クラウドデータベースのためのパーティショニングアドバイザーの学習

クラウドベンダーは、サービスとして即使用可能な分散DBMSソリューションを提供します。DBMSの提供は通常完全に自動化されていますが、顧客は一般的に、特定のデータベーススキーマやワークロードに対して最適なパーティショニングスキームを見つけるなど、従来はデータベース管理者が行っていた重要な設計決定を下す必要があります。本論文では、OLAPスタイルのワークロード向けに、深層強化学習（DRL）に基づいた新しい学習型パーティショニングアドバイザーを紹介します。主なアイデアは、DRLエージェントがさまざまなパーティショニングスキームのコストトレードオフを学習し、したがってパーティショニングの決定を自動化できるというものです。評価では、我々のアドバイザーが幅広いワークロードに対して非自明なパーティショニングを見つけることができ、従来の自動パーティショニング設計アプローチを上回ることを示します。