前言
这部分的内容也是基于上章节提到的数据库优化的各种操作,比如逻辑层面,以及物理层面的,而这节将从物理层面来介绍PG 基于算法的优化,提到PG的算法优化就从PG引以为豪的遗传算法来介绍以及对比动态规划的优缺点来分别得出结论,什么情况下使用PG得到最好的解决方案。
动态规划算法
简单的介绍动态规划算法,表示在多表进行关联操作的时候,会从第1层关系到N-1层关系,每一层都算出最优的路径,然后跟第N层关系进行关联得到最后的结果,在这个过程中会分为两个阶段,第一个阶段为初始化阶段,构造第一层关系,第二阶段是归纳,生成1到N-1层关系,然后跟第N层进行关联。这时候就产生左深树,如果是从第K层开始构造第一层关系往外两头进行关联,这时候就产生紧密树。
对比紧密树的处理过程
遗传算法
上面提到的动态规划确实可以得到每一层的最优的路径然后跟最后一层关联得到最后的结果,但是这个算法会产生空间膨胀的问题,严重的影响到查询性能,这就需要到遗传算法来解决这个空间膨胀的问题,官方推荐的是12张表或者以上的关联,推荐使用遗传算法来解决查询过程空间膨胀的问题,遗传算法之所以能解决空间膨胀的问题在于提供的gimm