In ihrem Vortrag stellte Zoi Robopt vor, einen neuartigen vektorbasierten Optimizer für ein plattformübergreifendes System namens Rheem. Robopt verwendet Modelle des Maschinellen Lernens (ML), um die Kosten von Plänen vorherzusagen und zusätzlich den Aufzählungs-Prozess der plattformübergreifenden Abfrageoptimierung durch Vektorisierung zu skalieren. Um die Erstellung von ML-Modellen zu erleichtern, wird Robopt von einem skalierbaren Trainings-Datengenerator begleitet. Die Auswertung von Robopt zeigt, dass: (i) der vektorbasierte Ansatz effizienter und skalierbarer ist als die einfache Verwendung eines ML-Modells -und- (ii) Robopt den kostenbasierten Optimizer von Rheem bei der Auswahl guter Pläne ohne jeglichen Tuning-Aufwand ergänzt und in einigen Fällen verbessert. Ihren Vortrag können Sie in einer Aufzeichnung auf YouTube anhören.
Weitere Informationen:
The 36th IEEE International Conference on Data Engineering,
“ML-based Cross-Platform Query Optimization,” Zoi Kaoudi, Jorge-Arnulfo Quiané-Ruiz, Bertty Contreras-Rojas, Rodrigo Pardo-Meza, Anis Troudi, and Sanjay Chawla, https://bit.ly/2TjuG1R.
Live recordings of presentations from the ICDE Research Session No. 27 on ML and Databases 2, https://www.youtube.com/watch?v=KjIXgElcM80&feature=youtu.be.