参考文献
[1] Zeighami S, Shahabi C, Sharan V. NeuroSketch: Fast and Approximate Evaluation of Range Aggregate Queries with Neural Networks[J]. Proceedings of the ACM on Management of Data, 2023, 1(1): 1-26.
Query编码方式
-
NeuroSketch支持的SQL语句格式如下：
-
在 AGG 和 Am 确定的情况下，我们对上述SQL进行编码，令 c=(c_1, ..., c_d), r=(r_1, ..., r_d), q=(c,r)
-
此时，q 即我们对某条Query的编码
解释
-
假设Query的谓词中只有一个属性，则 q=(c_1,r_1)，记作 q=(c,r)，表示 c <= A <= c+r（称作编码1）
-
与另一种更直观的编码方式对比，假设 q'=(low,high) 表示 low <= A <= high（称作编码2）
-
当我们使用编码2构建KD树时，我们取属性A的中位数 a，将 Q（表示q的集合）分为两部分 X、Y
此时结点 X 表示的范围为：0 <= A <= a
结点 Y 表示的范围为：a <= A <= 1对于一条query：q'=(m,n), 若0<m<a, a<n<1，则 X、Y 任一结点都无法包含 m <= A <= n 这个范围，因为下限m落在X内，上限n落在Y内
-
我们通过改造KD数的构建过程，可以解决上述问题
首先，我们取 Q 中所有 q' 的 low 值，找到 low 的中位数 low_m；类似的方法找到 high 的中位数 high_m。
构建kd树时，首先用 low_m 将 Q 分为两部分 X、Y，再用 high_m 将X、Y分别分为两部分 X1、X2、Y1、Y2
X：0 <= low <= low_m（对high不作限制）
Y：low_m <= low <= 1 （对high不作限制）
X1：0 <= low <= low_m AND 0 <= high <= high_m
X2：0 <= low <= low_m AND high_m <= high <= 1
Y1：low_m <= low <= 1 AND 0 <= high <= high_m
Y2：low_m <= low <= 1 AND high_m <= high <= 1在这个KD树中，并没有直接地把Query空间一分为二，而是第一层只限制low值，第二层只限制high值。
换言之，之前的构建KD树方式，是把一维空间分为两部分：
在这个空间上执行query，有可能会跨越多个子集（如下，q同时涉及了X和Y）：
而我们第二次构建KD树时，是在二维空间上，先把low这个维度分为两部分：
再在两个子空间X、Y上，把high这个维度分为两部分：
在这个空间上执行query，其实就是在二维空间上定位一个点q=(m,n)，如下所示：
因此，对于某个q，他必然会落入某一个子空间（即某个叶结点），而不会跨越多个子空间。
-
对于编码1：q=(c,r)，我们用第二次构建KD树的方式，就可以达到相同的效果。