多查询优化的高效可扩展算法
摘要：多查询优化：一种基于启发式算法的方法 多查询已经成为一种常见的现象，随着决策支持系统的不断使用。这些复杂的查询通常具有大量的共同子表达式，无论是在单个查询中还是在运行为批处理的多个查询之间。多查询优化旨在利用共同子表达式来降低评估成本。然而，之前的算法通常被认为是不切实际的，因为它们是穷举式的，探索呈双指数增长的搜索空间。 在本文中，我们通过启发式算法展示了多查询优化的实用性和重要性。我们提出了三种基于成本的启发式算法：Volcano-SH和Volcano-RU，它们是基于对Volcano搜索策略的简单修改，并采用一种贪心启发式算法。我们的贪心启发式算法采用了新颖的优化方法，极大地提高了效率。我们的算法设计用于轻松添加到现有的优化器中。我们使用TPC-D基准的查询工作负载进行了性能研究，比较了这些算法。研究结果表明，我们的算法相对于传统优化方法提供了显著的优势，在优化时间上也具有非常可接受的开销。
作者：Prasan Roy, S. Seshadri, S. Sudarshan, Siddhesh Bhobe
论文ID：cs/9910021
分类：Databases
分类简称：cs.DB
提交时间：2007-05-23