본 논문에서는 시간지원 데이터를 과거 세그먼트, 현재 세그먼트, 그리고 미래 세그먼트로 분리한 저장 구조를 기반으로 하는 AST-AET(Average valid Start Time-Average valid End Time) 데이터 이동 방법을 제안한다. 제안한 AST-AET를 계산하는 방법과 이동 대상 이 되는 개체 버전을 정의한다. AST와 AET를 계산하는 방법과 이동 대상이 되는 개체 버 전을 검색하고 이동하는 과정을 보인다. 도한, 제안하는 AST-AET 데이터 이동방법과 기존 의 LST-GET(Least valid Start Time-Greatest valid End Time) 데이터 이동 방법의 사용 자 질의에 대한 평균 응답시간을 비교한다. 실험 결과에 의하면, LLT(Long Lived Tuples)가 없윽 때는 현재 세그먼트의 크기가 비슷 하기 때문에 두 이동 방법의 평균 응답 시간이 비슷하였다. 그러나 LLT가 있을 때에는 LST-GET 데이터 이동방법의 현재 세그먼트 크기가 커지기 때문에, AST-AET 데이터 이 동 방법의 평균 응답 시간이 LST-GET 데이터 이동 방법보다 작았다. 또한, 시간지원 질의 의 평균 응답 시간이 LST-GET 데이터 이동 방법보다 전반적으로 작았다.
In this paper, we propose AST-AET(Average valid Start Time-Average valid End Time) data migration strategy based on the storage structure where temporal data is divided into a past segment, a current segment, and a future segment. We define AST and AET which are used in AST-AET data migration strategy and also define entity versions to be stored in each segment. We describe methods to compute AST and AET, and processes to search entity versions for migration and move them. We compare average response times for user queries between AST-AET data migration strategy and the existing LST-GET(Least valid Start Time-Greatest valid End Time) data migration strategy. The experimental results show that, when there are no LLTs(Long Lived Tuples), there is little difference in performance between the two migration strategies because the size of a current segment is nearly equal. However, when there are LLTs, the average response time of AST-AET data migration strategy is smaller than that of LST-GET data migration strategy because the size of a current segment of LST-GET data migration strategy becomes larger. In addition, when we change average interarrival times of temporal queries, generally the average response time of AST-AET data migration strategy is smaller than that of LST-GET data migration strategy.
