- · 《计算机产品与流通》栏[06/28]
- · 《计算机产品与流通》收[06/28]
- · 《计算机产品与流通》投[06/28]
- · 《计算机产品与流通》征[06/28]
- · 《计算机产品与流通》刊[06/28]
计算机软件及计算机应用论文_并行查询交互度量
作者:网站采编关键词:
摘要:文章摘要:查询是数据库系统的主要负载,查询的执行效率直接影响着系统的性能。目前,由于查询交互(Query Interaction, QI——查询之间的相互影响)复杂多变,查询优化器不能准确地
文章摘要:查询是数据库系统的主要负载,查询的执行效率直接影响着系统的性能。目前,由于查询交互(Query Interaction, QI——查询之间的相互影响)复杂多变,查询优化器不能准确地评估查询进入系统产生的影响,很难为并行查询选择较优执行计划。将查询的平均响应时间、平均执行时间、平均I/O时间和平均缓冲区命中率作为QI的特征参数,表示QI;提出多维度查询交互度量(Multi-dimensional Measurement of Query Interaction, MMQI)模型和执行计划选择(Execution Plan Selection, EPS)模型,采用深度神经网络,在度量QI的基础上,把QI作为主要因素,为并行查询选择较优执行计划。考虑到查询执行计划是由一系列关系运算组成的,以及QI具有时域特性,MMQI采用双向长短期记忆神经网络(Bidirectional Long-Short Term Memory, Bi-LSTM)度量QI,从查询执行计划提取特征作为输入,将QI特征参数的改变作为输出,预测查询采用不同执行计划进入系统后QI特征参数的改变;EPS把预测到的查询特征参数的改变作为查询交互特征(Feature of Query Interaction, FQI),与查询候选执行计划特征(Features of Candidate Plan, FCP)融合,作为另一个Bi-LSTM的输入,为查询动态地选择较优执行计划。在PostgreSQL上的实验表明,MMQI-EPS比查询优化器选择较优执行计划的平均准确率提高38.6%。
文章关键词:
论文分类号:TP311.13
文章来源:《计算机产品与流通》 网址: http://www.jsjcpylt.cn/qikandaodu/2022/0125/1962.html