KathDB-FAO：多模态数据库管理系统中的合成查询计划
KathDB-FAO: Synthesized Query Plans in a Multimodal DBMS
- University of Washington（华盛顿大学）
- Teradata（天睿数据）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
KathDB-FAO为多模态数据库系统设计了一种新查询执行子系统，将自然语言查询转化为合成函数组成的执行计划，在SemBench上平均降低执行成本58.8%，且质量相当或更优。
AI中文摘要：
我们设计、实现并评估了KathDB-FAO，这是为我们的KathDB多模态数据库管理系统（DBMS）设计的一个新的查询执行子系统。KathDB-FAO以自然语言（NL）形式的查询作为输入，并将其转换为查询执行计划，其中每个算子都是一个函数，其函数体在查询评估期间被合成，从而实现强大的查询特定优化。为了从自然语言生成准确且高效的执行计划，KathDB-FAO首先提取细粒度的原子动作以确保正确性，然后为这些动作的输入和输出建立契约，并将它们分组以提高效率，最后为每个组即时合成函数。在SemBench基准测试上，与次优系统相比，KathDB-FAO在各类场景中将执行成本平均降低了58.8%，同时输出质量相当或更优。
英文摘要：
We design, implement, and evaluate KathDB-FAO, a new query evaluation subsystem for our KathDB multimodal DBMS. KathDB-FAO takes as input a query in natural language (NL) and converts it into a query execution plan where each operator is a function whose body is synthesized during query evaluation, which allows powerful query-specific optimizations. To generate accurate and efficient plans from NL, KathDB-FAO first extracts fine-grained atomic actions for correctness, then establishes contracts on the inputs and outputs of those actions and groups them for efficiency, and finally synthesizes the function for each group on the fly. On SemBench, KathDB-FAO cuts execution cost by 58.8% on average across scenarios compared with the next best system, at comparable or better quality.
