Key points are not available for this paper at this time.
관계의 속성은 일반적으로 독립적이지 않습니다. 다차원 히스토그램은 정확한 다속성 쿼리 선택성 추정을 위한 효과적인 도구가 될 수 있습니다. 이 논문에서는 적절히 균일한 튜플 밀도를 가진 데이터 지역을 포착하기 위해 버킷 중첩을 허용하는 “작업 부하 인식” 히스토그램인 STHoles을 소개합니다. STHoles 히스토그램은 데이터 세트를 검사하지 않고 쿼리 결과만 분석하여 구축됩니다. 작업 부하에 따라 가장 필요한 곳에 버킷이 할당되어 정확한 쿼리 선택성 추정을 이끌어냅니다. 우리의 광범위한 실험 결과에 따르면 STHoles 히스토그램은 합성 및 실제 데이터 세트와 쿼리 작업 부하 전반에 걸쳐 일관되게 좋은 선택성 추정을 생성하며, 많은 경우 전체 데이터 세트에 대한 접근과 처리가 필요한 최고의 다차원 히스토그램 기술보다 성능이 우수합니다.
Bruno et al. (화,)이 이 질문을 연구했습니다.