Description

Dans les environnements cloud, un Système de Gestion de Bases de Données SGBD installé sur une machine multi-processeur et partagé par plusieurs locataires est appelé SGBD parallèle multi-locataire. Le partage des ressources dans un tel SGBD permet aux locataires de payer pour les ressources qu'ils consomment, tout en maximisant la rentabilité du système. Pour cela, un contrat de niveau de service (SLA) est établi entre le fournisseur et un locataire. Ce contrat défini des niveaux d'objectifs de services (SLO) définissant la qualité de service à fournir au locataire. Pour atteindre ces objectifs, l'optimiseur de requêtes d'un SGBD engendre un plan d'exécution qui permet la satisfaction des SLO tout en considérant la rentabilité. Pour cela, l'optimiseur s'appuie sur des estimations calculées par un modèle de coûts. Ces estimations sont sujettes à des erreurs à cause de l'obsolescence de valeurs de paramètres, d’erreur dans le calcul ou de variation dans la charge de travail. Ces erreurs peuvent, d'une part, empêcher l’optimiseur d'atteindre ces objectifs et, d'autre part, engendrer une consommation excessive de ressources. L'objectif de cette thèse est de proposer des méthodes d'optimisation robuste de requêtes qui permettent à l’optimiseur de satisfaire les SLO en évitant une consommation abusive de ressources.

Compétences requises

Distributed and Parallel Systems, Data Management Systems, Database Systems, Query Processing and Optimization, Cost Models, Cloud Systems, Programming Languages (e.g. C++, Java, Python).

Bibliographie

1. Chen, T., Gao, J., Chen, H., Tu, Y.: Loger: A learned optimizer towards generating efficient and robust query execution plans. Proceedings of the VLDB Endowment 16(7), 1777–1789 (2023)
2. Kamali, A., Kantere, V., Zuzarte, C.: Robust query optimization in the era of machine learning: State-of-the-art and future directions. In: 2024 IEEE 40th International Conference on Data Engineering (ICDE). pp. 5371–5375. IEEE (2024)
3. Li, Y., Wang, L., Wang, S., Sun, Y., Peng, Z.: A resource-aware deep cost model for big data query processing. In: 2022 IEEE 38th International Conference on Data Engineering (ICDE). pp. 885–897. IEEE (2022)9
4. Yin, S., Hameurlain, A., Morvan, F.: Sla definition for multi-tenant dbms and its impact on query optimization. IEEE Transactions on Knowledge and Data Engineering 30(11), 2213–2226 (2018)

Mots clés

SGBD parallèles multi-locataires, Optimisation de requêtes, Modèle de coûts, Robustesse