Normal view MARC view ISBD view

Employing Machine Learning in Query Optimization / (Record no. 171832)

MARC details
000 -LEADER
fixed length control field	05446namaa22004331i 4500
003 - CONTROL NUMBER IDENTIFIER
control field	OSt
005 - أخر تعامل مع التسجيلة
control field	20250612113334.0
008 - FIXED-LENGTH DATA ELEMENTS--GENERAL INFORMATION
fixed length control field	250503s2024 ua a\|\|\|frm\|\|\| 000 0 eng d
040 ## - CATALOGING SOURCE
Original cataloguing agency	EG-GICUC
Language of cataloging	eng
Transcribing agency	EG-GICUC
Modifying agency	EG-GICUC
Description conventions	rda
041 0# - LANGUAGE CODE
Language code of text/sound track or separate title	eng
Language code of summary or abstract	eng
--	ara
049 ## - Acquisition Source
Acquisition Source	Deposit
082 04 - DEWEY DECIMAL CLASSIFICATION NUMBER
Classification number	005.31
092 ## - LOCALLY ASSIGNED DEWEY CALL NUMBER (OCLC)
Classification number	005.31
Edition number	21
097 ## - Degree
Degree	M.Sc
099 ## - LOCAL FREE-TEXT CALL NUMBER (OCLC)
Local Call Number	Cai01.20.04.M.Sc.2024.Mo.E
100 0# - MAIN ENTRY--PERSONAL NAME
Authority record control number or standard number	Mohammed Ramadan,
Preparation	preparation.
245 10 - TITLE STATEMENT
Title	Employing Machine Learning in Query Optimization /
Statement of responsibility, etc.	by Mohammed Ramadan ; Supervision Prof. Dr. Ihab Ezzat, Prof. Dr. Hoda M. O. Mokhtar, Dr. Ayman Elkilany.
246 15 - VARYING FORM OF TITLE
Title proper/short title	توظيف تعلم الاله في امثلية الاستعلام /
264 #0 - PRODUCTION, PUBLICATION, DISTRIBUTION, MANUFACTURE, AND COPYRIGHT NOTICE
Date of production, publication, distribution, manufacture, or copyright notice	2024.
300 ## - PHYSICAL DESCRIPTION
Extent	71 leaves :
Other physical details	illustrations ;
Dimensions	30 cm. +
Accompanying material	CD.
336 ## - CONTENT TYPE
Content type term	text
Source	rda content
337 ## - MEDIA TYPE
Media type term	Unmediated
Source	rdamedia
338 ## - CARRIER TYPE
Carrier type term	volume
Source	rdacarrier
502 ## - DISSERTATION NOTE
Dissertation note	Thesis (M.Sc)-Cairo University, 2024.
504 ## - BIBLIOGRAPHY, ETC. NOTE
Bibliography, etc. note	Bibliography: pages 71-66.
520 ## - SUMMARY, ETC.
Summary, etc.	With the current availability of massive datasets and scalability requirements,<br/>different systems are required to provide their users with the best performance<br/>possible in terms of speed. On the physical level, performance can be translated into<br/>queries’ execution time in database management systems(DBMS). Queries have to<br/>execute efficiently (i.e. in minimum time) to meet users’ needs, which puts an<br/>excessive burden on the DBMS. In this thesis, we mainly focus on enhancing the<br/>query optimizer, which is one of the main components in DBMS that is responsible<br/>for choosing the optimal query execution plan and consequently determines the query<br/>execution time. Inspired by recent research in reinforcement learning in different<br/>domains, this thesis proposes Deep Reinforcement Learning Based Query Optimizer<br/>(RL_QOptimizer), a new approach to find the best policy for join order in the query<br/>plan which depends solely on the reward system of reinforcement learning. The<br/>experimental results show a notable advantage of the proposed approach against the<br/>existing query optimization model of PostgreSQL DBMS. However, changes in the<br/>data distribution can make trained reinforcement learning models outdated, resulting<br/>in longer execution times. To address such a challenge, the thesis also proposes an<br/>online training strategy in order to extend the existing reinforcement learning models<br/>and improve their adaptation when the data distribution changes.
520 ## - SUMMARY, ETC.
Summary, etc.	مع الازدياد المستمر في حجم قواعد البيانات والحاجة إلى التوسع، أصبح من الضروري تطوير أنظمة توفر أفضل أداء ممكن من حيث السرعة. على المستوى المادي، يمكن ترجمة الأداء إلى وقت تنفيذ الاستعلامات في أنظمة إدارة قواعد البيانات (DBMS). يتعين تنفيذ الاستعلامات بأعلى درجات الكفاءة، أي في أقل وقت ممكن، لتلبية المتطلبات المتزايدة للمستخدمين، الأمر الذي يفرض ضغوطاً كبيرة على أنظمة إدارة قواعد البيانات. في هذه الرسالة، نولي اهتمامًا خاصًا لتطوير وتحسين مُحسِّن الاستعلام، العنصر الأساسي في أنظمة إدارة قواعد البيانات وهو المسؤول عن انتقاء أنسب خطة لتنفيذ الاستعلامات، مما يؤثر بشكل مباشر على مدة تنفيذ هذه الاستعلامات. مستوحاة من التطورات الأخيرة في مجال التعلم المعزز (Reinforcement Learning) في مجالات مختلفة، تقترح هذه الأطروحة مُحسِّن الاستعلام القائم على التعلم المعزز العميق (RL_QOptimizer)، وهو نهج جديد يعتمد على نظام المكافآت في التعلم المعزز لتحديد أفضل طريقة لترتيب ربط الجداول في خطة الاستعلام. تُظهر النتائج التجريبية تفوقًا واضحًا للنهج المقترح مقارنةً بنموذج تحسين الاستعلام في نظام PostgreSQL DBMS. ومع ذلك، فإن التغييرات في توزيع البيانات يمكن أن تجعل نماذج التعلم المعزز المدربة قديمة، مما ينتج عنه أوقات تنفيذ أطول. لمواجهة هذا التحدي، تقترح الأطروحة أيضًا استراتيجية تدريب مباشر لتعزيز قدرات نماذج التعلم المعزز القائمة وتحسين قدرتها على التكيف مع التغيرات في توزيع البيانات.
530 ## - ADDITIONAL PHYSICAL FORM AVAILABLE NOTE
Issues CD	Issues also as CD.
546 ## - LANGUAGE NOTE
Text Language	Text in English and abstract in Arabic & English.
650 #7 - SUBJECT ADDED ENTRY--TOPICAL TERM
Topical term or geographic name entry element	Machine Learning
Source of heading or term	qrmak
653 #0 - INDEX TERM--UNCONTROLLED
Uncontrolled term	Join Ordering Problem
--	Query Execution Plan
--	Query Optimization
700 0# - ADDED ENTRY--PERSONAL NAME
Personal name	Ihab Ezzat
Relator term	thesis advisor.
700 0# - ADDED ENTRY--PERSONAL NAME
Personal name	Hoda M. O. Mokhtar
Relator term	thesis advisor.
700 0# - ADDED ENTRY--PERSONAL NAME
Personal name	Ayman Elkilany
Relator term	thesis advisor.
900 ## - Thesis Information
Grant date	01-01-2024
Supervisory body	Ihab Ezzat
--	Hoda M. O. Mokhtar
--	Ayman Elkilany
Universities	Cairo University
Faculties	Faculty of Computers and Artificial Intelligence
Department	Department of Information Systems
905 ## - Cataloger and Reviser Names
Cataloger Name	Shimaa
Reviser Names	Eman Ghareb
942 ## - ADDED ENTRY ELEMENTS (KOHA)
Source of classification or shelving scheme	Dewey Decimal Classification
Koha item type	Thesis
Edition	21
Suppress in OPAC	No

Holdings
Source of classification or shelving scheme	Home library	Current library	Date acquired	Inventory number	Full call number	Barcode	Date last seen	Effective from	Koha item type
Dewey Decimal Classification	المكتبة المركزبة الجديدة - جامعة القاهرة	قاعة الرسائل الجامعية - الدور الاول	03.05.2025	91185	Cai01.20.04.M.Sc.2024.Mo.E	01010110091185000	03.05.2025	03.05.2025	Thesis

جامعة القاهرة

المكتبة المركزية الجديدة

مكتبة جامعة القاهرة الأهلية

Employing Machine Learning in Query Optimization / (Record no. 171832)