.png){kind=icon}
返回
LSTM-Based Query Performance Optimization in LSM-Trees
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-5716-5_31.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，存储架构和查询优化技术的进步显著提升了数据库性能，推动了数据库系统的发展。此外，数据库系统对快速索引和检索大量数据的需求数量大幅增加。日志结构合并树（LSM树）因其卓越的写入性能而广受认可，特别适合NoSQL数据库，因其能够处理大规模数据集并支持对索引和数据的频繁写入与更新。然而，LSM树的多级存储结构在读取操作时需要在多个有序字符串表中执行搜索，导致高磁盘I/O开销和查询时间增加，从而降低了数据库系统的查询效率。为解决此挑战，我们提出了一种基于机器学习的布隆过滤器调整机制以提升LSM树的读取性能。具体而言，我们引入了异步布隆过滤器内存估计算法，并通过定义的多容器数据结构和布隆过滤器配置单元配置协议提出了动态资源调整方法。实验结果表明，我们提出的系统即RallyDB，相较于ElasticBF，将读取延迟降低了25%，显著提高了数据库性能。
Keyword:
LSM-tree
Bloom filter
Query optimization
期刊
W
IF:
0
论文数:
35
被引数:
0
机构
引用论文
SplitDB: Closing the Performance Gap for LSM-Tree-Based Key-Value StoresSplitDB: 缩小基于LSM树的键值存储的性能差距
.png){kind=icon}
PREAI
分享收藏分享收藏RNN-LSTM: From applications to modeling techniques and beyond—Systematic reviewRnn-lstm: 从应用到建模技术及超越-系统综述
OAAI
OAAI分享收藏分享收藏
查看更多内容