Zobrazeno 1 - 10
of 28
pro vyhledávání: '"Wang, Zuozhi"'
A computing job in a big data system can take a long time to run, especially for pipelined executions on data streams. Developers often need to change the computing logic of the job such as fixing a loophole in an operator or changing the machine lea
Externí odkaz:
http://arxiv.org/abs/2210.10306
The process of data analysis, especially in GUI-based analytics systems, is highly exploratory. The user iteratively refines a workflow multiple times before arriving at the final workflow. In such an exploratory setting, it is valuable to the user i
Externí odkaz:
http://arxiv.org/abs/2208.13143
We consider accelerating machine learning (ML) inference queries on unstructured datasets. Expensive operators such as feature extractors and classifiers are deployed as user-defined functions(UDFs), which are not penetrable with classic query optimi
Externí odkaz:
http://arxiv.org/abs/2201.00309
Tempura: A General Cost Based Optimizer Framework for Incremental Data Processing (Extended Version)
Autor:
Wang, Zuozhi, Zeng, Kai, Huang, Botong, Chen, Wei, Cui, Xiaozong, Wang, Bo, Liu, Ji, Fan, Liya, Qu, Dachuan, Hou, Zhenyu, Guan, Tao, Li, Chen, Zhou, Jingren
Incremental processing is widely-adopted in many applications, ranging from incremental view maintenance, stream computing, to recently emerging progressive data warehouse and intermittent query processing. Despite many algorithms developed on this t
Externí odkaz:
http://arxiv.org/abs/2009.13631
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Tempura: a general cost-based optimizer framework for incremental data processing (Journal Version).
Autor:
Wang, Zuozhi, Zeng, Kai, Huang, Botong, Chen, Wei, Cui, Xiaozong, Wang, Bo, Liu, Ji, Fan, Liya, Qu, Dachuan, Hou, Zhenyu, Guan, Tao, Li, Chen, Zhou, Jingren
Publikováno v:
VLDB Journal International Journal on Very Large Data Bases; Nov2023, Vol. 32 Issue 6, p1315-1342, 28p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.