面向现代数据库管理系统的新颖选择性估计策略
数据库
2018-06-25 v1
摘要
选择性估计在查询优化中十分重要，然而当谓词复杂时准确估计十分困难。现有的数据库摘要与统计信息对此类情况并无帮助，我们引入一种新方法，通过在优化阶段运行聚合查询来计算精确选择性。对于内存与GPU加速的数据库，通过增加额外的查询执行调用，可在不显著增加开销的情况下实现精确选择性。我们在MapD数据库系统中基于该新颖选择性估计策略实现了选择下推扩展。我们的方法在GPU上运行时，任何情况下均记录到恒定且小于30毫秒的开销。该新颖策略成功生成更优的查询执行计划，使TPC-H基准SF-50查询性能提升高达4.8倍，星型模式基准SF-80查询性能提升高达7.3倍。
引用
@article{arxiv.1806.08384,
title = {Novel Selectivity Estimation Strategy for Modern DBMS},
author = {Jun Hyung Shin},
journal= {arXiv preprint arXiv:1806.08384},
year = {2018}
}