SIndex

Die gelernten Indexstrukturen haben unsere Perspektiven auf das Design traditioneller Datenstrukturen neu gestaltet. Mit Techniken des maschinellen Lernens (ML) können sie eine bessere Suchleistung als bestehende Indizes erzielen. Aktuelle gelernte Indizes konzentrieren sich jedoch hauptsächlich auf Arbeitslasten mit Ganzzahlenschlüsseln und konnten variable Längen von Zeichenfolgen nicht effizient indexieren. Wir führen SIndex ein, einen konkurrierenden gelernten Index, der auf Arbeitslasten mit variablen Längen von Zeichenfolgen spezialisiert ist. Um die Kosten für Modellinferenz und Datenzugriffe zu reduzieren, gruppiert SIndex Schlüssel mit gemeinsamen Präfixen und verwendet den einzigartigen Teil jedes Schlüssels für das Training des Modells. Wir bewerten SIndex sowohl mit realen als auch mit synthetischen Datensätzen. Das Ergebnis zeigt, dass SIndex eine bis zu 91% bessere Leistung im Vergleich zu anderen modernen Indexstrukturen erreichen kann. Wir haben unsere Implementierung open-sourced.