融合关系图注意力网络的并行查询执行计划选择

来源：计算机工程与应用杂志2024年第17期北京时间：

作者：郭梦涛, 牛保宁, 杨茸

单位：太原理工大学 计算机科学与技术学院（大数据学院），山西 晋中 030600

摘要：查询作为数据库系统中最重要的功能之一，它的执行效率直接决定系统的性能。并行场景下，查询交互（query interaction，QI）本质上表现为操作间的相互作用，是准确选择查询执行计划的关键。现有在操作粒度上度量QI的模型未能描述交互的动态性，只提取操作特征来反映QI，难以为并行场景下的执行计划选择提供准确的QI度量。为此，在QI的表示上，提出查询组合异构图，以操作为节点，操作间的交互关系为边，实现动态、操作粒度、多交互类型的QI表示；在QI特征提取上，提出多边类型权重计算（multi-edge type weight calculation，MTWC）模型用于计算边权重，并将其作为关系特征，体现交互的强弱程度；在执行计划的选择上，提出一种基于关系图注意力网络（relational graph attention network，R-GAT）的查询组合异构图分类模型（query-mix heterogeneous graph classification，QHGC），为并行查询选择执行计划。在PostgreSQL上的实验表明，QHGC为查询选择执行计划的准确率达90.4%，平均准确率比查询优化器提高48.2个百分点，比现有最先进的模型PSG提高6.9个百分点。

关键词：查询交互,操作级,多边类型权重计算（MTWC）,执行计划,关系图注意力网络（R-GAT）