公开(公告)号：CN111444220B

公开(公告)日：2023-09-01

申请号：CN202010387095.2

申请日：2020-05-09

Applicant: 南京大学

Inventor： 顾荣 ,  张仪 ,  袁春风 ,  黄宜华

IPC: G06F16/2453 ,  G06F16/242 ,  G06N3/092

Abstract: 本发明公开了一种规则驱动和数据驱动相结合的跨平台SQL查询优化方法，包括以下步骤：第一步，将跨平台SQL语句解析成系统内部的逻辑查询计划；第二步，优化器调度模块依据逻辑查询计划的特点调度最适合的优化器进行查询优化；第三步，规则驱动的优化器依据规则进行计划搜索，并依据代价模型和基数估算进行执行计划的选择，得到最佳物理执行计划，且将优化结果导入样本采集模块；第四步，样本采集模块导入的样本经过数据适配模块转化为训练样本，数据驱动的优化器利用训练样本进行强化学习模型训练，将查询输入训练好的模型得到最佳物理执行计划。本发明解决了现有跨平台SQL查询优化方法可拓展性差、灵活性低、优化效果差等问题。

公开(公告)号：CN111444220A

公开(公告)日：2020-07-24

申请号：CN202010387095.2

申请日：2020-05-09

Applicant: 南京大学

Inventor： 顾荣 ,  张仪 ,  袁春风 ,  黄宜华

IPC: G06F16/2453 ,  G06F16/242 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种规则驱动和数据驱动相结合的跨平台SQL查询优化方法，包括以下步骤：第一步，将跨平台SQL语句解析成系统内部的逻辑查询计划；第二步，优化器调度模块依据逻辑查询计划的特点调度最适合的优化器进行查询优化；第三步，规则驱动的优化器依据规则进行计划搜索，并依据代价模型和基数估算进行执行计划的选择，得到最佳物理执行计划，且将优化结果导入样本采集模块；第四步，样本采集模块导入的样本经过数据适配模块转化为训练样本，数据驱动的优化器利用训练样本进行强化学习模型训练，将查询输入训练好的模型得到最佳物理执行计划。本发明解决了现有跨平台SQL查询优化方法可拓展性差、灵活性低、优化效果差等问题。