2A-01
非自己回帰モデルによる安定したカーディナリティ推定手法の提案
データベースシステムにおいて、カーディナリティ推定はクエリ応答性能に大きな影響力を持つ重要な要素技術である。
既存のデータベースシステムではカラム間の依存関係を考慮できない正確度の低いカーディナリティ推定技術が用いられており、性能悪化原因の1つとなっている。
一方で機械学習によるカラム間の依存関係を考慮したカーディナリティ推定技術が提案されているが、カラム順序に依存し性能が不安定で推論速度も遅いという問題がある。
本稿では、保管されたデータをNon-Autoregressiveモデルで学習し、推論時に与えられたクエリに応じたカーディナリティ推定を行う手法を提案する。
既存技術と異なりカラム順序に依存しないため、少ない推論ステップ数で安定したカーディナリティ推定が可能である。
複数のベンチマークにおいて、既存手法のピーク性能と同程度の性能を安定して達成した上で5倍の高速化に成功した。
既存のデータベースシステムではカラム間の依存関係を考慮できない正確度の低いカーディナリティ推定技術が用いられており、性能悪化原因の1つとなっている。
一方で機械学習によるカラム間の依存関係を考慮したカーディナリティ推定技術が提案されているが、カラム順序に依存し性能が不安定で推論速度も遅いという問題がある。
本稿では、保管されたデータをNon-Autoregressiveモデルで学習し、推論時に与えられたクエリに応じたカーディナリティ推定を行う手法を提案する。
既存技術と異なりカラム順序に依存しないため、少ない推論ステップ数で安定したカーディナリティ推定が可能である。
複数のベンチマークにおいて、既存手法のピーク性能と同程度の性能を安定して達成した上で5倍の高速化に成功した。