打开数据库学习成本模型的黑箱
数据库
2025-07-22 v1
摘要
学习成本模型(LCM)相较于传统数据库成本模型显示出优越结果，显著提高成本预测的准确性。然而，LCM在某些查询计划上仍然失败，预测误差在尾部部位可观。不幸的是，最近的LCM基于复杂的深度神经网络，因而没有办法轻易理解此类准确性下降的根源，这严重阻碍了系统性故障排除。在本演示论文中，我们提出首种打开黑箱方法，通过将AI解释性方法引入LCM。作为核心贡献，我们开发了新的解释技术，扩展了可用于一般AI模型解释性方法，并显著适应LCM的使用。在我们的演示中，我们提供了一个交互式工具来展示LCM的解释性如何工作。我们认为这是一个为LCM实现可调试性的第一步，为系统性修复LCM中的问题的新方法铺平了道路。
引用
@article{arxiv.2507.14495,
title = {Opening The Black-Box: Explaining Learned Cost Models For Databases},
author = {Roman Heinrich and Oleksandr Havrylov and Manisha Luthra and Johannes Wehrstein and Carsten Binnig},
journal= {arXiv preprint arXiv:2507.14495},
year = {2025}
}
备注
Accepted to VLDB 2025 Demonstration Track