10.19734/j.issn.1001-3695.2022.11.0536
基于强化学习的数据库多属性索引推荐
传统关系型数据库通过人工方式进行索引推荐,已无法适应日益增长的数据需求,而机器学习技术可以有效地解决数据库索引选择问题.针对以往仅在静态数据库下进行索引推荐且无法及时更新索引配置的局限性,提出了一种基于强化学习算法实现为数据库数据动态变化情况下的一组工作负载推荐最佳多属性索引配置的方法(multi-attribute index intelligent recommendation approach,MIRA).在公开的 TPC-H 数据集上的实验结果表明,该方法不仅能有效地为一组工作负载推荐最佳的索引配置,而且优于自定义的比较基线和相关强化学习方法.
索引优化、索引推荐、强化学习、关系型数据库、动态数据库
40
TP391(计算技术、计算机技术)
国家自然科学基金;CCF信息系统开放项目
2023-06-27(万方平台首次上网日期,不代表论文的发表时间)
共5页
1789-1793