Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2509.20781

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2509.20781 (cs)
[提交于 2025年9月25日 ]

标题: Sig2Model:一种可更新学习索引的提升驱动模型

标题: Sig2Model: A Boosting-Driven Model for Updatable Learned Indexes

Authors:Alireza Heidari, Amirhossein Ahmad, Wei Zhang, Ying Xiong
摘要: 学习索引(LIs)通过使用机器学习模型来近似排序数据的累积分布函数(CDF),实现了从传统索引结构到新范式的转变。 虽然LIs在静态数据集上表现出色,但在动态更新下性能会下降:保持CDF不变(F(k)之和等于1)需要全局模型重新训练,这会阻塞查询并限制每秒查询数(QPS)指标。 当前方法未能有效解决这些重新训练成本,因此不适合具有频繁更新的真实工作负载。 在本文中,我们提出了Sig2Model,这是一种高效且自适应的学习索引,通过三种关键技术最小化重新训练成本:(1)一种逻辑回归提升近似技术,通过局部逻辑函数近似数据分布的变化来动态调整索引模型,同时保持有界误差保证并推迟完整重新训练;(2)通过高斯混合模型(GMMs)进行主动更新训练,识别高更新概率区域以进行战略占位符分配,加快更新速度;以及(3)一种神经联合优化框架,通过基于梯度的学习持续优化逻辑函数集合和GMM参数。 我们在真实世界和合成工作负载上对最先进的可更新学习索引进行了评估,并表明 Sig2Model将重新训练成本降低了最多20倍,QPS提高了最多3倍,并且内存使用量减少了最多1000倍。
摘要: Learned Indexes (LIs) represent a paradigm shift from traditional index structures by employing machine learning models to approximate the cumulative distribution function (CDF) of sorted data. While LIs achieve remarkable efficiency for static datasets, their performance degrades under dynamic updates: maintaining the CDF invariant (sum of F(k) equals 1) requires global model retraining, which blocks queries and limits the queries-per-second (QPS) metric. Current approaches fail to address these retraining costs effectively, rendering them unsuitable for real-world workloads with frequent updates. In this paper, we present Sig2Model, an efficient and adaptive learned index that minimizes retraining cost through three key techniques: (1) a sigmoid boosting approximation technique that dynamically adjusts the index model by approximating update-induced shifts in data distribution with localized sigmoid functions while preserving bounded error guarantees and deferring full retraining; (2) proactive update training via Gaussian mixture models (GMMs) that identifies high-update-probability regions for strategic placeholder allocation to speed up updates; and (3) a neural joint optimization framework that continuously refines both the sigmoid ensemble and GMM parameters via gradient-based learning. We evaluate Sig2Model against state-of-the-art updatable learned indexes on real-world and synthetic workloads, and show that Sig2Model reduces retraining cost by up to 20x, achieves up to 3x higher QPS, and uses up to 1000x less memory.
评论: 22页,11图
主题: 机器学习 (cs.LG) ; 数据库 (cs.DB); 性能 (cs.PF)
引用方式: arXiv:2509.20781 [cs.LG]
  (或者 arXiv:2509.20781v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2509.20781
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Alireza Heidari [查看电子邮件]
[v1] 星期四, 2025 年 9 月 25 日 06:07:13 UTC (2,714 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-09
切换浏览方式为:
cs
cs.DB
cs.PF

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号