본 논문은 기존 쿼리 최적화 알고리즘을 머신러닝 알고리즘으로 완전히 대체하는 대신, 기존 최적화 알고리즘을 보완하는 새로운 학습 기반 쿼리 최적화 기법인 GenJoin을 제시합니다. GenJoin은 서브플랜 힌트의 무작위 집합으로부터 학습하여 기존 최적화 알고리즘보다 성능이 우수한 쿼리 플랜을 생성하는 생성적 작업으로 쿼리 최적화 문제를 고려합니다. 기존 최적화기가 모든 논리적 및 물리적 플랜을 완전히 열거할 수 없는 경우 유전 알고리즘과 같은 덜 강력한 접근 방식에 의존해야 하는 경우에 특히 관련이 있습니다. 대량의 훈련 데이터 필요성, 추론 중 느린 플랜 생성, 다양한 작업 조건에서의 불안정한 결과와 같은 기존 학습 기반 쿼리 최적화기의 한계를 극복하기 위해 고안되었습니다. PostgreSQL과 최첨단 방법들을 두 가지 잘 알려진 실제 벤치마크에서 다양한 작업 부하를 사용하여 엄격한 머신러닝 평가를 통해 일관되게 능가하는 성능을 보여줍니다.
