.png){kind=icon}
返回
Cardinality estimation with index-based progressive sampling and dynamic sample selection
.png){kind=icon}
PRE
AI
DOI：10.1007/s10844-025-01008-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基数估计是数据库管理系统查询优化中的一个基础且关键的问题。尽管基于采样的方法已在商业数据库中被广泛使用超过十年，但当样本缺乏代表性或查询相关属性的分布不均匀时，其估计结果可能不准确。本文提出了一种名为基于索引的渐进采样与动态样本选择（PSDSS）的基数估计方法。传统采样方法在多表连接中常导致连接结果为空且采样开销高。相比之下，PSDSS采用动态样本选择器为查询推荐合适的样本，从而提高样本质量和估计精度。在连接结果为空的情况下，PSDSS通过基于索引的渐进采样估计中间结果，并根据查询谓词聚焦于高质量区域。在五个真实数据集上的实验表明，PSDSS实现了更快的训练速度，并在估计精度上相较于次优方法提升了约10倍。此外，PSDSS表现出更优的泛化能力，实现了最佳性能。
Keyword:
Cardinality estimation
Progressive sampling
Dynamic sample
Transformer
期刊
J
IF:
3.4
论文数:
77
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏ALECE: An Attention-based Learned Cardinality Estimator for SPJ Queries on Dynamic WorkloadsALECE：一种基于注意力机制的自学习基数估计器，用于动态工作负载上的SPJ查询
OAAI
OAAI分享收藏分享收藏分享收藏
查看更多内容