TwitterにおけるSQLクエリーコストの予測【JST・京大機械翻訳】

Tang Chunxu; Wang Beinan; Luo Zhenxiao; Wu Huijun; Dasan Shajan; Fu Maosong; Li Yao; Ghosh Mainak; Kabra Ruchin; Navadiya Nikhil Kantibhai; Cheng Da; Dai Fred; Channapattan Vrushali; Mishra Prachi

プレプリント

J-GLOBAL ID：202202216618103959 整理番号：22P0329951

TwitterにおけるSQLクエリーコストの予測【JST・京大機械翻訳】

Forecasting SQL Query Cost at Twitter

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (14件)： , , , , , , , , , , , , ,
資料名：
発行年： 2022年04月12日プレプリントサーバーでの情報更新日： 2022年04月12日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

Bigデータ時代の出現により,従来のDBMSアプローチによるSQLクエリの資源利用を計算するのは,通常計算的に高価である。SQLエンジンカーネルにおける計算なしで,各クエリのコストをより効率的に推定する。機械学習技術はSQLクエリ資源利用を推定するのを助ける。回答はyesである。SQLクエリコスト予測子サービスを提案し,それは,歴史的問い合わせ要求ログからモデルを訓練するために機械学習技術を採用し,SQLエンジンにおける計算なしでオンラインクエリのCPUとメモリ資源利用を迅速に予測する。Twitterでは,インフラストラクチャエンジニアは,アドホック問い合わせを行うため,プレミックスとクラウドデータセンターを横断して大規模SQL連合システムを維持する。提案したサービスは,SQLエンジンクラスタにおける不均衡オンライン分析処理(OLAP)作業負荷の課題を緩和することによって,クエリスケジューリングを改善するのを助けることができる。それはまた,先制スケーリングを可能にするのを助けることができる。さらに,提案方法は,モデル訓練とオンライン予測のためにプレーンSQLステートメントを使用して,それがハードウェアとソフトウェア診断の両方であることを示した。この方法は,より広いSQLシステムと不均一環境に一般化できる。モデルは,CPU使用予測に対して97.9%,メモリ利用予測に対して97%精度を達成することができた。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

データベースシステム

, , ,

前のページに戻る