੰਦਰ ਕਲੱਸਟਰਾਂ ਦੀ ਗਿਣਤੀ - ਵਰਤੀ ਜਾਂਦੀ ਹੈ। ਐਲਗੋਰਿਦਮ ਜੋ ਭਾਗਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਨਿਰਭਰਤਾ ਦੇ ਖੱਬੇ ਪਾਸੇ ਵਾਧੂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਜੋੜਦੇ ਹਨ ਜਦੋਂ ਇੱਕ ਨਿਰਭਰਤਾ ਦੀ ਉਲੰਘਣਾ ਹੁੰਦੀ ਹੈ, ਫਿਰ ਇੱਕ ਭਾਗ ਇੰਟਰਸੈਕਸ਼ਨ ਓਪਰੇਸ਼ਨ ਕਰਕੇ ਇਸਨੂੰ ਦੁਬਾਰਾ ਗਣਨਾ ਕਰਦੇ ਹਨ। ਇਸ ਓਪਰੇਸ਼ਨ ਨੂੰ ਲੇਖਾਂ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ਤਾ ਵਜੋਂ ਦਰਸਾਇਆ ਗਿਆ ਹੈ। ਹਾਲਾਂਕਿ, ਅਸੀਂ ਨੋਟ ਕੀਤਾ ਹੈ ਕਿ ਨਿਰਭਰਤਾਵਾਂ ਲਈ ਭਾਗ ਜੋ ਵਿਸ਼ੇਸ਼ਤਾ ਦੇ ਕਈ ਦੌਰਾਂ ਤੋਂ ਬਾਅਦ ਹੀ ਬਰਕਰਾਰ ਰੱਖੇ ਜਾਣਗੇ, ਨੂੰ ਸਰਗਰਮੀ ਨਾਲ ਦੁਬਾਰਾ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਜੋ ਐਲਗੋਰਿਦਮ ਦੇ ਚੱਲਣ ਦੇ ਸਮੇਂ ਨੂੰ ਕਾਫ਼ੀ ਘਟਾ ਸਕਦਾ ਹੈ, ਕਿਉਂਕਿ ਇੰਟਰਸੈਕਸ਼ਨ ਓਪਰੇਸ਼ਨ ਮਹਿੰਗਾ ਹੈ।

ਇਸ ਲਈ, ਅਸੀਂ ਸ਼ੈਨਨ ਐਂਟਰੋਪੀ ਅਤੇ ਗਿਨੀ ਅਨਿਸ਼ਚਿਤਤਾ ਦੇ ਨਾਲ-ਨਾਲ ਸਾਡੇ ਆਪਣੇ ਮੈਟ੍ਰਿਕ, ਜਿਸਨੂੰ ਅਸੀਂ ਇਨਵਰਸ ਐਂਟਰੋਪੀ ਕਹਿੰਦੇ ਹਾਂ, ਦੇ ਆਧਾਰ 'ਤੇ ਇੱਕ ਹਿਊਰਿਸਟਿਕ ਪ੍ਰਸਤਾਵਿਤ ਕੀਤਾ। ਇਹ ਸ਼ੈਨਨ ਐਂਟਰੋਪੀ ਦਾ ਇੱਕ ਮਾਮੂਲੀ ਸੋਧ ਹੈ ਅਤੇ ਡੇਟਾਸੈੱਟ ਦੀ ਵਿਲੱਖਣਤਾ ਵਧਣ ਦੇ ਨਾਲ ਵਧਦਾ ਹੈ। ਪ੍ਰਸਤਾਵਿਤ ਹਿਊਰਿਸਟਿਕ ਇਸ ਪ੍ਰਕਾਰ ਹੈ:

ਇਹ ਇਸ ਲਈ ਹੈ — ਹਾਲ ਹੀ ਵਿੱਚ ਗਣਨਾ ਕੀਤੇ ਗਏ ਭਾਗ ਦੀ ਵਿਲੱਖਣਤਾ ਦੀ ਡਿਗਰੀ ਅਤੇ ਇਹ ਵਿਅਕਤੀਗਤ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਲਈ ਵਿਲੱਖਣਤਾ ਡਿਗਰੀਆਂ ਦਾ ਮੱਧਮਾਨ ਹੈ। ਉੱਪਰ ਦੱਸੇ ਗਏ ਸਾਰੇ ਤਿੰਨ ਮੈਟ੍ਰਿਕਸ ਨੂੰ ਵਿਲੱਖਣਤਾ ਮੈਟ੍ਰਿਕਸ ਵਜੋਂ ਟੈਸਟ ਕੀਤਾ ਗਿਆ ਸੀ। ਇਹ ਵੀ ਨੋਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਕਿ ਹਿਉਰਿਸਟਿਕ ਵਿੱਚ ਦੋ ਸੋਧਕ ਸ਼ਾਮਲ ਹਨ। ਪਹਿਲਾ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਮੌਜੂਦਾ ਭਾਗ ਪ੍ਰਾਇਮਰੀ ਕੁੰਜੀ ਦੇ ਕਿੰਨਾ ਨੇੜੇ ਹੈ ਅਤੇ ਉਮੀਦਵਾਰ ਕੁੰਜੀ ਤੋਂ ਦੂਰ ਭਾਗਾਂ ਦੀ ਵਧੇਰੇ ਕੈਸ਼ਿੰਗ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਦੂਜਾ ਸੋਧਕ ਕੈਸ਼ ਆਕੂਪੈਂਸੀ ਦੀ ਨਿਗਰਾਨੀ ਕਰਦਾ ਹੈ, ਇਸ ਤਰ੍ਹਾਂ ਸਪੇਸ ਉਪਲਬਧ ਹੋਣ 'ਤੇ ਕੈਸ਼ ਵਿੱਚ ਹੋਰ ਭਾਗਾਂ ਨੂੰ ਜੋੜਨ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਦਾ ਹੈ। ਇਸ ਸਮੱਸਿਆ ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਹੱਲ ਕਰਨ ਨਾਲ PYRO ਐਲਗੋਰਿਦਮ ਨੂੰ ਡੇਟਾਸੈੱਟ ਦੇ ਅਧਾਰ ਤੇ 10-40% ਤੱਕ ਤੇਜ਼ ਕਰਨ ਦੀ ਆਗਿਆ ਮਿਲੀ। ਇਹ ਧਿਆਨ ਦੇਣ ਯੋਗ ਹੈ ਕਿ PYRO ਐਲਗੋਰਿਦਮ ਇਸ ਖੇਤਰ ਵਿੱਚ ਸਭ ਤੋਂ ਸਫਲ ਹੈ।

ਹੇਠਾਂ ਦਿੱਤਾ ਚਿੱਤਰ ਸਿੱਕੇ ਦੇ ਫਲਿੱਪਾਂ 'ਤੇ ਆਧਾਰਿਤ ਬੇਸਲਾਈਨ ਕੈਚਿੰਗ ਪਹੁੰਚ ਦੇ ਮੁਕਾਬਲੇ ਪ੍ਰਸਤਾਵਿਤ ਹਿਊਰਿਸਟਿਕ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੇ ਨਤੀਜਿਆਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। x-ਧੁਰਾ ਲਘੂਗਣਕ ਹੈ।

ਭਾਗਾਂ ਨੂੰ ਸਟੋਰ ਕਰਨ ਦਾ ਇੱਕ ਵਿਕਲਪਿਕ ਤਰੀਕਾ

ਫਿਰ ਅਸੀਂ ਭਾਗਾਂ ਨੂੰ ਸਟੋਰ ਕਰਨ ਲਈ ਇੱਕ ਵਿਕਲਪਿਕ ਤਰੀਕਾ ਪ੍ਰਸਤਾਵਿਤ ਕੀਤਾ। ਭਾਗ ਕਲੱਸਟਰਾਂ ਦਾ ਇੱਕ ਸਮੂਹ ਹੁੰਦੇ ਹਨ, ਜਿਨ੍ਹਾਂ ਵਿੱਚੋਂ ਹਰ ਇੱਕ ਕੁਝ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਲਈ ਇੱਕੋ ਜਿਹੇ ਮੁੱਲਾਂ ਵਾਲੇ ਟਿਊਪਲ ਨੰਬਰਾਂ ਨੂੰ ਸਟੋਰ ਕਰਦਾ ਹੈ। ਇਹਨਾਂ ਕਲੱਸਟਰਾਂ ਵਿੱਚ ਟਿਊਪਲ ਨੰਬਰਾਂ ਦੇ ਲੰਬੇ ਕ੍ਰਮ ਹੋ ਸਕਦੇ ਹਨ, ਉਦਾਹਰਨ ਲਈ, ਜੇਕਰ ਇੱਕ ਸਾਰਣੀ ਵਿੱਚ ਡੇਟਾ ਨੂੰ ਆਰਡਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਸ ਲਈ, ਅਸੀਂ ਭਾਗਾਂ ਨੂੰ ਸਟੋਰ ਕਰਨ ਲਈ ਇੱਕ ਕੰਪਰੈਸ਼ਨ ਸਕੀਮ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੱਤਾ, ਅਰਥਾਤ, ਭਾਗ ਕਲੱਸਟਰਾਂ ਵਿੱਚ ਮੁੱਲਾਂ ਦਾ ਅੰਤਰਾਲ ਸਟੋਰੇਜ:

$$display$$pi(X) = {{ਅੰਡਰਬ੍ਰੇਸ{1, 2, 3, 4, 5}_{ਪਹਿਲਾ~ਅੰਤਰਾਲ}, ਅੰਡਰਬ੍ਰੇਸ{7, 8}_{ਦੂਜਾ~ਅੰਤਰਾਲ}, 10}}\downarrow{ਕੰਪ੍ਰੇਸ਼ਨ}\pi(X) = {{ਅੰਡਰਬ੍ਰੇਸ{$, 1, 5}_{ਪਹਿਲਾ~ਅੰਤਰਾਲ}, ਅੰਡਰਬ੍ਰੇਸ{7, 8}_{ਦੂਜਾ~ਅੰਤਰਾਲ}, 10}}$$display$$

ਇਹ ਵਿਧੀ TANE ਐਲਗੋਰਿਦਮ ਦੇ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਦੌਰਾਨ ਮੈਮੋਰੀ ਦੀ ਖਪਤ ਨੂੰ 1 ਤੋਂ 25% ਤੱਕ ਘਟਾਉਣ ਦੇ ਯੋਗ ਸੀ। TANE ਐਲਗੋਰਿਦਮ ਲਾਜ਼ੀਕਲ ਜ਼ੋਨਾਂ ਦੀ ਖੋਜ ਲਈ ਇੱਕ ਕਲਾਸਿਕ ਐਲਗੋਰਿਦਮ ਹੈ; ਇਹ ਆਪਣੇ ਸੰਚਾਲਨ ਦੌਰਾਨ ਭਾਗਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਵਿਹਾਰਕ ਉਦੇਸ਼ਾਂ ਲਈ, TANE ਐਲਗੋਰਿਦਮ ਨੂੰ ਚੁਣਿਆ ਗਿਆ ਸੀ ਕਿਉਂਕਿ ਅੰਤਰਾਲ ਸਟੋਰੇਜ ਨੂੰ ਲਾਗੂ ਕਰਨਾ, ਉਦਾਹਰਣ ਵਜੋਂ, PYRO ਵਿੱਚ ਪ੍ਰਸਤਾਵਿਤ ਪਹੁੰਚ ਦੀ ਵਿਵਹਾਰਕਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਨਾਲੋਂ ਕਾਫ਼ੀ ਆਸਾਨ ਸੀ। ਨਤੀਜੇ ਹੇਠਾਂ ਦਿੱਤੇ ਚਿੱਤਰ ਵਿੱਚ ਪੇਸ਼ ਕੀਤੇ ਗਏ ਹਨ। x-ਧੁਰਾ ਲਘੂਗਣਕ ਹੈ।

ਕਾਨਫਰੰਸ ADBIS-2019

ਖੋਜ ਦੇ ਨਤੀਜਿਆਂ ਦੇ ਆਧਾਰ 'ਤੇ, ਮੈਂ ਸਤੰਬਰ 2019 ਵਿੱਚ ਇੱਕ ਲੇਖ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ। ਕੁਸ਼ਲ ਕਾਰਜਸ਼ੀਲ ਨਿਰਭਰਤਾ ਖੋਜ ਲਈ ਸਮਾਰਟ ਕੈਚਿੰਗ ਡੇਟਾਬੇਸ ਅਤੇ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਤਰੱਕੀ ਬਾਰੇ 23ਵੀਂ ਯੂਰਪੀਅਨ ਕਾਨਫਰੰਸ (ADBIS-2019) ਵਿੱਚ, ਇਸ ਕੰਮ ਨੂੰ ਡੇਟਾਬੇਸ ਦੇ ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਪ੍ਰਮੁੱਖ ਸ਼ਖਸੀਅਤ, ਬਰਨਹਾਰਡ ਥੈਲਹਾਈਮ ਦੁਆਰਾ ਮਾਨਤਾ ਦਿੱਤੀ ਗਈ ਸੀ। ਖੋਜ ਨਤੀਜਿਆਂ ਨੇ ਸੇਂਟ ਪੀਟਰਸਬਰਗ ਸਟੇਟ ਯੂਨੀਵਰਸਿਟੀ ਵਿਖੇ ਗਣਿਤ ਅਤੇ ਮਕੈਨਿਕਸ ਫੈਕਲਟੀ ਵਿੱਚ ਮਾਸਟਰ ਪ੍ਰੋਗਰਾਮ ਲਈ ਮੇਰੇ ਖੋਜ ਨਿਬੰਧ ਦਾ ਆਧਾਰ ਬਣਾਇਆ, ਜਿਸ ਦੌਰਾਨ ਦੋਵੇਂ ਪ੍ਰਸਤਾਵਿਤ ਪਹੁੰਚ (ਕੈਚਿੰਗ ਅਤੇ ਕੰਪਰੈਸ਼ਨ) ਦੋਵਾਂ ਐਲਗੋਰਿਦਮ ਵਿੱਚ ਲਾਗੂ ਕੀਤੇ ਗਏ ਸਨ: TANE ਅਤੇ PYRO। ਨਤੀਜਿਆਂ ਨੇ ਦਿਖਾਇਆ ਕਿ ਪ੍ਰਸਤਾਵਿਤ ਪਹੁੰਚ ਸਰਵ ਵਿਆਪਕ ਹਨ, ਕਿਉਂਕਿ ਦੋਵੇਂ ਐਲਗੋਰਿਦਮ ਨੇ ਯਾਦਦਾਸ਼ਤ ਦੀ ਖਪਤ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਕਮੀ ਅਤੇ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਸਮੇਂ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਕਮੀ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ।

ਸਰੋਤ: www.habr.com