저자:작성자: Martin Utesch (
<utesch@aut.tu-freiberg.de) University of 자동 제어 연구소의 경우 독일 프라이베르크의 광업 및 기술.
모든 관계 연산자 중에서 가장 어려운 것은 처리하고 최적화하는 것은가입. 는 쿼리에 응답하기 위한 대체 계획의 수가 증가합니다. 포함된 조인 수만큼 기하급수적으로 증가합니다. 더 나아가 최적화 노력은 다양한 지원으로 인해 발생합니다.조인 방법(예: 중첩 루프, 해시 가입하다, 병합하다, 가입하다포스트그레SQL) 개별 조인 처리 그리고 다양한색인(예: R-트리, B-트리, 해시 인범퍼카 토토)을 액세스 경로로 사용 관계.
현재포스트그레SQL최적화 구현은 다음을 수행합니다.거의 완전한 검색공간 위 대안 전략. 이 쿼리 최적화 기술은 다음과 관련된 데이터베이스 애플리케이션 도메인을 지원하기에는 부적절합니다. 인위적인 등 광범위한 쿼리가 필요함 지능.
대학교 자동 제어 연구소 독일 프라이베르크의 Mining and Technology는 사람들이 원하는 대로 문제를 설명했습니다.포스트그레SQLDBMS를 백엔드로 사용 유지관리를 위한 의사결정 지원 지식 기반 시스템 전력망. 대규모 조인을 처리하는 데 필요한 DBMS 지식 기반 추론 기계에 대한 쿼리 시스템.
가능한 공간을 탐색하는 데 있어 성능상의 어려움 쿼리 계획으로 인해 새로운 최적화 기술에 대한 수요가 발생했습니다. 개발 중입니다.
다음에서 우리는 다음의 구현을 제안합니다.유전자 알고리즘에 대한 옵션으로 데이터베이스 쿼리 최적화 문제입니다.
| PostgreSQL : 문서 : 7.3 : 범퍼카 토토 파일 | 집 | 다음 |
| 페이지 파일 | 위로 | 유전적 알고리즘 |