9月18日消息,在多维索引表格上进行扫描和筛选是现代分析型数据库引擎的关键技术。为了对这些操作进行优化,数据库常建立起聚类的索引结构(indexes),如R-Trees,Z-ordering等,然而这些索引结构在不同的数据集以及查询集合下很难进行统一优化。MIT的研究人员在论文《Learning Multi-dimensional Indexes》中,提出了名为Flood的多维学习索引结构。通过同时优化索引结构以及存储布局,这种结构自动地调整自身以适应具体数据集和查询集合。该工作用来为端到端学习型数据库系统构建索引模块。