ATLas為數(shù)據(jù)挖掘和數(shù)據(jù)流應(yīng)用的一個(gè)SQL擴(kuò)展

1、ATLas：為數(shù)據(jù)挖掘和數(shù)據(jù)流應(yīng)用的一個(gè)SQL擴(kuò)展由于傳統(tǒng)的DBMS查詢語(yǔ)言本身功能有限，不能適應(yīng)數(shù)據(jù)驅(qū)動(dòng)的應(yīng)用，如數(shù)據(jù)挖掘和數(shù)據(jù)流處理，因此Atlas在傳統(tǒng)的DBMS查詢語(yǔ)言基礎(chǔ)上定義了一套新的數(shù)據(jù)庫(kù)查詢語(yǔ)言，通過(guò)在傳統(tǒng)SQL上定義新的集合和表運(yùn)算，使得Atlas成為圖靈完備的語(yǔ)言。Atlas的語(yǔ)言規(guī)范的核心是對(duì)user defined aggregates(UDAs)的定義，一個(gè)UDA包含三個(gè)部分：initialize,iterate和terminate。一個(gè)UDA的定義如下圖所示：在上圖中vdec(變量定義)的規(guī)范如下：<statement>就是傳統(tǒng)的SQL-like sta

2、tement。一個(gè)UDA有輸入?yún)?shù)，也有輸出參數(shù)，這些參數(shù)可以理解為元組。UDA的initialize部分是這個(gè)UDA的初始化部分，只運(yùn)行一次。iterate部分是UDA的核心，在每當(dāng)有一個(gè)元組輸入時(shí)便調(diào)用一次，這個(gè)可以滿足數(shù)據(jù)流處理的需求。Terminate部分是UDA的結(jié)束部分，當(dāng)輸入元組是有限表中的元組時(shí)，terminate部分才是必需的，如果UDA的輸入是無(wú)限的數(shù)據(jù)流元組， terminate部分顯然不再需要，這時(shí)terminate部分可以缺省，也可以由revise來(lái)代替。在iterate部分和terminate部分都可以產(chǎn)生輸出。如果在iterate部分產(chǎn)生輸出，那么輸出就可以看成是

3、一個(gè)流（這是因?yàn)閍tlas將UDA的運(yùn)行時(shí)模型作為一個(gè)管道來(lái)處理，在iterate部分產(chǎn)生的輸出可以馬上傳遞給調(diào)用者）。在數(shù)據(jù)流處理中，initialize和iterate部分分別在UDA第一次啟動(dòng)運(yùn)行時(shí)和數(shù)據(jù)流的窗口邊界還沒(méi)到達(dá)時(shí)執(zhí)行，一旦窗口邊界到達(dá)了，iterate部分將不再執(zhí)行，對(duì)每個(gè)新來(lái)的元組，將由revise部分執(zhí)行。同時(shí)，系統(tǒng)維護(hù)一個(gè)包含了剛剛過(guò)期的元組表EXPIRE,對(duì)于基于元組計(jì)數(shù)的窗口，EXPIRE表中只有一個(gè)元組，對(duì)于基于時(shí)間段的窗口，EXPIRE表中可能含有零個(gè)，一個(gè)或多個(gè)元組。下面圖一給出了數(shù)據(jù)流處理的一個(gè)例子，定義了窗口上的平均值。其中在revise部分的E表就是E

4、XPIRE表，它是系統(tǒng)表，不需要聲明。同時(shí)Atlas還支持窗口的定義，下面圖二給出了一個(gè)示例。圖一圖二由圖二可以看出窗口定義包含三部分：1 Partition子句（可選），將流數(shù)據(jù)分成幾個(gè)組，并為每個(gè)組分別維護(hù)一個(gè)窗口2 窗口大?。ū匦瑁?，可以基于元組數(shù)量，也可以基于時(shí)間段3 條件過(guò)濾謂詞（可選）Atlas既支持傳統(tǒng)數(shù)據(jù)庫(kù)表上的聚集挖掘操作（這里就不作介紹了），又支持?jǐn)?shù)據(jù)流上的處理。因此在Storage Manager中便支持傳統(tǒng)Berkeley DB的接口，又有內(nèi)存數(shù)據(jù)表及索引接口。下面兩幅圖就是描述了Atlas的體系結(jié)構(gòu)。圖三是altas的流程框架，將altas腳本轉(zhuǎn)化成c+程序的步驟，將c+程序進(jìn)行編譯鏈接，最后都會(huì)轉(zhuǎn)化成可執(zhí)行程序。圖三圖四是對(duì)atlas核心部分的細(xì)化描述。其中stream engin