[发明专利]一种数据库学习型索引构建方法和系统

权利要求书

1.一种数据库学习型索引构建方法，其特征在于，包括以下步骤：

根据数据关键字和数据存储位置，构建累积分布函数；

利用机器学习模型拟合累积分布函数，以获取数据关键字与数据存储位置的关联性，得到学习型索引；

根据学习型索引，快速定位待查询的键值所处的位置。

2.根据权利要求1所述的方法，其特征在于，将所述累积分布函数建模为pos＝F(key)×N，其中，F(key)表示累积分布函数，key表示数据键，pos表示数据存储位置，N表示总的数据规模。

3.根据权利要求2所述的方法，其特征在于，所述利用机器学习模型拟合累积分布函数，是通过机器学习选择合适的累积分布函数即F函数的参数，使得损失函数最小化。

4.根据权利要求1所述的方法，其特征在于，所述利用机器学习模型拟合累积分布函数，包括对键值数据进行分组处理；所述对键值数据进行分组处理包括：预先设定每一组数据点的个数segmentSize，每读取segmentSize个数据点之后就划分为一组，并拟合一个机器学习模型，记录模型参数，并以一组数据关键字的最大值和最小值为分界点，以作为分组依据。

5.根据权利要求4所述的方法，其特征在于，所述根据学习型索引，快速定位待查询的键值所处的位置，包括：使用根查询表作为辅助数据结构来准确而快速地将待查询键定位到目标组；所述根查询表基于一个基数树Radix Tree，将前k个二进制位相同的数据键映射到同一个结点，实现数据键的快速分组定位，其中k是RadixBit即基数树的深度；使用两组之间的分界点作为根查询表的结点，并且用这些分界点构建数组，称为结点数组，在结点数组的每个位置存储指针；在每次输入待查询数据键Key时，首先根据基数树定位到结点数组中的两个结点，再通过二分查找找到结点数组中不小于Key最大值的下标，也即获得对应分组在数组中的下标，随即完成一次根查询表分组定位过程。

6.根据权利要求4或5所述的方法，其特征在于，采用数组长度动态自适应的切分方法动态地对数组进行切分，所述数组长度动态自适应的切分方法包括以下步骤：

试探性地对最底层同一父节点下的若干数组合并，用一个索引模型代替原有的若干索引模型，以节省空间消耗；

基于索引模型的平均预测误差这一指标，评价合并的效果，如果误差低于设定阈值则接受合并，反之则撤销这次合并操作；

自底向上重复合并操作，直至不存在满足合并条件的数组为止。

7.根据权利要求1所述的方法，其特征在于，通过引入外接数组支持插入操作、删除操作，即将插入的元素放置在待插入位置的外接数组中，然后定期将外接数组与原数组进行整合；在每次进行插入操作时，首先执行查询操作，找到待插入的键对应的位置，即数组中不大于当前键的最大值所在位置，称其为lower_bound，该位置外接一个固定大小的数组，并将待插入的键值对放入其中；在查询操作中，首先定位到lower_bound，如果lower_bound就是待查询的键，就完成一次查询操作，如果lower_bound不是待查询的键，就在其对应的外接数组中进行查询；当外接数组满时，将该外接数组和原数组进行整合，并进行模型重训练；进行删除操作时，仍然首先执行查询，找到数据所在位置，同样将该位置标记为空，对所有标记为空的位置进行整合。

8.一种采用权利要求1～7中任一权利要求所述方法的数据库学习型索引构建系统，其特征在于，包括：

累积分布函数构建模块，用于根据数据关键字和数据存储位置，构建累积分布函数；

累积分布函数拟合模块，用于利用机器学习模型拟合累积分布函数，以获取数据关键字与数据存储位置的关联性，得到学习型索引；

查询模块，用于根据学习型索引，快速定位待查询的键值所处的位置。

9.一种电子装置，其特征在于，包括存储器和处理器，所述存储器存储计算机程序，所述计算机程序被配置为由所述处理器执行，所述计算机程序包括用于执行权利要求1～7中任一权利要求所述方法的指令。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机程序，所述计算机程序被计算机执行时，实现权利要求1～7中任一权利要求所述的方法。