Optimisation de la structure d’indexation de l’arbre BCCF pour des données hétérogènes dans un environnement Edge/Fog/Cloud Computing

Abstract

Ces dernières années, avec le développement de la technologie et l’énorme quantité de données hétérogènes générées par les capteurs de l’Internet des objets (IoT), la plupart des systèmes traditionnels de traitement des bases de données ne sont pas câblés pour traiter et stocker cette grande quantité de données, ce qui a obligé les chercheurs à concevoir de nouveaux systèmes basés sur des mécanismes d’indexation. Parmi les dernières structures d’indexation dans l’espace métrique, nous trouvons l’arbre BCCF. Cette structure est basée sur un partitionnement récursif de l’espace en utilisant l’algorithme de regroupement k-means. Malgré les avantages offerts par cette solution, elle reste confrontée au problème du chevauchement des données entre ses nœuds, en particulier dans le cas de données massives, ce qui a un impact négatif sur la qualité de l’index, ainsi que sur les performances du processus de recherche. Cette étude vise à optimiser la structure du BCCF pour le rendre capable de traiter des données massives de l’IdO. Pour cela, nous proposons l’utilisation du regroupement comme prétraitement et aussi une nouvelle méthode d’estimation du taux de chevauchement entre les partitions de l’espace, avant la construction de nouveaux index, pour minimiser le coût de construction et améliorer la qualité du processus de découverte et de recherche des données massives d’IdO.