BISLearner: Block-Aware Index Selection using Attention-Based Reinforcement Learning for Data Analytics

Tong, Yulai

doi:10.1145/3760773

BISLearner: Block-Aware Index Selection using Attention-Based Reinforcement Learning for Data Analytics

2026-03-01

0

PRE

AI

DOI：10.1145/3760773

原文求助

摘要

En 中文

数据-analytics服务的开发已推动数据扫描的许多优化，而索引是提高扫描效率的最重要技术之一。与此同时，基于块的数据组织已成为这些服务的标准实践，为在块级别进行更细粒度的索引选择提供了机会。然而，当前系统忽略了块之间的数据分布差异，通常在整个数据库表上调整索引，导致不必要的存储成本和潜在的查询性能下降。为弥合这一差距，我们提出了BISLearner，一种基于强化学习的快速块感知索引选择方法。一个主要挑战在于区分数据块之间的数据分布。为解决此问题，BISLearner维护简化直方图以表示每个块的数据分布。当发出查询时，BISLearner利用查询谓词和基于直方图的块摘要为每个块生成特定的工作负载表示。然而，这种块感知的工作负载表示导致输入特征过多，导致神经网络收敛缓慢甚至不正确。受人类学习过程的启发，其中更关注数据的重要部分，我们设计了一个基于注意力的神经网络模型，以有效处理表分区引起的大量输入特征，并在块级别选择最适合的索引组合。此外，为处理属性组合和数据分区导致的高昂搜索空间，我们在块级别采用基于启发式的无效动作掩码来加速训练过程。我们在PostgreSQL和Greenplum数据库系统上的评估表明，与最佳对比方法相比，BISLearner能够将作业完成时间最多减少28.45%。

Keyword:

Data analytics

index selection

reinforcement learning

BISLearner: Block-Aware Index Selection using Attention-Based Reinforcement Learning for Data Analytics

摘要

期刊

机构

引用论文