期刊文献+
共找到13篇文章
< 1 >
每页显示 20 50 100
基于机器学习的数据库查询性能优化方法探讨 被引量:2
1
作者 徐多 《信息与电脑》 2025年第8期176-178,共3页
为提升数据库查询性能,文章首先探讨了传统查询优化方法与基于机器学习的查询优化技术,分析了传统查询优化的基本概念与方法,包括基于规则的优化、启发式优化等,并指出了其局限性;其次,探讨了机器学习在查询优化中的应用,特别是查询执... 为提升数据库查询性能,文章首先探讨了传统查询优化方法与基于机器学习的查询优化技术,分析了传统查询优化的基本概念与方法,包括基于规则的优化、启发式优化等,并指出了其局限性;其次,探讨了机器学习在查询优化中的应用,特别是查询执行计划预测;最后,分析了基于回归、分类模型的查询优化算法,以及深度学习和强化学习在此领域的应用。研究表明,机器学习方法能有效提高查询优化的准确性与效率,特别是在处理复杂查询优化问题方面,深度学习和强化学习展现出巨大的潜力。未来,应加强机器学习模型的融合与优化,以进一步提升数据库性能。 展开更多
关键词 机器学习 数据库查询优化 查询执行计划
在线阅读 下载PDF
基于机器学习的数据库多表连接顺序选择研究综述
2
作者 王浩 高锦涛 王杰 《计算机工程》 北大核心 2025年第7期31-46,共16页
多表连接顺序选择是指在进行查询优化时为查询语句中涉及的多个表选择最优的连接顺序以提升查询性能。在复杂查询中,不同的表连接顺序能够显著影响查询执行效率。在大数据时代,面对庞大的数据集、多样的应用环境以及复杂的查询语句,基... 多表连接顺序选择是指在进行查询优化时为查询语句中涉及的多个表选择最优的连接顺序以提升查询性能。在复杂查询中,不同的表连接顺序能够显著影响查询执行效率。在大数据时代,面对庞大的数据集、多样的应用环境以及复杂的查询语句,基于启发式规则的传统多表连接顺序算法无法根据环境动态适应和自我学习,缺乏泛化能力,因此选择次优的多表连接顺序,甚至会严重影响查询性能。随着机器学习技术的蓬勃发展,面向数据库的人工智能(AI4DB)技术逐渐引领查询优化领域。机器学习技术能够解决传统连接顺序选择算法存在的问题,在自我学习以及场景适应方面具有较好表现。首先介绍连接顺序的传统选择算法,挖掘其存在的问题,然后总结当前主流的针对多表连接的机器学习模型,并分别介绍它们的核心技术方案,在效果、可用场景等方面对它们进行横向对比,为该领域后续科研工作者提供有价值的参考。 展开更多
关键词 数据库 查询优化 机器学习 连接顺序 面向数据库的人工智能
在线阅读 下载PDF
分布式查询优化算法与应用实践 被引量:8
3
作者 冯勇 白杨 徐红艳 《辽宁大学学报(自然科学版)》 CAS 2003年第3期255-257,共3页
依据笔者开发大型分布数据库的应用实践,首先介绍半连接、选择因子、收益分析等基础概念,其次介绍分布式查询处理过程,主要阐述以半连接为核心的SDD-1查询优化算法,最后以实例说明该算法的实现并比较实际收益情况.
关键词 分布式数据库 信息查询 分布式查询 SDD-1查询优化算法 半连接 选择因子
在线阅读 下载PDF
基于机器学习的数据库技术综述 被引量:63
4
作者 李国良 周煊赫 +4 位作者 孙佶 余翔 袁海涛 刘佳斌 韩越 《计算机学报》 EI CSCD 北大核心 2020年第11期2019-2049,共31页
大数据时代下,面对不断膨胀的数据信息、复杂多样的应用场景、异构的硬件架构和参差不齐的用户使用水平,传统数据库技术很难适应这些新的场景和变化.机器学习技术因其较强的学习能力,逐渐在数据库领域展现出了潜力和应用前景.论文首先... 大数据时代下,面对不断膨胀的数据信息、复杂多样的应用场景、异构的硬件架构和参差不齐的用户使用水平,传统数据库技术很难适应这些新的场景和变化.机器学习技术因其较强的学习能力,逐渐在数据库领域展现出了潜力和应用前景.论文首先给出一个高效、高可靠、高可用、自适应性强的数据库系统需要涵盖的方面,包括数据库运维、数据存储、查询优化等.其次,讨论机器学习算法与数据库技术结合过程中可能面临的挑战,包括训练数据少、训练时间长、泛化能力有限、适应性差四个方面.然后,综述数据库技术与机器学习结合的现状以及具体技术.其中,重点介绍数据库自动调参、查询基数估计、查询计划选择、索引和视图自动选择五个方向.自动调参技术包括启发式算法、传统机器学习、深度强化学习三类.启发式算法从离散的参数空间中通过抽样探索最优子空间,可以有效提高调参效率,但是难以保证在有效资源限制内找到合适配置;传统机器学习算法在经过降维的参数空间中学习系统状态到指定负载模板的映射关系,一定程度上提升模型的适应性;深度强化学习在高维参数空间中迭代的学习调优策略,并利用神经网络提升对高维数据的处理能力,有效降低训练数据的需求.查询基数估计包括面向查询和面向执行计划两类.面向查询方法利用卷积神经网络学习表数据、查询条件、连接条件之间的关系,然而在不同场景下需要大量训练而且泛化能力差;面向执行计划方法在物理算子层面做级联的代价估计,一定程度上提高对不同查询的适应能力.查询计划选择包括深度学习和强化学习两类.深度学习方法融合数据库估计器的代价值和数据特征,提高对每种计划代价估计的精度,但是结果严重依赖估计器的表现;强化学习基于最终目标迭代生成查询计划,降低方法对查询代价的依赖性.自动索引推荐包括分类器、强化学习、遗传算法三类.分类算法根据离散的表特征分析不同索引的创建开销和效率,通过结合遗传算法,提高对复合索引的推荐效率;强化学习进一步提供增量式索引推荐的效率,实现在线索引选择.自动视图选择包括启发式算法、概率统计、强化学习三类.启发式算法通过在视图构建的有向无环图上做贪心探索,提高选择效率,然而适应性差;基于概率统计的算法将视图选择形式化成一个0-1选择问题,有效降低图的探索开销;强化学习方法将视图的创建和删除统一成动态选择过程,基于强化学习的训练策略进一步提高选择效率.最后,从八个方面展望机器学习将给数据库带来的革命性突破. 展开更多
关键词 数据库 机器学习 强化学习 深度学习 查询优化
在线阅读 下载PDF
半联接计划的全局查询优化策略研究 被引量:1
5
作者 何爱华 戚晓明 《重庆科技学院学报(自然科学版)》 CAS 2012年第1期126-127,136,共3页
在分布式数据库系统中数据的分布导致查询处理复杂化,它需要考虑网络流量、响应时间、算法复杂度等多种因素。在网络环境中,减少数据的传输量能够极大的提高查询效率,探讨基于半联接计划减少数据传输量的全局查询优化策略。
关键词 分布式数据库 半联接 关系代数 查询优化
在线阅读 下载PDF
后端数据库机的批查询优化处理
6
作者 常会友 徐晓飞 +1 位作者 陈光熙 胡铭曾 《计算机学报》 EI CSCD 北大核心 1991年第4期290-299,共10页
本文探讨了后端数据库机的批查询处理和多查询优化问题、首先,建立模型MQPM,解决与批查询处理有关的各种技术问题.其次,为改善批处理效率,研究了多查询优化的方法.最后给出了批查询处理和多查询优化算法,并证明这些算法提高了模型系统TD... 本文探讨了后端数据库机的批查询处理和多查询优化问题、首先,建立模型MQPM,解决与批查询处理有关的各种技术问题.其次,为改善批处理效率,研究了多查询优化的方法.最后给出了批查询处理和多查询优化算法,并证明这些算法提高了模型系统TDM的吞吐量. 展开更多
关键词 数据库机 批查询 数据库 优化处理
在线阅读 下载PDF
一个树结构数据库机系统的多级查询优化的设计与实现(英文)
7
作者 常会友 徐晓飞 孟力明 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 1989年第6期107-108,106,共3页
The three-level query optimization strategy in TDM system is introduced inthis paper,semantic query conversation,accessing path selection,and query taskschedule.This strategy can solve the bottle problems in data tran... The three-level query optimization strategy in TDM system is introduced inthis paper,semantic query conversation,accessing path selection,and query taskschedule.This strategy can solve the bottle problems in data transmitting and dataprocessing,and can improve the query processing efficiency of the system.TDM is a tightly-coupled tree-structured database machine.It consists of mul-tiple sub-tree-dements (STEs),shown in Fig.1,An STE is a basic data pro-cessing sub-system.The partitioned database is distributed on the STEs.But thedata in each relation is only stored in the disks of a relevant STE,and is processedparallely by the BCP and the SPs in that STE.The multilevel query 展开更多
关键词 数据库 机械系统 树结构 多级查询
在线阅读 下载PDF
后端数据库机系统联接操作的优化策略
8
作者 常会友 《哈尔滨电工学院学报》 CSCD 1991年第2期158-165,共8页
本文研究了后端数据库机系统的二元联接优化策略。首先给出了衡量查询效率的优化指标,并提出了一个通用后端数据库系统模型,其次介绍了二元联接优化的模型和算法。最后,在TDM系统上分析了该算法,证明确实能改善系统的查询效率。
关键词 数据库机系统 二元连接 查询策略
在线阅读 下载PDF
关系数据库机查询处理技术
9
作者 常会友 《哈尔滨电工学院学报》 CSCD 1989年第4期369-376,共8页
本文较系统地综述了关系数据库机的查询处理技术,认为传统数据库查询优化思想大都可为数据库机的查询处理所借鉴.本文首先概述了传统数据库查询的四级优化处理技术,然后总结了数据库机系统的查询处理特点和在数据库机领域中已做的查询... 本文较系统地综述了关系数据库机的查询处理技术,认为传统数据库查询优化思想大都可为数据库机的查询处理所借鉴.本文首先概述了传统数据库查询的四级优化处理技术,然后总结了数据库机系统的查询处理特点和在数据库机领域中已做的查询优化工作. 展开更多
关键词 数据库机 查询优化
在线阅读 下载PDF
人工智能赋能的数据管理技术研究 被引量:31
10
作者 孙路明 张少敏 +2 位作者 姬涛 李翠平 陈红 《软件学报》 EI CSCD 北大核心 2020年第3期600-619,共20页
大数据时代,数据规模庞大、数据管理应用场景复杂,传统数据库和数据管理技术面临很大的挑战.人工智能技术因其强大的学习、推理、规划能力,为数据库系统提供了新的发展机遇.人工智能赋能的数据库系统通过对数据分布、查询负载、性能表... 大数据时代,数据规模庞大、数据管理应用场景复杂,传统数据库和数据管理技术面临很大的挑战.人工智能技术因其强大的学习、推理、规划能力,为数据库系统提供了新的发展机遇.人工智能赋能的数据库系统通过对数据分布、查询负载、性能表现等特征进行建模和学习,自动地进行查询负载预测、数据库配置参数调优、数据分区、索引维护、查询优化、查询调度等,以不断提高数据库针对特定硬件、数据和负载的性能.同时,一些机器学习模型可以替代数据库系统中的部分组件,有效减少开销,如学习型索引结构等.分析了人工智能赋能的数据管理新技术的研究进展,总结了现有方法的问题和解决思路,并对未来研究方向进行了展望. 展开更多
关键词 数据库系统 数据管理 人工智能 机器学习 查询优化
在线阅读 下载PDF
分布式数据库系统的查询策略研究 被引量:1
11
作者 刘焕亭 张凌燕 《科学技术与工程》 2005年第20期1533-1535,共3页
对于一个给定的查询,通常会有多种不同的查询策略。查询优化就是从这些策略中找出最有效查询计划的一种过程。一个好的查询策略往往比一个坏的查询策略在执行效率(基于执行时间)上高几个数量级。简要说明了分布式数据库的特点,重点讨论... 对于一个给定的查询,通常会有多种不同的查询策略。查询优化就是从这些策略中找出最有效查询计划的一种过程。一个好的查询策略往往比一个坏的查询策略在执行效率(基于执行时间)上高几个数量级。简要说明了分布式数据库的特点,重点讨论了几种分布式查询策略的特点及其适用的情况。 展开更多
关键词 分布式数据库 分布式查询 半连接策略 查询优化 并行性
在线阅读 下载PDF
基于机器学习的基数估计技术综述 被引量:1
12
作者 岳文静 屈稳稳 +1 位作者 林宽 王晓玲 《计算机研究与发展》 EI CSCD 北大核心 2024年第2期413-427,共15页
基数估计是数据库关系系统查询优化器的基础和核心.随着人工智能技术的发展,其在数据处理、提取数据之间的关系等方面显现出优越的性能.近年来,基于机器学习的基数估计技术取得了显著的进展,受到了学术界的广泛关注.首先总结了基于机器... 基数估计是数据库关系系统查询优化器的基础和核心.随着人工智能技术的发展,其在数据处理、提取数据之间的关系等方面显现出优越的性能.近年来,基于机器学习的基数估计技术取得了显著的进展,受到了学术界的广泛关注.首先总结了基于机器学习的技术估计技术的发展现状,其次给出了基数估计的相关概念及其特征编码技术.接着建立了基数估计技术的分类体系.在此基础上,进一步将基于机器学习的基数估计技术细分为查询驱动、数据驱动和混合模型这3类基数估计技术.然后重点分析了每一类技术的建模流程、典型技术和模型特点,并对其在SQL和NoSQL中的应用进行了分析和总结.最后讨论了基于机器学习的基数估计技术面临的挑战和未来的研究方向。 展开更多
关键词 数据库 基数估计 机器学习 查询优化 神经网络
在线阅读 下载PDF
人工智能赋能的查询处理与优化新技术研究综述 被引量:7
13
作者 宋雨萌 谷峪 +1 位作者 李芳芳 于戈 《计算机科学与探索》 CSCD 北大核心 2020年第7期1081-1103,共23页
数据查询处理与优化作为数据管理中最具挑战性的问题之一,一直受到广泛关注。传统的查询处理与优化技术在实际使用中需要针对特定的工作负载和数据集进行大量的手动调优,因而已经无法满足现代数据库系统的发展需求。受人工智能(AI)成功... 数据查询处理与优化作为数据管理中最具挑战性的问题之一,一直受到广泛关注。传统的查询处理与优化技术在实际使用中需要针对特定的工作负载和数据集进行大量的手动调优,因而已经无法满足现代数据库系统的发展需求。受人工智能(AI)成功应用于多领域研究的启发,近期人工智能赋能的查询处理与优化新技术相继被提出并取得了一定的研究成果。针对这些研究工作,首先给出了人工智能赋能的查询处理与优化技术的主要任务,分析了与传统人工智能任务的区别。其次梳理了该领域的主要研究进展,并总结了主要优势与应用瓶颈。接着讨论了当前所面临的主要技术挑战。最后对该领域的未来发展进行了展望。 展开更多
关键词 查询优化 人工智能 机器学习 深度学习 数据库系统
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部