一种分布式数据库查询优化算法

Ｃｈｅｎ和Ｙｕ提出了一种新的等联接操作结果估算模型，借助于它来估算ｊｏｉｎ缩减器带来的收益。本文在此基础上分析了收益之和与ｊｏｉｎ缩减器执行次序的关系，提出了复杂度为Ｏ（ｎ＾２）的优化算法。该算法除考虑采用局部收益最大的ｊｏｉｎ操作做为首选操作外，还考虑了算法产生的操作序列在一定的条件下具有全局上的优化特征：任意两个相邻ｊｏｉｎ操作构成的子序列是最优的。     

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.     

分布式数据库中多元连接查询优化的研究

论文对分布式数据库中多元连接查询操作次序的确定问题提出了优化，通过引入收益代价比的概念，提出了一基于贪心算法的选择模型。通过该模型，可以得到理想的连接次序的选取方案。     

一种分布式数据库多元连接查询优化算法及改进

论文对于分布式数据库中的多元连接查询提出了一种优化算法。该算法产生的操作序列具有全局优化特征。在远程网中,采用最小生成树算法,生成最佳的连接序对能使得总的代价达到最小。而在局域网中,采用改进的最小生成树算法,生成尽可能多的并行连接序对,最大程度地应用并行性,使得响应时间最小。     

基于蚁群算法的分布式数据库查询优化方法

在分布式数据库查询优化中,数据传输和多连接次序往往决定了查询执行速度,以通信代价最小为目标的代价模型一直是研究的重点。随着大数据时代的到来,如何提高数据库的查询效率成为我们所要面对的首要问题。为此,利用蚁群算法优化查询计划,以多元连接查询操作为例,进行了模型建立和算法实现。在Oracle数据库中进行了仿真实验,实验结果表明该算法有较好的寻优效果,并对分布式数据库的查询优化具有实际意义。     

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.     

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。     

分布式数据库查询处理和优化算法

随着大数据时代的到来和云服务的发展,分布式数据库系统(DDBS)的应用越来越普遍化,分布式数据库系统是通过分布式查询处理与分布式数据库(DDB)交互的综合性应用。无论是集中式数据库系统,还是分布式数据库。数据的查询处理都贯穿于整个应用项目的始终,而查询处理的优化也就显得非常重要。分布式数据库的数据具有分布性和冗余度的特点。这样在处理查询优化时一些技术的实现和问题的思考就相对复杂。本文从分布式数据库查询处理基本原理出发,对各优化策略和算法进行了阐述,并且针对性的提出了各个算法选择的思路和途径。     

分布式数据库中查询处理的新方法研究

在分布式数据库系统中,由于数据的分布和冗余,使得分布式查询处理增加了许多新的内容和复杂性,通过分析现有分布式数据库查询处理技术,根据应用实际提出一种新的查询处理方法,该方法通过将常用查询结果存储在本地来减少查询时的数据传输量,从而缩短了响应时间.实验证明了该方法是有效的.     

基于多子群萤火虫算法的数据库查询优化

查询优化是提高数据库性能的关键技术,针对数据库查询优化效率低的难题,提出一种多子群萤火虫算法的数据库查询优化方法（MG-FA）。首先将数据库查询计划左深树看作一个萤火虫,然后将萤火虫群分为多个子群,各子群最优萤火虫通过信息交流找到数据库查询最优计划,最后进行数据库查询优化实例分析。结果表明,MG-FA是解决数据库查询优化的有效途径,能够获得理想的数据库查询计划,具有实际意义。     

一种改进的分布式查询优化算法

为了提高分布式查询优化算法的性能,在遗传模拟退火混合算法中融入小生境技术,并对混合算法的相应要素进行改进,基于该混合算法,提出了一种改进的分布式查询优化算法。利用小生境技术扩展遗传模拟退火混合算法的探索区域,防止早熟现象发生,简化算法中的Meteopolis规则,以消除混合算法中引入新技术后产生的功能冗余,将混合算法应用到分布式查询优化算法中。实验结果表明,改进的分布式查询优化算法可以稳定地得到最优解,减少分布式数据库查询的代价,提高查询效率。     

An adaptive strategy for statistics collecting in distributed database

Collecting statistics is a time- and resourceconsuming operation in database systems. It is even more challenging to efficiently collect statistics without affecting system performance, meanwhile keeping correctness in distributed database. Traditional strategies usually consider one dimension during collecting statistics, which is lack of adaptiveness. In this paper, we propose an adaptive strategy for statistics collecting(ASC), which well balances collecting efficiency, correctness of statistics and effect to system performance. We formally define the procedure of collecting statistics and abstract the relationships among collecting efficiency, correctness of statistics and effect to system performance, and introduce an elastic structure(ESI) storing necessary information generated during proceeding our strategy. ASC can pick appropriate time to trigger collecting action and filter unnecessary tasks, meanwhile reasonably allocating collecting tasks to appropriate executing locations with right executing models through the information stored at ESI. We implement and evaluate our strategy in a distributed database. Experiments show that our solutions generally improve the efficiency and correctness of collecting statistics, moreover, reduce the negative effect to system performance comparing with other strategies.     

基于查询优化器的分布式空间查询优化方法

为了实现分布式空间数据库之间的互操作,需要对分布式查询进行优化处理,这种查询处理指的是在任何一个数据处理语句中它访问的是各个节点的数据而不是仅仅对发起查询的节点。提出了一种查询优化器的体系结构,针对上述查询最优化做了详细的讨论,着重讨论包含空间选择和连接的复杂空间查询。建立了典型的空间数据库的案例程序,通过分析表明,带有过滤和修正的查询优化器在时间与空间上的效率优势比较明显,获得了具有参考价值的结果。     

一种改进的闪存数据库Sort-Merge-Join算法*

在对传统的Sort-Merge-Join算法进一步研究的基础上,提出了一种改进的闪存数据库Sort-Merge-Join算法。该算法只对小关系进行外排序,避免了大关系的外排序,节省了大量时间,同时最小化了中间临时表,达到了少写闪存、减小擦除代价的目的。通过理论分析和与传统Sort-Merge-Join算法在闪存上的比较实验,证明了该算法的优越性。     

Supporting quantified queries in distributed databases

We show that some relational queries, which we call quantified queries are not well supported in distributed environments. We give a formal definition of quantified queries, propose a language in which to express said queries and provide a procedure to compute answers in this new language in the context of distributed databases. The proposed language is made up of high-level, declarative operators (called generalised quantifiers), and therefore it can be used in combination with several distributed frameworks. Our approach is designed to be as general as possible; it assumes horizontally partitioned relations, but nothing else, so no data placement or replication is used. We present an implementation and algorithms for the new language, propose some basic optimisations and give experimental results which show that the new approach is indeed quite efficient and scales well.     

一种面向分布式数据库的多并发OLAP型查询性能预测方法

数据库查询性能预测即预测查询的执行延迟时间。数据库查询延迟预测技术能够用于查询调度和查询进度显示等。当前的查询性能预测技术都具有一定的局限性,不能准确预测分布式数据库中多并发查询导致CPU、I/O资源争用情形下的查询延迟。针对这一问题,该论文提出了一种在分布式数据库中预测并发OLAP型查询延迟的技术,该技术通过建立查询干扰度和查询敏感度模型来衡量资源（I/O,网络）竞争的激烈程度,并据此来预测不同执行环境下的查询性能。TPC-DS的实验结果表明,分析型查询预测的误差率在25%以下,说明该技术能够较准确地预测查询执行时间。     

分布式系统TTCAN调度优化算法研究

总线技术的发展给线缆测试仪带来了分布式、信息化、网络化的新需求,且在分布式线缆测试仪工作过程中,测试线路的数目增加也对总线数据通讯的稳定性和通讯效率提出了更高的要求;针对分布式系统在线缆测试中的应用需要,设计并优化了分布式线缆测试仪工作的TTCAN应用层协议和其系统矩阵;对于分布式系统通信中的周期性消息形成的系统矩阵先后采用遗传算法、改进型差分进化算法进行优化,对于其中的非周期性消息采用基于松弛度的动态优先级算法;在MATLAB仿真环境中进行实验,实验结果表明,改进型差分算法比遗传算法能够更快、更稳定地计算出优化矩阵,经调度优化后的TTCAN总线工作时数据传输效率有显著提高;文章通过智能优化算法,有效提高了系统总线的通讯效率和稳定性。