DBH2-2010E8009070020-陈凯-并行数据库查询优化技术研究.pdfVIP

并行数据库查询优化技术研究 目录 1. 引言 2 1.1 技术背景 2 1.2 拟解决的问题 2 2. 传统优化方案 2 2.1 基于左线性树的查询优化算法 2 2.2 基于左线性树的查询优化算法 3 3. 新优化方案论述 3 3.1 多重加权优化树方法 3 3.2 基于Agent 技术的语义查询优化方法 4 3.3 语意查询模型 4 3.4 遗传算法 5 4. 分析评价 6 4.1 遗传算法分析 6 4.2 BGA 算法分析 6 5. 结论 7 5.1 结论 7 5.2 展望 7 6. 参考文献 8 1 / 8 1．引言 1.1 技术背景 随着信息技术的发展网络的普及，各种应用业务需处理的数据量日益增长。 对于大部分企业来说，数据规模已达TB 级以上，数据的爆炸性增长对企业服务 器的数据处理能力提出了更高的要求。但由于传统数据库系统固有的I/O 瓶颈和 CPU 瓶颈问题，一般意义上的服务器已经不能满足存储和访问的要求。 1.2 拟解决的问题 对于企业来说，为解决服务器的这些问题，很有必要设计一种基于多PC 的 并行数据库管理模式。并行数据库查询优化的研究的主要焦点是：拥有多个连接 (JOIN)操作的比较复杂的关系数据库查询(MJ)是如何优化的。而这种MJ 查询优 化的研究主要表现在以下两个方面：查询执行计划的模型如何设计；MJ 查询优 化都有哪些算法。事实上，二者的关系是非常密切的。本文将对并行数据库查询 优化技术的进步作一个回顾及前瞻性展望。 2．传统优化方案 1990，Schneider 等研究了查询树模型，提出了左线性树、右线性树和浓密 树的概念。如果用V 表示结点集合，E 表示边集合，那么，查询树G = (V，E) 就可以表示为一个MJ 查询。其实，MJ 查询的查询树就是一个二叉树。因为， 该查询树上的每个叶子结点就是代表一个关系，而每一个内结点又表示一个连接 (JOIN)操作，还同时这个内结点又代表这个连接JOIN 操作的结果，树上每条边 就是一个连接JOIN 操作，而且边也可用来表示JOIN 谓词。根据运算进行的方 向，查询树可以划分为3 种类型：浓密树、右线性树和左线性树。 2.1 基于左线性树的查询优化算法 图 1 ：左线性树 Schneider 给出了一种以左线性树和HASH-JOIN 算法为基础的MJ 查询的优 化方法，以下简称LDT 方法。图1 给出了具有N 个JOIN 操作的MJ 查询的左 线性树及其数据相关图，所指框必须在箭尾所连框之后执行。给定MJ 查询 Q ， Q 的每个左线性树都包含唯一一个具有最高并行性的查询计划，称为Q 的左线 2 / 8 性树优化并行查询计划。使用Chen M S.等人的方法，可以得到MJ 查询优化算 法（LDT 算法）。 2.2 基于右线性树的查询优化算法 仔细分析基于MJ 查询的左线性树优化并行查询计划，它最多只允许两个连 接JOIN 操作并行执行，所以，充分发挥数据操作间的并行性不能依靠这种方法， 必须另寻他路。 Schneider 等为了解决这个问题，深入研究了建立在右线性树基础上的 MJ 查询优化问题，设计出了一种方案：使用数据相关图概念，改良右线性树的优化 执行计划。图2 给出了具有N 个JOIN 操作的MJ 查询的右线性树表示及其数据 相关图