[发明专利]分布式数据库中的查询计划优化方法及系统

说明书

本申请涉及一种分布式数据库中的查询计划优化方法及系统。所述方法包括：基于查询计划中的每个表的常量相关条件数量来选择基准表；基于基准表中的一个或多个当前常量相关条件，评估基准表中不具有常量相关条件的一个或多个列的常量相关条件；针对基准表，基于当前常量相关条件和所评估的常量相关条件，生成常量相关条件组合；以及将常量相关条件组合传递给查询计划中与基准表相关联的一个或多个其它表以扩展每个表的查询条件。

技术领域

本申请涉及SQL查询优化，尤其涉及一种分布式数据库中的查询计划优化方法及系统。

背景技术

在实际的数据库应用中，经常需要从多个数据表中读取或查询数据，这通常可以通过使用结构化查询语言(StructuredQueryLanguage，SQL)语句中的连接(JOIN)来实现。

数据库针对数据表连接的查询计划通常会先判定一个驱动表，接着基于SQL语句条件对该驱动表进行数据筛选，然后基于针对该驱动表的筛选后的数据通过连接方式(例如，嵌套循环连接(nest-loop)或哈希连接(hash join))与后续的表进行数据关联，以完成高效的连接。

然而，上述方式在计算节点与存储节点分离的分布式数据库架构中存在一些弊端：(1)上述连接方式的验证依赖全局统计信息的准确性，例如需要根据全局统计信息来判定一个最优的驱动表。然而在分布式数据库中，由于计算节点与存储节点分离，从而在生成查询计划的计算节点层可以获得的数据统计信息相对较少或可能需要高昂的代价来在分布式网络环境中维护一个相对准确的统计信息；(2)查询计划没有充分考虑分布式环境下数据节点跨网络进行数据传递所需的开销。在分布式数据库中，相关联的两个表可能在物理上并不在一起或相邻，因此需要将这两个表跨越网络进行传递后才能进行连接(例如嵌套循环连接或哈希连接)。在数据库查询中，跨网络传递数据量的大小在很大程度上会影响SQL语句的执行效率。

因此，在数据库查询中，尤其是在分布式数据库查询中，存在对于减少在分布式网络间传递数据量的需求。

发明内容

提供本发明内容以便介绍一组概念，这组概念将在以下的具体实施方式中做进一步描述。本发明内容并非旨在标识所保护主题的关键特征或必要特征，也不旨在用于限制所保护主题的范围。

为了达到上述目的，本申请提供一种用于分布式数据库中的查询计划优化的方法及系统。该方法包括：基于查询计划中的每个表的常量相关条件数量来选择基准表；基于所述基准表中的一个或多个当前常量相关条件，评估所述基准表中不具有常量相关条件的一个或多个列的常量相关条件；针对所述基准表，基于所述当前常量相关条件和所评估的常量相关条件，生成常量相关条件组合；以及将所述常量相关条件组合传递给所述查询计划中与所述基准表相关联的一个或多个其它表以扩展所述每个表的查询条件。

在一些例子中，所述一个或多个其它表与所述基准表之间存在等值条件列。

在一些例子中，所述评估操作进一步包括：提取所述基准表中的一个或多个当前常量相关条件；以及基于所提取的一个或多个当前常量相关条件，确定所述不具有常量相关条件的一个或多个列的每个列的最大值和最小值。

在一些例子中，所述生成操作进一步包括拼接针对所述基准表的所述当前常量相关条件和所评估的常量相关条件。

在一些例子中，所述选择操作进一步包括：将所述查询计划中具有最多数量的常量相关条件的表选择为所述基准表。

此外，该方法还包括：对所述查询计划中的所有表按照所述常量相关条件数量进行降序排序；以及以迭代方式将经降序排序的所有表依次分别选择作为所述基准表。

此外，该方法还包括：基于扩展的每个表的查询条件，执行SQL join语句。