C3 - 预测器：一个用于预测并发查询性能的高效框架

《IEEE Transactions on Knowledge and Data Engineering》：C3 -Predictor: An Efficient Framework for Performance Prediction of Concurrent Queries

　　

摘要：

查询性能预测是智能数据库（DB）研究中的一个具有挑战性的任务，因为预测能力对于优化DB操作（例如参数优化）和现代DB系统中的资源分配至关重要。然而，现有方法往往难以满足实际应用中对预测准确性和查询延迟的灵活要求，并且主要关注单个查询的性能预测，而不是在大型复杂DB任务中非常普遍的并发查询性能预测。为了解决这些限制，我们提出了一个高效的预测模型，称为C3-Predictor（并发性、成本因素和置信度），该模型将成本因素模型集成到图神经网络（GNN）模型中，以在保证准确性的同时降低预测延迟。首先，通过并发调整机制使用成本因素来实现并发查询的性能预测。其次，应用置信度估计算法来评估成本因素模型，而置信度机制则评估初始预测的可靠性，以决定是否激活GNN模型。第三，GNN模型用于校正与成本因素模型的预测偏差，仅保留影响并发查询预测的特征来构建图，并应用GNN模型以准确预测查询性能。我们在不同类型的工作负载上进行了大量实验。结果表明C3-Predictor在性能上优于现有的最先进（SOTA）模型，即在不同的并发查询级别下，C3-Predictor能够实现最低的预测误差和最低的预测延迟。