将现实世界放进数据库
数字孪生，是指利用物理模型、传感器更新、仿真模拟等技术完成现实世界到虚拟世界的映射。简而言之，就是创造现实世界的数字克隆体，并把它放到计算机管理起来。和传统计算机辅助设计（CAD）不同，这个数字克隆体是会“动”的，发生在现实世界中的变化会实时地反映到数字克隆体上。作为一个新兴技术，数字孪生还有很多的挑战亟待解决，比如用什么模型来表示现实世界的物体、如何存储数字克隆体、如何支持高效的查询和数据更新等。
成果简介
论文阐述的主要技术创新包括：
对多维、动态、场景化数据提供数据库原生支持。Ganos将多维、动态、场景化数据视为数据库首等公民，提供3DMesh、Trajectory、Raster、PointCloud等新型数据类型与模型体系、多维索引访问方法以及空间查询、时空查询、面向场景查询和跨模态查询复杂能力。
低成本高可用性扩展存储机制。Ganos利用云原生对象存储服务（OSS）大容量、低成本、高可用特性实现了一套扩展存储机制，在保证查询效率的同时大幅扩展了存储容量，并降低了存储成本。
空间多级并行查询处理机制。针对数字孪生场景多维复杂查询耗时长的难题，Ganos结合PolarDB共享存储、存计分离云原生架构特性，创新提出了面向空间计算的多级并行查询处理框架，相较于已有并行机制实现高达一倍以上的性能提升。
与此同时，针对百亿级超大规模轨迹数据的处理，Ganos团队与皇家墨尔本理工大学（RMIT）合作，在本次VLDB大会上联合发表了论文《VRE: A Versatile, Robust, And Economical Trajectory Data System》。论文介绍了功能丰富、强鲁棒性、低成本的大规模弹性轨迹系统VRE的系统设计，而该系统正是阿里云多模数据库Lindorm时空轨迹处理系统的原型。论文阐述了VRE的系统架构、轨迹分段模型、时空索引机制以及两阶段查询处理框架等技术。
VRE系统架构
VRE系统（Lindorm Ganos原型）的功能特性和主要技术创新为：
覆盖丰富的轨迹查询。结合阿里巴巴的实际应用需求，VRE首个全面支持了ID时间查询、空间范围查询、时空范围查询等基础查询，以及近似轨迹搜索、近似轨迹连接、子轨迹近似搜索等高级查询，并且同时支持Fréchet、Hausdorff、 DTW、 LCSS和 EDR距离度量。
高效存储和索引机制。VRE提出了新的轨迹分段模型，在存储成本和过滤性能两方面的综合性能明显优于传统的以轨迹为单位的存储模型以及以轨迹点为单位的存储模型。同时，针对各类查询实现了不同的索引结构，显著提升了查询性能。
两阶段查询处理框架。VRE采用了两阶段查询处理框架，在第一阶段仅使用数据规模小的轨迹元数据进行过滤操作，在第二阶段只对第一阶段无法过滤掉的轨迹数据才读取完整的轨迹做检查。将过滤操作下推到存储层，大幅减少了数据传输开销和查询效率。
行业应用
End /
点击“阅读原文”查看阿里云数据库更多信息
