基于线性浓密树的并行数据库查询优化算法

查询优化是并行数据库的核心技术。基于线性浓密树的查询优化方法是对基于浓密树(Bushy-Tree)查询优化方法的一种改进,这种优化方法大大地缩减了查询执行计划空间,确保了并行查询执行计划的优化性。

基于LBT树的并行数据库查询优化方法

本文提出了一种基于 L BT(L inear- Bushy- Tree)树的查询优化方法 ,它是对基于浓密树 (Bushy- Tree)查询优化方法的一种改进 .这种优化方法大大地缩减了查询执行计划空间 ,确保了并行查询执行计划的优化性 .这种优化方法已经在我们自主研制的并行数据库管理系统 PDBMS[1 ,4 ]

Shared-nothing并行数据库系统查询优化技术

查询优化是并行数据库系统的核心技术 .该文介绍作者自行研制的一个 Shared- nothing并行数据库系统PBA SE/ 2中独特的两阶段优化策略 .为了缩减并行查询优化庞大的搜索空间 ,PBASE/ 2将并行查询优化划分为顺序优化和并行化两个阶段 .在顺序优化阶段对并行化后的通信代价进行预先估算 ,将通信开销加入顺序优化的代价模型 ,同时对动态规划搜索算法进行了修正和扩展 ,保证了顺序优化阶段得到的最小代价计划在并行化后代价仍然最小 .并行化阶段的优化目标是实现查询工作量在系统内多种资源上的负载平衡 ,提出了资源负载平衡因子的概念 ,并且通过启发式规则、任务调度等机制保证了并行查询执行计划的优化性 .

并行数据库查询优化技术的最新进展

传统的查询树及基于多重加权树的查询优化方法,研究得比较成熟,语义查询优化方法将一个查询变换成一个或数个语义等价的查询,基于Agent的并行数据库查询优化采用Multi-Agent技术自动查找与给定查询有关的完整性约束条件,使得多个关系间连接操作的效率得到很大地提高。并行数据库的查询优化领域的3个重要方向为基于机群系统的并行数据库查询优化研究,将MAS技术及专家系统引入本领域,将模拟退火算法及神经网络算法引入本领域。

并行数据库的语义查询优化研究:基于Agent

并行数据库技术中的查询处理及优化方法,都各有优劣;作者提出了一种基于Multi-Agent技术的语义查询模型(SQMAS),并以此模型为基础建立了一种基于Agent的并行数据库语义查询方法;同时为了保证系统组内、组间Agent之间的高效通信,采用了树型拓扑结构(TTMAS)的通信模型,系统内各Agent使用通信原语高效通信、协作,且满足Agent间的通信路由最优,从而保证了SQMAS的查询效率.

并行数据库查询优化技术研究

并行数据库查询优化的关键是缩减庞大的计划搜索空间,针对无共享结构(SN),充分考虑通信开销,给出代价估计模型,采用两阶段优化方法,依据代价估计模型先对查询树进行顺序优化,并提出一种新的两阶段查询优化策略.对顺序优化的查询计划进行并行化,充分利用了多处理机的并行性,获得了较快的查询响应速度,既具备良好的并行性又避免了复杂性.

并行数据库的改进Hash划分方法及并行Join算法

文中提出了Ｈａｓｈ 划分的改进方法——ＩＨ 划分． ＩＨ划分为结点扩充时数据的重新划分提供了方便．在论述ＩＨ 划分的基础上，给出了基于该数据划分方法的并行Ｊｏｉｎ 算法．利用已有的数据分布，文中提出的并行Ｊｏｉｎ 算法提高了算法的效率．最后，从理论上对以上并行算法的计算复杂性进行了分析．

并行数据库交互式数据划分工具的设计

分析了数据划分模式对并行数据库系统整体性能的影响,设计了并行数据库系统中数据自动划分的框架,开发了基于DB2查询优化的交互式划分工具. 应用该划分工具对一个给定的由一组SQL语句组成的负载,可寻找在多个节点间划分数据的有利模式. 测试结果表明:该交互工具能够在合理的时间内为负载中每个语句推荐好的候选划分,并可避免初始数据倾斜,减轻数据库管理员的负担.

并行数据库实时多版本并发控制协议性能研究

随着对实时数据库事务处理性能要求的不断提高 ,将并行数据库和实时数据库相结合的并行实时数据库将成为新的发展方向 .然而通常的实时多版本并发控制协议不适合并行数据库的无共享结构 .比较了几种并发控制协议在无共享结构下的性能 ,该文提出了一种并行实时多版本并发控制协议 .它能有效地减少事务的重启 ,降低事务的错过率 .在长短事务混合的情况下 ,它的性能比其它的并发控制协议更好 .同时 ,它具有更好的可扩展性 .作者利用仿真模型对该协议进行了性能测试 ,与其它协议进行了比较 ,并分析了实验结果 。

基于DB2的并行数据库体系结构研究

分析了DB2分区数据库系统在典型的Shared-Nothing硬件环境中的请求处理机制,发现该系统在大量请求并同时访问同一数据库时其“目录节点”将成为系统的“瓶颈”,在原系统的基础上设计了一种新的系统体系结构框架,新的结构不仅可以解决原结构中存在的“瓶颈”问题,增强系统的处理能力,而且使系统配置更灵活,具有更强的扩展能力。

并行数据库PDBMS的设计与实现

文章介绍了并行数据库管理系统ＰＤＢＭＳ的设计与实现方法，探讨了并行数据库系统设计和实现中的一些关键技术。

并行数据库系统原型PARO

PARO系统是一个基于无共享硬件结构的并行数据库系统的原型。

并行数据库系统的数据重组研究

数据倾斜对并行数据库系统性能的影响极大。本文提出解决初始数据倾斜的记录移动法 ,确定了数据平衡的记录移动法、负载平衡的记录移动法 ,及通常的重新划分法之间取舍的界线 ,并举例进行模拟研究。

一种有效的并行数据库动态负载平衡连接算法

在基于Shared-nothing结构的并行数据库中,负载平衡一直是影响查询处理性能的重要因素。在数据库中频繁使用的连接操作会因为各种因素导致的负载倾斜和额外的通讯开销而降低数据库的整体性能。提出了一种基于RCMD分布方法的动态负载平衡连接算法,能够在连接操作的执行过程中动态调整各个结点的负载。理论分析和实验结果证明提出的算法能够有效地平衡负载,提高并行数据库的执行效率。

并行数据库上的并行CMD-Join算法

并行数据库在多处理机之间的分布方法（简称数据分布方法）对并行数据操作算法的性能影响很大．如果在设计并行数据操作算法时充分利用数据分布方法的特点，可以得到十分有效的并行算法．本文研究如何充分利用数据分布方法的特点，设计并行数据操作算法的问题，提出了基于ＣＭＤ多维数据分布方法的并行ＣＭＤ－Ｊｏｉｎ算法．理论分析和实验结果表明。

并行数据库系统的体系结构

一、引言 进入九十年代以来,越来越多的应用表明,传统的大型计算机系统缺乏支持高性能联机事务处理和复杂查询操作的能力。当今数据库规模的急剧澎胀、数据库工作负载的日益加重,以及新的应用领域的不断出现和成熟,已使传统的大型计算机达到了性能的极限。例如,美国国家专利局的信息数据库的信息量高达25太字节(1980年)[1],即使使用目前最快的大型机,按每秒处理100兆字节的处理速度,要把这个数据库全部检索一遍,也要花费100小时。设计支持海量数据和满足实时要求的高性能的数据库系,统已经成为数据库研究领域所面临的一项严峻挑战。

并行数据库的查询处理并行化技术和物理设计方法

近几年，随着并行计算机系统的迅速发展，并行数据库系统已经成为一个新的数据库研究领域，引起了学术界和工业界的极大关注，很多研究成果已经出现．本文是综述并行数据库系统研究与进展情况的两篇文章之一，重点探讨目前并行数据库系统的研究方向和问题，综述有关并行数据库的物理设计方法和查询处理并行化技术的主要研究成果．

机群并行数据库的动态监控关键技术

分析了大规模机群并行数据库的监控层次,在中间件层实现了机群并行数据库动态监控模块,该模块采用集中监控技术来获取监控信息,运用ICE Storm中的消息订阅和发布机制实现了监控信息的发布和处理,并利用Ajax技术使用户可以通过Web方式实时地获取监控信息,保证了数据库系统的高效服务,方便了复杂数据库系统的管理工作。

无共享并行数据库中结点故障对策

1.问题的提出 随着信息时代的出现,人们对数据库系统的要求越来越高,既要求它能提快速联机响应和大的吞吐量,巨大的存贮容量;又要求它能提供高度的容错能力,即在故障情况能继续工作。

基于网络集群系统的并行数据库中数据均衡分布研究

Base on the character of the cluster of workstation(COW)and the latest development of the parallel computer,this paper analyzes the data deflexion problem in data distributing of parallel DB in COW. On the basis of this analysis,we get a dynamic data balanced distributing algorithm which has adaptability.