Operatorgraph-Optimierung mithilfe von Machine-Learning für die verteilte Datenbank luposdate-3000

- Bachelor-/Masterarbeit -


Beschreibung:

Das Optimieren von Operatorgraphen ist ein essentieller Bestandteil von jeder Datenbank.
Je besser der Operatorgraph optimiert wird, desto performanter ist die spätere Ergebnis-Berechnung.

Hierbei ist zu beachten, dass für die Optimierung des Operatorgraphen nicht mehr Zeit investiert wird, als für die eigentliche Berechnung.
Aktuelle Machine-Learning Algorithmen sind in der Lage ähnliche Eingaben zu erkennen und entsprechende Ergebnisse zurückzugeben.

Die Idee besteht darin, dass Machine-Learning verwendet wird um Teil-Operatorgraphen (insbesondere Join-Reihenfolgen) zu optimieren.

In der Bachelor/Masterarbeit soll daher ein Machine-Learning Operatorgraph-Optimierer entwickelt werden.
Mittels Kotlin soll der Operatorgraph-Optimierer Multi-Plattform-Unterstützung bieten.
Anschließend soll die Anfragen-Optimierung und Verarbeitung durch Messreihen evaluiert werden.

Anforderungen/Kenntnisse:
Kotlin, Datenbank-Grundkenntnisse, Machine-Learning

Literatur:
[1] Chenggang Wu, Alekh Jindal, Saeed Amizadeh, Hiren Patel, Wangchao Le, Shi Qiao, and Sriram Rao. 2018. Towards a learning optimizer for shared clouds. Proc. VLDB Endow. 12, 3 (November 2018), 210–222. DOI:https://doi.org/10.14778/3291264.3291267

Betreuung:

Benjamin Warnke
Institut für Informationssysteme
Ratzeburger Allee 160 ( Gebäude 64 - 2. OG)
23562 Lübeck
Telefon: 0451 / 3101 5718

Prof. Dr. rer.nat. habil. Sven Groppe
Institut für Informationssysteme
Ratzeburger Allee 160 ( Gebäude 64 - 2. OG)
23562 Lübeck
Telefon: 0451 / 3101 5706