1.一种并行的高维近邻查询方法，其特征在于：该方法的步骤如下：

步骤1)对所有数据对象，根据每一个维度i的坐标值建立一棵名为BDi-tree的B+树索引，再建立一个名为PID的B+树索引；

步骤2)根据查询对象q维度i的坐标值q[i]，并行地获得其在每个维度的初始访问位置，即与q[i]坐标值最接近的BDi-tree上的坐标值位置；这里访问位置根据它们的距离远近决定，距离越近其位置编号越小，而访问顺序根据访问位置编号升序进行；

步骤3)并行地从BDi-tree的初始位置根据节点距离q[i]的远近访问节点，计算最好位置bpi、最好位置门限值Tb和当前的第k个近邻对象距离best_kdist；

步骤4)并行维护维度j上的BVj-tree索引，该索引的关键字为当前已访问的所有数据对象在第j维上的坐标值；

步骤5)比较当前位置Pos上索引BDi-tree和最好位置bpi上BVi-tree的坐标值，从而移动最好位置指针，并确定是否终止查询；

步骤6)直到第k个近邻对象与q的最好距离best_kdist小于最好位置门限值Tb，结果列表中的数据对象就是并行得到的k个高维近邻。

2.根据权利要求1所述的一种并行的高维近邻查询方法，其特征在于：所述的步骤1)中两种B+树索引节点关键字和叶子节点内容是不同的，分两种情况考虑：

1)对于BDi-tree树，其关键字key为每个对象的第i维度坐标值转换的固定长度字符串，如：距离为0.1101的串为‘00001101’，叶子节点的内容为第i维度坐标值和对象标识；

2)对于PID树，其关键字key为每个数据对象固定长度的标识字符串，如：‘00001000’，而叶子节点内容为数据对象所有维度的坐标值和对象标识。

3.根据权利要求1所述的一种并行的高维近邻查询方法，其特征在于：所述的步骤2)中的第i维的访问位置是指该维度查询对象的坐标值q[i]与数据对象o的坐标值o[i]的绝对值|q[i]-o[i]|大小所对应的编号，编号依据B+树中升序访问节点的顺序生成，距离越近编号越小。

4.根据权利要求1所述的一种并行的高维近邻查询方法，其特征在于：所述的步骤3)中的最好位置bpi，最好位置门限值Tb和当前的第k个近邻对象距离best_kdist的含义如下：

1)第i维的最好位置bpi是指所有已访问的数据对象在BDi-tree索引中的位置列表中连续位置的最大位置；

2)最好位置门限值Tb是指在每个维度最好位置bpi的坐标值之和；

3)第k个近邻对象距离best_kdist指当前的第k个近邻对象与查询对象q的距离，包括两种情形：a)当获得的近邻对象数少于k时，best_kdist为所有获得的近邻对象中距离q的最大值；

b)当获得的近邻对象数等于k时，best_kdist为当前第k个近邻与q之间的距离。

5.根据权利要求1所述的一种并行的高维近邻查询方法，其特征在于：所述的步骤4)中的BVj-tree为由各个维度已访问数据对象的第j维坐标值所创建的B+树，其关键字为坐标值转换成的固定长度字符串，叶子节点为坐标值和对象标识。

6.根据权利要求1所述的一种并行的高维近邻查询方法，其特征在于：所述的步骤5)中并行地维护维度j上的BVj-tree索引，分为以下五步：

1)并行地移到BDi-tree下一个节点位置，让位置指针Pos指向当前位置，获得节点的坐标值和数据对象标识；

2)并行地比较当前维度i当前位置的数据对象p的坐标值和BVi-tree索引最好位置的下一个位置的节点坐标值是否相等；如果不等，则通过PID索引搜索数据对象p在剩余其它维度的坐标值，再依次插入剩余维度的BVj-tree(j≠i)索引中；

3)并行地更新最好位置bpi、最好位置门限值Tb、最好距离best_kdist，以及k个近邻数据对象集合；

4)当最好距离best_kdist小于最好位置门限值Tb时，终止近邻查询；

5)当任意维度上的BDi-tree上的当前位置Pos的下一节点和BVi-tree上最好位置bpi的下一节点相等时，并行地移动最好位置到下一位置、更新最好位置门限值，直到结束；同时，在最好距离best_kdist小于最好位置门限值Tb时，终止近邻查询。