CN105408883B

CN105408883B - 数据库表列注解

Info

Publication number: CN105408883B
Application number: CN201380076133.0A
Authority: CN
Inventors: H.B.N.特兰; L.斯里尼瓦斯; K.M.曼恩
Original assignee: Antite Software Co Ltd
Current assignee: Weifosi Co., Ltd
Priority date: 2013-04-30
Filing date: 2013-04-30
Publication date: 2018-09-11
Anticipated expiration: 2033-04-30
Also published as: CN105408883A; US20160078070A1; WO2014178843A1; US10248620B2; EP2992447A1; EP2992447A4

Abstract

根据一个示例，数据库约束生成可以包括：接收与数据库中表有关的数据，分析该数据以确定针对该表的列的行计数，以及分析该数据以确定针对该表的列的不同值数目。可以通过将行计数与不同值数目进行比较来确定该比较值。该数据库约束生成还可以包括确定该比较值是否在阈值内。如果该比较值在阈值内，注释可以被添加到该表的列，使得在涉及该表的基数估计过程期间，该列被看作是唯一的。

Description

数据库表列注解

背景技术

数据库（诸如关系数据库）通常包括用于响应于查询而被分析的表。例如，对于关系数据库，通常使用关系模型形式上描述和组织数据项的表的集合。表可以包括列约束，诸如唯一键（unique key）、主键（primary key）或外键（foreign key）。例如，唯一键可以包括表中数据实体的一个或多个数据属性。主键可以唯一指定表内的元组（tuple），因为，主键唯一地定义表的每一行的特性。外键是与另一个表的主键列相匹配的关系表中的字段。

附图说明

本公开的特征在以下的（多个）图中通过示例的方式来图示，并且不局限于该（多个）图中，其中相同的数字指示相同的要素，其中：

图1图示了根据本公开的示例的数据库约束生成设备的架构；

图2图示了根据本公开的示例的商店表；

图3图示了根据本公开的示例的销售额表；

图4图示了根据本公开的示例的供应项表；

图5图示了根据本公开的示例的在图2的商店表和图3的销售额表之间的联结（join）后的中间结果；

图6图示了根据本公开的示例的在图2的商店表和图4的供应表之间的联结后的中间结果；

图7图示了根据本公开的示例的用于数据库约束生成的方法；以及

图8图示了根据本公开的示例的计算机系统。

具体实施方式

为了简单和说明性的目的，通过主要参照示例来描述本公开。在以下描述中，阐述了众多具体细节以便提供对本公开的透彻理解。然而，将显而易见的是，可以在不限于这些具体细节的情况下实践本公开。在其他实例中，尚未详细描述的一些方法和结构以免不必要地使本公开晦涩。

遍及本公开，术语“一”和“一个”意在表示特定要素中的至少一个。如本文所使用的，术语“包括”意指包括但不限于，术语“包括了”意指包括了但不限于。术语“基于”意指至少部分地基于。

对于通常包括用于响应于查询而被分析的表的数据库（诸如关系数据库），关于表列约束的信息（例如唯一键、主键和外键）通常对于优化查询性能而言是需要的。当这样的表被填充时，添加表列约束可能是繁重的。因此，表生成者（例如，用户）可能避免在数据库设计期间使用这种表列约束，或者无法将现有约束作为部分输入数据导出到数据库。如果有意或者无意地省略这样的表列约束，则确定对于查询性能方面降低的确切原因以及通过添加表列约束来对该情况进一步补救可能是具有挑战性且耗时的。

根据一个示例，在本文中公开了一种数据库约束生成设备以及一种用于数据库约束生成的方法。本文所公开的装置和方法可以推断出表注释，其在下文称为“软唯一（soft-unique）约束”。本文所公开的设备和方法还可以使用该推断结果来指导数据库中的查询规划，从而显著提高查询性能。

根据一个示例，该数据库约束生成设备可包括存储器，其存储用以进行下述操作的机器可读指令：接收与数据库中的表有关的数据，分析所述数据以确定针对所述表的列的行计数，以及分析所述数据以确定针对所述表的列的不同值数目。所述存储器还可以存储用以进行下述操作的机器可读指令：通过将所述行计数和所述不同值数目进行比较来确定比较值，以及确定所述比较值是否在阈值内。如果比较值在阈值内，则可以将注释添加到所述表的列，以在对所述列的数据插入或更新时限制所述列的唯一属性的实施。所述数据库约束生成设备可以包括用以实现所述机器可读指令的处理器。

根据另一示例，用于数据库约束生成的方法可以包括：接收与数据库中表有关的数据，分析所述数据以确定针对所述表的列的行计数，以及分析所述数据以确定针对所述表的列的不同值数目。可以通过将所述行计数与所述不同值数目进行比较来确定比较值。所述方法还包括确定所述比较值是否在阈值内。如果所述比较值在阈值内，则可以将注释添加到所述表的列，使得在涉及所述表的基数估计过程期间将所述列看作是唯一的。

图1图示了根据一个示例的数据库约束生成设备100的架构。参照图1，设备100被描绘为包括数据库分析模块101，其用以从例如与表103（即表1-N）有关的数据库102接收数据。行计数确定模块104可以分析表103，以确定针对每个表103的行计数。不同值数目确定模块105可以分析表103，以确定针对每个表103的每一列的不同值数目。替换地，行计数确定模块104和不同值数目确定模块105可以对数据库102的表103和/或所选的列执行相应的分析。行计数和不同值数目比较模块106可以通过将针对来自表103的一个表的特定列的行计数和不同值数目进行比较来确定针对该特定列的数据是否是唯一的。注释添加模块107可以从行计数和不同值数目比较模块106接收比较数据，并且确定接收到的比较数据是否在阈值108内。这样，注释添加模块107可以确定从行计数确定模块104接收到的行计数是否在从不同值数目确定模块105接收到的不同值数目的预定阈值百分比内（即阈值108内）。此外，可以基于与行计数和不同值数目之间的百分比差（例如，5％的差）有关的用户输入来配置阈值108。如果接收到的比较数据在阈值108内，则注释添加模块107可以添加表注释109，其在下文被称为对适当列（即，下述列：在该列处行计数与所估计的不同值数目近似匹配（即在阈值108之内））的软唯一约束。

模块101和104-107以及设备100的执行设备100中各种其他功能的其他组件，可以包括存储在非临时性计算机可读介质上的机器可读指令。此外，或替代地，模块101和104-107，以及设备100的其他组件可以包括硬件或机器可读指令与硬件的组合。

参照图1-3，图2和3分别图示了根据本公开的示例的商店表120和销售额表140。在数据库（诸如数据库102）中，联结可被用于过滤数据。例如，参照商店表120和销售额表140，按季度得出针对马塞诸塞州（MA）中所有商店的平均销售额可能涉及到在针对马塞诸塞州商店的过滤的情况下的商店表120和销售额表140之间的联结。对于这样的查询，外键-主键（FK-PK）约束可能是查询优化器用来估计基数（即，联结结果的基数）的属性。针对商店表120和销售额表140的基数基于针对这些表的行数分别为5和7。对于存储表120，主键为ID列，其包括唯一的ID 1-5。此外，对于销售额表140，外键是商店ID（store_ID）列，其引用商店表120的ID列。

FK-PK联结可以被指定为多对一（m-1）联结，不管所涉及的PK-表的大小如何，其基数不高于所涉及的FK-定义的表的基数。例如，对于存储表120和销售额表140，马萨诸塞州的销售记录数量不能高于销售记录的总数。在没有对联结列的约束的情况下，该联结可以变为多对多（m-m）联结，其基数可以高达两个所涉及的表的笛卡尔乘积（即，行的乘积）。 m-1联结的基数估计一般被看作比m-m联结的基数估计更准确。对于将成为m-1联结的联结，该表需要在联结列上是唯一的（例如，商店表120）。然而，表的列不需要被定义为主键，或者其他表的列不需要被定义为外键。

再次参照图1-3和5, 图5图示了根据本公开的示例的在完成由列“名称（Name）”和“州（State）”所分组的“合计（价格）”之前，在商店表120和销售额表140之间的联结后的中间结果。为了使用商店表120和销售额表140来确定针对每个商店的总销售额（即表160）的值，商店表120和销售额表140可以通过以下SQL查询来被处理：

Select state, name, sum (price)

From store, sales

Where store.id = sales.store_id

Group by name, state。

得到的每个商店的总销售额可以包括7行（即基于多对一（m-1）联结）。换句话说，对于每个商店的总销售额表160，对于多对一联结，无论所涉及的PK-表（例如，商店表120）的大小如何，基数（例如7）不高于所涉及的FK-定义的表（例如，销售额表140 ）的基数。参照每个商店的总销售额表160，结果（即州、名称、总计（价格））如下：

1) MA, S1, ((52 + 11 + 100) = 163)

2) MA, S2, 10

3) NH, S1, 20

4) NH, S2, 50

5) NH, S4, 25。

再次参照图1-3、4 和6，图4和6分别图示了根据本公开的示例的供应项表180以及在完成由列“名称”分组的合计（# 供应项（#supply_items））之前，在商店表120和供应表180之间的联结后的中间结果。供应项表180包括7行。此外，对于供应项表180，表180中的值基于下述假设：相同名称商店将在同一天收到相同数目的供应项（supply_items）。为了确定针对相同名称商店处的总供应项表200的值，商店表120和供应项表180可以通过以下SQL查询来被处理：

Select sum (# supply_items)

From store, supply_item

Where store.name = supply_item.name

Group by name。

得到的相同名称商店处的总供应项表200可以包括13行（即基于多对多（m-m）联结）。然而，由于这是多对多联结，该多对多联结的基数可以高达35（即用于商店表120的5行乘以用于供应项表180的7行）。用于这个示例的多对多联结的基数13与最高可能基数35是显著不同的。参照相同名称商店处的总供应项表200，结果如下：

1) S1, ((300 + 300 + 200 + 200 + 500 + 500 + 400 + 400) = 2800)

2) S2, ((1000 + 1000 + 100 + 100 ) = 2200)

3) S4, 50。

基于参照图2-6的上述示例，在没有针对商店表120、销售额表140和/或供应项表180的FK-PK约束的情况下（即在适当的时候），使用这些表的联结可以变为m-m联结。例如，如上文所讨论的，在没有对联结列的约束的情况下，该联结可以变为多对多（m-m）联结，其基数可以高达两个所涉及的表的笛卡尔乘积，并且因此例如通过不正确地估计该联结的基数而延迟查询处理。

为了标识FK-PK约束，包括唯一数据的表103的列可以由数据库分析模块101来标识。例如，数据库分析模块101可以分析数据库102的表103上的统计信息。更特别地，数据库分析模块101可以从所有列采样数据并构建直方图来捕获数据分布。这一过程可以用于收集每一列的不同值数目和行计数。基于统计信息的分析，如果特定列的不同值数目和行计数是相等的，则该列的数据可以被确定为是唯一的。因此，可以在这样的列上创建主键或唯一键约束。例如，对于商店表120、销售额表140和供应项表180的前述示例，数据库分析模块101可以分析这些表上的统计信息。这一过程可以用来收集商店表120、销售额表140和供应项表180的每一列的不同值数目和行计数。在分析统计信息后，如果特定列的不同值数目和行计数是相等的，则该列的数据（例如，商店表120的ID列）可以被确定为是唯一的。

然而，如果从数据的样本计算针对列的不同值数目，则这样的计算可能包括不准确性。例如，采样过程可能省略了几个重复值。此外，即使在分析统计信息时列中的所有数据是唯一的，该数据在附加数据插入到表中之后也可能不会保持唯一。例如，对于商店表120的前述示例，假设商店表120的ID列包括100行，并且针对ID列的不同值数目是从数据的样本（例如50行）所计算的，则这样的计算可能包括不准确性（例如，如果其他50行中的某些行包括重复ID）。

为了解决例如与几个重复值的省略和附加数据的插入有关的前述方面，通过考虑在基数估计过程期间唯一的列，并且在对表的特定列的插入或更新时进一步限制唯一属性（例如唯一键或主键）的实施，注释添加模块107可以在表（例如，表103中的一个）的列上添加注释。例如，在联结结果的基数估计过程期间，列可以被看作是唯一的。例如，对于商店表120的前述示例，假设商店表120的ID列包括100行，对于这100行，某些行包括重复的ID，在针对联结结果的基数估计过程期间，ID列可以被看作是唯一的。此外，对于商店表120的前述示例，再次假设商店表120的ID列包括100行，在对ID列的插入或更新时唯一属性（例如唯一键或主键）不被实施。而是，注释添加模块107可以在表的列（例如，可能包括重复的用于商店表120的ID列）上添加注释。

注释添加模块107还可以在行计数与所估计的不同值数目近似匹配（即在阈值108之内）的列上添加注释。阈值108可以是用户可配置的或基于表103中数据的类型所预先确定的。例如，用户可以将阈值108配置在近似5％，使得注释添加模块107可以在行计数在所估计的不同值数目的近似5%之内的列上添加注释。

图7图示了用于数据库约束生成的方法300的流程图，该方法300对应于其构造在上文中被详细描述的数据库约束生成设备100的示例。方法300可以以示例而非限制的方式被实现在关于图1的数据库约束生成设备100上。方法300可以实践于其他设备中。

参照图7，对于方法300，在块301处，可以接收与数据库中的表有关的数据。例如，参照图1，数据库分析模块101可以从例如与表103（即表1-N）有关的数据库102接收数据。

在块302处，可以分析该数据以确定针对该表的列的行计数。例如，参照图1，行计数确定模块104可以分析表103以确定针对每个表103的行计数。

在块303处，可以分析该数据以确定针对该表的列的不同值数目。例如，参照图1，不同值数目确定模块105可以分析表103以确定针对每个表103的每一列的不同值数目。

在块304处，可以通过将行计数与不同值数目进行比较来确定比较值。例如，参照图1，行计数和不同值数目比较模块106可以通过将针对来自表103的一个表的特定列的行计数和不同值数目进行比较来确定针对该特定列的数据是否是唯一的。通过将行计数与不同值数目进行比较来确定比较值还可以包括基于行计数和不同值数目之间的差来将比较值确定为百分数值。

在块305处，做出比较值是否在阈值内的确定。例如，参照图1，注释添加模块107可以从行计数和不同值数目比较模块106接收比较数据，并且确定接收到的比较数据是否在阈值108内。阈值可以近似大于0%，或者可以基于与行计数和不同值数目之间的百分比差有关的用户输入来配置。

在块306处, 如果比较值在阈值内，则注释可以被添加到该表的列，使得在涉及该表的基数估计过程期间，该列被看作是唯一的。例如，参照图1, 如果接收到的比较数据在阈值108内，则注释添加模块107可以在行计数与所估计的不同值数目近似匹配（即在阈值108之内）的适当列上添加注释109（即软唯一约束）。将注释添加到该表的列还可以包括在对该列的数据插入或更新时，限制该列的唯一属性的实施。在对该列的数据插入或更新时限制该列的唯一属性的实施还可以包括在对该列的数据插入或更新时，限制该列的唯一键或主键的实施。

图8示出了可以与本文所描述的示例一起使用的计算机系统400。计算机系统表示一个通用平台，其包括可以处于服务器或其他计算机系统中的组件。计算机系统400可以用作用于设备100的平台。计算机系统400可以由本文所描述的处理器或其他硬件处理电路、方法、功能和其他过程来执行。这些方法、功能和其他过程可以被体现为存储在计算机可读介质上的机器可读指令，该计算机可读介质可以是非临时性的，诸如硬件存储装置（例如，RAM（随机存取存储器）、ROM（只读存储器）、EPROM（可擦除可编程ROM）、EEPROM（电可擦除可编程ROM）、硬盘驱动器、和闪存）。

计算机系统400包括处理器402，其可以实现或者执行机器可读指令，该机器可读指令实行本文所描述的方法、功能和其他过程中的一些或全部。来自处理器402的命令和数据通过通信总线404来传送。计算机系统还包括主存储器406和副数据存储装置408，该主存储器406诸如是随机存取存储器（RAM），在那里，用于处理器402的机器可读指令和数据可以在运行时间期间驻留，该副数据存储装置408可以是非易失性的并且存储机器可读指令和数据。存储器和数据存储装置是计算机可读介质的示例。存储器406可以包括数据库约束生成模块420，该数据库约束生成模块420包括运行时间期间驻留在存储器406中且由处理器402执行的机器可读指令。数据库约束生成模块420可以包括图1中所示的设备的模块101和104-107。

计算机系统400可以包括I / O装置410，诸如键盘、鼠标、显示器等。计算机系统可以包括用于连接到网络的网络接口412。在计算机系统中其他已知的电子组件可以被添加或被取代。

本文所已经描述和说明的是示例以及其一些变化。本文所使用的术语、描述和附图仅通过说明的方式来阐述，并且不意味着限制。在本主题的精神和范围内许多变化是可能，本主题的精神和范围意图由所附权利要求（以及其等同方式）来限定，权利要求中的所有术语以其最宽泛的合理意义来表示含义，除非另有指示。

Claims

1.一种用于数据库约束生成的方法，所述方法包括：

接收与数据库中的表有关的数据；

分析所述数据以确定针对所述表的列的行计数；

分析所述数据以确定针对所述表的列的不同值数目；

通过将所述行计数与所述不同值数目进行比较来确定比较值；

确定所述比较值是否在阈值内；以及

如果所述比较值在阈值内，由处理器将注释添加到所述表的列，使得在涉及所述表的基数估计过程期间，所述列被看作是唯一的。

2.如权利要求1所述的方法，其中，将所述注释添加到所述表的列还包括：

在对所述列的数据插入或更新时限制所述列的唯一属性的实施。

3.如权利要求2所述的方法，其中在对所述列的数据插入或更新时限制所述列的唯一属性的实施还包括：

在对所述列的数据插入或更新时，限制所述列的唯一键或主键的实施。

4.如权利要求1所述的方法，其中分析所述数据以确定针对所述表的列的不同值数目还包括：

分析所述数据以确定针对所述表的每一列的不同值数目。

5.如权利要求1所述的方法，其中通过将所述行计数与不同值数目进行比较来确定比较值还包括：

基于所述行计数和不同值数目之间的差来将所述比较值确定为百分数值。

6.根据权利要求1所述的方法，其中，所述阈值近似大于0%。

7.如权利要求1所述的方法，还包括：

基于与所述行计数和不同值数目之间的百分比差有关的用户输入来配置所述阈值。

8.一种数据库约束生成设备，包括：

存储器，其存储用以进行以下操作的机器可读指令：

接收与数据库中的表有关的数据；

分析所述数据以确定针对所述表的列的行计数；

分析所述数据以确定针对所述表的列的不同值数目；

确定所述比较值是否在阈值内；以及

如果比较值在阈值内，则将注释添加到所述表的列，以便在对所述列的数据插入或更新时限制所述列的唯一属性的实施；以及

处理器，用以实现所述机器可读指令。

9.如权利要求8所述的数据库约束生成设备，其中为了将注释添加到所述表的列，所述机器可读指令还用以：

在涉及所述表的基数估计过程期间将所述列看作是唯一的。

10.如权利要求8所述的数据库约束生成设备，其中为了在对所述列的数据插入或更新时限制所述列的唯一属性的实施, 所述机器可读指令还用以：

11.如权利要求8所述的数据库约束生成设备，其中为了分析所述数据以确定针对所述表的列的不同值数目, 所述机器可读指令还用以：

分析所述数据以确定针对所述表的每一列的不同值数目。

12.如权利要求8所述的数据库约束生成设备，其中为了通过将所述行计数与所述不同值数目进行比较来确定比较值, 所述机器可读指令还用以：

基于所述行计数与所述不同值数目之间的差来将所述比较值确定为百分数值。

13.如权利要求8所述的数据库约束生成设备，其中，所述阈值近似大于0%。

14.如权利要求8所述的数据库约束生成设备，所述机器可读指令还用以：

15.一种非临时性计算机可读介质，具有存储于其上的机器可读指令以提供数据库约束生成，所述机器可读指令在被执行时使计算机进行以下操作：

接收与数据库中的表有关的数据；

分析所述数据以确定针对所述表的列的行计数；

分析所述数据以确定针对所述表的列的不同值数目；

确定所述比较值是否在阈值内；以及

如果所述比较值在阈值内，由处理器将注释添加到所述表的列，以便：

在对所述列的数据插入或更新时限制所述列的唯一属性的实施，以及

在涉及所述表的基数估计过程期间将所述列看作是唯一的。