结构化查询的资源优化方法及数据库查询系统技术方案

本发明专利技术涉及嵌入式数据库技术领域，特别涉及一种结构化查询的资源优化方法及数据库查询系统。其中，结构化查询的资源优化方法，包括：获取多条查询语句；根据多条查询语句，配置处理查询所用的硬件模块。数据库查询系统，包括：指令获取模块，指令获取模块被配置为获取多条查询语句；查询处理模块，查询处理模块被配置为根据多条查询语句，配置处理查询所用的硬件模块。本发明专利技术的结构化查询的资源优化方法及系统，能够根据当前待处理的查询语句的排队情况，动态调整用于完成查询处理的硬件模块，从而合理安排硬件模块资源并且提高查询效率。

Resource optimization method and database query system for structured query

The invention relates to the field of embedded database technology, especially a resource optimization method and database query system for structured query. Among them, the resource optimization method of structured query includes acquiring multiple query statements, configuring the hardware modules for processing queries according to multiple query statements. The database query system includes: instruction acquisition module, instruction acquisition module is configured to get multiple query statements, query processing module and query processing module are configured to configure the hardware modules for processing queries according to multiple query statements. The resource optimization method and system of the structured query of the invention can dynamically adjust the hardware module for completing the query processing according to the queuing situation of the query sentence currently being processed, so as to reasonably arrange the hardware module resources and improve the query efficiency.

【技术实现步骤摘要】
结构化查询的资源优化方法及数据库查询系统
本专利技术实施例涉及嵌入式数据库
，特别涉及一种结构化查询的资源优化方法及数据库查询系统。
技术介绍
人工智能计算平台，是一种能够为用户提供人工智能训练需要的训练、推断工具和数据存储、处理服务的服务平台。人工智能计算平台一般通过一个或者多个数据中心提供支持，每个数据中心可以由多台服务器构成，并且通过各台服务器以网络方式对外提供服务。人工智能计算平台的数据库查询系统，是为使用人工智能计算平台的用户提供在数据中心的数据库中查询数据的服务系统。目前，在数据库环境中，最常用的数据库查询方式是预先依照数据库的内容设计数据库查询程序(或是利用机器学习建立的查询模型)，以固定的结构化查询语言(英文全称：StructuredQueryLanguage，英文缩写：SQL)对数据库进行查询。在进行数据库SQL查询时，往往需要面临多条SQL查询语句并发请求查询的情况。由于在处理各条SQL查询语句时，每一条SQL查询语句都会被划分为多个流水段，每个流水段根据不同的处理阶段又会由不同的硬件模块进行处理。因此，每个硬件模块的可能会同时分配到多个流水段，并需要对其进行并行处理。此时，可以对硬件模块配置不同的并行度数量，其并行度数量越高，查询处理的效率越高。但是，即使可以对硬件模块进行不同并行度数量的配置，硬件模块的并行度数量在配置好以后即固定，由于无法预知多路查询中各条SQL查询语句的多个流水段的构成，依然会存在需求和资源不匹配的问题，造成资源浪费和性能低下。现有的解决硬件模块的配置和需求不匹配的方法是，为每个硬件模块预留足够大的并行度数量，但是由于资源有限，无法给每个硬件模块都预留到最大的并行度数量，而且查询语句的各个阶段的流水段的数量也是未知的，从而无法保证该预留的最大的并行度数量可以满足处理数量的需求，因此，依然无法有效地解决硬件模块资源浪费和处理效率低的问题。
技术实现思路
本专利技术实施例提供了一种结构化查询的资源优化方法及数据库查询系统，能够根据当前待处理的查询语句的排队情况，动态调整用于完成查询处理的硬件模块，从而合理安排硬件模块资源并且提高查询效率。为了解决上述技术问题，本专利技术提供了如下的技术方案：本专利技术的一种结构化查询的资源优化方法，包括：获取多条查询语句；根据多条查询语句，配置处理查询所用的硬件模块。进一步地，根据多条查询语句，配置处理查询所用的硬件模块的方法包括：根据多条查询语句确定处理查询的硬件模块的并行度的建议配置；根据硬件模块的并行度的建议配置，配置处理查询所用的硬件模块。进一步地，确定建议配置的方法包括：根据多条查询语句和预设的通过机器学习建立的模型，获取处理查询的硬件模块的并行度的建议配置。进一步地，确定处理查询的硬件模块的并行度的建议配置的方法包括：将多条查询语句划分为对应的多个流水段；根据多个流水段的数量，确定处理查询的硬件模块的并行度的建议配置。进一步地，还包括：将多个流水段根据不同的处理阶段分为多组；根据各组流水段，确定处理各组流水段对应的硬件模块的并行度的建议配置。进一步地，根据硬件模块的并行度的建议配置，配置处理查询所用的硬件模块的方法还包括：获取当前处理查询所用的硬件模块的并行度的预设配置；根据建议配置和预设配置的匹配结果，确定是否重新配置处理查询所用的硬件模块。进一步地，还包括：确定采用预设配置的硬件模块完成查询处理所需的第一时间和将预设配置的硬件模块更换为建议配置的硬件模块完成查询处理所需的第二时间；根据匹配结果以及第一时间和第二时间的比较结果，确定是否重新配置处理查询所用的硬件模块。进一步地，第二时间包括：停止预设配置的硬件模块的时间、等待预设配置的硬件模块处理查询的时间和采用预设配置的硬件模块完成查询处理的时间。进一步地，结构化查询的资源优化方法应用于对人工智能计算平台的数据库查询。一种数据库查询系统，包括：指令获取模块，指令获取模块被配置为获取多条查询语句；查询处理模块，查询处理模块被配置为根据多条查询语句，配置处理查询所用的硬件模块。进一步地，查询处理模块包括：查询配置单元，查询配置单元被配置为根据多条查询语句确定处理查询的硬件模块的并行度的建议配置；以及硬件配置单元，硬件配置单元被配置为根据硬件模块的并行度的建议配置，配置处理查询所用的硬件模块。进一步地，指令获取模块包括：指令处理单元，指令处理单元被配置为将多条查询语句划分为多个流水段；查询配置单元包括：队列分析单元，队列分析单元被配置为将多个流水段根据不同的处理阶段分为多组，以使硬件配置单元根据各组流水段，确定处理各组流水段对应的硬件模块的并行度的建议配置。基于上述公开，本专利技术实施例的有益效果在于：本专利技术实施例的结构化查询的资源优化方法，能够根据获取的多条查询语句，配置处理查询所用的硬件模块，以利用多个与查询语句相匹配的并行度的硬件模块组成最佳的硬件模块组合对多条查询语句进行查询处理，可以避免任务量较少的查询语句占用并行度较高的硬件模块，而浪费硬件模块的资源，降低硬件模块的闲置率，并且提高硬件资源的利用率；也可以避免任务量较多的查询语句使用并行度交底的硬件模块，提高查询处理的效率，并且降低硬件模块进行查询的阻塞率。本专利技术实施例的数据库查询系统，由于能够根据获取的多条查询语句，配置处理查询所用的硬件模块，使数据库查询系统具有响应速度高、响应延迟小的优点。附图说明图1为本专利技术实施例的结构化查询的资源优化方法的流程图；图2为查询语句对应的流水段构成图；图3为图3所示的流水段重新配置后的构成图；图4为本专利技术实施例的数据库查询系统的结构示意图。具体实施方式下面，结合附图对本专利技术的具体实施例进行详细的描述，但不作为本专利技术的限定。应理解的是，可以对此处公开的实施例做出各种修改。因此，上述说明书不应该视为限制，而仅是作为实施例的范例。本领域的技术人员将想到在本公开的范围和精神内的其他修改。包含在说明书中并构成说明书的一部分的附图示出了本公开的实施例，并且与上面给出的对本公开的大致描述以及下面给出的对实施例的详细描述一起用于解释本公开的原理。通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述，本专利技术的这些和其它特性将会变得显而易见。还应当理解，尽管已经参照一些具体实例对本专利技术进行了描述，但本领域技术人员能够确定地实现本专利技术的很多其它等效形式，它们具有如权利要求所述的特征并因此都位于借此所限定的保护范围内。当结合附图时，鉴于以下详细说明，本公开的上述和其他方面、特征和优势将变得更为显而易见。此后参照附图描述本公开的具体实施例；然而，应当理解，所公开的实施例仅仅是本公开的实例，其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本公开模糊不清。因此，本文所公开的具体的结构性和功能性细节并非意在限定，而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本公开。本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”，其均可指代根据本公开的相同或不同实施例中的一个或多个。下面，结合附图详细的说明本专利技术实施例，如图1所示，本专利技术实施例的结构化查询的资源优化方法，包括：本文档来自技高网...

【技术保护点】
一种结构化查询的资源优化方法，包括：获取多条查询语句；根据所述多条查询语句，配置处理查询所用的硬件模块。

【技术特征摘要】
1.一种结构化查询的资源优化方法，包括：获取多条查询语句；根据所述多条查询语句，配置处理查询所用的硬件模块。2.根据权利要求1所述的结构化查询的资源优化方法，其中，根据所述多条查询语句，配置处理查询所用的硬件模块的方法包括：根据所述多条查询语句确定处理查询的硬件模块的并行度的建议配置；根据硬件模块的并行度的建议配置，配置处理查询所用的硬件模块。3.根据权利要求2所述的结构化查询的资源优化方法，其中，确定所述建议配置的方法包括：根据所述多条查询语句和预设的通过机器学习建立的模型，获取处理查询的硬件模块的并行度的建议配置。4.根据权利要求2所述的结构化查询的资源优化方法，其中，确定处理查询的硬件模块的并行度的建议配置的方法包括：将所述多条查询语句划分为多个流水段；根据所述多个流水段的数量，确定处理查询的硬件模块的并行度的建议配置。5.根据权利要求4所述的结构化查询的资源优化方法，其中，还包括：将所述多个流水段根据不同的处理阶段分为多组；根据各组所述流水段，确定处理各组所述流水段对应的硬件模块的并行度的建议配置。6.根据权利要求2所述的结构化查询的资源优化方法，其中，根据硬件模...

【专利技术属性】
技术研发人员：杨碧波，李正，杨安荣，李远辉，王奇刚，
申请(专利权)人：联想北京有限公司，
类型：发明
国别省市：北京,11