基于查询聚类的物化视图动态选取策略

针对物化视图集动态调整存在的"抖动性"问题,提出一种基于查询聚类的物化视图动态选取策略QCDMVS。以关联规则算法为依据计算属性字段相似性,计算查询语句相似性并对一个查询周期内的查询语句集进行聚类,产生候选视图,根据效益模型计算候选视图的效益,运用物化视图动态调整算法DSMVQC生成最终物化视图。以航空公司机票结算数据作为实验数据集,实验结果表明,相比基准算法,该改策略的运用使得数据仓库的查询性能有较大改善。

基于查询和相对收益的物化视图选择算法

为了改进数据仓库中物化视图选择策略,提出了基于查询和视图相对收益的动态选择算法BWCC。算法根据视图的尺寸,视图相对收益以及物化视图每项属性的权重构造初始选择集,并可以由用户设定初始视图权重。用户查询触发算法动态更新视图价值,对物化视图集按照视图相对收益大小排序并进行局部调整,到达全局更新周期时参考历史价值对物化视图集进行重新计算。实验结果表明,该算法相比于传统算法具有更高的查询命中率和适应性。

一种基于查询聚类的物化视图动态调整策略

为了提高数据仓库的查询响应性能,避免视图集频繁调整引发的＂抖动性＂,提出了一种基于查询聚类的物化视图动态调整策略,运用关联规则挖掘方法计算属性字段相似性,进而计算查询语句相似性,并对一个查询周期内的查询语句集进行聚类,产生候选视图集,根据效益模型计算候选视图的效益,再运用物化视图动态调整算法生成物化视图.在航空公司机票结算数据集上的实验结果表明,在单机环境和分布式环境下,较基准算法相比,所提出的方法均能显著提升数据仓库的查询响应性能,尤其是对高频查询语句的响应性能.