基于蚁群算法分布式数据库查询优化方法.docVIP

基于蚁群算法分布式数据库查询优化方法 　　摘 要： 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。 　　关键词： 分布式数据库； 查询优化； 多元连接； 蚁群算法 　　中图分类号：TP319 文献标志码：A 文章编号：1006-8228（2014）05-47-03 　　Abstract： In the distributed database query optimization， the speed of query depends on the data transfer and join sequence. The price model minimizing communication cost is the emphasis of research. Since the era of big data is coming， the first important problem is how to enhance the speed of database query. Seeking the best query path by using the ant colony algorithm， and taking multiple connection query as an example， model building and algorithm implementation are carried on. The experimental results show that this algorithm has the better effect in selecting path and is practically meaningful for the query optimization of distribute database. 　　Key words： distributed database； query optimization； multiple connection； ant colony algorithm 　　0 引言 　　查询优化是分布式数据库系统中的核心问题。与集中式数据库查询相比，分布式查询处理增加了不少新的内容和复杂性。不同的查询处理方法，其查询的通信费用和并行程度是大不一样的。分布式查询优化的准则是使通信费用最低和使响应时间最短，即以最小的总代价在最短的响应时间内获得需要的数据。分布式数据库中数据的特征是：全局化和局部化。数据局部化是将一个分布式数据库上的代数查询转换成一个等价的段查询，并通过代数转换来做进一步的简化。全局查询优化通过决策操作的顺序，结点间的数据移动，以及数据库操作的分布和局部算法的选择来为输入的分段查询计划，产生一个优化的执行计划[1-2]。 　　文献[3]的作者提出了基于遗传算法的分布式数据库查询优化方法，并且设计了一种新的查询执行计划模型。文献[4]中提出了采用改进的最小生成树算法。本文提出了一种利用蚁群算法解决分布是数据库系统中查询优化问题的方法。此方法仍处于初期研究阶段，但初步研究已表明，应用蚁群算法进行分布式数据库的查询优化不但有效，而且具有良好的寻优能力。多元连接查询涉及多个片段上的查询，由于分布式数据库数据分布与冗余的特征，多元连接查询涉及多个不同的结点上的片段。等值连接与自然连接是应用最多的连接操作，所以我们以研究多元连接操作的查询处理为例。 　　1 蚁群算法原理概述 　　蚁群算法最初由意大利学者Dorigo.M于1991年首次提出，其本质上是一个复杂的智能系统，它具有较强的鲁棒性、优良的分布式计算机制、易于与其他方法结合等优点。目前对其研究已渗透到多个应用领域，并由解决一维静态优化问题发展到解决多维动态问题。 　　仿生学家的长期研究发现：蚂蚁虽没有视觉，但在运动过程中通常会释放特殊的分泌物找到路径。当它们穿过一个没有走过的路口时，则随机地选择一条路径，并在路径上释放信息素。时间越长，蚂蚁所走路径上的信息量就越小。当后来的蚂蚁再次来到此路口时，选择信息量较大的那条路经的概率就相对越大，从而形成了一个正反馈机制。最优路径上的信息量越来越大，但在其他路径上随着时间的推移，信息量会逐渐减小，整个蚁群最终会找到一条最优路径。我们用图1进行了形象的描述，以此来进一步说明蚁群的搜索原理[5]。