[论文解读] Least expected cost query optimization: an exercise in utility

Francis C. Chu, Joseph Y. Halpern+1 more|ArXiv.org|Sep 21, 1999

Advanced Database Systems and Queries参考文献 13被引用 7

一句话总结

本文提出了一种查询优化技术，通过建模参数不确定性，选择预期成本最低的执行计划，超越了传统优化器对系统参数（如内存和I/O）采用固定或期望值的假设。通过将概率成本估计整合到类似System R的优化器中，该方法在高度可变的环境中提升了性能，相较于基于期望值的优化，表现出更优的鲁棒性。

ABSTRACT

We identify two unreasonable, though standard, assumptions made by database query optimizers that can adversely affect the quality of the chosen evaluation plans. One assumption is that it is enough to optimize for the expected case---that is, the case where various parameters (like available memory) take on their expected value. The other assumption is that the parameters are constant throughout the execution of the query. We present an algorithm based on the ``System R''-style query optimization algorithm that does not rely on these assumptions. The algorithm we present chooses the plan of the least expected cost instead of the plan of least cost given some fixed value of the parameters. In execution environments that exhibit a high degree of variability, our techniques should result in better performance.

研究动机与目标

• 解决传统查询优化器对系统参数（如内存和I/O）假设为固定值或期望值的局限性。
• 在系统参数在查询处理过程中显著变化的动态环境中，提升查询执行性能。
• 开发一种基于参数分布上预期成本而非确定性值选择计划的查询优化框架。
• 证明最小期望成本优化相较于标准成本基优化，能产生更鲁棒且高效的查询计划。

提出的方法

• 将System R查询优化算法改进，以整合系统参数（如可用内存和I/O速率）的概率模型。
• 使用概率分布建模参数不确定性，而非假设其为固定值。
• 通过在不确定参数的联合分布上积分，计算每种查询计划的期望成本。
• 使用动态规划探索计划空间，并选择期望成本最小的计划。
• 采用考虑不同参数实现下执行时间和资源使用变化的代价模型。
• 扩展传统基于代价的优化，以处理随机参数，实现在不确定性下的鲁棒计划选择。

实验结果

研究问题

• RQ1 在高度可变环境中，当系统参数被假设为恒定或处于其期望值时，查询优化性能会如何退化？
• RQ2 能否通过预期成本估计考虑参数不确定性的查询优化器，优于传统优化器？
• RQ3 对参数分布的建模对最优查询执行计划的选择有何影响？
• RQ4 与基于期望值的优化相比，最小期望成本方法在计划质量和执行效率方面表现如何？

主要发现

• 所提出的最小期望成本优化方法相较于假设参数值固定或为期望值的传统优化器，能生成更鲁棒的查询执行计划。
• 通过建模参数不确定性，该算法降低了因参数意外变化而导致高成本计划被选中的风险。
• 该方法在高变异性执行环境中表现出更优性能，尤其在参数分布非均匀或偏态时更为显著。
• 采用概率成本估计可实现多样化系统条件下更优的长期平均性能。