1 Vorlesung Informatik 2 Algorithmen und Datenstrukturen (23 –Persistente und vergessliche...

1

Vorlesung Informatik 2

Algorithmen und Datenstrukturen

(23 –Persistente und vergessliche Datenstrukturen)

Prof. Th. Ottmann

2

Übersicht

• Motivation: Vergessliche und persistente Strukturen

• Beispiele: Arrays, Suchbäume, Z-stratifizierte Suchbäume, Relaxierung

• Methoden zur Persistenzsicherung: Struktur-Kopier-, Pfad-Kopier-, DSST-Methode

• Anwendung: Punktlokalisation

• Vergessliche Strukturen: Randomisierte und eindeutige Strukturen, insbesondere

Sprung-Listen

• Praktisches Beispiel zeitabhängiger Datenströme: Aufzeichnung und Wiedergabe

von Whiteboard Daten, insbesondere Handschrift

3

Motivation

Eine Struktur zur Speicherung einer Menge von Schlüsseln heißt vergesslich, wenn

aus der Gestalt der Struktur nicht auf die Erzeugungshistorie geschlossen werden

kann.

Eine Struktur heißt persistent, wenn neben der aktuellen auch frühere Versionen

existieren.

Partiell persistent: Modifikationen nur bei aktueller, Zugriff (Suche) auch bei früheren

Versionen möglich.

Voll persistent: Zugriff und Modifikation für alle Versionen

Konfluent persistent: Mehrere frühere Versionen können zu neuer aktueller Version

verknüpft werden.

4

Beispiel: Arrays

Array:

2 4 8 15 17 43 47 ……

Eindeutige Struktur, daher vergesslich!

Suchen: In Zeit O( log n) möglich, binäres Suchen

Update (Einfügen, Entfernen): (n)

Aber Vorsicht:Speicherbelegung könnte dennoch von Erzeugungshistorie abhängen!

5

Beispiel: Natürliche Suchbäume

Nur teilweise vergesslich!

• Einfügereihenfolge teilweise rekonstruierbar.

• Entfernte Schlüssel nicht sichtbar.

Suchen, Einfügen. Entfernen von Schlüsseln: (n) Zeit

1, 3, 5, 7 5, 1, 3, 7

13

57 3

1

5

7

6

Beispiel: Balancierte Suchbäume

Problem:(Zu) viele Updates auf einmal (Z.B. bei der Aufzeichnung von Handschrift)Nicht genügend Zeit zur sequentiellen BearbeitungLösung:Relaxiert balancierte Suchbäume: Update und Rebalancierungs-Operationen werden nebenläufig ausgeführt!

10

6 15

2 9 11 23

5 7 20 30

6 7 9

10 11 15

5

2

20 23

7

Stratifizierte Suchbäume

....

…..

… …

… …

8

Beispiel

9

Beispiel

10

Einfügen

Füge neuen Schlüssel ganz unten ein und deponiere einen „push-up-request“

… …

… … ....

…..

…..

x p

11

Iterierte Folge von Einfügungen

12

Beseitigung eines Push-up-requests (1)

• Push-up-request führt entweder zu einer lokalen strukturellen Änderung mit

konstantem Aufwand (Fall 1)

• oder zu einer Verschiebung des Push-up-requests auf das nächst höhere Niveau

ohne Strukturänderung (Fall2)

Fall1 [Genug Platz auf nächster Schicht]

1 2 31 2

3

1 2

3 4 1 2 3 4

1

2 3

4 2 31 4

13

Beseitigung eines Push-up-requests (2)

• Fall2 [Nächste Schicht voll]

Schaffe ggfs. neue Schicht an der Spitze

1

2 3

4 5 1

2 3

4 5

14

Entfernen

Deponiere für jede Entfernung einen Lösch-Vermerk.Beseitige Lösch-Vermerke.

… …

… … ....

…..

… …

15

Beseitigung eines Löschvermerks

Fall 1 [genügend Knoten auf unterster Schicht]

Fall 2 [unterste Schicht zu dünn]

Deponiere „pull-down-request“ p q q

16

Beseitigung von Pull-down-requests (1)

1p 2 3 1p 2 3

1p 2 3 4 p 1 2 3 41 p2 3 4

1 2 3 4p

Fall1 [genügend Knoten auf nächster Schicht]

Endliche Strukturänderung undHalt!

17

Beseitigung von Pull-down-requests (2)

p

qq

p

Fall2 [nicht genügend Knoten auf nächster Schicht]

Verschiebe Pull-down-request auf nächst höhere Schicht,ohne strukturelle Änderungen

18

Z-stratifizierte Bäume: Beobachtungen

Einfüge-, Entferne- und Rebalancierungs-Operationen (Beseitigung von , ) lassen

sich beliebig verzahnen.

Die amortisierten Umstrukturierungskosten pro Einfügung und Entfernung sind

konstant.

Erzeugungshistorie ist aus aktueller Version teilweise erkennbar (Einfügereihenfolge

und entfernte Schlüssel sind teilweise sichtbar)

Aber:

• Update Operationen beziehen sich stets nur auf aktuelle Version

• Z-stratifizierte Bäume sind nicht persistent

19

Übersicht


• Beispiele: Arrays, Suchbäume, Z-stratifizierte Suchbäume


• Anwendung: Punktlokalisitation


Sprung-Listen



20

Einfache Strategien zur Persistenz-Erhaltung

• Kopiere gesamte Struktur vor jeder Update-Operation, liefert volle Persistenz zum

Preis von (n) Zeit pro Update und Platz (m n) für m Updates auf Strukturen der

Größe n. (Struktur-Kopier-Methode)

• Tue nichts sondern speichere ein log-File der Updates! Um auf Version i

zuzugreifen, führe zunächst die i ersten Updates auf der Anfangsstruktur aus, um

Version i zu erzeugen. (i) Zeit per Zugriff, O(m) Platz für m Operationen.

• Hybrid-Ansatz: Speichere die gesamte Folge der Updates und zusätzlich jede k-te

Version für ein geeignetes k. Folge: Zeit oder Platzbedarf nimmt mindestens um

Faktor sqr(m) zu!

Gibt es bessere Methoden? …. Für Suchbäume ….

21

Persistente Suchbäume (1)

Pfadkopiermethode

5

1 7

3

0

Version 0:

22


Pfad-Kopier-Methode

5 5

1 1 7

3 3

2

0 1

Version 1:Einfüge (2)

23


Pfad-Kopier-Methode

5 5 5

1 1 1 7

3 3 3

2 4

0 1 2

Version 1:Einfüge (2)Version 2:Einfüge (4)

24


Pfad-Kopier-Methode

Umstrukturierungs-Kosten O(log n) pro Update Operation

5 5 5

1 1 1 7

3 3 3

2 4

0 1 2


25


DSST-Methode: Erweitere jeden Knoten um Modifikationsfeld mit Zeitstempel

? alle Versionenvor Zeit t

alle Versionenab Zeit t

Modifikationsfelder•sind anfangs leer•werden v.u.n.o. gefüllt

k

t: rplp rp

26

DSST Methode

5

1

3

7

Version 0

27

DSST Methode

5

1

3

2

7

1 lp

Version 0:

28

DSST Methode

5

1

3

2

3

4

7

1 lp


29

DSST Methode

Die amortisierten Kosten (Zeit und Platz) pro Update Operation sind O(1)

5

1

3

2

3

4

72 rp

1 lp


30

Übersicht


• Beispiele: Arrays, Suchbäume, Z-stratifizierte Suchbäume, Relaxierung




Sprung-Listen



31

Anwendung: Planare Punktlokalisation

Suppose that the Euclidian plane is subdivided into polygons by n line segments that intersect only at their endpoints.

Given such polygonal subdivision and an on-line sequence of query points in the plane, the planar point location problem, is to determine for each query point the polygon containing it.

Measure an algorithm by three parameters:

1) The preprocessing time.

2) The space required for the data structure.

3) The time per query.

32

Planar point location -- example

33


34

Solving planar point location (Cont.)

Partition the plane into vertical slabs by drawing a vertical line through each endpoint.

Within each slab the lines are totally ordered.

Allocate a search tree per slab containing the lines at the leaves with each line associate the polygon above it.

Allocate another search tree on the x-coordinates of the vertical lines

35

Solving planar point location (Cont.)

To answer query

first find the appropriate slab

Then search the slab to find the polygon

36


37

Planar point location -- analysis

Query time is O(log n)

How about the space ?

(n2)

And so could be the preprocessing time

38

Planar point location -- bad example

Total # lines O(n), and number of lines in each slab is O(n).

39

Planar point location & persistence

So how do we improve the space bound ?

Key observation: The lists of the lines in adjacent slabs are very similar.

Create the search tree for the first slab.

Then obtain the next one by deleting the lines that end at the corresponding vertex and adding the lines that start at that vertex

How many insertions/deletions are there alltogether ?

2n

40

Planar point location & persistence (cont)

Updates should be persistent since we need all search trees at the end.

Partial persistence is enough

Well, we already have the path copying method, lets use it.What do we get ?

O(nlogn) space and O(nlog n) preprocessing time.

We shall improve the space bound to O(n).

41

Übersicht






Sprung-Listen



42

Strategien für vergessliche Strukturen

Mache die Struktur eindeutig:

• Mengeneindeutigkeit: Für jede Menge von n Schlüsseln gibt es genau eine

Struktur, die sie speichert.

• Die Speicherung ist ordnungseindeutig, d.h. die Knoten der Struktur sind

angeordnet und die Schlüssel sind der Größe nach in den Knoten mit

aufsteigenden Nummern gespeichert.

Randomisiere die Struktur:

• Sichere, dass der Erwartungswert für das Auftreten einer Struktur, die eine Menge

M von Schlüsseln speichert, unabhängig davon ist, wie M entstanden ist.

Beobachtung: Die Zuweisung von Speicheradressen zu Zeigern muss randomisiert

erfolgen!

43

Beispiel für eine randomisierte Struktur

Z-stratifizierter Suchbaum

Wähle auf jeder Schicht eineZufällige Verteilung der Bäume aus Z

Einfügen ?Entfernen ?

… …

… … ....

…..

…..

44

Mengen- und ordnungseindeutige Strukturen

Untere Schranken?

Annahmen: Wörterbuch der Größe n wird repräsentiert durch Graph mit n Knoten

Knotengrad endlich (fest),

feste Ordnung der Knoten,

i-ter Knoten speichert i-ten Schlüssel.

Operationen zur Veränderung von Graphen:

Schaffen | Entfernen von Knoten

Pointer change

Austausch von Schlüsseln

Satz: Für jede mengen- und ordnungs-eindeutige Repräsentation von Wörterbüchern gilt, daß wenigstens eine der drei Operationen Suchen, Einfügen und Entfernen Zeit (n1/3) kostet.

45

Sprung-Listen

(Halbdynamische) 2-Ebenen Sprung-Listen

2-Ebenen-Sprung-Liste der Größe n

niini 22 )1(

Suchen: O(i) = O( ) ZeitEinfügen: Entfernen: O( )

Zeit

n

n

22 4113

tail

0 i 2i n

(n-1)/i · i

2 3 5 7 8 10 11 12 14 17 19

46

3-Ebenen Sprung-Listen

33 )1( ini

33 43,30 nnin 3

level 2

Suche(x): bestimme x durch Nachlaufen der level-2-Zeiger unter i2 Schlüsseln, die x enthalten können,level-1-Zeiger unter i Schlüsseln, die x enthalten können,level-0-Zeiger unter i Schlüsseln

Suchzeit: O(i) = O(n1/3)

0 i 2i i2 i2+i 2·i2

47

3-Ebenen Sprung-Listen

33 )1( ini

33 43,30 nnin 3

level 2

Update erfordertÄnderung von 2 Zeigern auf level 0Änderung von i Zeigern auf level 1Änderung aller i Zeiger auf level 2

Update Zeit: O(i) = O(n1/3)

0 i 2i i2 i2+i 2·i2

48

c-Ebenen Sprung-Liste

Sei

Lower levels:

level 0: alle Zeiger mit Länge 1:

...

level j: alle Zeiger mit Länge ij-1:

...

level c/2 : ...

Upper levels:

level j: verbinde in einer Liste die Knoten

1, 1·ij-1+1, 2· ij-1+1, 3· ij-1+1, ...

level c:

cc ini )1(

49

Satz:

Für jedes sind c-Ebenen Sprung-Listen eine größen- und ordnungseindeutige

Repräsentation von Wörterbüchern mit folgenden Eigenschaften:

Platzbedarf O(c·n)

Suchzeit O(c·n1/c)

Updatezeit , falls n gerade

, falls n ungerade

)( nO

)( 2/)1( ccnO

3c

c-Ebenen Sprung-Liste

50

Übersicht





Sprung-Listen



51

Author Audience

Data sources

Lightweight

content creation

Recorded learning module Document

Input media• Whiteboard• TouchScreen• Tablet PC

Zeitabhängige Daten beim Presentation Recording

52

Aufzeichnungs Technologie

• Low End: Digitale Tafelbilder und Audio/Video-

Aufzeichnung einer Tafel- und Kreide Vorlesung.

(Real audio/video + hi-res. digital images)

• High End: Direkte Aufzeichnung einer

Computerpräsentation (mit Whiteboard und Daten

Projektor für die Zuhörer, Stifteingabe, Tablet PC,

Wacom Tablet ...)

Software: RealPresenter, Camtasia, ..., AOF)

53

Dozent im Hörsaal

54

Integrierte Hardware Lösung

55

Cintiq Tablet (Wacom)

• Stifteingabe, großes Display

• Augenkontakt mit Zuhörern

56

Datenströme

57

Random Acess Fähigkeit

Zugriff auf ink-Object sj zum Zeitpunkt tj erfordert die sofortige Darstellung

von sj sowie aller ink-Objekte seit t0

58

Whiteboard Daten

Whiteboard Datenstrom erfordert

• Schnelles Einfügen, Entfernen graphischer Objekte (Linien, Kreise, pen-traces, …)

in sehr großer Zahl,

• Partiell persistente Speicherung mit,

• Zugriff (Ausgabe und „Rendering“) aller Daten zu gegebenem Zeitpunkt,

• Synchronisierbarkeit (als slave) mit Audiostrom (master).

Problem: Finde eine geeignete Speicherungsform für Whiteboarddatenstrom!

59

Postprocessing

Whiteboard-Strom wird nach der Struktur-Kopier-Methode persistent gemacht:

Für jeden Zeitpunkt t wird die Liste aller zu diesem Zeitpunkt sichtbaren Objekte

berechnet und für direkten Zugriff gespeichert

Nachteil: Hohes Datenvolumen

Vorteil: Visible Scrolling

Speicherung und Darstellung von Handschrift: Finde guten Kompromiss zwischen:

Datenvolumen

Zugriffskosten (Zeit) und dynamischer Wiedergabe (visible scrolling)

Natürlichkeit (persönliche Note)

Skalierbarkeit (Vektor- vs. Rasterdarstellung)

1 Vorlesung Informatik 2 Algorithmen und Datenstrukturen (23 –Persistente und vergessliche...

Documents

Transcript of 1 Vorlesung Informatik 2 Algorithmen und Datenstrukturen (23 –Persistente und vergessliche...