論文の概要: Snel: SQL Native Execution for LLVM

• arxiv url: http://arxiv.org/abs/2002.09449v2
• Date: Wed, 4 Mar 2020 12:32:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-06-02 11:29:28.431469
• Title: Snel: SQL Native Execution for LLVM
• Title（参考訳）: Snel: LLVMのSQLネイティブ実行
• Authors: Marcelo Mottalli, Alejo Sanchez, Gustavo Ajzenman, Carlos Sarraute
• Abstract要約: Snelは、クエリと列データ表現のJust-In-Time (JIT)コンパイルを備えたデータベースエンジンである。 SnelはLLVMコンパイラインフラストラクチャを活用することで、高速なオンライン分析を実現するように設計されている。
• 参考スコア（独自算出の注目度）: 0.17205106391379021
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Snel is a relational database engine featuring Just-In-Time (JIT) compilation of queries and columnar data representation. Snel is designed for fast on-line analytics by leveraging the LLVM compiler infrastructure. It also has custom special methods like resolving histograms as extensions to the SQL language. "Snel" means "SQL Native Execution for LLVM". Unlike traditional database engines, it does not provide a client-server interface. Instead, it exposes its interface as an extension to SQLite, for a simple interactive usage from command line and for embedding in applications. Since Snel tables are read-only, it does not provide features like transactions or updates. This allows queries to be very fast since they don't have the overhead of table locking or ensuring consistency. At its core, Snel is simply a dynamic library that can be used by client applications. It has an SQLite extension for seamless integration with a traditional SQL environment and simple interactive usage from command line.
• Abstract（参考訳）: Snelは、クエリと列データ表現のJust-In-Time (JIT)コンパイルを備えたリレーショナルデータベースエンジンである。 SnelはLLVMコンパイラインフラストラクチャを活用することで、高速なオンライン分析を実現するように設計されている。 また、SQL言語の拡張としてヒストグラムを解決するようなカスタムな特別なメソッドもある。 Snel は "SQL Native Execution for LLVM" を意味する。 従来のデータベースエンジンとは異なり、クライアントサーバインターフェースを提供しない。 代わりに、コマンドラインからの単純なインタラクティブな使用とアプリケーションへの組み込みのために、sqliteの拡張としてインターフェースを公開している。 Snelテーブルは読み取り専用であるため、トランザクションや更新のような機能を提供しない。 これにより、テーブルロックや一貫性の確保のオーバーヘッドがないため、クエリは非常に高速になる。 Snelの中核は、単に動的ライブラリであり、クライアントアプリケーションで使用することができる。 従来のSQL環境とシームレスに統合するためのSQLite拡張と、コマンドラインからのシンプルなインタラクティブな利用がある。

関連論文リスト

• MTSQL-R1: Towards Long-Horizon Multi-Turn Text-to-SQL via Agentic Training [31.290164208264745]
  本稿では,マルチターンテキスト・トゥ・ザ・ガイドのためのエージェント・トレーニング・フレームワークMT-R1を提案する。 我々は,エージェントが (i) 実行フィードバックのためのデータベースと (ii) 検証のための永続的な対話メモリと相互作用するマルコフ決定プロセス (MDP) としてタスクをキャストした。 実験により、MT-R1は強いベースラインを一貫して上回り、会話の意味解析における環境駆動型検証とメモリ誘導型洗練の重要性を強調した。
  論文  参考訳（メタデータ） (2025-10-12T16:12:05Z)
• CRED-SQL: Enhancing Real-world Large Scale Database Text-to-SQL Parsing through Cluster Retrieval and Execution Description [15.080310729603466]
  CRED-は大規模データベース向けに設計されたフレームワークで、クラスタ検索と実行記述を統合している。 自然言語質問(NLQ)と対応するsqlクエリのギャップを埋める。 CRED-は最新のgit-the-art(SOTA)パフォーマンスを実現し、その有効性とスケーラビリティを検証する。
  論文  参考訳（メタデータ） (2025-08-18T09:43:07Z)
• Weaver: Interweaving SQL and LLM for Table Reasoning [62.55797244714265]
  Weaverは、構造化データ検索のためのsqlとセマンティック処理のためのLLMを組み合わせたフレキシブルなステップバイステッププランを生成する。 Weaverは、4つのTableQAデータセットで、最先端のメソッドを一貫して上回る。
  論文  参考訳（メタデータ） (2025-05-25T03:27:37Z)
• ExeSQL: Self-Taught Text-to-SQL Models with Execution-Driven Bootstrapping for SQL Dialects [24.450818792474216]
  この作業では、実行駆動のエージェントブートストラップを備えたテキストからガイダンスのフレームワークであるExeを紹介した。 Exeはテキストとガイダンスの学習における方言のギャップを埋め、それぞれ15.2%、10.38%、および4.49%のGPT-4o以降の平均的な改善を実現している。
  論文  参考訳（メタデータ） (2025-05-22T19:13:34Z)
• TranSQL+: Serving Large Language Models with SQL on Low-Resource Hardware [16.47619754879028]
  グラフを純粋なSQLクエリに変換して,リレーショナルデータベースで実行するテンプレートベースのコードジェネレータであるTran+を紹介した。 また、結合操作を改善するための行列列最適化(ROW2Seek)を提案する。 本稿では,低リソースハードウェア上での大規模言語モデルの実践環境として,リレーショナルデータベースに注目した。
  論文  参考訳（メタデータ） (2025-02-05T01:36:40Z)
• Relational Database Augmented Large Language Model [59.38841050766026]
  大規模言語モデル(LLM)は多くの自然言語処理(NLP)タスクに優れる。 彼らは、トレーニングや教師付き微調整プロセスを通じてのみ、新しい知識を取り入れることができる。 この正確で最新のプライベート情報は、通常リレーショナルデータベースに格納される。
  論文  参考訳（メタデータ） (2024-07-21T06:19:10Z)
• RB-SQL: A Retrieval-based LLM Framework for Text-to-SQL [48.516004807486745]
  文脈内学習を伴う大規模言語モデル(LLM)は、テキスト・ツー・タスクの性能を大幅に改善した。 In-context prompt Engineering のための新しい検索ベースフレームワーク RB- を提案する。 実験により,我々のモデルは,公開データセットのBIRDとSpiderの競合ベースラインよりも優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2024-07-11T08:19:58Z)
• Optimizing LLM Queries in Relational Workloads [58.254894049950366]
  本稿では,LLMをリレーショナルクエリ内で実行する解析処理に対して,LLM(Large Language Models)推論を最適化する方法を示す。 私たちはこれらの最適化をApache Sparkで実装し、vLLMをバックエンドとして提供しています。 実データセット上の多様なLLMベースのクエリのベンチマークで、エンドツーエンドのレイテンシを最大4.4倍改善する。
  論文  参考訳（メタデータ） (2024-03-09T07:01:44Z)
• BlendSQL: A Scalable Dialect for Unifying Hybrid Question Answering in Relational Algebra [5.672510020871995]
  ブレンドは構造化データと非構造化データの両方にわたる推論をオーケストレーションするための統一方言として機能する。 Blendは大規模なデータセットにスケールでき、トークンを35%減らしながらエンドツーエンドシステムの性能を向上させることができる。
  論文  参考訳（メタデータ） (2024-02-27T20:48:24Z)
• Structure Guided Large Language Model for SQL Generation [14.079764882536077]
  構造対応型テキスト・ツー・クエリ・フレームワーク(SGU)を提案する。 SGU対応のテキスト・ツー・クエリ・フレームワーク(SGU)は、最先端のテキスト・ツー・モデルよりも一貫して優れている。
  論文  参考訳（メタデータ） (2024-02-19T09:07:59Z)
• SQLPrompt: In-Context Text-to-SQL with Minimal Labeled Data [54.69489315952524]
  Prompt"は、Text-to-LLMのいくつかのショットプロンプト機能を改善するように設計されている。 Prompt"は、ラベル付きデータが少なく、テキスト内学習における従来のアプローチよりも大きなマージンで優れている。 emphPromptはテキスト内学習における従来の手法よりも優れており,ラベル付きデータはほとんどない。
  論文  参考訳（メタデータ） (2023-11-06T05:24:06Z)
• Allies: Prompting Large Language Model with Beam Search [107.38790111856761]
  本研究では,ALIESと呼ばれる新しい手法を提案する。 入力クエリが与えられた場合、ALLIESはLLMを活用して、元のクエリに関連する新しいクエリを反復的に生成する。 元のクエリのスコープを反復的に精錬して拡張することにより、ALLIESは直接検索できない隠れた知識をキャプチャし、利用する。
  論文  参考訳（メタデータ） (2023-05-24T06:16:44Z)
• Proton: Probing Schema Linking Information from Pre-trained Language Models for Text-to-SQL Parsing [66.55478402233399]
  本稿では,ポアンカー距離測定に基づく探索手法を用いて,関係構造を抽出する枠組みを提案する。 スキーマリンクの一般的なルールベース手法と比較して,探索関係は意味的対応をしっかりと捉えることができることがわかった。 我々のフレームワークは3つのベンチマークで最先端のパフォーマンスを新たに設定する。
  論文  参考訳（メタデータ） (2022-06-28T14:05:25Z)
• Forecasting SQL Query Cost at Twitter [2.124552987084511]
  Serviceは、履歴クエリ要求ログからモデルをトレーニングするために、機械学習技術を使用している。 モデルはCPU使用率予測の97.9%、メモリ使用率予測の97%の精度を達成することができる。
  論文  参考訳（メタデータ） (2022-04-12T05:08:30Z)
• "What makes my queries slow?": Subgroup Discovery for SQL Workload Analysis [1.3124513975412255]
  サブグループディスカバリーに根ざした独自のアプローチを導入する。 この汎用データマイニングフレームワークのインスタンス化と開発方法を示す。 インタラクティブな知識発見のための可視化ツールも提供しています。
  論文  参考訳（メタデータ） (2021-08-09T09:44:13Z)
• Dual Reader-Parser on Hybrid Textual and Tabular Evidence for Open Domain Question Answering [78.9863753810787]
  世界の知識は構造化データベースに保存されている。 クエリ言語は、複雑な推論を必要とする質問に答えるだけでなく、完全な説明可能性を提供することができる。
  論文  参考訳（メタデータ） (2021-08-05T22:04:13Z)
• Improving Text-to-SQL with Schema Dependency Learning [22.07452161565993]
  実行誘導デコーディングは、推論プロセスを遅くし、多くの現実世界のアプリケーションに不満足なデータベース実行に依存している。 質問とスキーマ間のインタラクションを効果的にキャプチャするネットワークをガイドするために、依存性ガイド付きマルチタスクテキストタスクモデル(SD)を紹介します。
  論文  参考訳（メタデータ） (2021-03-07T16:56:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。