随着网络和多媒体技术的迅猛发展,数据库的应用也得到了更广泛的拓展,现代数据库技术已经开始融合多种技术。由于复杂性、多变性和数据存储量的不断增加,数据库系统的管理也变得越来越复杂和昂贵。而数据库自管理技术能够主动地、自动地管理系统,降低管理复杂度的同时自动优化系统性能,从而降低系统管理的总体成本,数据库系统的自管理技术也因此成为了近年来研究的热点问题之一。本文首先阐述了自管理数据库研究的重要意义,综述了当前数据库自管理技术的发展历程,分析了各关键技术的研究现状和主要方法,并探讨了目前各方法的缺点和不足。针对现有方法的不足,本文给出了一个融合了索引推荐、物化视图以及系统统计信息自动诊断的查询优化器体系架构,能够根据数据库负载自动推荐最优的索引配置,利用物化视图自动优化系统的查询策略,以及根据系统运行环境的变化自适应地调整系统统计信息从而提高系统性能。首先,本文研究了基于负载和空间约束的索引推荐技术。提出了一种基于反馈思想的数据库物理自动设计框架,并研究了框架中各模块与索引相关的关键问题,其中重点研究了基于单条语句最优索引的候选索引空间生成方法、基于“What-If”思想的虚拟配置分析引擎、基于贪心算法和遗传算法的最优配置搜索算法等。其次,本文研究了物化视图技术的实现和应用,重点研究了物化视图维护和物化视图查询重写问题。首先给出了物化视图的维护方法和实现,着重研究复杂物化视图的增量维护算法;提出了基于包含图的支持外连接物化视图的增量维护算法、基于逐步更新思想的聚集物化视图增量维护方法以及基于局部重新计算物化视图思想的MAX/MIN聚集函数更新算法。其次研究了利用物化视图重写查询的问题,着重研究了基于语义的单视图重写匹配的条件和算法,并提出了基于搜索二叉树的最优重写的选择方法。同时,本文研究了系统统计信息自动诊断的方法和实现,给出了系统统计信息自动诊断的实现机制,并提出了基于代价估计模型的系统统计信息自动采集方法。最后,本文以国产数据库神舟OSCAR为平台,给出了上述关键技术的实现,并进行了功能和性能的实验测试。通过实验验证了本文各关键技术实现方法的有效性和高效性,在减少DBA工作量的同时自动优化数据库系统的性能。