机器学习下数据库索引研究被PVLDB录用

实验室博士生马超红超内存数据库的学习化索引方向研究成果被PVLDB录用。由于大规模科学装置及传感器设备以前所未有的速度生成数据，并且常需对跨越很长时间的数据进行查询/分析，因此开发索引技术以满足大于内存的数据库并支持快速数据插入和查询处理是至关重要的。

论文提出了FILM，一个用于超内存数据库的完全学习化索引。FILM是一种学习的树结构，它使用简单的近似模型来索引跨越不同存储设备的数据。与现有的用于大于内存数据库的技术相比，FILM允许以显著降低的主存开销进行更有效的查询处理。FILM还设计用于有效地解决现有方法中索引大于内存数据库的瓶颈之一，该瓶颈是由内存和磁盘之间的数据交换引起的。更具体地说，更新现有冷数据识别方法所使用的LRU结构通常会导致查询处理的严重延迟。FILM采用了一种截然不同的方法，它提出了一种自适应的LRU结构，并以最小的开销将其更新装载到查询处理中。