基于数据块采样的PostgreSQL统计信息估算方法的研究-计算机应用技术专业论文.docxVIP

叫吨，、8扑表列然叫 叫 吨 ，、 泊丁E J 泊丁 E J 不包含任何其他个人成集体已经发表或撰写的成果作品，也不包含为 获得中南林业科技大学或其他教商机构的学位成证书所使用过的材 料。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方 式表明。本人完全意识到本声明的法律后果由本人承担。 咱作者签名: 1 .1定 咱 ‘、?E?E-可Pii2007 ‘、?E?E- 可 Pii 腼在扑表冽然也 2 腼 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校保留并向国家有关部门成机构送交论文的复印件或电子版， vl vlι川4 文的全部成部分内容编入有关数据库进行检索，可以采用影印、缩印 成扫描等复制手段保存和汇编本学位论文。 本学位论文属于: 1、 保密口，在年解密后适用本授权书。 2、 不保密00 (请您在以上相应方框打 ，J) 作者签名:降使 导师签名:气少呐 叫叫叫日 叫叶 fJ bB t - - wh1· 4 ? 摘要 飞 .. 懦 ‘ 随着计算机硬件、软件技术的飞速发展和计算机系统在各行各业的广泛应用， 数据已经成为各种机构的宝贵资源，数据库系统对于当今科研部门、政府机关、 企事业单位等来说都是至关重要的。随着时间的推移，数据库中的数据最日益增 长，而数据库管理系统的一个重要功能就是将建立于其上的信息系统的性能维持 在一个可接受的水平上，查询优化器就是实现这一功能的重要的数据库系统组件。 查询优化器分为基于代价和基于规则的优化器。当今通用的商业数据库的查 询优化器多为基于代价的优化器。基于代价的优化器相对基于规则的优化器的优 势就在于它能根据数据库对象各自特定的信息估算查询代价，以此来选择最优的 查询执行路径，而这些数据库对象信息就是数据库管理系统收集的统计信息。因 此，数据库统计信息估算的准确度对查询代价估算的结果有着显著的影响，也对 优化器的质量有着实质性的影响。收集统计信息可以通过精确计算和来样估算两 种方式，前者收集的统计信息准确度高，但计算代价大，特别是分析大对象时容 易给系统造成负担:后者收集的统计信息准确度相对前者较低，但计算代价小， 系统负担小，即使分析的是大对象。 哈·I句叫d本文主要基于开源数据库管理系统 PostgreSQL ，分析其收集数据库统计信息 与查询优化器相关源代码，重点讨论直方图与 Distinct 值这两种对估算资询代价 极其意耍的统计信息的收集，提出在 PostgreSQL 中使用计算与估算两种方法收集 哈·I句叫d 算 Distinct 值时，由于数据分布偏差容易造成数据块样本的偏差，因此引入混合 式估算法解决由于f1值(样本中只白现一次的值的个数)损失造成的估算误差。 最后在 LinuxAS3 和 PostgreSQL8.1 环境下通过实验证明，本文提出的方案适 合于 PostgreSQL 数据库，并且在保证估算准确度的基础上提高了统计倍息收集的 效率， 关键词 z 查询优化;统计信息:代价估算;直方阁:交叉验证; Distinct 值 叫i 叫iw . .，，‘14· 、 ‘t J Abstract R J t‘ mvi mvi电川 。 L With the rapid development of computer hardware，software technology，and the comprehensive application of computer system in all trades and professions，data has become valuable resource in all kinds of institutions. Nowadays ，database system is very important for scientific research departments 、governmental entities and enterprises etc. With time passing，the amount of data goes increasingly，while one of the most important characters of DB岛1S is maintaining one acceptable level about its built systems. The que叩 optimizer of database is primary mechanism of holding this kind of function. There are two kinds of que叩 optimizers，the costbase