Buffer Pool Aware Query Scheduling via Deep Reinforcement Learning
在这个扩展摘要中,我们提出了一种新的查询调度技术,其显式目标是减少磁盘读取,从而隐式地提高查询性能。我们将介绍SmartQueue,这是一种学习型调度器,它利用传入查询之间的重叠数据读取,并学习一种提高缓存命中的调度策略。SmartQueue依赖于深度强化学习来产生特定于工作负载的调度策略,该策略专注于长期性能收益,同时适应以前未见过的数据访问模式。我们展示了一个概念验证原型的结果,表明学习调度器可以提供比手工调度启发式显著的性能改进。最后,我们认为这是机器学习和数据库交叉的一个有前途的研究方向。
![](https://img-blog.csdnimg.cn/img_convert/1d6fe5e4bf1b4ea58c3d94aa85aed7cb.png)
问题:
较高的缓冲区命中率(因此较低的磁盘访问率)会极大地影响查询执行时间,但需要战略性的查询调度,因为执行顺序会影响缓存在缓冲池中的数据块
THE SMARTQUEUE MODEL
-
SmartQueue是一个学习型查询调度器,它自动学习如何对查询的执行进行排序,以最小化磁盘访问请求。
-
我们的系统模型如图1所示。传入的用户查询被放置到执行队列中,SmartQueue决定它们的执行顺序。SmartQueue通过训练深度强化学习代理来解决缓冲区命中率问题&#