Доклад посвящён использованию эмбеддингов планов выполнения SQL-запросов для ускорения работы баз данных. Предлагается метод, который преобразует планы выполнения в векторные представления, полученные от языковой модели, и по ним ищет похожие случаи среди ранее изученных запросов. Это позволяет без дополнительного обучения повторно использовать уже найденные удачные настройки оптимизатора. Отдельно рассматривается эксперимент, показывающий, что эмбеддинги могут служить практичной альтернативой ручному кодированию признаков планов без ухудшения качества.

Литература:

1. Peter Akioyamen, Zixuan Yi, and Ryan Marcus. The unreasonable effectiveness of llms for query optimization, 2024.
2. Christoph Anneser, Nesime Tatbul, David Cohen, Zhenggang Xu, Prithviraj Pandian, Nikolay Laptev, and Ryan Marcus. Autosteer: Learned query optimization for any sql database. Proc. VLDB Endow., 16(12):3515–3527, August 2023.
3. Zhaodonghui Li, Haitao Yuan, Huiming Wang, Gao Cong, and Lidong Bing. Llmr2: A large language model enhanced rule-based rewrite system for boosting query efficiency, 2024.
4. Ryan Marcus, Parimarjan Negi, Hongzi Mao, Nesime Tatbul, Mohammad Alizadeh, and Tim Kraska. Bao: Making learned query optimization practical. In Proceedings of the 2021 International Conference on Management of Data, SIGMOD ’21, page 1275–1288, New York, NY, USA, 2021. Association for Computing Machinery.
5. Jie Tan, Kangfei Zhao, Rui Li, Jeffrey Yu, Chengzhi Piao, Hong Cheng, Helen Meng, Deli Zhao, and Yu Rong. Can large language models be query optimizer for relational databases?, 02 2025.
6. Lucas Woltmann, Jerome Thiessat, Claudio Hartmann, Dirk Habich, and Wolfgang Lehner. Fastgres: Making learned query optimizer hinting effective. Proc. VLDB Endow., 16(11):3310–3322, July 2023.
7. Xianghong Xu, Zhibing Zhao, Tieying Zhang, Rong Kang, Luming Sun, and Jianjun Chen. Coool: A learning-to-rank approach for sql hint recommendations, 2023.
8. Zongheng Yang, Wei-Lin Chiang, Sifei Luan, Gautam Mittal, Michael Luo, and Ion Stoica. Balsa: Learning a query optimizer without expert demonstrations. In Proceedings of the 2022 International Conference on Management of Data, SIGMOD ’22, page 931–944, New York, NY, USA, 2022. Association for Computing Machinery.
9. Sergey Zinchenko and Sergey Iazov. Hero: Hint-based efficient and reliable query optimizer, 2024.