面向开箱即用学习化代价预测的零样本代价模型
数据库
2022-01-04 v1 人工智能
摘要
本文引入零样本代价模型，其支持可泛化至未见过数据库的学习化代价估计。相较于最先进的、需在每个新数据库上执行大量训练查询的工作负载驱动方法，零样本代价模型因此允许开箱即用地实例化学习化代价模型，而无需昂贵的训练数据收集。为支持此类零样本代价模型，我们提出一种基于预训练代价模型的新学习范式。作为将该预训练代价模型迁移至未见过数据库的核心贡献，我们引入了一种新的模型架构与表示技术，用于将查询工作负载编码为这些模型的输入。正如我们在评估中所展示的，零样本代价估计可为广泛范围（真实世界）数据库提供比最先进模型更准确的代价估计，且无需在未见过数据库上执行任何查询。此外，我们展示了零样本代价模型可用于少样本模式，仅通过在未见过数据库上以少量额外训练查询对其再训练即可进一步提升其质量。
引用
@article{arxiv.2201.00561,
title = {Zero-Shot Cost Models for Out-of-the-box Learned Cost Prediction},
author = {Benjamin Hilprecht and Carsten Binnig},
journal= {arXiv preprint arXiv:2201.00561},
year = {2022}
}