典型文献
数据库外基于多模型的学习式查询优化方法
文献摘要：
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.
文献关键词：
查询优化;基数估计;连接排序;神经网络;强化学习
中图分类号：
作者姓名：
李广龙;申德荣;聂铁铮;寇月
作者机构：
东北大学 计算机科学与工程学院,辽宁 沈阳 110169
文献出处：
引用格式：
[1]李广龙;申德荣;聂铁铮;寇月-.数据库外基于多模型的学习式查询优化方法)[J].浙江大学学报（工学版）,2022(02):288-296
A类：
连接排序
B类：
多模型,查询优化,优化问题,现有技术,均须,改动,可扩展性,基数估计,子模型,训练集,连接优化,强化学习方法,优化性能,照得,查询重写,返回,设置参数,优化效果
AB值：
0.299774
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
