学得来的无锁搜索数据结构
摘要：非阻塞搜索数据结构在高性能多核架构上提供了可伸缩性和进度保证。近年来，“学习查询”引起了人们的极大关注。它指的是通过训练机器学习模型来推断有序数据集的累积分布函数，并预测关键字的排名。一系列研究表明，学习查询优于传统查询算法。然而，据我们所知，目前尚无现有的非阻塞搜索数据结构使用学习查询。在本文中，我们介绍了Kanva，一种用于学习非阻塞搜索的框架。Kanva具有直观但非平凡的设计：通过遍历轻量级线性模型的浅层次结构，到达“非阻塞容器”，即动态有序搜索结构。所提出的方法在许多工作负载和数据分布中显著优于当前最先进的非阻塞插值搜索树和消除（a,b）树。Kanva具有可证明的线性化性质。
作者：Gaurav Bhardwaj, Bapi Chatterjee, Abhinav Sharma, Sathya Peri and Siddharth Nayak
论文ID：2308.11205
分类：Distributed, Parallel, and Cluster Computing
分类简称：cs.DC
提交时间：2023-08-23