• 전체
  • 전자/전기
  • 통신
  • 컴퓨터
로그인 회원가입 About Us 이용안내
사이트맵
닫기

사이트맵

Loading..

Please wait....

홈 홈 > 연구문헌 >

Current Result Document : 8 / 65 이전건 이전건   다음건 다음건

한글제목(Korean Title) DPPML : 메타러닝을 활용한 데이터베이스 성능 예측
영문제목(English Title) DPPML : Database Performance Prediction with Meta-Learning
저자(Author) 염찬호   이지은   박상현   Chanho Yeom   Jieun Lee   Sanghyun Park  
원문수록처(Citation) VOL 49 NO. 01 PP. 0106 ~ 0108 (2022. 06)
한글내용
(Korean Abstract)		 데이터베이스의 성능을 높이기 위해서는 데이터베이스에 존재하는 다양한 Knob을 조정해야 한다. Knob의 적절한 값을 찾아가는 과정을 데이터베이스 튜닝이라고 하고, 이를 위해서는 빠르게 성능을 예측할 수 있는 신뢰도가 높은 모델이 요구된다. 하지만 성능을 예측하는 모델을 학습시키는 데에는 많은 양의 데이터가 필요하다. 어느 워크로드 환경의 데이터베이스인지에 따라 데이터 패턴이 다양하기 때문에 기존에 학습한 모델일지라도 워크로드 환경이 다르면 모델을 새로 학습해야 하는 경우도 있다. 따라서 본 논문에서는 메타러닝을 적용하여 기존의 데이터셋으로부터 학습한 모델이 새로운 데이터셋에 대해서도 적은 샘플로 빠르게 학습 가능한 DPPML을 제안한다. 실험을 통해 새로운 데이터 셋에 대해 일반적인 사전학습 모델과 제안하는 모델간의 학습 수렴 속도와 예측 정확도를 비교하였고 다양한 데이터 샘플 개수에 대해 실험하여 모델의 우수성을 검증하였다.
영문내용
(English Abstract)
키워드(Keyword)
파일첨부 PDF 다운로드

목록