[发明专利]一种查询处理方法、服务器及计算机可读存储介质

说明书

本发明提供一种查询处理方法，包括：接收查询请求，查询请求中携带查询语句；将查询语句进行语法分析转换，生成第一目标语法语句；根据第一目标语法语句，选择与之匹配的目标学习模型；根据目标学习模型预测下一次查询所需的第二目标语法语句，并将第二目标语法语句对应的查询结果的数据从磁盘预先加载到内存中去；本发明还提供一种服务器及计算机可读存储介质，不同业务场景下有不同的学习模型，根据学习模型预测下一次查询的查询结果，并将查询结果的数据从磁盘预先加载到内存中去，用来加速后续的查询操作，满足了MongoDB各个场景下数据查询速率提升的需求；提升MongoDB的并发查询性能，最终提升对接业务服务的整体处理效率。

技术领域

本发明涉及数据库领域，更具体地说，涉及一种查询处理方法、服务器及计算机可读存储介质。

背景技术

MongoDB是一个基于分布式文件存储的数据库，存储对象为非结构化数据；数据存储易扩展、低损耗，非常适用于存储业务操作日志、交易历史数据等信息。MongoDB数据库使用简单，功能强大，因其非事务性、海量存储、高效内存读写的特性，使得它在国内外的大小企业中使用非常广泛。

MongoDB号称内存型数据库，会尽可能的将最新写入的数据缓存在内存中，这部分数据也常被称为“热数据”；而持久化保存在磁盘中的数据则被称为“冷数据”。举个例子：假设MongoDB中存储有1000G数据，MongoDB在部署初期被分配允许最大使用机器20G内存，则最新写入MongoDB的20G数据会被缓存在内存中；在通常业务场景下，历史数据的使用频率随时间的推进而降低，越老的历史数据使用的概率越低，越新的历史数据使用概率越高，所以根据这一思想，MongoDB将最新的20G数据缓存在内存中，作为热数据，是满足大部分的常规业务的，能给这些常规业务提供非常快的数据查询，其中，查询结果的数据来自于内存，而非磁盘。

但对于某些业务(例如带有分析型的业务)场景下，MongoDB提供热数据的查询机制则无法给予很好的查询性能，比如每1分钟触发一次查询前8个月当前时刻的100条数据来做数据对比分析，虽然该查询返回的结果集数据不超过800条，但因其时间跨度的因素，目标结果数据已不仅仅局限在内存中，还有部分结果集需要从磁盘中读取，从磁盘读取数据的速率是远远低于从内存中读取数据的速率，查询效率低下；若是该查询属于高并发型查询，则会造成MongoDB处理性能的急剧下降，对接业务服务请求堵塞，极端情况下很可能会出现雪崩式服务崩塌宕机。

发明内容

本发明的主要目的在于提出一种查询处理方法、服务器及计算机可读存储介质，旨在解决现有技术中，MongoDB提供的热数据的查询机制，无法智能的解决不同业务场景下的查询效率低下的问题，以及在高并发型查询下，MongoDB处理性能急剧下降，对接业务服务请求堵塞，极端情况下很可能会出现雪崩式服务崩塌宕机的问题。

为解决上述技术问题，本发明提供一种查询处理方法，查询处理方法包括以下步骤：

接收查询请求，查询请求中携带查询语句；

将查询语句进行语法分析转换，生成第一目标语法语句；

根据第一目标语法语句，选择与之匹配的目标学习模型；

根据目标学习模型预测下一次查询所需的第二目标语法语句，并将第二目标语法语句对应的查询结果的数据从磁盘预先加载到内存中去。

可选的，将第二目标语法语句对应的查询结果的数据从磁盘预先加载到内存中去包括：

将第二目标语法语句对应的查询结果的数据、以守护线程的方式从磁盘预先加载到内存中去。

可选的，在接收查询请求之前，还包括以下步骤：

定期获取操作日志中的所有操作记录的语法语句；

从所有操作记录的语法语句中筛选出查询耗时大于第一预设阈值的操作记录的语法语句；