학습된 카디널리티 추정기는 기계 학습 기법을 활용함으로써 추정 정확도에서 괄목할 만한 개선을 보였으나, 질의 최적화기에 배치될 경우 비효율적이거나 차선의 쿼리 계획을 초래하는 문제를 겪는다. ASM은 엔드투엔드 실행 시간 측면에서 기존 접근법을 유의하게 능가하는 새로운 학습 기반 카디널리티 추정기이다. 본 시연은 순차적(autoregressive) 모델, 샘플링, 다차원 통계 병합을 활용하는 내부 추정 과정을 보여주며, 그 성능을 다른 대안들과 비교한다. 이를 위해 추정 결과를 활용한 상세한 계획 공간 탐색을 시각화한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.