[發明專利]分布式數據庫中的查詢計劃優化方法及系統

在審

• 申請號: 202110467942.0
• 申請日: 2021-04-28
• 公開（公告）號: CN113157736A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 李韓;鄒西山;林金怡;吳偉華;文其瑞;高孝鑫;龍禹
• 申請（專利權）人: 聯通沃音樂文化有限公司;北京萬里開源軟件有限公司
• 主分類號: G06F16/2453
• 分類號: G06F16/2453;G06F16/2458;G06F16/27
• 代理公司: 北京永新同創知識產權代理有限公司 11376
• 代理人: 張文錦;劉茹

本申請涉及一種分布式數據庫中的查詢計劃優化方法及系統。所述方法包括：基于查詢計劃中的每個表的常量相關條件數量來選擇基準表；基于基準表中的一個或多個當前常量相關條件，評估基準表中不具有常量相關條件的一個或多個列的常量相關條件；針對基準表，基于當前常量相關條件和所評估的常量相關條件，生成常量相關條件組合；以及將常量相關條件組合傳遞給查詢計劃中與基準表相關聯的一個或多個其它表以擴展每個表的查詢條件。

技術領域

本申請涉及SQL查詢優化，尤其涉及一種分布式數據庫中的查詢計劃優化方法及系統。

背景技術

在實際的數據庫應用中，經常需要從多個數據表中讀取或查詢數據，這通常可以通過使用結構化查詢語言(StructuredQueryLanguage，SQL)語句中的連接(JOIN)來實現。

數據庫針對數據表連接的查詢計劃通常會先判定一個驅動表，接著基于SQL語句條件對該驅動表進行數據篩選，然后基于針對該驅動表的篩選后的數據通過連接方式(例如，嵌套循環連接(nest-loop)或哈希連接(hash join))與后續的表進行數據關聯，以完成高效的連接。

然而，上述方式在計算節點與存儲節點分離的分布式數據庫架構中存在一些弊端：(1)上述連接方式的驗證依賴全局統計信息的準確性，例如需要根據全局統計信息來判定一個最優的驅動表。然而在分布式數據庫中，由于計算節點與存儲節點分離，從而在生成查詢計劃的計算節點層可以獲得的數據統計信息相對較少或可能需要高昂的代價來在分布式網絡環境中維護一個相對準確的統計信息；(2)查詢計劃沒有充分考慮分布式環境下數據節點跨網絡進行數據傳遞所需的開銷。在分布式數據庫中，相關聯的兩個表可能在物理上并不在一起或相鄰，因此需要將這兩個表跨越網絡進行傳遞后才能進行連接(例如嵌套循環連接或哈希連接)。在數據庫查詢中，跨網絡傳遞數據量的大小在很大程度上會影響SQL語句的執行效率。

因此，在數據庫查詢中，尤其是在分布式數據庫查詢中，存在對于減少在分布式網絡間傳遞數據量的需求。

發明內容

提供本發明內容以便介紹一組概念，這組概念將在以下的具體實施方式中做進一步描述。本發明內容并非旨在標識所保護主題的關鍵特征或必要特征，也不旨在用于限制所保護主題的范圍。

為了達到上述目的，本申請提供一種用于分布式數據庫中的查詢計劃優化的方法及系統。該方法包括：基于查詢計劃中的每個表的常量相關條件數量來選擇基準表；基于所述基準表中的一個或多個當前常量相關條件，評估所述基準表中不具有常量相關條件的一個或多個列的常量相關條件；針對所述基準表，基于所述當前常量相關條件和所評估的常量相關條件，生成常量相關條件組合；以及將所述常量相關條件組合傳遞給所述查詢計劃中與所述基準表相關聯的一個或多個其它表以擴展所述每個表的查詢條件。

在一些例子中，所述一個或多個其它表與所述基準表之間存在等值條件列。

在一些例子中，所述評估操作進一步包括：提取所述基準表中的一個或多個當前常量相關條件；以及基于所提取的一個或多個當前常量相關條件，確定所述不具有常量相關條件的一個或多個列的每個列的最大值和最小值。

在一些例子中，所述生成操作進一步包括拼接針對所述基準表的所述當前常量相關條件和所評估的常量相關條件。

在一些例子中，所述選擇操作進一步包括：將所述查詢計劃中具有最多數量的常量相關條件的表選擇為所述基準表。

此外，該方法還包括：對所述查詢計劃中的所有表按照所述常量相關條件數量進行降序排序；以及以迭代方式將經降序排序的所有表依次分別選擇作為所述基準表。

此外，該方法還包括：基于擴展的每個表的查詢條件，執行SQL join語句。