Factor Windows: Cost-based Query Rewriting for Optimizing Correlated Window Aggregates
窗口聚集在流处理中是普遍存在的。在Azure流分析(ASA)中,由微软的Azure云托管的流处理服务,我们看到许多客户查询包含多个相关窗口上的聚合函数(例如MIN和MAX)(例如,长度为五分钟和十分钟的翻转窗口)。在本文中,我们提出了一个基于成本的优化框架,通过在多个窗口之间共享计算来优化此类查询。特别是,我们引入了因子窗口的概念,这是辅助窗口,不是在输入查询,但可能有助于降低整体计算成本,我们的成本为基础的优化器可以产生重写的查询计划,具有较低的成本比原来的查询计划,利用因子窗口。由于我们的优化技术是在查询(计划)重写的水平,他们可以实现任何流处理系统,支持声明性的,SQL类查询语言,而不改变底层的查询执行引擎。我们正式的共享计算问题,提出了详细的优化技术,并报告在合成和真实数据集的评估结果。我们的研究结果表明,与原始的查询计划相比,我们基于成本的优化器输出的重写计划可以产生更高的吞吐量(高达16.8倍)。
2022-03-08 cs.DB
Datalog Rewritings of Regular Path Queries using Views
我们考虑使用图数据库上的视图进行查询应答,即数据库结构为边标记图。我们主要考虑由正则路径搜索(RPQ)指定的视图和查询。这些查询选择图数据库中的节点对,这些节点通过一条路径连接,该路径的边标签序列属于某种正则语言。我们说一个视图V决定一个查询Q,如果对于所有的图数据库D,视图图像V(D)总是包含足够的信息来回答D上的Q。换句话说,存在从V(D)到Q(D)的定义良好的函数。我们的主要结果表明,当这个函数是单调的,有一个重写的Q作为一个数据库查询的视图实例V(D)。特别地,重写查询可以在大小为V(D)的时间多项式中被评估。此外,这意味着RPQ查询是否可以使用RPQ视图在Datatron中重写是可判定的。
2015-12-20 cs.DB
SPA: A SQL-Plan-Aware Reinforcement Learning Framework for Query Rewriting with LLMs
Simon Fraser University(西蒙菲莎大学)
提出SPA框架,利用物理执行反馈训练LLM重写SQL查询,通过概率门控自适应奖励塑形和策略自改进,显著提升端到端运行时性能并减少有害重写。
2026-06-07 cs.DB
Saturation-based Boolean conjunctive query answering and rewriting for the guarded quantification fragments
本文提出基于饱和的布尔合取查询回答与重写程序,适用于有保护、松散有保护和团有保护片段,改进现有消解方法,并首次实现分布式数据集上的紧凑可复用饱和闭包。研究为自动化演绎决策和查询重写奠定理论基础。
2023-10-16 cs.DB cs.LO
Query Rewriting via LLMs
本文提出 LITHE 系统,结合提示词集成、数据库敏感规则与 token 概率引导重写,并用逻辑和统计工具校验语义,显著提升复杂 SQL 查询性能。
2025-09-02 cs.DB
Query Rewriting with Disjunctive Existential Rules and Mappings
LIRMM(LIRMM实验室);Inria(法国国家信息与自动化研究所);University of Montpellier(蒙彼利埃大学);CNRS(法国国家科学研究中心)
该研究聚焦析取存在性规则与映射下的UCQ查询重写问题,提出可靠完备的重写算子及对应算法,证明真析取非递归规则下存在无UCQ重写的合取查询,且析取映射下UCQ重写存在性问题不可判定。
2023-06-09 cs.AI cs.DB
Rewriting Ontology-Mediated Property Graph Queries into GQL
University of Salzburg(萨尔茨堡大学);Paderborn University(帕德博恩大学);TU Wien(维也纳科技大学)
针对本体介导的属性图查询缺乏实用重写技术的问题,提出基于GQL标准的查询重写方法,经原型实验验证可实现带本体知识的图数据查询。
2026-09-15 cs.DB
Learned Graph Rewriting with Equality Saturation: A New Paradigm in Relational Query Rewrite and Beyond
University of Cambridge(剑桥大学)
本文提出Aurora系统,将等式饱和与图强化学习结合,用于关系查询重写,生成SQL计划速度比现有等式饱和求解器快数个数量级,且与主流优化器竞争力相当。
2024-06-19 cs.DB cs.LG
Ontological Queries: Rewriting and Optimization (Extended Version)
本体查询是针对本体而不是直接在数据库上进行评估的。这种查询的评价和优化是数据库研究的一个有趣的新问题。在本文中,我们讨论这个问题的两个重要方面:查询重写和查询优化。查询重写包括将本体查询编译为针对底层关系数据库的等效查询。这里的重点是健全性和完整性。我们回顾以前的结果,并提出了一个新的重写算法,而一般类型的本体约束。特别是,我们展示了如何对本体的合取查询可以编译成一个联盟的合取查询对底层数据库。在这种情况下,本体查询优化试图改进该过程,以便为输入查询产生可能小且成本有效的UCQ重写。我们回顾现有的优化方法,并提出了一种有效的新方法,适用于线性Datalog+/-,一类基于数据的规则,包括著名的描述逻辑的DL-Lite家庭。
2011-12-01 cs.DB cs.LO
A DBMS-independent approach for capturing provenance polynomials through query rewriting
University of Aveiro(阿威罗大学);Polytechnic of Leiria(莱里亚理工学院)
提出一种基于查询重写、DBMS无关的方法,通过递归传播溯源注释支持SPJUA操作和嵌套查询,首次完整实现了基于半环理论扩展半模结构的溯源多项式,实验证明性能优于现有系统。
2025-08-20 cs.DB
LinCQA: Faster Consistent Query Answering with Linear Time Guarantees
大多数数据分析管道经常遇到查询违反预定完整性约束的不一致数据的问题。数据清洗是一种被广泛研究的范式,它可以对不一致的数据进行一致的修复。一致性查询应答(CQA)是一种数据清理的替代方法,它要求在不一致数据的所有(在大多数情况下,呈指数级多)修复时,由给定查询保证返回所有元组。本文确定了一类非循环的选择项目连接(SPJ)查询,CQA可以解决通过SQL重写与线性时间保证。我们的重写方法可以被看作是一个推广的Yannakakis的算法,非循环连接不一致的设置。我们提出了LinCQA,一个系统,可以输出重写SQL和非递归的Datasheet规则,在这个类中的每个查询。我们表明,LinCQA往往优于现有的CQA系统的合成和现实世界的工作负载,在某些情况下,由数量级。
2022-08-25 cs.DB
Equivalent Rewritings on Path Views with Binding Patterns
具有绑定模式的视图是对数据库的参数化查询。使用这样的视图,例如,对Web服务进行建模。为了回答对这些视图的查询,这些视图必须在执行计划中编排在一起。我们将展示如何将查询重写为等效的执行计划,保证在所有数据库上提供与查询相同的结果。我们提供了一个正确和完整的算法来找到这些计划的路径视图和原子查询。最后,我们表明,我们的方法可以用来回答现实世界中的Web服务的查询。
2020-03-19 cs.DB
Querying Incomplete Data : Complexity and Tractability via Datalog and First-Order Rewritings
研究不完整数据上查询的确定答案复杂性问题,通过重写为 Datalog 和一阶查询高效回答扩展合取查询,并给出精确复杂性界限。
2023-10-19 cs.DB
Simrank++: Query rewriting through link analysis of the click graph
我们专注于赞助搜索的查询重写问题。我们基于历史点击图进行重写,该图记录了响应过去用户查询而点击的广告。给定查询q,我们首先考虑Simrank作为识别与q类似的查询的方式,即,查询用户可能对哪些广告感兴趣。我们认为,Simrank未能正确识别我们的应用程序中的查询相似性,我们提出了两个增强版本的Simrank:一个利用点击图边缘的权重,另一个利用``证据。我们通过实验评估我们的新方案,使用实际的点击图和来自雅虎的查询,and using运用a variety品种of metrics指标.我们的结果表明,增强的方法可以产生更多,更好的查询重写。
2007-12-04 cs.DB cs.DL cs.IR
Answering Queries using Views over Probabilistic XML: Complexity and Tractability
我们研究的复杂性,查询回答使用视图的概率XML设置,确定大类的查询-子和后代导航和谓词-有效率(PTime)算法。我们认为这个问题下的两种可能的语义XML查询结果:持久的节点标识符,并在他们的缺席。因此,我们考虑重写,可以利用一个单一的视图,通过补偿,和重写,可以使用多个视图,通过交叉。由于在概率设置中,查询返回具有概率的答案,因此重写的问题超出了从视图中检索XML答案的经典问题。对于这两种语义的XML查询,我们表明,即使XML的答案可以从视图中检索,其概率可能是不可计算的。对于只使用补偿的重写,我们描述了一个PTime决策过程,基于易于验证的标准,区分可行的情况下-当概率XML结果是可计算的-和不可行的。对于重写,可以使用多个视图,补偿和交叉,我们确定最宽容的条件,使概率重写可行,我们描述了一个算法,这是健全的一般情况下,并成为完整的相当宽容的限制下,运行在PTime模最坏情况下的指数时间等价性测试。这是我们所能期望的最好结果,因为交集使得查询等价已经在确定性数据上变得棘手。我们的算法运行在PTime只要确定性重写可以在PTime中找到。
2012-08-01 cs.DB
DAGSmith: Dependency-Aware Rewriting for dbt-Style SQL Pipelines
University of Michigan(密歇根大学)
DAGSmith是首个面向dbt风格SQL流水线DAG的依赖感知源到源重写系统,在Tuva dbt项目上可缩短运行时间、降低计算成本,效果优于现有单查询重写方法。
2026-08-25 cs.DB
Secure Querying of Recursive XML Views: A Standard XPath-based Technique
大多数保护XML文档安全的最先进方法都允许用户仅通过授权视图访问数据,这些授权视图是通过使用XML表达式集合注释XML语法(例如DTD)来定义的。为了防止机密信息的不当泄露,用户对这些视图的查询需要重写为对底层文档的等价查询。这种重写使我们能够避免视图物化和维护的开销。这里的一个主要问题是,递归XML视图的查询重写仍然是一个悬而未决的问题。为了克服这个问题,已经提出了一些工作来将非标准查询转换为非标准查询,称为正则非标准查询。然而,在正则表达式下的查询重写可能是指数级的,因为它依赖于自动机模型。最重要的是,定期检查仍然是一项理论成就。实际上,由于没有翻译和评价工具,这种方法在实践中并不常用。在本文中,我们表明,查询重写总是可能的递归XML视图只使用的表达能力的标准XML。我们调查的向下类的扩展,只由孩子和后代轴,与一些轴和运营商,我们提出了一个通用的方法来重写查询递归XML视图。与常规的基于XPath的作品,我们提供了一个重写算法,处理查询只在注释的DTD语法,可以在线性时间内运行的查询的大小。实验结果表明,该算法是有效的,规模以及。
2011-12-12 cs.CR cs.DB
SQL-RewriteBench: A Correctness-Gated, Full-Denominator Benchmark for Statement-Level SQL Rewriting [Experiment,Analysis & Benchmark]
Zhejiang University(浙江大学);Huawei Company(华为公司)
研究语句级SQL重写,提出SQL-RewriteBench基准测试,应用正确性门控和全分母计算,其指标套件可区分多种指标,定义了SCS和CGOQ,提供多个可执行实例,通过测试发现现有方法存在问题,强调可部署SQL重写需多方面改进。
2026-08-18 cs.DB
Enhancing SPARQL Query Rewriting for Complex Ontology Alignments
Laval University(拉瓦尔大学);Iba Der Thiam University(伊巴·德尔·蒂亚姆大学)
本文提出基于自然语言需求的SPARQL查询重写方法,利用等价传递性与大语言模型处理复杂本体对齐,提升查询效率与用户可访问性。
2025-12-05 cs.AI cs.DB
Towards Practicable Algorithms for Rewriting Graph Queries beyond DL-Lite
本文提出一种针对扩展DL-Lite的ELHI受限片段中导航查询的重写技术,将查询转为Cypher以支持Neo4j图数据库,并在认知神经科学用例上验证了有效性。
2025-04-23 cs.DB cs.LO
Rewriting with Acyclic Queries: Mind Your Head
本文研究合取查询在无环等受限条件下的重写问题,证明了查询本身无环时存在无环重写,并界定了该问题在 NP-hard 与易处理之间的复杂度边界。
2023-11-28 cs.DB cs.LO
Rewriting Consistent Answers on Annotated Data
研究自然序正半环标注数据库上无自连接合取查询的一致回答,提出带受限否定的一阶逻辑变体并证明当且仅当攻击图无环时可重写,推广了已有结果并揭示了bag半环下强环查询的近似计算NP难度。
2025-04-02 cs.DB cs.LO
Computing Range Consistent Answers to Aggregation Queries via Rewriting
本文研究在违反主键约束的数据库上回答带聚合的连接查询,目标是找出使聚合值最低的修复,并刻画可通过一阶逻辑聚合重写确定该值的查询类。
2024-09-03 cs.DB
Generalised Graph Grammars for Natural Language Processing
该研究提出一种新型图匹配与重写查询语言,克服Cypher的声明式局限,性能较Neo4j至少高一个数量级,借助列式数据库KnoBAB用广义半结构化模型表示图。
2024-03-12 cs.DB
Scalable Ontological Query Processing over Semantically Integrated Life Science Datasets using MapReduce
为了满足从全面角度看待生命科学数据的要求,采用了语义网技术,以标准化地表示数据和数据之间的联系。这导致了数据仓库,如UniProt,Bio2RDF和Chem2Bio2RDF,它们使用本体集成了不同种类的生物和化学数据。不幸的是,在本体集成的集合上处理查询的能力仍然是一个挑战,特别是当数据很大时。原因是除了处理图结构数据的传统挑战外,完整的查询回答还需要推理来解释隐含表示的事实。由于前向链接等传统推理技术难以扩展,并且每次更新数据时都需要重复,因此最近的重点是可以通过查询重写使用数据库技术支持的推理。然而,由于大多数生物医学本体相对于其他领域本体的丰富性,由查询重写技术产生的查询通常比现有的查询优化技术能够应付的更复杂。当使用新兴的云数据处理平台进行大数据处理时尤其如此,因为它们引入了一些额外的开销。在本文中,我们提出了一种使用MapReduce处理大数据上的复杂查询的方法,并对现有的真实数据集和基准查询进行了评估。
2016-02-02 cs.DB
Semi-interval Comparison Constraints in Query Containment and Their Impact on Certain Answer Computation
National Technical University of Athens(雅典国立技术大学);Ionian University, Corfu(爱奥尼亚大学)
研究带算术比较的合取查询(CQAC)的包含问题,发现当包含查询具有半区间比较时,问题复杂度可从Π₂^p完全降为NP,并证明在某些简单情况下仍保持Π₂^p完全;同时证明使用CQAC视图计算确定答案时,最大包含重写总能精确计算所有确定答案,并在某些情况下可在多项式时间内完成。
2026-05-24 cs.DB
Prompt as a Data Type: In-Database LLM Prompt Management and Rewriting
Department of Computing and Mathematics University of Sao Paulo(计算机与数学系 乌拉圭圣保罗大学);Department of Information Systems University of Münster(信息系统系 梅茵斯特大学)
研究如何在数据库中管理和重写大语言模型提示。核心方法是引入PromptDB系统,将提示视为元组级数据库值,利用数据库元数据重写提示。主要贡献是创造新优化空间,经实验验证数据库引导重写可提高输出有效性并权衡成本质量。
2026-07-27 cs.DB cs.LG
Efficient Query Answering over Conceptual Schemas of Relational Databases : Technical Report
我们开发了一个查询应答系统,在工作的核心是一个想法的查询应答重写。为此,我们扩展了DL DL-Lite的能力,以支持n元关系,获得DL DLR-Lite,这仍然是多项式的数据的大小。我们设计了一种灵活的方式映射的概念级的关系级,它提供了一个类似SQL的查询语言查询语言的概念模式的用户。重写技术增加了传统查询应答技术的价值,允许制定更简单的查询,具有推断用户查询中未明确说明的附加信息的能力。概念模式的形式化和开发的推理技术允许检查数据库和概念模式之间的一致性,从而提高了信息系统的可信度。
2009-02-11 cs.DB cs.LO
Algorithms for Rewriting Aggregate Queries Using Views
在数据库应用程序中,涉及聚合的查询是典型的。优化聚合查询执行的主要思想之一是重用以前回答的查询结果。这导致了使用视图重写聚合查询的问题。由于缺乏理论,这个问题的算法相当特别。他们是健全的,但没有被证明是完整的。最近,我们给出了语法特征的等价性的聚合查询,并应用它们来决定是否存在重写。然而,这些决策程序并不适合于立即实施。在本文中,我们提出了实用的算法重写查询与$\COUNT$和$\SUM$。我们的算法是合理的。对于重要案件也是如此。我们的技术可以用来改善众所周知的程序重写非聚合查询。然后,这些过程可以适于获得用于用$\MIN$和$\MAX$重写查询的算法。提出的算法是实现优化器的基础,重写查询使用视图。
2000-11-17 cs.DB
Qrlew: Rewriting SQL into Differentially Private SQL
Sarus
Qrlew 是一个开源库,通过将标准 SQL 解析为跟踪数据类型、取值范围和行所有权的中间表示 Relations,自动重写为差分隐私等价 SQL,使数据所有者无需技术集成即可获得强隐私保证的查询结果。
2024-01-11 cs.DB cs.LG
Connected Components and Disjunctive Existential Rules
本文研究析取存在规则框架下含全称量词否定查询的合取查询重写,引入连通线性规则等新规则类实现fus性质,提出断连析取扩展规则片段,并开发高效查询重写系统ECOMPLETO,实验验证其生成有限UCQ重写的能力与性能。
2023-10-19 cs.DB cs.LO
Query Based Access Control for Linked Data
近年来,我们看到用于发布和消费关联数据的技术取得了重大进展。然而,为了支持下一代的电子商务应用程序上的互连的机器可读数据的适当形式的访问控制需要到位。虽然已经提出了一些访问控制模型和框架,很少有研究已经进行到与授予访问部分数据或所提出的访问控制机制的正确性相关的安全问题。因此,本文的贡献有两个方面:我们提出了一个查询重写算法,可用于部分限制访问SPARQL 1.1查询和更新;我们演示了如何一组标准,这是最初用于验证访问控制策略持有不同的数据库状态,可以通过查询重写来验证访问控制的正确性。
2020-12-31 cs.CR cs.DB
Maliva: Using Machine Learning to Rewrite Visualization Queries Under Time Constraints
我们考虑数据可视化系统,其中中间件层将前端请求转换为SQL查询,并将其转换为后端数据库以计算可视化结果。我们研究的问题,回答可视化请求在有限的时间限制内,由于响应要求。我们探索的优化选项重写原始查询添加提示和/或做近似,使总时间内的时间约束。我们开发了一种新的中间件解决方案,称为Maliva基于机器学习(ML)技术。它应用马尔可夫决策过程(MDP)模型来决定如何重写查询,并使用训练实例来学习代理明智地为在线请求做出一系列决策。我们给出了一个完整的技术规范,包括如何构建一个MDP模型,如何训练代理,以及如何使用近似重写选项。我们在真实数据集和合成数据集上的实验表明,Maliva在交互式服务请求的概率和查询执行时间方面的表现明显优于不做任何重写的基线解决方案。
2022-02-14 cs.DB
Rewriting XPath Queries using View Intersections: Tractability versus Completeness
通过使用视图技术重写来优化XML查询的标准方法包括在视图的输出中导航,从而允许在重写的查询中仅使用一个视图。已经提出了使用节点标识符上的交集或连接来进行更丰富类别的重写的算法,但是它们要么缺乏完整性保证,要么需要关于数据的附加信息。我们确定了最严格的限制下,一个可重写的多项式时间多项式时间使用的交集的意见,并提出了一个算法,适用于任何文件或类型的标识符。作为一个副作用,我们分析了相关问题的复杂性,决定如果一个交集的交集可以等价地重写为一个没有交集或并集。我们扩展了我们的正式研究的基于视图的重写问题,还描述(i)算法更复杂的重写计划,没有限制的数量上的交叉和导航步骤内的视图输出,他们采用,和(ii)适应我们的技术来处理XML文档没有持久的节点ID,在存在的XML键。补充我们的计算复杂性研究,我们描述了我们的技术和可能的选择,可以加快在实践中执行的概念验证实现,关于重写计划是如何建立,测试和执行。我们还对这些技术进行了全面的实验评估,重点是可扩展性和基于视图的计划执行所实现的运行时间改进。
2013-08-26 cs.DB
Database Reformulation with Integrity Constraints (extended abstract)
在本文中,我们研究的问题,以减少评估成本的查询有限的数据库中存在的完整性约束,通过设计和物化的意见。给定一个数据库模式,一组定义在模式上的查询,一组完整性约束和存储限制,找到这个问题的解决方案意味着找到一组满足存储限制的视图,在约束下提供查询的等效重写(这个要求比没有约束的情况下的等效性更弱),并减少评估查询的总成本。这个问题,数据库重构,是重要的许多应用程序,包括数据仓库和查询优化。我们给出了复杂性的结果和算法,数据库重构存在的约束,合取查询,视图,重写和几种类型的约束,包括功能和包含依赖关系。为了获得更好的复杂性结果,我们引入了一个unchase技术,它减少了问题的查询等价的约束条件下等价的情况下,不增加查询大小。
2005-06-08 cs.DB
LiteMat: a scalable, cost-efficient inference encoding scheme for large RDF graphs
链接数据源的数量和链接开放数据图的大小每天都在增长。因此,语义RDF服务越来越多地面临各种“大数据”问题。推理存在时的查询处理就是其中之一。例如,为了完成SPARQL查询的答案集,RDF数据库系统通过耗时的查询重写算法或耗时的数据物化解决方案来评估语义RDFS关系(subPropertyOf,subClassOf)。为了减少内存占用并简化大型数据集的交换,这些系统通常应用字典方法,通过用整数值替换资源标识符(IRI)、空白节点和文字来压缩三倍数据大小。在这篇文章中,我们提出了一个结构化的资源识别方案,使用一个聪明的编码的概念和属性层次结构,有效地评估主要的常见RDFS蕴涵规则,同时最大限度地减少三重物化和查询重写。我们将展示如何通过可扩展的并行算法计算这种编码,并直接在Apache Spark框架上实现。我们的编码方案的效率是强调的合成和现实世界的数据集进行评估。
2015-10-12 cs.DB
An Extensible and Verifiable Language for Query Rewrite Rules
University of California, Berkeley(加州大学伯克利分校);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳))
Rulescript 提供一种通用查询重写规则开发语言,通过分离规则定义与执行基础设施,实现规则的自动验证和跨引擎移植,减少重写规则开发的工程成本和错误风险。
2026-05-07 cs.DB
E3-Rewrite: Learning to Rewrite SQL for Executability, Equivalence,and Efficiency
stu.suda.edu.cn(苏州大学)
提出基于LLM的SQL重写框架E3-Rewrite,通过上下文构建与强化学习生成可执行、等价且高效的查询,执行时间最多缩短25.6%,等价重写提升24.4%。
2025-08-15 cs.AI cs.CL cs.DB
DocETL: Agentic Query Rewriting and Evaluation for Complex Document Processing
UC Berkeley(加州大学伯克利分校);BIDS;Columbia University(哥伦比亚大学)
针对LLM处理复杂非结构化数据准确性不足的问题,提出DocETL系统,通过基于智能体的查询重写与评估机制优化文档处理流水线,在多项任务中准确率提升25%至80%。
2025-04-01 cs.AI cs.DB
Tree-like Queries in OWL 2 QL: Succinctness and Complexity Results
Laboratoire de Recherche en Informatique, CNRS & Université Paris-Sud(法国国家科学研究中心与巴黎南大学计算机研究实验室);Institute for Information Transmission Problems & MIPT(信息传输问题研究所与莫斯科物理技术学院);Steklov Mathematical Institute & National Research University Higher School of Economics(斯捷克洛夫数学研究所与高等经济大学)
本文研究了在OWL 2 QL本体存在的情况下,查询拓扑对回答合取查询的难度的影响。我们的第一个贡献是澄清的最坏情况下的大小的积极存在(PE),非递归数据(NDL),和一阶(FO)重写的各种类树的合取查询,范围从线性查询有界树宽查询。也许我们最令人惊讶的结果是PE重写大小的超多项式下限,它已经适用于深度为2的线性查询和本体。更积极的是,我们表明,多项式大小的NDL重写总是存在有界数量的叶子(和任意本体)的树形查询,并为有界树宽查询与有界深度本体配对。对于FO重写,我们将多尺寸重写的存在等同于布尔电路复杂性中的已知问题。作为我们的第二个贡献,我们分析了查询回答的计算复杂性,并建立了一系列查询本体对的易处理性结果(NL-或LOGCFL-完整性)。将我们的新结果与文献中的结果相结合,可以完整地了解所考虑的查询和本体类的简洁性和复杂性。
2015-05-13 cs.AI cs.CC cs.DB
Optimally Rewriting Formulas and Database Queries: A Confluence of Term Rewriting, Structural Decomposition, and Complexity
King’s College London(伦敦国王学院);Univ. Artois, CNRS, Centre de Recherche en Informatique de Lens (CRIL)(阿图瓦大学、法国国家科学研究中心、伦斯信息学研究中心)
本文研究了通过语法重写规则最小化逻辑等价句子宽度的问题,提出了一个算法以确定给定正则一阶句子在应用规则后的最小宽度句子,填补了该领域通用设置下的空白。
2026-04-15 cs.DB cs.LO
Dialect-Agnostic SQL Parsing via LLM-Based Segmentation
National University of Singapore(新加坡国立大学);Virgina Tech(弗吉尼亚理工大学)
本文提出SQLFlex框架,结合语法解析与LLM分段技术,提升对多种SQL方言的解析能力,在SQL检查和测试用例缩减中均表现优异。
2026-03-17 cs.DB cs.SE
SQLGovernor: An LLM-powered SQL Toolkit for Real World Application
针对真实复杂OLAP场景中SQL查询的语法错误与效率问题,提出LLM驱动的SQLGovernor工具包,通过片段级处理与混合自学习机制实现语法纠正与查询重写,性能提升达10%,有效降低人工依赖。
2025-09-15 cs.DB
LASER: A Data-Centric Method for Low-Cost and Efficient SQL Rewriting based on SQL-GRPO
Zhejiang University(浙江大学);ByteDance Inc(字节跳动)
本文提出LASER,一种数据驱动的SQL重写方法,通过构建SQL-MCTS大规模语料库和SQL-GRPO专用对齐策略,提升小模型在SQL优化中的执行效率和零样本迁移能力。
2026-04-08 cs.DB
Rule Rewriting Revisited: A Fresh Look at Static Filtering for Datalog and ASP
TU Dresden(德累斯顿工业大学)
本文重新审视静态过滤方法,将其扩展到ASP,并提出可处理的近似算法以提升逻辑程序性能。
2026-01-13 cs.DB cs.LO
Efficiently Computing Provenance Graphs for Queries with Negation
解释为什么答案会出现在查询结果中,或者为什么结果中没有答案,对于许多应用程序都很重要,包括审计、调试数据和查询,以及回答关于数据的假设问题。这两类问题,即,为什么和为什么不起源,已经被广泛研究。在这项工作中,我们提出了第一个实用的方法来回答这些问题的查询否定(一阶查询)。我们的方法是基于重写的数据库规则(称为射击规则),捕获成功的规则推导的上下文内的数据库查询。我们扩展这种重写,以支持否定和捕获失败的推导,解释失踪的答案。给定一个(为什么或为什么不)出处问题,我们计算一个解释,即,与回答问题相关的出处部分。我们引入优化,如果我们可以确定它们不会成为给定问题的解释的一部分,则在早期修剪起源图的部分。我们提出了一个实现,运行在一个关系数据库使用SQL计算解释。我们的实验表明,我们的方法可扩展到大型实例,并显着优于早期的方法,该方法实例化的完整出处计算的解释。
2017-01-20 cs.DB
Pay One, Get Hundreds for Free: Reducing Cloud Costs through Shared Query Execution
基于云的数据分析是目前的常见做法,因为系统管理开销较低,以及按需付费的定价模式。然而,定价模型并不总是适合查询处理,因为大量使用会导致高成本。例如,在查询即服务系统中,按处理的字节向用户收费,频繁访问相同数据的查询集合可能会变得昂贵。当使用声明性接口(如SQL)时,用户优化查询执行的选项有限,这使得问题更加复杂。在本文中,我们展示了如何,而不修改现有的系统,没有云提供商的参与,它是可以显着降低开销,因此成本,查询即服务系统。我们的方法是基于查询重写,使多个并发查询合并成一个单一的查询。我们的实验表明,共享执行所做的工作总量小于一次查询的方法。由于查询是按处理的字节收费的,因此执行一组查询的成本通常与执行其中一个查询的成本相同。作为一个例子,我们演示了如何在Amazon Athena和Google BigQuery中共享执行TPC-H基准测试,比使用一次查询方法便宜100倍和16倍,同时实现更高的吞吐量。
2018-09-01 cs.DB
View Synthesis from Schema Mappings
在数据管理中,特别是在数据集成、数据交换、查询优化和数据隐私中,视图的概念起着核心作用。在数据集成、数据混搭和数据仓库等多种环境中,需要从不同模式上的查询之间的一组已知对应关系开始设计视图。在本文中,我们处理这样的设计过程自动化的问题。我们称这个新的问题为“视图合成模式映射”:给定一组模式映射,每个相关的查询源模式的查询目标模式,自动合成每个源的视图在目标模式的方式,对于每个映射,查询源是一个重写的查询目标wrt的合成视图。我们研究视图合成模式映射在关系设置,查询和视图是(工会)合取查询,并在半结构化数据设置,查询和视图是(双向)定期路径查询,以及工会的合取。我们为每种情况提供了技术和复杂性上界。
2010-03-05 cs.DB
Structure-Guided Query Evaluation: Towards Bridging the Gap from Theory to Practice
针对多关系连接查询优化难题,本文通过将SQL查询重写为Yannakakis算法的执行序列,提出结构引导的查询求值方法,证明考虑查询结构能显著提升现代DBMS在复杂场景下的性能。
2023-05-22 cs.DB
Rewriting Ontological Queries into Small Nonrecursive Datalog Programs
University of Oxford(牛津大学);TU Dortmund(多特蒙德工业大学)
我们考虑本体数据库访问的设置,其中Abox是以关系数据库D的形式给出的,并且其中布尔合取查询q必须针对D对DL-Lite或Linear Datasheet +/-中制定的Tbox T取模进行评估。众所周知,(T,q)可以重写为等价的非递归Datasheet程序P,该程序P可以直接在D上求值。但是,对于线性数据库?或者对于允许角色包含的DL-Lite版本,到目前为止描述的重写方法导致非递归的数据库程序P的大小与T和q的联合大小成指数关系。这就产生了一个有趣的问题,即这种重写是否一定需要指数大小。本文证明了将(T,q)转化为多项式大小的等价非递归Datasheet程序P是可能的。
2011-07-23 cs.AI cs.DB cs.LO
Getting to the Root: A Combined Complexity Perspective on Consistent Query Answering
University of Tartu(塔尔图大学)
本文研究一致查询回答的组合复杂性,针对带一元主键、无环攻击图的布尔无自连接合取查询,证明键-非键图源SCC数有界时该问题为多项式时间,无界时为Π₂^P完全。
2026-09-14 cs.DB
A Rule-based Operational Semantics of Graph Query Languages
我们考虑一个核心语言的图形查询。这些查询被视为相对于面向图的数据库要解决的公式。为此,我们首先定义了一个图查询代数,其中指定了图和图同态集的一些操作。然后,引入模式的概念来表示图上一类递归定义的公式。提供了模式的语法和形式语义。之后,我们提出了一个新的声音和完整的演算来解决模式。这种演算是基于重写系统的,每个模式只需要求解一个推导。我们的演算是通用的,在这个意义上,它可以适应不同种类的图形数据库提供的图形和图形同态(匹配)的概念是很好地定义。
2022-02-21 cs.DB cs.LO
A Hybrid Approach to Query Answering under Expressive Datalog+/-
Oxford-Man Institute of Quantitative Finance(牛津-曼量化金融研究所);University of Oxford(牛津大学);Carleton University(卡尔顿大学)
Datasheet +/-是一个本体语言家族,它结合了良好的计算特性和高表达能力。Datatron +/-语言可以证明能够捕获最相关的语义Web语言。在本文中,我们考虑类弱粘性(WS)的Datasheet +/-程序,允许某些有用的形式的连接在规则机构,以及扩展著名的类弱非循环TGD。到目前为止,只有非确定性算法被用于回答WS Datasheet +/-程序上的查询。我们提出了新的确定性查询应答算法在WS Datestock +/-。我们特别建议:(1)基于查询驱动的追踪的自底向上的基础算法,以及(2)基于将WS程序变换成所谓的粘性程序的混合方法,对于该混合方法,查询重写技术是已知的。我们讨论了我们的算法可以优化和有效地应用于查询回答在现实世界中的场景。
2016-07-25 cs.AI cs.DB
A General Sufficient Condition for Rewriting Horn-ALCHI Atomic Queries into GQL
LIRMM(蒙彼利埃计算机科学、机器人学与微电子实验室);Inria(法国国家信息与自动化研究所);University of Montpellier(蒙彼利埃大学);CNRS(法国国家科学研究中心);DI ENS(巴黎高等师范学院信息学系);ENS(巴黎高等师范学院);PSL University(巴黎文理研究大学)
该研究针对Horn-ALCHI本体介导查询(OMQs),引入DL自动机形式,通过状态分层排除特定循环依赖,识别出可重写为GQL核心片段UC2RPQs的通用充分条件,扩展了GQL可处理的OMQs范围。
2026-08-06 cs.AI cs.DB