استفاده از یادگیری ماشین برای بهینه ساز پرس و جو بر اساس یادگیری خودکار پرس و جوهای SQL

در دو دهه گذشته، داده ها با سرعت بی سابقه ای در حال رشد بوده اند. در نتیجه، سیستم هایی که داده ها را ذخیره، پردازش و تجزیه و تحلیل می کنند، یک ماموریت حیاتی بر عهده دارند. از این رو، برای عملکرد سیستم های داده، این امر مهم است که یک بهینه ساز پرس و جو بتواند پرس و جوهای قابل عرضه سطح بالا از قبیل زبان پرس و جو ساختاریافته را به برنامه های اجرایی کارآمد ترجمه کند. این نوشته به پیشرفت های یادگیری ماشین برای کاهش پیچیدگی در بهینه سازی پرس و جو می پردازد و نشان می دهد که یادگیری خودکار بهینه سازی پرس وجوهای اس کیو ال یا زبان پرس و جو ساختاریافته، بدون یادگیری از یک بهینه ساز طراحی شده توسط متخصص، هم امکان پذیر و هم کارآمد است و به طور بالقوه هزینه بالای توسعه کاهش می یابد. سپس بالسا به عنوان یک عامل یادگیری تقویتی عمیق که به طور خودکار بهینه سازی پرس و جوهای زبان پرس و جو ساختاریافته را با آزمون و خطا می آموزد، معرفی می شود.

کلیدواژه ها:

یادگیری ماشین ، بهینه سازی پرس و جو ، ، اس کیو ال ، بالسا