[发明专利]优化SQL查询计划的维度上下文传播技术

说明书

用于高效执行查询的技术。为查询生成的查询计划被优化并被重写为增强的查询计划，该增强的查询计划在被执行时使用比原始查询计划少的CPU周期并且因此比原始查询计划执行得快。因此，为其生成增强的查询计划的查询更快地执行，而不会危及获得的结果或正被查询的数据。优化包括识别原始查询计划中的一个或多个事实扫描操作的集合，然后在重写的增强的查询计划中将一个或多个维度上下文谓词条件与事实扫描操作的所述集合中的一个或多个相关联。与原始查询计划相比，这减少了在增强的查询计划中扫描和/或处理事实记录的总成本，并使增强的查询计划比原始查询计划执行得快。

对其它申请的引用

本申请要求以下申请的利益和优先权，出于所有目的，通过引用将其全部内容并入本文：

(1)于2018年1月16日提交的标题为“DIMENSION CONTEXT PROPAGATIONTECHNIQUE FOR ANALYTICAL SQL QUERIES”的美国临时申请No.62/617,970；

(2)于2018年10月18日提交的标题为“DIMENSION CONTEXT PROPAGATIONTECHNIQUE FOR ANALYTICAL SQL QUERIES”的美国临时申请No.62/747,642；以及

(3)于2019年1月15日提交的标题为“DIMENSION CONTEXT PROPAGATIONTECHNIQUES FOR OPTIMIZING SQL QUERY PLANS”的美国非临时申请No.16/248,061。

背景技术

分析方案使企业能够更好地理解其商业在诸如时间、空间、产品和客户之类的维度上的不同活动。这可以包括执行上下文或相关性分析、绩效管理、假设分析、预测、切片和切块分析、关键绩效指标(KPI)和趋势分析、仪表板等。任何多维分析的关键方面都是指定分析的重点和分析的输入两者的维度上下文。

在线分析处理(OLAP)数据库系统常常被用于挖掘数据并生成报告，以便获得见解或提取关于各种与商业相关的活动的有用模式。例如，OLAP数据库可以被用于识别销售趋势、分析营销活动和预测财务绩效。这通常涉及针对大量(例如，数百万条记录)的多维数据库数据评估分析查询。例如，可以根据诸如时间、地理区域、部门和/或各个产品之类的维度来分析销售数据。

分析人员一般关于其数据考虑到了语义模型。通常会在维度和度量方面考虑数据，其中度量捕获关于活动的详细信息(例如，销售额、销售数量)，而维度捕获活动的上下文(例如，所售产品的类型、发生销售的商店、商店所在的州、购买的客户等)。商业数据一般是多维的并且语义丰富。

大量的数据分析方案使用关系数据库系统作为后端，并且诸如SQL(结构化查询语言)之类的某些查询语言被用作分析语言。多维数据库数据通常包括存储度量的事实记录(例如，销售数据)，该事实记录与存储维度或上下文信息的维度记录(例如，时间数据、地理数据、部门数据、产品数据)分开存储。例如，事实记录可以存储在事实表中，而维度记录可以存储在维度表中。

在SQL领域中，分析方案建立在星形架构之上(因其实体-关系(ER)图的外观而得名，参见图4)并使用SQL查询进行查询。典型的分析查询可以涉及通过联接或联合而组合的几个构造块查询子计划/公共表表达式。用于查询的查询子计划通常涉及将事实表与维度表联接并在多维空间的切片上进行聚合计算。执行查询的成本的大部分通常是事实记录的源的扫描。另外，根据维度记录来分析事实记录常常涉及将事实记录与维度记录联接，例如，将事实表与维度表联接。但是，将事实记录与维记录联接可能是计算密集的，这至少是因为它涉及处理大量事实记录。一些现有技术专注于通过使用预计算(诸如使用OLAP立方体、摘录和物化的预聚合的表)来优化查询执行。但是，由这些技术提供的执行改进仍然受到限制。此外，预聚合还有若干缺点，诸如粒度的丢失、无法运行自组织(ad-hoc)查询等。