| 面向时空数据场景的数据库索引选择框架 |
| |
| 引用本文： | 徐康镭,乔少杰,陈金勇,张桃,高林,冉黎琼,谢添丞,于泳,彭钰寒,焦育威.面向时空数据场景的数据库索引选择框架[J].无线电通信技术,2023(4):665-673. |
| |
| 作者姓名： | 徐康镭 乔少杰 陈金勇 张桃 高林 冉黎琼 谢添丞 于泳 彭钰寒 焦育威 |
| |
| 作者单位： | 1.成都信息工程大学软件工程学院610225;2.中国电子科技集团公司第五十四研究所050081;3.宜宾学院人工智能与大数据学部644000;4.四川数字交通科技股份有限公司610225; |
| |
| 基金项目： | 国家自然科学基金(62272066,61962006)；四川省科技计划(2021JDJQ0021,2022YFG0186,2022NSFSC0511,2023YFG0027,2022YFG0325,2021YFG0029)；教育部人文社会科学研究规划基金(22YJAZH088)；宜宾市引进高层次人才项目(2022YG02)；成都市“揭榜挂帅”科技项目(2022-JB00-00002-GX,2021-JB00-00025-GX)；成都市重大科技创新项目(2021-YF08-00156-GX)；中国电子科技集团公司第五十四研究所高校合作课题(SKX212010057)；四川省教育厅人文社科重点研究基地四川网络文化研究中心资助科研项目(WLWH22-1)；成都信息工程大学科技创新能力提升计划(KYTD202222)；成都海关科研项目(2022CK008)。 |
| |
| 摘 要： | 索引是一种用于提高数据库查询效率的数据结构,良好执行计划的生成和选择很大程度上取决于数据表上是否存在合适的索引。然而,面对复杂的时空数据场景,现有的索引选择方法存在很多不足,如无法高效处理大量范围查询、容易造成索引冗余、无法有效应对动态的工作负载等问题。针对上述问题,提出一种新型基于深度确定策略梯度(Deep Deterministic Policy Gradient,DDPG)模型和索引效益评估网络的索引选择框架:ST-IS(Index Selection method tailored for Spatio-Temporal data scenarios)。ST-IS集成了对SQL语句和索引集的新型编码方法,有效避免索引冗余或索引缺失。ST-IS使用索引效益评估网络来优化强化学习的奖励机制,同时支持动态的工作负载。大量实验结果表明,在真实时空数据集和TPC-DS标准数据集上,ST-IS的性能优于现有的索引选择方法。
|
| 关 键 词： | 时空数据 强化学习 索引选择 查询优化 移动数据挖掘 |
| 本文献已被 维普 等数据库收录！ |
|
