基于模型的近似查询处理
数据库
2018-11-16 v1 机器学习
摘要
交互式可视化可以说是探索、理解和传达数据事实最重要的工具。过去几年中，数据库界一直在研究不同的近似查询处理（Approximate Query Processing, AQP）技术，旨在给定固定时间界限的情况下提供近似查询结果，以更好地支持交互式可视化。然而，经典的 AQP 方法存在各种问题，限制了其支持新数据集即席探索的适用性：（1）执行在线采样的经典 AQP 方法可以支持即席探索查询，但在罕见子群体上执行时质量较低。（2）依赖离线采样的经典 AQP 方法可以使用某种形式的偏置采样来缓解这些问题，但需要对工作负载有先验知识，而当用户想要探索一个新数据库时这往往不现实。在本文中，我们提出一种称为基于模型的 AQP（Model-based AQP）的 AQP 新方法，它利用在完整数据库上学习的生成模型以交互速度回答 SQL 查询。与经典 AQP 方法不同，生成模型使我们能够计算即席查询的响应，并同时在罕见子群体上提供高质量估计。在使用真实和合成数据集的实验中，我们表明基于模型的 AQP 在许多场景下可以在更短运行时间内返回更准确的结果。此外，我们认为本文提出的生成模型使用技术不仅可用于数据库中的 AQP，还可应用于其他数据库问题，包括查询优化以及数据清洗。
引用
@article{arxiv.1811.06224,
title = {Model-based Approximate Query Processing},
author = {Moritz Kulessa and Alejandro Molina and Carsten Binnig and Benjamin Hilprecht and Kristian Kersting},
journal= {arXiv preprint arXiv:1811.06224},
year = {2018}
}