软件学报

作者：柴茗珂,范举,杜小勇

单位：柴茗珂，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,范举，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,杜小勇，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

关键词：数据库系统;机器学习;数据驱动;系统优化

基金：国家自然科学基金（61632016，U1711261）；中国人民大学科研基金（18XNLG18）

通用的数据库系统为不同的应用需求与数据类型提供统一的处理方式，在取得了巨大成功的同时，也暴露了一定的局限性：由于没有结合具体应用的数据分布与工作负载，系统往往难以保证性能的最优.为了解决这一问题，"学习式数据库系统"成为了目前数据库领域的研究热点，它利用机器学习技术有效捕获负载与数据的特性，从而对数据库系统进行优化.围绕这一方向，近些年工业界与学术界涌现出了大量的研究工作.首先提出了细粒度的分类体系，从数据库架构出发，将现有工作进行了梳理；其次，系统地介绍了学习式数据库各组件的研究动机、基本思路与关键技术；最后，对学习式数据库系统未来的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