基于多连接属性划分的分布式数据库查询优化算法

阐述查询优化的主要目的,针对分布式数据库的查询优化,介绍直接连接的查询策略以及直接查询优化算法hash划分算法与Partition算法,提出基于多连接属性划分的查询优化算法--MP算法.该算法在实验中取得较好的结果.     

一种分布式数据库多属性划分查询优化算法

简单阐述了分布式数据库中查询优化的查询目的,并简单介绍了直接连接优化算法中的Hash划分和Partition算法.通过分析,指出Partition算法的不足,并加以改进.在改进算法中提出了查询图划分方法,缩短查询操作的响应时间.     

GHMC-一种混合的数据库多连接查询优化算法

如何排列多连接表达式的连接顺序,是优化并行查询和提高数据库性能的关键技术之一．但多连接最优顺序是NPC问题。本文章研究了数据库多连接的特征,提出一种结合启发式和穷举搜索的Ghme算法,结合启发式和穷举搜索处理多连接查询,并从实验和理论证明其有效性。     

一种改进的半连接查询优化算法

查询优化是分布式数据库研究和关注的核心问题之一,为提高分布式数据库的查询效率,通过分析分布式数据库管理系统的特点,找出了影响分布式数据库管理系统查询效率的关键因素,并讨论了直接连接查询的常见策略和半连接查询的原理、实现方法以及所花费的传输代价,同时针对分布式数据库应用中存在大量重复查询操作的特点,提出了一种改进的半连接查询策略.最后结合应用实例对比传统半连接算法与改进后的算法,表明改进后的算法降低了数据传输量,缩短了查询处理时间,提高了查询效率.     

一种改进的分布式数据库查询优化算法

分析和研究了传统的分布式数据库连接查询优化算法,利用数据划分和并行处理执行策略,提出了多连接属性划分的查询优化算法.实验证明,此算法可以提高查询的响应速度,减少查询的响应时间,在处理分布式数据 '库中海量信息查询和复杂查询方面具有实用价值.     

基于蚁群算法的多连接查询优化方法

介绍蚁群算法在多连接查询优化中的应用,在介绍蚁群算法的基本原理和工作流程的基础上,提出一种利用蚁群算法进行数据库多连接查询优化的方法,并建立基于蚁群算法的多连接查询优化模型。理论分析与试验结果表明,用蚁群算法解决多连接查询优化问题取得了满意的效果。     

分布式数据库中基于半连接的查询优化算法研究

首先阐述了分布式查询优化的主要目标，介绍了半连接算法和基于半连接的二分劈开缩减算法，分析了两者的特点和不足并在其基础上提出了一种新的优化算法——两次半连接对接算法。通过进行两次半连接减少了通信信息量，并且利用多结点的并行性处理提高了查询的响应时间和处理速度。通过对三种算法的比较对新算法的性能进行了分析，结果表明，该算法在某些特定的环境下确实具有较高的处理速度、节点利用率和实际可行性，适合大规模的数据库查询。     

一种基于半连接的查询优化改进策略

通过阐述分布式数据库的系统开销,分析其性能优化部分执行的详细策略,以半连接作为问题的切入点,从运行步骤与数据传输量方面实施改进,并在此基础上提出“对等标记半连接”的方法,详述此方法中关键操作的具体内容,重点介绍分布式系统中关联节点的数据交互过程,最终通过实例运算体现出此方法在通信开销缩减方面的优越性。     

基于图的适应性多连接查询优化算法

提出一种基于图的适应性多连接查询优化算法,分析关系结果集到达时间和结果集大小之间的关系,借鉴适应性查询优化的动态调整思想,对基于图的多连接查询进行改进。仿真实验结果表明,该算法在最好情况下的时间复杂度为O（n）,且能有效提高查询效率。     

结合哈希过滤的一种改进多连接查询优化算法

多连接查询优化是提高数据库性能的关键问题之一。Chiang Lee提出了一种启发式多连接查询优化算法MVP,分析发现该算法并没有考虑减小执行计划的计算代价。该文结合哈希过滤的特点提出一种改进的多连接查询优化算法,与MVP算法相比该算法降低了执行计划的计算代从,从而使查询响应时间更短。     

基于最小生成树的数据流窗口连接优化算法

与传统关系数据库不同,数据流管理系统主要处理并发的连续查询.由于查询可能随时增删,所以其主要关注适合查询增删的并发连续查询优化,而不是单条查询优化.提出适合频繁增删查询环境下的数据流窗口连接优化算法.对于新注册的查询以类似最小生成树算法写出数据流的探测序列,然后在不更改其他查询探测序列顺序的情况下尽量合并,减少重复计算.注册或删除查询并不影响其他的查询计划,不需要执行繁琐的查询计划迁移.理论分析和实验证明,该算法简单,优化性能在可接受的范围内,尤其适合查询更新频率较高的系统.     

基于半连接的分布式查询优化技术研究

在分析比较分布式数据库系统和集中式数据库系统结构以及查询优化目标不同特点的基础上,归纳出分布式数据库系统的查询处理和优化,介绍分布式查询优化技术中非常有效的半连接操作技术,并在此基础上重点讨论基于半连接的分布式查询优化方法——PERF连接技术。     

一种基于量子遗传算法的分布式异构数据库查询优化方法

对于分布式异构数据库,查询优化既是非常复杂的问题,又是影响系统性能的关键因素。该文结合遗传算法和量子计算的优点,提出了基于量子遗传算法的分布式异构数据库查询优化方法。仿真实验表明,该方法有效地提高了分布式异构数据库的查询优化效率。     

数据查询优化算法综述

综合提出了评价查询优化算法的4个标准,并基于这4个标准作了比较分析,便于更容易、更快捷地找到适用特定问题的优化方法。     

列存储数据查询中的连接策略优化方法

列存储数据查询优化的重点是列的连接策略.现有的列存储系统通过存储的改变来简化列的连接,致使列的连接缺少查询优化处理,策略单一且无法满足复杂查询.在剖析现有连接选择策略的基础上,提出一种新的连接策略优化方法,即首先利用基于规则的优化方法为列存储数据查询制定优化规则,过滤不可能产生最优计划的候选计划;然后设计了基于代价的优化算法,根据动态Huffman树和左深连接树原理对查询执行顺序进行改进,进一步减少候选计划的规模;根据列存储数据的特点将候选计划中每个连接节点的执行策略归纳为串行连接和并行连接两类,并在此基础上提出代价估计模型,进而可针对这两种连接策略进行代价估计和策略选择.最后在SSB数据集上通过实验证明了方法在列存储数据查询中的有效性.     

约束数据库带有多重用户函数连接的查询优化

数据库查询优化一直是数据库界研究的热点,而查询谓词中带有用户函数的优化问题,尤其是存在以满足用户函数为条件的连接运算的优化工作尚未深入进行。文中给出了这类问题的详细讨论,并设计了优化方案。     

基于Hadoop 的高效连接查询处理算法CHMJ

提出了一种并行连接查询处理算法CoLocationHashMapJoin(CHMJ).首先,设计了多副本一致性哈希算法,将具有连接关系的表根据其连接属性的哈希值在机群中进行分布,在提升了连接查询处理中数据本地性的同时,保证了数据的可用性;其次,基于多副本一致性哈希数据分布,提出了HashMapJoin并行连接查询处理算法,有效地提高了连接查询的处理效率.CHMJ算法在腾讯公司的数据仓库系统中进行了应用,结果表明,CHMJ连接查询的处理效率比Hive系统提高了近5倍.     

分布式数据库系统的查询优化技术研究

数据库数据量日益增多,造成了用户在使用数据库系统查询时费时费力,传统的查询优化方式已无法满足如今的数据查询要求,提高数据库系统优化的效率也成为计算机研究工作的热点。提出基于半连接算法的分布式查询处理技术对数据库系统进行查询优化,提出半连接操作的查询优化算法(SDD-1),并采用实验分析的方法进行验证,计算查询算法的代价。结果表明,基于半连接的研究策略的分布式数据库查询优化可以显著降低传输代价,使查询总效率得到有效提高。     

一种基于多时间粒度的实时客流查询优化算法

随时间实时变化的客流数据属于时间序列数据,本文根据客流数据的接收频率,应用关系模型实现客流数据的存储建模;为了减弱数据采集频率对实时客流查询效率的影响,建立多时间粒度的客流视图,可提高实时客流查询的计算效率.     

基于禁忌GEP的分布式数据库查询优化算法

为了更好地解决分布式查询优化问题,论文在传统GEP算法的基础上,结合禁忌搜索策略,提出了基于禁忌GEP的分布式数据库查询优化算法（DistributeddatabasequeryoptimizationalgorithmbaseduponTabu-GEP,DDQO-TGEP）。仿真实验表明,随着查询关系个数的增加,DDQO-TGEP算法执行查询时所需要的查询优化时间和最优查询策略生成时间都比传统的GA和GP算法显著下降,其中查询优化时间最大下降约42．16％,最优查询策略生成时间最大下降约36．8％。