Самранд ХасанSamrand Hassan
Русский

Статья в журнале · 2025

Методы оптимизации запросов SQL+ML: анализ производительности вычисления признаков в реальном времени в OpenMLDB

Optimization Techniques for SQL+ML Queries: A Performance Analysis of Real-Time Feature Computation in OpenMLDB

Mashkhal A. Sidiq, Aras A. Salih, Samrand M. Hassan

International Journal of Database Management Systems (IJDMS), vol. 17 (3/4/5) ·

Читать PDF DOI 10.5121/ijdms.2025.17501 arXiv 2509.15529

Аннотация

Исследование посвящено оптимизации выполнения запросов SQL+ML в OpenMLDB — базе данных с открытым кодом, которая обслуживает как офлайн-, так и онлайн-вычисление признаков. На синтетических данных в Docker, воспроизводящих пакетную нагрузку и параллельные запросы продакшна, система достигает около 12 500 запросов в секунду при задержке менее 1 мс — примерно в 23 раза больше, чем SparkSQL и ClickHouse, и в 3,57 раза больше, чем PostgreSQL и MySQL. Оптимизация плана запроса, кэширование и параллельная обработка дают около 35 %, 25 % и 20 % прироста. Результаты применимы к чувствительным ко времени ML-задачам — выявлению мошенничества и рекомендациям.

Факультет программной инженерии Нанькайского университета (Тяньцзинь) и факультет теории управления Тяньцзиньского университета. arXiv: раздел «Базы данных» (cs.DB).

Связаться

Совместное исследование, доклад или сложная инженерная задача — напишите мне.