[发明专利]一种提升缓存访问命中率的系统及方法

说明书

本发明公开了一种提升缓存访问命中率的系统及方法，通过设置DDQN模型，提升了缓存区的访问命中率，能够更好地利用缓存区，提高了查询效率。本发明提供的DDQN模型能够学习经验，可以将若干个查询放入查询集合存储表并调度，且从历史执行的查询中获得更多的经验，改进调度策略。本发明能够有效地捕捉缓存区状态以及数据访问模式，更好地利用了缓存区并改进其查询的决策安排；DDQN模型能够适应从未执行过的查询，查询调度策略能够快速适应新的查询模板，从而产生显著的效果以及提升资源共享效率。

技术领域

本发明属于人工智能和数据库领域，具体涉及一种提升缓存访问命中率的系统及方法。

背景技术

查询调度问题是现代数据库系统中的一个重要而又富有挑战性的任务。查询调度可以对查询性能和资源利用率产生重大影响，但它可能需要考虑大量的因素，如缓存数据集、可用资源(如内存)、每个查询的性能目标、查询优先级或查询间依赖(如相关数据访问模式)。

数据库会把表数据和索引以页的形式存储在缓存中，同时在某些情况下(使用预处理的时候)也会把查询计划缓存下来，但是不会去缓存具体的查询结果。它是把查询到的数据页缓存起来，这个数据页会包含连续的数据，即不仅仅是所要的查询的数据。传统的缓存方法都是一些基于规则的算法来实现，但是对于现在的大数据场景下，查询业务量规模大且飞速增长，不同的且复杂的查询对于传统的缓存方法带来了严峻的挑战，利用AI技术可以让数据库系统自己去学习一些特征，例如整个缓冲区的状态信息，查询语句的特征信息以及业务的一些负载信息等等，这将比传统的缓存方法精确很多，让缓存命中率更高。

现有的查询调度策略并不能有效的提高缓存命中率，很有可能由于查询的执行顺序不恰当，导致缓存失效的问题，从而不得不进行I/O操作，这样的性能损耗极大。假设数据库的缓存是固定大小的，这个模型可以找出一个最佳的顺序，使当前的一个查询语句尽可能地利用上一个查询语句经过IO操作加载到缓存的数据页，这样就减少了数据库的IO操作。本发明主要目的就在于如何减少IO操作，也就是增加缓存区数据页的命中率，因为IO的消耗对数据库的性能影响很大。

综上，为了提升缓存的命中率，并且能产生一些有效的执行计划，以及对各种复杂的查询有较好的调度能力，有必要设计一种能解决上述问题提升缓存访问命中率的方法。

发明内容

针对现有技术中的上述不足，本发明提供的一种提升缓存访问命中率的系统及方法现有技术中数据库缓存命中率低下的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种提升缓存访问命中率的系统，包括查询存储表模块、查询特征抽取器、DDQN模型以及缓冲池特征抽取器；

所述查询存储表模块与查询特征抽取器连接，其用于采集用户提交的查询请求，并保存至链式队列中；所述查询特征抽取器与DDQN模型连接，其用于将查询集合存储表模块采集的查询信息转换为特征向量，并压缩为第一位图；所述DDQN模型连接与缓冲池特征抽取器连接，其用于接收查询特征抽取器与缓冲池特征抽取器输入的第一位图，并执行查询；所述缓冲池特征抽取器用于将数据库缓冲池的状态转换为第二位图。

进一步地，所述数据库用于存储数据表；所述数据库的缓冲池包括m列×n行的数据块，每个所述数据表包括一行数据块；所述数据块用于缓存数据；所述查询请求包含若干基本关系对应数据块的查询；每个所述基本关系与一个数据表对应，其包含对应数据表所查询的数据块的状态；所述数据块均设置有对应的索引块，所有索引块组成索引表。

本发明的有益效果为：

(1)本发明提供了一种提升缓存访问命中率的系统，通过设置DDQN模型，提升了缓存区的访问命中率，能够更好地利用缓存区，提高了查询效率。

(2)本发明提供的DDQN模型能够学习经验，可以将若干个查询放入查询集合存储表并调度；从过去的执行的查询中获得更多的经验，从而改进调度策略。