软件学报

作者：孙路明,张少敏,姬涛,李翠平,陈红

单位：孙路明，数据工程与知识工程教育部重点实验室(中国人民大学), 北京 100872;中国人民大学 信息学院, 北京 10087211,张少敏，数据工程与知识工程教育部重点实验室(中国人民大学), 北京 100872;中国人民大学 信息学院, 北京 10087202,姬涛，数据工程与知识工程教育部重点实验室(中国人民大学), 北京 100872;中国人民大学 信息学院, 北京 10087203,李翠平，数据工程与知识工程教育部重点实验室(中国人民大学), 北京 100872;中国人民大学 信息学院, 北京 10087204,陈红，数据工程与知识工程教育部重点实验室(中国人民大学), 北京 100872;中国人民大学 信息学院, 北京 10087205

关键词：数据库系统;数据管理;人工智能;机器学习;查询优化

基金：国家重点研发计划（2018YFB1004401）；国家自然科学基金（61772537，61772536，61702522，61532021）

大数据时代，数据规模庞大、数据管理应用场景复杂，传统数据库和数据管理技术面临很大的挑战.人工智能技术因其强大的学习、推理、规划能力，为数据库系统提供了新的发展机遇.人工智能赋能的数据库系统通过对数据分布、查询负载、性能表现等特征进行建模和学习，自动地进行查询负载预测、数据库配置参数调优、数据分区、索引维护、查询优化、查询调度等，以不断提高数据库针对特定硬件、数据和负载的性能.同时，一些机器学习模型可以替代数据库系统中的部分组件，有效减少开销，如学习型索引结构等.分析了人工智能赋能的数据管理新技术的研究进展，总结了现有方法的问题和解决思路，并对未来研究方向进行了展望.

来源：2020年第3期

《软件学报》期刊编辑部

查看软件学报杂志2020年第3期