GaussDB高智能--智能优化器介绍

最新推荐文章于 2025-11-23 18:24:02 发布

原创

最新推荐文章于 2025-11-23 18:24:02 发布 · 987 阅读

18 ·

CC 4.0 BY-SA版权

文章标签：

#gaussdb

GaussDB高智能--智能优化器介绍

书接上文库内AI引擎：模型管理&数据集管理，从模型管理与数据集管理两方面介绍了GaussDB库内AI引擎，本篇将从 智能优化器方面解读GaussDB高智能技术。

4 智能优化器

随着数据库与AI技术结合的越来越紧密，相关技术在学术界的数据库各大顶会中出现井喷现象。如下图所示，从2019年至2022年，AI优化器、AI配置调优、AI存储管理及DB4AI等领域的论文逐年递增，越来越多的技术实现从规则到智能的转换、从人工到自治的转换、从经验到数据的转换、从离线到在线的转换。

通过对学术界和工业界在各方面的技术分析，我们可以获悉，在AI优化器领域，通过AI技术可以实现从规则到智能的技术创新，在生成计划的准确性和质量上有质的飞越。例如DB2落地证明AI模型能够有效提升基数估计准确性，已支持单点、范围、in等多种谓词，基数估计的准确率由30%提升到99%；AI代价模型Cost估计误差减少10%到60%；AI计划生成TPS平均提升43%。在AI配置调优领域，逐渐实现由人工到自治的转变，由AI技术，自动调优内存设置、缓存设置、优化器参数、并发度等，效果接近、甚至超过DBA调优，调优时间由天级下降到分钟级。在AI存储领域，通过IO技术极大加速IO的读写效率，通过智能缓存淘汰算法，有效避免缓存计划使用错误；通过学习型index设置，index评价查找长度由O(logn)下降为O(1)。

尽管AI技术在数据库内核层面探索的功能项很多，但鲜有真正落地的商业产品。突出的技术难点是如何做到模型的普适性，在一个场景或者负载下训练有效的模型，是否可在任意场景或者负载下均有效；另一个难点是推理效率快捷且占用资源低，在交易型数据库场景下，执行效率仍有保障。

GaussDB创新型提出利用轻量级库内机器学习模型结合数据库内核模块构建智能的优化器。其设计的主体架构如下图所示：