贝叶斯不确定性引导的早停框架ESTune——OceanBase 校企联合研究
摘要
OceanBase联合河南师范大学软件学院与华东师范大学数据科学与工程学院撰写的ESTune论文被数据库领域会议 SIGMOD 2026录用。通过对性能不佳的配置引入早停机制，ESTune 成功打破了迭代式数据库调优中的效率瓶颈。具体而言，ESTune 结合贝叶斯网络，利用部分执行数据（即分段性能指标）对低效配置的最终性能进行可靠预测。
请登录后发表评论
登录
全部评论
OceanBase 学术前沿
- 目录
- 学术加油站｜面向HTAP数据库的基准评测工具研究进展
- 国际顶会收录 OceanBase 论文：三项技术创新使查询延迟最多减少 3.1 倍
- LoVR：面向长视频的多模态检索基准——OceanBase 校企联合研究
- 贝叶斯不确定性引导的早停框架ESTune——OceanBase 校企联合研究
- DeepK 自动程序修复框架论文——OceanBase 校企联合研究
- APQO自适应参数化查询优化框架——OceanBase 校企联合研究成果
- 主流关系型数据库系统缺陷实证研究——OceanBase 校企联合研究
- 基于分层协作多智能体的数据库参数调优——OceanBase 校企研究
- OceanBase联合研究成果：三层协同，让数据在混合内存中“各得其所”
- 学术加油站｜HIST，面向海量数据的学习型多维直方图
- 学术加油站｜机器学习应用在数据库调优领域的前沿工作解读
- CNCC技术论坛｜分布式数据库HTAP的探索与实践
- 学术加油站｜FLAT，一个轻量且高效的基数估计模型
- Paper Time｜开放式时空大数据助力智能公交路线规划
- 7.07亿TPC-C背后的技术突破，OceanBase研究成果入选VLDB
- 国际顶会收录 OceanBase 工作：缓解 LSM 性能尖峰，同时优化延迟和吞吐
