CN115269639B 基于深度学习的关系型数据库基数估计方法 （河北工业大学）

基于深度学习的关系型数据库基数估计方法本发明为基于深度学习的关系型数据库基为关系拓扑图的各个节点和连通子图分别建立数，若SQL语句只涉及单张数据库表的查询或者连接查询所涉及的数据库表已存在相应的基数个基数估计器只对应于数据库中的单个或部分2节点和连通子图的基数估计器均由输入层、隐藏层和输出层构成Sr，则记录每个子查询经基数估计器得到的基数估计值和原SQL语句中连接谓词所涉及的其中，C(S)表示基数估计值，C(Sr)表示子查询Sr经基数估计器得到的基数估计值，Dr.kr-1)表示子查询Sr经基数估计器得到的属性kr-1不同值3.1)根据关系型数据库的元数据和外键关联信息创建若干条用于训练的SQL语句，用于训练的SQL语句需涵盖关系型数据库中的所有数据库表，并在关系型数据库中执行所有33.根据权利要求1或2所述的基于深度学习的关系型数据库基数估计方法，其特征在记录变化数据所在的数据库表，并在关系拓扑图中对数据库表对应的节点进行标记；根据变化后的关系型数据库的元数据和和外键关联信息创建用于训练的SQL语句，对4高的执行计划。的情况下使得数据库引擎计划执行时间最短，进而在多个备选方案中选择最佳执行计划。以及数据库表之间的外键关联信息，根据外键关联信息构建数据库表之间的关系拓扑图；5D(Sr.kr-1)表示子查询Sr经基数估计器得到的属性kr[0018]3.1)根据关系型数据库的元数据和外键关联信息创建若干条用于训练的SQL语[0022]根据变化后的关系型数据库的元数据和和外键关联信息创建用于训练的SQL语6据库对应的大规模的基数估计器分成了m个小规模的基数估计器，各个基数估计器利用各以及数据库表之间的外键关联信息，根据外键关联信息构建数据库表之间的关系拓扑图；关系拓扑图中存在连接关系的节点构成的子图称为7输出层神经元，连通子图G(A,B)的基数估计器NetA*B的输出层包含1+3+4＝8个输出层神经[0042]3.1)根据关系型数据库的元数据和外键关联信息创建若干条用于训练的SQL语所有SQL语句并保存包括基数(返回的行数)和各属性不同值的数量在内的查询结果，此查询结果即为SQL语句在关系型数据库中查询得到的真8D(Sr.kr-1)表示子查询Sr经基数估计器得到的属性kr[0053]最后，根据变化后的关系型数据库的元数据和和外键关联信息创建用于训练的[0056]步骤1：获取关系型数据库的元数据和统计信息，关系型数据库包括三张数据库personperson9person*orderperson*orderfromperson，orderwhereperson，id＝order.person_idandperson.id＞2and同值的数量在内的查询结果，此查询结果即为SQL语句在关系型数据库中查询得到的真实person*orderperson*orderperson*orderperson*orderperson*orderperson*orderperson*orderpersonperson*orderperson[0068]②select*fromperson，orderwhereperson.id＝order.person_idandperson.person.id＞2andperson*order[0071]SQL语句②是涉及数据库表person和order的连接查询，涉及数据库表person和person*orderperson*orderperson*order连接谓词所涉及的各属性不同值的数量分别为D(item.id)和D(order.item__id)，D(item.id)表示SQL语句①经基数估计器Netitid)表示SQL语句②经基数估计器Netpe