論文の概要: DBRepro: Automated Database Synthesis via a Hybrid Constraint-Solving Approach for Reproducing Slow Queries
- arxiv url: http://arxiv.org/abs/2608.27822v1
- Date: Fri, 28 Aug 2026 01:41:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.177892
- Title: DBRepro: Automated Database Synthesis via a Hybrid Constraint-Solving Approach for Reproducing Slow Queries
- Title（参考訳）: DBRepro: Slow Queriesの再生のためのハイブリッド制約ソルビングアプローチによるデータベースの自動生成
- Abstract要約: スロークエリは、しばしばデータベース管理システムで深刻なパフォーマンスボトルネックを引き起こす。
高忠実度再現には、正確な局所濃度を強制しながら、グローバルな統計分布を保存する必要がある。
本稿では,データベース生成を制約分散問題として定式化する自動エンドツーエンドフレームワークDBReproを提案する。
- 参考スコア（独自算出の注目度）: 18.21743583327693
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Slow queries frequently cause severe performance bottlenecks in database management systems. Diagnosing their root causes online risks exacerbating resource contention, while data privacy regulations often prohibit copying production data to test environments. Synthesizing a proxy database from non-intrusive metadata that induces the query optimizer to generate the same physical execution plans is therefore critical for offline diagnosis. High-fidelity reproduction requires preserving global statistical distributions while enforcing exact local cardinalities. Existing data-driven and workload-aware approaches cannot satisfy both requirements simultaneously. We present DBRepro, an automated end-to-end framework that formulates database generation as a constrained distribution synthesis problem. DBRepro initializes a global distribution from lightweight column statistics, extracts execution constraints from target queries, and progressively adjusts the distribution to satisfy these constraints while preserving the global distribution. Experiments on TPC-H and SSB show that DBRepro reduces cardinality error by up to 20.3% over a data-driven baseline while maintaining identical plan consistency. Compared with a workload-aware baseline, it reproduces 15% more consistent execution plans and reduces latency proportion error by 21.5%. We further validate DBRepro on a nearly 1 TB real-world dataset managed by KingbaseES, where it reproduces the execution performance of complex slow queries with high fidelity.
- Abstract（参考訳）: スロークエリは、しばしばデータベース管理システムで深刻なパフォーマンスボトルネックを引き起こす。
その根本を診断すると、オンライン上のリスクがリソースの競合を悪化させる一方、データプライバシ規則では、プロダクションデータをテスト環境にコピーすることをしばしば禁止している。
したがって、オフライン診断において、クエリオプティマイザを誘導して同じ物理実行計画を生成する非侵入メタデータからプロキシデータベースを合成することが重要である。
高忠実度再現には、正確な局所濃度を強制しながら、グローバルな統計分布を保存する必要がある。
既存のデータ駆動型アプローチとワークロード対応アプローチは、両方の要件を同時に満たすことはできない。
本稿では,データベース生成を制約分散合成問題として定式化する自動エンドツーエンドフレームワークDBReproを提案する。
DBReproは、軽量な列統計からグローバルな分散を初期化し、ターゲットクエリから実行制約を抽出し、グローバルな分散を維持しながら、これらの制約を満たすように、段階的に分散を調整する。
TPC-HとSSBの実験では、DBReproは同一の計画一貫性を維持しながら、データ駆動ベースライン上での濃度誤差を最大20.3%削減している。
ワークロード対応のベースラインと比較して、より一貫性のある実行計画の15%を再現し、レイテンシ比エラーを21.5%削減する。
さらに、KingbaseESが管理する1TB近い実世界のデータセット上でDBReproを検証する。
関連論文リスト
- Can LLMs Normalize Databases? A Benchmark and Multi-Agent Framework for Schema Normalization [5.32197677925365]
大規模言語モデル (LLM) は構造化された出力を生成するためにますます使われているが、その信頼性は未だ不明である。
本稿では,関数依存の推論や結合分解,テーブル間制約など,データベースの正規化を通じてこの問題を研究する。
データベース正規化ベンチマーク (DNBENCH) を導入し、1NF から BCNF への LLM 駆動型データベース正規化を評価するサンプルを3,275 個作成する。
論文 参考訳（メタデータ） (2026-09-10T06:34:35Z) - ACTS-SQL: Agentic and Critic-Oriented Tree-Structured SQL Correctness with Large Language Models [27.75092433893197]
本稿では,計画的,木構造的デバッグプロセスとしてsql補正を定式化するための学習自由フレームワークを提案する。
我々は,強いLDMバックボーンと代表エージェントベースラインに対して一貫した精度向上を観察し,従来の最先端手法よりも9.42%改善した。
このフレームワークは、オンラインのText-to-TLS APIをサポートするために、Volcano EngineのTorch Log Service (TLS)にもデプロイされている。
論文 参考訳（メタデータ） (2026-08-15T09:43:57Z) - Relatron: Automating Relational Machine Learning over Relational Databases [50.94254514286021]
本稿では, RDL と DFS を共有設計空間に統合し, 多様な RDB タスクを対象としたアーキテクチャ中心の検索を行う。
RDLはDFSを一貫して上回り、高いタスク依存性を持つ。(2)タスク全体において単一のアーキテクチャが支配的であり、タスク認識モデル選択の必要性を強調し、精度は選択アーキテクチャの信頼性の低いガイドである。
論文 参考訳（メタデータ） (2026-02-26T02:45:22Z) - SafeLoad: Efficient Admission Control Framework for Identifying Memory-Overloading Queries in Cloud Data Warehouses [59.68732483257323]
メモリオーバーロードは、クラウドデータウェアハウスにおけるリソースの枯渇の一般的な形態である。
我々は,メモリオーバロード(MO)クエリの特定に特化して設計された,最初のクエリ入力制御フレームワークであるSafeLoadを提案する。
SafeLoadは、オンラインおよびオフライン時間オーバーヘッドの少ない最先端の予測性能を実現する。
論文 参考訳（メタデータ） (2026-01-05T08:29:51Z) - Relational Deep Dive: Error-Aware Queries Over Unstructured Data [9.0236658372663]
ReDD(Relational Deep Dive)は、クエリ固有のスキーマを動的に発見し、リレーショナルテーブルをポップアップさせ、証明可能な保証でエラー認識抽出を保証するフレームワークである。
主な貢献は、カバレッジ保証付きエラー検出の統計的校正手法であるSCAPEと、精度と人的補正コストのトレードオフを最適化するハイブリッドアプローチであるSCAPE-HYBである。
論文 参考訳（メタデータ） (2025-11-04T16:30:55Z) - Relational Database Distillation: From Structured Tables to Condensed Graph Data [48.347717300340435]
グラフベースモデルに必要な電力を維持しつつ,大規模RDBをコンパクトなヘテロジニアスグラフに蒸留することを目的としている。
さらに、擬似ラベルを用いてカーネルリッジ回帰誘導目標を設計し、蒸留グラフの品質特性を創出する。
論文 参考訳（メタデータ） (2025-10-08T13:05:31Z) - Limited Reference, Reliable Generation: A Two-Component Framework for Tabular Data Generation in Low-Data Regimes [7.036974567001374]
ReFineは、ドメイン固有の機能の配布に向けて生成をガイドするフレームワークである。
様々な回帰と分類のベンチマークの実験では、ReFineは最先端の手法を一貫して上回っている。
論文 参考訳（メタデータ） (2025-09-12T04:34:46Z) - LLM-Symbolic Integration for Robust Temporal Tabular Reasoning [69.27153114778748]
本研究では,システムおよび制御された評価のための合成データセットであるTempTabQA-Cを紹介する。
この構造化アプローチにより、LLM(Large Language Models)はsqlクエリの生成と実行を可能にし、一般化とバイアス軽減の強化を行う。
論文 参考訳（メタデータ） (2025-06-06T05:14:04Z) - RelDiff: Relational Data Generative Modeling with Graph-Based Diffusion Models [83.6013616017646]
RelDiffは、外部キーグラフ構造を明示的にモデル化することによって完全な関係データベースを合成する新しい拡散生成モデルである。
RelDiffは、現実的で一貫性のある合成リレーショナルデータベースの作成において、従来手法よりも一貫して優れている。
論文 参考訳（メタデータ） (2025-05-31T21:01:02Z) - Joint Relational Database Generation via Graph-Conditional Diffusion Models [44.06390394789874]
プライバシのデータリリースや実際のデータセットといったアプリケーションでは、データベース(RDB)の生成モデルの構築が重要です。
従来はシングルテーブル生成にフォーカスするか、あるいはテーブルの順序を固定しテーブルを逐次生成する自動回帰因子化に依存していた。
我々は、RDB内のすべてのテーブルを秩序を課すことなく、共同でモデリングするという、根本的に異なるアプローチを提案する。
論文 参考訳（メタデータ） (2025-05-22T11:12:56Z) - BQSched: A Non-intrusive Scheduler for Batch Concurrent Queries via Reinforcement Learning [7.738546538164454]
データパイプライン全体の規模を最小化する上で重要な問題は、並列クエリの効率的なスケジューリングである。
我々の知る限り、BQSchedは強化学習による最初の非侵襲的なバッチクエリスケジューラである。
大規模な実験により、BQSchedはバッチクエリスケジューリングの効率と安定性を大幅に改善できることが示された。
論文 参考訳（メタデータ） (2025-04-27T07:49:01Z)
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。