数据查询方法、装置、设备、存储介质及计算机程序产品与流程

本申请涉及人工智能(ai)技术，尤其涉及一种数据查询方法、装置、设备、存储介质及计算机程序产品。

背景技术：

1、在数据库查询领域，优化器是“数据库的大脑”，其使命是在庞杂的计划空间中选出最优执行计划，并通过最优执行计划对数据库中的数据进行查询，因此最优执行计划的质量直接决定了资源开销和查询时延。

2、相关技术为保证最优执行计划的质量，主要通过数据库优化器全量预测结构化查询语言(sql，structured query language)的执行计划的成本估计值，并基于成本估计值，从庞杂的计划空间中直接选出最优执行计划。相关技术虽能保证最优执行计划的质量，但计划空间规模庞大，增加了数据处理的难度和成本，无法满足实际应用中对高效查询的需求。

技术实现思路

1、本申请实施例提供一种数据查询方法、装置、设备、存储介质及计算机程序产品，能够充分有效地提高数据查询效率。

2、本申请实施例的技术方案是这样实现的：

3、本申请实施例提供一种数据查询方法，包括：

4、获取针对数据库的查询语句，并生成所述查询语句的多个初始执行计划；

5、对所述多个初始执行计划进行分组，得到多个计划组合；

6、针对每个所述计划组合，通过人工智能模型对所述计划组合中的初始执行计划进行质量预测，得到所述计划组合的第一预测结果，并基于所述第一预测结果，从所述多个初始执行计划中筛选出多个候选执行计划；

7、通过所述人工智能模型对所述多个候选执行计划进行质量预测，得到每个所述候选执行计划的第二预测结果，并基于所述第二预测结果，从所述多个候选执行计划中筛选出目标执行计划；

8、通过所述目标执行计划对所述数据库中的数据进行查询。

9、上述技术方案中，所述通过人工智能模型对所述计划组合中的初始执行计划进行质量预测，得到所述计划组合的第一预测结果，包括：

10、获取针对所述数据库的统计信息；

11、基于所述统计信息，通过所述人工智能模型对所述计划组合中的初始执行计划进行质量预测，得到所述计划组合的第一预测结果。

12、本申请实施例提供一种数据查询装置，包括：

13、获取模块，用于获取针对数据库的查询语句，并生成所述查询语句的多个初始执行计划；

14、分组模块，用于对所述多个初始执行计划进行分组，得到多个计划组合；

15、第一处理模块，用于针对每个所述计划组合，通过人工智能模型对所述计划组合中的初始执行计划进行质量预测，得到所述计划组合的第一预测结果，并基于所述第一预测结果，从所述多个初始执行计划中筛选出多个候选执行计划；

16、第二处理模块，用于通过所述人工智能模型对所述多个候选执行计划进行质量预测，得到每个所述候选执行计划的第二预测结果，并基于所述第二预测结果，从所述多个候选执行计划中筛选出目标执行计划；

17、查询模块，用于通过所述目标执行计划对所述数据库中的数据进行查询。

18、本申请实施例提供一种用于数据查询的电子设备，所述电子设备包括：

19、存储器，用于存储计算机程序或计算机可执行指令；

20、处理器，用于执行所述存储器中存储的计算机程序或计算机可执行指令时，实现本申请实施例提供的数据查询方法。

21、本申请实施例提供一种计算机可读存储介质，存储有计算机程序或计算机可执行指令，所述计算机程序或计算机可执行指令被处理器执行时实现本申请实施例提供的数据查询方法。

22、本申请实施例提供一种计算机程序产品，包括计算机程序或计算机可执行指令，所述计算机程序或计算机可执行指令被处理器执行时实现本申请实施例提供的数据查询方法。

23、本申请实施例具有以下有益效果：

24、通过对初始执行计划进行分组，得到多个计划组合，通过人工智能模型对每个计划组合中的初始执行计划进行质量预测，得到每个计划组合的第一预测结果，并基于第一预测结果，从多个初始执行计划中筛选出多个候选执行计划，从而通过分组初筛的方式，仅对计划组别进行初步的质量预测，避免对全部初始执行计划进行全量的质量预测，大幅减少了计算资源的消耗，以充分有效地提高数据查询效率；通过人工智能模型对多个候选执行计划进行质量预测，得到每个候选执行计划的第二预测结果，并基于第二预测结果，从多个候选执行计划中筛选出目标执行计划，从而在分组初筛之后，对候选执行计划进行全量的质量预测，以保证目标执行计划的质量，从而提高目标执行计划的准确性。

1.一种数据查询方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述对所述多个初始执行计划进行分组，得到多个计划组合，包括：

3.根据权利要求2所述的方法，其特征在于，所述对所述多个初始执行计划进行聚类，得到多个聚类簇，包括：

4.根据权利要求1所述的方法，其特征在于，

5.根据权利要求1所述的方法，其特征在于，所述通过人工智能模型对所述计划组合中的初始执行计划进行质量预测，得到所述计划组合的第一预测结果，包括：

6.根据权利要求5所述的方法，其特征在于，所述对所述计划组合中的每个所述初始执行计划进行编码，得到每个所述初始执行计划的编码特征，包括：

7.根据权利要求6所述的方法，其特征在于，所述构建所述计划组合中的每个所述初始执行计划对应的树结构，包括：

8.根据权利要求6所述的方法，其特征在于，所述对每个所述初始执行计划对应的树结构中的每个节点进行卷积处理，得到所述每个节点的卷积特征，包括：

9.根据权利要求5所述的方法，其特征在于，所述基于所述计划组合的编码特征，对所述计划组合中的初始执行计划进行质量预测，得到所述计划组合的第一预测结果，包括：

10.根据权利要求1所述的方法，其特征在于，所述通过所述人工智能模型对所述多个候选执行计划进行质量预测，得到每个所述候选执行计划的第二预测结果，包括：

11.根据权利要求10所述的方法，其特征在于，所述基于所述组合特征，对所述多个候选执行计划进行质量预测，得到每个所述候选执行计划的第二预测结果，包括：

12.根据权利要求1-11任一项所述的方法，其特征在于，所述生成所述查询语句的多个初始执行计划，包括：

13.根据权利要求1-11任一项所述的方法，其特征在于，所述方法还包括：

14.根据权利要求13所述的方法，其特征在于，所述获取所述查询语句样本的多个执行计划样本，包括：

15.根据权利要求13所述的方法，其特征在于，所述基于所述多个执行计划样本调用待训练的人工智能模型进行质量预测，得到预测结果，包括：

16.根据权利要求15所述的方法，其特征在于，所述基于所述预测结果以及所述多个执行计划样本的实际质量，训练所述待训练的人工智能模型，得到训练后的人工智能模型，包括：

17.一种数据查询装置，其特征在于，所述装置包括：

18.一种电子设备，其特征在于，所述电子设备包括：

19.一种计算机可读存储介质，其特征在于，存储有计算机程序或者计算机可执行指令，所述计算机程序或计算机可执行指令被处理器执行时实现权利要求1至16任一项所述的数据查询方法。

20.一种计算机程序产品，包括计算机程序或计算机可执行指令，其特征在于，所述计算机程序或计算机可执行指令被处理器执行时实现权利要求1至16任一项所述的数据查询方法。