《表3 连接顺序优化实验结果比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《人工智能赋能的查询处理与优化新技术研究综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表3是3种连接顺序优化算法的实验结果对比分析。对于相同的查询负载数据JOB（join order benchmark）[30]，3种算法分别集成于不同执行引擎以达到最低的查询计划执行时间。在对查询计划执行时间的改进方面，与PostgreSQL相比，3种算法能够在不同程度上提升连接顺序优化的效率，降低查询计划执行时间，其中SkinnerDB最高能将查询计划执行时间降低74.7%，但必须依赖于特定的执行引擎。在学习收敛性方面，虽然ReJOIN与DQ使用相似的强化学习模型，但在训练中，DQ仅需要80次迭代即可超越PostgreSQL的执行时间，而使用ReJOIN需要约8 000次迭代才能达到PostgreSQL的查询开销。这是由于DQ优化器使用了off-policy gradient的Q-learning方法，将训练数据的利用率提升了两个数量级。