本申请涉及一种数据库中的数据查询方法、装置和计算机设备。方法包括：获取数据库查询请求、并提取查询请求中携带的查询命令；通过数据库中的查询优化器生成多个数据库查询计划；根据数据库查询计划，通过预设的多层神经网络模型，得到各个数据库查询计划的执行时间；根据执行时间，从各个数据库查询计划中筛选最优查询计划；执行查询命令，通过最优查询计划对数据库中的数据进行查询。采用本方案能够提高数据查询的效率。够提高数据查询的效率。够提高数据查询的效率。
【技术实现步骤摘要】
数据库中的数据查询方法、装置和计算机设备
[0001]本申请涉及计算机
，特别是涉及一种数据库中的数据查询方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]近年来，随着互联网技术的快速发展，借助SQL(Structured Query Language，结构化查询语言)查询语言实现数据查询应用越来越广泛，处理的数据量逐渐增加，系统也越来越智能化，处理的业务逻辑也更加复杂。
[0003]现有技术中只是对查询SQL进行优化，如编写SQL时避免全表扫描，使用where条件时，相应字段建立索引等；现有SQL查询的方法依赖人工设置的规则规范。这种方法在大数据时代将无法满足成千上万乃至上亿条SQL的人工优化。
[0004]因此，现有的技术中SQL查询方法，无法应对数据查询的多种执行场景，导致数据查询效率较低。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种高效的数据库中的数据查询方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0006]第一方面，本申请提供了一种数据库中的数据查询方法。所述方法包括：
[0007]获取数据库查询请求、并提取查询请求中携带的查询命令；
[0008]通过数据库中的查询优化器生成多个数据库查询计划；
[0009]根据所述数据库查询计划，通过预设的多层神经网络模型，得到各个数据库查询计划的执行时间，其中，所述多层神经网络模型采用样本数据训练得到，所述样本数据包括历史不同数据库查询计划、以及对应的执行时间；
[0010]根据所述执行时间，从所述各个数据库查询计划中筛选最优查询计划；
[0011]执行所述查询命令，通过所述最优查询计划对数据库中的数据进行查询。
[0012]在其中一个实施例中，数据库中的数据查询方法还包括：
[0013]获取历史数据库查询计划、以及对应的执行时间；
[0014]根据所述历史数据库查询计划、以及对应的执行时间，得到对应的多组特征向量集；
[0015]通过所述多组特征向量集，对初始多层神经网络模型进行训练，学习数据库查询计划与对应的执行时间之间的关系，得到预设的多层神经网络模型。
[0016]在其中一个实施例中，所述根据所述历史数据库查询计划、以及对应的执行时间，得到对应的多组特征向量集包括：
[0017]将所述历史数据库查询计划、以及对应的执行时间转换为多组节点序列集；
[0018]对所述历史数据库查询计划进行遍历，按遍历顺序将多组节点序列集编码为多组特征向量集。
[0019]在其中一个实施例中，数据库中的数据查询方法还包括：
[0020]获取原始历史数据库查询计划数据、并对所述原始历史数据库查询计划数据进行清洗及变换；
[0021]通过清洗及变换的数据，进行稳定性测试；
[0022]若稳定性测试通过，则得到历史数据库查询计划数据。
[0023]在其中一个实施例中，所述通过数据库中的查询优化器生成多个数据库查询计划包括：
[0024]将所述查询命令中的查询语句解析为查询树语句；
[0025]将所述查询树语句输入到数据库中的查询优化器中，生成多个数据库查询计划。
[0026]在其中一个实施例中，所述数据库查询计划包括数据访问路径、数据库表的连接顺序、以及数据库表的连接类型中的至少两种。
[0027]第二方面，本申请还提供了一种数据库中的数据查询装置。所述装置包括：
[0028]请求获取模块，用于获取数据库查询请求、并提取查询请求中携带的查询命令；
[0029]查询计划生成模块，用于通过数据库中的查询优化器生成多个数据库查询计划；
[0030]执行时间获取模块，用于根据所述数据库查询计划，通过预设的多层神经网络模型，得到各个数据库查询计划的执行时间，其中，所述多层神经网络模型采用样本数据训练得到，所述样本数据包括历史不同数据库查询计划、以及对应的执行时间。
[0031]查询计划筛选模块，用于根据所述执行时间，从所述各个数据库查询计划中筛选最优查询计划；
[0032]数据查询模块，用于执行所述查询命令，通过所述最优查询计划对数据库中的数据进行查询。
[0033]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0034]获取数据库查询请求、并提取查询请求中携带的查询命令；
[0035]通过数据库中的查询优化器生成多个数据库查询计划；
[0036]根据所述数据库查询计划，通过预设的多层神经网络模型，得到各个数据库查询计划的执行时间，其中，所述多层神经网络模型采用样本数据训练得到，所述样本数据包括历史不同数据库查询计划、以及对应的执行时间；
[0037]根据所述执行时间，从所述各个数据库查询计划中筛选最优查询计划；
[0038]执行所述查询命令，通过所述最优查询计划对数据库中的数据进行查询。
[0039]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0040]获取数据库查询请求、并提取查询请求中携带的查询命令；
[0041]通过数据库中的查询优化器生成多个数据库查询计划；
[0042]根据所述数据库查询计划，通过预设的多层神经网络模型，得到各个数据库查询计划的执行时间，其中，所述多层神经网络模型采用样本数据训练得到，所述样本数据包括历史不同数据库查询计划、以及对应的执行时间；
[0043]根据所述执行时间，从所述各个数据库查询计划中筛选最优查询计划；
[0044]执行所述查询命令，通过所述最优查询计划对数据库中的数据进行查询。
[0045]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0046]获取数据库查询请求、并提取查询请求中携带的查询命令；
[0047]通过数据库中的查询优化器生成多个数据库查询计划；
[0048]根据所述数据库查询计划，通过预设的多层神经网络模型，得到各个数据库查询计划的执行时间，其中，所述多层神经网络模型采用样本数据训练得到，所述样本数据包括历史不同数据库查询计划、以及对应的执行时间；
[0049]根据所述执行时间，从所述各个数据库查询计划中筛选最优查询计划；
[0050]执行所述查询命令，通过所述最优查询计划对数据库中的数据进行查询。
[0051]上述数据库中的数据查询方法、装置、计算机设备、存储介质和计算机程序产品，获取数据库查询请求、并提取查询请求中携带的查询命令；通过数据库中的查询优化器生成多个数据库查询计划；根据数据库查询计划，通过预设的多层神经网络模型，得到各本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种数据库中的数据查询方法，其特征在于，所述方法包括：获取数据库查询请求、并提取查询请求中携带的查询命令；通过数据库中的查询优化器生成多个数据库查询计划；根据所述数据库查询计划，通过预设的多层神经网络模型，得到各个数据库查询计划的执行时间，其中，所述多层神经网络模型采用样本数据训练得到，所述样本数据包括历史不同数据库查询计划、以及对应的执行时间；根据所述执行时间，从所述各个数据库查询计划中筛选最优查询计划；执行所述查询命令，通过所述最优查询计划对数据库中的数据进行查询。2.根据权利要求1所述的方法，其特征在于，还包括：获取历史数据库查询计划、以及对应的执行时间；根据所述历史数据库查询计划、以及对应的执行时间，得到对应的多组特征向量集；通过所述多组特征向量集，对初始多层神经网络模型进行训练，学习数据库查询计划与对应的执行时间之间的关系，得到预设的多层神经网络模型。3.根据权利要求2所述的方法，其特征在于，所述根据所述历史数据库查询计划、以及对应的执行时间，得到对应的多组特征向量集包括：将所述历史数据库查询计划、以及对应的执行时间转换为多组节点序列集；对所述历史数据库查询计划进行遍历，按遍历顺序将多组节点序列集编码为多组特征向量集。4.根据权利要求1所述的方法，其特征在于，还包括：获取原始历史数据库查询计划数据、并对所述原始历史数据库查询计划数据进行清洗及变换；通过清洗及变换的数据，进行稳定性测试；若稳定性测试通过，则得到历史数据库查询计划数据。5.根据权利要求1所述的方法，其特征在于，所述通过...
【专利技术属性】
技术研发人员：赵峻，林楠，高仓健，林凤耀，
申请(专利权)人：兴业数字金融服务上海股份有限公司，
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。