STHoles

Los atributos de una relación no son típicamente independientes. Los histogramas multidimensionales pueden ser una herramienta efectiva para una estimación precisa de la selectividad de consultas multiatributo. En este documento, presentamos STHoles, un histograma “consciente de la carga de trabajo” que permite anidar cubos para capturar regiones de datos con una densidad de tuplas razonablemente uniforme. Los histogramas STHoles se construyen sin examinar los conjuntos de datos, sino analizando únicamente los resultados de las consultas. Los cubos se asignan donde más se necesitan, según lo indicado por la carga de trabajo, lo que conduce a estimaciones precisas de la selectividad de consultas. Nuestros extensos experimentos demuestran que los histogramas STHoles producen consistentemente buenas estimaciones de selectividad en conjuntos de datos sintéticos y del mundo real y en cargas de trabajo de consultas, y, en muchos casos, superan las mejores técnicas de histograma multidimensional que requieren el acceso y procesamiento de los conjuntos de datos completos durante la construcción del histograma.