数据驱动基数估计：DeepDB: Learn from Data, not from Queries！

面对大规模数据和不同的应用场景，传统数据库组件存在业务类型不敏感、查询优化能力弱等问题。因此，目前一类研究通过将传统数据库组件用机器学习算法替代，来实现更高的查询和存储效率。

主导的学习组件，是query-based，workload-driven，以一堆有代表性的queryset去实际运行，产生训练集。这种方式的问题，在于训练成本很高，并且当workload变化时需要不断迭代。本文是采用另一种思路，data-driven，就是直接对于数据建模，并且模型可以同态的变化，接受insert，update，delete。
data-driven好处，和workload无关，你workload，查询变了，不会有影响，适用面也比较广，但是问题在于数据如果很大这个成本也是非常的高。

不同于Workload-driven的机器学习模型需要大量查询语句进行训练，Benjamin提出利用机器学习拟合关系型数据的数据分布情况，并可以基于这个模型进行基数估计、连接顺序选择等。和Naru动机相似，他们设计了一个Sum-Product Network（SPN）学习所有列(X1,X2,…,Xn)的联合概率分布。但不同于AR模型，SPN采用了一个树形结构：每个中间节点对应sum操作，将整个数据表分成两个数据组；每个叶子节点代表数据组中某一列的数据分布，用直方图表示，假设节点之间独立分布，同组的叶子节点间用product操作表示。对于范围查询，SPN直接改变对应叶子节点的范围，自底向上计算出根节点的选择度；对于join查询，他们先过滤掉不能被join的数据行，然后用product操作计算join列的选择度，可能存