Auto-BI：利用局部连接预测与全局模式图自动构建 BI 模型
数据库
2023-06-23 v1
摘要
商业智能（BI）在现代企业和数十亿美元级业务中至关重要。传统上，数据库管理员等技术专家会手动准备 BI 模型（例如星型或雪花型模式），将数据仓库中的表进行连接，之后非技术的业务用户才能使用终端仪表板工具运行分析。然而，近年来自助式 BI（如 Tableau 和 Power-BI）的流行，使得非技术的终端用户自行构建 BI 模型的需求十分强烈。我们开发了一个 Auto-BI 系统，能够在给定一组输入表时准确预测 BI 模型，该系统使用了我们提出的一个基于图的原优化问题，称为 \textit{k-Min-Cost-Arborescence}（k-MCA），其综合考虑了局部连接预测与全局模式图结构，并利用了称为 \textit{arborescence} 的图论结构。尽管我们证明 k-MCA 在一般情况下是难解且不可近似的，我们开发了能够以最优方式求解 k-MCA 的新算法，该算法在实践中被证明是高效的，具有亚秒级延迟，并且可扩展到我们遇到的最大 BI 模型（接近 100 个表）。Auto-BI 在我们收集的包含超过 100K 个真实 BI 模型的独特数据集以及 4 个流行的 TPC 基准上进行了严格评估。结果表明其既高效又准确，在真实和合成基准上均达到超过 0.9 的 F1 分数。
引用
@article{arxiv.2306.12515,
title = {Auto-BI: Automatically Build BI-Models Leveraging Local Join Prediction and Global Schema Graph},
author = {Yiming Lin and Yeye He and Surajit Chaudhuri},
journal= {arXiv preprint arXiv:2306.12515},
year = {2023}
}
备注
full version of a paper accepted to VLDB 2023