Перейти до вмісту
Наукові вісті КПІ
ISSN 2617-5509 · e‑ISSN 2663-7472 Відкритий доступ · CC BY 4.0
Т. 143 · № 2 · 2026 чер 29, 2026 Робототехніка, автоматизація та системи керування

АВТОНОМНА СИСТЕМА РЕКОМЕНДАЦІЇ ІНДЕКСІВ ДЛЯ РЕЛЯЦІЙНИХ БАЗ ДАНИХ НА ОСНОВІ COST-MODEL ТА PLAN COVERING

ВГ
Віталій Голубінка Відповідальний Національний університет «Львівська політехніка» Україна
Сторінки20-26 Опублікованочер 29, 2026 ЛіцензіяВідкритий доступ
PDF
ТОМ 143 · № 2 · 2026 Переглянути випуск

Анотація

Проблематика. Індексація є ключовим засобом підвищення продуктивності реляційних баз даних, однак ручний вибір індексів залишається складним і суб’єктивним. Зі зростанням обсягів даних підвищуються вимоги до адаптивності систем оптимізації. Підходи на основі машинного та глибокого навчання забезпечують високу точність, але потребують значних ресурсів і мають проблему «холодного старту», що зумовлює необхідність автономних рішень із збалансованими характеристиками точності та складності.

Мета дослідження. Розробка та експериментальна оцінка автономної системи рекомендації індексів, що поєднує модель вартості виконання запитів (Cost-Model) з алгоритмом Plan Covering для підвищення продуктивності виконання запитів у реляційних базах даних за одночасного врахування вартості зберігання індексів.

Методика реалізації. Система має конвеєрну архітектуру та включає аналізатор робочого навантаження, модель вартості й алгоритм Plan Covering. Аналізатор формує профіль запитів, модель вартості оцінює їх виконання з гіпотетичними індексами, а алгоритм здійснює жадібний вибір індексів за співвідношенням вигоди до вартості зберігання. Експериментальну перевірку виконано на синтетичному наборі даних e-commerce системи в середовищі PostgreSQL.

Результати дослідження. Система згенерувала 7 рекомендацій індексів, з яких 6 були успішно створені. Середнє покращення часу виконання запитів склало 22.54%, а найбільше покращення (26.06%) отримано для найбільш часто виконуваного запиту з операцією JOIN. Загальний час виконання всіх запитів зменшився з 0.2751 с до 0.2131 с.

Висновки. Запропоноване поєднання Cost-Model та Plan Covering забезпечує ефективну автоматизацію процесу індексації без використання ресурсоємних нейромережевих підходів, демонструючи суттєве покращення продуктивності та раціональне використання ресурсів зберігання.

 

Ключові слова

#індексація баз даних #оптимізація запитів #автономні системи рекомендацій #модель вартості #Plan Covering

Посилання

  1. [1] S. Huang et al., “Survey on performance optimization for database systems,” Science China Information Sciences, vol. 66, no. 12, pp. 1–22, 2023. https://doi.org/10.1007/s11432-021-3578-6
  2. [2] J. Shi, G. Cong, and X. L. Li, “Learned index benefits: Machine learning based index performance estimation,” Proceedings of the VLDB Endowment, vol. 15, no. 13, pp. 3950–3962, 2022. https://doi.org/10.14778/3565838.3565848
  3. [3] H. Lan, Z. Bao, and Y. Peng, “An index advisor using deep reinforcement learning,” in Proceedings of the 29th ACM International Conference on Information and Knowledge Management (CIKM), 2020, pp. 2105-2108. https://doi.org/10.1145/3340531.3412106
  4. [4] X. Huang, X. Gao, and G. Chen, “Ditune: A reinforcement learning based framework for automated database index selection,” in Proceedings of the 18th International Conference on Ubiquitous Information Management and Communication (IMCOM), 2024, pp. 1-8. https://doi.org/10.1109/IMCOM60618.2024.10418292

Ліцензія

CCBY 4.0
Creative Commons Із зазначенням авторства 4.0 Міжнародна

Ця робота має відкриту ліцензію: вільно поширюйте та адаптуйте її, посилаючись на авторів і журнал. Умови ліцензії ↗

Авторське право (c) 2026 Віталій Голубінка (Автор)

§ 06 — Пов'язані

Схожі статті в цьому журналі

Пов'язані рецензовані дослідження, опубліковані в цьому журналі.
Усі випуски

МОДЕЛЬ МАШИННОГО НАВЧАННЯ ДЛЯ РОЗПІЗНАВАННЯ КОНФІГУРАЦІЙ РУК УКРАЇНСЬКОЇ ЖЕСТОВОЇ МОВИ

Костянтин Д. Грішин, Nadezhda Nedashkovskaya

Проблематика. Розпізнавання жестової мови на основі штучного інтелекту є актуальною, не розв’язаною досі проблемою. Для української жестової мови (УЖМ) задача ускладнена…

#українська жестова мова #машинне навчання #нейронні мережі #комп’ютерний зір
с. 7-19
10.20535/kpisn.2026.2.352330

АЛГОРИТМ БЕЗКАРТОГРАФІЧНОЇ НАВІГАЦІЇ РОБОТА HUSKY НА ОСНОВІ МОДЕЛЕЙ ГЛИБОКОГО НАВЧАННЯ З ПІДКРІПЛЕННЯМ ТА АДАПТИВНОГО НАВЧАЛЬНОГО ПЛАНУ

Дмитро Петренко, Анатолій Протасов

Проблематика. Мобільні колісні роботи сьогодні широко застосовуються у внутрішніх логістичних середовищах різноманітних виробництв, зокрема на складах, у виробничих…

#машинне навчання з підкріпленням #навігація без картографії #мобільні роботи #системи керування
с. 36-43
10.20535/kpisn.2026.2.357072

ІМІТАЦІЙНА МОДЕЛЬ ЦИФРОВОГО ДВІЙНИКА ТЕХНОЛОГІЧНОГО ПРОЦЕСУ ЕНЕРГОБЛОКУ АЕС

Костянтин Бровко, Павло Буданов, Олег Великогорський, Юлія Олійник, Наталія Винокурова, Сергій Войтенко

Проблематика. Сучасні енергоблоки АЕС характеризуються високою структурною складністю, багаторівневою ієрархією інформаційно-керуючих систем та значною кількістю…

#цифровий двійник #енергоблок #фрактальна розмірність #системно-кластерний підхід
с. 36-43
10.20535/kpisn.2026.2.352429

Статті цього автора (цих авторів), які найбільше читають

Схожі статті

1-10 з 84

Ви також можете розпочати розширений пошук схожих статей для цієї статті.