[发明专利]基于AI的SQL引擎调用方法、装置、设备及介质

权利要求书

1.一种基于AI的SQL引擎调用方法，其特征在于，所述基于AI的SQL引擎调用方法包括：

获取历史SQL的执行数据，及获取执行所述历史SQL的集群；

解析所述历史SQL的执行数据，得到历史SQL特征；

提取所述历史SQL的集群的集群环境指标，得到历史环境特征；

对所述历史SQL特征及所述历史环境特征进行归一化处理，得到历史特征；

根据所述历史SQL的执行数据对所述历史特征进行标签处理，得到样本数据；

利用所述样本数据训练指定神经网络，得到SQL引擎预测模型；

响应于待预测query，对所述待预测query进行优化处理，得到目标query；

获取所述目标query的执行数据及执行所述目标query的集群，并根据所述目标query的执行数据及执行所述目标query的集群构建所述目标query的目标特征；

将所述目标特征输入至所述SQL引擎预测模型，并根据所述SQL引擎预测模型的输出确定与所述待预测query匹配的目标引擎。

2.如权利要求1所述的基于AI的SQL引擎调用方法，其特征在于，所述对所述历史SQL特征及所述历史环境特征进行归一化处理，得到历史特征包括：

拼接所述历史SQL特征及所述历史环境特征，得到拼接特征；

识别所述拼接特征中的数字特征及非数字特征；

对所述非数字特征进行编码处理，得到所述非数字特征的编码表示；

保持所述数字特征不变，并将所述非数字特征替换为所述非数字特征的编码表示，得到所述历史特征。

3.如权利要求1所述的基于AI的SQL引擎调用方法，其特征在于，所述利用所述样本数据训练指定神经网络，得到SQL引擎预测模型包括：

重复执行对所述样本数据的拆分，其中，对所述样本数据的拆分包括：将所述样本数据按照配置比例随机拆分为验证集及训练集，并将所述验证集及所述训练集确定为一组训练数据；

直至所述样本数据中的每个数据都曾作为所述验证集中的数据，及所述样本数据中的每个数据都曾作为所述训练集中的数据，停止执行对所述样本数据的拆分，得到多组训练数据；

将每组训练数据的训练集中的标签确定为训练目标，并利用每组训练数据的训练集训练所述指定神经网络；

采用每组训练数据的验证集验证所述指定神经网络；

当每组训练数据都曾被用于训练所述指定神经网络时，停止训练，得到所述SQL引擎预测模型。

4.如权利要求1所述的基于AI的SQL引擎调用方法，其特征在于，所述对所述待预测query进行优化处理，得到目标query包括：

启动优化模型，将所述待预测query输入至所述优化模型，并获取所述优化模型的输出作为所述待预测query的表关联方式，及对所述待预测query进行谓词上推，得到所述目标query。

5.如权利要求1所述的基于AI的SQL引擎调用方法，其特征在于，所述根据所述SQL引擎预测模型的输出确定与所述待预测query匹配的目标引擎包括：

从所述SQL引擎预测模型的输出中获取所述待预测query消耗的预测CPU、所述待预测query占用的预测内存及所述待预测query的预测SQL引擎；

获取所述预测SQL引擎的当前资源承载量；

根据所述预测CPU及所述预测内存确定所述待预测query所需的实际资源承载量；

当所述实际资源承载量小于或者等于所述当前资源承载量时，将所述预测SQL引擎确定为所述目标引擎。

6.如权利要求5所述的基于AI的SQL引擎调用方法，其特征在于，所述方法还包括：

当所述实际资源承载量大于所述当前资源承载量时，获取所述预测SQL引擎的状态数据；

当所述状态数据显示所述预测SQL引擎运行异常时，启动备用引擎作为所述目标引擎；或者

当所述状态数据显示所述预测SQL引擎运行正常时，将所述目标query添加至预先建立的等待队列中，直至所述预测SQL引擎的所述当前资源承载量被释放至大于或者等于所述实际资源承载量，从所述等待队列中移出所述目标query，并将所述预测SQL引擎确定为所述目标引擎。