CN104933190B - 一种sql语句执行频次动态调整方法 - Google Patents
一种sql语句执行频次动态调整方法 Download PDFInfo
- Publication number
- CN104933190B CN104933190B CN201510402260.6A CN201510402260A CN104933190B CN 104933190 B CN104933190 B CN 104933190B CN 201510402260 A CN201510402260 A CN 201510402260A CN 104933190 B CN104933190 B CN 104933190B
- Authority
- CN
- China
- Prior art keywords
- sql
- sql statement
- time
- frequency
- database
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2453—Query optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种SQL语句执行频次动态调整方法,包括如下步骤:a)监听客户端的发送请求,获取操作数据库的SQL语句;b)对获取的SQL语句进行解析和规整化处理,统一绑定变量;c)在数据库服务端定期采集各规整后SQL语句的执行频次;d)如果存在执行频次超过预设频次阀值的SQL语句,产生新的SQL语句重复步骤b),并将规整后的新SQL转发至数据库服务端运行。本发明无需关注开发阶段的绑定变量使用,无需修改代码,通过在中间层自动规整SQL,统一使用绑定变量,并定期采集数据值的分布情况,对SQL是否使用绑定变量进行动态调整,从而动态调整通道,以适应SQL频次波动情况,提升数据库处理性能。
Description
技术领域
本发明涉及一种数据库优化处理方法,尤其涉及一种SQL语句执行频次动态调整方法。
背景技术
在数据库系统运行过程中,经常出现以下两种情况:
1、SQL语句未使用绑定变量,每一个谓词的唯一值都有可能在查询时产生不同的SQL语句,多个谓词甚至产生笛卡尔积,导致同一个查询功能点产生数量极多的SQL语句,每个SQL的执行频次非常低,在数据库中重复解析,极大地增加了数据库负担,并产生内存碎片问题。
2、SQL语句使用了绑定变量,但是由于前台业务操作频繁,导致某一个SQL执行频次过高,会话尝试以共享模式来获得一个游标时,需要修改相应的Mutex结构的引用计数,产生了竞争和非空闲等待,影响了SQL的执行时间。
目前业界一般采用以下方法进行避免:
1、开发SQL时统一使用绑定变量,除谓词的值存在分布不均匀,且唯一值个数较小,需要每一个值对应不同的SQL,以稳定执行计划。
2、SQL使用绑定变量后,评估SQL的执行频次,如果频次较高,通过添加hint的方式,将同一个SQL的文本变为不同,使之在解析时成为不同的SQL。
目前的方式存在以下不足:
1、开发人员对数据库专业知识了解不够深入,版本上线管控难以完全到位,现在普遍各数据库系统中仍存在较多未使用绑定变量情况,但是改造工作涉及到代码变更,存在风险。
2、谓词值的分布情况会随着数据增长而改变,设计时考虑的不适用于改变后的情况。
3、SQL频次会随着业务增长而改变,设计时拆分SQL涉及到代码变更,无法动态调整。
发明内容
本发明所要解决的技术问题是提供一种SQL语句执行频次动态调整方法,能够对SQL是否使用绑定变量进行动态调整,并动态调整通道,以适应SQL频次波动情况,提升数据库处理性能。
本发明为解决上述技术问题而采用的技术方案是提供一种SQL语句执行频次动态调整方法,包括如下步骤:a)监听客户端的发送请求,获取操作数据库的SQL语句;b)对获取的SQL语句进行解析,将SQL中谓词条件进行规整化处理,统一绑定变量,并为统一规整化处理后SQL语句分配新的SQL_ID;c)在数据库服务端定期采集各规整后SQL语句的执行频次;d)如果存在执行频次超过预设频次阀值的SQL语句,产生新的SQL语句替换原有SQL语句,重复步骤b),并将规整化处理后的新SQL转发至数据库服务端运行。
上述的SQL语句执行频次动态调整方法,其中,所述步骤b)从ORACLE数据库中查询系统统计信息表视图DBA_TAB_COL_STATISTICS,采集字段NUM_DISTINCT获取SQL中涉及谓词的唯一值,如果SQL中涉及谓词的唯一值低于预设阀值,则不进行规整化处理。
上述的SQL语句执行频次动态调整方法,其中,所述步骤b)将SQL中谓词按如下方式统一绑定变量:未使用绑定变量的SQL,使用依次递增变量代码代替常量;已使用绑定变量的SQL,使用依次递增变量代码代替原绑定变量。
上述的SQL语句执行频次动态调整方法,其中,所述步骤b)按如下方式对统一规整化处理后SQL语句分配新的SQL_ID:对SQL语句通过md5方式进行散列,再对散列结果进行base32编码,每五位转换为一个Base32编码,转换后的Base32编码即为该SQL语句对应的SQL_ID。
上述的SQL语句执行频次动态调整方法,其中,所述步骤c)中SQL语句的执行频次freq采集计算如下:freq=EXECUTIONS/(LAST_ACTIVE_TIME-LAST_LOAD_TIME)*24*60;EXECUTIONS为该SQL语句的执行次数,LAST_ACTIVE_TIME为最后活动时间,LAST_LOAD_TIME为最后载入时间。
上述的SQL语句执行频次动态调整方法,其中,所述步骤d)中预设频次阀值的设置如下:遍历数据库中的节点,每个节点取所有前端业务对应的SQL语句的执行频次中间值,最后取所有节点的执行频次中间值的平均值作为预设频次阀值f。
上述的SQL语句执行频次动态调整方法,其中,所述步骤d)第n个节点的执行频次中间值mn的计算方法如下:b1)从数据库活动历史会话视图中获取EVENT="Cursor:Pin S"的所有SQL_ID和样例时间SAMPLE_TIME;b2)筛选数据库历史快照视图,条件为样例时间SAMPLE_TIME在快照开始时间BEGIN_INTERVAL_TIME和快照结束时间END_INTERVAL_TIME之间,且SQL_ID相等,得到SNAP_ID;b3)根据SNAP_ID和SQL_ID,得到数据库SQL历史状态视图中的执行次数EXECUTION_DELTA;b4)根据SNAP_ID,指定STAT_NAME="DB time",得到数据库历史情况统计视图中的统计值VALUE。
上述的SQL语句执行频次动态调整方法,其中,所述预设频次阀值f计算公式如下:
mn=DBA_HIST_SQLSTAT.EXECUTION_DELTA/(DBA_HIST_SNAPSHOT.END_INTERVAL_TIME-DBA_HIST_SNAPSHOT.BEGIN_INTERVAL_TIME);
wn=DBA_HIST_SYS_TIME_MODEL.VALUE;其中,DBA_HIST_SNAPSHOT为数据库历史快照视图,DBA_HIST_SQLSTAT为数据库SQL历史状态视图,DBA_HIST_SYS_TIME_MODEL为数据库历史情况统计视图。
本发明对比现有技术有如下的有益效果:本发明提供的SQL语句执行频次动态调整方法,无需关注开发阶段的绑定变量使用,无需修改代码,通过在中间层自动规整SQL,统一使用绑定变量,并定期采集数据值的分布情况,对SQL是否使用绑定变量进行动态调整,从而动态调整通道,以适应SQL频次波动情况,提升数据库处理性能。
附图说明
图1为本发明使用的数据库架构示意图;
图2为本发明SQL语句执行频次采集流程图;
图3为本发明SQL语句执行频次动态调整流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步的描述。
图1为本发明使用的数据库架构示意图。
请参见图1,本发明在客户端与数据库端连接之间设计中间层,在数据库端采集数据库及相关SQL运行信息,进行计算并存储在中间层中,当中间层接收客户端请求后,根据采集信息决定处理方式,并转发至数据库端。
请继续参见图2和图3,本发明提供的SQL语句执行频次动态调整方法,包括如下步骤:
S1、监听
接收客户端发送请求,获取操作数据库的SQL语句。
S2、SQL预处理
通过对SQL文本进行解析,将SQL中谓词条件进行规整化处理:
1)未使用绑定变量的SQL,使用:1,:2,:3等依次递增变量代码代替常量。
2)已使用绑定变量的SQL,使用:1,:2,:3等依次递增变量代码代替原绑定变量。
为保证执行计划稳定,SQL中涉及谓词的唯一值低于阀值时,该谓词条件不进行规整化处理。唯一值个数从ORACLE数据库中查询系统统计信息表视图DBA_TAB_COL_STATISTICS,采集字段为NUM_DISTINCT。
S3、SQL整合
对于已规整化SQL文本,通过md5方式进行散列,再对散列结果进行base32编码,每五位转换为一个Base32的编码,编码即为SQL文本对应的SQL_ID。
S4、通道处理
依据规整后的SQL在实际数据库中执行频次,当超过预设频次阀值f后,启用新通道,产生新的SQL替换原有SQL。创建数据结构存储各SQL通道信息。
SQL_ID | 规整后SQL ID |
CHL_SQL_ID | 通道中新分配SQL ID |
FREQ | 通道中SQL执行频次 |
S5、频次监控
每间隔10分钟,在数据库服务端采集各规整后SQL的执行频次。从ORACLE数据库中查询系统视图V$SQL_AREA,采集字段如下:
其中SQL_ID的执行频次(每分钟)计算公式为:
freq=EXECUTIONS/(LAST_ACTIVE_TIME-LAST_LOAD_TIME)*24*60
S6、转发
将经过规整,通道处理后的新SQL转发至数据库服务端运行,并接收结果数据集和执行结构,反馈客户端。
其中阀值f的计算依据为数据库中如下系统视图中数据:
DBA_HIST_ACTIVE_SESS_HISTORY(数据库活动历史会话视图)
SQL_ID | SQL散列标识 |
SAMPLE_TIME | 样例时间 |
EVENT | 等待事件 |
DBA_HIST_SNAPSHOT(数据库历史快照视图)
SQL_ID | SQL散列标识 |
SNAP_ID | 快照ID |
BEGIN_INTERVAL_TIME | 快照开始时间 |
END_INTERVAL_TIME | 快照结束时间 |
DBA_HIST_SQLSTAT(数据库SQL历史状态视图)
SQL_ID | SQL散列标识 |
SNAP_ID | 快照ID |
EXECUTION_DELTA | 执行次数 |
DBA_HIST_SYS_TIME_MODEL(数据库历史情况统计视图)
以上四个视图中均由INSTANCE_NUMBER数据标示在数据库中的节点,以下计算遍历各节点n(n为自然数),取每个节点的中间值mn,并对所所节点的中间值mn取平均值得到预设频次阀值f。
第n个节点中间值mn的计算方法如下:
1.从DBA_HIST_ACTIVE_SESS_HISTORY中获取EVENT="Cursor:Pin S"的所有SQL_ID和SAMPLE_TIME。一个由于频繁执行SQL共享解析时产生的竞争。当一个会话尝试以共享模式来获得一个游标时,需要修改相应的Mutex结构的引用计数,或者增加该计数,或者减少。修改引用技术的原子操作很快,但是在频繁解析的情况下,仍然产生了竞争和等待,由此就产生了Cursor:pin S的等待。
2.筛选DBA_HIST_SNAPSHOT,条件为SAMPLE_TIME在BEGIN_INTERVAL_TIME和END_INTERVAL_TIME之间,且SQL_ID相等,得到SNAP_ID。
3.根据SNAP_ID和SQL_ID,得到DBA_HIST_SQLSTAT的EXECUTION_DELTA。
4.根据SNAP_ID,指定STAT_NAME="DB time",得到DBA_HIST_SYS_TIME_MODEL的VALUE,DB time包括CPU时间、CPU队列时间、I/O时间和其他一系列非空闲等待时间。
预设频次阀值f计算公式如下:
mn=DBA_HIST_SQLSTAT.EXECUTION_DELTA/(DBA_HIST_SNAPSHOT.END_INTERVAL_TIME-DBA_HIST_SNAPSHOT.BEGIN_INTERVAL_TIME);
wn=DBA_HIST_SYS_TIME_MODEL.VALUE;
本发明具体SQL频次调整流程示例如下:
1)本发明可由中间层发起频次采集请求,对数据库服务端中各SQL的执行频次进行采集和监控。
2)数据库服务端响应请求,列出非系统内部SQL,即前端业务SQL。
3)以其中一条SQL为例,标记该SQL为A。SQL语句如下:
通过技术方案中各项指标及公式计算出频次freq=f1。
4)如果SQL A的频次f1大于0,更新至中间层数据结构中;如果频次等于0,则回收通道。本例中SQL为一个通道c1,还未划分新通道,数据结构填充数据如下:
SQL_ID | drs7x8pt48bcg |
CHL_SQL_ID | drs7x8pt48bcg |
FREQ | f1 |
本发明的具体SQL频次调整流程示例如下:
1)由客户端发起,当办理业务时,初始化数据源,并发送业务办理SQL至中间层。
2)中间层监听客户端请求,捕获到业务办理SQL。SQL文本如下:
3)按照技术方案所说明,对SQL中谓词条件进行规整化处理,如下:
通过散列及编码。生成规整后SQL_ID drs7x8pt48bcg。
4)查找中间层数据结构,SQL_ID为drs7x8pt48bcg。发现存在一个通道c1,该通道SQL执行频次为f1,大于阀值f;
SQL_ID | drs7x8pt48bcg |
CHL_SQL_ID | drs7x8pt48bcg |
FREQ | f1 |
创建新通道c2,将SQL修改为:
并重新生成新通道SQL ID rts6a43f49b3a,并更新数据结构:
SQL_ID | drs7x8pt48bcg |
CHL_SQL_ID | drs7x8pt48bcg |
FREQ | f1 |
SQL_ID | drs7x8pt48bcg |
CHL_SQL_ID | rts6a43f49b3a |
FREQ |
5)将通道c2SQL转发至数据库服务端,并执行,将执行结果返回客户端。
6)在频次采集流程中将继续对通道c2中SQL频次进行监控,更新中间层数据结构。
虽然本发明已以较佳实施例揭示如上,然其并非用以限定本发明,任何本领域技术人员,在不脱离本发明的精神和范围内,当可作些许的修改和完善,因此本发明的保护范围当以权利要求书所界定的为准。
Claims (8)
1.一种SQL语句执行频次动态调整方法,其特征在于,包括如下步骤:
a)监听客户端的发送请求,获取操作数据库的SQL语句;
b)对获取的SQL语句进行解析,将SQL中谓词条件进行规整化处理,统一绑定变量,并为统一规整化处理后SQL语句分配新的SQL_ID;
c)在数据库服务端定期采集各规整后SQL语句的执行频次;
d)如果存在执行频次超过预设频次阀值的SQL语句,产生新的SQL语句替换原有SQL语句,重复步骤b),并将规整化处理后的新SQL转发至数据库服务端运行。
2.如权利要求1所述的SQL语句执行频次动态调整方法,其特征在于,所述步骤b)从ORACLE数据库中查询系统统计信息表视图DBA_TAB_COL_STATISTICS,采集字段NUM_DISTINCT获取SQL中涉及谓词的唯一值,如果SQL中涉及谓词的唯一值低于预设阀值,则不进行规整化处理。
3.如权利要求1所述的SQL语句执行频次动态调整方法,其特征在于,所述步骤b)将SQL中谓词按如下方式统一绑定变量:未使用绑定变量的SQL,使用依次递增变量代码代替常量;已使用绑定变量的SQL,使用依次递增变量代码代替原绑定变量。
4.如权利要求1所述的SQL语句执行频次动态调整方法,其特征在于,所述步骤b)按如下方式对统一规整化处理后SQL语句分配新的SQL_ID:对SQL语句通过md5方式进行散列,再对散列结果进行base32编码,每五位转换为一个Base32编码,转换后的Base32编码即为该SQL语句对应的SQL_ID。
5.如权利要求1所述的SQL语句执行频次动态调整方法,其特征在于,所述步骤c)中SQL语句的执行频次freq采集计算如下:
freq=EXECUTIONS/(LAST_ACTIVE_TIME-LAST_LOAD_TIME)*24*60;
EXECUTIONS为该SQL语句的执行次数,LAST_ACTIVE_TIME为最后活动时间,LAST_LOAD_TIME为最后载入时间。
6.如权利要求1所述的SQL语句执行频次动态调整方法,其特征在于,所述步骤d)中预设频次阀值的设置如下:遍历数据库中的节点,每个节点取所有前端业务对应的SQL语句的执行频次中间值,最后取所有节点的执行频次中间值的平均值作为预设频次阀值f。
7.如权利要求6所述的SQL语句执行频次动态调整方法,其特征在于,所述步骤d)第n个节点的执行频次中间值mn的计算方法如下:
b1)从数据库活动历史会话视图中获取EVENT="Cursor:Pin S"的所有SQL_ID和样例时间SAMPLE_TIME;
b2)筛选数据库历史快照视图,条件为样例时间SAMPLE_TIME在快照开始时间BEGIN_INTERVAL_TIME和快照结束时间END_INTERVAL_TIME之间,且SQL_ID相等,得到SNAP_ID;
b3)根据SNAP_ID和SQL_ID,得到数据库SQL历史状态视图中的执行次数EXECUTION_DELTA;
b4)根据SNAP_ID,指定STAT_NAME="DB time",得到数据库历史情况统计视图中的统计值VALUE。
8.如权利要求7所述的SQL语句执行频次动态调整方法,其特征在于,所述预设频次阀值f计算公式如下:
<mrow>
<mi>f</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>w</mi>
<mi>i</mi>
</msub>
<msub>
<mi>m</mi>
<mi>i</mi>
</msub>
<mo>/</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>w</mi>
<mi>i</mi>
</msub>
<mo>;</mo>
</mrow>
mn=DBA_HIST_SQLSTAT.EXECUTION_DELTA/(DBA_HIST_SNAPSHOT.END_INTERVAL_TIME-DBA_HIST_SNAPSHOT.BEGIN_INTERVAL_TIME);
wn=DBA_HIST_SYS_TIME_MODEL.VALUE;
其中,DBA_HIST_SNAPSHOT为数据库历史快照视图,DBA_HIST_SQLSTAT为数据库SQL历史状态视图,DBA_HIST_SYS_TIME_MODEL为数据库历史情况统计视图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510402260.6A CN104933190B (zh) | 2015-07-10 | 2015-07-10 | 一种sql语句执行频次动态调整方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510402260.6A CN104933190B (zh) | 2015-07-10 | 2015-07-10 | 一种sql语句执行频次动态调整方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104933190A CN104933190A (zh) | 2015-09-23 |
CN104933190B true CN104933190B (zh) | 2018-04-17 |
Family
ID=54120357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510402260.6A Active CN104933190B (zh) | 2015-07-10 | 2015-07-10 | 一种sql语句执行频次动态调整方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104933190B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106202403B (zh) * | 2016-07-11 | 2020-03-20 | 浪潮通用软件有限公司 | 一种通过动态分析创建数据库索引的方法 |
CN108628975B (zh) * | 2018-04-25 | 2020-08-21 | 上海达梦数据库有限公司 | 一种数据库sql语句优化方法及装置 |
CN109344037B (zh) * | 2018-10-10 | 2022-02-11 | 四川新网银行股份有限公司 | 一种基于实时统计与告警公式的业务监控方法 |
CN113886415B (zh) * | 2020-07-03 | 2023-02-07 | 金篆信科有限责任公司 | 分布式存储过程的运行方法、电子设备及存储介质 |
CN114880394B (zh) * | 2022-04-25 | 2024-05-10 | 浪潮卓数大数据产业发展有限公司 | 一种sql脚本的共享方法、设备及介质 |
CN116010668B (zh) * | 2023-03-22 | 2023-06-20 | 北京滴普科技有限公司 | 一种应用于数据库的快速检索方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101453358A (zh) * | 2007-12-06 | 2009-06-10 | 北京启明星辰信息技术股份有限公司 | 一种oracle数据库绑定变量的sql语句审计方法及系统 |
CN103390066A (zh) * | 2013-08-08 | 2013-11-13 | 上海新炬网络技术有限公司 | 一种数据库全局性自动化优化预警装置及其处理方法 |
CN104714984A (zh) * | 2013-12-17 | 2015-06-17 | 中国移动通信集团湖南有限公司 | 一种数据库优化的方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7092931B1 (en) * | 2002-05-10 | 2006-08-15 | Oracle Corporation | Methods and systems for database statement execution plan optimization |
US20050138015A1 (en) * | 2003-09-06 | 2005-06-23 | Oracle International Corporation | High load SQL driven statistics collection |
-
2015
- 2015-07-10 CN CN201510402260.6A patent/CN104933190B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101453358A (zh) * | 2007-12-06 | 2009-06-10 | 北京启明星辰信息技术股份有限公司 | 一种oracle数据库绑定变量的sql语句审计方法及系统 |
CN103390066A (zh) * | 2013-08-08 | 2013-11-13 | 上海新炬网络技术有限公司 | 一种数据库全局性自动化优化预警装置及其处理方法 |
CN104714984A (zh) * | 2013-12-17 | 2015-06-17 | 中国移动通信集团湖南有限公司 | 一种数据库优化的方法和装置 |
Non-Patent Citations (1)
Title |
---|
绑定变量对医院信息系统执行效率影响分析;王文翠等;《解放军医院管理杂志》;20120830;第19卷(第8期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN104933190A (zh) | 2015-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104933190B (zh) | 一种sql语句执行频次动态调整方法 | |
US10120902B2 (en) | Apparatus and method for processing distributed relational algebra operators in a distributed database | |
US9589041B2 (en) | Client and server integration for replicating data | |
US9031932B2 (en) | Automatic denormalization for analytic query processing in large-scale clusters | |
US11971793B2 (en) | Machine learning model-based dynamic prediction of estimated query execution time taking into account other, concurrently executing queries | |
US20160292167A1 (en) | Multi-system query execution plan | |
JP2013137763A (ja) | 生存ルールによるソースレコードをマージするためのシステムおよび方法 | |
US8150836B2 (en) | System, method, and computer-readable medium for reducing row redistribution costs for parallel join operations | |
CN111512283B (zh) | 数据库中的基数估算 | |
EP3929763B1 (en) | Database access methods and apparatuses | |
EP3413214A1 (en) | Selectivity estimation for database query planning | |
CN104834754A (zh) | 一种基于连接代价的sparql语义数据查询优化方法 | |
US20150186243A1 (en) | Apparatus and method for enabling a user to monitor skew of resource usage across different components of a large database system | |
US20190213188A1 (en) | Distributed computing framework and distributed computing method | |
US20160092134A1 (en) | Scalable, multi-dimensional search for optimal configuration | |
US10282351B2 (en) | Using statistics for database partition pruning on correlated columns | |
CN113656377A (zh) | 数据迁移的自动匹配方法、装置、计算机设备及存储介质 | |
EP3168791A1 (en) | Method and system for data validation in knowledge extraction apparatus | |
US10120898B1 (en) | Apparatus and method for allowing complex aggregates in analytical views in a distributed database | |
EP3657347A1 (en) | Machine learning based database anomaly prediction | |
US20200372019A1 (en) | System and method for automatic completion of queries using natural language processing and an organizational memory | |
US6957209B1 (en) | Sizing servers for database management systems via user defined workloads | |
US20180121509A1 (en) | Information processing device, information processing method, and recording medium | |
JP6812321B2 (ja) | データベース管理装置、データベース管理方法、及びデータベース管理プログラム | |
CN106649754B (zh) | 一种数据仓库性能测试方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: Qingpu 201707 waiqingsong road Shanghai City, No. 588 Lane 7548 Building 1 R zone 1 room 113 Applicant after: Shanghai new torch network information technology Limited by Share Ltd Address before: 200063 Shanghai, Zhongshan North Road, No. 2000, building, building No. 3, B Applicant before: SHANGHAI XINJU NETWORK INFORMATION TECHNOLOGY CO., LTD. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |