Key points are not available for this paper at this time.
تعتمد مُحسِّنات الاستعلامات على تقدير دقيق للحجم (CardEst) لإنتاج خطط تنفيذ جيدة. تتمثل المشكلة الأساسية في CardEst في كيفية نمذجة التوزيع المشترك الغني للسمات بطريقة دقيقة ومضغوطة. على الرغم من عقود من البحث، فإن الأساليب الحالية إما تبسط النماذج باستخدام التحليل المستقل فقط مما يؤدي إلى تقديرات غير دقيقة، أو تعقدها من خلال التحليل الشرطي بدون أي افتراض مستقل مما يؤدي إلى بطء حساب الاحتمالات. في هذه الورقة، نقترح FLAT، وهي طريقة CardEst سريعة في حساب الاحتمالات، خفيفة في حجم النموذج ودقيقة في جودة التقدير. الفكرة الرئيسية لـ FLAT هي نموذج رسومي غير خاضع للإشراف، يسمى FSPN. يقوم باستخدام كلاً من التحليل المستقل والشرطي لنمذجة مستوياته المختلفة من ارتباطات السمات بطريقة تكيفية، وبالتالي يجمع بين مزاياها. يدعم FLAT حساب الاحتمالات عبر الإنترنت بكفاءة في زمن شبه خطي على نموذج FSPN الأساسي، ويوفر إنشاء نموذج فعال خارج الخط، ويمكّن من تحديثات نموذج تزايدية. يمكنه تقدير الحجم لكل من استعلامات الجدول الواحد واستعلامات الانضمام المتعددة. تُظهر دراسة تجريبية شاملة تفوق FLAT على الأساليب الحالية في CardEst على مؤشرات IMDB المعروفة: يحقق FLAT دقة أفضل بمقدار 1 إلى 5 أوامر من حيث الحجم، وسرعة حساب الاحتمالات أسرع بمقدار 1 إلى 3 أوامر، وتكلفة تخزين أقل بمقدار 1 إلى 2 أوامر. كما نقوم بدمج FLAT في Postgres لتنفيذ اختبار شامل. يحسن وقت تنفيذ الاستعلام بنسبة 12.9٪ على عبء العمل المرجعي، وهو قريب جداً من النتيجة المثلى 14.2٪ باستخدام الحجم الحقيقي.
درس زو وآخرون (الأربعاء) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: