近似查询mysql_近似查询处理简介

什么是近似查询处理？

近似查询处理，英文全称Approximate Query Processing，是针对SQL聚集查询结果进行估计的技术。举一个简单的例子，假设我们要查询数据库中表A的某一列a的均值，则SQL语句如下：

SELECT AVG(A.a) FROM A

如果数据库所存放的数据的数量十分庞大，要完成完整查询，则会需要花费较长的时间。如果我们使用近似查询技术，就可以以采样的方式，对均值的结果进行估计，以一定的精度损失，快速的获取对精确值的估计。这在某些场景下，会有一定的应用。不止是COUNT，SUM，AVG等常用的聚集估计方法都可以得到支持。除了简单的查询之外，近似查询还可以处理关联查询(join)，嵌套查询，范围查询等复杂查询场景。

近似查询处理主要关注点有两个方面：

如何在庞大的数据中获取样本

如何根据样本选择合适的样本估计技术

在这个专题中，我将针对近似查询处理的学术论文，对近似查询处理技术进行一个完整的总结，同时也会对数据库技术。在专题中，涉及到的论文是在SIGMOD2017数据库国际顶级会议上发表的一个keynote演讲文章总结的，该keynote的名字是Approxiamte query processing：No silver bullet。这篇文章是你对近似查询处理技术的一篇综述性文章，涉及面很广。，这个链接是微软提供了文章下载地址，因为keynote演讲者是微软研究人员Surajit Chaudhuri，其是近似查询技术的主要推动者，感兴趣的读者可以去先读一下这篇文章。此外，另外一片发表在springer上的综述论文，也对近似查询技术进行一定的总结，名字是：Approximate Query Processing: What is New and Where to Go?。在以上两篇文章中，还提到了在2017年之前发表的一些关于近似查询技术的综述性文章。阅读这些文章，有助于了解这项技术的始末。

在接下来的文章中，我会首先切入近似查询处理的第一篇文章：Random samping from database，这是一篇发表在80年代的博士论文，首次系统的介绍了这一个方法。