刘冬燕，牛保宁+，张锦文

(1.太原理工大学 信息与计算机学院，山西 晋中 030600；2.北方自动控制技术研究所 软件研发部，山西 太原 030006)

0 引 言

数据库管理任务依据查询响应时间，结合系统优化配置的目标，选择下一步要执行的任务，为数据库的性能管理提供决策支持[1]。查询响应时间由使用资源时间和等待资源时间[2]组成，详述查询执行过程的查询计划决定了查询使用资源的时间，并行运行查询会产生查询交互[3-5]，直接影响查询等待资源的时间。因此，对查询响应时间建模应将查询计划、查询交互纳入考虑。

经过数十年的研究，查询响应时间预测模型按建模理论可分为：分析模型和统计模型[6]。分析模型简化资源争用降低复杂度，使得模型预测准确率较统计模型低[7]。现有统计模型将查询交互信息映射成查询响应时间，采集样本训练预先确定好的模型函数，其预先确定的模型函数限制了对样本的拟合精度，该模型仅对查询交互进行拟合忽略了查询本身所具有的信息，多数统计模型无法应对训练集中未出现过的查询。人工神经网络无需预先确定模型函数，通过对样本集自学习来拟合模型函数[8,9]。现有人工神经网络仅能预测单个查询的响应时间，而典型的工作负载包含多个查询并行运行。根据对数十年查询响应时间相关文献的研究可知，当前数据库领域还没有研究者提出使用人工神经网络模型预测并行查询响应时间。

联机分析处理(online analytical processing，OLAP)系统通过对数据的多维分析为决策提供依据，需周期性地批量运行固定查询。……