Multidimensionale diskretisierte Daten, gespeichert als Arrays, sind das primäre Resultat von wissenschaftlichen Observationen (z.B. Satellitenbilder), Experimenten oder Computersimulationen (z.B. Erwärmung des Erdklimas). Eine dynamische Analyse dieser großen Datenvolumina scheitert häufig an mangelnden Berechnungskapazitäten. Diese Arbeit löst diese Beschränkung durch ein umfassendes Konzept der parallelisierten Analyse, welche eine Verteilung der Berechnung auf parallele Instanzen ermöglicht. Neben einer Evaluierung und Adaption von geeigneten relationalen Strategien wurden insbesondere auch neue Algorithmen speziell für Array Daten entwickelt. Die Konzepte sind jedoch nicht an Array Daten gebunden, sie sind auf Mengen von großen Datenobjekten allgemein übertragbar. Die Qualität und Skalierbarkeit der Parallelisierungsstrategien wurde durch die Implementierung in ein DBMS und Performanzmessungen auf Multiprozessorrechnern sowie Cluster-Architekturen erfolgreich verifiziert.     «

Multidimensionale diskretisierte Daten, gespeichert als Arrays, sind das primäre Resultat von wissenschaftlichen Observationen (z.B. Satellitenbilder), Experimenten oder Computersimulationen (z.B. Erwärmung des Erdklimas). Eine dynamische Analyse dieser großen Datenvolumina scheitert häufig an mangelnden Berechnungskapazitäten. Diese Arbeit löst diese Beschränkung durch ein umfassendes Konzept der parallelisierten Analyse, welche eine Verteilung der Berechnung auf parallele Instanzen ermöglicht....     »

Multidimensional raster data (physically stored as array data) is generally the result of scientific observations (e.g. satellite images), scientific experiments, or computer-aided simulations (e.g. global warming). Analyzing these large volumes of data often fails because of insufficient computational power. This thesis deals with the means of lifting these restrictions. We present a concept of parallel query processing for array data which distributes the workload to parallel instances. Relational algorithms are evaluated for their suitability for array data and are adapted. New specialized algorithms for array data are developed. The methods described are not specific to array data but can be used for arbitrary large data objects stored in a database management system. All algorithms have been implemented in an array DBMS. The tests (on multiprocessor architectures and computer clusters) prove the quality and scalability of the parallel query processing.     «

Multidimensional raster data (physically stored as array data) is generally the result of scientific observations (e.g. satellite images), scientific experiments, or computer-aided simulations (e.g. global warming). Analyzing these large volumes of data often fails because of insufficient computational power. This thesis deals with the means of lifting these restrictions. We present a concept of parallel query processing for array data which distributes the workload to parallel instances. Relati...     »