ALERT:基于 Radix Tree 的工作负载自适应学习型索引
2022-12-06 15:29:15   来源：    点击：

摘 要: 学习型索引通过学习数据分布可以准确地预测数据存取的位置，在保持高效稳定的查询下，显著降低索引的内存占用。现有的学习型索引主要针对只读查询进行优化。而对插入和更新支持不足，针对上述挑战。设计了一种基于 Radix Tree 的工作负载自适应学习型索引ALERTALERT 使用 Radix Tree 来管理不定长的分段，段内采用具有最大误差界的线性插值模型进行预测，同时、ALERT 使用一种高效的插入缓冲来降低数据插入更新的代价.针对点查询和范围查询提出两种自适应重组优化方法，通过对工作负载进行感知，动态地调整插入缓冲的组织结构.经实验验证，ALERT 与业界流行的学习型索引相比，构建时间平均降低了 81%，内存占用平均降低了75%。在保持了优秀读性能的同时，使插入延迟平均降低了50%: 此外、ALERT使用自适应重组优化能有效感知询工作负载特征，与不使用自适应重组优化相比，查询延迟平均降低了 15%.