来自不完美工作负载的数据无关基数学习
计算机视觉与模式识别
2025-06-23 v1 人工智能
摘要
基数估计（CardEst）是查询优化的关键环节。传统方法依赖直接基于数据构建的统计信息。然而，组织政策（如合规性要求）可能限制全局数据访问。幸运的是，查询驱动的基数估计可利用查询工作负载训练 CardEst 模型。然而，现有查询驱动模型常需访问数据或摘要信息以获得最佳性能，且假设训练工作负载完美，包含完整且均衡的连接模板（或连接图）。这些假设在现实场景中往往不成立，连接模板常不完整且不均衡。我们提出 GRASP，一个旨在应对现实约束的数据无关基数学习系统。GRASP 的模块化设计可推广至未见的连接模板，对连接模板不均衡具有鲁棒性。它还引入了处理范围谓词值分布迁移的 per-table CardEst 模型，以及捕获基关系之间连接相关性的新型学习计数草图模型。在三个数据库实例上，我们展示 GRASP 在不完美工作负载下，始终优于现有查询驱动模型，无论是估计准确性还是查询延迟。令人惊讶的是，GRASP 在复杂的 CEB-IMDb-full 数据集上，仅使用10%的所有可能连接模板，却实现了与传统方法（基于底层数据）相当甚至更好的性能，尽管完全不访问数据。
引用
@article{arxiv.2506.16006,
title = {DIGMAPPER: A Modular System for Automated Geologic Map Digitization},
author = {Weiwei Duan and Michael P. Gerlek and Steven N. Minton and Craig A. Knoblock and Fandel Lin and Theresa Chen and Leeje Jang and Sofia Kirsanova and Zekun Li and Yijun Lin and Yao-Yi Chiang},
journal= {arXiv preprint arXiv:2506.16006},
year = {2025}
}