अनुकूली क्रिया छंटाई: अनदेखे वर्कलोड के लिए इंडेक्स चयन को स्केल करना

लिंक की तालिका

सार और 1. परिचय

1. संबंधित कार्य

   2.1 पारंपरिक इंडेक्स चयन दृष्टिकोण

   2.2 RL-आधारित इंडेक्स चयन दृष्टिकोण

2. इंडेक्स चयन समस्या

3. कार्यप्रणाली

   4.1 DRL समस्या का सूत्रीकरण

   4.2 कुशल इंडेक्स चयन के लिए इंस्टेंस-अवेयर डीप रीइन्फोर्समेंट लर्निंग

4. IA2 का सिस्टम फ्रेमवर्क

   5.1 प्रीप्रोसेसिंग चरण

   5.2 RL प्रशिक्षण और अनुप्रयोग चरण

5. प्रयोग

   6.1 प्रयोगात्मक सेटिंग

   6.2 प्रयोगात्मक परिणाम

   6.3 एंड-टू-एंड प्रदर्शन तुलना

   6.4 मुख्य अंतर्दृष्टि

6. निष्कर्ष और भविष्य का कार्य, और संदर्भ

6.4 मुख्य अंतर्दृष्टि

हमारे व्यापक प्रयोगों को संक्षेप में बताते हुए, IA2 इंडेक्स चयन में एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है, जो कई प्रमुख क्षेत्रों में मौजूदा तरीकों से बेहतर प्रदर्शन करता है:

\ तीव्र प्रशिक्षण दक्षता: IA2 अपनी अद्वितीय प्रशिक्षण गति के साथ उत्कृष्ट है, जो त्वरित अनुकूलनशीलता और सीखने की सुविधा के लिए एक व्हाट-इफ कॉस्ट मॉडल और प्री-ट्रेंड मॉडल का लाभ उठाता है। यह दक्षता IA2 को प्रतिस्पर्धियों की तुलना में प्रशिक्षण समय को काफी कम करने की अनुमति देती है, जिससे यह उन वातावरणों के लिए अत्यधिक उपयुक्त हो जाता है जहां गति महत्वपूर्ण है।

\ उन्नत वर्कलोड मॉडलिंग: स्थिर या विस्तृत तरीकों के विपरीत, IA2 डायनेमिक वर्कलोड मॉडलिंग को नियोजित करता है, जिससे यह बदलते डेटाबेस क्वेरीज़ और संरचनाओं के साथ निर्बाध रूप से अनुकूलित हो सकता है। यह लचीलापन विभिन्न परिदृश्यों में इष्टतम इंडेक्स चयन सुनिश्चित करता है, जिसमें पहले अनदेखे वर्कलोड भी शामिल हैं।

\ प्रभावी एक्शन स्पेस एक्सप्लोरेशन: IA2 एक्शन स्पेस को प्रूनिंग और नेविगेट करने के लिए एक अभिनव दृष्टिकोण पेश करता है, जो प्रशिक्षण प्रक्रिया में जल्दी सार्थक कार्यों की कुशलतापूर्वक पहचान करता है। यह रणनीति SWIRL [6] की अधिक संसाधन-गहन तकनीकों या Lan et al. [7] के कठोर नियमों के विपरीत है, जो विस्तृत खोज या अत्यधिक सरलीकरण के बिना इंडेक्स कॉन्फ़िगरेशन को अनुकूलित करने का एक संतुलित मार्ग प्रदान करती है।

\

:::info लेखक:

(1) Taiyi Wang, यूनिवर्सिटी ऑफ कैंब्रिज, कैंब्रिज, यूनाइटेड किंगडम (Taiyi.Wang@cl.cam.ac.uk);

(2) Eiko Yoneki, यूनिवर्सिटी ऑफ कैंब्रिज, कैंब्रिज, यूनाइटेड किंगडम (eiko.yoneki@cl.cam.ac.uk)।

:::

:::info यह पेपर CC BY-NC-SA 4.0 Deed (Attribution-Noncommercial-Sharelike 4.0 International) लाइसेंस के तहत arxiv पर उपलब्ध है।

:::

\