Обучение модели с 4 млрд параметров для создания планов запросов, работающих на 81% быстрее Postgres

Рохан Бансал представил Qorl, инновационный подход к оптимизации запросов к базам данных с использованием модели машинного обучения с 4 миллиардами параметров. Заменяя традиционные эвристические планировщики запросов обученной моделью, проект демонстрирует значительное повышение производительности, достигая выполнения планов запросов на 81% быстрее, чем стандартный оптимизатор PostgreSQL. Исследование изучает, как глубокое обучение может быть интегрировано во внутренние механизмы баз данных для более эффективной обработки сложных структур запросов по сравнению со статическими моделями, основанными на стоимости. Бансал подробно описывает методологию обучения и результаты тестирования. Эта разработка подчеркивает растущую тенденцию применения генеративного ИИ и нейронных сетей в ключевых инфраструктурных компонентах, что потенциально может изменить способы управления стратегиями выполнения и распределения ресурсов в реляционных базах данных при высоких нагрузках.