【技术实现步骤摘要】
本申请涉及数据库，尤其涉及一种数据库结构与索引的优化方法、设备及介质。
技术介绍
1、随着信息技术的快速发展，数据规模呈现爆炸性增长，传统数据库在处理海量数据时面临着查询性能低下、数据管理效率不高等问题。特别是在处理复杂查询和实时数据处理方面，现有数据库系统的性能表现往往不尽如人意。
2、当前，数据库结构优化和索引优化主要依赖于手动调整和经验判断，这不仅效率低下，而且容易出错。同时，现有技术缺乏对数据库整体结构及索引的全面分析和优化，导致数据库性能无法得到充分发挥。
3、此外，传统方法缺乏对数据动态变化的考虑，一旦数据分布发生变化，可能需要进行繁琐的重新优化计算。另外，现有的索引优化方法往往只关注单个查询的优化，而忽视了整体性能的提升方面。
技术实现思路
1、本申请实施例提供了一种数据库结构与索引的优化方法、设备及介质，用于解决如下技术问题：现有数据库的结构与索引，缺乏对数据库整体的全面分析，导致数据库性能无法得到充分发挥，容易忽视数据动态变化所造成的查询影响。
2、本申请实施例采用下述技术方案：
3、一方面，本申请实施例提供了一种数据库结构与索引的优化方法，包括：获取数据库的基础属性数据；根据属性索引推荐算法，对所述基础属性数据进行有关索引候选项以及对应的结构项的内外层循环空间训练，得到深度学习识别模型；其中，所述深度学习识别模型用于对所述数据库中的结构与索引进行识别判定；通过所述深度学习识别模型，对所述数据库中的结构进行关系重组优
4、本申请实施例通过人工智能技术中的属性索引推荐算法实现了对数据库的自动化分析和优化，提高了优化效率和精度。同时也考虑了数据的动态变化和整体性能，能够适应不同场景下的优化需求。并且通过深度学习是被模型，对数据库的结构及索引进行参数更新，为优化提供了更准确的指导，实现了对数据库整体的结构及索引的全面分析和优化，提高了数据库的整体性能，还提高了查询效率和整体性能。
5、在一种可行的实施方式中，获取数据库的基础属性数据，具体包括：通过预设的刷新函数，对所述数据库中的数据表单进行模拟数据变化处理，得到模拟变化数据表单；其中，所述数据表单至少包括：orders表以及lineitem表；根据启发式规则，对所述模拟变化数据表单进行变化特征值的扫描与识别，确定出所述数据库在正常使用下的所述基础属性数据；其中，所述基础属性数据至少包括：数据表结构数据、数据表索引数据、数据负载数据以及查询日志数据。
6、在一种可行的实施方式中，在根据属性索引推荐算法，对所述基础属性数据进行有关索引候选项以及对应的结构项的内外层循环空间训练，得到深度学习识别模型之前，所述方法还包括：根据预设的奖励函数，对所述基础属性数据中有关索引项的索引执行动作进行性能评价，确定出奖励评价指标；通过所述基础属性数据中的数据负载项，获取所述数据库在工作状态下的所述索引候选项以及所述结构项；根据所述奖励评价指标，对所述数据负载项、所述索引候选项以及所述结构项进行奖励评价，得到负载参数、索引参数以及结构参数；并将所述负载参数、所述索引参数以及所述结构参数确定为属性索引框架输入端；获取所述奖励评价指标中索引执行动作下的任一索引候选项以及对应的结构项，并将任一所述索引候选项以及对应的结构项确定为属性索引框架输出端；基于所述属性索引框架输入端以及所述属性索引框架输出端，搭建出所述数据库的属性索引体系架构。
7、在一种可行的实施方式中，根据属性索引推荐算法，对所述基础属性数据进行有关索引候选项以及对应的结构项的内外层循环空间训练，得到深度学习识别模型，具体包括：获取所述属性索引体系架构中的索引候选集以及结构集；通过所述属性索引推荐算法，并基于外层循环空间，将所述索引候选集与结构集进行映射初始化；并将映射初始化后的索引候选集与结构集输入到内层循环空间中；其中，所述属性索引推荐算法为mira算法；基于所述内层循环空间，确定出所述索引候选项以及对应的结构项的下一状态与奖励评价指标；并更新所述索引候选项以及对应的结构项的动作参数；根据所述动作参数，将所述索引候选项以及对应的结构项进行当前状态的更新，并输入到所述外层循环空间中，以使所述基础属性数据进行有关数据更新状态下的内外层循环；基于预设的深度学习网络，将内外层循环后的基础属性数据进行模型训练，得到所述深度学习识别模型；其中，所述深度学习识别模型的输入端为基于所述基础属性数据下的索引候选项与对应的结构项；所述深度学习识别模型的输出端为索引配置映射项。
8、在一种可行的实施方式中，通过所述深度学习识别模型，对所述数据库中的结构进行关系重组优化，并对所述数据库中的索引进行字段更新优化，得到结构优化数据以及索引优化数据，具体包括：获取所述数据库中的历史索引以及对应的历史结构；通过所述深度学习识别模型，对所述历史结构进行有关数据表中字段关系的重组优化，得到所述索引优化数据；其中，所述重组优化至少包括：添加字段的更新优化、删除字段的更新优化以及新映射关系下的更新优化；通过所述深度学习识别模型，对所述历史索引进行有关数据表中字段语义的更新优化，得到所述索引优化数据；其中，所述更新优化至少包括：新建索引的更新、修改索引的更新以及删除索引的更新。
9、在一种可行的实施方式中，将所述结构优化数据以及所述索引优化数据进行反馈监督，以完成对所述深度学习识别模型的参数更新，具体包括：通过所述数据库的查询监听日志，对所述结构优化数据以及所述索引优化数据进行数据监督与采集；将采集后的所述结构优化数据以及所述索引优化数据反馈到所述深度学习识别模型中，以使优化后的索引候选项与对应的结构项进行内外层循环的反馈更新，得到反馈更新参数；根据所述反馈更新参数，对所述深度学习识别模型进行参数训练更新，以使所述深度学习识别模型进行基于数据库动态性能变化下的实时更新与优化。
10、在一种可行的实施方式中，通过预设的多目标优化策略，将所述结构优化数据以及所述索引优化数据进行性能评估，得到参数更新后的深度学习识别模型的性能评估指标，具体包括：通过所述多目标优化策略，对所述结构优化数据以及所述索引优化数据进行带约束的线性加权计算，确定出结构优化参数以及索引优化参数；对所述结构优化参数以及所述索引优化参数进行基于数据库性能的测试查询，并对测试查询结果进行性能评估，得到所述性能评估指标。
11、在一种可行的实施方式中，基于所述性能评估指标，生成所述数据库的优化策略，以对所述数据库进行有关结构与索引的优化，具体包括：对所述性能评估指标进行阈本文档来自技高网...
【技术保护点】
1.一种数据库结构与索引的优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种数据库结构与索引的优化方法，其特征在于，获取数据库的基础属性数据，具体包括：
3.根据权利要求1所述的一种数据库结构与索引的优化方法，其特征在于，在根据属性索引推荐算法，对所述基础属性数据进行有关索引候选项以及对应的结构项的内外层循环空间训练，得到深度学习识别模型之前，所述方法还包括：
4.根据权利要求3所述的一种数据库结构与索引的优化方法，其特征在于，根据属性索引推荐算法，对所述基础属性数据进行有关索引候选项以及对应的结构项的内外层循环空间训练，得到深度学习识别模型，具体包括：
5.根据权利要求1所述的一种数据库结构与索引的优化方法，其特征在于，通过所述深度学习识别模型，对所述数据库中的结构进行关系重组优化，并对所述数据库中的索引进行字段更新优化，得到结构优化数据以及索引优化数据，具体包括：
6.根据权利要求1所述的一种数据库结构与索引的优化方法，其特征在于，将所述结构优化数据以及所述索引优化数据进行反馈监督，以完成对所述深度学
7.根据权利要求1所述的一种数据库结构与索引的优化方法，其特征在于，通过预设的多目标优化策略，将所述结构优化数据以及所述索引优化数据进行性能评估，得到参数更新后的深度学习识别模型的性能评估指标，具体包括：
8.根据权利要求7所述的一种数据库结构与索引的优化方法，其特征在于，基于所述性能评估指标，生成所述数据库的优化策略，以对所述数据库进行有关结构与索引的优化，具体包括：
9.一种数据库结构与索引的优化设备，其特征在于，所述设备包括：
10.一种非易失性计算机存储介质，其特征在于，所述存储介质为非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有至少一个程序，每个所述程序包括指令，所述指令当被终端执行时，使所述终端执行根据权利要求1-8任一项所述的一种数据库结构与索引的优化方法。
...【技术特征摘要】
1.一种数据库结构与索引的优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种数据库结构与索引的优化方法，其特征在于，获取数据库的基础属性数据，具体包括：
3.根据权利要求1所述的一种数据库结构与索引的优化方法，其特征在于，在根据属性索引推荐算法，对所述基础属性数据进行有关索引候选项以及对应的结构项的内外层循环空间训练，得到深度学习识别模型之前，所述方法还包括：
4.根据权利要求3所述的一种数据库结构与索引的优化方法，其特征在于，根据属性索引推荐算法，对所述基础属性数据进行有关索引候选项以及对应的结构项的内外层循环空间训练，得到深度学习识别模型，具体包括：
5.根据权利要求1所述的一种数据库结构与索引的优化方法，其特征在于，通过所述深度学习识别模型，对所述数据库中的结构进行关系重组优化，并对所述数据库中的索引进行字段更新优化，得到结构优化数据以及索引优化数据，具体包括：
6.根据权利要求1所述的一种数据...
【专利技术属性】
技术研发人员：李言，鹿春阳，王松，
申请(专利权)人：山东浪潮爱购云链信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。