AutoIndex: An Incremental Index Management System for Dynamic Workloads
索引对于增强单列或多列的查找至关重要,建立适当的索引可以显著提高数据库性能。现有的工作主要集中在添加新的索引,使读取查询更方便,但存在一些局限性。首先,现实工作负载可能有大量的查询,很难分析它们的索引需求并在资源限制内找到最有利的索引。其次,它们没有考虑现有索引的更新,这可能是冗余的,甚至会对当前的工作负载产生负面影响。第三,它们无法估计索引维护成本,该成本受到多种索引利用率因素的影响,会显著影响索引收益,特别是在高写比的工作负载下。为了应对这些挑战,本文提出了一种面向动态工作负载的增量索引管理系统AUTOINDEX。首先,为了支持增量索引管理,将查询映射为查询模板,并从匹配的模板中高效地生成候选索引;然后,提出利用蒙特卡洛树搜索从候选索引中增量添加索引或从现有索引中增量删除索引,以保证高负载性能。此外,本文还提出了一种深度指标估计模型,该模型结合实际经验提取关键成本特征,并利用深度回归从历史指标管理数据中估计指标收益。在开源数据库系统opengaus中实现了候选索引生成和索引估计等模块。实验结果表明,该方法在测试和实际工作负载上均优于现有方法。
一研究背景:
1. 索引管理的目的是合理地创建或删除索引,以保证(