2025
On the Costs and Benefits of Learned Indexing for Dynamic High-Dimensional Data: Extended Version
SLANINÁKOVÁ, Terézia; Jaroslav OĽHA; David PROCHÁZKA; Matej ANTOL; Vlastislav DOHNAL et. al.Základní údaje
Originální název
On the Costs and Benefits of Learned Indexing for Dynamic High-Dimensional Data: Extended Version
Vydání
16 s. N/A, 2025
Nakladatel
arXiv
Další údaje
Jazyk
angličtina
Typ výsledku
Výzkumná zpráva
Obor
10200 1.2 Computer and information sciences
Stát vydavatele
Česká republika
Utajení
není předmětem státního či obchodního tajemství
Odkazy
Organizační jednotka
Fakulta informatiky
Klíčová slova anglicky
Learned indexing;Dynamization;Dynamic datasets;k-NN search;ANN search
Příznaky
Mezinárodní význam
Změněno: 20. 8. 2025 21:14, Mgr. David Procházka
Anotace
V originále
One of the main challenges within the growing research area of learned indexing is the lack of adaptability to dynamically expanding datasets. This paper explores the dynamization of a static learned index for complex data through operations such as node splitting and broadening, enabling efficient adaptation to new data. Furthermore, we evaluate the trade-offs between static and dynamic approaches by introducing an amortized cost model to assess query performance in tandem with the build costs of the index structure, enabling experimental determination of when a dynamic learned index outperforms its static counterpart. We apply the dynamization method to a static learned index and demonstrate that its superior scaling quickly surpasses the static implementation in terms of overall costs as the database grows. This is an extended version of the paper presented at DAWAK 2025.
Návaznosti
| GF23-07040K, projekt VaV |
| ||
| LM2018131, projekt VaV |
| ||
| LM2018140, projekt VaV |
|