大數(shù)據(jù)時(shí)代,數(shù)據(jù)規(guī)模龐大、數(shù)據(jù)管理應(yīng)用場(chǎng)景復(fù)雜,傳統(tǒng)數(shù)據(jù)庫(kù)和數(shù)據(jù)管理技術(shù)面臨很大的挑戰(zhàn).人工智能技術(shù)因其強(qiáng)大的學(xué)習(xí)、推理、規(guī)劃能力,為數(shù)據(jù)庫(kù)系統(tǒng)提供了新的發(fā)展機(jī)遇.人工智能賦能的數(shù)據(jù)庫(kù)系統(tǒng)通過(guò)對(duì)數(shù)據(jù)分布、查詢負(fù)載、性能表現(xiàn)等特征進(jìn)行建模和學(xué)習(xí),自動(dòng)地進(jìn)行查詢負(fù)載預(yù)測(cè)、數(shù)據(jù)庫(kù)配置參數(shù)調(diào)優(yōu)、數(shù)據(jù)分區(qū)、索引維護(hù)、查詢優(yōu)化、查詢調(diào)度等,以不斷提高數(shù)據(jù)庫(kù)針對(duì)特定硬件、數(shù)據(jù)和負(fù)載的性能.同時(shí),一些機(jī)器學(xué)習(xí)模型可以替代數(shù)據(jù)庫(kù)系統(tǒng)中的部分組件,有效減少開(kāi)銷(xiāo),如學(xué)習(xí)型索引結(jié)構(gòu)等.分析了人工智能賦能的數(shù)據(jù)管理新技術(shù)的研究進(jìn)展,總結(jié)了現(xiàn)有方法的問(wèn)題和解決思路,并對(duì)未來(lái)研究方向進(jìn)行了展望. 

【文章來(lái)源】：軟件學(xué)報(bào). 2020,31(03)北大核心EICSCD

【文章頁(yè)數(shù)】：20 頁(yè)

【部分圖文】：

本文內(nèi)容結(jié)構(gòu)圖

圖2展示了索引推薦的發(fā)展過(guò)程.單表單索引推薦的提出,啟發(fā)了人們對(duì)索引自動(dòng)構(gòu)建的思考,但是由于單表的限制,使得其使用范圍極其狹窄;在單索引推薦基礎(chǔ)上衍生的多索引推薦,適用范圍更加廣泛,它可以完成負(fù)載變化不是很頻繁的應(yīng)用的索引推薦工作,但是由于網(wǎng)絡(luò)的普及以及用戶數(shù)量的爆炸式增長(zhǎng),更多應(yīng)用的負(fù)載都是不斷變化的,所以研究人員把著眼點(diǎn)放到了動(dòng)態(tài)負(fù)載下的索引推薦研究上,來(lái)解決負(fù)載快速變化的問(wèn)題;在研究動(dòng)態(tài)負(fù)載索引推薦的同時(shí),機(jī)器學(xué)習(xí)的技術(shù)逐漸成熟,它在大規(guī)模數(shù)據(jù)的高效運(yùn)用以及推薦預(yù)測(cè)方面的高準(zhǔn)確率,引起了科研人員的注意,隨后,諸多機(jī)器學(xué)習(xí)的算法被運(yùn)用到了索引推薦的研究中.機(jī)器學(xué)習(xí)的加入,使得索引推薦不僅能夠適應(yīng)負(fù)載的快速變化,更能將大量的用戶數(shù)據(jù)利用起來(lái)提高索引推薦的效果.

人工智能賦能的查詢規(guī)模估算分類(lèi)如圖3所示.這些方法有效地利用了歷史查詢的結(jié)果信息,將實(shí)際的查詢規(guī)模用于估算模型的調(diào)整;同時(shí),這些方法可以放寬傳統(tǒng)估算方法中屬性獨(dú)立、連接均勻等假設(shè)的限制,較為準(zhǔn)確地預(yù)測(cè)多屬性查詢和多表連接操作的查詢規(guī)模.其中,對(duì)查詢語(yǔ)句或計(jì)劃建模的方法不再直接考慮數(shù)據(jù)分布情況,可以減少估算器對(duì)底層數(shù)據(jù)的訪問(wèn).而文獻(xiàn)[61]由于結(jié)合了數(shù)據(jù)分布與查詢計(jì)劃的信息,其估算結(jié)果不僅優(yōu)于傳統(tǒng)方法,也超過(guò)了文獻(xiàn)[54]中KDE的學(xué)習(xí)方法.


本文編號(hào)：3115221