Accelerating relational database management systems via quantum computing; Teilprojekt: Quantencomputing Technologien für Datenbanken Optimierung

Abstract

Trotz jahrzehntelanger Forschung zur Leistungssteigerung von RDBMS gibt es weiterhin große Bestrebungen, ihre Verarbeitung weiter zu beschleunigen. In diesem Projekt untersuchten wir, wie zentrale Verfahren moderner RDBMS mithilfe von Quantencomputern als Beschleuniger optimiert werden können. Da sich nicht alle RDBMS-Probleme für das Quantencomputing eignen, konzentrieren wir uns auf zwei besonders rechenintensive Aufgaben: Abfrageoptimierung und Transaktionsplanung. Bei der Abfrageoptimierung werden SQL-Abfragen in algebraische Ausdrücke übersetzt und anschließend auf maximale Effizienz optimiert. Hier wurden verschiedene Quantenmethoden adaptiert. Für die Vorhersage der Ausführungszeiten wurden z. B. Quanten-Maschinelles Lernen (QML) und Quantum Natural Language Processing (QNLP) verwendet. Die nachfolgende Optimierung der Join-Reihenfolge auf Grundlage der vorhergesagten Ausführungszeiten wurde mithilfe der QUBO-Formulierung und variationalen Quantenalgorithmen beschleunigt. Die Transaktionsplanung wiederum legt die optimale parallele Ausführung mehrerer Transaktionen fest, um Konflikte zu vermeiden und die Isolationseigenschaft zu gewährleisten. Für diese Aufgabe haben wir QAOA+-basierte Optimierungsansätze entwickelt. Als Hauptergebnis entstand eine Webschnittstelle mit dem Transaction Scheduling Optimization (TSO) Server. Der Server verbessert die Datenbankleistung, indem er eingehende Abfragen optimiert und effizient plant, bevor sie an die Datenbank weitergeleitet werden. Der öffentlich zugängliche Demonstrator zeigt die praktische Anwendung von Quantencomputing für RDBMS und macht Quantenalgorithmen mit einer anschaulichen Visualisierung für Forschungs-, Bildungs- und Marketingzwecke erlebbar.