• Новый подход к оптимизации запросов разработан в Центре ИИ МГУ.
• Метод основан на анализе сходства планов выполнения запросов для ускорения работы баз данных.
• Оптимизация запросов играет важную роль в обработке информации.
• Встроенные механизмы оптимизации не всегда находят эффективный вариант для сложных SQL-запросов.
• Предложен подход процессной ИИ-аналитики (LLM-PM) с использованием предобученных векторных представлений планов выполнения запросов.
• Система сравнивает новый запрос с ранее выполненными и предлагает подсказки для оптимизатора на основе сходства планов.
• Такой подход позволяет улучшать производительность без дополнительного обучения модели.
• Эксперименты проводились на эталонных наборах данных для оценки производительности.
• Предложенный метод в среднем сократил время выполнения запросов на 21%.
• Подход не требует длительного предварительного обучения и может использовать информацию о выполненных запросах для улучшения работы системы.

«Мы исследовали, как предобученные векторные представления планов выполнения запросов могут использоваться для повышения производительности баз данных. Такой подход позволяет улучшать работу системы без дополнительного обучения специализированных моделей», – отметил младший научный сотрудник Центра ИИ МГУ Владимир Бурлаков.