并行查询优化中的负载平衡问题研究

在现有工作的基础上，引入数据偏斜因子，在并行查询优化阶段考虑负载平衡问题，提出了一种并行查询优化方法，用算子间并行性来弥补由数据偏斜引起的算子内并行性下降而造成的影响，提高了查询执行效率，减少了查询时间。     

基于丛生树的可调节的并行查询优化算法研究

在分析现有的并行查询优化算法的基础上，提出了一种新的并行查询优化算法，该算法充分考虑并行计算机的物理限制，以丛生树为模型，利用大关系的数量对操作内的并行性，操作间的独立并行性以及操作间流水并行性进行调节，从而保证了高效的并行查询计划的产生。     

基于丛生树的可调节的并行查询优化算法研究

在分析现有的并行查询优化算法的基础上,提出了一种新的并行查询优化算法,该算法充分考虑并行计算机的物理限制,以丛生树为模型,利用大关系的数量对操作内的并行性、操作间的独立并行性以及操作间流水并行性进行调节,从而保证了高效的并行查询计划的产生     

并行数据库查询优化技术研究

并行数据库查询优化的关键是缩减庞大的计划搜索空间,针对无共享结构（SN）,充分考虑通信开销,给出代价估计模型,采用两阶段优化方法,依据代价估计模型先对查询树进行顺序优化,并提出一种新的两阶段查询优化策略．对顺序优化的查询计划进行并行化,充分利用了多处理机的并行性,获得了较快的查询响应速度。既具备良好的并行性又避免了复杂性．     

并行查询中基于二维资源模型的处理机分配

并行查询中的处理机分配是并行数据库系统中查询优化的重要组成部分.考虑到进程对CPU和磁盘IO的需求,着重研究SN结构上并行查询的处理机分配问题.首先提出查询操作对CPU和IO的二维资源使用模型,再通过粗粒度概念确定(浮动)操作的划分并行度,并定量分析查询内各种并行性和资源共享对查询响应时间的影响,最后提出HLS启发式处理机分配算法     

并行查询中基于二维资源模型的处理机分配

并行查询中的处理分配是并行数据库系统中查询优化的重要组成部分，考虑到进程对ＣＰＵ和磁盘Ｉ／Ｏ的需求，着重研究ＳＮ结构上并行查询的处理机分配问题。首先查询操作对ＣＰＵ和Ｉ／Ｏ的二维资源使用模型，再通过粗粒度概念确定操作的划分并行度，并定量分析查询内各种并行性和资源共享对查询响应时间的影响，最后提出ＨＬＳ启发式处理机分配算法。     

并行数据库的查询处理技术

随着并行计算机系统的迅速发展,并行数据库系统已经成为数据库研究和应用的一个重要领域,本文介绍了各种并行数据库系统的并行计算机结构和关系数据库查询的固有并行性,然后探讨了并行数据库查询处理的并行化技术。     

SDD-1查询优化算法的研究与改进

由于数据的分布和冗余,使得分布式查询处理增加了许多新的内容和复杂性;在分布式数据库查询优化算法中,SDD-1算法能找到最优的半连接子查询的顺序,减少了网络通信代价,但是SDD-1算法的并行性并不理想,针对这一情况我们设计了一种并行性较好的SDD-1算法。     

基于MapReduce的关系型数据仓库并行查询

针对MapReduce框架与传统关系型数据库兼容性不好的问题,提出了一种基于分块结构的分布式关系数据库ChunkDB.并对MapReduce架构进行了扩展设计,使ChunkDB与MapReduce有效结合,将MapReduce的扩展性、易操作性、高并行性与关系数据库的索引等查询优化优势相结合.实验证明基于MapReduce的ChunkDB数据库能够为数据仓库应用提供快速高效的并行查询.     

基于遗传算法的数据库多连接查询优化策略

结合多连接查询的特点,提出了一种基于遗传算法的查询优化策略.在查询左深树策略空间上构造了遗传算法的一个原型,设计出查询优化问题的染色体编码方法,并基于该编码方法给出了选择策略及交叉、变异算子.     

校园网格环境下异构数据库的集成与分布式查询

针对校园数据网格的分布式异构数据库环境,提出了一种基于网格服务的异构数据库访问和集成方法。该系统为用户提供一致的虚拟数据视图和分布式数据查询支持。在分析和研究现有分布式数据库查询技术的基础上,介绍了一种适用于网格环境下海量数据的连接操作算法,算法依据分布式数据库的固有并行性,利用数据划分来提高查询的并行处理程度,以改进响应时间。理论分析表明,该算法在减少网络通信开销和降低响应时间方面具有较好的性能。     

多查询并行处理的模型和同步机制

研究数据库多查询并行处理技术中的模型和同步机制问题．讨论了数据库多查询任务和Ｂ＋树的特点，分析了目前已有的几种查询模型，对多查询任务的并行性开发和同步控制机制等关键性问题进行了较详细的讨论．在此基础上，提出了一种基于Ｂ＋树的数据库多查询任务并行处理模型和有利于加大并行度的同步控制机制，并在ＭＩＭＤ－ＳＭ结构上给出了实现多查询任务并行处理的算法设计思想．     

分布式数据库系统的查询策略研究

对于一个给定的查询,通常会有多种不同的查询策略。查询优化就是从这些策略中找出最有效查询计划的一种过程。一个好的查询策略往往比一个坏的查询策略在执行效率(基于执行时间)上高几个数量级。简要说明了分布式数据库的特点,重点讨论了几种分布式查询策略的特点及其适用的情况。     

应用聚簇索引的多连接查询优化方法

多连接查询优化是提高数据库性能的关键问题之一.查询优化主要针对连接等一些具有较高执行代价的操作进行研究.在分布式查询优化中,应同时考虑本地处理代价和传输代价.提出了一种应用聚簇索引来优化多连接查询的方法,旨在减小查询的代价.分析对比证明该方法具有较好的效果.     

一种基于虚拟数据库的分布式查询优化算法

针对虚拟数据库系统(简称“VDBMS”)执行分布式查询时的网络代价问题,提出一种基于关系运算代价估算理论及半连接技术的分布式查询优化算法SJQA(Semijoin Based Query Algorithm),较之最大子查询法,该算法加入了对子查询之间执行顺序及连接方式等方面因素的考虑,从而能更有效地减少分布式查询的总网络代价．实验结果表明,对于带有选择运算的查询,SJQA算法的优化效益与查询的选择因子大小成近似反比关系,因此它对该类查询的优化效果是十分明显的。     

基于聚类的逆向Skyline查询算法

逆向Skyline查询能够应用到诸如决策支持、用户偏好支持以及市场行为分析等方面。由于参考对象q的存在,在执行逆向Skyline查询的过程中数据空间被划分成许多分区。然而,存在的算法都没有考虑这个问题的影响,直接使用原始数据集建立索引结构。本文提出了一种新的逆向Skyline查询方法CRSQ,它考虑了这个问题。CRSQ首先根据查询对象q对数据进行聚类,然后建立R-tree索引,最后利用高效修剪策略修剪索引搜索空间。实验结果表明CRSQ算法是有效的,它相对于没有聚类技术的算法获得了50%以上的性能提高。     

一种具有服务质量支持的数据访问方法

针对目前的查询优化技术并没有考虑网格环境中数据源的动态特征,导致数据访问质量很差的问题,文中提出了网格环境中具有服务质量(QoS)支持的数据访问方法.它能在查询优化的过程中考虑数据源的动态特征以及用户的QoS要求,根据用户的QoS要求选择不同的查询执行计划;文中还提出了基于管道并行方式的分层管道树来对多连接表达式进行优化,它不仅可以提高并行度而且可以尽快返回部分结果给用户.实验结果表明,文中提出的方法是有效的,可以为不同类型的用户提供不同等级的数据访问服务.     

分布式数据库中半连接操作的查询优化

查询优化技术是分布式数据库中的关键技术、而半连接操作是查询技术中的非常有效和重要的技术.介绍了查询优化技术实现的目标、查询执行的途径,分析了分布式数据库中半连接操作的执行代价,半连接的操作过程,比较了两种半连接操作的执行代价评估和优化结果,并给出结论.     

QGrid:一种空间移动对象并行索引结构

为提高空间移动对象数据更新效率和查询准确率,提出了一种空间移动对象并行索引结构.利用主索引和辅助索引支持对空间对象进行基于范围的查询和基于对象标识的查询,还通过查询索引将更新操作和可能受其影响的查询操作相连接,在满足并行操作时间片语义的同时,避免了传统方法进行范围查询时对查询范围内相关对象及相关索引结构全部进行锁定的需求.实验结果表明:高负载环境下,该索引结构不但能保证查询准确率,其处理能力也明显优于传统索引结构.该索引通过提高系统并行度,使同一范围内的更新和查询操作可以并行执行,提升了系统整体运行效率.