- (05-30)·预训练增强的代码克隆检测技术
- (05-30)·向量等分量数的保密计算及应用
- (05-30)·Grenander时间结构学习与推理优化下的行为识别
- (05-30)·基于GUI事件的安卓应用录制重放关键技术综述
- (05-30)·基于并行搜索优化的指控系统自适应决策方法
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:
文档介绍
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%.
下载地址
分享到: