JP2016126770A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2016126770A5 JP2016126770A5 JP2015242282A JP2015242282A JP2016126770A5 JP 2016126770 A5 JP2016126770 A5 JP 2016126770A5 JP 2015242282 A JP2015242282 A JP 2015242282A JP 2015242282 A JP2015242282 A JP 2015242282A JP 2016126770 A5 JP2016126770 A5 JP 2016126770A5
- Authority
- JP
- Japan
- Prior art keywords
- index
- query
- numerical values
- database
- clustering
- 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.)
- Granted
Links
- 238000004590 computer program Methods 0.000 claims 4
- 239000011159 matrix material Substances 0.000 claims 3
- 238000010845 search algorithm Methods 0.000 claims 3
- 230000000875 corresponding Effects 0.000 claims 2
- 238000004364 calculation method Methods 0.000 claims 1
- 238000003064 k means clustering Methods 0.000 claims 1
Claims (11)
- 基準クエリとのターゲットクエリの類似性に基づいて、データベースにおける前記ターゲットクエリの実行時間を予測するための前記データベースにおいて前記基準クエリをクラスタリングするコンピュータにより実行される方法であって、
前記基準クエリの前記実行時間を表す数値(x1,…,xn)の数(n)を設けるステップと、
予め定められた数(K)のクラスタに対する前記数値の最適K平均クラスタリングを算出するステップであって、前記算出するステップは、前記予め定められた数のクラスタに対応する回数、前記数値の数に等しい次数(n)の正方行列(H)に適用される線形時間行最小検索アルゴリズムを反復するステップを含む、ステップと、
前記数値の前記算出されたクラスタリングに従って、前記基準クエリをクラスタリングするステップと
を備えたことを特徴とする方法。 - 前記数値(x1,…,xn)は、記憶およびインデックス付けされ、前記算出するステップ内で反復することは、各々のそれぞれの反復ランク(k)において、ならびに前記数値の数(n)未満のそれぞれのインデックス(j)ごとに、前記正方行列(H)に適用される前記線形時間行最小検索アルゴリズムに従って、前記それぞれの反復ランク(k)に対応するクラスタの数で、前記それぞれのインデックス(i<=j)よりも低くインデックス付けされた数値(xi)のサブセットに対して達成可能な最小全歪み(TDmin(j,k))の算出を含む、ことを特徴とする請求項1に記載の方法。
- 各々のそれぞれの反復ランク(k)において、および前記数値の数(n)未満のそれぞれのインデックス(j)ごとに、行インデックス(i)ごと、および列インデックス(j)ごとに、行列エントリ(H(i,j))は、
前記行インデックスに先行するインデックス(i−1)に対する前の反復において算出された最小全歪み(TDmin(i−1,k−1))、および
前記行インデックスと前記列インデックスとの間の前記数値の連続するサブセット(xi,…,xj)の歪み(disto(i,j))
の合計に対応する、ことを特徴とする請求項2に記載の方法。 - 前記方法は、各々のそれぞれの反復ランク(k)において、前記行最小検索アルゴリズムによって返されるインデックス(Cutmin(j,k))を記憶するステップをさらに備えている、ことを特徴とする請求項3に記載の方法。
- 前記方法は、前記算出するステップにおいて、前記記憶されたインデックスから最適クラスタリングを判定するステップをさらに備えている、ことを特徴とする請求項4に記載の方法。
- 前記記憶されたインデックスから前記最適クラスタリングを判定するステップは、前記記憶されたインデックス(Cutmin)における最後にインデックス付けされた数値(Cutmin(n,K))から開始して、前記数値を反復して区分化するステップを備え、各々のそれぞれの反復ランク(q)において、現在形成されているクラスタの開始数値のインデックスは、前記算出するステップ内での反復の間に、前記予め定められた数のクラスタから、前記現在形成されているクラスタの最後にインデックス付けされた数値の前記インデックスに等しい前記行インデックスに対するそれぞれの反復ランク(q)を引いたのに等しいランク(K−q)の反復において、記憶されたインデックスに等しい、ことを特徴とする請求項5に記載の方法。
- データベースにおいてターゲットクエリの実行時間を予測する方法であって、
請求項1乃至6のいずれか一項に記載の方法によって取得可能な前記データベースにおける基準クエリのクラスタリング、および前記基準クエリの前記実行時間を提供するステップと、
前記基準クエリとの前記ターゲットクエリの類似性に基づいて、前記ターゲットクエリを前記クラスタリングのクラスタに関連付けるステップと、
前記ターゲットクエリに関連付けられた前記クラスタの前記基準クエリの前記実行時間に従って、前記ターゲットクエリの前記実行時間を予測するステップと
を備えたことを特徴とする方法。 - コンピュータによって実行されるとき、前記コンピュータに、請求項1乃至7のいずれか一項に記載の方法を実行させるためのコンピュータ実行可能命令を備えたことを特徴とするコンピュータプログラム。
- 請求項8に記載のコンピュータプログラムを記憶したことを特徴とするデータ記憶媒体。
- メモリに結合されたプロセッサを備えたシステムであって、前記プロセッサは、前記メモリに記憶された、請求項8に記載の前記コンピュータプログラムを実行するように構成されていることを特徴とするシステム。
- 前記メモリはデータベースをさらに記憶し、前記プロセッサは、前記データベースにおける基準クエリおよび/または前記データベースにおけるターゲットクエリ上で前記コンピュータプログラムを実行するように構成されていることを特徴とする請求項10に記載のシステム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP14307192.6A EP3038018A1 (en) | 2014-12-27 | 2014-12-27 | Clustering database queries for runtime prediction |
EP14307192.6 | 2014-12-27 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2016126770A JP2016126770A (ja) | 2016-07-11 |
JP2016126770A5 true JP2016126770A5 (ja) | 2019-01-24 |
JP6673683B2 JP6673683B2 (ja) | 2020-03-25 |
Family
ID=52396394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015242282A Active JP6673683B2 (ja) | 2014-12-27 | 2015-12-11 | 実行時間予測のためのデータベースクエリのクラスタリング |
Country Status (4)
Country | Link |
---|---|
US (1) | US10191967B2 (ja) |
EP (1) | EP3038018A1 (ja) |
JP (1) | JP6673683B2 (ja) |
CN (1) | CN105740312B (ja) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9959354B2 (en) * | 2015-06-23 | 2018-05-01 | Google Llc | Utilizing user co-search behavior to identify search queries seeking inappropriate content |
US11249995B2 (en) * | 2016-12-30 | 2022-02-15 | Salesforce.Com, Inc. | Techniques and architectures for providing and operating an application-aware database environment with predictive execution of queries and query flows |
US11120021B2 (en) * | 2017-01-11 | 2021-09-14 | Facebook, Inc. | Systems and methods for optimizing queries |
CN106991006B (zh) * | 2017-03-30 | 2018-05-15 | 浙江天正信息科技有限公司 | 支持依赖和时间平衡的云工作流任务聚类方法 |
US11372858B2 (en) * | 2017-05-18 | 2022-06-28 | Oracle International Corporation | Estimated query performance |
CN107491508B (zh) * | 2017-08-01 | 2020-05-26 | 浙江大学 | 一种基于循环神经网络的数据库查询时间预测方法 |
CN108052614B (zh) * | 2017-12-14 | 2021-12-03 | 太原理工大学 | 一种数据库系统负载的调度方法 |
US11100555B1 (en) * | 2018-05-04 | 2021-08-24 | Coupa Software Incorporated | Anticipatory and responsive federated database search |
US11586939B2 (en) * | 2019-02-28 | 2023-02-21 | Entigenlogic Llc | Generating comparison information |
US11327970B1 (en) | 2019-03-25 | 2022-05-10 | Amazon Technologies, Inc. | Context dependent execution time prediction for redirecting queries |
US11308100B2 (en) | 2019-06-25 | 2022-04-19 | Amazon Technologies, Inc. | Dynamically assigning queries to secondary query processing resources |
US11416270B2 (en) * | 2020-03-11 | 2022-08-16 | Td Ameritrade Ip Company, Inc. | Systems and methods for dynamic server control based on estimated script complexity |
US11314561B2 (en) | 2020-03-11 | 2022-04-26 | UiPath, Inc. | Bottleneck detection for processes |
US11537616B1 (en) | 2020-06-29 | 2022-12-27 | Amazon Technologies, Inc. | Predicting query performance for prioritizing query execution |
CN112256725A (zh) * | 2020-11-06 | 2021-01-22 | 山东伏羲智库互联网研究院 | 一种基于gpu和cpu的相似数据查询方法及系统 |
CN112397146B (zh) * | 2020-12-02 | 2021-08-24 | 广东美格基因科技有限公司 | 一种基于云平台的微生物组学数据交互分析系统 |
US11741101B2 (en) | 2020-12-15 | 2023-08-29 | International Business Machines Corporation | Estimating execution time for batch queries |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US1543036A (en) | 1924-10-10 | 1925-06-23 | Lawrence H Taylor | Domestic press |
US5694591A (en) | 1995-05-02 | 1997-12-02 | Hewlett Packard Company | Reducing query response time using tree balancing |
US7356526B2 (en) | 2003-09-30 | 2008-04-08 | International Business Machines Corporation | Estimating the compilation time of a query optimizer |
US20050192937A1 (en) | 2004-02-26 | 2005-09-01 | International Business Machines Corporation | Dynamic query optimization |
US8346761B2 (en) | 2004-08-05 | 2013-01-01 | International Business Machines Corporation | Method and system for data mining for automatic query optimization |
US7831594B2 (en) | 2007-04-30 | 2010-11-09 | Hewlett-Packard Development Company, L.L.P. | Estimating the static execution time of a database query |
US7895192B2 (en) | 2007-07-19 | 2011-02-22 | Hewlett-Packard Development Company, L.P. | Estimating the loaded execution runtime of a database query |
US8352480B2 (en) * | 2010-12-20 | 2013-01-08 | Nokia Corporation | Methods, apparatuses and computer program products for converting a geographical database into a map tile database |
US10216799B2 (en) * | 2012-10-19 | 2019-02-26 | Telefonaktiebolaget Lm Ericsson (Publ) | Federated database system |
-
2014
- 2014-12-27 EP EP14307192.6A patent/EP3038018A1/en not_active Withdrawn
-
2015
- 2015-12-11 JP JP2015242282A patent/JP6673683B2/ja active Active
- 2015-12-22 US US14/979,077 patent/US10191967B2/en active Active
- 2015-12-25 CN CN201510993945.2A patent/CN105740312B/zh active Active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2016126770A5 (ja) | ||
CN105740312B (zh) | 使数据库查询形成聚类以用于运行时间预测 | |
Ng et al. | PEGASUS: A policy search method for large MDPs and POMDPs | |
US20190188611A1 (en) | Multi-step time series forecasting with residual learning | |
US20210042606A1 (en) | Deep neural network with equilibrium solver | |
GB2581304A (en) | Cognitive learning workflow execution | |
JP2021500658A5 (ja) | ||
JPWO2020159568A5 (ja) | ||
JP2016503205A5 (ja) | ||
CN109739975B (zh) | 热点事件抽取方法、装置、可读存储介质及电子设备 | |
JP2013522720A5 (ja) | ||
JP2022074880A5 (ja) | ||
JP2017120633A5 (ja) | ||
JP6468364B2 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
JP2016126771A5 (ja) | ||
WO2015143985A1 (zh) | 一种确定结果向量的方法和装置 | |
CN113010525B (zh) | 一种基于pid的海洋时空大数据并行knn查询处理方法 | |
Wang et al. | An adaptive Kriging method based on K-means clustering and sampling in n-ball for structural reliability analysis | |
US20160283862A1 (en) | Multi-distance similarity analysis with tri-point arbitration | |
JP2018535484A5 (ja) | ||
Ji et al. | An apache spark implementation of block power method for computing dominant eigenvalues and eigenvectors of large-scale matrices | |
Eger | Sequence alignment with arbitrary steps and further generalizations, with applications to alignments in linguistics | |
CN104794237A (zh) | 网页信息处理方法及装置 | |
WO2017198168A2 (en) | Reduction of parameters in fully connected layers of neural networks by low rank factorizations | |
Kumar et al. | A new Initial Centroid finding Method based on Dissimilarity Tree for K-means Algorithm |