【标题】Automatic Index Selection with Learned Cost Estimator

【作者团队】Jianling Gao, Nan Zhao, Ning Wang, Shuang Hao, Haoyan Wu

【发表日期】2022.8.27

【论文链接】https://www.sciencedirect.com/science/article/pii/S156849462200638X

【推荐理由】为关系数据库选择有用的索引对于有效的查询优化非常重要。然而，目前的方法倾向于使用数据库管理系统(DBMS)中优化器估计的成本来衡量索引的好处，并且由于成本估计不准确，不能得到最优的解决方案。此外，现有的强化学习方法将创建不同的指标视为独立的行动，忽略了指标之间的关系，这可能会带来不必要的训练成本。为了解决这些问题，本文提出了 DeepIndex，一种基于学习的成本估算的自动指标选择器，以提高指标选择的质量。为了准确地估计索引的效益，本文设计了一个基于学习的成本估计器来预测特定索引上查询的执行时间。尤其将查询计划视为图形，并开发了一个基于图卷积网络(GCN)的模型来从查询和索引中学习特征。然后，考虑指标间的相互关系，设计了一个基于强化学习的指标选择模型，并结合本文的成本估计器进行指标选择。