-
公开(公告)号：CN117390064A
公开(公告)日：2024-01-12
申请号：CN202311697041.6
申请日：2023-12-12
Applicant: 天津南大通用数据技术股份有限公司
IPC: G06F16/2453 , G06F16/28 , G06N3/044 , G06N3/0464
Abstract: 本发明创造提供了一种基于可嵌入子图的数据库查询优化方法，该方法包括以下步骤：从批量的数据库查询操作中提取常见子查询；所述常见子查询为出现比例超过指定阈值的查询操作；计算所述常见子查询的查询代价，并将所述常见子查询作为子节点嵌入用于数据库查询的代价估计树中。本发明创造中，将出现比例较高的，已有代价估计的常见子查询嵌入代价估计树中，以避免进行数据库查询时对这些子查询进行反复的代价估计，进而最小化累积效应，并减少重复查询，实现数据库查询的低能耗和高精度。
-
公开(公告)号：CN117390465B
公开(公告)日：2024-02-20
申请号：CN202311686615.X
申请日：2023-12-11
Applicant: 天津南大通用数据技术股份有限公司
IPC: G06F18/22 , G06F16/2455 , G06F18/214 , G06F18/24 , G06F18/27
Abstract: 本发明创造提供了一种工作负载预测方法，该方法包括以下步骤：获取当前的负载信息；将当前的负载信息输入预先训练的预测模型；所述预测模型包括线性模型和非线性模型；计算非线性模型与线性模型的预测结果的比值，若比值大于指定的比例阈值，则输出非线性模型的预测结果；反之，则输出线性模型的预测结果。本发明创造中，在周期式、峰值式、渐变式等多种工作负载预测中均能够获得精确度较高的预测结果，且该预测方法中未采用额外的神经网络架构，训练时间更短，训练成本更低。
-
公开(公告)号：CN117390064B
公开(公告)日：2024-03-19
申请号：CN202311697041.6
申请日：2023-12-12
Applicant: 天津南大通用数据技术股份有限公司
IPC: G06F16/2453 , G06F16/28 , G06N3/044 , G06N3/0464
Abstract: 本发明创造提供了一种基于可嵌入子图的数据库查询优化方法，该方法包括以下步骤：从批量的数据库查询操作中提取常见子查询；所述常见子查询为出现比例超过指定阈值的查询操作；计算所述常见子查询的查询代价，并将所述常见子查询作为子节点嵌入用于数据库查询的代价估计树中。本发明创造中，将出现比例较高的，已有代价估计的常见子查询嵌入代价估计树中，以避免进行数据库查询时对这些子查询进行反复的代价估计，进而最小化累积效应，并减少重复查询，实现数据库查询的低能耗和高精度。
-
公开(公告)号：CN117390465A
公开(公告)日：2024-01-12
申请号：CN202311686615.X
申请日：2023-12-11
Applicant: 天津南大通用数据技术股份有限公司
IPC: G06F18/22 , G06F16/2455 , G06F18/214 , G06F18/24 , G06F18/27
Abstract: 本发明创造提供了一种工作负载预测方法，该方法包括以下步骤：获取当前的负载信息；将当前的负载信息输入预先训练的预测模型；所述预测模型包括线性模型和非线性模型；计算非线性模型与线性模型的预测结果的比值，若比值大于指定的比例阈值，则输出非线性模型的预测结果；反之，则输出线性模型的预测结果。本发明创造中，在周期式、峰值式、渐变式等多种工作负载预测中均能够获得精确度较高的预测结果，且该预测方法中未采用额外的神经网络架构，训练时间更短，训练成本更低。
-
-
-
Search Results
4
records
(took 0.037 seconds)
