Back to search

National and Kapodistrian University of Athens

What Drives Learned Optimizer Performance? A Systematic Evaluation

Abstract

dc:description

Το query optimization είναι μια σαφώς καθορισμένη και εξαιρετικά έξυπνη διαδικασία, ένας ακρογωνιαίος λίθος των συστημάτων διαχείρισης βάσεων δεδομένων, που εμπερικλείει δεκαετίες εμπειρικής γνώσης και εφευρετικότητας. Καθώς οι κλασσικές λύσεις ξεκινούν να πληρώνουν το τίμημα που προκαλούν τα λίγα (αλλα σημαντικά) ελαττώματα στον σχεδιασμό τους, μια νεα γενιά απο Learned Query Optimizers (LQOs) υπόσχεται να υπερβεί τις συγκεκριμένες αδυναμίες και να αναθεωρήσει το τοπίο των βάσεων δεδομένων. Ενώ η έρευνα σε αυτό το πεδίο συνεχίζει να ανθίζει, η ύπαρξη ενός framework που θέτει τέτοια συστήματα «κάτω από το μικροσκόπιο» και τα αναλύει διεξοδικά γίνεται ύψιστης σημασίας, ώστε η ερευνητική κοινότητα να κατανοήσει ποιοι παράγοντες καθοδηγούν την απόδοσή τους. Στην παρούσα διπλωματική, προτείνουμε ένα συστηματικό framework που επικεντρώνεται γύρω απο πέντε βασικά evaluation dimensions: performance, robustness, learning procedure, internal decision-making και generalization. Στη συνέχεια, αξιοποιούμε το εν λόγω πλαίσιο για να συγκρίνουμε την απόδοση του κλασικού optimizer με πέντε από τις πιο εξέχουσες λύσεις LQO. Τα ευρήματά μας δείχνουν ότι: α) ως προς το performance, τα LQOs εντοπίζουν τα μεγαλύτερα «παράθυρα ευκαιρίας» σε περιβάλλοντα όπου ο classic optimizer είναι επιρρεπής στο να αποτύγχάνει, β) τα regression-based LQOs είναι εξαιρετικά ευαίσθητα στη σειρά των workloads και μεγιστοποιούν την αποτελεσματικότητά τους όταν εκτίθενται σε ascending complexity curriculum, γ) ο τρόπος με τον οποίο παρακολουθείται το training progress έχει άμεση επίδραση στην ταχύτητα και τη σταθερότητα του model convergence, δ) η επιτυχία των LQOs προέρχεται άμεσα από την αρχιτεκτονική των μοντέλων τους και πως δομούν το embedding space τους, και τέλος ε) ο κλασσικός optimizer εξακολουθεί να αποτελεί την προτιμώμενη λύση για οτιδήποτε σχετίζεται με generalization.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Μπαρμπαρούσης Κωνσταντίνος-Νικόλαος
  • Mparmparousis Konstantinos-Nikolaos

Subjects

dc:subject × 2

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:5311327

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Μπαρμπαρούσης Κωνσταντίνος-Νικόλαος; Mparmparousis Konstantinos-Nikolaos. What Drives Learned Optimizer Performance? A Systematic Evaluation. 2025. https://pergamos.lib.uoa.gr/uoa/dl/object/5311327