1 .一种查询优化器的选取方法,其特征在于,各查询优化器构建有专家网络模型,所述
方法包括:
将待执行查询语句的待优化特征向量输入至各所述专家网络模型,分别得到各第一特
征向量,并将所述待优化特征向量输入至预设的理想专家网络模型,得到理想特征向量;
基于各所述第一特征向量和所述理想特征向量,生成各所述查询优化器的被选取概
率;
将被选取概率最大的查询优化器作为所述待执行查询语句的目标优化器。
2 .如权利要求1所述的查询优化器的选取方法,其特征在于,在所述将待执行查询语句
的待优化特征向量输入至各所述专家网络模型,分别得到各第一特征向量之前,所述方法
包括:
对于训练样本集中的任意一个训练查询语句,基于所述训练查询语句和各所述专家网
络模型,生成各所述查询优化器的预测被选取概率,得到预测概率合集;
基于预测被选取概率,选取预设数量的专家网络模型得到模型合集;
将所述训练查询语句输入至所述模型合集的各关联查询优化器进行执行,得到所述训
练查询语句的实际执行时间合集;
基于所述实际执行时间合集确定各所述关联查询优化器的实际被选取概率,得到实际
概率合集;
通过所述预测概率合集和所述实际概率合集构建第一损失函数;
基于所述第一损失函数的函数损失,训练更新所述模型合集中的各专家网络模型以及
所述理想专家网络模型。
3 .如权利要求2所述的查询优化器的选取方法,其特征在于,所述基于所述实际执行时
间合集确定各所述关联查询优化器的实际被选取概率包括:
对于所述实际执行时间合集中任意一个实际执行时间,判断所述实际执行时间是否满
足预设高延迟条件;
在满足预设高延迟条件的情况下,将所述实际执行时间的关联查询优化器的实际被选
取概率赋值为零。
4 .如权利要求3所述的查询优化器的选取方法,其特征在于,在所述判断所述实际执行
时间是否满足预设高延迟条件之后,所述方法包括:
在不满足预设高延迟条件的情况下,通过归一化激活函数得到所述实际执行时间的关
联查询优化器的实际被选取概率。
5 .如权利要求3所述的查询优化器的选取方法,其特征在于,所述判断所述实际执行时
间是否满足预设高延迟条件包括:
确定所述实际执行时间合集中的实际最短执行时间,并计算所述实际执行时间与所述
最短执行时间之间的比值;
在所述比值大于或等于预设高延迟比值阈值的情况下,判定所述实际执行时间满足所
述预设高延迟条件;
在所述比值小于所述预设高延迟比值阈值的情况下,判定所述实际执行时间不满足预
设高延迟条件。
6 .如权利要求2所述的查询优化器的选取方法,其特征在于,在所述基于预测被选取概
权 利 要 求 书
1/3 页
2
评论