OntoTune: Ontology-Driven Learning for Query Optimization with Convolutional Models
Songhui Yue, Yang Shao, Sean Hayes
查询优化已经使用机器学习,强化学习以及最近基于图形的卷积网络进行了研究。 本体论作为一种结构化的、信息丰富的知识表示,可以提供背景,特别是在学习问题上。 本文介绍了OntoTune,一个基于本体的平台,用于增强查询优化的学习。 通过连接SQL查询,数据库元数据和统计,本研究中开发的本体论有望捕获关系和查询性能的重要决定因素。 这项研究还开发了一种嵌入本体的方法,同时尽可能多地保留关系和关键信息,然后将其输入学习算法,如基于树和基于图的卷积网络。 一项案例研究展示了与数据库系统默认查询执行相比,OntoTune的本体式驱动学习如何提供性能增益。
Query optimization has been studied using machine learning, reinforcement learning, and, more recently, graph-based convolutional networks. Ontology, as a structured, information-rich knowledge representation, can provide context, particularly in learning problems. This paper presents OntoTune, an ontology-based platform for enhancing learning for query optimization. By connecting SQL queries, database metadata, and statistics, the ontology developed in this research is promising in capturing re...