[发明专利]一种基于离线学习历史查询预测未来查询的近似查询方法

权利要求书

1.一种基于离线学习历史查询预测未来查询的近似查询方法，其特征是该方法将查询和估计结果作为特征，真实结果作为标签，利用机器学习方法进行离线训练，得到底层数据分布的模型，当有新的查询到来时，通过离线学习的模型预测其结果，

步骤如下：

第1、离线学习历史查询对底层数据分布建模

第1.1、将复杂的SQL查询拆分为简单查询，

第1.2、提取SQL查询和近似结果中包含的特征，

第1.3、利用历史查询、近似结果和真实结果对底层数据分布建模；

第2、在线预测新到来查询的结果

第2.1、将新到来的查询拆分为简单查询，

第2.2、为每个简单查询在线预测查询结果，

第2.3、将简单查询的预测结果合并输出最终的预测结果。

2.根据权利要求1所述的基于离线学习历史查询预测未来查询的近似查询方法，其特征是：

步骤第1.1中，聚集查询q是具有如下形式的一个SQL查询，

SELECT agg(a_i)

FROM relation_r

WHERE condition_c

其中：

SELECT语句用于从数据表中选取数据，结果被存储在一个结果表中；

agg为查询的聚合类型，它是SUM、COUNT和AVG三种函数中的一种，SUM()函数返回数值列的总数，COUNT()函数返回匹配指定条件的行数，AVG()函数返回数值列的平均值，其中NULL值不包含在计算中；

a_i为数据表中的某一列，该列必须是数值类型的；

FROM语句用于指定数据表；

relation_r为数据库中的一张关系表，它是一个单独的事实表，或是两个或多个事实表经过连接操作得到的一张关系表；

WHERE语句用于有条件地从表中选取数据；

condition_c是WHERE语句后面的条件语句，每个条件用一个三元组attribute、operatot、value表示，其中attribute为列名称，operatot为运算符，value为值，这其中包含了GROUP-BY子句转化后新添加的条件。

3.根据权利要求1所述的基于离线学习历史查询预测未来查询的近似查询方法，其特征是：

步骤第1.1中，拆分的规则如下：

如果查询的SELECT子句中包含n_agg个聚合函数，那么该查询会被分解为n_agg个简单查询，每个简单查询仅包含其中的一个聚合函数；

如果查询中包含GROUP-BY子句，假设GROUP-BY后的分组列共有n_grp个不同的取值，那么该查询会被分解为n_grp个简单查询，每个简单查询的WHERE子句添加一个新的条件，对应于原查询的n_grp个不同取值中的一个过滤条件。

4.根据权利要求1所述的基于离线学习历史查询预测未来查询的近似查询方法，其特征是：

步骤第1.2中，将复杂查询拆分为简单查询之后，需要从简单查询和近似结果中提取特征，将这些特征划分为四类：选择特征、关系表特征、条件特征和近似结果特征，选择特征指的是SELECT子句中包含的聚合函数和聚合列特征；关系表特征指的是FROM子句中包含的关系表特征，它是一张事实表，或是两张或多张事实表经过连接操作形成的表；条件特征指的是WHERE子句后所包含的条件，这些条件通过“and”或者“or”连接起来，每个条件是对某一列取值的一个限制，因此每个条件用三元组column、operator、value表示，其中column为列名，operator为操作符，value为取值；近似结果特征是指通过现有的近似查询引擎返回的近似结果，它与最后取得的真实结果很相近，因此很自然地作为一个特征；经过特征提取步骤，将转换成了一个特征向量，记作v_i。