論文の概要: Finding Performance Issues in Database Systems by Exploiting Dormant Code Paths

• arxiv url: http://arxiv.org/abs/2605.22992v1
• Date: Thu, 21 May 2026 19:44:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.080695
• Title: Finding Performance Issues in Database Systems by Exploiting Dormant Code Paths
• Title（参考訳）: 休眠コードパスの爆発によるデータベースシステムの性能問題
• Authors: Jinsheng Ba, Zhendong Su,
• Abstract要約: 本稿では,性能問題を明らかにするために,新しい一般的なホワイトボックス手法であるブランチ・フリップ解析(BFA)を提案する。 BFAは、最適化を強制または無効にするためにコードブランチを反転させ、パフォーマンスはそれほど良くないと予想されている。そうでなければ、パフォーマンスの問題が存在する。
• 参考スコア（独自算出の注目度）: 9.712913056924826
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Performance is a critical characteristic of fundamental systems, such as Database Management Systems (DBMSs). Both academia and industry have invested decades in exploring efficient optimization algorithms. Despite these efforts, DBMSs are prone to performance issues, which incur suboptimal performance. Finding such issues is a longstanding challenge as no ground-truth performance is available. Existing work adopts black-box methods to examine performance consistency across executions, but cannot systematically test optimizations. In this work, we propose a novel, general white-box methodology, Branch Flip Analysis (BFA), to systematically and effectively uncover performance issues. BFA flips code branches to enforce or disable an optimization, and the performance is expected to be not significantly better. Otherwise, a performance issue exists. BFA provides a new perspective to finding performance issues and testing optimization logics in a fine-grained manner. We realized BFA in a prototype system QueryZen, and evaluated it on four widely-used and mature DBMSs: PostgreSQL, MySQL, CockroachDB, and MariaDB. QueryZen found 21 previously unknown and unique performance issues with the workload of the extensively used benchmarks TPC-H and TPC-DS. The core concept of BFA is simple and broadly applicable, and can be adapted to analyze the performance of other software systems.
• Abstract（参考訳）: パフォーマンスはデータベース管理システム(DBMS)のような基本的なシステムの重要な特徴である。 学術と産業の両方が、効率的な最適化アルゴリズムの探索に何十年も費やしてきた。 これらの努力にもかかわらず、DBMSはパフォーマンスの問題に悩まされがちである。 このような問題を見つけることは、根本的なパフォーマンスが得られないので、長年にわたる課題である。 既存の作業では、実行間のパフォーマンスの一貫性を調べるブラックボックスメソッドを採用しているが、最適化を体系的にテストすることはできない。 そこで本研究では,性能問題を系統的かつ効果的に解明するための,新しい一般的なホワイトボックス手法であるブランチ・フリップ解析(BFA)を提案する。 BFAは最適化を強制または無効にするためにコードブランチを切り替える。 そうでなければ、パフォーマンスの問題が存在します。 BFAは、パフォーマンスの問題を見つけ、最適化ロジックをきめ細かい方法でテストするための、新しい視点を提供します。 BFAをプロトタイプシステムQueryZenで実現し、PostgreSQL、MySQL、CockroachDB、MariaDBの4つの広く使われている成熟DBMSで評価した。 QueryZenは、広く使用されているベンチマークTPC-HとTPC-DSのワークロードに関して、21の既知のユニークなパフォーマンス上の問題を発見した。 BFAの中核となる概念はシンプルで広く適用でき、他のソフトウェアシステムの性能分析に適応できる。

関連論文リスト

• PerfCodeBench: Benchmarking LLMs for System-Level High-Performance Code Optimization [43.72919370258115]
  PerfCodeBenchは、大規模言語モデル(LLM)を高速コード最適化で評価するための実行可能なベンチマークである。 このタスクには、システムレベルの実装選択、ハードウェア対応の最適化、パフォーマンスボトルネックの慎重に処理する必要がある。 我々の評価は、モデル生成コードと専門家最適化実装の間に明確なギャップがあることを示します。
  論文  参考訳（メタデータ） (2026-05-13T08:10:26Z)
• RELOAD: A Robust and Efficient Learned Query Optimizer for Database Systems [9.540898133316729]
  データベースシステムのための堅牢で効率的な学習クエリであるRELOADを提案する。 我々は、最先端のRLベースのクエリ最適化技術と比較して、2.4倍の堅牢性と3.1倍の効率を示す。
  論文  参考訳（メタデータ） (2026-04-16T07:35:05Z)
• Optima: Optimizing Effectiveness and Efficiency for LLM-Based Multi-Agent System [75.25394449773052]
  大規模言語モデル (LLM) に基づくマルチエージェントシステム (MAS) は協調的問題解決において顕著な可能性を示している。 通信効率の低下、スケーラビリティの低下、効果的なパラメータ更新方法の欠如などです。 本稿では,コミュニケーション効率とタスク効率を両立させ,これらの課題に対処する新しいフレームワークOptimaを提案する。
  論文  参考訳（メタデータ） (2024-10-10T17:00:06Z)
• Reinforced In-Context Black-Box Optimization [64.25546325063272]
  RIBBOは、オフラインデータからエンドツーエンドでBBOアルゴリズムを強化学習する手法である。 RIBBOは、複数の動作アルゴリズムとタスクによって生成される最適化履歴を学習するために、表現的なシーケンスモデルを使用している。 提案手法の中心となるのは,テキストレグレット・ツー・ゴートークンによる最適化履歴の増大である。
  論文  参考訳（メタデータ） (2024-02-27T11:32:14Z)
• FOSS: A Self-Learned Doctor for Query Optimizer [19.15262900354963]
  FOSSと呼ばれる深層強化学習に基づくクエリ最適化のための新しいフレームワークを提案する。 Fossは従来のブートストラップによって生成された当初の計画から最適化を開始し、計画の最適下ノードを漸進的に洗練する。 結合順序ベンチマーク, TPC-DS, Stack OverflowベンチマークにおけるFOSSの性能評価を行った。
  論文  参考訳（メタデータ） (2023-12-11T13:05:51Z)
• JoinGym: An Efficient Query Optimization Environment for Reinforcement Learning [58.71541261221863]
  結合順序選択(JOS)は、クエリの実行コストを最小化するために結合操作を順序付けする問題である。 木質強化学習(RL)のためのクエリ最適化環境JoinGymを提案する。 JoinGymは内部で、事前計算されたデータセットから中間結果の濃度を調べることで、クエリプランのコストをシミュレートする。
  論文  参考訳（メタデータ） (2023-07-21T17:00:06Z)

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。