主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2021年第1期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
张洲,金培权,谢希科.学习索引:现状与研究展望.软件学报,0,():0
学习索引:现状与研究展望
Learned Indexes: Current Situations and Research Prospects
投稿时间:2020-07-27  修订日期:2020-10-09
DOI:10.13328/j.cnki.jos.006168
中文关键词:  数据库系统|索引|机器学习|数据驱动
英文关键词:database systems|indexes|machine learning|data-driven
基金项目:国家自然科学基金(62072419,61672479)
作者单位E-mail
张洲 中国科学技术大学 计算机科学与技术学院, 安徽 合肥 230026
中国科学院电磁空间信息重点实验室, 安徽 合肥 230026 
 
金培权 中国科学技术大学 计算机科学与技术学院, 安徽 合肥 230026
中国科学院电磁空间信息重点实验室, 安徽 合肥 230026 
jpq@ustc.edu.cn 
谢希科 中国科学技术大学 计算机科学与技术学院, 安徽 合肥 230026  
摘要点击次数: 378
全文下载次数: 333
中文摘要:
      索引是数据库系统中用于提升数据存取性能的主要技术之一.在大数据时代,随着数据量的不断增长,传统索引(如B+树)的问题日益突出:(1)空间代价过高.例如,B+树索引需要借助O(n)规模的额外空间来索引原始的数据,这对于大数据环境而言是难以容忍的.(2)每次查询需要多次的间接搜索.例如,B+树中的每次查询都需要访问从树根到叶节点路径上的所有节点,这使得B+树的查找性能受限于数据规模.自2018年来,人工智能与数据库领域的结合催生了“学习索引”这一新的研究方向.学习索引利用机器学习技术学习数据分布和查询负载特征,并用基于数据分布拟合函数的直接式查找代替传统的间接式索引查找,从而降低索引的空间代价并提升查询性能.首先对学习索引技术的现有工作进行了系统梳理和分类;然后,介绍了各种学习索引技术的研究动机与关键技术,对比分析了各种索引结构的优劣;最后,对学习索引的未来研究方向进行了展望.
英文摘要:
      Index is one of the key technolgies to improve the performance of database systems. In the era of big data, the traditional indexes, such as B+-Tree, have exposed some limitations. Firstly, they cost too much space. For example, B+-Tree requires an extra O(n) space, which is intolerable for big data environment. Secondly, they require multiple indirect searches per query. For example, each query in a B+-Tree requires access to all nodes from the root to the leaf, which limits the search performance of the B+-Tree to the data size. Since 2018, the combination of artificial intelligence and database has given birth to a new research direction called “learned index”. Learned indexes use machine learning to learn data distribution and query load characteristics, and replace the traditional indirect index search with a direct search based on fitting functions, so as to reduce the space cost and improve the query performance. This survey firstly systematically sorts out and classifies the existing works of learned indexes. Then, we introduce the motivation and key techniques of each learned index, compare and analyze the advantages and disadvantages of various index structures. Finally, the future research directions of learned indexes are prospected.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利