[論文レビュー] Query2Vec: NLP Meets Databases for Generalized Workload Analytics.

Shrainik Jain, Bill Howe|arXiv (Cornell University)|Jan 17, 2018

Data Quality and Management被引用数 5

ひとこと要約

この論文では、自然言語処理（NLP）技術を用いて、SQLクエリおよびクエリプランの高次元ベクトル表現（埋め込み表現）を学習するQuery2Vecを提案する。これにより、一般化されたワークロード分析が可能になる。実験では、これらの埋め込み表現が、クエリ推薦、インデックス選択、ワークロード要約といったタスクにおいて、タスク固有のヒューリスティクスを上回ることを示している。特に、木構造LSTMを用いたアプローチにより、特定のタスクで性能が向上している。

ABSTRACT

We propose methods for learning vector representations of SQL workloads to support a variety of administration tasks and application features, including query recommendation, workload summarization, index selection, identifying expensive queries, and predicting query reuse. We consider vector representations of both raw SQL text and optimized query plans under various assumptions and pre-processing strategies, and evaluate these methods on multiple real SQL workloads by comparing with results of task and application feature metrics in the literature. We find that simple algorithms based on these generic vector representations compete favorably with previous approaches that require a number of assumptions and task-specific heuristics. We then present a new embedding strategy specialized for queries based on tree-structured Long Short Term Memory (LSTM) network architectures that improves on the text-oriented embeddings for some tasks. We find that the general approach, when trained on a large corpus of SQL queries, provides a robust foundation for a variety of workload analysis tasks. We conclude by considering how workload embeddings can be deployed as a core database system feature to support database maintenance and novel applications.

研究の動機と目的

• 複数のデータベース管理タスクを支援できる汎用的で学習可能なSQLワークロード表現の開発を目的とする。
• SQLテキストと最適化済みクエリプランの汎用的ベクトル表現を活用することで、タスク固有のヒューリスティクスへの依存を低減することを目的とする。
• 実際のワークロードを用いて、これらの埋め込み表現が複数のワークロード分析タスクにおいてどれほど有効であるかを評価することを目的とする。
• SQLクエリの構造に特化した、木構造LSTMに基づく埋め込みモデルの設計を目的とする。
• ワークロード埋め込み表現をデータベースシステムのコア機能として統合する可能性を検討することを目的とする。

提案手法

• 分散型bag-of-wordsモデルおよびスキップグラムモデルを用いて、生のSQLテキストのベクトル表現を学習する。
• クエリプランを構造的シーケンスとして扱い、最適化済みクエリプランの埋め込み表現を生成する。
• 木構造LSTM（Long Short Term Memory）ネットワークを用いて、SQLクエリの階層的構文木をモデル化する。
• 大規模な実際のSQLクエリコーパス上で埋め込み表現を学習し、意味的および構造的パターンを捉える。
• クエリ推薦や再利用予測といった下流タスクを用いて埋め込み表現を評価する。
• ワークロード分析におけるタスク固有のベースラインやヒューリスティクスベースの手法と比較して性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 タスク固有のチューニングなしに、SQLクエリおよびプランの汎用的ベクトル表現が複数のワークロード分析タスクを効果的にサポートできるか？
• RQ2 異なる事前処理戦略および表現タイプ（テキスト対プラン）が、ワークロードタスク全体における性能に与える影響はいかほどか？
• RQ3 木構造LSTMは、標準的なテキストベースの埋め込み表現に比べて、SQLワークロードにおいてどの程度性能を向上させるか？
• RQ4 学習された埋め込み表現は、インデックス選択やクエリ再利用予測といった多様なワークロード分析アプリケーションに一般化可能か？
• RQ5 埋め込みベースのワークロード分析が、データベースシステムのコア機能としての可能性をどの程度持つか？

主な発見

• 生のSQLテキストおよび最適化済みクエリプランの単純なベクトル表現が、複数のワークロード分析タスクで競争力のある性能を示し、ヒューリスティクスベースの手法を上回っている。
• 木構造LSTMに基づく埋め込み手法は、SQL構文の構造的理解が求められるタスクにおいて、特に性能を向上させている。
• 大規模なSQLクエリコーパス上で事前学習することで、さまざまなデータベース管理タスクに一般化しやすい強固な埋め込み表現が得られる。
• 提案手法により、クエリ推薦やワークロード要約の精度を維持または向上させながら、タスク固有のヒューリスティクスへの依存が低減されている。
• テキストおよびプラン表現の両方を用いて学習した埋め込み表現は、高コストかつ頻繁に再利用されるクエリを特定するタスクで優れた性能を示している。
• 本研究では、自動データベースメンテナンスや知的アプリケーション向けに、ワークロード埋め込み表現をコアシステム機能として統合する可能性が実証された。