Carmi

Les index appris, qui utilisent des modèles d'apprentissage automatique pour remplacer les structures d'index traditionnelles, ont montré des résultats prometteurs dans des études récentes. Cependant, les index appris existants présentent un écart de performance entre les ensembles de données synthétiques et réelles, les rendant loin d'être des index pratiques. Dans cet article, nous identifions que l'ignorance de l'importance de la partition des données lors de l'entraînement du modèle est la principale raison de ce problème. Ainsi, nous appliquons explicitement la partition des données à la construction d'index et proposons un nouveau cadre RMI efficace et pouvant être mis à jour, appelé CARMI. Plus précisément, nous introduisons l'entropie comme une métrique pour quantifier et caractériser l'efficacité de la partition des données des nœuds d'arbre dans les index appris et proposons un nouveau modèle de coût, établissant une nouvelle base théorique pour des recherches futures. Ensuite, basé sur notre nouveau modèle de coût, CARMI peut automatiquement déterminer les structures d'arbre et les types de modèles sous divers ensembles de données et charges de travail grâce à un algorithme de construction hybride sans aucun ajustement manuel. De plus, puisque les accès mémoire limitent la performance des RMI, une nouvelle conception consciente du cache est également appliquée dans CARMI, qui utilise pleinement les caractéristiques du cache CPU pour réduire efficacement le nombre d'accès mémoire. Notre étude expérimentale montre que CARMI surpasse les bases de référence, atteignant une vitesse moyenne de 2,2X/1,9X par rapport à B+ Tree/ALEX, tout en n'utilisant qu'environ 0,77X l'espace mémoire de B+ Tree. Sur la plateforme SOSD, CARMI surpasse toutes les bases de référence, avec un gain de vitesse moyen de 1,2X par rapport au RMI concurrent le plus proche, qui a été soigneusement ajusté à l'avance pour chaque ensemble de données.