典型文献
ALERT:基于Radix Tree的工作负载自适应学习型索引
文献摘要：
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ALERT.ALERT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查询工作负载特征,与不使用自适应重组优化相比,查询延迟平均降低了15％.
文献关键词：
学习型索引;自适应索引;机器学习;数据库
中图分类号：
作者姓名：
陈井爽;陈珂;寿黎但;江大伟;陈刚
作者机构：
浙江大学 计算机科学与技术学院,浙江 杭州 310027;浙江省大数据智能计算重点实验室(浙江大学),浙江 杭州 310027
文献出处：
引用格式：
[1]陈井爽;陈珂;寿黎但;江大伟;陈刚-.ALERT:基于Radix Tree的工作负载自适应学习型索引)[J].软件学报,2022(12):4688-4703
A类：
学习型索引,自适应索引
B类：
ALERT,Radix,Tree,负载自适应,自适应学习,学习数据,数据分布,预测数据,数据存取,高效稳定,内存占用,只读,不定,定长,最大误差,误差界,线性插值,冲来,来降,时间平均,不使用
AB值：
0.255863
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
