PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2610.08089v2cs.DB

실행 계획이 결과를 바꿀 때: 시맨틱 쿼리를 위한 비용-정확도 최적화 공식화

When Plans Change Answers: Formalizing Cost-Accuracy Optimization for Semantic Queries

시맨틱 쿼리 엔진에서는 머신러닝 모델을 통해 술어(predicate)가 평가되므로, 쿼리 실행 계획의 선택이 쿼리 비용뿐만 아니라 그 결과에도 영향을 미칩니다. 기존 시스템들은 조인을 거치며 오차가 어떻게 전파되는지 고려하지 않은 채, 각 시맨틱 연산자에 고정된 임계값을 적용하거나 연산자별로 정확도를 튜닝합니다. 본 논문에서는 이러한 쿼리에 대한 비용-정확도 최적화 문제를 공식적으로 정의합니다. 우리의 출발점은 Jev와 같은 의사결정 모델이 각 결정에 부여하는 보정된 신뢰도(calibrated confidence)입니다. 이는 모든 결정에 대한 기대 오차를 산출하며, 각 결정이 출력에 미치는 기여도(가장 단순한 경우 팬아웃(fan-out))로 이 오차들에 가중치를 부여하면 레이블이 지정된 데이터 없이도 계획의 기대 출력 품질을 얻을 수 있습니다. 또한 동일한 계산을 역으로 수행하면 출력 수준의 정확도 목표를 각 기본 튜플 또는 중간 튜플에 대한 비용으로 변환할 수 있습니다. 이를 바탕으로 우리는 시맨틱 연산자를 포함하는 관계 대수를 위한 오라클 의미론, 논리적 계획과 결정 정책의 쌍으로 이루어진 물리적 계획, 선언적 출력 수준 목표, 그리고 계획 동등성 계층 구조를 정의합니다. 우리는 점별 결정론적(pointwise-deterministic) 정책 하에서는 정확도가 계획에 불변함을 보이고, 승격 대역(escalation band)이 계획 자체의 후보군에 맞춰 보정될 때 셀렉션 푸시다운(selection pushdown)이 품질 건전성(quality-soundness)을 보장하지 않음을 보입니다. 기대 품질은 백 의미론(bag semantics) 하에서는 다항 시간에 계산될 수 있으며, 세트 의미론(set semantics) 하에서는 모든 릴레이션이 시맨틱 술어를 가질 때 튜플 독립적 확률적 데이터베이스의 이분법을 따릅니다. 어떤 튜플을 삭제할지 선택하는 것은 NP-난해인 반면, 최적화 문제는 두 개의 라그랑주 승수를 통해 튜플별 결정으로 분해되며, 우리가 신뢰도 중심 건너뛰기(confidence-centric skipping)라고 부르는 기법을 통해 목표에 더 이상 영향을 미치지 않는 튜플은 점수를 매기지 않고 건너뜁니다. 합성 워크로드에 대한 시뮬레이션은 이러한 효과들을 보여주며, 실제 엔진에서의 평가는 향후 과제로 남겨둡니다.