基于深度自回归模型的近似查询处理方法

聚合函数的近似查询处理(AQP)是近年来数据库领域的研究热点。针对现有的近似查询技术存在查询响应时间长、存储开销大、不支持多谓词查询等问题,提出一种基于深度自回归模型的AQP方法DeepAQP(Deep Approximate Query Processing),利用深度自回归模型对表中多列数据的联合概率分布进行学习和建模,以估计给定查询的谓词选择度和目标列概率分布,以促进单表下多谓词聚合函数近似查询请求的有效处理。在TPC-H和TPC-DS数据集上进行实验,结果表明,与基于采样的VerdictDB方法相比,DeepAQP在查询响应时间和存储空间开销上均降低了2到3个数量级;与基于传统机器学习模型的DBEst++方法相比,DeepAQP的查询响应时间降低了1个数量级,显著降低了模型训练耗时,并且可以处理DBEst++所不支持的多谓词查询请求。可见,DeepAQP兼顾了查询精度和速度,并显著降低了算法在训练和存储上的开销。

支持属性粒度数据库加密的查询重写算法

DAS(database as a service)模型数据库中采用加密方案的关键问题之一是针对密文关系的查询处理.DAS模型特有的体系结构和信任模型决定了加密解密操作只能在客户端进行,目前的方案普遍在元组粒度加密的基础上进行查询重写,不可避免地造成了加密效率的损失.为此,提出一种支持属性粒度加密方案的查询重写算法,利用关系代数公式对查询语句进行等价变换,将涉及加密属性的条件谓词与其他条件谓词分离,重构查询语句,支持任意层次的相关子查询.实验显示,算法能够降低客户端与服务器间的网络传输数据量,从而有效地缩短加密DAS模型数据库的查询执行时间.

对象数据库Db4o在J2ME平台中的应用

介绍了将对象数据库Db4o的开发包(SDK)移植到J2ME平台,并以Db4o数据库为引擎,开发一款日记账簿工具的实践过程。通过此开发案例,不仅可以了解J2ME平台移植的模式和要点,而且还可以了解在J2ME平台中开发Db4o数据库程序的过程和特点。

对象数据库Db4o在J2ME平台中的应用

介绍了将对象数据库Db4o的开发包(SDK)移植到J2ME平台,并以Db4o数据库为引擎,开发一款日记账簿工具的实践过程。通过此开发案例,不仅可以了解J2ME平台移植的模式和要点,而且还可以了解在J2ME平台中开发Db4o数据库程序的过程和特点。