基于復(fù)雜SQL查詢自動(dòng)匯總表的應(yīng)用研究

摘要：近年來(lái)越來(lái)越多的人關(guān)注決策支持查詢領(lǐng)域。這種查詢通常操作海量數(shù)據(jù)，執(zhí)行多重連接和復(fù)雜聚合，針對(duì)這種查詢操作的復(fù)雜性和秒級(jí)響應(yīng)時(shí)間的需求，本文提出了使用QGM模型尋找自動(dòng)累加表，在相應(yīng)系統(tǒng)查詢時(shí)，通過(guò)訪問自動(dòng)匯總表AST替代原始數(shù)據(jù)基本表，從而實(shí)現(xiàn)查詢性能的提升和優(yōu)化。

關(guān)鍵詞：QGM；AST；SQL查詢

中圖分類號(hào)：TP311.13 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9599 （2012） 21-0000-02

近年來(lái)越來(lái)越多的人關(guān)注決策支持查詢領(lǐng)域。這種查詢基本上要對(duì)海量數(shù)據(jù)進(jìn)行多重連接和復(fù)雜聚合。此外，它們具有越來(lái)越多的相互作用，需求秒級(jí)的響應(yīng)時(shí)間。傳統(tǒng)查詢優(yōu)化技術(shù)常常不能滿足這些新的要求。那么采用什么查詢優(yōu)化技術(shù)來(lái)滿足不斷變化的信息源和快速響應(yīng)的系統(tǒng)需求是我們要亟待解決的問題。在這種情況下，應(yīng)用在實(shí)踐中通常的一個(gè)解決方案就是創(chuàng)建一些物化視圖（MVs），其包含一組用戶查詢中常用操作的預(yù)先計(jì)算的結(jié)果；通過(guò)訪問MVs來(lái)替代原始數(shù)據(jù)，這樣個(gè)人用戶查詢可以被優(yōu)化。

本文提出的自動(dòng)累加表功能上和物化視圖類似，但是它是實(shí)際存在的物理表，將查詢頻率比較高和與業(yè)務(wù)查詢密切相關(guān)的屬性制作成自動(dòng)累加表，可以同時(shí)滿足信息源變化頻繁和快速響應(yīng)時(shí)間的要求。

自動(dòng)累加表（Automatic Summary Table，AST）。Chen Dongfeng等人通過(guò)QGM（Query Graph Model）工具來(lái)表示查詢過(guò)程，并提出了查詢和AST匹配模型，還歸納總結(jié)出了4種統(tǒng)一的匹配模式；然后通過(guò)AST對(duì)查詢進(jìn)行重寫，查詢時(shí)直接訪問AST來(lái)實(shí)現(xiàn)查詢統(tǒng)計(jì)優(yōu)化。AST技術(shù)實(shí)際上是一種帶有聚集函數(shù)的物化視圖，考慮到其優(yōu)化過(guò)程的自動(dòng)性，所以稱為自動(dòng)累加表。

1 數(shù)據(jù)庫(kù)應(yīng)用示例

本文所用的數(shù)據(jù)庫(kù)示例，包含一個(gè)事實(shí)表（Trans），它記錄了信用卡的交易。每筆交易對(duì)應(yīng)于購(gòu)買一個(gè)產(chǎn)品，并記錄產(chǎn)品組（fpgid），位置（flid）和購(gòu)買的日期，信用卡id號(hào)（faid）及購(gòu)買產(chǎn)品的數(shù)量（qty）、價(jià)格和產(chǎn)品的折扣率。產(chǎn)品組、位置和信用卡賬戶構(gòu)成了三個(gè)維度。產(chǎn)品維度由在PGroup表中的單一級(jí)別記錄構(gòu)成，位置維度包含城市、州和國(guó)家組成，是由一個(gè)單一非規(guī)范化的表（LOC）表示。賬戶維度包含2個(gè)級(jí)別，由Cust和Acct表構(gòu)成。模式中還包含一個(gè)Time維度，其被標(biāo)識(shí)為Trans表的date屬性，Time級(jí)別（day，month和year）是使用內(nèi)置函數(shù)從日期屬性中提取的。

這種應(yīng)用分析主要關(guān)注點(diǎn)是隨著不同維度和級(jí)別聚合交易數(shù)據(jù)。例如，圖1中的查詢Q1計(jì)算在美國(guó)每個(gè)帳戶，州和年國(guó)家交易的數(shù)量，并返回大于100的計(jì)數(shù)。如果AST1被定義在在圖2中，那么Q1可以重寫為NewQ1，訪問AST1替代訪問Trans表。假設(shè)每年消費(fèi)者平均進(jìn)行幾百次交易，其中大多數(shù)發(fā)生在相同的城市，AST1大約比Trans小幾百輩。因此，NewQ1應(yīng)該執(zhí)行效率比Q1更好。