基于深度强化学习的学习型分区顾问
数据库
2019-04-03 v1
摘要
微软 Azure SQL 数据仓库或亚马逊 Redshift 等商业数据分析产品为云中 OLAP 风格的工作负载提供了即用型横向扩展数据库解决方案。虽然数据库集群的供应通常由云提供商完全自动化，客户通常仍须做出传统上由数据库管理员做出的重要设计决策，例如选择分区方案。在本文中，我们基于深度强化学习（DRL）引入了一种面向分析型 OLAP 风格工作负载的学习型分区顾问。主要思想是，DRL 智能体通过监控不同工作负载和分区方案的奖励，基于经验学习其决策。我们在针对不同数据库模式和不同复杂程度工作负载的实验评估中评估了我们的学习型分区顾问。在评估中，我们表明我们的顾问不仅能够找到优于现有自动化分区设计方法的分区方案，而且可以轻松适应不同的部署。这在云部署中尤为重要，因为客户可以轻松地将其集群迁移到一组新的（虚拟）机器。
引用
@article{arxiv.1904.01279,
title = {Learning a Partitioning Advisor with Deep Reinforcement Learning},
author = {Benjamin Hilprecht and Carsten Binnig and Uwe Roehm},
journal= {arXiv preprint arXiv:1904.01279},
year = {2019}
}