摘要：相似自连接是一个在很多应用领域中很重要的问题.对于海量数据集，MapReduce可以提供一个有效的分布式计算框架，相似自连接操作也同样可以应用在MapReduce框架下.但已有研究工作仍然存在不足，如对于聚集数据区域采用加细划分方法，目的是负载平衡，但不易实现.现有的算法不能有效地完成海量数据集的相似自连接操作.为此提出了2个新颖的基于MapReduce的相似自连接算法，其思想是采用坐标过滤技术，形成有效候选集，以及针对聚集区域采用六边形划分的内切圆算法.过虑技术是在等宽网格划分基础上，利用同一维坐标间的距离差与相似性约束阈值e进行比较，可以明显地减少候选集的数量，也证明了六边形划分是所有正多边形全覆盖中最优的划分方法.实验结果表明：

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社