![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
查询优化论文
文章平均质量分 91
xitianxiaofeixue
这个作者很懒,什么都没留下…
展开
-
【论文阅读】Selectivity Estimation with Attribute Value Dependencies Using Linked Bayesian Networks
基于链接贝叶斯网络的属性值依赖选择性估计三、方法3.1 准备工作在[17]中,我们开发了一种构建贝叶斯网络的方法,以模拟数据库每个关系中属性值的分布。贝叶斯网络是一种概率模型。因此,它用于近似数据集的概率分布。贝叶斯网络的特殊性在于,它使用有向无环图(DAG)来这样做。该图每个变量包含一个节点,而每个有向边表示两个变量之间的条件依赖。因此,该图是全联合分布的因子分解:联合分布P(X1,…Xn)是整个属性集合{X1,…,Xn}。同时,Parents(Xi)代表着决定Xi价值的属性。因此,分布P(Xi原创 2021-07-27 12:35:08 · 253 阅读 · 0 评论 -
【论文阅读】AN APPROACH BASED ON BAYESIAN NETWORKS FOR QUERY SELECTIVITY ESTIMATION
【论文阅读】一种基于贝叶斯网络的查询选择性估计方法一、介绍优化阶段的目标是在很短的时间内生成一个高效的查询计划,查询优化器利用成本模型为给定计划中的每个关系运算符生成基数估计值。基数估计通常基于从关系中收集并存储在数据库元数据中的一组统计数据,然它们通常不会捕捉属性依赖。形式上一个查询Q,给定一组关系R、一组连接谓词J和一组属性谓词A上的查询,查询的基数计算如下:其中P是查询的选择性,后面的是相关关系的笛卡尔积中的元组条数。问题是P不可用,此外估计它会很快导致组合爆炸,简化假设是为了逼近选择性同时原创 2021-07-23 12:31:07 · 304 阅读 · 1 评论 -
【论文阅读】Are We Ready For Learned Cardinality Estimation?
Are We Ready For Learned Cardinality Estimation?一、简介针对现有学习方法的限制提出了下列四点贡献:基于学习的方法为静态环境做好准备了吗?基于学习的方法为动态环境做好准备了吗?基于学习的方法什么时候会出错?研究机会我们在第2节给出了一个关于学习基数估计的调查,并在第3节描述了一般的实验设置。我们在第4节探讨学习的方法是否适合静态环境,在第5节探讨动态环境,并在第6节检查学习的方法何时出错。第7节讨论了未来的研究机会。第8节讨论了多表方案,第9节回原创 2021-04-18 22:57:34 · 1332 阅读 · 0 评论 -
【论文翻译】FLAT: Fast, Lightweight and Accurate Method for Cardinality Estimation
FLAT: Fast, Lightweight and Accurate Method for Cardinality Estimation摘要查询优化器依赖基数估计确定查询执行计划,核心问题是如何准确紧凑的对丰富的属性联合分布进行建模。尽管已有几十年的研究,现有的方法要么只使用独立的因子分解过于简化模型而导致估计不准确,要么不做任何独立的假设而使用无损条件因子分解过于复杂而导致概率计算缓慢。在本文中,我们提出了一种平坦的方法,它具有概率计算速度快、模型尺寸轻量化和估计质量准确的特点。FLAT的关键思想原创 2021-01-31 22:08:28 · 1319 阅读 · 1 评论 -
【论文翻译】How Good Are Query Optimizers, Really?
How Good Are Query Optimizers, Really?摘要 查找良好的连接顺序对查询性能至关重要,本文分析了在真实数据集上基数估计往往会产生较大误差,而虽然估计对寻找良好的链接顺序至关重要,但是过度依赖这些估计,最终的结果也无法让人满意。本文还测试了成本模型的实验,发现它对查询性能的影响远小于基数估计值。最后研究计划枚举技术,比较穷举动态规划和启发式算法,并发现穷举枚举在次优的基数估计下也能改善性能。...原创 2021-01-07 20:04:31 · 776 阅读 · 0 评论