| 1 |
1
근사 질의 처리 방법으로서,처리 장치가, 근사 질의 언어 확장 인터페이스를 통해 사용자 질의 - 상기 사용자 질의는 사용자 요구 사항에 따른 정보를 포함하는 확장된 질의 형태임 - 가 입력되면, 상기 사용자 질의를 구문 분석하는 단계;상기 처리 장치가, 상기 구문 분석 결과를 기반으로 기본 실행 계획을 생성하고, 상기 기본 실행 계획을 기반으로 다수의 실행 가능한 후보 실행 계획을 생성하는 단계; 상기 처리 장치가, 상기 다수의 실행 가능한 후보 실행 계획 중에서 상기 사용자 요구 사항을 반영한 최적의 최종 실행 계획을 선정하는 단계; 및상기 처리 장치가, 상기 최종 실행 계획을 기반으로 상기 사용자 질의에 대한 질의 처리를 수행하는 단계를 포함하는 근사 질의 처리 방법
|
| 2 |
2
제1항에 있어서,상기 근사 질의 언어 확장 인터페이스는 사용자가 원하는 정확도와 적시성을 선택하도록 하는 질의 문법 확장 기능을 제공하는, 근사 질의 처리 방법
|
| 3 |
3
제2항에 있어서,상기 사용자 요구 사항은 상기 정확도에 대응하는 오차 허용 범위에 대한 정보 및 상기 적시성에 대응하는 질의 처리 허용 시간에 대한 정보를 포함하는, 근사 질의 처리 방법
|
| 4 |
4
제1항에 있어서,상기 근사 질의 언어 확장 인터페이스는 SQL(Structured Query Language) 문법에 기반한 질의 문법 확장 기능을 제공하는, 근사 질의 처리 방법
|
| 5 |
5
제1항에 있어서,상기 최종 실행 계획을 선정하는 단계는, 상기 다수의 실행 가능한 후보 실행 계획 중에서 상기 사용자 요구 사항을 만족하는 후보 실행 계획을 선택하는 단계; 및상기 선택된 후보 실행 계획이 복수인 경우, 각각의 후보 실행 계획에 대한 질의 처리 비용을 산출하고, 질의 처리 비용이 최소인 후보 실행 계획을 상기 최종 실행 계획으로 선정하는 단계를 포함하는, 근사 질의 처리 방법
|
| 6 |
6
제1항에 있어서,상기 다수의 실행 가능한 후보 실행 계획을 생성하는 단계는 결과 추론형 모델과 시놉시스 생성형 모델을 활용하여 다수의 후보 실행 계획을 생성하는, 근사 질의 처리 방법
|
| 7 |
7
제6항에 있어서,상기 다수의 실행 가능한 후보 실행 계획을 생성하는 단계는질의의 예측 결과를 추론하는 제1 머신 러닝 모델을 통해 예측 결과를 추론하고 추론된 예측 결과를 기반으로 제1 후보 실행 계획을 생성하는 단계;원시 데이터로부터 질의 처리에 사용할 수 있는 합성 데이터인 시놉시스를 생성하는 제2 머신 러닝 모델을 통해 질의에 대한 시놉시스를 생성하여 제2 후보 실행 계획을 생성하는 단계; 및사전에 생성된 시놉시스를 재사용하여 제3 후보 실행 계획을 생성하는 단계를 포함하는, 근사 질의 처리 방법
|
| 8 |
8
제1항에 있어서,상기 질의 처리를 수행하는 단계는, 상기 구문 분석 결과를 기반으로 상기 사용자 질의가 정확 질의인 것으로 판단되면, 원시 데이터에 접근하여 상기 최종 실행 계획에 따라 질의 처리를 수행하는 단계; 및상기 구문 분석 결과를 기반으로 상기 사용자 질의가 근사 질의인 것으로 판단되면, 상기 원시 데이터로부터 획득된 합성 데이터인 시놉시스 데이터에 접근하여 상기 최적의 실행 계획에 따라 질의 처리를 수행하는 단계를 포함하는, 근사 질의 처리 방법
|
| 9 |
9
제8항에 있어서,상기 시놉시스 데이터에 접근하여 상기 최적의 실행 계획에 따라 질의 처리를 수행하는 단계는머신 러닝 모델을 기반으로 시놉시스 데이터를 생성하고, 상기 생성된 시놉시스 데이터를 이용하여 질의 처리를 수행하는 단계; 및사전에 질의 형태의 구문에 따라 미리 생성된 시놉시스 데이터를 이용하여 질의 처리를 수행하는 단계를 포함하는, 근사 질의 처리 방법
|
| 10 |
10
근사 질의 처리 장치로서, 근사 질의 언어 확장 인터페이스를 제공하도록 구성된 인터페이스 장치; 및상기 근사 질의 언어 확장 인터페이스를 통해 입력되는 사용자 질의 - 상기 사용자 질의는 사용자 요구 사항에 따른 정보를 포함하는 확장된 질의 형태임 - 에 따라 질의 처리를 수행하도록 구성된 프로세서를 포함하고,상기 프로세서는 상기 사용자 질의를 구문 분석하도록 구성되는 질의 파서;상기 구문 분석 결과를 기반으로 기본 실행 계획을 생성하고, 상기 기본 실행 계획을 기반으로 다수의 실행 가능한 후보 실행 계획을 생성하도록 구성되는 질의 변환기;상기 다수의 실행 가능한 후보 실행 계획 중에서 상기 사용자 요구 사항을 반영한 최적의 최종 실행 계획을 선정하도록 구성된 질의 최적화기; 및상기 최종 실행 계획을 기반으로 상기 사용자 질의에 대한 질의 처리를 수행하도록 구성된 질의 실행기를 포함하도록 구성되는, 근사 질의 처리 장치
|
| 11 |
11
제10항에 있어서,상기 근사 질의 언어 확장 인터페이스는 사용자가 원하는 정확도와 적시성을 선택하도록 하는 질의 문법 확장 기능을 제공하는, 근사 질의 처리 장치
|
| 12 |
12
제11항에 있어서,상기 사용자 요구 사항은 상기 정확도에 대응하는 오차 허용 범위에 대한 정보 및 상기 적시성에 대응하는 질의 처리 허용 시간에 대한 정보를 포함하는, 근사 질의 처리 장치
|
| 13 |
13
제10항에 있어서,상기 질의 회적화기는, 상기 다수의 실행 가능한 후보 실행 계획 중에서 상기 사용자 요구 사항을 만족하는 후보 실행 계획을 선택하고, 상기 선택된 후보 실행 계획이 복수인 경우, 각각의 후보 실행 계획에 대한 질의 처리 비용을 산출하고, 질의 처리 비용이 최소인 후보 실행 계획을 상기 최종 실행 계획으로 선정하도록 구성되는, 근사 질의 처리 장치
|
| 14 |
14
제10항에 있어서,상기 질의 변환기는, 결과 추론형 모델과 시놉시스 생성형 모델을 활용하여 다수의 후보 실행 계획을 생성하도록 구성되는, 근사 질의 처리 장치
|
| 15 |
15
제14항에 있어서,상기 질의 변환기는, 질의의 예측 결과를 추론하는 제1 머신 러닝 모델을 통해 예측 결과를 추론하고 추론된 예측 결과를 기반으로 제1 후보 실행 계획을 생성하는 동작;원시 데이터로부터 질의 처리에 사용할 수 있는 합성 데이터인 시놉시스를 생성하는 제2 머신 러닝 모델을 통해 질의에 대한 시놉시스를 생성하여 제2 후보 실행 계획을 생성하는 동작; 및사전에 생성된 시놉시스를 재사용하여 제3 후보 실행 계획을 생성하는 동작을 수행하도록 구성되는, 근사 질의 처리 장치
|
| 16 |
16
제10항에 있어서,상기 질의 실행기는, 상기 구문 분석 결과를 기반으로 상기 사용자 질의가 정확 질의인 것으로 판단되면, 원시 데이터에 접근하여 상기 최종 실행 계획에 따라 질의 처리를 수행하는 동작; 및상기 구문 분석 결과를 기반으로 상기 사용자 질의가 근사 질의인 것으로 판단되면, 상기 원시 데이터로부터 획득된 합성 데이터인 시놉시스 데이터에 접근하여 상기 최적의 실행 계획에 따라 질의 처리를 수행하는 동작을 수행하도록 구성되는, 근사 질의 처리 장치
|
| 17 |
17
제16항에 있어서,상기 질의 실행기는, 상기 시놉시스 데이터에 접근하여 상기 최적의 실행 계획에 따라 질의 처리를 수행하는 경우, 머신 러닝 모델을 기반으로 시놉시스 데이터를 생성하고, 상기 생성된 시놉시스 데이터를 이용하여 질의 처리를 수행하는 동작; 및사전에 질의 형태의 구문에 따라 미리 생성된 시놉시스 데이터를 이용하여 질의 처리를 수행하는 동작을 수행하도록 구성되는, 근사 질의 처리 장치
|
| 18 |
18
제10항에 있어서,원시 데이터에 접근하기 위한 원시 데이터의 테이블과 컬럼 정보, ML 모델과 모델 인스턴스를 저장 및 관리하도록 구성된 메타데이터 저장부를 더 포함하는 근사 질의 처리 장치
|
