Sig2Model：面向可更新学习索引的提升驱动模型
软件工程
2025-09-26 v1
摘要
学习索引 (Learned Indexes, LIs) 代表了一种从传统索引结构转变的范式，通过采用机器学习模型来近似排序数据的累积分布函数 (CDF)。虽然 LIs 在静态数据集上实现了显著的效率，但在动态更新场景下性能会下降：维持 CDF 不变式 (F(k)之和等于 1) 需要进行全局模型重新训练，这会阻塞查询并限制查询每秒次数 (QPS) 指标。当前方法未能有效解决这些重新训练成本，使其不适用于具有频繁更新的实际工作负载。在本文中，我们提出了 Sig2Model，一个高效且自适应的学习索引，通过三项关键技术来最小化重新训练成本：(1) 采用 sigmoid 提升近似技术，通过近似数据分布由局部 sigmoid 函数引起的偏移来动态调整索引模型，同时保持有界误差保证并推迟完整重新训练；(2) 通过高斯混合模型 (GMM) 实现主动更新训练，识别高更新概率区域以进行战略性占位符分配以加速更新；(3) 一个神经联合优化框架持续通过基于梯度的学习来细化 sigmoid 集成和 GMM 参数。我们在真实工作负载和合成工作负载上将 Sig2Model 与当前最先进的可更新学习索引进行了比较，结果显示 Sig2Model 将重新训练成本降低最高可达 20 倍，实现最高可达 3 倍的 QPS 提升，并使用最高可达 1000 倍的内存。
引用
@article{arxiv.2509.20780,
title = {Exploring Engagement in Hybrid Meetings},
author = {Daniela Grassi and Fabio Calefato and Darja Smite and Nicole Novielli and Filippo Lanubile},
journal= {arXiv preprint arXiv:2509.20780},
year = {2025}
}