公开(公告)号：CN107491508B

公开(公告)日：2020-05-26

申请号：CN201710647281.3

申请日：2017-08-01

Applicant: 浙江大学

Inventor： 伍赛 ,  毕里缘 ,  陈珂 ,  陈刚 ,  寿黎但 ,  胡天磊

IPC: G06F16/2453 ,  G06F16/2455

Abstract: 本发明公开了一种基于循环神经网络的数据库查询时间预测方法。首先从数据库历史查询记录中抽取出查询计划，构成的原始数据，一条查询计划包含操作信息和运行时间；按照运行时间长短将原始数据分类，使得每类中的查询计划的数量相等；对查询计划进行特殊处理获得操作序列和运行时间序列；操作序列作为特征向量和运行时间序列作为标签，输入神经网络，训练并得到模型；针对待测的查询计划，重复步骤获得操作序列，输入模型，输出运行时间序列，完成对数据库查询时间的预测。本发明方法在关系型数据库查询时间预测上取得了良好的效果，模拟数据训练下模型的正确率高于78％。该方法可以用于解决查询优化、负载管理中的关键问题。

公开(公告)号：CN107491508A

公开(公告)日：2017-12-19

申请号：CN201710647281.3

申请日：2017-08-01

Applicant: 浙江大学

Inventor： 伍赛 ,  毕里缘 ,  陈珂 ,  陈刚 ,  寿黎但 ,  胡天磊

IPC: G06F17/30

Abstract: 本发明公开了一种基于循环神经网络的数据库查询时间预测方法。首先从数据库历史查询记录中抽取出查询计划，构成的原始数据，一条查询计划包含操作信息和运行时间；按照运行时间长短将原始数据分类，使得每类中的查询计划的数量相等；对查询计划进行特殊处理获得操作序列和运行时间序列；操作序列作为特征向量和运行时间序列作为标签，输入神经网络，训练并得到模型；针对待测的查询计划，重复步骤获得操作序列，输入模型，输出运行时间序列，完成对数据库查询时间的预测。本发明方法在关系型数据库查询时间预测上取得了良好的效果，模拟数据训练下模型的正确率高于78％。该方法可以用于解决查询优化、负载管理中的关键问题。