1.一種基于MapReduce的度量空間相似連接處理方法，其特征在于，該方法的步驟如下：
(1)對應(yīng)用中給定的度量空間數(shù)據(jù)集進(jìn)行隨機(jī)采樣，得到樣本數(shù)據(jù)。
(2)對得到的樣本數(shù)據(jù)進(jìn)行支樞點(diǎn)選擇。
(3)將應(yīng)用中給定的整個(gè)數(shù)據(jù)集(包括樣本數(shù)據(jù))從度量空間映射至向量空間。
(4)利用步驟(3)中得到的映射到向量空間的樣本數(shù)據(jù)構(gòu)建KD樹，得到相應(yīng)的空間劃分。
(5)在Map階段，根據(jù)步驟(4)中得到的空間劃分，對步驟(3)中得到的整個(gè)數(shù)據(jù)集進(jìn)行劃分。
(6)在Reduce階段對劃分后的數(shù)據(jù)進(jìn)行相似度計(jì)算，得到相似連接的處理結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于MapReduce的度量空間相似連接處理方法，其特征在于：所述步驟(2)具體為：
(2.1)在樣本數(shù)據(jù)中找出離群點(diǎn)作為支樞點(diǎn)的備選集合；
(2.2)根據(jù)支樞點(diǎn)的選擇目標(biāo)，對備選集合中的點(diǎn)進(jìn)行增量式的貪心選擇。
3.根據(jù)權(quán)利要求1所述的基于MapReduce的度量空間相似連接處理方法，其特征在于：所述步驟(3)具體為：對于每一個(gè)在度量空間中的數(shù)據(jù)，計(jì)算與步驟(2)中得到的支樞點(diǎn)之間的距離，并以求得的距離作為向量空間中各維度的坐標(biāo)值，以得到度量空間數(shù)據(jù)在向量空間中的坐標(biāo)。
4.根據(jù)權(quán)利要求1所述的基于MapReduce的度量空間相似連接處理方法，其特征在于：所述的步驟(4)具體為：對步驟(3)中得到的樣本數(shù)據(jù)，構(gòu)建KD樹，得到的KD樹中包含數(shù)據(jù)點(diǎn)個(gè)數(shù)相等的葉子節(jié)點(diǎn)，各葉子節(jié)點(diǎn)對應(yīng)的空間區(qū)域即為空間劃分的結(jié)果。
5.根據(jù)權(quán)利要求1所述的基于MapReduce的度量空間相似連接處理方法，其特征在于：所述的步驟(5)在Map階段，將步驟(3)中得到的映射至向量空間后的整個(gè)數(shù)據(jù)集劃分至步驟(4)中得到的相應(yīng)空間劃分中去。
6.根據(jù)權(quán)利要求1所述的基于MapReduce的度量空間相似連接處理方法，其特征在于：所述步驟(6)具體為：
(6.1)在Reduce階段，對于每個(gè)劃分，將各劃分內(nèi)部的數(shù)據(jù)在隨機(jī)選定的一個(gè)維度上，使用快速排序算法進(jìn)行排序整理；
(6.2)利用平面掃描法，對排序后的數(shù)據(jù)集進(jìn)行度量空間距離計(jì)算以驗(yàn)證結(jié)果，并結(jié)合區(qū)域過濾技術(shù)對距離計(jì)算進(jìn)行剪枝。
7.根據(jù)權(quán)利要求6所述的基于MapReduce的度量空間相似連接處理方法，其特征在于：所述區(qū)域過濾技術(shù)是指：若兩個(gè)數(shù)據(jù)對象在向量空間任意維度上的差值大于給定的距離閾值，則它們不可能成為最終結(jié)果，從而可以不經(jīng)過度量空間距離計(jì)算就被剪掉。