Query Optimizing for On-line Analytical Processing

Abstract

Newer database technologies, such as in-memory databases, have largely forgone query optimization. In this thesis, we presented a use case for query optimization for an in-memory column-store database management system used for both on- line analytical processing and on-line transaction processing. To date, the system in question has used a naïve query optimizer for deciding on join order. We went through related literature on the history and evolution of database technology, focusing on query optimization. Based on this, we analyzed the current system and presented improvements for its query processing abilities. We implemented a new query optimizer and experimented with it, seeing how it performed on several queries, concluding that it is a successful improvement for a subset of possible queries involving up to 3 relations, and speculated on how it would perform on more complicated queries.

Nyare databasteknologi, såsom minnesinterna databaser, har i stort sett slutat använda förfrågningsoptimering. I detta arbete presenteras ett användningsfall för förfrågningsoptimering för en minnesintern databashanterare som används för uppkopplad analytisk bearbetan samt transaktionsprosessering. Till dags dato har hanteringssystemet i fråga använt en naiv förfrågningsoptimerare för att bestämma i vilken ordning tabeller ska förenas. Vi går igenom relaterad litteratur kring historien om och utvecklingen av databasteknologi, med fokus på förfrågningsoptimering. Baserat på detta analyserar vi det nuvarande systemet och presenterar förbättringar i dess förfrågningshantering. Vi implementerar en ny förfrågningsoptimerare och experimenterar med den, för att se hur bra prestanda den har i flera olika förfrågningar. Vi drar slutsatsen att den är en lyckad satsning för en undermängd av förfrågningar innehållande 3 tabeller, och spekulerar hur den påverkar prestanda för mera komplicerade förfrågningar.