软件学报

作者：郭娜，王雅琪，姜皓南，谷峪，夏秀峰

单位：郭娜，东北大学 计算机科学与工程学院, 辽宁 沈阳 110167;沈阳航空航天大学 计算机学院, 辽宁 沈阳 11013611,王雅琪，沈阳航空航天大学 计算机学院, 辽宁 沈阳 11013602,姜皓南，沈阳航空航天大学 计算机学院, 辽宁 沈阳 11013603,谷峪，东北大学 计算机科学与工程学院, 辽宁 沈阳 11016704,夏秀峰，沈阳航空航天大学 计算机学院, 辽宁 沈阳 11013605

关键词：学习型索引;更新分布;压缩策略;延迟学习;近似拟合;模型合并

基金：国家自然科学基金(U23B2019); 中央高校基本科研业务费专项资金(N2216017)

学习型索引因其低内存占用和高查询性能的特点, 正辅助或逐步取代传统的索引结构. 然而, 数据更新导致的在线重新训练使其无法适应数据频繁更新的场景. 为了在不过多消耗内存的前提下尽量避免由于数据频繁更新导致的索引重构, 提出了一种自适应的感知更新分布学习型索引结构DRAMA. 使用类LSM-Tree的延迟学习方式主动学习数据更新的分布特征; 利用近似拟合技术快速建立更新分布模型; 采用模型合并策略代替频繁的重训练过程; 采用一种混合压缩技术降低索引中模型参数的内存占用率. 在真实和合成的数据集上构建了索引并进行验证. 结果表明, 相比于传统索引和最先进的学习型索引, 该索引可以在不额外消耗过多内存的情况下, 有效降低数据更新环境下的查询延迟.

来源：2025年第8期

《软件学报》期刊编辑部

查看软件学报杂志2025年第8期