ALEX：一种可更新的自适应学习型索引
数据库
2020-06-25 v2 数据结构与算法
机器学习
摘要
近期关于“学习型索引”的研究改变了我们对具有数十年历史的DBMS索引领域的看法。其核心思想是将索引视为预测键在数据集中的位置中的“模型”。因此，索引可以被学习。Kraska等人的开创性工作表明，学习型索引在查找时间上比B+树快多达三倍，在内存占用上小一个数量级。然而，它仅限于静态、只读工作负载。在本文中，我们提出一种名为ALEX的新型学习型索引，解决了在为包含点查找、短范围查询、插入、更新和删除混合的工作负载实现学习型索引时出现的实际问题。ALEX将学习型索引的核心见解与成熟的存储和索引技术有效结合，实现了高性能和低内存占用。在只读工作负载上，ALEX在性能上比Kraska等人的学习型索引快多达2.2倍，且索引尺寸小多达15倍。在各种读写工作负载中，ALEX比B+树快多达4.1倍且从不表现更差，索引尺寸小多达2000倍。我们相信ALEX是使学习型索引对具有动态更新的更广泛数据库工作负载实用化的关键一步。
引用
@article{arxiv.1905.08898,
title = {ALEX: An Updatable Adaptive Learned Index},
author = {Jialin Ding and Umar Farooq Minhas and Jia Yu and Chi Wang and Jaeyoung Do and Yinan Li and Hantian Zhang and Badrish Chandramouli and Johannes Gehrke and Donald Kossmann and David Lomet and Tim Kraska},
journal= {arXiv preprint arXiv:1905.08898},
year = {2020}
}