sigmod2013论文笔记：CS2：A New Database Synopsis for Query Estimation

基于关联抽样的查询估计

CS2：A New Database Synopsis for Query Estimation

摘要

本文提出了一种基于数据库统计汇总信息的关联抽要视图。对选择、连接查询提供快速、精确的结果集估计。与传统方法仅依赖于简单随机抽样的方法不同，这里的抽样选取那些保持连接相关性的元组，同时能够节约存储空间。提出了一种新的统计抽样方法——逆向抽样；设计了一种强大的逆向估计器，充分利用关联元组进行结果集估计。理论证明了此法是无偏的。实验证明此方法是快速有效的。在相同的空间预算条件下，CS2能够快速构建和推导估计结果。

1、 简介

一般的查询优化，依赖于大量的统计信息和特定的前提假设。

但是可能面对如下几个问题：

l  统计信息缺失

l  假设不准确

l  占用大量额外空间

如何快速、准确的构建数据库的摘要视图，刻画数据库结果的轮廓，方便估计呢？

已经有一下集中方法：

l  直方图：适合低维度查询，属性个数比较少的时候，一旦维度增加，维护和存储将非常困难。

l  采样：估计误差比较大，采样元组不具有相关性。或者只是从结果中随机抽要，在原有关系中，不具有代表性。即使相关，也只考虑了满足星型连接的情况；或者只限于外码连接，还要额外的存储。

l  构建基于查询的数据库摘要，例如TuG方法，但是该方法，过分依赖于分簇，并且构建复杂。

直方图方法不如采样方法和摘要方法精确；采样的方法又只局限于外码连接，还需要额外的保存摘要；TuG方法过分依赖于分簇，构建过程复杂。

本文的贡献在于构建一种简单、简洁、精确的数据库摘要。先对两种摘要进行却别：

l  基于连接结果采样的摘要：从连接结果抽样；假设没有悬挂元组；

l  基于连接相关关系采样的摘要：从连接关系中，抽取可以连接的相关元组

允许考虑悬挂元组，只取一次即可。

实验表明，上述2种摘要的方法比TUG的方法精确，而且快速；关联抽样的方法，简单、精确，并且适合多种连接和任意选择操作。

2 、预备知识

²  连接图

²  查询Q的连接图

²  连接关系

²  连接元组

²  源关系、非源关系、采样关系、采样元组

²  关联关系、关联元组

²  关联采样摘要

²  抽样顺序图

²  简单关联抽样

3、关联抽样摘要的构建

一般的采样

u  采样元组过于独立，相互之间缺少关联

u  导致大量累积误差

关联抽样

u  从连接关系中抽样，保持了连接关系和连接相关性

u  降低了估计得误差

u  文献【10】算法实现关联抽样摘要的定期更新

关联摘要构建时，最好采用以下原则：

u  从many-to-one关系采样，以减少样本空间

n  One-to-many 会使样本空间骤增，例如下图中，如果以学生为抽样关系，一个学生样本，会产生许多选课元组和他有关系。从而样本空间会突然增大。

u  仅保存关联元组的连接属性，或者一些经常会出现在选择条件、连接条件中的属性，以减少样本存储空间大小。

4、查询估计

u  重点研究等值连接和查询的结果估计

u  本节考虑的是无回路的连接关系图

u  假定没有悬挂元组

u  4.2.3会讨论悬挂元组在非源查询估计中的情况

（待续）