课程文献中心 更多>>

关键词： 数据库系统  

ISBN: (纸本)9787305270758

摘要： 本书共分11章，内容包括：Access数据库操作、基于Access数据库的语料检索、SQL查询、静态网页制作、动态网页制作与PHP程序设计、字符编码与字符串处理、文件处理与网络爬虫、古籍检索系统构建等。

关键词： 工程教育认证   OBE   达成度   教学档案   教学评价  

摘要： 针对工程教育认证过程中教学档案构建和管理等问题，以数据库系统原理课程为例，指出传统教学档案管理中的问题，构建基于OBE理念的教学档案管理模式，设计了课程目标与毕业要求校验表、达成度计算、达成报告等教学档案。通过教学档案的科学设计保障了教学质量闭环管理，有效地推动了课程教学改革以及工程教育认证工作。

关键词： 数据库系统  

ISBN: (纸本)9787121475214

摘要： 本书讲解了电商行业数据仓库项目的构建过程，并提供了思路分析。在整个项目构建过程中，介绍了关键技术框架的安装部署流程和经典数据指标的解决方案，并在其中穿插了大数据和数据仓库的经典理论知识。

关键词： 项目式教学   数据库系统原理   实验教学  

摘要： 计算机技术发展步伐的不断加快，促使数据库系统应用范围日益扩大，已由数据处理、信息管理等领域延伸至人工智能、计算机辅助设计等领域，成为计算机系统的核心内容。项目式教学模式近些年被广泛应用于各学科教学中，其价值有目共睹，将之引入到数据库系统原理课程实验改革工作中，可弥补以往教学存在的不足，达到更显著的教学效果。本文主要对数据库系统原理课程教学现状进行分析，并探讨基于项目式教学的数据库系统原理课程实验设计的原则以及具体的改善策略。

关键词： 分布式数据库  

ISBN: (纸本)9787522117614

摘要： 本书主要内容包括: 分布式数据库系统概论、分布式数据库系统的架构、分布式数据库设计、分布式数据库系统的查询处理与优化等, 共六章。具体内容包括: 分布式数据库系统的产生与发展、分布式数据库系统的定义与分类等。

关键词： 数据库系统   关系数据库系统  

ISBN: (纸本)9787302655619

摘要： 本书主要论述了数据库相关基本概念、基础理论和设计方法,共计10章,内容包括数据库系统概述、关系数据库方法、关系数据库标准语言SQL、关系规范化理论、数据库设计、数据库保护、数据组织与存储管理、MySQL数据库操作、数据库应用实例和数据库技术新发展等。本书既介绍了经典的数据库理论及设计方法,又展示了目前广泛应用的开源数据库管理系统MySQL的实际操作,同时还给出了两个侧重数据库设计过程的应用系统开发实例,打通了从理论到具体DBMS应用再到实例开发三个重要环节。

关键词： 数据库管理系统   查询优化器   机器学习   深度学习   排序学习  

摘要： 查询优化器对于提高数据库管理系统(DBMS)的执行性能至关重要。传统的查询优化器通过计划枚举产生候选查询执行计划,然后利用基数估计和代价模型选择执行代价最低的计划。然而,在处理复杂查询时,由于难以准确预测其代价或执行延迟,导致非最优解的选择。最近,利用人工智能技术来优化数据库查询优化器已成为研究热点。机器学习模型通过分析历史查询数据学习查询特征与执行代价的关系,为新查询提供更准确的代价估计,从而优化查询计划选择,提升查询执行效率。尽管如此,当前研究仍面临两大挑战:首先,传统神经网络模型(如CNN或RNN)在提取查询计划的复杂特征及其树形结构信息上存在局限,通过影响基数估计或代价估计的准确度,进而影响查询计划选择的准确性和效率。其次,将查询优化建模为回归问题,要求模型能够准确预测查询的代价或执行延迟。这种方法不擅长处理从未见过的查询,在实际生产部署环境中存在性能不稳定的问题。而且模型倾向于优化那些执行时间较长的查询,而忽视了执行效率更高的短时间查询,从而影响整体查询执行效率。 针对简单神经网络模型在提取查询计划的复杂特征及其树形结构信息的局限性,本文提出了一种基于树Transformer的查询计划表征算法QPR(Query Plan Representation)。QPR从查询、计划和数据三个维度提取和编码查询计划关键特征,采用树注意力机制理解计划树的结构信息及语义依赖关系。QPR通过为基于机器学习的查询优化任务(如基数估计或代价估计)提供高效查询计划表征,提高估计准确度,从而提升查询执行效率。 针对将查询优化建模为回归范式的局限性,本文提出了一种基于排序学习的查询计划选择算法QPSLR(Query Plan Selection based-on Learin-to-Rank)。QPSLR首先通过启发式计划枚举策略引导传统查询优化器生成候选查询计划集合。随后,利用QPR将这些查询计划转换为特征向量。采用成对式和列表式两种排序学习策略,QPSLR通过学习区分不同查询计划的优劣,进而对候选计划进行排名。最终,基于该计划排名选择最优查询计划,有效提高了查询优化的效率和实用性。 本文将提出的数据库智能查询优化算法QPR和QPSLR集成至Postgre SQL数据库,并在真实数据集和查询工作负载下进行实验测试,结果验证了它们对于提升数据库查询执行效率的有效性和实用性。