FOSS: 查询优化器的自学医生
原文中文，约400字，阅读约需1分钟。发表于：。本研究介绍了一种基于深度强化学习的查询优化框架 FOSS，通过在传统优化器生成的原始计划基础上逐步优化子节点，采用模拟环境进行学习和改进，通过实验证明 FOSS 在延迟性能和优化时间方面优于现有方法，相比 PostgreSQL，在不同基准测试中实现了 15％到 83％的延迟节约。
Decision-Focused Learning（DFL）是一种新兴的学习范例，用于训练机器学习模型来预测不完整优化问题的缺失参数。DFL通过集成预测和优化任务，在端到端系统中训练机器学习模型，从而更好地匹配训练和测试目标。研究发现，模型的鲁棒性与其能否找到导致最佳决策且不偏离基本真实标签的预测高度相关。同时，研究还发现了针对违反此条件的模型的方法。
