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.     

改进的半连接查询优化算法

在多关系连接查询中,普通半连接查询方法没有优化子查询的半连接顺序,导致查询代价较高,为此,本文提出了一种改进的半连接查询优化算法.首先,将多关系连接组织成较小代价的类树形结构,然后利用半连接操作对处于根节点处的关系进行最大化缩减,并以此为基础利用PERF位向量对其他节点进行缩减,最后回收缩减关系进行连接操作.模拟实验表明改进的半连接查询优化算法能够有效地缩减查询关系,降低查询代价.     

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。     

一个具有语义优化的分布式查询处理算法

本文描述一个分布式关系数据库系统中具有语义优化的查询处理算法。算法的基本过程是:从原查询转换到查询图同时进行副本选择,得到T-图,经一般优化、语义优化,进而产生查询处理策略。优化的目标是总处理代价最小。语义变换过程应用了启发式的控制策略。     

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.     

分布式查询优化算法与应用实践

依据笔者开发大型分布数据库的应用实践，首先介绍半连接、选择因子、收益分析等基础概念，其次介绍分布式查询处理过程，主要阐述以半连接为核心的SDD-1查询优化算法，最后以实例说明该算法的实现并比较实际收益情况．     

分布式数据库连接算法实验研究

随着分布式数据库系统的广泛应用,其涉及的查询性能问题也就随之而来。查询执行和优化是影响分布式数据库性能的关键因素。查询优化算法中常见于应用的有直连接算法和半连接算法,通常认为后者性能优于前者。论文针对大数据量局域网环境下等值连接,对两种算法性能进行分析,并以通信代价为指标设计具体用例进行测试。根据实验结果对半连接算法的优越性进行量化,从而得出半连接在更切合实际的应用场景中比直连接性能更好。     

基于传输代价最小原则的分布式数据库查询优化

分布式查询算法的核心部分是全局查询优化算法,将查询请求合理地优化分解为子查询任务,并尽量使子查询任务并行执行。分布式查询的优化需要权衡网络流量、响应时间、服务器负载、算法复杂性等多种因素。本着减少节点之间的数据传输量的目的,本文提出一个复杂度和延迟时间之间进行衡量的全局优化算法。本文就连接查询和复合查询进行了详细的分析,最后提出了一种基于半连接的查询优化算法,并分析了该改进算法的优缺点。     

基于传输代价最小原则的分布式数据库查询优化

分布式查询算法的核心部分是全局查询优化算法，将查询请求合理地优化分解为子查询任务，并尽量使子查询任务并行执行。分布式查询的优化需要权衡网络流量、响应时间、服务器负载、算法复杂性等多种因素。本着减少节点之间的数据传输量的目的，本文提出一个复杂度和延迟时间之间进行衡量的全局优化算法。本文就连接查询和复合查询进行了详细的分析，最后提出了一种基于半连接的查询优化算法，并分析了该改进算法的优缺点。     

一种找出较优重写查询的启发式算法

提出了一种实用的启发式算法．该算法使用了一种简单的代价模型来比较查询之间的相对代价,并利用多项式时间从实化视图得到的多个重写查询中找出一个执行代价较节省的重写查询,不需要查询优化器的支持,减少了优化器的负担．实验结果表明该算法找出的较优重写查询的执行时间比穷尽搜索算法的略有增加,而搜索时间和空间显著减少．利用该算法可快速地响应查询,能显著改进数据仓库的查询性能．     

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。     

基于启发函数的网格数据库查询算法

查询处理技术是网格数据库研究的核心,但是传统的查询处理技术无法适应动态变化的网格环境,导致网格资源利用率低、查询效率不高。给出了基于副本的网格数据库查询处理代价模型和两种查询处理算法,利用不同的数据集和网格环境参数进行实验验证。实验结果表明,基于启发函数的网格数据库查询算法在一定程度上提高了查询处理效率,生成子查询时间代价为O(n),消耗时间比采用穷举策略下降10%左右。     

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。     

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.     

公路网移动终端的KNN查询技术

公路网中移动兴趣点(POIs)的查询处理是一个难点,目前的研究多基于欧氏距离对静态POIs进行处理,不能很好地适应移动环境下终端弱连接和频繁移动的需要.文中在公路网移动计算场景下,设计了一种存储分区数据对象的结构来表示公路网图形模型,提出适用于移动终端的连续KNN查询(CQ-KNN)算法.该算法改进了Wang等提出的MKNN算法,将逐层渐近探测和检索边列表结合起来进行近邻查询,避免了MKNN算法在限定层数不够却不得不执行范围查询时所带来的开销;同时使用缓存策略来支持移动终端提交的连续查询请求,并给出基于广播位置失效报告的缓存一致性维护策略.仿真结果表明,CQ-KNN算法较MKNN算法有更快的CPU处理速度和更短的网络响应延时,并且能支持移动终端的离线KNN近似查询.     

分布式数据查询优化算法的研究

分布式数据查询是分布式数据库管理系统的核心,而查询优化算法又是查询处理中的关键技术。分布式数据库管理系统的研究始于20世纪70年代中期,在30多年的发展中,取得了丰硕的成果。但由于分布式数据的分散性,使分布式数据查询比集中式数据查询复杂得多。本文对基于关系代数优化的算法进行了探讨和研究,并应用于实例,取得了较好的优化效果。     

分布式数据库中数据查询优化算法研究进展

分布式数据库中,数据的分散存放和冗余给故障恢复带来了方便,同时也使得分布式查询处理变得更加复杂,因此如何快速准确的查询用户想要的数据成了分布式数据库系统中的一个重要问题。介绍了分布式数据库的特点,详细阐述了常用的查询优化算法的思想,分析了优缺点,给出了算法选择的方法。     

基于J2EE的分布式数据库查询系统研究与应用

针对目前基于网络环境下的分布式查询需求,将J2EE技术与分布式数据库理论结合,提出基于J2EE的分布式数据库查询系统模型。文章还以固定资产查询系统为例,系统论述了基于J2EE的分布式数据库查询系统的开发过程,并重点研究其中的事务处理及查询优化问题,最后提出了适合系统需求的查询优化策略并加以分析。