【技术实现步骤摘要】
本专利技术属于数据查询，尤其涉及基于自注意力与强化学习的数据库查询优化方法及系统。
技术介绍
1、在当前云计算迅速发展的背景下，关系型数据库管理系统(relational databasesystem，rds)已逐渐演变为云厂商自主研发的高可用rds和分布式rds。然而，数据库查询性能的优化仍然是一个重要挑战。查询连接顺序的优化对数据库查询性能和计算开销有着直接影响，而传统的查询优化方法在大规模数据环境中效率不高。
2、业界已存在一些数据库查询优化的现有技术方案，这些方案主要包括：1.动态规划，动态规划能够找到最优解，但在大规模数据中计算复杂度较高；2.启发式算法，启发式算法通过经验规则优化查询计划，但缺乏自适应性和泛化能力；3.基于深度强化学习(deepreinforcement learning，drl)的方法，该方法能够从数据中学习并自动调整查询计划，但在复杂查询环境中的表现较差，容易出现过度估计等问题。
技术实现思路
1、本专利技术的目的在于提供基于自注意力与强化学习的...
【技术保护点】
1.一种基于自注意力与强化学习的数据库查询优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于自注意力与强化学习的数据库查询优化方法，其特征在于，所述构建神经网络和训练环境，神经网络包括评估网络和目标网络，通过评估网络对目标网络进行训练，得到动作评估值的步骤中，采用查询编码的方式，构建树形结构，所述树型结构中，叶子结点定义为已经加入连接的表，每次加入新的表时，在对应关系上的树上插入新的叶子结点。
3.根据权利要求2所述的基于自注意力与强化学习的数据库查询优化方法，其特征在于，在评估网络中，输入当前状态至Transformer编码器...
【技术特征摘要】
1.一种基于自注意力与强化学习的数据库查询优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于自注意力与强化学习的数据库查询优化方法，其特征在于，所述构建神经网络和训练环境，神经网络包括评估网络和目标网络，通过评估网络对目标网络进行训练，得到动作评估值的步骤中，采用查询编码的方式，构建树形结构，所述树型结构中，叶子结点定义为已经加入连接的表，每次加入新的表时，在对应关系上的树上插入新的叶子结点。
3.根据权利要求2所述的基于自注意力与强化学习的数据库查询优化方法，其特征在于，在评估网络中，输入当前状态至transformer编码器中，通过自注意力编码器进行编码，生成对应的编码向量，通过多层感知机对编码向量进行解码，生成对应策略，将对应策略进行输出编码生成结果向量。
4.根据权利要求2所述的基于自注意力与强化学习的数据库查询优化方法，其特征在于，在目标网络中，输入当前状态和动作到长短期记忆网络，长短期记忆网络将对应的输入内容编码处理为向量形式，并将其输出到多层感知机中，生成输出状态与动作组合，经过一层多层感知机网络，输出状态与动作的组合策略。
5.根据权利要求2所述的基于自注意力与强化学...
【专利技术属性】
技术研发人员：范润泽，李瑾林，罗旭，杨焕填，胡彬，李跃森，
申请(专利权)人：天翼云科技有限公司，
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。