10、分布式数据条件功能依赖的模式表生成与评估

分布式数据条件功能依赖的模式表生成与评估

1. 引言

在数据管理领域，条件功能依赖（CFDs）作为功能依赖（FDs）的扩展，为关系数据的清理提供了强大的工具。与FDs不同，CFDs仅在关系的子集上满足某些条件约束时才成立。以国际零售商的销售记录关系Sales为例，FD“[name, type, country] → [price, tax]”要求相同国家的相同产品记录和类型给出价格和税收，而CFD“([name, type, country = ‘UK’] → [price, tax])”和“([name, type = ‘book’, country = ‘France’] → [price, tax = 0])”则在特定条件下成立。

随着云计算和大数据的发展，数据水平或垂直分区并分布在不同站点的情况越来越普遍。因此，研究分布式数据上的CFDs具有重要意义。传统的CFDs发现方法主要集中在集中式数据上，而本文提出了一种分布式算法，用于从分布式关系中生成CFD模式表，而无需将所有分布式元组合并到集中式关系中。该算法基于模式摘要的概念，可最小化分布式关系站点之间的数据传输。

2. 相关定义

2.1 条件功能依赖

条件功能依赖（CFD）Φ是一个对 (X → Y, Tp)，其中X → Y是标准的FD，Tp是模式表，定义了嵌入式FD适用的行。每个条目tp ∈ Tp指定了X ∪ Y上的模式，对于X ∪ Y中的每个属性A，tp[A] 要么是A域中的常量，要么是特殊通配符符号 | - |。元组t与模式表Tp的模式tp匹配，如果t[A] = tp[A] 或 tp[A] = | - |。CFD Φ在关系R上成立的条件是：对于所有i, j, p，如果t