申请/专利权人：杭州云之重器科技有限公司

申请日：2023-06-27

公开（公告）日：2024-04-19

公开（公告）号：CN116821171B

主分类号：G06F16/2453

分类号：G06F16/2453;G06F16/2455;G06F9/50

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2023.10.24#实质审查的生效;2023.09.29#公开

摘要：本发明公开了一种生成新虚拟视图加速计算任务的方法，包括结合深度学习和视图生成算法，自动学习和发现不同视图之间的关系，并自动生成可以共享计算是typo；本发明结合深度学习和视图生成算法，可以自动学习和发现不同视图之间的关系，并自动生成可以共享计算是虚拟视图，得到更加优质的查询计划，从而显著提高查询性能和减少计算时间，新的计算方法解决传统的数据库优化器生成虚拟视图存在的缺陷,大幅拓展可能的虚拟视图生成方案，提高查询计划的性能，降低查询计划的开销。

主权项：1.一种生成新虚拟视图加速计算任务的方法，其特征在于：包括以下步骤：步骤1：视图嵌入层接收若干视图帧，计算出视图帧的视图向量，并将视图向量输入到图卷积神经网络层；步骤2：图卷积神经网络层构建若干视图向量之间的关系图，并依据关系图计算出视图合并分组，并输入到视图合并层；步骤3：视图合并层计算出虚拟视图候选集合输入到代价模型；步骤4：代价模型计算出最优虚拟视图合集和物理执行计划；步骤5：将代价模型输出的物理执行计划输入到数据库系统中，并改写数据库系统原本的执行计划，数据库系统执行改写之后的物理计划，得到实际执行的计算资源和性能开销的参数；步骤6：将实际执行计划得到的参数作为新的训练集，新的训练集再迭代代价模型；视图嵌入层由嵌入层和RNN编码器构建组成，视图嵌入层输入视图帧，输出一个固定长度的向量；嵌入层：将输入的视图序列转化为d维的向量，并输入到RNN编码器中；RNN编码器：共有L层，每层包含了门控循环单元，将最后一层门控循环单元的状态作为输出；代价模型的视图选择方法具体操作如下：代价函数costQ,ViewSet，其中Q为查询语句，ViewSet＝{0，1}|View|，View为虚拟视图候选集合，通过计算函数costQ,ViewSet得到该查询语句Q整体的最小的查询代价和对应的虚拟视图候选集合。

全文数据：

权利要求：

百度查询： 杭州云之重器科技有限公司 一种生成新虚拟视图加速计算任务的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD