본 논문은 대규모 데이터 분석에 대한 수요 증가에 따라 복잡한 쿼리 실행 메커니즘(벡터화 연산자, 병렬 실행, 동적 파이프라인 수정 등)을 채택한 DBMS의 쿼리 성능 예측(QPP)의 어려움을 해결하기 위해 CONCERTO라는 새로운 방법론을 제안한다. CONCERTO는 각 물리적 연산자에 대한 독립적인 자원 비용 모델을 설정하고, 데이터 흐름 트리 백본과 동시 연산자 간의 자원 경쟁 관계를 포함하는 DAG(Directed Acyclic Graph)를 구성한다. 추가적인 어텐션 메커니즘을 사용하는 GAT(Graph Attention Networks)를 통해 병렬 연산자 실행의 비용 영향을 보정하고, TCN(Temporal Convolutional Networks)을 통해 비용 벡터 트리를 추출 및 집계하여 쿼리 성능을 효과적으로 예측한다. 실험 결과, CONCERTO는 기존 방법보다 높은 예측 정확도를 달성함을 보여준다.
