24、VIII. 结论

VIII. 结论

1. 开发了一个用于在线索引选择的多臂老虎机学习框架

本文介绍了一种创新的方法，利用多臂老虎机（MAB）进行在线索引选择。传统的数据库索引选择通常依赖于数据库管理员（DBA）和查询优化器，但这些方法容易受到人为错误和查询优化器成本估算失误的影响。MAB通过学习索引的好处，结合战略性探索和实际性能观察，提供了一种无需人工干预的解决方案。该方法不仅提高了索引选择的效率，还增强了系统的鲁棒性，尤其在处理不可预测的即兴工作负载时表现尤为突出。

1.1 框架的核心理念

多臂老虎机学习框架的核心理念是通过探索和利用的平衡来选择最佳索引。MAB算法通过观察实际性能，而不是依赖于潜在错误的查询优化器成本模型，来选择和调整索引。这种方法确保了索引选择的准确性，并且可以在不确定环境下动态调整，以应对不断变化的工作负载。

1.2 战略性探索与实际性能观察

MAB框架通过以下几个步骤实现索引选择：

1. 观测工作负载 ：系统实时监测工作负载，记录查询的时间、谓词、负载等特征。
2. 生成索引候选 ：根据观测到的工作负载特征，生成相关的索引候选。
3. 选择索引配置 ：基于生成的索引候选，选择一个配置进行实现。
4. 评估性能 ：在实现新索引后，系统评估其性能，并根据实际执行时间调整索引选择策略。

通过这些步骤，MAB框架能够有效地学习哪些索引在特定工作负载下表现最好，从而做出