限定搜索步长分段平滑直方图.pdf

限定搜索步长的分段平滑直方图 马勇，王焱 辽宁工程技术大学，辽宁阜新（123000 ） E-mail ：mayong67@163.com 摘 要：本文在作者曾提出的限定直方数的分段平滑直方图的基础上，又提出了一种新的限 定搜索步长的分段平滑直方图方法，用于估算查询结果大小。关于两种分段平滑直方图方法， 进行了大量的模拟实验。实验结果表明，限定搜索步长的分段平滑直方图计算灵活，实现效 率高，有较好的实用价值。 关键词：数据库，查询优化，查询结果大小的估算，直方图 1. 引言 查询优化一直是实现数据库系统的重要方面，而查询结果大小的估算又是查询优化的关 键。在解决这个问题的众多方法中，直方图方法最为有效，并已在一些商用关系数据库系统 （如Db2,Informix, Ingress, Sybase ）中应用。 直方图方法的主要思想是将给定的数据分布分成若干相对平滑的段，即直方图的桶，然 后通过桶中包含的数据产生一个估计值（一般选用平均数），作为桶中各个数据的近似值。 即用直方图近似给定的数据分布，桶中数据的平滑程度决定着直方图对给定数据分布的近似 程度。 直方图方法又可细分为多种类型。吴胜利在文献[1~2]中对各种方法进行了讨论，并提 出了一种新的直方图，即限定误差直方图。马勇等人在文献[3~4]中对限定误差方法又作了 进一步讨论，并在文献[5]中提出了限定直方数的分段平滑直方图。该文对直方图问题作了 进一步研究，提出了一种新的限定搜索步长的直方图方法，并将两种方法作了对比。 2. 基本概念与记号 设R是数据库中的一个关系实例。A是R 的属性。A 的值域是整数（不难推广至实数和其 它有序集合的情形），用A表示。设R 中所有元组在A属性的取值介于Min和Max之间，含（Min 和Max ），即|A|= （Max-Min+1 ）。设R 中元组总数为Sum,对此采用二元组集合T={ （a ,v ）, 1 1 （a ,v ）,……,（a ,v ）}来表示A 中的数据分布（在不引起混淆时，可简记为T={ v ,v ,……,v }）。 2 2 n n 1 2 n 这里A={ a , a ,……,a }。v 表示R 中属性值取为a 的元组个数，称为a 的频数，显然v ≥0，并 1 2 n i i i i n 且 。 v ∑Sum i i 1 T 上的直方图定义如下： 定义 1（直方图）定义于T上的直方图H是一个三元组集合{h=(as ,at ,att ) ，1≤i≤m} 。[as ,at ] i i i i i i 是A 的子区间，att 表示落入该区间的元组总个数。h 称为直方图H 的第i个直方或桶。as 、at 称 i i i i 为hi 的左右端点。M是直方图H 的直方数。 H 必须满足下面 3 个条件： (1)[as ,at ]∩[as ,at ]∩……∩[as ,at ]=Φ 1 1 2 2 m m (2)[as ,at ] ∪[as ,at ] ∪…… ∪[as ,at ]=A 1 1 2 2 m