抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
SQL型ビジネスインテリジェンス(BI)質問と線形代数(LA)を結合するパイプラインは,産業においてますます一般的になっている。結果として,単一フレームワークにおいてこれらの作業負荷を統一する必要がある。残念ながら,既存の解決策は,関係データベース(例えば,論理的および物理的独立性)を用いることの固有の利点を犠牲にするか,あるいは特殊化エンジン(または両方)と比較して,マグニチュード性能ギャップの次数を招いている。本研究では,標準BIとLAベンチマークに新しいタイプの質問処理アーキテクチャを適用することを研究した。これを行うために,著者らはLevelHeadと呼ばれる新しいインメモリ質問処理エンジンを提示した。LevelHeadedは,BIとLA質問の両方に対するそのコア実行機構として最悪ケース最適結合を使用する。LevelHeadedにより,BIとLA質問のための重要な最適化が最悪ケース最適質問アーキテクチャにおいてどのように捉えられるかを示した。これらの最適化を用いて,LevelHeadedは他の関係データベースエンジン(LogicBlox,MonetDB,およびHyPer)を標準LAベンチマークに対して一桁上回り,一方,それら自身のベンチマークに関する最良品種BI(HyPer)およびLA(Intel MKL)解の平均31%以内を実行した。著者らの結果は,そのような単一質問処理アーキテクチャがBIとLA質問の両方で効率的であることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
