Copertina

How Good are Learned Cost Models, Really? Insights from Query Optimization Tasks

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Heinrich, Roman, Luthra, Manisha, Wehrstein, Johannes, Kornmayer, Harald, Binnig, Carsten
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Databases
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

COSTREAM: Learned Cost Models for Operator Placement in Edge-Cloud Environments
di: Heinrich, Roman, et al.
Pubblicazione: (2024)

Opening The Black-Box: Explaining Learned Cost Models For Databases
di: Heinrich, Roman, et al.
Pubblicazione: (2025)

JOB-Complex: A Challenging Benchmark for Traditional & Learned Query Optimization
di: Wehrstein, Johannes, et al.
Pubblicazione: (2025)

GRACEFUL: A Learned Cost Estimator For UDFs
di: Wehrstein, Johannes, et al.
Pubblicazione: (2025)

PDSP-Bench: A Benchmarking System for Parallel and Distributed Stream Processing
di: Agnihotri, Pratyush, et al.
Pubblicazione: (2025)

Bespoke OLAP: Synthesizing Workload-Specific One-size-fits-one Database Engines
di: Wehrstein, Johannes, et al.
Pubblicazione: (2026)

Redbench: Workload Synthesis From Cloud Traces
di: Wehrstein, Johannes, et al.
Pubblicazione: (2025)

Efficient Learned Query Execution over Text and Tables [Technical Report]
di: Urban, Matthias, et al.
Pubblicazione: (2024)

Towards a Multimodal Stream Processing System
di: Santos, Uélison Jean Lopes dos, et al.
Pubblicazione: (2025)

Do GPUs Really Need New Tabular File Formats?
di: Luo, Jigao, et al.
Pubblicazione: (2026)

PystachIO: Efficient Distributed GPU Query Processing with PyTorch over Fast Networks & Fast Storage
di: Luo, Jigao, et al.
Pubblicazione: (2025)

Benchmarking Analytical Query Processing in Intel SGXv2
di: Lutsch, Adrian, et al.
Pubblicazione: (2024)

High-Performance DBMSs with io_uring: When and How to use it
di: Jasny, Matthias, et al.
Pubblicazione: (2025)

The Stretto Execution Engine for LLM-Augmented Data Systems
di: Sanmartino, Gabriele, et al.
Pubblicazione: (2026)

Reflex: Faster Secure Collaborative Analytics via Controlled Intermediate Result Size Disclosure
di: Gu, Long, et al.
Pubblicazione: (2025)

Unveiling Challenges for LLMs in Enterprise Data Engineering
di: Bodensohn, Jan-Micha, et al.
Pubblicazione: (2025)

Delta: A Learned Mixed Cost-based Query Optimization Framework
di: Peng, Jiazhen, et al.
Pubblicazione: (2025)

Adaptive Cost Model for Query Optimization
di: Vasilenko, Nikita, et al.
Pubblicazione: (2024)

Bootstrapping Learned Cost Models with Synthetic SQL Queries
di: Nidd, Michael, et al.
Pubblicazione: (2025)

Query Repairs
di: Cate, Balder ten, et al.
Pubblicazione: (2025)

CardBench: A Benchmark for Learned Cardinality Estimation in Relational Databases
di: Chronis, Yannis, et al.
Pubblicazione: (2024)

Reqo: A Comprehensive Learning-Based Cost Model for Robust and Explainable Query Optimization
di: Chang, Baoming, et al.
Pubblicazione: (2025)

Conformal Prediction for Verifiable Learned Query Optimization
di: Liu, Hanwen, et al.
Pubblicazione: (2025)

Extremal Fitting Problems for Conjunctive Queries
di: Cate, Balder ten, et al.
Pubblicazione: (2022)

ThriftLLM: On Cost-Effective Selection of Large Language Models for Classification Queries
di: Huang, Keke, et al.
Pubblicazione: (2025)

Learned Offline Query Planning via Bayesian Optimization
di: Tao, Jeffrey, et al.
Pubblicazione: (2025)

Let's Play Tag: Linear Time Evaluation of Conjunctive Queries under TGD Constraints
di: Carmeli, Nofar, et al.
Pubblicazione: (2026)

LIMAO: A Framework for Lifelong Modular Learned Query Optimization
di: Zhang, Qihan, et al.
Pubblicazione: (2025)

CONCERTO: Complex Query Execution Mechanism-Aware Learned Cost Estimation
di: Zhang, Kaixin, et al.
Pubblicazione: (2024)

Exqutor: Extended Query Optimizer for Vector-augmented Analytical Queries
di: Kim, Hyunjoon, et al.
Pubblicazione: (2025)

Risk-Aware GPU-Assisted Cardinality Estimation for Cost-Based Query Optimizers
di: Chang, Ilsun
Pubblicazione: (2025)

Optimizing Data Lakes' Queries
di: Gregory, et al.
Pubblicazione: (2025)

A Query Optimization Method Utilizing Large Language Models
di: Yao, Zhiming, et al.
Pubblicazione: (2025)

Can Large Language Models Be Query Optimizer for Relational Databases?
di: Tan, Jie, et al.
Pubblicazione: (2025)

DuckDB-SGX2: The Good, The Bad and The Ugly within Confidential Analytical Query Processing
di: Battiston, Ilaria, et al.
Pubblicazione: (2024)

Learned Query Optimizer in Alibaba MaxCompute: Challenges, Analysis, and Solutions
di: Weng, Lianggui, et al.
Pubblicazione: (2026)

PLOP: Cost-Based Placement of Semantic Operators in Hybrid Query Plans
di: Mang, Qiuyang, et al.
Pubblicazione: (2026)

Low Rank Learning for Offline Query Optimization
di: Yi, Zixuan, et al.
Pubblicazione: (2025)

Is Your Learned Query Optimizer Behaving As You Expect? A Machine Learning Perspective
di: Lehmann, Claude, et al.
Pubblicazione: (2023)

Query Optimization in the Wild: Realities and Trends
di: Tian, Yuanyuan
Pubblicazione: (2025)