面向时空数据场景的数据库索引选择框架

摘要：

索引是一种用于提高数据库查询效率的数据结构,良好执行计划的生成和选择很大程度上取决于数据表上是否存在合适的索引.然而,面对复杂的时空数据场景,现有的索引选择方法存在很多不足,如无法高效处理大量范围查询、容易造成索引冗余、无法有效应对动态的工作负载等问题.针对上述问题,提出一种新型基于深度确定策略梯度(Deep Deterministic Policy Gradient,DDPG)模型和索引效益评估网络的索引选择框架:ST-IS(Index Selection method tailored for Spatio-Temporal data scenarios).ST-IS集成了对SQL语句和索引集的新型编码方法,有效避免索引冗余或索引缺失.ST-IS使用索引效益评估网络来优化强化学习的奖励机制,同时支持动态的工作负载.大量实验结果表明,在真实时空数据集和TPC-DS标准数据集上,ST-IS的性能优于现有的索引选择方法.

关键词：时空数据、强化学习、索引选择、查询优化、移动数据挖掘

所属期刊栏目：49

分类号：TP311(计算技术、计算机技术)

在线出版日期：2023-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：665-673