知识卡片
代价估计建立在基数估计之上,而基数估计依赖数据分布假设
一个SQL查询能生成数以万计的执行计划,数据库要在真正执行任何 一个之前就判断”哪个计划最便宜”,这件事之所以可能,靠的是一条 两层的估算链条。最底层是基数估计:预测一次查询操作最终会涉及 多少条记录,这个预测通常需要对数据做出简化假设(例如假设某个 属性的取值均匀分布、假设不同属性之间相互独立);这些假设在真实 数据里往往不成立——现实中的属性经常互相关联、取值也远非均匀, 这正是基数估计在真实系统中长期存在较大误差的根本原因,不是 算法不够精细,而是支撑它的前提假设本身就与真实数据分布有偏差。 上层是代价模型:把基数估计的结果转换成对物理资源开销(CPU 占用、I/O占用等)的具体估量,用这个估量在数以万计的候选计划里 搜索最低成本的那一个。这条链条的脆弱之处在于误差是逐级放大的: 底层的基数估计一旦偏离真实值,上层依据它建立的代价模型和最终 选出的执行计划也会跟着系统性地偏离最优——这也是为什么查询 优化领域的许多研究工作把改进基数估计本身(而不是代价模型的 搜索算法)当作提升整体优化质量最直接的突破口。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
原书出处
参考来源
- 位置:《新型数据库系统:原理、架构与实践》第12章"智能化数据库
技术"12.4.2节"智能化数据库优化"(源文件:
_epub-src/EPUB/xhtml/Section0001_0014.xhtml)
- 结论依据:原文明确"一个SQL查询可以生成数以万计的查询计划,
如何高效地从中找到最优的查询计划是优化数据库查询功能需要
解决的核心问题……传统的代价估计方法以基数估计结果为基础,
建立代价模型,进而实现查询代价估计……进行基数估计时往往
需要对数据进行假设约束(例如,一致性、独立性等),所以在
面对真实应用场景时,由于上述假设不能成立进而导致基数估计
不正确",说明代价估计建立在基数估计之上、而基数估计依赖
不总是成立的数据分布假设这一因果链条。
- 原始内容:传统的代价估计方法以基数估计结果为基础,建立代价
模型,进而实现查询代价估计……一般情况下,进行基数估计时往往
需要对数据进行假设约束(例如,一致性、独立性等),所以在
面对真实应用场景时,由于上述假设不能成立进而导致基数估计
不正确。