文献

J-GLOBAL ID：202002214021940978   整理番号：20A1867416

自己運転データベース管理システムのためのクエリベース作業負荷予測【JST・京大機械翻訳】

Query-based Workload Forecasting for Self-Driving Database Management Systems

著者 (6件)： Ma Lin (Carnegie Mellon University, Pittsburgh, PA, USA) ,  Van Aken Dana (Carnegie Mellon University, Pittsburgh, PA, USA) ,  Hefny Ahmed (Carnegie Mellon University, Pittsburgh, PA, USA) ,  Mezerhane Gustavo (Carnegie Mellon University, Pittsburgh, PA, USA) ,  Pavlo Andrew (Carnegie Mellon University, PITTSBURGH, PA, USA) ,  Gordon Geoffrey J. (Carnegie Mellon University, Pittsburgh, PA, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： SIGMOD ’18  ページ： 631-645  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 自律データベース管理システム(DBMS)に向けた第一段階は,目標アプリケーションの作業負荷をモデル化する能力である。これは,将来の作業負荷要求を予想し,タイムリーな方法で適切な最適化を選択するためのシステムを可能にするのに必要である。以前の予測技術はクエリの資源利用をモデル化する。しかし,そのような計量は,データベースの物理設計やハードウェア資源変化にかかわりなく変化し,それによって,以前の予測モデルは,無用である。著者らは,DBMSが歴史的データに基づいて将来における質問の期待到着率を予測することができるQueryBot5000と呼ぶロバスト予測フレームワークを提示した。高度に動的な環境をよりよくサポートするために,提案アプローチは,質問実行に用いる物理資源量よりも,作業負荷におけるクエリの論理的構成を使用する。それは,異なる凝集間隔を有する多重層(短期対長期)を提供する。また,予測モデルの全数を低減するためのクラスタリングベース技術を提示した。このアプローチを評価するために,3つの実世界データベーストレースに関する他の最先端モデルに対する予測モデルを比較した。著者らは,PostgreSQLとMySQLのための外部制御装置に著者らのモデルを実装して,インデックスの選択におけるそれらの有効性を実証した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  凝集 ,  最適化 ,  制御装置 ,  *データベース ,  *負荷予測 ,  *データベース管理システム ,  応用プログラム ,  ハードウェア ,  有効性 ,  ロバスト性 ,  機械学習 ,  予測モデル
準シソーラス用語： *クエリー ,  MySQL , 【Automatic Indexing@JST】

著者キーワード (6件)： 自律計算 ,  自律dbms ,  データベース管理システム ,  機械学習 ,  質問予測 ,  作業負荷予測

分類 (2件)： 計算機網  (JC03000K) ,  データベースシステム  (JD03030U)

タイトルに関連する用語 (4件)： 自己 ,  データベース管理システム ,  クエリ ,  負荷予測