Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 华东师范大学杨光舜获国家专利权

华东师范大学杨光舜获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉华东师范大学申请的专利一种基于提示词引导的数据库查询优化方法、系统及应用获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119782351B

龙图腾网通过国家知识产权局官网在2025-12-05发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411851451.6,技术领域涉及:G06F16/2453;该发明授权一种基于提示词引导的数据库查询优化方法、系统及应用是由杨光舜;潘志诚;杨程程设计研发完成,并于2024-12-16向国家知识产权局提交的专利申请。

一种基于提示词引导的数据库查询优化方法、系统及应用在说明书摘要公布了:本发明公开了一种基于提示词引导的数据库查询优化方法,包括如下步骤:步骤一、识别SQL中潜在有效的单个提示词,并利用预构建规则对所述单个提示词进行过滤;步骤二、将过滤后的单个提示词进行二元组合,生成多个候选提示词对,并根据传统优化器的评估指标对当前候选提示词对进行过滤;步骤三、将过滤后的候选提示词对与SQL语句绑定,生成一个或多个查询计划,并对查询计划进行编码;步骤四、提取查询计划中的风险信息并编码,将编码后的风险信息拼接到编码后的查询计划算子后,获得拼接后的编码向量;步骤五、将步骤四中的编码向量放入性能预测器,预测查询计划的延迟分布,并获取最优查询计划。本发明还公开了查询优化系统,具有广泛应用场景。

本发明授权一种基于提示词引导的数据库查询优化方法、系统及应用在权利要求书中公布了:1.一种基于提示词引导的数据库查询优化方法,其特征在于,所述查询优化方法包括如下步骤: 步骤一、识别SQL中潜在有效的单个提示词,并利用预构建规则对所述单个提示词进行过滤;所述提示词包括两表之间的连接操作、表的访问方式、表连接顺序的前缀,不同数据库中特有的提示词; 所述过滤的规则包括如下: 只有存在索引的列才会使用NestedLoopJoin提示词;或, 只有存在索引的列才会使用IndexScan提示词;或, 只有SQL中有连接键的两表才会使用Leading提示词; 步骤二、将过滤后的单个提示词进行二元组合,生成多个候选提示词对,并基于传统优化器的评估指标对当前候选提示词对进行过滤; 步骤二中,将所有候选提示词放入候选列表中,每次取出一个提示词,并将取出的提示词与候选列表中的所有提示词组合成候选提示词对,并放入传统优化器中预估延迟,把延迟小于期望最大延迟max_lantency的提示词对放入候选列表的尾端,不断重复上述过程直到遍历到候选列表的末尾,最终候选列表中的提示词即为候选的提示词集; 步骤三、将过滤后的候选提示词对与SQL语句绑定,生成一个或多个查询计划,并对所述查询计划进行编码; 步骤四、提取查询计划中的风险信息并编码,将编码后的风险信息拼接到编码后的查询计划算子后,将拼接后形成的编码向量作为数据集中的数据; 步骤五、将步骤四中的编码向量放入性能预测器,预测查询计划的执行延迟分布,并获取最优查询计划; 步骤五中,所述性能预测器的构建及训练具体包括如下步骤: 步骤I、读取SQL数据集,执行SQL并获取真实执行时间,将查询计划和真实执行时间存入数据库; 步骤II、获取数据库中查询SQL中所涉及的所有表的统计信息;所述统计信息包括直方图、高频值、不同元素个数; 步骤III、对步骤I中的查询计划编码,形成自动标注的训练数据集,并实时更新; 步骤IV、提取查询计划中的风险信息并编码,编码后的风险信息拼接到步骤III中编码后的查询计划算子后,将拼接后形成的编码向量作为数据集中的数据; 步骤IV中,所述风险信息包括:包括列与列之间的基数估计依赖于独立性假设、表与表之间连接的独立性假设、单点查询依赖了均匀假设的基数估计风险,包括统计信息缺失、统计信息越界、统计信息过期的统计信息风险,包括回表计划估计不准、新算子、特殊算子代价估计不准的代价模型风险; 和或, 评估每个算子编码时的风险,风险存在时相应位置置为1,否则置为0,最终编码获得一个8位的01向量,并拼接在步骤III编码后的算子的尾部; 步骤V、利用步骤IV中获得的数据集训练查询计划的性能预测器,并持久化优化的模型参数; 步骤V中,在所述性能预测器的训练过程中,使用自注意力机制来生成查询特征的高维向量嵌入,捕捉查询中各步骤的依赖关系,然后将所述高维向量嵌入输入高斯过程回归模型,预测查询的执行性能,并估计预测不确定性。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人华东师范大学,其通讯地址为:200241 上海市闵行区东川路500号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。