一种自动学习索引方法及系统技术方案

一种自动学习索引方法及系统，具体涉及一种根据计算机数据特征自动推荐最佳索引的方法及系统，为了解决计算机的学习索引在建立时，需要人为定义学习索引的层数以及每个节点相应的模型，导致索引建立的空间代价较大，建立过程难度较高，建立时间较长的问题，它包括构建学习索引模型，学习索引模型包括回归模型和随机森林模型，利用计算机数据库作为训练集对学习索引模型进行训练，输入训练数据的键key，输出训练数据在计算机数据库中的位置。属于数据库索引领域。于数据库索引领域。于数据库索引领域。

【技术实现步骤摘要】
一种自动学习索引方法及系统


[0001]本专利技术涉及一种学习索引方法及系统，具体涉及一种根据计算机数据特征自动推荐最佳索引的方法及系统，属于数据库索引领域。

技术介绍

[0002]现有计算机索引结构的优化大多是基于计算机数据最差的情况，并且是对读写相对均匀的计算机索引进行优化，所以对于一些特殊的情况，例如，某计算机数据集中的数据按照1
‑
100M顺序排列，由于数据key值本身就可以作为偏移量使用，此时采用常用的B
‑
Tree索引进行计算机数据查询就不是最优解，反而会因为B
‑
Tree的构建增加B
‑
Tree索引的查询时间复杂度和空间复杂度。B
‑
Tree或B+Tree索引结构使用简单的条件判断语句进行递归地划分空间，不考虑每条计算机数据和其索引键值间是否具有联系，也没有利用已知数据的分布特点，因此，它们具有次优的空间代价和查询性能，且在现实中并没有一种已知的计算机数据模式分布可以遵循，就导致求出的实际计算机数据的分布模型的成本开销太大，以及索引结构推荐面本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动学习索引方法，其特征在于：它包括以下步骤：S1、获取计算机数据库作为训练集；S2、构建学习索引模型，学习索引模型包括回归模型和随机森林模型，利用训练集对学习索引模型进行训练，输入训练数据的键key，输出训练数据在计算机数据库中的位置，得到训练好的学习索引模型；S3、将待查询的计算机数据输入训练好的学习索引模型内，输出计算机数据在计算机数据库中的位置。2.根据权利要求1中所述的一种自动学习索引方法，其特征在于：S2中回归模型包括线性回归模型，多项式回归模型，弹性回归模型，梯度提升树，极限树。3.根据权利要求2中所述的一种自动学习索引方法，其特征在于：S2中构建学习索引模型，学习索引模型包括回归模型和随机森林模型，利用训练集对学习索引模型进行训练，输入训练数据的键key，输出训练数据在计算机数据库中的位置，得到训练好的学习索引模型，具体过程为：将训练集中某个训练数据的键key分别输入回归模型的线性回归模型，多项式回归模型，弹性回归模型，梯度提升树，极限树内进行训练，每个回归模型均输出某个训练数据键key在计算机数据库中的位置，即得到训练数据在计算机数据库中的位置；训练完成后，记录每个回归模型的训练参数，利用打分函数对每个回归模型的输出结果进行打分，选取打分最高的多个回归模型与某个训练数据建立关联，得到每个训练数据及其对应的...

【专利技术属性】
技术研发人员：王宏志，朱锐，唐亚锋，徐博，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：