Scalable Location-Temporal Range Query Processing for Structured Peer-to-Peer Networks
Traitement de Requêtes Spatio-temporelles pour les Réseaux Pair-à-Pair Structurés
Résumé
Indexing and retrieving data by location and time allows people to share and explore massive geotagged datasets observed on social networks such as Facebook, Flickr, and Twitter. This scenario known as a Location Based Social Network (LBSN) is composed of millions of users, sharing and performing location-temporal range queries in order to retrieve geotagged data generated inside a given geographic area and time interval.
A key challenge is to provide a scalable architecture that allow to perform insertions and location-temporal range queries
from a high number of users. In order to achieve this, Distributed Hash Tables (DHTs) and the Peer-to-Peer (P2P) computing paradigms provide a powerful building block for implementing large scale applications. However, DHTs are ill-suited for supporting range queries because the use of hash functions destroy data locality for the sake of load balance.
Existing solutions that use a DHT as a building block allow to perform range queries. Nonetheless, they do not target location-temporal range queries and they exhibit poor performance in terms of query response time and message traffic. This thesis proposes two scalable solutions for indexing and retrieving geotagged data based on location and time.
La recherche et l'indexation de données en fonction d'une date ou d'une zone géographique permettent le partage et la découverte d'informations géolocalisées telles que l'on en trouve sur les réseaux sociaux comme Facebook, Flickr, ou Twitter.
Dans ce contexte, des millions d'utilisateurs partagent et envoient des requêtes en ciblant des zones spatio-temporelles afin d'accéder à des données générées dans une zone géographique précise et dans un intervalle de temps donné.
Un des principaux défis pour de telles applications est de fournir une architecture capable de traiter une multitude d'insertions et de requêtes spatio-temporelles. Les Tables de Hachage Distribuées (DHT) fournissent des primitives de base pour localiser et stocker efficacement des données dans un contexte pair-à-pair. Cependant, les DHTs sont mal adaptées aux requêtes complexes ciblant des ensembles de données situées dans un intervalle. En effet, l'utilisation de fonctions de hachage détruit généralement la localité des données pour mieux équilibrer de la charge en les nœuds du réseau pair-à-pair.
Plusieurs solutions ont étendu les requêtes des DHT afin de localiser des ensembles de données. Cependant, ces solutions ont tendance à générer un nombre de messages et ont une latence élevée pour des requêtes qui ciblent des intervalles. Cette thèse propose deux solutions à large échelle pour l'indexation des données géolocalisées.
Loading...