强化学习增强空间索引基准测试：对比传统、高级与学习型索引
数据库
2025-12-15 v1
摘要
强化学习最近被用于增强索引结构，产生了强化学习增强空间索引（RLESIs），旨在提高索引构建期间的查询效率。然而，由于缺乏统一的实现和全面的评估，尤其是磁盘环境下的评估，其实际优势尚不明确。我们提出了首个面向 RLESIs 的模块化且可扩展的基准测试框架。该框架基于现有的空间索引库构建，将索引训练与构建过程解耦，支持参数调优，并能与传统、高级和学习型空间索引进行一致比较。我们在六个数据集和多样化工作负载下评估了 12 个代表性空间索引，包括点查询、范围查询、kNN、空间连接以及混合读写查询。以延迟、I/O 和索引统计量为指标，我们发现尽管 RLESIs 通过调优可以降低查询延迟，但它们在查询效率和索引构建代价方面始终不如学习型空间索引和高级变体。这些发现表明，尽管 RLESIs 具有前景良好的架构兼容性，但其高昂的调优成本和有限的泛化能力阻碍了实际应用。
引用
@article{arxiv.2512.11161,
title = {Benchmarking RL-Enhanced Spatial Indices Against Traditional, Advanced, and Learned Counterparts},
author = {Guanli Liu and Renata Borovica-Gajic and Hai Lan and Zhifeng Bao},
journal= {arXiv preprint arXiv:2512.11161},
year = {2025}
}
备注
Author accepted manuscript. Accepted at ICDE 2026. Publisher version will appear in the ICDE 2026 proceedings