深度学习用于基数估计的实证分析
数据库
2019-09-13 v2
摘要
我们通过研究若干架构在准确率、空间和时间之间的权衡，实现并评估了用于基数估计的深度学习。我们发现简单的深度学习模型能够跨多种数据集学习基数估计（与 PostgreSQL 相比平均误差降低 72% - 98%）。此外，我们实证评估了将深度学习模型产生的基数估计注入 PostgreSQL 优化器的影响。在许多情况下，这些模型的估计在所有数据集上带来了更好的查询计划，在选-投-连接（select-project-join）工作负载上将运行时间减少多达 49%。尽管这些模型前景广阔，我们也讨论并解决了在实践中使用它们所面临的一些挑战。
引用
@article{arxiv.1905.06425,
title = {An Empirical Analysis of Deep Learning for Cardinality Estimation},
author = {Jennifer Ortiz and Magdalena Balazinska and Johannes Gehrke and S. Sathiya Keerthi},
journal= {arXiv preprint arXiv:1905.06425},
year = {2019}
}