分布式查询优化器技术研究与应用

课题背景：

课题挑战：

• 1、搜索空间爆炸与计划裁剪难题，分布式场景下查询优化器的搜索空间呈指数级膨胀。连接方法的多样性增加：单机场景通常有三种连接方法，分布式场景扩展为Partitioned Wise Join、Rehash Distribution Join、Broadcast Distribution Join等多种，每种方法在不同数据分布下的性能特征各异；
• 2、分布式代价模型的准确性挑战，现代基于代价的优化器（CBO）依赖代价模型衡量执行计划的资源消耗，分布式环境下的代价建模面临全新挑战，如网络等复杂因子的评估。
• 3、统计信息的全局与局部一致性，除各节点的局部统计信息外，还需维护全局统计信息以评估跨节点操作的代价。

具体工作：

实习生主要参与：

• 1、分布式查询搜索空间裁剪策略研究；
• 2、多维度分布式代价模型构建；
• 3、分布式场景下统计信息能力、直方图能力的构架增强。

• 1、计算机科学、软件工程、电子信息等相关专业本科及以上学历；
• 2、熟练掌握数据结构、算法、操作系统、计算机网络等计算机基础知识；
• 3、熟练掌握至少一门编程语言，例如：C/C++、Java、Python、Go等；
• 4、具备强烈的学习意愿和能力，能够快速掌握新技术；
• 5、具备良好的沟通能力和团队合作精神，能够积极主动地解决问题。