萨姆兰德·哈桑Samrand Hassan

期刊论文 · 2025

SQL+ML 查询优化技术:OpenMLDB 实时特征计算的性能分析

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) ·

阅读 PDF DOI 10.5121/ijdms.2025.17501 arXiv 2509.15529

摘要

本研究优化了 OpenMLDB 中 SQL+ML 查询的执行。OpenMLDB 是一个同时支持离线与在线特征计算的开源数据库。我们在 Docker 中使用合成数据复现生产环境的批处理与并发请求,系统达到约每秒 12,500 次查询、延迟低于 1 毫秒,约为 SparkSQL 和 ClickHouse 的 23 倍、PostgreSQL 和 MySQL 的 3.57 倍。查询计划优化、缓存与并行处理分别贡献了约 35%、25% 和 20% 的性能提升。结果适用于欺诈检测、推荐等对时延敏感的机器学习应用,并表明需要面向机器学习负载设计的 SQL 优化。

南开大学软件学院(天津)与天津大学控制科学与工程系。arXiv 分类:数据库(cs.DB)。

联系我

合作研究、学术报告,或一个棘手的工程难题——欢迎来信。