소형 모델(4B)로 Postgres 쿼리 최적화하기: 실험 결과

요약

Postgres의 쿼리 옵티마이저가 가진 고질적인 문제인 조인 순서 최적화(NP-hard)를 해결하기 위해 소형 언어 모델을 활용하는 실험이 진행되었습니다. 연구자는 4B 파라미터 규모의 오픈 웨이트 모델을 대상으로 지도 미세 조정(SFT)과 에이전트 강화 학습(RL)을 적용해 쿼리 계획 생성 성능을 개선하고자 했습니다. 그 결과, 학습된 모델이 Postgres의 기본 쿼리 계획보다 81% 더 빠른 실행 속도를 보이는 쿼리 계획을 생성하는 데 성공했습니다. 이는 쿼리 실행 시간이라는 명확한 최적화 지표가 있는 경우, 언어 모델을 통한 쿼리 최적화가 실무적으로 충분히 효과적임을 시사합니다. 이번 실험은 기존 전통적인 쿼리 옵티마이저의 한계를 보완하기 위한 AI 기반 접근 방식의 가능성을 입증했습니다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.