| AlphaQO:鲁棒的学习型查询优化器 |
| |
| 作者姓名： | 余翔 柴成亮 张辛宁 汤南 孙佶 李国良 |
| |
| 作者单位： | 清华大学计算机科学与技术系,北京100084;浙江大学计算机科学与技术学院,浙江杭州310027;Qatar Computing Research Institute,Hamad Bin Khalifa University,Doha,Qatar |
| |
| 基金项目： | 国家自然科学基金（61925205,61632016）;华为和好未来 |
| |
| 摘 要： | 由深度学习驱动的学习型查询优化器正在越来越广泛地受到研究者的关注,这些优化器往往能够取得近似甚至超过传统商业优化器的性能.与传统优化器不同的是,一个成功的学习型优化器往往依赖于足够多的高质量的负载查询作为训练数据.低质量的训练查询会导致学习型优化器在未来的查询上失效.提出了基于强化学习的鲁棒的学习型查询优化器训练框架A...
|
| 关 键 词： | 学习型优化器 鲁棒性 AI4DB 数据库 强化学习 查询生成 |
| 收稿时间： | 2021-07-01 |
| 修稿时间： | 2021-07-31 |
| 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》下载全文 |
|
