[发明专利]用于处理查询的方法、数据库系统和计算机可读存储介质

说明书

本公开涉及用于处理查询的方法、数据库系统和计算机可读存储介质。本主题涉及处理数据库系统中查询的方法和系统。处理查询的方法包括：在从客户端接收到相应查询时从数据库系统处理的多个查询中随机选择查询；对于随机选择的每个查询，从高速缓存源检索与随机选择的查询匹配的第一高速缓存数据并从原始数据源检索与随机选择的查询匹配的第一原始数据；对于未被随机选择的查询，从高速缓存源检索与查询匹配的第二高速缓存数据；评估第二高速缓存数据的准确度值；若准确度值低于给定阈值则从原始数据源检索与查询匹配的第二原始数据，并用第二原始数据更新第二高速缓存数据；和使用机器学习算法基于第一高速缓存数据和第一原始数据调整概率模型。

技术领域

本主题公开一般而言涉及计算机和计算机软件，并且具体地涉及处理数据库系统中的搜索查询并执行高速缓存更新调整的方法、系统和计算机程序产品。

背景技术

数据库技术的最新发展表明，确保需要处理大量数据的搜索查询的短响应时间是一个常见问题。例如，必须响应于仅包含很少输入信息的所谓“开放查询”来执行这种处理(例如，仅指定十几个可能参数中的一个或两个参数和/或指定的参数值范围宽)，因此导致一般会产生大量结果。通过提高硬件性能来加速数据处理的可能性是有限的。因此，需要注意改进作为处理大数据量的基础的机制。

缩短对查询的响应时间的一种一般方法是预先计算或预先收集搜索查询的结果并将其维护在高速缓存中。随后，搜索查询实际上不是针对大量数据处理的，而是针对高速缓存中维护的结果而处理的。

但是，高速缓存具有缺点，即，由于已经预先计算或预先收集结果的数据的改变，高速缓存中维护的结果可能变得过时，并且因此与所述数据不同。因此，将预先计算的或预先收集的结果保持最新以便确保由来自高速缓存的结果返回的查询正确地反映大量数据中的对应数据是一个问题。因此需要用于使高速缓存(即，在高速缓存中维护的结果)保持最新的策略。

如现有技术中已知的，用于使高速缓存保持最新的各种相对简单的策略涉及例如频繁地重新计算或重新收集在高速缓存中维护的整个结果、手动建立和维护重新计算或重新收集调度、并在结果被认为过时时重新计算或重新收集结果。一般而言，重新计算或重新收集大量搜索结果(或更新高速缓存)是消耗大量计算资源以及带宽资源的任务。因此，寻求重新计算或重新收集技术以高效地执行搜索结果的重新计算或重新收集。

在EP 2 908 255 A1中讨论了在确保具有一定可能性的搜索结果的有效性的同时缩短响应时间的另一种策略。根据这种策略，估计预先计算或预先收集的搜索结果的有效性，并且利用这个有效性估计以便将可能有效的预先计算的或预先收集的搜索结果返回给客户端。更具体而言，提供了在具有至少一个客户端和至少一个搜索平台的数据库系统中处理查询的方法。搜索平台维护预先计算的与置信因子相关联的搜索结果。置信因子指示相关联搜索结果有效的概率。由搜索平台接收指示至少一个搜索标准的查询。搜索平台利用与识别出的预先收集的搜索结果相关联的置信因子来增加返回到客户端的、预先收集的有效搜索结果的平均概率。

发明内容

根据本公开的第一方面，提供了一种处理数据库系统中的查询的方法。所述数据库系统包括存储多条原始数据的原始数据源和存储多条高速缓存数据的高速缓存源，其中每条高速缓存数据与准确度值相关联。所述方法包括：在从客户端接收到相应查询时从由所述数据库系统处理的多个查询中随机选择查询。另外，该方法包括，对于随机选择的每个查询，从高速缓存源中检索与随机选择的该查询匹配的第一高速缓存数据，以及从原始数据源中检索与随机选择的该查询匹配的第一原始数据。而且，该方法包括，对于未被随机选择的查询，从高速缓存源中检索与该查询匹配的第二高速缓存数据，评估第二高速缓存数据的准确度值，以及如果准确度值低于给定阈值，那么从原始数据源中检索与该查询匹配的第二原始数据，并且用第二原始数据更新第二高速缓存数据。该方法包括使用机器学习算法基于第一高速缓存数据和第一原始数据来调整概率模型。准确度值是从概率模型导出的并且指示高速缓存数据与对应的原始数据一致的概率。