学习型基数估计：利用深度学习估计相关连接
数据库
2018-12-19 v2
摘要
我们描述了一种用于基数估计的深度学习新方法。MSCN 是一种多集合卷积网络，专为表示关系查询计划而设计，它采用集合语义来捕获查询特征和真实基数。MSCN 建立在基于采样的估计之上，解决了在没有采样元组满足谓词时以及在捕获跨连接相关性方面的弱点。我们使用真实世界数据集对 MSCN 的评估表明，深度学习显著提升了基数估计的质量，而基数估计是查询优化的核心问题。
引用
@article{arxiv.1809.00677,
title = {Learned Cardinalities: Estimating Correlated Joins with Deep Learning},
author = {Andreas Kipf and Thomas Kipf and Bernhard Radke and Viktor Leis and Peter Boncz and Alfons Kemper},
journal= {arXiv preprint arXiv:1809.00677},
year = {2018}
}
备注
CIDR 2019. https://github.com/andreaskipf/learnedcardinalities