[发明专利]一种面向多负载的云数据库二级索引自动推荐方法和系统

权利要求书

1.一种面向多负载的云数据库二级索引自动推荐方法，其特征在于，包括以下步骤：

(1)从数据库中的查询语句集合中随机选择多个查询语句组成查询语句样本集{q₁，q₂，...，q_R}，对样本集进行向量化处理，以得到查询语句向量组{x₁，x₂，...，x_R}，其中q_i表示第i个查询语句，i∈[1，R]，R表示样本集中的查询语句总数，x_i表示q_i向量化后的结果；

(2)使用k-means算法对步骤(1)得到的向量组进行聚类分析，以得到k个2*N维向量作为k个查询模板、以及k个查询模板中每一个查询模板的权重，并用这k个查询模板表示整个查询语句集合的特征；

(3)将步骤(2)中得到的k个查询模板、以及每个查询模板的权重输入到预先训练好的多负载索引推荐模型中，以得到索引配置；多负载索引推荐模型包括第一全连接神经网络、第二全连接神经网络和第三全连接神经网络；

第三全连接神经网络是通过以下步骤训练得到的：

A1、使用Python产生多个随机的查询语句及其对应的索引，随机产生查询语句对应的查询条件中所包含的属性和属性的选择度，将产生的每个查询语句输入其对应索引的数据库中，以得到每个查询语句在其对应索引下的查询时间，对每个查询语句及其对应索引分别进行向量化处理，以得到两个向量，将这两个向量拼接成一个向量，该拼接后的向量作为该查询语句对应的样本的输入，查询时间作为该查询语句对应的样本的输出，所有查询语句对应的样本的输入和所有查询语句对应的样本的输出构成数据集，将数据集按照9∶1的比例分为训练集和测试集；

A2、根据方差损失函数、并利用步骤A1得到的训练集对第三全连接神经网络进行迭代训练，直到其收敛为止，从而得到初步训练好的第三全连接神经网络；

A3、使用步骤A1得到的测试集对步骤A2初步训练好的第三全连接神经网络进行验证，以得到训练好的第三全连接神经网络。

2.根据权利要求1所述的面向多负载的云数据库二级索引自动推荐方法，其特征在于，

步骤(1)中向量化处理的过程，是针对每一个查询语句q_i而言，使用该查询语句的选择度、以及该查询语句是否包含属性来对该查询语句q_i进行向量化，q_i向量化后的结果x_i是一个2*N维的向量，且有：

x_i＝(a_i，1，...，a_i，N，c_i，1，...，c_i，N)

其中N为样本集中所有查询语句包含的属性的个数，a_i，j表示查询语句q_i对应的查询条件中是否包含属性f_j，如果包含则a_i，j＝1，此时c_i，j为查询语句q_i在属性f_j上的选择度，即查询条件中该属性f_j可返回的结果数在数据库中所占的比例；如果不包含则a_i，j＝0，此时c_i，j＝1，j∈[1，N]。