## Memo ## Abstract 最近の「[[Learned Index]]」の研究は、数十年の歴史を持つDBMSのインデックス作成分野の見方を変えている。そのキーポイントは、インデックスをデータセット内のキーの位置を予測する「モデル」として考えることができるということです。つまり、インデックスを学習することができるのです。Kraskaらによる最初の研究は、学習されたインデックスがB+Treeよりも、検索時間では最大3倍、メモリフットプリントでは1桁も優れていることを示しています。しかし、これは静的な読み取りのみの作業負荷に限定される。 本論文では、ALEXと呼ばれる新しい学習型インデックスを紹介し、ポイント検索、短距離クエリー、挿入、更新、削除が混在する作業負荷に対して学習型インデックスを実装する際に生じる実用的な問題に対処する。ALEXは、学習型インデックスから得られる主要な知見を、実績のあるストレージやインデックス作成技術と効果的に組み合わせることで、高い性能と低いメモリフットプリントを実現します。読み取り専用のワークロードにおいて、ALEXはKraskaらの学習済みインデックスに比べ、最大15倍のインデックスサイズで最大2.2倍の性能を達成した。また、読み書きのワークロードでは、ALEXはB+Treesよりも最大4.1倍性能が良く、インデックスサイズも最大2000倍小さくなっています。ALEXは、学習型インデックスの実用化に向けた重要なステップであり、動的更新を伴うより幅広い種類のデータベース作業負荷に対応できると考えています。 [[2020__SIGMOD__ALEX - An Updatable Adaptive Learned Index__translations]]