Intervalinių medžio tipo duomenų struktūrų įtaka, sprendžiant didelių duomenų apdorojimo uždavinius

Abstract

Baigiamojo darbo tikslas - ištirti intervalinių medžio tipo duomenų struktūrų įtaką didelių duomenų apdorojimo uždaviniams spręsti. Baigiamajame darbe yra detaliai apžvelgiamos segmentinio medžio ir dvejetainio indeksuoto medžio intervalinės duomenų struktūros. Pagal gautą duomenų struktūrų analizę yra sumodeliuojamos sumos užklausų ir sumos užklausų matricose užduotys. Šios užduotys yra realizuojamos ir išbandomos su dideliais duomenų kiekiais. Pagal atliktą analizę yra išskiriami greičio, atminties panaudojamumo, universalumo ir kodo sudėtingumo požymiai. Vadovaujantis šiais požymiais yra ištiriamos, įvertinamos ir palyginamos pasirinktos duomenų struktūros. Darbo apimtis 55p. teksto be priedų, 38 pav., 6 lent., 20 bibliografinių šaltinių.

The main thesis objective is to explore the impact of interval tree type data structures on big data processing tasks. This thesis provides a full overview of segment tree and binary indexed tree data structures. According to the data structure overview interval sum query and interval sum query inside matrices problem statements are formulated. These problems are then implemented and evaluated using big data. Using the analysis of speed, memory, universality and code complexity attributes are marked out. Using these attributes the data structures are explored, evaluated and compared. The thesis consists of: 55p. text without appendixes, 38 pictures, 6 tables, 20 bibliographical entries.