-
题名基于深度自回归模型的近似查询处理方法
- 1
-
-
作者
岑黎彬
李靖东
林淳波
王晓玲
-
机构
华东师范大学计算机科学与技术学院
华为技术有限公司高斯实验室
-
出处
《计算机应用》
CSCD
北大核心
2023年第7期2034-2039,共6页
-
基金
国家自然科学基金重点项目(62136002)
上海市科委重点项目(20DZ1100300)。
-
文摘
聚合函数的近似查询处理(AQP)是近年来数据库领域的研究热点。针对现有的近似查询技术存在查询响应时间长、存储开销大、不支持多谓词查询等问题,提出一种基于深度自回归模型的AQP方法DeepAQP(Deep Approximate Query Processing),利用深度自回归模型对表中多列数据的联合概率分布进行学习和建模,以估计给定查询的谓词选择度和目标列概率分布,以促进单表下多谓词聚合函数近似查询请求的有效处理。在TPC-H和TPC-DS数据集上进行实验,结果表明,与基于采样的VerdictDB方法相比,DeepAQP在查询响应时间和存储空间开销上均降低了2到3个数量级;与基于传统机器学习模型的DBEst++方法相比,DeepAQP的查询响应时间降低了1个数量级,显著降低了模型训练耗时,并且可以处理DBEst++所不支持的多谓词查询请求。可见,DeepAQP兼顾了查询精度和速度,并显著降低了算法在训练和存储上的开销。
-
关键词
近似查询处理
自回归模型
多谓词查询
深度学习
聚合函数
-
Keywords
Approximate Query Processing(AQP)
autoregressive model
multi-predicate query
deep learning
aggregate function
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
