[논문 리뷰] Least expected cost query optimization: an exercise in utility

Francis C. Chu, Joseph Y. Halpern외 1명|ArXiv.org|1999. 09. 21.

Advanced Database Systems and Queries참고 문헌 13인용 수 7

한 줄 요약

이 논문은 시스템 파라미터의 불확실성을 모델링하여 예상 비용이 가장 낮은 실행 계획을 선택하는 쿼리 최적화 기법을 제안한다. 기존 최적화기들은 시스템 파라미터의 고정값 또는 기대값을 가정하지만, 본 논문은 이를 초월하여 변동성이 높은 환경에서도 성능을 향상시키며, 기대값 최적화보다 더 뛰어난 강건성을 보인다. System R 방식의 최적화기와 확률적 비용 추정을 통합함으로써, 이 방법은 높은 변동성 환경에서 성능 향상을 이룬다.

ABSTRACT

We identify two unreasonable, though standard, assumptions made by database query optimizers that can adversely affect the quality of the chosen evaluation plans. One assumption is that it is enough to optimize for the expected case---that is, the case where various parameters (like available memory) take on their expected value. The other assumption is that the parameters are constant throughout the execution of the query. We present an algorithm based on the ``System R''-style query optimization algorithm that does not rely on these assumptions. The algorithm we present chooses the plan of the least expected cost instead of the plan of least cost given some fixed value of the parameters. In execution environments that exhibit a high degree of variability, our techniques should result in better performance.

연구 동기 및 목표

• 메모리 및 I/O와 같은 시스템 파라미터에 대해 고정값 또는 기대값을 가정하는 기존 쿼리 최적화기의 한계를 해결하기 위해.
• 쿼리 처리 중 시스템 파라미터가 크게 변동하는 동적 환경에서 쿼리 실행 성능을 향상시키기 위해.
• 기본값이 아닌 파라미터 분포에 따른 기대 비용을 기반으로 계획을 선택하는 쿼리 최적화 프레임워크를 개발하기 위해.
• 최소 기대 비용 최적화가 기존의 비용 기반 최적화보다 더 강건하고 효율적인 쿼리 계획을 도출함을 입증하기 위해.

제안 방법

• 가용 메모리 및 I/O 속도와 같은 시스템 파라미터의 확률적 모델을 통합하여 System R 쿼리 최적화 알고리즘을 수정한다.
• 고정값을 가정하는 대신, 확률 분포를 사용하여 파라미터의 불확실성을 모델링한다.
• 불확실한 파라미터의 결합 분포를 통합하여 각 쿼리 계획의 기대 비용을 계산한다.
• 동적 프로그래밍을 사용하여 계획 공간을 탐색하고 기대 비용이 최소인 계획을 선택한다.
• 다양한 파라미터 실현값에서 실행 시간과 자원 사용의 변동성을 고려한 비용 모델을 활용한다.
• 전통적인 비용 기반 최적화를 확장하여 확률적 파라미터를 처리할 수 있도록 하여, 불확실성 하에서도 강건한 계획 선택을 가능하게 한다.

실험 결과

연구 질문

• RQ1 높은 변동성 환경에서 시스템 파라미터를 일정하거나 기대값으로 가정할 경우 쿼리 최적화 성능은 어떻게 저하되는가?
• RQ2 기대 비용 추정을 통해 파라미터 불확실성을 고려하는 쿼리 최적화기가 기존 최적화기보다 뛰어난 성능을 보일 수 있는가?
• RQ3 파라미터 분포를 모델링하는 것이 최적의 쿼리 실행 계획 선택에 어떤 영향을 미치는가?
• RQ4 최소 기대 비용 접근법은 기대값 최적화에 비해 계획 품질과 실행 효율성 측면에서 어떻게 비교되는가?

주요 결과

• 제안된 최소 기대 비용 최적화 방법은 고정값 또는 기대값을 가정하는 기존 최적화기보다 더 강건한 쿼리 실행 계획을 도출한다.
• 파라미터 불확실성을 모델링함으로써, 예상치 못한 파라미터 변동으로 인한 고비용 계획 선택 위험을 줄인다.
• 특히 파라미터 분포가 균일하거나 비대칭일 경우, 높은 변동성 환경에서 성능 향상이 뚜렷하다.
• 확률적 비용 추정의 사용은 다양한 시스템 조건에서 장기적인 평균 성능을 향상시킨다.