导读:本文包含了数据库查询优化论文开题报告文献综述及选题提纲参考文献，主要关键词:数据库管理系统,查询方法,布谷鸟搜索算法,数学模型
数据库查询优化论文文献综述
乐艺[1]（2019）在《大规模数据库查询优化算法的设计与研究》一文中研究指出针对布谷鸟算法局部搜索能力弱、寻优精度低等缺陷,设计了一种大规模数据库查询的优化算法。首先对当前数据库查询优化的研究现状进行分析,找到其它方法存在的局限性,然后将数据库查询优化问题看作是一个多约束条件的优化问题,选择布谷鸟搜索算法对该问题进行求解,将对标准布谷鸟搜索算法存在的不足进行相应的改善,最后通过具体数据库查询优化仿真实验对其有效性和优越性进行测试与分析。结果表明,改进布谷鸟搜索算法大幅度改善数据库查询优化效率,获得比较理想的数据库查询优化结果,而且结果要明显优于当前其它数据库查询优化方法,具有更高的实际应用价值。(本文来源于《科技通报》期刊2019年09期）
王昆凌[2]（2019）在《改进粒子群优化算法的数据库查询优化方法》一文中研究指出查询优化是数据库管理系统中的关键技术,针对当前数据库查询优化过程存在的查询效率低、查询结果错误大等缺陷,设计了基于改进粒子群优化算法的数据库查询优化方法。首先对当前数据库查询优化研究现状进行分析,指出当前各种数据库查询优化方法存在局限性;然后采用粒子群优化算法对数据库查询最优方案进行搜索,并针对标准粒子群优化算法存在的收敛速度慢、易得到局部最优解缺陷进行相应改进;最后与其它数据库查询优化方法在相同实验条件下进行仿真对比实验。结果表明,改进粒子群优化算法找到最优数据库查询优化方案的时间短,加快了数据库查询优化速度,并且得到的数据库查询优化方案要明显优于对比方法,提高了数据库查询精度,具有更高的实际应用价值。(本文来源于《微型电脑应用》期刊2019年09期）
范会芳[3]（2019）在《基于MB+树的数据库查询算法优化》一文中研究指出当今社会人们工作、生活中大数据被广泛应用。在运行数据库过程中,操作频率最高的是查询操作。对基于MB+树的数据库查询算法进行优化,通过构建MB+树型、MB+查询算法以及插入算法,实现数据查询算法的优化构建。为验证优化后算法的最优性,分别以传统的基于R树的数据库查询算法、Merkle散列树查询算法为对照组,验证MB+树算法的查询效率和查询消耗。结果表明:优化后的MB+树数据库查询算法,查询效率明显优于传统算法,查询消耗少于传统算法。(本文来源于《电脑知识与技术》期刊2019年19期）
李树[4]（2019）在《基于SSD的数据库系统绿色查询优化器的研究》一文中研究指出自进入大数据时代以来,信息技术领域的数据已呈指数型爆炸性增长。数据中心作为数据存储的重要载体,其规模和数量逐年成倍增长,使得数据中心的能耗问题日益突出,并引发了一系列严峻的成本与环境问题。数据库是数据中心的主要资源消耗部件之一,因此研究节能环保的绿色数据库系统已成为政府、企业及学术界的共识。目前,固态硬盘(SSD,solid-state drive)凭借性能高、耗电少的特性,成为绿色数据库的研究热点。然而现有基于SSD设备数据库的研究大都以提高性能为目标,缺少对能耗的关注及处理。因此,无论是出于降低数据中心运营成本的考虑,还是响应节能环保、可持续发展的时代主题,基于SSD设备数据库系统的节能研究都有着显着应用价值和社会意义。针对现有基于SSD设备的数据库系统缺少对能耗的感知及优化的问题,本文提出了一种绿色查询优化器设计。首先基于对数据库主要系统资源(CPU、SSD)消耗模式的分析基础上构建了资源开销单位统一的能耗感知模型。然后针对现有仅优化性能的查询优化器忽略节能的查询计划的缺点,提出了一种功耗——性能权衡模型,旨在兼顾性能的条件下,以尽可能降低系统功耗的方式实现数据库的节能。其中,能耗感知模型主要将CPU和SSD的资源消耗解析为功耗开销和时间开销,再基于SSD设备的基本I/O操作类型构建出功耗开销模型与时间开销模型,并利用多元线性回归完成模型的求解。而作为绿色优化器另一重要设计部分的功耗——性能权衡模型主要包含自适应响应时间阈值算法和功耗——性能权衡算法。自适应响应时间阈值算法利用幂函数的性质,使得响应时间阈值自适应于查询计划执行时间,从而获得理想有效的性能区间。功耗——性能权衡算法以能耗感知模型为基础,通过利用查询计划的功耗和性能之间的权衡,帮助优化器选取满足性能需求并具有低能耗的查询计划。最后,本文主要基于TPC-H测试基准对上述模型进行了详细的实验验证,论证了提出的绿色查询优化器的有效性。实验结果表明:我们的能耗感知模型在数据库系统独占系统资源时的平均误差为5.15%,最高绝对误差为9.8%,功耗——性能权衡模型可实现21.83%的功耗降低以及16.77%的能耗节省,且系统平均能效提高了15.73%,可有效降低数据库系统的能耗。(本文来源于《新疆大学》期刊2019-06-30）
朱勇[5]（2019）在《基于Oracle数据库的索引优化查询分析》一文中研究指出本文对Oracle数据库的查询技术进行分析与研究,通过索引优化查询技术达到提高查询速度的目的。在对Oracle数据表创建合理的索引后,通过对优化SQL语句,提升了数据库查询效率。(本文来源于《数码世界》期刊2019年06期）
马跃,王喆峰,尹震宇,王春晓,李明时[6]（2019）在《基于K-means的SAMP系统数据库查询性能优化策略》一文中研究指出中科院仪器设备共享管理平台(以下简称为SAMP)系统有效解决了各科研单位间仪器设备管理封闭、共享困难和运行效率低的棘手问题.同时,可以及时了解各类仪器的使用情况、共享情况,为各级业务主管部门展开科学高效的管理工作提供良好的决策依据.当SAMP系统应用数据库中存储的数据量达到百万级时,对数据库中预约表和用户表(或仪器表)进行连接查询时,将导致数据表查询性能的下降,从而影响整个SAMP系统的性能.目前主流的解决方案是采用Hash取模算法对数据表进行水平切分,但预约表中的主键为自动递增的整数,并没有实际意义,所以优化效果不理想.由于预约的用户和被预约的仪器在地理区域上呈现一定的聚集性,因此本文提出了一种基于K-means聚类算法的分表策略,采用该策略能够将预约表的查询性能提升至少70%.(本文来源于《计算机系统应用》期刊2019年06期）
伍浩文[7]（2019）在《面向混合引擎的自适应数据库查询优化》一文中研究指出将数据库迁移到云是当今公司考虑的技术趋势,即实现更具成本效益的IT管理。另外,数据分析越来越包含更多深度和迭代算法,这些算法需要比传统分析工作负载更多的计算能力。为了完全实现经济目标,云数据库系统应该能够调整其资源消耗以适应不同的工作负载。但是,传统的数据仓库架构不够灵活,无法实现细粒度的资源控制,这严重限制了云服务提供商以及用户优化的总成本和维持所需的QoS。要为云构建数据库,应该研究新的架构。在本文中,我们认为自适应应该是数据库扩展系统的能力,是云数据库应该支持的主要属性,探索了一种将数据管理单元和数据分析单元分离的结构。自适应是主要通过数据库系统单元和数据分析系统单元的弹性和可伸缩性来体现。通过将“主动”组件与“惰性”组件分开,新架构可以提高适应性。我们使用RDBMS和具有SQL支持的内存中集群计算引擎来实现该体系结构。具体来说,我们基于PostgreSQL和Spark构建了一个名为Duo SQL的原型系统。本文的主要贡献如下:1.关系型数据库扩展。利用外部计算能力来增强关系型数据库的数据分析能力。2.分布式关系型数据库PostgreSQL集群和分布式计算系统Spark集群的联合运用,既可以实现弹性配置,又可以实现存储和计算分离。本文使用TPC-H性能基准程序和数据挖掘算法测试Duo SQL系统。初步结果表明,解耦方法具有很大的性能潜力。(本文来源于《中国科学院大学(中国科学院深圳先进技术研究院)》期刊2019-06-01）
刘向东[8]（2019）在《关联挖掘技术支持下的数据库优化查询算法设计》一文中研究指出在一些大型数据库中,冗杂数据会导致查询精确度降低。基于此,提出关联挖掘技术支持下的数据库优化查询算法设计,包括数据库获取优化分析、内存数据查询的优化、关联规则频繁集的有效建立。实验证明本文设计算法与传统算法相比,在同等网络数据规模情况下,前者对于数据查询的判定精确度要高于后者,具有较高的有效性。(本文来源于《数字技术与应用》期刊2019年05期）
黄建军,龚玮玮,肖英剑[9]（2019）在《基于Oracle数据库查询优化策略的研究》一文中研究指出随着信息的高速发展,我们进入了云计算,大数据的时代,Oracle数据库作为信息技术发展的重要产物,它是目前市场上占有率最高,使用范围最广泛的关系型数据库。由于数据库中的数据量日渐庞大,对数据的处理速度提出了更高的要求,如果对数据库的查询不进行优化,将会消耗大量的系统资源和影响数据的查询效率,所以开发人员应该重视数据库查询优化的重要性。本文将对Oracle数据库的查询优化策略进行探讨。(本文来源于《电脑知识与技术》期刊2019年13期）
倪洋[10]（2019）在《图数据库的数据查询优化技术研究》一文中研究指出图数据库(Graph Database,GD)是一种用来高效处理复杂关系网络的新型数据库系统,它是基于数学图论的思想与概念,并广泛应用于社交网络、实时推荐、征信系统、人工智能等领域,其中图数据的处理是国内外数据应用研究的重要方向。然而,GD在实际应用过程中,因为丰富的应用场景,海量的数据,加上复杂的数据结构等因素影响,导致数据查询效率低,服务质量得不到保障。因此,如何有效地提高图数据的查询处理能力是图数据库研究的关键问题。图数据查询处理优化技术的主要研究核心是如何快速有效地对图数据进行剪枝,利用图数据结构的预处理和索引的构造来降低查询数据的规模,最终快速获取准确的结果。本文就两个方面进行具体的阐述:首先,本文在已有的二分图枚举算法的基础上,提出了基于最大完全二分图的分层算法。该算法有以下创新点:一是提出了一种基于最大完全二分图的分治策略,它利用子问题的解来不断更新最大完全二分图的约束条件,实现降低候选集规模的目的;二是提出了两种高效的剪枝策略以及初始化策略,用于压缩原图,达到减少查询次数的要求。其次,本文提出基于特征节点的图索引技术,可利用两个参数中心点和路径长度,对图数据进行快速剪枝。该索引技术有以下优势:一是采用图节点的支持度和访问量为索引特征,避免了开销昂贵的频繁子图挖掘方法,降低了索引构建的时间;二是依据特征节点(中心点,center),使用密度聚类对图数据进行分割,最后基于聚类结果来建立树状索引,减少了查找数据的规模。实验结果表明:本文给出的图数据查询技术提高了数据查询效率,缩小了搜索空间的范围,改善了数据查询的服务质量,降低了索引空间的开销。(本文来源于《湖南师范大学》期刊2019-05-01）
数据库查询优化论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
查询优化是数据库管理系统中的关键技术,针对当前数据库查询优化过程存在的查询效率低、查询结果错误大等缺陷,设计了基于改进粒子群优化算法的数据库查询优化方法。首先对当前数据库查询优化研究现状进行分析,指出当前各种数据库查询优化方法存在局限性;然后采用粒子群优化算法对数据库查询最优方案进行搜索,并针对标准粒子群优化算法存在的收敛速度慢、易得到局部最优解缺陷进行相应改进;最后与其它数据库查询优化方法在相同实验条件下进行仿真对比实验。结果表明,改进粒子群优化算法找到最优数据库查询优化方案的时间短,加快了数据库查询优化速度,并且得到的数据库查询优化方案要明显优于对比方法,提高了数据库查询精度,具有更高的实际应用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
数据库查询优化论文参考文献
[1].乐艺.大规模数据库查询优化算法的设计与研究[J].科技通报.2019
[2].王昆凌.改进粒子群优化算法的数据库查询优化方法[J].微型电脑应用.2019
[3].范会芳.基于MB+树的数据库查询算法优化[J].电脑知识与技术.2019
[4].李树.基于SSD的数据库系统绿色查询优化器的研究[D].新疆大学.2019
[5].朱勇.基于Oracle数据库的索引优化查询分析[J].数码世界.2019
[6].马跃,王喆峰,尹震宇,王春晓,李明时.基于K-means的SAMP系统数据库查询性能优化策略[J].计算机系统应用.2019
[7].伍浩文.面向混合引擎的自适应数据库查询优化[D].中国科学院大学(中国科学院深圳先进技术研究院).2019
[8].刘向东.关联挖掘技术支持下的数据库优化查询算法设计[J].数字技术与应用.2019
[9].黄建军,龚玮玮,肖英剑.基于Oracle数据库查询优化策略的研究[J].电脑知识与技术.2019
[10].倪洋.图数据库的数据查询优化技术研究[D].湖南师范大学.2019