|
|||||
|
|
| ALERT:基于Radix Tree的工作负载自适应学习型索引 | |
| 作者姓名： | 陈井爽 陈珂 寿黎但 江大伟 陈刚 |
| 作者单位： | 浙江大学 计算机科学与技术学院,浙江 杭州 310027;浙江省大数据智能计算重点实验室(浙江大学),浙江 杭州 310027 |
| 基金项目： | 浙江省重点研发计划（2021C01009）;国家自然科学基金（62050099）;浙江省自然科学基金（LY18F020005） |
| 摘 要： | 学习型索引通过学习数据分布可以准确地预测数据存取的位置,在保持高效稳定的查询下,显著降低索引的内存占用.现有的学习型索引主要针对只读查询进行优化,而对插入和更新支持不足.针对上述挑战,设计了一种基于Radix Tree的工作负载自适应学习型索引ALERT. ALERT使用Radix Tree来管理不定长的分段,段内采用具有最大误差界的线性插值模型进行预测.同时,ALERT使用一种高效的插入缓冲来降低数据插入更新的代价.针对点查询和范围查询提出两种自适应重组优化方法,通过对工作负载进行感知,动态地调整插入缓冲的组织结构.经实验验证,ALERT与业界流行的学习型索引相比,构建时间平均降低了81%,内存占用平均降低了75%,在保持了优秀读性能的同时,使插入延迟平均降低了50%;此外, ALERT使用自适应重组优化能有效感知查询工作负载特征,与不使用自适应重组优化相比,查询延迟平均降低了15%. |
| 关 键 词： | 学习型索引 自适应索引 机器学习 数据库 |
| 收稿时间： | 2021-01-26 |
| 修稿时间： | 2021-04-12 |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《软件学报》浏览原始摘要信息 | |
| 点击此处可从《软件学报》下载免费的PDF全文 | |