“与原始查询相比，它在 TPC-H、IMDB 和 DSB 数据集上的平均执行时间分别减少到 52.5%、56.0% 和 39.8%，始终优于基线方法”。
南洋理工大学、新加坡科技设计大学和阿里巴巴达摩院的研究人员最近推出了LLM-R2，这是一种基于规则的查询重写系统，通过LLM增强，显着提升SQL查询效率。
查询重写的核心目标是将 SQL 查询转换为新的格式，在保持原始结果的同时更高效地执行。这涉及三个关键标准：可执行性、等效性和效率。传统的查询重写系统严重依赖于预定义的规则，并且通常受到计算限制和 DBMS 成本估算器的不准确性的限制。
LLM-R2 通过集成 LLM 来解决这些挑战，为 SQL 查询建议最佳重写规则，然后使用现有数据库平台实现这些规则。这使得重写的查询能够保持其可执行性和准确性，同时提高效率。
LLM-R2 的关键进步之一是它使用对比学习模型，通过理解每个查询的结构和上下文来帮助完善重写规则的选择。这使得 LLM-R2 能够适应并应用最合适的优化，从而显着减少跨各种数据集的查询执行时间。
事实证明，该方法可以显着缩短跨各种数据集（包括 TPC-H、IMDB 和 DSB）的查询执行时间，展示了相对于传统的基于规则的方法和其他基于LLM的系统的改进。
结果表明，LLM-R2 与原始查询相比，可以将 SQL 查询的执行时间平均减少约 52.5%，与最先进的方法相比，平均减少约 40.7%。这种性能提升在复杂查询中尤其明显，传统方法通常很难做出有效的改进。
研究承认，与仅使用数据库的方法相比，其主要局限性在于重写延迟较高。因为，与传统的DB方法相比，调用LLM API和选择演示会消耗更多的时间。
尽管存在这种延迟，但好处是显而易见的，LLM-R2 大大减少了执行查询所需的时间，使系统整体非常有效。这表明LLM增强的方法可能是面向效率的查询重写的有效解决方案。
旅沪俄侨顾彼得多次在玉皇山长住静修，他亲眼见证李理山为一位上海茶商病危的儿子点灯祈福，法事进行了一整夜的阿里巴巴推出LLM-R2优化SQL查询效率荣誉称号明确被作为集体奖的一种，而且级别较高
