NEURON：查询优化与自然语言处理相结合以增强数据库教学
数据库
2018-08-22 v3
摘要
关系数据库管理系统（RDBMS）是全球许多大学计算机科学专业的一门重要本科课程。该课程的核心组成部分是 RDBMS 中查询优化器的设计与实现。查询优化器的目标是自动识别执行用户提交的声明式 SQL 查询的最有效执行策略。查询优化过程生成一个查询执行计划（QEP），代表该查询的一种执行策略。由于底层查询优化器的复杂性，理解 QEP 要求学生掌握与 RDBMS 相关的特定实现问题。在实践中，这是一个不切实际的假设，因为大多数学生都是首次学习数据库技术。因此，他们通常难以通过仔细研读 QEP 来理解 DBMS 所采取的查询执行策略，从而阻碍了他们的学习过程。在本演示中，我们提出了一种名为 NEURON 的新型系统，该系统通过自然语言与 QEP 交互以促进其理解。NEURON 接受 SQL 查询（可能包含连接、聚合、嵌套等）作为输入，执行该查询，并生成关于底层 RDBMS 所部署执行策略的简化自然语言描述（包括文本和语音形式）。此外，它通过基于自然语言的问答框架促进对与 QEP 相关的各种特性的理解。我们主张，这种世界上首创的工具可以极大地促进学生对查询优化主题的学习。
引用
@article{arxiv.1805.05670,
title = {NEURON: Query Optimization Meets Natural Language Processing For Augmenting Database Education},
author = {Siyuan Liu and Sourav S Bhowmick and Wanlu Zhang and Shu Wang and Wanyi Huang and Shafiq Joty},
journal= {arXiv preprint arXiv:1805.05670},
year = {2018}
}