CS代考程序代写 database SQL Join ordering of SQL optimization

Join ordering of SQL optimization

1.1作业背景
连接优化是数据库领域最重要的研究问题之一。给一个特定查询，连接优化任务是确定关系的连接顺序，并将其转化为物理计划，使得查询任务能够高效执行。它是关系型数据库查询优化的关键问题。
数据库传统的寻找SQL查询时的最佳连接顺序的方法有：
动态规划算法，贪婪算法，QuickPick等等…

最近有两种基于强化学习的方法，分别是：
ReJOIN 和 Bao。

该项目的目的对这三种方法进行评估。

1.2 需要完成的部分
该项目共需要完成及实验评估5种方法：传统方法*3，ReJOIN*1和Bao*1。
5钟方法均已实现或找到源代码（在1.5可见），目前需要老师参照文献3中第四部分实验部分来对对这5种方法进行实验及评估。（主要是对比5种方法对JOB中不同的SQL查询语句所需要的搜索时间和执行时间）（搜索时间是指产生执行计划的时间，执行时间是指该join order执行所需的时间）
（使用（文献4）中基于 IMDB (Internet Movie Database) 真实数据集 (3.6 GB, 21 个表) 的 JOB 进行测试 ，评估该优化器在PostgreSQL中的性能如何。）

1.3 需要掌握的能力
数据库 与 强化学习
最好老师也懂得数据库的连接优化问题，不过问题不大，CSDN上有不少文章很好理解。
重要：目前ReJOIN是有源代码的，Bao和DQ可以2选1进行实验，具体选哪个看觉得哪个更容易做。
1.4 文献
文献1（ReJOIN）：
Deep Reinforcement Learning for Join Order Enumeration
深度强化学习，用于连接顺序枚举

文献2（Bao）：
Bao: Learning to Steer Query Optimizers
Bao：学习引导查询优化器

文献3（中文文献，实验方面可以借鉴）：
RLO：一个基于强化学习的连接优化方法

文献4（IMDB连接顺序基准；关键是一个很好的评估报告例子）
How Good Are Query Optimizers, Really?
查询优化器到底有多好？

文献5（DQ）
Learning to Optimize Join Queries With Deep Reinforcement Learning
通过深度强化学习来学习优化联接查询

1.5 源代码
ReJOIN：
https://github.com/antonismand/ReJOIN
https://github.com/DelphianCalamity/ReJOIN

Bao（与DQ二选一）：
https://github.com/learnedsystems/baoforpostgresql

DQ（与Bao二选一）：
https://github.com/concretevitamin/spark/commits/dq