딥 생성 모델을 사용한 근사 쿼리 처리
데이터 생성 속도가 분석 능력을 뛰어넘는 시대에 접어들었습니다. 데이터베이스 커뮤니티에서는 정확한 결과를 계산하는데 필요한 시간의 일부분만으로 근사적인 결과를 제공할 수 있는 새로운 기법을 개척해 왔습니다. 이 논문에서는 딥러닝(DL)을 활용하여 대규모 데이터 탐색 및 시각화와 같은 상호작용형 응용 프로그램에서 집계 쿼리를 처리하는 방법을 탐구합니다. 우리는 딥 생성 모델이라는 비지도 학습 기반 접근법을 사용해 실제 데이터 분포를 충실히 배우고, 이를 통해 학습된 모델로부터 샘플을 생성하여 근사적인 집계 쿼리를 처리합니다. 이 모델은 보통 몇 백 KB에 불과하기 때문에 임의의 AQP 쿼리가 데이터베이스 서버와 통신 없이 클라이언트 측에서 수행될 수 있습니다. 우리의 또 다른 기여는 모델 편향을 식별하고 이를 거부 샘플링 기반 접근법으로 최소화하며, AQP를 위한 모델 연합을 구축하는 알고리즘입니다. 광범위한 실험 결과 우리 제안 방식은 높은 정확도와 낮은 지연 시간을 제공함이 입증되었습니다.
paper
AI 요약
