Ein wichtiger Pfeiler der Anfrageoptimierung sind Statistiken über die Inhalte von Tabellen. Dies ist u.a. wichtig, um zu entscheiden, in welcher Reihenfolge Joins ausgeführt werden. Während bei Datenbanken die Erstellung von Statistiken relativ einfach ist (die Daten liegen ja vor), stellt sich das Ganze im Kontext von Datenstromanwendungen schwieriger dar. Hier werden Daten von externen Quellen an das Datenstromsysteme gepushed und man hat keine Chance, vorher zu wissen, welche Daten bzw. Datenverteilungen eine Quelle ausmacht.

Es ist jedoch so, dass auch hier die Datenquellen nicht vollkommen zufällige Daten liefern sondern auch diese einem gewissen Muster folgen. In dieser Arbeit soll es darum gehen, einmal Ansatz zur untersuchen und Umzusetzen, die bestimmte Quelleneigenschaften lernen um auf diese Weise in zukünftigen Optimierungen eine bessere Entscheidungsgrundlage zu haben.

 

Besuch von IS 2 ist sehr hilfreich