Operatorgraph-Optimierung mithilfe von Machine-Learning für die verteilte Datenbank luposdate-3000
- Bachelor-/Masterarbeit -
Beschreibung:
Das Optimieren von Operatorgraphen ist ein essentieller Bestandteil von jeder Datenbank.
Je besser der Operatorgraph optimiert wird, desto performanter ist die spätere Ergebnis-Berechnung.
Hierbei ist zu beachten, dass für die Optimierung des Operatorgraphen nicht mehr Zeit investiert wird, als für die eigentliche Berechnung.
Aktuelle Machine-Learning Algorithmen sind in der Lage ähnliche Eingaben zu erkennen und entsprechende Ergebnisse zurückzugeben.
Die Idee besteht darin, dass Machine-Learning verwendet wird um Teil-Operatorgraphen (insbesondere Join-Reihenfolgen) zu optimieren.
In der Bachelor/Masterarbeit soll daher ein Machine-Learning Operatorgraph-Optimierer entwickelt werden.
Mittels Kotlin soll der Operatorgraph-Optimierer Multi-Plattform-Unterstützung bieten.
Anschließend soll die Anfragen-Optimierung und Verarbeitung durch Messreihen evaluiert werden.
Anforderungen/Kenntnisse:
Kotlin, Datenbank-Grundkenntnisse, Machine-Learning
Bearbeitung:
Kevin Martens
Ergebnis:
Die Ausarbeitung kann im Institut für Informationssysteme angefordert werden.
Betreuung:
Benjamin Warnke
Institut für Informationssysteme
Ratzeburger Allee 160 ( Gebäude 64 - 2. OG)
23562 Lübeck
Telefon: 0451 / 3101 5718
Prof. Dr. rer.nat. habil. Sven Groppe
Institut für Informationssysteme
Ratzeburger Allee 160 ( Gebäude 64 - 2. OG)
23562 Lübeck
Telefon: 0451 / 3101 5706