استفاده از يادگيري ماشين براي بهينه ساز پرس و جو بر اساس يادگيري خودكار پرس و جوهاي SQL

Using machine learning for query optimizer based on automatic learning of SQL queries

در دو دهه گذشته، داده ها با سرعت بي سابقه اي در حال رشد بوده اند. در نتيجه، سيستم‌هايي كه داده‌ها را ذخيره، پردازش و تجزيه و تحليل مي‌كنند، يك ماموريت حياتي بر عهده دارند. از اين رو، براي عملكرد سيستم هاي داده، اين امر مهم است كه يك بهينه ساز پرس و جو بتواند پرس و جوهاي قابل عرضه سطح بالا از قبيل زبان پرس و جو ساختاريافته را به برنامه هاي اجرايي كارآمد ترجمه كند. اين نوشته به پيشرفت هاي يادگيري ماشين براي كاهش پيچيدگي در بهينه سازي پرس و جو مي پردازد و نشان مي دهد كه يادگيري خودكار بهينه‌سازي پرس‌وجوهاي اس كيو ال يا زبان پرس و جو ساختاريافته، بدون يادگيري از يك بهينه‌ساز طراحي‌شده توسط متخصص، هم امكان پذير و هم كارآمد است و به طور بالقوه هزينه بالاي توسعه كاهش مي‌يابد. سپس بالسا به عنوان يك عامل يادگيري تقويتي عميق كه به طور خودكار بهينه سازي پرس و جوهاي زبان پرس و جو ساختاريافته را با آزمون و خطا مي آموزد، معرفي مي شود.