作者：王阳; 钟勇; 周渭博; 杨观赐关系型云数据库等宽直方图数据分布并行计算网络传输量
摘要：直方图能够直观描述数据分布，在数据库查询优化中起着重要作用。然而在分布式云数据库场景中，现有直方图构建方法存在并行资源利用率低，网络传输量较高的问题。针对该问题，基于关系型云数据库提出一种等宽直方图的分布式并行构造方法。首先，根据集群中分布式存储的数据无关性，基于master-slave架构在直方图任务开始前由集群中请求发起节点对经RPC（remote procedure call）协议获取到的多个工作节点最值数据比较得到数据表在整个集群的全局最大值、最小值；然后，考虑到算法运行过程中数据传输量的优化，集群中工作节点对本地数据扫描、排序，划分至依据全局最值信息构建的直方图桶内，实现聚合子直方图的并行构建以提高集群计算资源利用率；最后，请求发起节点对并行构建的多个子直方图中边界值相等的桶频率值聚合得到全局直方图。算法利用分布式思想实现了关系型云数据库中直方图的构建，将计算任务划分成多个子任务并行执行，子直方图信息代替数据分片的传输大幅优化了网络带宽的负载。算法已应用于关系型云数据库内核以优化SQL语句执行路径的初始扫描开销、数据选择率等关键参数。人工合成数据与评分数据的实验结果证明，算法运行过程中的网络传输量与数据库表中元组个数无关，且具有良好的可拓展性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
