这篇工作主要是关于探索在数据库中执行机器学习预测模型的方法，作者提出了两种思路，一种是将模型的预测执行转化为SQL语句，把模型的参数存到模型表中，将模型预测操作转化为事实表和模型表的嵌套查询，从而而将线性代数操作转化为关系代数操作，但是这种方案执行效率较低。然后作者又利用并行模型构建，向量化执行，列存储等技术在数据库中实现了一个专用的模型推理算子。此外作者对目前已有的相关工作进行梳理，将在数据库中执行机器学习预测模型的方法分为四类，即python udf，机器学习系统提供的的原生api，转化为sql语句，数据库内部实现模型预测操作算子。