钮泽平,李国良

(清华大学 计算机科学与技术系,北京 100084)

近年来,数据量爆炸式增长.生产环境中,大部分数据都由数据库管理系统进行管理.机器学习算法目前广泛应用于各种数据分析与线上应用场景,然而在易用性方面,由于编写机器学习代码的复杂性且数据分析师更熟悉SQL 而存在较大提升空间;在执行效率方面,由于机器学习算法与数据库操作分离而无法借助数据库查询优化过程进行优化[1,2].数据库提供的SQL 接口具有声明式的特点,用户通过SQL 简练地指定查询任务,无需关注内部实现方法,数据库就可以通过一系列查询处理过程,将查询语句转化为一系列算子操作,利用索引、缓存等进行加速,选取合适的多表连接方案,确保准确而高效地获得数据.机器学习的训练与预测可以看作新的操作符,通过SQL 支持这种新的操作符,一方面可以将数据获取与训练/预测过程通过SQL 进行融合,使系统更易于使用;另一方面,提供了使用数据库优化机器学习算子的可能.已有的工作中,主要为通过数据库的用户定义函数(UDF)功能,对机器学习运算进行支持;或者通过结合硬件特点,利用数据库内联用户定义函数,将声明式查询与命令式数据处理转化为中间表示后统一优化等方式进行加速[2].

然而,在机器学习推理过程的优化中,前人的工作主要集中于通过查询语句中的谓词特点对模型进行剪枝,而对模型特征的利用仍不够彻底.考……