[發明專利]一種確定圖數據存儲結構的方法和裝置

在審

• 申請號: 202010586928.8
• 申請日: 2020-06-24
• 公開（公告）號: CN111708923A
• 公開（公告）日: 2020-09-25
• 發明（設計）人: 王宏志;孫穎凱;鄭博;梁棟;齊志鑫
• 申請（專利權）人: 北京松鼠山科技有限公司
• 主分類號: G06F16/901
• 分類號: G06F16/901
• 代理公司: 北京格允知識產權代理有限公司 11609
• 代理人: 周嬌嬌

本發明涉及數據庫技術領域，尤其涉及一種確定圖數據存儲結構的方法和裝置。該方法的一具體實施方式包括：獲取圖數據存儲結構的預測數據，所述預測數據包括：根據圖數據提取的圖特征向量，根據圖數據在當前存儲結構下的實際工作負載提取的實際負載特征向量，以及根據存儲結構提取的所述存儲結構集中每個存儲結構的存儲結構特征向量；將所述預測數據作為輸入，利用預先訓練獲得的預測網絡，預測所述存儲結構集中每個存儲結構的系統負載；根據預測獲得的系統負載確定所述存儲結構集中的最優存儲結構，并替換所述圖數據的當前存儲結構。該實施方式能夠實現圖數據存儲結構的智能化選擇。

技術領域

本發明涉及數據庫技術領域，尤其涉及一種確定圖數據存儲結構的方法和裝置。

背景技術

圖是一種用于表示對象之間聯結關系的抽象數據結構，對于可抽象成用圖表示的數據，通常稱之為圖數據，其相較于線性結構的鏈表、數組和非線性結構的樹而言，更加的復雜。隨著圖數據存儲技術的逐漸發展，一個大型的圖數據存儲系統往往對于圖數據的存儲結構具有多組可調節的設置，如索引列設置、圖劃分策略、緩存參數等等，其復雜程度已經超過了普通技術人員的控制能力，往往不能通過人工的手段進行最優設置。

想要對圖數據存儲結構進行智能化的選擇，就要從圖數據中提取能夠用于統計學習的特征。但是，圖數據中既有總節點數、總邊數、連通度、直徑等全局拓撲信息，也有節點間最短路、最大環等局部拓撲信息，還有節點訪問頻率等負載信息，這些信息的數據格式、獲取方式、更新頻率都互不相同，使得從圖數據中提取能夠用于統計學習的特征非常困難。因此，目前還沒有一種能夠實現圖數據存儲結構智能化選擇的方法。

因此，針對以上不足，需要提供一種確定圖數據存儲結構的方法和裝置，能夠實現圖數據存儲結構的智能化選擇。

發明內容

本發明要解決的技術問題在于，針對現有技術中的缺陷，提供一種確定圖數據存儲結構的方法和裝置，能夠實現圖數據存儲結構的智能化選擇。

為了解決上述技術問題，本發明提供了一種確定圖數據存儲結構的方法，所述圖數據預配置有存儲結構集，其中包括圖數據的當前存儲結構以及多個預設備選存儲結構，所述方法包括：

獲取圖數據存儲結構的預測數據，所述預測數據包括：根據圖數據提取的圖特征向量，根據圖數據在當前存儲結構下的實際工作負載提取的實際負載特征向量，以及根據存儲結構提取的所述存儲結構集中每個存儲結構的存儲結構特征向量；

將所述預測數據作為輸入，利用預先訓練獲得的預測網絡，預測所述存儲結構集中每個存儲結構的系統負載；

根據預測獲得的系統負載確定所述存儲結構集中的最優存儲結構，并替換所述圖數據的當前存儲結構。

進一步的，本發明提供的確定圖數據存儲結構的方法還包括：

獲取預測網絡的訓練數據，所述訓練數據包括：根據圖數據提取的圖特征向量，根據圖數據在當前存儲結構下的實際工作負載提取的實際負載特征向量，以及根據圖數據當前存儲結構提取的存儲結構特征向量；

將所述訓練數據作為輸入訓練獲得所述預測網絡，其中，損失函數為預測系統負載的代價和實際系統負載的代價的差異。

可選的，在所述根據預測獲得的系統負載確定所述存儲結構集中的最優存儲結構，并替換所述圖數據的當前存儲結構的步驟之后還包括：

根據預測獲得的系統負載確定所述存儲結構集中的優選存儲結構子集；

更新所述存儲結構集，并將所述優選存儲結構子集和替換后的當前存儲結構加入所述更新后存儲結構集。

進一步的，本發明提供的確定圖數據存儲結構的方法還包括：

將所述圖數據的數量特征進行拼接，以得到所述圖數據的數量特征向量；