Core Concepts
学習済みインデックス構造を効率的に再トレーニングするためのアルゴリズムとハードウェア共同設計により、SIAは高いシステムクエリスループットを実現します。
Abstract
学習済みインデックスはキーとその対応位置のマッピングを学習し、更新されたキーに対応するために頻繁な再トレーニングが必要。
SIAはメモ化ベースの増分トレーニング手法を開発し、FPGAアクセラレータを活用して性能向上を実現。
SIA-accelerated learned indexesはYCSBとTwitter cache traceで2.6〜3.4倍の高いスループットを提供。
アルゴリズムとハードウェア共同設計
線形回帰トレーニングはQR分解技術を使用し、全てのキー位置ペアを処理している。
SIAではメモ化されたQR分解アルゴリズムが導入され、計算負荷が削減される。
FPGAアクセラレータはトレーニングプロセスをオフロードし、CPUリソースを解放して推論処理を高速化。
メモ化されたQR分解
メモ化されたQR分解により、再トレーニング時間が大幅に削減されることが示唆される。
訓練時間が依然として長い場合、FPGAアクセラレータでさらなる高速化が必要。
Stats
学習済みインデックスシステムでは毎回全てのキー位置ペアが処理される。
SIA-accelerated learned indexesはYCSBとTwitter cache traceで2.6〜3.4倍の高いスループットを提供。