Scardina: Scalable Join Cardinality Estimation by Multiple Density Estimators

要約

タイトル：Scardina: Scalable Join Cardinality Estimation by Multiple Density Estimators

要約：

– 機械学習に基づく基数推定方法が近年主流になっており、この変化が基数推定の最も重要な応用であるクエリ最適化に貢献することが期待されている。
– しかし、既存の方法では、多くのテーブルがあり、テーブル/属性間に強い相関関係がある複雑なスキーマのデータの基数を正確に推定することができない。
– この論文では、多数の密度推定器を組み合わせることで、強い相関関係を持つ複雑なスキーマのデータの基数推定に効果的に取り組むことができることを示している。
– スキーマ構造に基づく分割モデルを複数使用する新しい結合基数推定方法であるScardinaを提案している。

要約(オリジナル)

In recent years, machine learning-based cardinality estimation methods are replacing traditional methods. This change is expected to contribute to one of the most important applications of cardinality estimation, the query optimizer, to speed up query processing. However, none of the existing methods do not precisely estimate cardinalities when relational schemas consist of many tables with strong correlations between tables/attributes. This paper describes that multiple density estimators can be combined to effectively target the cardinality estimation of data with large and complex schemas having strong correlations. We propose Scardina, a new join cardinality estimation method using multiple partitioned models based on the schema structure.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI