基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
分布式异构数据库查询优化方法的研究
分布式异构数据库
查询优化
遗传算法
遗传爬山算法
基于粒子群算法的数据库查询优化
查询优化
粒子群算法
数据库查询优化
分组查询
关系数据库查询优化方法研究
关系数据库
查询优化
SQL
嵌套查询
索引
视图
外部SQL重写器
基于XML的分布式数据库递归查询优化
分布式数据库
XML
递归查询
最小视图
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 数据库外基于多模型的学习式查询优化方法
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
研究方向 页码范围 288-296
页数 9页 分类号 TP3
字数 语种 中文
DOI 10.3785/j.issn.1008-973X.2022.02.009
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
查询优化
基数估计
连接排序
神经网络
强化学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
浙江大学学报(工学版)
月刊
1008-973X
33-1245/T
大16开
杭州市浙大路38号
32-40
1956
chi
出版文献量(篇)
6865
总下载数(次)
6
总被引数(次)
81907
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导