随着数据规模的不断增长，大数据管理具有重要意义．在众多数学模型中，因为概率模型可以将海量数据 抽象成少量概率数据，所以它非常适合管理大数据．因此，研究大数据环境下的概率数据管理具有重要意义．作为 一种经典查询，基于概率数据的范围查询已被深入研究．然而，当前研究成果不适合在大数据环境下使用．其根本 原因是这些索引的更新代价较大．该文提出了索引 ＨＧＤ-Ｔｒｅｅ 解决这一问题．首先，该文提出了一系列算法降低新 增数据的处理代价．它可以保证树结构平衡的前提下快速地执行插入、删除、更新等操作．其次，该文提出了一种基 于划分的方法构建概率对象的概要信息．它可以根据概率密度函数的特点自适应地执行划分．此外，由于作者提出 的概要是基于比特向量，上述策略可以保证索引以较低空间代价管理概率数据．最后，该文提出了一种基于位运算 的方法访问 ＨＧＤ-Ｔｒｅｅ．它可以用少量的位运算执行过滤操作．大量的实验验证了算法的有效性．
