論文の概要: Translating between SQL Dialects for Cloud Migration

• arxiv url: http://arxiv.org/abs/2403.08375v1
• Date: Wed, 13 Mar 2024 09:38:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-14 15:16:23.417127
• Title: Translating between SQL Dialects for Cloud Migration
• Title（参考訳）: クラウド移行のためのSQLダイアレクト間の翻訳
• Authors: Ran Zmigrod, Salwa Alamir, Xiaomo Liu
• Abstract要約: データベースのオンライン移行の難しさを考察する。 マイグレーションを複雑にするさまざまなSQL方言があります。 AWSやAzureのような共通クラウドが提供するツールは、方言間の翻訳を支援する。 しかし、これらのツールはコードの100%の翻訳には成功しない。
• 参考スコア（独自算出の注目度）: 9.276190423933963
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Migrations of systems from on-site premises to the cloud has been a fundamental endeavor by many industrial institutions. A crucial component of such cloud migrations is the transition of databases to be hosted online. In this work, we consider the difficulties of this migration for SQL databases. While SQL is one of the prominent methods for storing database procedures, there are a plethora of different SQL dialects (e.g., MySQL, Postgres, etc.) which can complicate migrations when the on-premise SQL dialect differs to the dialect hosted on the cloud. Tools exist by common cloud provides such as AWS and Azure to aid in translating between dialects in order to mitigate the majority of the difficulties. However, these tools do not successfully translate $100\%$ of the code. Consequently, software engineers must manually convert the remainder of the untranslated database. For large organizations, this task quickly becomes intractable and so more innovative solutions are required. We consider this challenge a novel yet vital industrial research problem for any large corporation that is considering cloud migrations. Furthermore, we introduce potential avenues of research to tackle this challenge that have yielded promising preliminary results.
• Abstract（参考訳）: オンプレミスからクラウドへのシステムの移行は多くの産業機関による基本的な取り組みである。 このようなクラウド移行の重要なコンポーネントは、オンラインでホストされるデータベースの移行である。 本稿では,SQLデータベースの移行の難しさについて考察する。 SQLはデータベースのプロシージャを保存するための重要な方法の1つだが、オンプレミスのSQL方言がクラウドにホストされている方言と異なる場合、移行を複雑にするさまざまなSQL方言(例えば、MySQL、Postgresなど)が存在する。 AWSやAzureといった共通クラウドが提供するツールによって、方言間の翻訳を支援することで、困難の大部分を軽減することができる。 しかし、これらのツールは100\%のコードをうまく翻訳しない。 そのため、ソフトウェアエンジニアは、翻訳されていないデータベースの残りの部分を手動で変換する必要がある。 大企業では、このタスクはすぐに難易度が高くなり、革新的なソリューションが求められます。 我々は,クラウド移行を検討中の大企業にとって,この課題は,新たな産業研究課題であると考えている。 さらに,この課題に対処するために,将来有望な予備的な結果をもたらす研究の道のりについても紹介する。

関連論文リスト

• Spider 2.0: Evaluating Language Models on Real-World Enterprise Text-to-SQL Workflows [64.94146689665628]
  Spider 2.0は、エンタープライズレベルのデータベースのユースケースから派生した、現実のテキストからsqlの問題に対する評価フレームワークである。 Spider 2.0のデータベースは、実際のデータアプリケーションからソースされ、1,000以上の列を含み、BigQueryやSnowflakeなどのローカルまたはクラウドデータベースシステムに格納されることが多い。 Spider 2.0の問題解決には、データベースメタデータ、方言文書、さらにはプロジェクトレベルの理解と検索が頻繁に必要であることを示す。
  論文  参考訳（メタデータ） (2024-11-12T12:52:17Z)
• MoMQ: Mixture-of-Experts Enhances Multi-Dialect Query Generation across Relational and Non-Relational Databases [15.59894560371822]
  クラウドサービスプロバイダは、複数の方言をサポートする統合データベースマネージャサービスを探している。 MoMQは、Mixture-of-Expertsベースの新しいマルチダイアレクトクエリ生成フレームワークである。 MoMQでは、それぞれの方言の専門家グループと、方言固有の知識を扱うための多レベルルーティング戦略を採用している。
  論文  参考訳（メタデータ） (2024-10-24T03:42:43Z)
• PTD-SQL: Partitioning and Targeted Drilling with LLMs in Text-to-SQL [54.304872649870575]
  大規模言語モデル(LLM)は、テキスト・トゥ・センス・タスクの強力なツールとして登場した。 本研究では,クエリグループパーティショニングを用いることで,単一問題に特有の思考プロセスの学習に集中できることを示す。
  論文  参考訳（メタデータ） (2024-09-21T09:33:14Z)
• DBCopilot: Scaling Natural Language Querying to Massive Databases [47.009638761948466]
  既存の方法は、大規模で動的に変化するデータベースを扱う際に、スケーラビリティの課題に直面します。 本稿では,DBCopilotについて紹介する。DBCopilotは,大規模データベース間のルーティングにコンパクトで柔軟なコピロットモデルを用いるフレームワークである。
  論文  参考訳（メタデータ） (2023-12-06T12:37:28Z)
• SQL-PaLM: Improved Large Language Model Adaptation for Text-to-SQL (extended) [53.95151604061761]
  本稿では,大規模言語モデル(LLM)を用いたテキスト・ツー・フィルタリングのフレームワークを提案する。 数発のプロンプトで、実行ベースのエラー解析による一貫性復号化の有効性について検討する。 命令の微調整により、チューニングされたLLMの性能に影響を及ぼす重要なパラダイムの理解を深める。
  論文  参考訳（メタデータ） (2023-05-26T21:39:05Z)
• SQL and NoSQL Databases Software architectures performance analysis and assessments -- A Systematic Literature review [6.492449621442934]
  データベースの設計した構造は、ビッグデータ分析に適しています。 この研究者は、クラウドにおけるデータ移動に関連する多くのアプローチを提案する。 データポータビリティと。 APIが開発され、ユーザのデータ移動が困難になる。
  論文  参考訳（メタデータ） (2022-09-14T23:47:32Z)
• A Survey on Text-to-SQL Parsing: Concepts, Methods, and Future Directions [102.8606542189429]
  テキストからコーパスへのパースの目的は、自然言語(NL)質問をデータベースが提供するエビデンスに基づいて、対応する構造化クエリ言語()に変換することである。 ディープニューラルネットワークは、入力NL質問から出力クエリへのマッピング関数を自動的に学習するニューラルジェネレーションモデルによって、このタスクを大幅に進歩させた。
  論文  参考訳（メタデータ） (2022-08-29T14:24:13Z)
• Recent Advances in Text-to-SQL: A Survey of What We Have and What We Expect [12.445150614650801]
  テキスト・トゥ・オブは自然言語処理とデータベース・コミュニティの両方から注目を集めている。 我々は、データセット、メソッド、評価のためのテキスト・トゥ・オブの最近の進歩についてレビューする。 この調査が,既存の作業への迅速なアクセスと将来の研究のモチベーションに役立てられることを期待しています。
  論文  参考訳（メタデータ） (2022-08-22T07:18:23Z)
• Synthesis of SQL Queries from South African Local Language Narrations [0.0]
  この論文は、もともとこの分野で提示された作品の拡張である。 145人の参加者を対象とした調査では、多数派がローカルNar-Narがローカル言語からのクエリを理解するのに役立つと結論付けている。
  論文  参考訳（メタデータ） (2020-11-14T19:38:08Z)
• Photon: A Robust Cross-Domain Text-to-SQL System [189.1405317853752]
  私たちは、マッピングを即座に決定できない自然言語入力にフラグを付けることができる、堅牢でモジュール化されたクロスドメインなNLIDBPhotonを紹介します。 提案手法は,翻訳不能なユーザ入力に対して,テキストからネイティブシステムへのロバストさを効果的に向上させる。
  論文  参考訳（メタデータ） (2020-07-30T07:44:48Z)

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。