数据库外基于多模型的学习式查询优化方法

• 作者: 李广龙 申德荣 聂铁铮 寇月
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 查询优化 基数估计 连接排序 神经网络 强化学习
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 计算机与控制工程|Computer and Control Engineering
• 页码范围: 288-296
• 页数: 9页
• 分类号: TP3
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2022.02.009

摘要

对于AI与数据库优化问题,现有技术均须改动数据库底层,影响研究成果的应用且缺乏可扩展性.提出一种非嵌入数据库的学习式查询优化方法.在基数估计阶段,使用多模型的方法,对特定的子查询建立神经网络,独立训练不同的子模型,解决需要训练集过多且可扩展性差的问题;在连接优化阶段,应用基于代价的强化学习方法,提高查询优化性能.针对每个查询,从基数估计到连接排序的优化过程都在数据库外执行,按照得到的优化策略对查询重写,并将重写结果返回到数据库中,通过设置参数使该查询按照指定的计划执行.在包含8个表的数据集上进行实验验证,与未进行优化的查询进行比较,非嵌入数据库的优化方法具有良好的优化效果.