一种面向数据仓库周期性查询的增量优化方法

大数据蕴含着巨大的价值.分析类查询是获取数据价值的一种重要手段.为及时把握分析结果的变化，查询需要周期性地重复.为此，将不可避免地引入对旧数据的重复分析.目前，以重用历史数据的中间结果、优化冗余计算为核心思路的增量分析技术，存在用户透明性不佳、对历史结果存储位置的选择不够智能化等问题，对周期性增量查询的优化效果有限.从兼顾用户透明性和优化收益的角度出发，设计了一种以语义规则为指导的增量优化方法.该方法扩展了增量描述语法，以查询操作符的操作语义和输出语义指导对历史数据存储、合并位置的选择，再根据代价模型和物理查询任务的划分位置对选择结果进行调整，生成优化后可以在分布式计算框架（如MapReduce）周期性调度执行的物理查询任务.以Apache Hive为基础，实现了上述方法的原型HiveInc.实验结果表明：对于扩展了增量语法描述的TPC-H测试集，HiveInc相对于优化前可以获得平均2.93倍、最高5.78倍的加速；与经典的优化技术IncMR、DryadInc相比，分别可以获得1.69倍和1.61倍的加速