科创中国
基于TCN-A模型的查询负载预测算法及模型
发布时间: 2022-12-09
来源: 科技服务团
基本信息
合作方式：
技术转让
成果类型：
发明专利
行业领域：
电子信息技术
成果介绍
.一种用于实现如权利要求1所述算法的查询负载预测模型，其特征在于，该模型包括：时域注意力算法模块、时间卷积神经网络和全连接网络；其中，所述时域注意力算法模块用于对输入的原始查询负载序列进行注意力加权；所述时间卷积神经网络用于从时间维度上对经过时域注意力加权后的查询负载序列进行时序预测，获得当前查询负载序列的初步预测结果；所述全连接网络用于将时间卷积神经网络得到的初步预测结果加以整合，计算出未来查询负载的最终预测结果。
成果亮点
随着信息技术的快速发展，数据量呈爆炸性的速度持续增长，使得传统的数据库管理系统(database management system,DBMS)不得不提高自身复杂性以应对规模庞大的查询负载的处理需求，进而增大了自身性能调优的开销。而在实际的查询过程中，查询负载随时间动态变化，致使DBMS在当前时刻所调整的优化策略难以适用于未来的工作负载需求。同时，在交互式查询分析任务中，查询负载存在明显的周期性，且相邻查询之间往往存在一定的时间间隔而未能有效利用。因此，如果能够根据历史查询数据捕获查询工作负载的变化趋势，并充分利用查询间隔时间实现对查询负载的精确预测，则可以使得DBMS预先进行自身优化策略的动态调整，提高数据库管理系统的查询处理量和处理效率，进而高效地回答用户查询。
团队介绍
提出并实现了一种新型的时间序列预测模型，以高效的时间卷积神经网络为核心，融入设计的时域注意力机制，捕获历史查询负载的变化信息及相关性特征，并充分利用查询间隔时间快速地实现查询负载的精确预测。
成果资料
产业化落地方案
成果综合评价报告
评价单位：“科创中国”黑龙江科技服务团 (黑龙江省科学技术协会) 评价时间：2023-11-11
评价单位：“科创中国”黑龙江科技服务团 (黑龙江省科学技术协会) 评价时间：2023-01-06
黄剑华
哈尔滨工业大学
教授
综合评价
针对现有技术存在的问题，本发明提出了一种新型的查询负载预测算法。首先，对给定的历史查询数据进行预处理，去除无效、低质的用户查询，并将其按时域窗口进行切割、划分，以构造查询负载数据；其次，设计了一种新型的时间序列预测模型，该模型融合高性能的时间卷积神经网络以及设计的时域注意力机制，从而更好地捕获序列数据在时间维度上的相关性特征，更加高效地完成时序预测。最后，以上述时序模型为基础，充分利用查询间隔时间完成对未来查询负载的精确预测，使得DBMS能够预先实现自身性能调优，从而更好地处理交互式查询。
查看更多>
微信公众号
下载app
Copyright © 2022 中国科学技术协会 版权所有 | 京ICP备16016202号-20
京公网安备 11010202008974号