WIPO logo
Mobile | Deutsch | Español | Français | 日本語 | 한국어 | Português | Русский | 中文 | العربية |
PATENTSCOPE

Search International and National Patent Collections
World Intellectual Property Organization
Search
 
Browse
 
Translate
 
Options
 
News
 
Login
 
Help
 
Machine translation
1. (WO2015038152) PREDICTING EXECUTION TIMES OF CONCURRENT QUERIES
Latest bibliographic data on file with the International Bureau   

Pub. No.:    WO/2015/038152    International Application No.:    PCT/US2013/059837
Publication Date: 19.03.2015 International Filing Date: 14.09.2013
IPC:
G06F 17/00 (2006.01), G06F 17/30 (2006.01)
Applicants: HEWLETT PACKARD ENTERPRISE DEVELOPMENT LP [US/US]; 11445 Compaq Center Drive West Houston, TX 77070 (US)
Inventors: CHERKASOVA, Ludmila; (US).
GUPTA, Chetan Kumar; (US).
SIMITSIS, Alkiviadis; (US).
WANG, Jianqiang; (US).
WILKINSON, William K; (US)
Agent: BELL, Scott; Hewlett Packard Enterprise 3404 E. Harmony Road Mail Stop 79 Fort Collins, CO 80528 (US)
Priority Data:
Title (EN) PREDICTING EXECUTION TIMES OF CONCURRENT QUERIES
(FR) PRÉVISION DES TEMPS D'EXÉCUTION D'INTERROGATIONS SIMULTANÉES
Abstract: front page image
(EN)Example embodiments relate to predicting execution times of concurrent queries. In example embodiments, historical data is iteratively generated for a machine learning model by varying a concurrency level of query executions in a database, determining a query execution plan for a pending concurrent query, extracting query features from the query execution plan, and executing the pending concurrent query to determine a query execution time. The machine learning model may then be created based on the query features, variation in the concurrency level, and the query execution time. The machine learning model is used to generate an execution schedule for production queries, where the execution schedule satisfies service level agreements of the production queries.
(FR)Selon des modes de réalisation illustratifs, l'invention concerne la prévision des temps d'exécution d'interrogations simultanées. Dans des exemples de modes de réalisation, des données historiques sont générées de manière répétée pour un modèle d'apprentissage machine grâce à la variation du niveau de simultanéité des exécutions d'interrogations dans une base de données, à la détermination d'un plan d'exécution d'interrogation pour une interrogation simultanée en attente, à l'extraction d'éléments d'interrogation dans le plan d'exécution d'interrogation, et à l'exécution de l'interrogation simultanée en attente afin de déterminer un temps d'exécution d'interrogation. Le modèle d'apprentissage machine peut ensuite être créé sur la base des éléments d'interrogation, de la variation du niveau de simultanéité et du temps d'exécution d'interrogation. Le modèle d'apprentissage machine sert à générer un ordonnancement des exécutions pour des interrogations de production, cet ordonnancement des exécutions respectant les ententes sur les niveaux de service des interrogations de production.
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IS, JP, KE, KG, KN, KP, KR, KZ, LA, LC, LK, LR, LS, LT, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW.
African Regional Intellectual Property Organization (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Organization (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG).
Publication Language: English (EN)
Filing Language: English (EN)