メインメモリデータベースにおけるホットデータとコールドデータの特定

メインメモリは十分に大きくなってきており、ほとんどのOLTPデータベースは完全にメインメモリに格納できるが、これは最良の解決策ではないかもしれない。OLTPワークロードは通常、一部のレコードがホット（頻繁にアクセスされる）である一方、多くのレコードはコールド（めったに、あるいは全くアクセスされない）という偏ったアクセスパターンを示す。最もコールドなレコードはフラッシュなどの二次ストレージに格納する方が経済的である。メインメモリに最適化されたデータベースでコールドデータを管理するための第一歩として、ホットデータとコールドデータを効率的に特定する方法を調査する。レコードアクセスをログに記録することを提案する - おそらくオーバーヘッドを減らすためにサンプルのみを取得する - そしてオフライン分析を行ってレコードアクセス頻度を推定する。我々は指数平滑法に基づく4つの推定アルゴリズムを提示し、その効率と精度を実験的に評価する。指数平滑法は非常に正確な推定を生み出し、最良のキャッシング技術よりも高いヒット率を達成することがわかった。我々の最も効率的なアルゴリズムは、ワークステーションクラスのマシンで1Bアクセスのログをサブセカンド時間で分析できる。