本公開的實施例涉及一種查詢處理系統及其方法。
背景技術：
1、諸如人工智能（ai）、機器學習（ml）和大型語言模型（llm）的技術的進步正在推動對需要實時處理和分析大量數據所必須的計算性能的系統的需求。
2、具體地，諸如推薦系統或chatgpt的llm需要支持用戶使用查詢（例如，sql）來讀取存儲在大容量數據庫中的數據。為此，需要一種能夠實時處理查詢并快速生成對查詢的響應的系統。
技術實現思路
1、本公開的實施例可以提供一種查詢處理系統及其方法，其可以通過預先讀取存儲裝置中的主機很可能請求讀取的數據來提高查詢的響應速度。
2、本公開的實施例還可以提供一種查詢處理系統及其方法，其可以通過對接收到的查詢執行優化操作來優化查詢處理性能。
3、本公開的實施例的目的不限于本文闡述的目的，并且本文未提及的實施例的其他目的對于本領域的普通技術人員來說將從以下描述中顯而易見。
4、本公開的實施例可以提供一種查詢處理系統，包括：存儲裝置，存儲一個或多個數據表，數據表中的每一個包括一個或多個數據單元；查詢預測器，基于針對從主機接收的歷史查詢的分析信息生成預測查詢，并從存儲裝置讀取與預測查詢相對應的一個或多個數據單元；緩沖器，存儲從存儲裝置讀取的數據單元；查詢解析器，解析目標查詢以生成目標解析信息，目標查詢是從主機接收的查詢；以及查詢分析器，確定目標數據單元是否被存儲在緩沖器中，目標數據單元是與目標解析信息相對應的數據單元，當目標數據單元被存儲在緩沖器中時，從緩沖器讀取目標數據單元，并且當目標數據單元未被存儲在緩沖器中時，從存儲裝置讀取目標數據單元。
5、本公開的實施例可以提供一種查詢處理方法，包括：基于關于從主機接收的歷史查詢的分析信息生成預測查詢；從存儲裝置讀取數據表中包括的與預測查詢相對應的一個或多個數據單元；將從存儲裝置讀取的數據單元存儲在緩沖器中；解析目標查詢以生成目標解析信息，目標查詢是從主機接收的查詢；當目標數據單元被存儲在緩沖器中時，從緩沖器讀取目標數據單元，目標數據單元是與目標解析信息相對應的數據表中包括的數據單元；以及當目標數據單元未被存儲在緩沖器中時，從存儲裝置讀取目標數據單元。
6、本公開的實施例可以提供一種系統，包括：存儲裝置，存儲一個或多個數據表，數據表中的每一個包括一個或多個數據單元；緩沖器，存儲從存儲裝置讀取的數據單元；以及查詢預測器，基于關于從主機接收的歷史查詢的分析信息生成預測查詢，從存儲裝置中選擇與預測查詢相對應的數據表，并且從存儲裝置讀取所選擇數據表中包括的一個或多個數據單元并將讀取的數據單元存儲在緩沖器中。
7、根據本公開的實施例，可以通過預先讀取存儲裝置中的主機很可能請求讀取的數據來提高查詢的響應速度，并通過對接收到的查詢執行優化計算來優化查詢處理性能。
8、本公開的效果不限于前述目的，并且其他效果對于本領域的普通技術人員來說將從以下詳細描述中顯而易見。
1.一種查詢處理系統，包括：
2.?根據權利要求1所述的查詢處理系統，其中，
3.?根據權利要求2所述的查詢處理系統，其中，
4.根據權利要求3所述的查詢處理系統，其中，
5.根據權利要求4所述的查詢處理系統，其中，
6.根據權利要求1所述的查詢處理系統，進一步包括查詢處理器，所述查詢處理器生成響應數據，所述響應數據是待發送到所述主機作為對所述目標查詢的響應的數據，
7.根據權利要求6所述的查詢處理系統，其中，
8.根據權利要求6所述的查詢處理系統，其中，
9.根據權利要求8所述的查詢處理系統，其中，
10.根據權利要求6所述的查詢處理系統，其中，
11.一種查詢處理方法，包括：
12.?根據權利要求11所述的查詢處理方法，其中，
13.?根據權利要求12所述的查詢處理方法，其中，
14.根據權利要求13所述的查詢處理方法，其中，
15.根據權利要求14所述的查詢處理方法，其中，
16.根據權利要求11所述的查詢處理方法，進一步包括生成響應數據，所述響應數據是待發送到所述主機作為對所述目標查詢的響應的數據，
17.根據權利要求16所述的查詢處理方法，其中，
18.根據權利要求16所述的查詢處理方法，其中，
19.根據權利要求16所述的查詢處理方法，其中，
20.一種系統，包括：