CN117435594A - 一种分布式数据库分布键的优选方法 - Google Patents
一种分布式数据库分布键的优选方法 Download PDFInfo
- Publication number
- CN117435594A CN117435594A CN202311735374.3A CN202311735374A CN117435594A CN 117435594 A CN117435594 A CN 117435594A CN 202311735374 A CN202311735374 A CN 202311735374A CN 117435594 A CN117435594 A CN 117435594A
- Authority
- CN
- China
- Prior art keywords
- distributed database
- cost
- sql
- key
- redistribution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005457 optimization Methods 0.000 title description 2
- 238000012545 processing Methods 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2453—Query optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2471—Distributed queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种分布式数据库分布键的优选方法，包括：收集分布式数据库在运行期间执行的SQL语句和每条SQL的运行信息；记录分布式数据库中每张表的重分布代价以及非重分布代价，并记录与每张表相关联的候选键；根据收集的运行信息，对每条SQL的运行信息进行处理，计算出每张表中每个相关联的候选键的代价；对所有代价进行汇总，得出运行期间每张表各个候选键的总代价；选择每张表总代价最高的候选键作为最优分布键，并将最优分布键应用到分布式数据库中。本发明有益效果：解决了传统上依赖人工选择分布键的诸多弊端，大幅度提升了执行效率，解决了分布键不合理导致的性能问题。
Description
技术领域
本发明属于计算机技术领域，尤其是涉及一种分布式数据库分布键的优选方法。
背景技术
在分布式数据库中，当两张表做关联查询时，只要其中一张表的关联字段不是分布字段，就会引发数据库的重分布操作，节点之间需要搬运数据，使之满足关联条件，这就是数据的重分布，简称“重分布”。
重分布会导致节点之间的网络负荷增加，并降低***的整体效率。虽然重分布本身很难避免，但可以尽量减少：通过给每张数据表设置合理的分布键，使关联查询尽可能在节点内完成，减少重分布操作，就可以大幅度改善***效率。
现有技术中，给每张表选择合适的分布键，由资深DBA人工完成，DBA需要查看所有数据表的定义，并分析应用***的所有SQL，据此为每张表选择合适的分布键，这个过程，由于很难精确衡量每一种分布键设置带来的影响，当数据表的数量达到几千上万，甚至更多时，人工选择的弊端越发明显，选择的分布键也通常不是最优设置，只能是局部较优，导致***性能低下。
如果通过计算机穷举每张表所有可能的分布键设置，再计算每种分布键设置下的***性能，由于计算量太大，不具有实用性（考虑1000张表，每张表10个字段，则所有可能的分布键设置数量为10^1000），这就是分布式数据库目前只有人工选择分布键这一种手段的原因。
发明内容
有鉴于此，本发明旨在提出一种分布式数据库分布键的优选方法，以期解决分布式数据库中选择分布键的难点，通过自动化的方式，选出最优分布键，提高分布键选择效率，避免人工选择的缺陷，减少节点之间的重分布操作，提升***整体效率。
为达到上述目的，本发明的技术方案是这样实现的：
本发明第一方面提供了一种分布式数据库分布键的优选方法，包括：
收集分布式数据库在运行期间执行的SQL语句和每条SQL的运行信息；
记录分布式数据库中每张表的重分布代价以及非重分布代价，并记录与每张表相关联的候选键；
根据收集的运行信息，对每条SQL的运行信息进行处理，计算出每张表中每个相关联的候选键的代价；
对所有代价进行汇总，得出运行期间每张表各个候选键的总代价；
选择每张表总代价最高的候选键作为最优分布键，并将最优分布键应用到分布式数据库中。
进一步的，收集分布式数据库在运行期间每条SQL的运行信息的过程包括：
在分布式数据库中修改优化器，根据分布式数据库的统计信息生成对SQL的运行信息的估计值；
在分布式数据库中修改执行器，根据SQL的执行过程统计SQL的运行信息。
进一步的，在分布式数据库中修改分布式数据库的优化器或执行器，收集SQL的运行信息的过程包括：
将运行信息的收集过程中涉及SQL查询的关联条件字段，作为分布列的候选键；
在收集过程中，保存收集的运行信息，在收集结束后进行汇总统计。
进一步的，选择每张表总代价最高的候选键作为最优分布键的过程中，若非重分布代价最大，则不更改表的分布键；
若重分布代价最大，则将表的最优分布键更改为对应的候选键。
进一步的，当收集到满足计算每张表的代价的SQL运行信息后，调用停止函数停止数据收集，在停止函数中遍历收集到的信息，开始计算每张表的代价。
进一步的，计算出每张表中每个相关联的候选键的代价并选出最优分布键的过程包括：
计算非重分布代价HTm，对于每张表Tm，计算所有SQL查询中当前表的非重分布代价之和，其公式为：；
计算重分布代价HTm-Fn，对于表Tm中的每个候选键Fn，计算所有SQL查询中的重分布代价之和，其公式为：；
选择最优分布键，对于每张表Tm，比较非重分布代价和所有候选键的重分布代价，并找出集合{HTm,HTm-F1,HTm-F2,…,HTm-FN}中的最大值；
若最大值为HTm，则当前的分布键是最优的；
若最大值为HTm-Fn，则将最优分布键更换为Fn。
本发明第二方面提供了一种电子设备，包括处理器以及与处理器通信连接，且用于存储所述处理器可执行指令的存储器，其特征在于：所述处理器用于执行上述第一方面任一所述的一种分布式数据库分布键的优选方法。
本发明第三方面提供了一种服务器，其特征在于：包括至少一个处理器，以及与所述处理器通信连接的存储器，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述处理器执行，以使所述至少一个处理器执行如第一方面任一所述的一种分布式数据库分布键的优选方法。
本发明第四方面提供了一种计算机可读取存储介质，存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现第一方面任一项所述的一种分布式数据库分布键的优选方法。
相对于现有技术，本发明所述的一种分布式数据库分布键的优选方法具有以下有益效果：
本发明通过自动推荐分布键，无需人工干预的方式，解决了传统上依赖人工选择分布键的诸多弊端，解放了人力，在收集运行信息之后，能够迅速选出最优分布键，大幅度提升了执行效率。
本发明通过重分布代价与非重分布代价对比校验，实现了选择的分布键是最优分布键，能够大幅提升分布式数据库的性能，解决了分布键不合理导致的性能问题。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例所述的一种分布式数据库分布键的优选方法的流程示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本发明。
实施例一：
一种分布式数据库分布键的优选方法，包括：
S1、收集分布式数据库在运行期间执行的SQL语句和每条SQL的运行信息，运行信息包括执行代价；
S2、记录分布式数据库中每张表的重分布代价以及非重分布代价，并记录与每张表相关联的候选键，候选键为SQL查询条件中出现的关联字段；
S3、根据收集的运行信息，对每条SQL的运行信息进行处理，计算出每张表中每个相关联的候选键的代价；
S4、对所有代价进行汇总，得出运行期间每张表各个候选键的总代价；
S5、选择每张表总代价最高的候选键作为最优分布键，并将最优分布键应用到分布式数据库中。
步骤S1中收集分布式数据库在运行期间每条SQL的运行信息的过程包括：
在分布式数据库中添加插件，使用插件修改分布式数据库的优化器，收集SQL的运行信息；
并根据收集到的SQL的运行信息在分布式数据库的优化器及执行器中执行相应的操作，具体为：
在优化器中，根据分布式数据库的统计信息生成对SQL的运行信息的估计值；
在执行器中，根据SQL的执行过程统计SQL的运行信息。
在分布式数据库中添加插件，使用插件修改分布式数据库的优化器，收集SQL的运行信息的过程包括：
在优化器中设置钩子函数并在钩子函数中创建收集运行信息的函数；
将运行信息的收集过程中涉及SQL查询的关联条件字段，作为分布列的候选键；
在收集过程中，将收集的数据存储在内存中，并使用链表等数据结构进行保存。
在分布式数据库执行语义分析和查询重写后生成查询树链表，并通过遍历查询树链表来调用钩子函数中创建的收集运行信息的函数；
查询树链表中的每个元素对应一个查询树，查询树包括范围表、目标列、连接树、约束条件。
步骤S5选择每张表总代价最高的候选键作为最优分布键的过程中，若非重分布代价最大，则不更改表的分布键；
若重分布代价最大，则将表的最优分布键更改为对应的候选键。
步骤S1中，当收集到满足计算每张表的代价的SQL运行信息后，调用停止函数停止数据收集，在停止函数中遍历收集到的信息并完成数据的入库操作，随后开始计算每张表的代价。
步骤S3-S5中计算出每张表中每个相关联的候选键的代价并选出最优分布键的过程包括：
计算非重分布代价HTm，对于每张表Tm，计算所有SQL查询中当前表的非重分布代价之和，其公式为：；
计算重分布代价HTm-Fn，对于表Tm中的每个候选键Fn，计算所有SQL查询中的重分布代价之和，其公式为：；
选择最优分布键，对于每张表Tm，比较非重分布代价和所有候选键的重分布代价，并找出集合{HTm,HTm-F1,HTm-F2,…,HTm-FN}中的最大值；
若最大值为HTm，则当前的分布键是最优的；
若最大值为HTm-Fn，则将最优分布键更换为Fn。
实施例二：
一种电子设备，包括处理器以及与处理器通信连接，且用于存储所述处理器可执行指令的存储器，其特征在于：所述处理器用于执行上述实施例一任一所述的一种分布式数据库分布键的优选方法。
实施例三：
一种服务器，其特征在于：包括至少一个处理器，以及与所述处理器通信连接的存储器，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述处理器执行，以使所述至少一个处理器执行如实施例一任一所述的一种分布式数据库分布键的优选方法。
实施例四：
一种计算机可读取存储介质，存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现实施例一任一项所述的一种分布式数据库分布键的优选方法。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和***，可以通过其它的方式实现。例如，以上所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。上述单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种分布式数据库分布键的优选方法，其特征在于，包括：
收集分布式数据库在运行期间执行的SQL语句和每条SQL的运行信息；
记录分布式数据库中每张表的重分布代价以及非重分布代价，并记录与每张表相关联的候选键；
根据收集的运行信息，对每条SQL的运行信息进行处理，计算出每张表中每个相关联的候选键的代价；
对所有代价进行汇总，得出运行期间每张表各个候选键的总代价；
选择每张表总代价最高的候选键作为最优分布键，并将最优分布键应用到分布式数据库中。
2.根据权利要求1所述的一种分布式数据库分布键的优选方法，其特征在于：
收集分布式数据库在运行期间每条SQL的运行信息的过程包括：
在分布式数据库中修改优化器，根据分布式数据库的统计信息生成对SQL的运行信息的估计值；
在分布式数据库中修改执行器，根据SQL的执行过程统计SQL的运行信息。
3.根据权利要求2所述的一种分布式数据库分布键的优选方法，其特征在于：
在分布式数据库中修改分布式数据库的优化器或执行器，收集SQL的运行信息的过程包括：
将运行信息的收集过程中涉及SQL查询的关联条件字段，作为分布列的候选键；
在收集过程中，保存收集的运行信息，在收集结束后进行汇总统计。
4.根据权利要求1所述的一种分布式数据库分布键的优选方法，其特征在于：
选择每张表总代价最高的候选键作为最优分布键的过程中，若非重分布代价最大，则不更改表的分布键；
若重分布代价最大，则将表的最优分布键更改为对应的候选键。
5.根据权利要求1所述的一种分布式数据库分布键的优选方法，其特征在于：
当收集到满足计算每张表的代价的SQL运行信息后，调用停止函数停止数据收集，在停止函数中遍历收集到的信息，开始计算每张表的代价。
6.根据权利要求1所述的一种分布式数据库分布键的优选方法，其特征在于：
计算出每张表中每个相关联的候选键的代价并选出最优分布键的过程包括：
计算非重分布代价HTm，对于每张表Tm，计算所有SQL查询中当前表的非重分布代价之和，其公式为：；
计算重分布代价HTm-Fn，对于表Tm中的每个候选键Fn，计算所有SQL查询中的重分布代价之和，其公式为：；
选择最优分布键，对于每张表Tm，比较非重分布代价和所有候选键的重分布代价，并找出集合{HTm,HTm-F1,HTm-F2,…,HTm-FN}中的最大值；
若最大值为HTm，则当前的分布键是最优的；
若最大值为HTm-Fn，则将最优分布键更换为Fn。
7.一种电子设备，包括处理器以及与处理器通信连接，且用于存储所述处理器可执行指令的存储器，其特征在于：所述处理器用于执行上述权利要求1-6任一所述的一种分布式数据库分布键的优选方法。
8.一种服务器，其特征在于：包括至少一个处理器，以及与所述处理器通信连接的存储器，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述处理器执行，以使所述至少一个处理器执行如权利要求1-6任一所述的一种分布式数据库分布键的优选方法。
9.一种计算机可读取存储介质，存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1-6任一项所述的一种分布式数据库分布键的优选方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311735374.3A CN117435594B (zh) | 2023-12-18 | 2023-12-18 | 一种分布式数据库分布键的优选方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311735374.3A CN117435594B (zh) | 2023-12-18 | 2023-12-18 | 一种分布式数据库分布键的优选方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117435594A true CN117435594A (zh) | 2024-01-23 |
| CN117435594B CN117435594B (zh) | 2024-04-16 |
Family
ID=89550152
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311735374.3A Active CN117435594B (zh) | 2023-12-18 | 2023-12-18 | 一种分布式数据库分布键的优选方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117435594B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107977446A (zh) * | 2017-12-11 | 2018-05-01 | 江苏润和软件股份有限公司 | 一种基于数据分区的内存网格数据加载方法 |
| CN110019231A (zh) * | 2017-12-26 | 2019-07-16 | ***通信集团山东有限公司 | 一种并行数据库动态关联的方法及节点 |
| CN111881160A (zh) * | 2019-06-28 | 2020-11-03 | 国网江苏省电力有限公司 | 一种基于关系代数的等价展开方法的分布式查询优化方法 |
| CN112115123A (zh) * | 2020-09-21 | 2020-12-22 | 中国建设银行股份有限公司 | 用于分布式数据库的性能优化的方法和装置 |
| CN112789606A (zh) * | 2019-09-11 | 2021-05-11 | 华为技术有限公司 | 数据重分布方法、装置及*** |
| CN113297250A (zh) * | 2021-05-28 | 2021-08-24 | 北京思特奇信息技术股份有限公司 | 一种分布式数据库多表关联查询的方法及*** |
| CN114238481A (zh) * | 2021-12-20 | 2022-03-25 | 北京滴普科技有限公司 | 一种分布式实时数据导入装置 |
| CN114443691A (zh) * | 2022-01-18 | 2022-05-06 | 苏州浪潮智能科技有限公司 | 数据库查询调优方法、***及计算机设备 |
| CN114791912A (zh) * | 2022-04-24 | 2022-07-26 | 中国电信股份有限公司 | 一种数据处理方法、***、电子设备及存储介质 |
| US20220284024A1 (en) * | 2021-03-05 | 2022-09-08 | Insight Direct Usa, Inc. | Methods and systems for transforming distributed database structure for reduced compute load |
| CN115757477A (zh) * | 2022-10-28 | 2023-03-07 | 芯跳科技(广州)有限公司 | 数据库的查询处理方法、装置、设备及存储介质 |
| CN116126901A (zh) * | 2023-02-08 | 2023-05-16 | 湖南亚信安慧科技有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
| WO2023138665A1 (zh) * | 2022-01-24 | 2023-07-27 | 北京奥星贝斯科技有限公司 | 分布式数据库的查询优化方法和装置 |
| CN116860789A (zh) * | 2023-07-24 | 2023-10-10 | 瀚高基础软件股份有限公司 | 一种数据分布优化方法及分布式数据库*** |
-
2023
- 2023-12-18 CN CN202311735374.3A patent/CN117435594B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107977446A (zh) * | 2017-12-11 | 2018-05-01 | 江苏润和软件股份有限公司 | 一种基于数据分区的内存网格数据加载方法 |
| CN110019231A (zh) * | 2017-12-26 | 2019-07-16 | ***通信集团山东有限公司 | 一种并行数据库动态关联的方法及节点 |
| CN111881160A (zh) * | 2019-06-28 | 2020-11-03 | 国网江苏省电力有限公司 | 一种基于关系代数的等价展开方法的分布式查询优化方法 |
| CN112789606A (zh) * | 2019-09-11 | 2021-05-11 | 华为技术有限公司 | 数据重分布方法、装置及*** |
| CN112115123A (zh) * | 2020-09-21 | 2020-12-22 | 中国建设银行股份有限公司 | 用于分布式数据库的性能优化的方法和装置 |
| US20220284024A1 (en) * | 2021-03-05 | 2022-09-08 | Insight Direct Usa, Inc. | Methods and systems for transforming distributed database structure for reduced compute load |
| CN113297250A (zh) * | 2021-05-28 | 2021-08-24 | 北京思特奇信息技术股份有限公司 | 一种分布式数据库多表关联查询的方法及*** |
| CN114238481A (zh) * | 2021-12-20 | 2022-03-25 | 北京滴普科技有限公司 | 一种分布式实时数据导入装置 |
| CN114443691A (zh) * | 2022-01-18 | 2022-05-06 | 苏州浪潮智能科技有限公司 | 数据库查询调优方法、***及计算机设备 |
| WO2023138665A1 (zh) * | 2022-01-24 | 2023-07-27 | 北京奥星贝斯科技有限公司 | 分布式数据库的查询优化方法和装置 |
| CN114791912A (zh) * | 2022-04-24 | 2022-07-26 | 中国电信股份有限公司 | 一种数据处理方法、***、电子设备及存储介质 |
| CN115757477A (zh) * | 2022-10-28 | 2023-03-07 | 芯跳科技(广州)有限公司 | 数据库的查询处理方法、装置、设备及存储介质 |
| CN116126901A (zh) * | 2023-02-08 | 2023-05-16 | 湖南亚信安慧科技有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
| CN116860789A (zh) * | 2023-07-24 | 2023-10-10 | 瀚高基础软件股份有限公司 | 一种数据分布优化方法及分布式数据库*** |
Non-Patent Citations (4)
| Title |
|---|
| PIVOTAL: "Pivotal践行见远技术篇之（13）-Greenplum的开发与优化", 《微信公众平台》, 21 March 2016 (2016-03-21) * |
| 师金钢;鲍玉斌;冷芳玲;于戈;: "基于MapReduce的关系型数据仓库并行查询", 东北大学学报(自然科学版), no. 05, 15 May 2011 (2011-05-15) * |
| 笨鸟成长记: "【GreenPlum】分布键设计，一次性教会你", 《微信公众平台》, 8 September 2023 (2023-09-08) * |
| 邹承明;谢义;吴佩;: "基于Greenplum数据库的查询优化", 计算机应用, no. 02, 10 February 2018 (2018-02-10) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117435594B (zh) | 2024-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7805411B2 (en) | Auto-tuning SQL statements | |
| US8600977B2 (en) | Automatic recognition and capture of SQL execution plans | |
| US8732163B2 (en) | Query optimization with memory I/O awareness | |
| US7877373B2 (en) | Executing alternative plans for a SQL statement | |
| US8782219B2 (en) | Automated discovery of template patterns based on received server requests | |
| US20160350371A1 (en) | Optimizer statistics and cost model for in-memory tables | |
| US7536380B2 (en) | Dynamic look ahead predicate generation | |
| US20030055813A1 (en) | Query optimization by sub-plan memoization | |
| US7472108B2 (en) | Statistics collection using path-value pairs for relational databases | |
| CN110795614A (zh) | 一种索引自动优化方法及装置 | |
| US12013854B2 (en) | Methods and systems for transforming distributed database structure for reduced compute load | |
| US20170262503A1 (en) | Fusing global reporting aggregate computation with the underlying operation in the query tree for efficient evaluation | |
| US9117005B2 (en) | Statistics collection using path-value pairs for relational databases | |
| US8239383B2 (en) | System and method for managing execution of queries against database samples | |
| US8229924B2 (en) | Statistics collection using path-identifiers for relational databases | |
| CN117435594B (zh) | 一种分布式数据库分布键的优选方法 | |
| US9087052B2 (en) | Batch DBMS statement processing such that intermediate feedback is provided prior to completion of processing | |
| US8996505B1 (en) | Data movement driven automatic data placement | |
| US11537568B1 (en) | Efficient data processing for schema changes | |
| US20200167668A1 (en) | Dynamic rule execution order | |
| Margoor et al. | Improving join reordering for large scale distributed computing | |
| US11294903B2 (en) | Partition-wise processing distribution | |
| CN118195379A (zh) | 指标模型构建方法、装置、设备、存储介质和程序产品 | |
| CN117909318A (zh) | 一种数据库兼容性优化处理方法、装置、设备和存储介质 | |
| CN115481148A (zh) | 数据库连接操作的优化方法、存储介质与计算机设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |