[发明专利]一种语法树的优化方法、装置

说明书

本申请公开了一种语法树的优化方法，包括：获取用于数据库业务的第一语法树，提取所述第一语法树的特征数据，利用神经网络模型，对所述特征数据进行深度学习，得到所述第一语法树的表示向量、以及第一语法树的性能评估结果，在所述性能评估结果达到设定的评估阈值的情况下，获取当前表示向量所映射的第二语法树，得到第一语法树的优化结果。本申请实现了语法树的性能预估，提高了物理执行计划的性能，提高了性能评估结果的准确性。

技术领域

本发明涉及数据库技术领域，特别地，涉及一种语法树的优化方法、装置。

背景技术

在数据库领域，基于数据库可实现各种数据库业务。以数据库的查询为例，对用户输入的查询条件文本进行文本解析，基于文本解析的结果生成用于数据库查询的语法树，计算引擎将语法树映射为物理执行计划，按照物理执行计划在数据库中进行搜索，以获得查询结果。

为了提高业务的效率，需要进行数据库的优化。在数据库优化领域，物理执行计划的性能对业务优化至关重要，例如，用于考量CPU、内存、网络等资源消耗的代价评估、和用于考量列表数据量、每列的最大/最小值、每列数值占用的存储大小等信息的基数评估。不同的语法树映射为不同的物理执行计划，不同的物理执行计划的性能评估结果不同。

传统的物理执行计划的性能评估不能提供高质量的预估，这导致难以获得较佳性能的物理执行计划。

发明内容

本申请提供了一种语法树的优化方法、装置，以获得具有较佳性能的物理执行计划。

本申请提供一种语法树的优化方法，包括：

获取用于数据库业务的第一语法树，

提取当前第一语法树的用于表征节点属性的特征数据，

利用神经网络模型，对所述特征数据进行深度学习，得到所述第一语法树的表示向量、以及第一语法树的性能评估结果，

在所述性能评估结果达到设定的评估阈值的情况下，获取当前表示向量所映射的第二语法树，得到第一语法树的优化结果；

在所述性能评估结果未达到设定的评估阈值的情况下，根据所述第一语法树的当前表示向量，重构所述第一语法树，以使得所述第一语法树的至少一个节点属性的特征数据被更新，返回执行所述提取所述第一语法树的用于表征节点属性的特征数据的步骤，直至所重构的第一语法树的数量达到设定的穷举阈值。

较佳地，该方法进一步包括，

在所述性能评估结果未达到所述评估阈值、且所重构的第一语法树的数量达到所述穷举阈值的情况下，

利用所述数据库业务中的样本数据，对当前神经网络模型进行训练，

根据训练结果调整神经网络模型的模型参数，直至神经网络模型的训练结果达到设定的预测结果，保存当前模型参数；

返回执行所述利用神经网络模型，对所述特征数据进行处理的步骤。

较佳地，所述提取第一语法树的特征数据，包括，

提取第一语法树中每个节点的特征数据，其中，特征数据包括，操作类型特征，谓词特征，以及元数据特征。

较佳地，所述神经网络模型包括，长短期记忆网络、以及连接于所述长短期记忆网络输出的全连接神经网络，

其中，

所述长短期记忆网络用于基于所述特征数据学习第一语法树的表示向量，

所述全连接神经网络用于基于所述表示向量进行第一语法树的性能评估。

较佳地，所述利用神经网络模型，对所述特征数据进行深度学习，得到所述第一语法树的表示向量、以及第一语法树的性能评估结果，包括，