Estimating Cardinalities with Deep Sketches
Estimating Cardinalities with Deep Sketches
复制标题
用深度草图估计基数
DOI：
10.1145/3299869.3320218
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
A. Kemper
中科院分区：
文献类型：
--
作者：
Andreas Kipf;Dimitri Vorona;Jonas Müller;Thomas Kipf;Bernhard Radke;Viktor Leis;P. Boncz;Thomas Neumann;A. Kemper
我们介绍了深度草图，它是数据库的紧凑模型，允许我们估计SQL查询的结果大小。深度草图由一种新的深度学习方法提供支持，以估计基数，该方法可以捕获列之间的关联，甚至跨表。我们的演示允许用户在TPC-H和IMDb数据集上定义这样的草图，监控训练过程，并对训练的草图运行特殊查询。我们还使用Hyper和PostgreSQL来估计查询基数，以可视化地显示与传统基数估计器相比的收益。
We introduce Deep Sketches, which are compact models of databases that allow us to estimate the result sizes of SQL queries. Deep Sketches are powered by a new deep learning approach to cardinality estimation that can capture correlations between columns, even across tables. Our demonstration allows users to define such sketches on the TPC-H and IMDb datasets, monitor the training process, and run ad-hoc queries against trained sketches. We also estimate query cardinalities with HyPer and PostgreSQL to visualize the gains over traditional cardinality estimators.
HyPer：混合 OLTP
DOI：
10.1109/icde.2011.5767867
发表时间：
2011
期刊：
2011 IEEE 27th International Conference on Data Engineering
影响因子：
--
作者：
A. Kemper;T. Neumann
通讯作者：
T. Neumann