两篇新研究论文探讨了大规模数据系统中查询优化的细微差别,重点关注估计误差如何影响性能。第一篇论文《Filtered ANN 作为一种相变》分析了近似最近邻搜索,并确定了性能显著下降的关键误差区域。第二篇论文《q-error 何时能预测计划遗憾?》研究了基数估计,并提出了新的指标,如 ACS-infinity,这些指标比传统的 q-error 更能预测查询计划的质量,尤其对于复杂的学习估计器。 AI
排序理由 在 arXiv 上发表了两篇学术论文,详细介绍了查询优化和基数估计的理论和实证研究结果。
- ACS-infinity
- alphaXiv
- arXiv
- Cardinality Estimation using Label Probability Propagation for Subgraph Matching in Property Graph Databases
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv
- JOB-light
- plan regret
- PostgreSQL
- q-error
- query plan
- ScienceCast
- SIFT1M
- STATS-CEB
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →