論文の概要: CATune: Structural Constraint-Aware Bayesian Optimization for DBMS Configuration Tuning

• arxiv url: http://arxiv.org/abs/2610.09276v1
• Date: Wed, 07 Oct 2026 01:14:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.67034
• Title: CATune: Structural Constraint-Aware Bayesian Optimization for DBMS Configuration Tuning
• Title（参考訳）: CATune:DBMS構成調整のための構造制約を考慮したベイズ最適化
• Abstract要約: 既存のMLベースのチューニングシステムは、構成ドメインをボックス制約として扱い、クノブ間の関係を暗黙的にキャプチャするためにワークロードフィードバックに依存する。 本稿では,制約を考慮したベイズ最適化フレームワークであるCATuneを提案する。 実験により、CATuneはサロゲートモデルとBOフレームワーク間のサンプル効率と最終的なチューニング品質の両方を大幅に改善することが示された。
• 参考スコア（独自算出の注目度）: 7.6284746226544256
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern DBMSs expose hundreds of configuration knobs, resulting in a high-dimensional and heterogeneous search space that makes automated tuning costly. Existing ML-based tuning systems typically treat the configuration domain as box-constrained and rely on workload feedback to implicitly capture inter-knob relationships. However, DBMS documentation specifies deterministic knob dependency constraints, particularly ordering constraints, that characterize structurally valid regions of the configuration space. We present CATune, a constraint-aware Bayesian optimization (BO) framework that models deterministic inter-knob ordering constraints as structural components of the search domain. Instead of learning feasibility boundaries through sampled violations, CATune performs optimization within a constraint-consistent subspace. We develop a topology-aware sampling strategy that respects dependency structure during exploration and avoids the inefficiencies of post-hoc constraint handling. To enable automated constraint discovery, we further design a precision-first extraction pipeline that combines LLM-based parsing with reliability safeguards to mitigate hallucinated dependencies. Experiments on PostgreSQL and MySQL using TPC-C and TPC-H workloads show that CATune substantially improves both sample efficiency and final tuning quality across surrogate models and BO frameworks. Under default ranges, CATune reaches the baseline optimum up to 12.5x faster and improves throughput by up to 63.37%. The improvements persist under knowledge-guided reduced ranges and alternative optimization implementations. These results demonstrate that explicitly modeling system-defined deterministic ordering constraints enhances optimization robustness and system stability.
• Abstract（参考訳）: 現代のDBMSは数百のノブを公開しており、結果として高次元で不均一な検索空間となり、自動チューニングはコストがかかる。 既存のMLベースのチューニングシステムは、設定ドメインをボックス制約として扱うのが一般的であり、クノブ間の関係を暗黙的に捉えるためにワークロードフィードバックに依存する。 しかし、DBMS文書は、決定論的ノブ依存性の制約、特に、構成空間の構造的に妥当な領域を特徴付ける順序制約を規定している。 本稿では,制約を考慮したベイズ最適化(BO)フレームワークであるCATuneを提案する。 サンプル違反によって実現可能性境界を学ぶ代わりに、CATuneは制約一貫性のあるサブ空間内で最適化を行う。 本研究では,探索中の依存関係構造を尊重し,ポストホック制約処理の非効率性を回避するトポロジ対応サンプリング戦略を開発する。 自動制約探索を実現するため,LLMに基づく解析と信頼性保護を併用した精度優先抽出パイプラインを設計し,ハロゲン化依存の軽減を図る。 TPC-CとTPC-Hワークロードを使用したPostgreSQLとMySQLの実験は、CATuneがサンプル効率とサロゲートモデルとBOフレームワーク間の最終的なチューニング品質を大幅に改善していることを示している。 デフォルト範囲では、CATuneは最大12.5倍の速度でベースライン最適化に達し、スループットを最大63.37%向上させる。 改良は知識誘導による縮小範囲と代替最適化実装の下で継続される。 これらの結果は、システム定義決定論的順序付け制約を明示的にモデル化することで、最適化の堅牢性とシステムの安定性が向上することを示す。

関連論文リスト

• Constraint-Bound Agnostic Bayesian Optimization: One Model for All Thresholds [13.852878072213459]
  パラメトリック制約モデルマッピングしきい値を最適解に学習する学習ベースフレームワークを提案する。 ベンチマークと工学的問題に関する実験は、CBA-BOが伝達可能なしきい値-解写像を学習していることを示している。
  論文  参考訳（メタデータ） (2026-07-26T04:13:43Z)
• Spatial-Aware Reduction Framework: Towards Efficient and Faithful Visual State Space Models [71.59431204970339]
  STORMは空間対応のトークン還元フレームワークである。 空間単位上の構造演算に還元を再構成する。 様々なビジョンのMambaバックボーンにまたがって最先端のプルーニング精度を実現する。
  論文  参考訳（メタデータ） (2026-06-18T08:31:11Z)
• Multi-Objective Structured Pruning of LLMs for Latency and Model Size Optimization [2.3012967702331313]
  大きな言語モデル(LLM)は、強い推論とクエリ応答能力のために広く採用されている。 組み込みおよびエッジコンピューティング環境へのデプロイは、厳格なレイテンシ、メモリ、エネルギー制約のため、依然として困難である。 本稿では,これらの制約に対処するため,ハードウェアを意識した多目的構造化プルーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-08T09:38:13Z)
• Structure-Aware Commitment Reduction for Network-Constrained Unit Commitment with Solver-Preserving Guarantees [8.762061888571978]
  本稿では,ネットワーク制約付きユニットコミットメントのためのデメンタリティ削減フレームワークを提案する。 最適化に先立って修正するコミットメント決定における構造的規則性を利用する。 IEEE 57-bus、73-bus、IEEE 118-bus、拡張された大規模ケースに対する実験は、分岐とバウンドノードの一貫性のある減少と解時間を示している。
  論文  参考訳（メタデータ） (2026-04-03T06:55:32Z)
• ZOTTA: Test-Time Adaptation with Gradient-Free Zeroth-Order Optimization [29.670784134543027]
  テストタイム適応は、分散シフトの下でモデルの堅牢性を改善することを目的としている。 既存の手法の多くはバックプロパゲーション(BP)に依存しており、計算コストが高く、微分不可能なモデルと互換性がない。 完全BPフリーなTTAフレームワークであるZOTTAを提案する。
  論文  参考訳（メタデータ） (2026-03-15T07:21:01Z)
• 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)
• Relation-Aware Bayesian Optimization of DBMS Configurations Guided by Affinity Scores [2.474203056060563]
  データベース管理システム(DBMS)は,大規模および異種データの管理に基本的であり,その性能は構成パラメータの影響を強く受けている。 近年の研究では、機械学習を用いた自動構成最適化に焦点が当てられているが、既存のアプローチにはいくつかの重要な制限がある。 パラメータ依存をグラフとして表現する新しいフレームワークであるRelTuneを提案し,パフォーマンス関連セマンティクスを符号化したGNNベースの潜伏埋め込みを学習する。
  論文  参考訳（メタデータ） (2025-10-31T03:46:42Z)
• AutoLayout: Closed-Loop Layout Synthesis via Slow-Fast Collaborative Reasoning [102.71841660031065]
  Autoは、クローズドループの自己検証プロセスをデュアルシステムフレームワークに統合する、完全に自動化された方法である。 Autoの有効性は8つの異なるシナリオで検証され、SOTA法よりも10.1%改善された。
  論文  参考訳（メタデータ） (2025-07-06T08:35:22Z)
• Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
  我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。 得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
  論文  参考訳（メタデータ） (2023-12-10T15:22:30Z)
• Efficient Micro-Structured Weight Unification and Pruning for Neural Network Compression [56.83861738731913]
  ディープニューラルネットワーク(DNN)モデルは、特にリソース制限されたデバイスにおいて、実用的なアプリケーションに不可欠である。 既往の非構造的あるいは構造化された重量刈り法は、推論を真に加速することはほとんど不可能である。 ハードウェア互換のマイクロ構造レベルでの一般化された重み統一フレームワークを提案し,高い圧縮と加速度を実現する。
  論文  参考訳（メタデータ） (2021-06-15T17:22:59Z)

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。