← 研踪 PaperTrail软件学报:jos:7695 · 记录 #1
QRCE: 基于查询路由的鲁棒基数估计方法
来源日期 2026-08-12
来源记录日期 2026-08-12
雷达观测 2026-11-05 00:19
摘要
基数估计是数据库管理系统(database management system, DBMS)查询优化器的核心组件, 其准确度直接影响执行计划质量. 现有学习式基数估计方法虽然在特定场景下优于传统方法, 但面对高度异质查询负载(如表数量、连接形态及谓词差异巨大)时, 单一模型难以保持稳定的高精度, 同时, 现有多模型方案缺乏精细的查询级选择机制. 因此, 提出基于查询路由的基数估计方法——QRCE, 核心思想包括: 1)构建异质、可扩展的Seq2Seq模型空间, 集成多种具有不同结构归纳偏置的序列建模架构, 形成候选模型集合; 2)构建门控混合查询路由器GMQR, 实现细粒度的、基于查询语义的模型路由, 并体现出面向单条查询的自适应决策特征; 3)提出一种基于Q-error的(1+ε)-近似标签策略, 将模型选择转化为可监督学习任务, 使系统能够根据每条查询的语义特征自适应地选择最适合的模型. 在STATS、JOB-light和TPC-H这3个基准数据集上的实验结果表明, QRCE的整体与尾部误差表现显著优于多数基线方法, 尤其在结构复杂的STATS上, QRCE将Q99误差降低了约53%, 有效规避了长尾灾难性偏差; 在JOB-light上, 其Q99与最优单模型相近, 而在Q50/Q90/Q95上保持优势; 在TPC-H上Q99进一步降低约16%. QRCE在长尾查询和复杂连接场景下展现出更强的鲁棒性与适应性.
论文发现出处
这些页面提供论文线索，不代表同行评审或质量认证。
发表信息与关联版本
软件学报 ↗2026 · 正式发表 · DOI: 10.13328/j.cnki.jos.007695
观测到的版本
平台记录号代表本站观测到的元数据变化，不是作者修订号。来源日期仅到月份或年份时，按该月或该年首日存档。
记录 #1 · 2026-08-12 · 最新观测版本
QRCE: 基于查询路由的鲁棒基数估计方法
基数估计是数据库管理系统(database management system, DBMS)查询优化器的核心组件, 其准确度直接影响执行计划质量. 现有学习式基数估计方法虽然在特定场景下优于传统方法, 但面对高度异质查询负载(如表数量、连接形态及谓词差异巨大)时, 单一模型难以保持稳定的高精度, 同时, 现有多模型方案缺乏精细的查询级选择机制. 因此, 提出基于查询路由的基数估计方法——QRCE, 核心思想包括: 1)构建异质、可扩展的Seq2Seq模型空间, 集成多种具有不同结构归纳偏置的序列建模架构, 形成候选模型集合; 2)构建门控混合查询路由器GMQR, 实现细粒度的、基于查询语义的模型路由, 并体现出面向单条查询的自适应决策特征; 3)提出一种基于Q-error的(1+ε)-近似标签策略, 将模型选择转化为可监督学习任务, 使系统能够根据每条查询的语义特征自适应地选择最适合的模型. 在STATS、JOB-light和TPC-H这3个基准数据集上的实验结果表明, QRCE的整体与尾部误差表现显著优于多数基线方法, 尤其在结构复杂的STATS上, QRCE将Q99误差降低了约53%, 有效规避了长尾灾难性偏差; 在JOB-light上, 其Q99与最优单模型相近, 而在Q50/Q90/Q95上保持优势; 在TPC-H上Q99进一步降低约16%. QRCE在长尾查询和复杂连接场景下展现出更强的鲁棒性与适应性.
查看此版本解读 →查看此版本原文 ↗